Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy
该论文提出了随机化分布式函数计算（RDFC）框架，将其作为一种语义通信范式，证明了在无需共享随机性的情况下即可实现本地差分隐私，并揭示了共享随机性可显著降低通信速率，使其成为隐私感知分布式系统的高效策略。
⚡ Category
eess
381 篇论文
Low-Rank Cyclostationarity Predictive Routing Is Almost as Good as Real-Time Data-based Routing
该论文提出了一种基于交通矩阵低秩分解的时空预测器，利用首尔路网的大规模实测数据证明，其路由决策产生的平均额外行驶时间不足 1.5 分钟，且尾部表现与近实时数据驱动的路由方案相当，从而为依赖离线估计的交通规划任务提供了高效替代方案。
Benchmarking Dataset for Presence-Only Passive Reconnaissance in Wireless Smart-Grid Communications
本文提出了一种受 IEEE 标准启发的基准数据集生成器，旨在通过构建包含分层网络拓扑和物理层信道特征的仿真环境，解决智能电网中仅接收式被动侦察评估缺乏真实传播观测数据的问题，从而支持基于图时序和联邦学习的标准化检测研究。
Constrained finite-time stabilization by model predictive control: an infinite control horizon framework
本文提出了一种基于无限控制时域的模型预测控制框架，通过用无限时域阶段成本之和替代传统终端代价，在无需终端等式约束或切换策略的情况下，实现了对受约束线性和反馈线性化非线性系统的有限时间稳定化，同时显著扩大了初始可行域并保证了计算可行性。
Speech-Omni-Lite: Portable Speech Interfaces for Vision-Language Models
本文提出了 Speech-Omni-Lite，一种通过冻结预训练视觉语言骨干网络并仅训练轻量级插件模块，利用低成本构建的数据策略，在无需大规模多模态数据的情况下实现高效语音理解与生成且保持原有视觉语言性能的框架。
Site-Specific Finetuning of Neural Receivers with Real-World 5G NR Measurements
该论文利用苏黎世联邦理工学院采集的真实世界 5G NR 空口测量数据，实证了针对特定部署场景微调神经接收机不仅能显著提升误码率性能，且该增益在不同硬件和场景下均具有良好的泛化能力。
Embedded Model Predictive Control for EMS-type Maglev Vehicles
本文研究了模型预测控制在高速 EMS 磁悬浮车辆中的应用，通过参数化设计与嵌入式硬件实现，验证了该算法在处理器在环测试中能够鲁棒地稳定高度非线性系统并满足高时速下的乘坐舒适性要求。
Finetuning a Text-to-Audio Model for Room Impulse Response Generation
本文提出了一种通过微调预训练文本到音频模型来生成房间脉冲响应（RIR）的新方法，利用视觉语言模型构建文本-RIR 配对数据并引入上下文学习策略，有效解决了数据稀缺问题，生成的 RIR 在主观听感测试和下游自动语音识别任务中均表现出良好的真实性与实用性。
A Semi-spontaneous Dutch Speech Dataset for Speech Enhancement and Speech Recognition
本文介绍了名为 DRES 的 1.5 小时荷兰语半自发语音数据集，该数据集在嘈杂的公共室内环境中录制，旨在评估自动语音识别和语音增强模型在真实场景下的性能，研究发现尽管部分模型表现良好，但现代单通道语音增强技术并未显著提升识别效果。
Distributed Multichannel Wiener Filtering for Wireless Acoustic Sensor Networks
本文提出了一种适用于全连接无线声学传感器网络的分布式多通道维纳滤波（dMWF）算法，该算法无需迭代即可在节点观测源不同的情况下实现与集中式系统最优性能匹配的语音估计，并显著优于现有的迭代式 DANSE 算法。
-Occ: Resilient 3D Semantic Occupancy Prediction for Autonomous Driving with Incomplete Camera Inputs
本文提出了-Occ 框架，通过多视角掩码重建模块和特征记忆模块，有效解决了多相机输入不完整场景下的 3D 语义占据预测问题，显著提升了自动驾驶系统在相机缺失情况下的几何结构与语义一致性。
PanoAffordanceNet: Towards Holistic Affordance Grounding in 360{\deg} Indoor Environments
本文提出了首个面向 360°全景环境的整体 affordance 定位任务，通过构建 360-AGD 数据集及提出包含畸变感知谱调制器和全向球面致密化头的 PanoAffordanceNet 框架，有效解决了全景图像中的几何畸变与语义分散问题，显著提升了具身智能的场景级感知能力。
Lightweight 3D LiDAR-Based UAV Tracking: An Adaptive Extended Kalman Filtering Approach
本文提出了一种基于自适应扩展卡尔曼滤波的轻量级 3D LiDAR 无人机跟踪系统，通过动态调整噪声协方差矩阵和引入恢复机制，有效解决了稀疏点云数据下的跟踪难题，在 GPS 拒止环境中实现了高精度且鲁棒的相对定位。
Initial Parameter Estimation for Non-Linear Optimization -- Trigonometric Function
该论文提出了一种基于 NI 的可解释初始参数估计策略，旨在解决非均匀采样三角函数模型在强噪声、周期覆盖不足等复杂场景下的非线性优化问题，并证明其能以比 Lomb-Scargle 周期图法更低的计算成本，在低至 1.4 dB 的信噪比下实现高精度的频率估计。
Trade-Offs in FMCW Radar-Based Respiration and Heart Rate Variability
该研究评估了一种低成本 FMCW MIMO 雷达在非接触式生命体征监测中的性能，揭示了其在约 70 厘米距离和 96 个以上 chirp 数下能实现呼吸率和心率的准确估算，但在捕捉瞬时波动（如心率变异性）方面存在精度受限的根本性权衡。
A Hybrid Model-Assisted Approach for Path Loss Prediction in Suburban Scenarios
该论文提出了一种针对郊区复杂环境的混合路径损耗预测模型，通过在经典近距自由空间模型基础上引入环境自适应补偿项并优化环境图像表征方案，在平潭岛实测数据中将测试均方根误差降低至 4.04 dB，显著优于传统模型。
Learning-Augmented Primal-Dual Control Design for Secondary Frequency Regulation
本文提出了一种学习增强的原对偶控制框架，通过利用神经网络优化控制变量，在严格保证电力系统次级频率调节渐近稳定性与稳态最优性的同时，显著改善了频率最低点、控制能耗等瞬态性能指标。
CycleULM: A unified label-free deep learning framework for ultrasound localisation microscopy
本文提出了 CycleULM，这是首个用于超声定位显微镜的无标签统一深度学习框架，它通过物理模拟的域翻译技术克服了数据稀缺和仿真到现实的差距，在无需配对真值数据的情况下显著提升了血管成像的对比度、分辨率及微泡定位精度，并实现了实时处理速度。
Field Free Novel Architecture for Spintronic Flash Analog to Digital Converter
该论文提出了一种基于垂直自旋轨道力矩磁隧道结（SOT MTJ）的新型无场自旋闪存模数转换器架构，通过利用电压控制磁各向异性（VCMA）和自旋转移力矩（STT）机制，并采用转换组与备用组互换工作的创新设计消除了复位步骤，从而实现了在 476 微瓦功耗下 304.1 MHz 转换速率的 3 位高速低功耗 ADC。
Efficient, Adaptive Near-Field Beam Training based on Linear Bandit
该论文提出了一种基于线性 Bandit 和汤普森采样的近场波束训练框架，通过引入 DFT 域高斯先验及三种搜索策略，在多径信道下实现了高达 90% 的导频开销降低和超过 2dB 的波束赋形增益。