摘要:针对家庭复杂场景下车钥匙难以凭借人眼快速识别与定位的问题，本研究设计了一种基于E-YOLOv8n模型的实时检测系统。该系统通过无线USB摄像头采集视频流，搭载E-YOLOv8n模型的计算终端进行实时目标检测，并通过音频报警模块反馈检测结果。其中，E-YOLOv8n模型为核心部分，其改进如下：首先，优化网络结构，采用DSConv重构骨干网络，精简P5输出，降低网络计算冗余；其次，设计DSPPF模块，提高多尺度特征融合能力并降低计算量；再次，在骨干网络末端嵌入Coord注意力机制模块，通过坐标注意力聚焦关键特征并抑制背景干扰；最后，采用轻量化检测头LWD模块，保持检测精度并提高模型计算效率。基于自建的车钥匙数据集，实验结果表明：E-YOLOv8n模型与初始YOLOv8n模型相比，计算量、参数量和模型大小分别降低了53.8％、32.8％、52.4％，精确度提升1.7％，提升性能的同时大幅轻量化，便于将其部署到家庭环境中计算资源受限的设备使用。

摘要:由于自闭症儿童早期在视觉注意方面存在异常，为早期干预提供了重要的区分标准。针对自闭症研究中对于模态间的语义对齐、动态交互等关注不足，本研究提出一种融合显著性图与眼动轨迹数据特征的多模态模型，为自闭症的诊断提供一种客观的实现方法。该方法构建了一个双流网络架构：采用U-Net特征提取器处理显著性图，利用时序卷积网络对眼动轨迹进行时序建模，为了实现两种不同模态数据间的动态加权融合，引入跨模态注意力机制。并在时序建模的过程中，同时进行眼动轨迹预测，额外将预测误差作为区分特征引入分类过程中，来提升模型的分类性能。通过对比实验验证，所提出的模型在自闭症早期筛查任务中取得了98.89%的准确率。

摘要:在卫星高速数传系统中，发射端与接收端之间不可避免存在符号定时偏差且多普勒效应会进一步放大该偏差。时钟恢复算法是消除其影响的有效手段，然而现有的时钟恢复算法在并行实现时往往存在并行路数过高导致性能下降、实现复杂度较高等问题，难以在资源受限的系统中满足更高速率及更高定时偏差容忍度的需求。本文在传统前馈时钟恢复算法实现结构的基础上，提出了一种优化的并行实现结构：通过优化定时控制器、插值滤波器及符号抽取模块的架构，使其在两倍符号率采样条件下能够高效实现符号定时计算。同时改进LEE误差检测算法，提高定时误差估计精度和定时偏差容忍度。仿真与FPGA板级测试结果表明，该结构在QPSK调制格式下，能够容忍高达±1 000×10-6的定时频率偏差，并在长期测试中保持稳定的性能。此外，在2.5 GBaud符号率的实时接收机系统中，该并行结构相比传统并行时钟恢复环路结构节省约36%的LUT资源以及45%以上的Register和20%左右的DSP资源，展现出在资源受限高速实时通信系统中的显著应用价值。

摘要:模块化多电平变流器（MMC）的拓扑结构适用于高压直流输电（HVDC），在运行时内部易产生环流导致桥臂电流畸变，增加系统功率损耗并降低稳定性。针对P-ROQR控制器控制精度受限且鲁棒性欠佳等问题，本文提出基于P-ROQR+Q-FRC控制器的环流抑制策略，在P-ROQR控制器基础上引入Q-FRC控制器二、四次环流分量得到有效抑制且实现简单。为验证方法有效性，在相同条件下，分别在稳态、直流电压降落、直流电压波动、三相不平衡工况下进行MMC-HVDC仿真实验。结果表明，基于P-ROQR+Q-FRC环流抑制器的MMC动态性能和环流抑制能力均优于P-ROQR环流抑制器，环流波动范围相比降低57.14%，子模块电容电压波动范围相比降低7.5%，更适用于MMC变流器。

