2025年9月12日至14日，第 8 届信息通信与信号处理国际会议（The 8th International Conference on Information Communication and Signal Processing, ICICSP 2025）在西安举行，由西安交通大学与 IEEE 联合主办。在大会上，唐慧龙博士作了题为 “Parameter Estimation of Sea Clutter Amplitude Distribution Based on Reinforcement Learning”的口头报告，周梦潭博士作了题为 “Anti-Decoy Detection under Composite Jamming via Cumulative Mahalanobis Distance” 的口头报告，刘宏达硕士作了题为 “Orthographic Projection-Based Weighting for Multi-view 3D Human Pose Estimation” 的口头报告。
“Parameter Estimation of Sea Clutter Amplitude Distribution Based on Reinforcement Learning” 论文首次提出一种基于强化学习的海杂波幅度分布参数估计方法，建立了将参数估计问题建模为马尔可夫决策过程（MDP）的理论框架，进一步开发了强化学习在分布参数优化中的自主探索与决策能力。将参数估计过程等效为智能体在状态空间中搜索最优动作（参数组合），并以最小化拟合误差为目标设计奖励函数。利用 Q-learning 算法实现参数空间的智能探索，揭示了强化学习相比传统统计方法在避免局部最优、提升估计精度方面的显著优势。该方法在多种海况和极化条件下均表现出优越的拟合性能，尤其对K分布参数估计精度提升超过70%，验证了其在海杂波建模中的有效性与鲁棒性。基于强化学习的海杂波参数估计技术可提升雷达在复杂海洋环境中的目标检测能力，有望成为未来智能雷达信号处理的关键技术之一。
“Anti-Decoy Detection under Composite Jamming via Cumulative Mahalanobis Distance” 论文针对雷达系统在复合干扰环境下存在的角度不确定性和部分检测丢失问题，提出了一种基于累积马氏距离的协同抗诱饵框架。本研究首先建立了改进的烧穿距离模型，引入角度相关衰减以更准确描述天线方向图零点附近的抑制效应。进而设计了累积马氏距离检验方法，结合时空一致性与平台协同机制，有效区分真实目标与诱饵信号。仿真结果表明，该方法显著降低了误判概率，延长了稳定跟踪时间，并提升了最终状态估计精度，为复杂干扰环境下的多平台无源雷达系统提供了鲁棒解决方案。
“Orthographic Projection-Based Weighting for Multi-view 3D Human Pose Estimation” 论文提出了一种基于体素的多视角多人三维人体姿态估计框架，将多视角图像融合到统一的三维体素空间中，并引入 3D 特征加权网络（3DFWN）自适应评估多视角热图的可靠性，实现加权体素融合，从而增强对遮挡和深度模糊的鲁棒性。该方法通过正交投影将三维特征映射到二维平面，并结合加权网络在各平面分别预测二维关节坐标，再融合恢复完整三维姿态，大幅提升精度与稳定性。在CMU Panoptic数据集上的实验结果表明，该方法在保持高精度的同时将推理速度提高到42.4 FPS，兼顾实时性与准确性，展现了在真实场景中应用的潜力。
编 辑 | 于 欣 欣