解开射频感知频谱图中几何与速度的纠缠

提出神经模态分解（NMD）方法，将多端口系统响应矩阵分解为极点-留数形式，服务于RF腔体、光子器件等电磁系统的神经网络建模。

提出DNNsolver框架，通过深度学习方法实现偏振敏感衍射神经网络的高精度高效建模范式，解决传统薄元近似无法捕捉层内电磁耦合的问题。

针对介质阻挡放电中相同位置连续放电的重新点燃动力学，构建物理降阶模型，无需机器学习即可实现时间预测。

DNNsolver提出基于深度学习的偏振敏感衍射神经网络建模方法，解决传统薄元件近似无法捕捉层内电磁耦合的问题，提升高密度光学计算建模精度与效率。

针对OFDM-ISAC系统中被动窃听者利用通信信号进行未授权感知的隐私风险，提出基于几何星座成形（GCS）的感知隐私增强框架，揭示星座依赖测距性能具有接收机特异性。