摘要:传统滑模控制在三相电压型PWM整流器应用中，由于其固有的不连续切换特性导致直流母线电压出现高频振荡现象，难以获得理想控制效果。因此本文提出一种外环快速终端动态滑模控制和内环前馈解耦PI控制相结合的双闭环控制策略。首先内环采用基于前馈解耦PI控制，消除数学模型中的耦合项，实现对电流波形的精确跟踪。其次外环通过将切换项转移到高阶微分环节，并引入快速终端滑模面，抑制系统抖振，提升动态性能，实现准确稳定的跟踪参考电压。最后基于Lyapunov稳定性理论对控制器进行了稳定性证明，并通过Simulink搭建仿真模型进行实验验证。结果表明：所提出策略有效抑制了滑模控制固有的抖振现象。系统启动阶段直流电压过冲仅有6.5 V，较传统PI控制电压差峰值降低92%，调节时间缩短91%。电压阶跃响应跟踪时间小于0.02 s，±50%额定负载阶跃扰动内，瞬态电压误差均小于±1%。该控制方法在确保高稳态精度的同时，兼具良好的动态响应性能。

摘要:针对现有隐蔽通信方法通过视距链路来近似通信信道模型而导致性能评估不准确的问题，并且为了更好地适应现实世界的通信信道条件，构建了一种由配备多功能可重构智能面的无人机辅助的新型隐蔽通信模型。具体来说，该模型分析了视距和非视距混合链路的情况，研究了利用无人机配备多功能可重构智能面作为灵活中继，并通过优化无人机的飞行位置来增强信噪比和有效吞吐量。首先推导了混合信道模型的数学表达式；然后，将隐蔽约束从不完全伽马函数转换为与相对熵相关的约束，并相应地优化了无人机的传输功率和块长度；最后，通过分析在相关熵约束下的信噪比和有效吞吐量的功能特性，获得了无人机的最佳飞行位置。并且所提模型相比非视距链路信道，在最优飞行位置时信噪比提高了42%。大量数据结果表明所提出的模型在增强信噪比和有效吞吐量方面优于现有的工作。

摘要:针对复杂工况下管道螺旋焊缝检测数据中时间和空间特征提取不能兼顾和模型参数优化效率低的问题，提出一种基于深度学习的动态复合优化检测模型。通过传感器采集管道的超声导波信号，利用卷积神经网络提取空间特征和长短期记忆网络对时间序列数据进行处理。采用鲸鱼优化算法对时空融合模型的卷积层滤波器数量、LSTM层的单元数量、学习率和Dropout率四个关键超参数进行优化，提高模型的鲁棒性。基于高噪声、低噪声和正常数据集上进行对比试验，结果表明,所提检测模型在不同工况下的准确率分别达到了98.88%、99.7%和100%，均方误差分别降至0.195 5、0.177和0.095。验证了其在高噪声、多干扰复杂环境下的检测性能优势，为基于超声波的螺旋焊缝管道检测提供理论依据。

摘要:为了解决YOLOv8在检测机场跑道异物时由于某些异物体积较小、空间位置随机及异物间尺度差距大而引起的漏检误检问题，本文对YOLOv8进行改进，提出应用先验掩膜的针对小目标的AMMS-YOLOv8。首先在主干网络中，引入各向同性边缘检测算子并构建EIEStim，增强模型的小边缘感知及预处理能力。同时替换下采样，将改进后的接受场注意力应用在检测领域，构建LDFDS，增强空间感知并保护微小语义信息；其次重构Neck层结构，允许多尺度特征聚合，构建出CCFPN以增强模型对多尺度异物的语义感知；最后向检测头中嵌入先验异物掩膜特征，并将其与深度特征级联形成了MSN-Head，以强化模型空间感知力。使用自建的复杂场景异物数据集对模型检测能力进行验证分析，在该数据集上AMMS-YOLOv8的mAP50及mAP50.95分别提升了1.8%及1.7%，准确率、召回率、F1函数分别达到了0.971、0.976和0.973，相比原网络有很大提升。实验结果验证了改进方法的有效性，同时应用向复杂场景异物数据集中加入FOD-A的混合数据集和复杂输电线路异物数据集对AMMS-YOLOv8做了泛化性及鲁棒性对比实验，经实验表明各项指标均有提升。

