通过从不同电网的音频和电能记录生成频谱图，利用特征明显的电网频率（ENF）模式辅助电网分类，本文提出了一种新的电网分类方法。该方法采用四种传统机器学习分类器和一个经由神经网络结构搜索优化的卷积神经网络（CNN）进行逐一分类，然后将这些分类结果综合到一个浅层多标签神经网络中进行训练，最终得出每个样本的确定性分类预测。实验结果表明，所提出的方法在验证和测试的准确率上超过了现有最先进的分类器，突显了其方法的有效性和鲁棒性。

Mar, 2024

通过使用分数傅里叶变换（FrFT）进行时间频率信号处理，采用基于 Transformer 的神经网络（NN）突破了网络性能限制，精确估计了广泛范围内的线性和非线性失真，代表了光学性能监测领域的重要进展。

Aug, 2023

提出了基于数据驱动的方法，包括自编码器的异常检测和注意力机制的双向门控循环单元算法，以诊断物理攻击如光纤断裂和光学窃听对光网络的影响，并在各种攻击方案下使用实际运行数据验证了该方法的有效性。

Feb, 2022

本研究利用神经射频辐射场，NeRF$^ extbf {2}$ 来解决射频信号精确建模中的难点，通过训练神经网络，提升了射频信号的可感知性，同时，通过建模射频模型和射线追踪来生成合成数据集，使用 Turbo-learning 技术，提升了应用层人工神经网络的性能。

May, 2023

在本文中，我们提供了一个方案，通过从另一个传输通道预测信道状态信息（CSI）值，并将多频段信息拼接在一起，从频域改进室内指纹定位的准确性。我们在 COST 2100 模拟数据和从办公场景中收集的实时正交频分复用（OFDM）WiFi 数据上测试了我们提出的方案。

Sep, 2023

该论文提出了一种学习方法，通过专用 ToF 相机收集的数据集，能够实现低曝光时间下的高效率深度图像获取，从而解决传统 ToF 相机的能耗和性能之间的矛盾。

Dec, 2018

利用光学成像与光学流追踪技术，提出了光领航信标方案，该方案能够有效提高通信频率、范围和跟踪精度，并在资产监测场景中实现了多个运动信标的同时通信和跟踪。

Mar, 2023

我们提出了一种光信号处理方案，在检测之前通过适当设计的线性变换器对光信号进行空间重新分布，以增强视觉感知任务的检测噪声鲁棒性，并通过 MNIST 分类的基准测试进行了验证。这种计算优先的检测方案可以推动广泛应用于工业和国防领域的红外机器视觉技术的发展。

Mar, 2024

本论文报道了一种光纤耦合单光子检测系统，采用超导纳米线单光子探测器，接近于理想性能。该检测系统在波长范围为 1520-1610 nm 的系统探测效率，包括光耦合损耗，大于 90％，设备暗计数率约为 0.01 cps，时间抖动约为 150 ps FWHM，并且重置时间为 40 ns。

Sep, 2012

通过将光学与数字技术协同处理，并操作于凝聚态光学信号下，我们成功地优化了一个混合光学 - 数字的人工神经网络，发现相比于数字技术，其在低功耗 / 低延迟下具有更高的分类精度，这表明在一些应用中，光学技术比数字技术更优越。

May, 2023