摘要:为提高车用动力电池组监控系统的实时性、状态估计精度及智能化程度，提出一种基于云边协同的车用动力电池组监控系统架构，通过深度融合边缘计算实时响应与云端大数据分析能力，构建多层级协同监控体系。系统采用STM32系列芯片搭建高精度硬件架构，集成数据采集、均衡控制、绝缘检测及5G联网定位等模块；创新性提出动态补偿型开路电压安时积分算法，融合温度、循环次数等多参数修正机制，实现SOC估计误差≤±1.2%。实验表明：系统电压、电流采集的动态精度分别为±0.11%和±0.4%，均衡后电芯电压方差降低99.1%，关键指标优于国标要求。研究成果为车用电池安全管控提供了高精度、低时延、可扩展的云边协同解决方案，具备一定的工程应用价值。

摘要:数据集规模是影响深度学习模型性能的关键因素之一。由于深度学习模型性能高度依赖于数据集规模，实现特定精度所需的数据量通常难以预估。该问题在超材料智能设计中同样存在，成为制约建模精度和效率的重要因素。为此，提出一种动态数据生成与模型性能评估框架，以实现数据集规模与模型性能的动态监控。为提升模型动态评估效率并有效缓解灾难性遗忘现象，设计了一种持续学习策略，使模型在动态评估过程中仅需针对新数据进行学习，同时保持对已有知识的记忆。实验结果表明，基于该持续学习策略训练的模型预测平均准确率可达到93.28%，平均遗忘率为3.68%，充分验证了该模型在缓解灾难性遗忘问题方面的有效性。

摘要:针对阻塞性睡眠呼吸暂停(OSA)严重程度估计在直接量化呼吸暂停低通气指数(AHI)及融合多源信息方面的不足，本文提出一种融合睡眠结构与个体先验的OSA严重程度估计方法。该方法首先整合从整夜鼻气流、胸腹运动和血氧饱和度信号中提取的多维特征，并创新性融入睡眠结构参数与临床先验知识，随后采用梯度提升回归模型对提取的多源特征进行AHI预测。在MESA数据集上的验证结果显示，模型取得0.695的R2，MAE与RMSE分别为7.46和10.57次/h。在与多种基准模型的对比中，本文方法表现最优，相较于性能次优的随机森林模型，其R2指标相对提升了12.46%，充分证明了其优越性。特征重要性分析揭示了血氧指标、N1期睡眠占比及BMI等多源信息对AHI预测的关键贡献。结果表明，该方法为OSA严重程度的直接量化评估提供了有效方案，并为临床辅助诊断提供更准确的连续量化指标。

摘要:针对四旋翼无人机在信号干扰环境下姿态与位置估计不准的问题，提出一种基于自适应扩展卡尔曼滤波（AEKF）的多传感器数据融合方法。该方法通过融合GPS和IMU数据，并实时调整噪声协方差矩阵，以提高状态估计的稳定性和鲁棒性。通过建立无人机动力学模型与传感器观测模型，推导了AEKF算法流程，并基于MATLAB平台搭建仿真系统。在不同GPS信号干扰条件下，对比EKF、UKF与AEKF算法的估计误差与收敛速度。结果表明：在GPS丢失10 s的干扰段内，AEKF的位置均方根误差（RMSE）较EKF降低29.8%（由0.57 m降至0.40 m），较UKF降低20.0%（由0.50 m降至0.40 m），验证了AEKF在抗干扰能力与误差收敛性上的优势。本研究为无人机在复杂低空空域下的精准定位与稳定控制提供技术支持。

摘要:针对移动机器人在复杂障碍物环境的路径规划过程中存在的搜索效率低、易陷入局部最优、路径冗余节点过多等问题，本文提出了一种基于遗传算法与粒子群优化算法融合的路径规划方法。首先，利用改进的遗传算法生成具有高质量的初始路径种群，为后续粒子群优化算法提供先验搜索导向，增加种群的多样性并加快算法收敛；其次，提出基于适应度变化和迭代进度的双重策略来动态调整交叉概率，同时提出非线性动态递减惯性权重调整方法，从而有效平衡算法的全局搜索和局部搜索；接着，提出基于向量叉积的几何冗余节点判别准则和障碍物安全距离阈值判别方法，有效删除路径中的冗余节点和过渡节点，从而缩短路径长度并提高路径的优化能力；最后，在5个基准测试函数和2个不同的栅格地图环境中进行仿真实验以验证算法的优化性能。实验结果表明，本文所提算法相比遗传算法、粒子群优化算法、差分进化算法、灰狼优化算法、麻雀搜索算法、蜣螂优化算法及冠豪猪优化算法，在20×20的栅格地图中，路径长度平均降低了3.74%，运行时间平均降低了23.13%；而在30×30的栅格地图中，路径长度平均降低了4.83%，运行时间平均降低了19.95%。此外，本文算法规划的路径节点数也相对较少，表明本文所提算法在路径规划方面不仅能够有效缩短路径长度、降低运行时间，还能有效简化路径，展现出良好的寻优能力。

摘要:针对现有目标检测网络在工业场景中对规范穿戴工作服检测存在精确度不足、模型复杂和泛化性较低等问题，提出了一种基于YOLO11的高精度、轻量化新模型SGAD-YOLO。首先，结合StripBlock结构和CGLU机制改进C3k2模块，通过多层次特征处理和动态特征增强，提升模型对细长特征和复杂纹理的感知能力，同时降低模型的参数量和计算量；其次，引入AFGCAttention注意力机制，通过全局上下文信息与局部特征的动态融合，增强模型对关键区域的聚焦能力，有效抑制背景噪声干扰；最后，重设计Detect-SEAM检测头，以提高模型在复杂环境下对遮挡物体和小目标物体的检测精度。实验结果表明，改进算法在电网现场作业环境数据集和公开数据集Roboflow 5中的mAP@0.5指标分别达到93.6%和94.6%，相较于基线模型分别提升了1.5%和2.1%，并且其参数量和计算量分别下降了8.3%和7.4%，证明了SGAD-YOLO算法在工业场景中对规范穿戴工作服检测任务具备更好的检测性能。

摘要:近年来，无人机技术在多个领域广泛应用，雷达探测因其远距离、高精度定位和快速响应优势而被广泛应用，且针对无人机的微多普勒特征研究备受关注。然而，无人机回波信号在复杂环境中易受干扰，导致时频特性畸变。传统时频分析方法在处理此类问题时存在局限性。为此，本文提出一种基于深度学习的无人机时频曲线重建算法，通过设计基于卷积神经网络的自编码器模型SelfNet，从噪声干扰和信道失真中提取有效信息，重建高质量的时频曲线。SelfNet利用编码器提取时频曲线特征，并通过解码器恢复信号结构。实验结果表明，SelfNet的PSNR均值为17.767 2，SSIM均值为0.431 7，优于GoogLeNet和ResNet等经典卷积神经网络，且通过小样本实验和迁移学习验证了其泛化能力，为复杂环境下无人机时频曲线的重建提供了一种思路。

摘要:针对逆变器非线性因素造成电流谐波和转矩脉动，从而降低IPMSM的MTPA控制观测精度的问题，提出一种虚拟直流信号注入MTPA与比例积分谐振控制器结合的协同控制策略。首先，虚拟直流信号注入MTPA方法在d-q轴反馈电流中注入虚拟直流信号，同时结合电压信息计算虚拟功率响应实现最优电流矢量角的精准跟踪，避免了电流和转矩脉动。其次，引入准谐振控制器，将准谐振控制器与传统的电流环PI控制器并联构成PIR复合控制器，通过其对特定谐波频率（如5次、7次）的高增益特性，定向补偿逆变器非线性因素引入的低频谐波。同时，PIR控制器的引入进一步改善电压电流波形质量，提升MTPA控制的精度，两者协同形成“谐波抑制效率优化”的双重闭环。实验结果表明：在不同转速场景下，所提协同控制策略均能有效抑制5次、7次谐波，降低电流总谐波畸变率；在相同负载转矩条件下，与传统MTPA控制以及虚拟直流信号注入MTPA控制相比，所提协同控制策略所需的电流值低于其他两种控制策略，MTPA控制精度更高。

摘要:针对传统RRT算法在防疫机器人路径规划过程中搜索效率低，路径拐点多，环境适应性不足等问题，提出一种融合Voronoi骨架图的改进RRT路径规划算法。该算法使用广义Voronoi图从地图中构建离线骨架图，并利用Delaunay三角网的空外接圆特性对其进行局部实时更新，确保骨架图在未知环境下的时效性；其次，基于骨架图快速获得初始启发式路径，生成关键路径节点作为RRT算法的子目标，在子目标节点之间引入椭圆约束和引力场偏置加速算法收敛，缩短规划时间；最后，设计一种基于双指针的自适应多段剪枝策略，实现路径平滑。仿真实验表明，所提出的算法相比于现有改进算法，在复杂场景下的平均采样节点数减少了55.57%，平均路径长度减少了6.45%，平均规划时间缩短了51.44%；证明了改进算法能够有效减少规划耗时, 提高路径规划效率。

摘要:针对复杂环境中智能体路径规划的挑战，尤其是算法收敛速度慢、路径冗余度高及平滑性不足等问题，提出一种基于KD树的目标偏置双RRT*算法（KDB-RRT*）。该算法基于RRT*算法引入双向搜索策略，加入KD树结构提高节点查找速度，构建目标偏置的动态圆采样策略平衡搜索效率，设计基于引力场的双向生长引导模型，引入Sigmoid函数并结合障碍物密度实现步长自适应调整，并采用DP算法对原始路径进行剪枝处理，运用三次B样条曲线平滑路径。在“Z型”和“回型”仿真环境中验证了KDB-RRT*的可行性，在多种复杂地图环境中与RRT*算法、Bi-RRT算法、Improved RRT*算法进行对比实验；最后，在ROS机器人上进行路径规划实验。在“Z型”和“回型”仿真环境中，KDB-RRT*算法与RRT*算法相比，平均规划时间分别缩短 70.2%和28.0%，平均路径长度分别减少 4.8%和10.4%，节点利用率分别增加16.27%和13.58%。结果表明KDB-RRT*算法为解决非结构化环境下的高效路径规划提供了新方法，其动态采样模型与路径优化框架对移动机器人导航系统具有重要参考价值。

摘要:针对无人机航拍路面损伤检测任务中，现有路面损伤检测算法存在模型复杂度过高以及复杂背景下漏检、误检的问题，提出了一种轻量化的路面损伤检测算法DFS-YOLO。首先，提出C2f-DWR模块，引入多膨胀率并行空洞卷积结构，扩大模型感受野，增强对高层语义信息的利用。其次，设计了轻量化的快速层次尺度特征金字塔FHSFPN，在减少模型复冗余的同时提升特征融合效果。最后，引入ShapeIoU损失函数，关注路面损伤的自身形状与尺度，提高模型的鲁棒性。实验结果表明，DFS-YOLO在China Drone和UAPD数据集上的mAP50分别较YOLOv8s提升4.6%和2.1%，参数量和计算量分别降低39.1%和20.4%，实现了轻量化与准确性的良好平衡，展现出较高的实际应用潜力。

摘要:遥感图像中的目标常呈细长、曲折等复杂形态，且伴随尺度变化大与背景干扰强等因素，导致现有检测方法易出现缺检和误检，难以满足高精度检测需求，为此，提出一种改进的遥感图像目标检测算法TriD-DETR。首先，通过动态调整卷积核形状并优化通道适配与残差连接方式，设计了DKFE特征提取模块，该模块能够自适应地聚焦于细长曲折的局部区域，从而准确捕捉目标特征；其次，为了提高模型对复杂目标的定位和识别能力，提出DATE尺度内特征交互结构，在重构Transformer编码器的基础上引入可变形注意力机制，增强了模型对高级特征和深层语义信息的捕捉能力；最后，针对多尺度特征融合部分，提出DBFB多样性分支融合模块，通过组合不同尺度和复杂度的多样性分支使特征空间更丰富，从而增强模型的表达能力。实验结果表明，TriD-DETR算法在DIOR和RSOD数据集上分别达到86.8%和94.1%的mAP，相较于原模型RT-DETR-R18，分别提升了1.2%和2.3%，充分证明了TriD-DETR算法的可靠性与高效性。

摘要:针对工业球团矿图像分割任务中存在的小目标密集粘连、易受遮挡等技术难题，提出基于YOLOv11与SAM2的视觉联合检测实例分割方法（YO-SAM2）。首先，通过CSC模块改进YOLOv11的C3k2模块，增强网络对密集小目标特征的表达能力。其次，设计小目标混合融合特征金字塔网络(SHFPN)，在P2层增加特征图输出以捕捉细节信息，添加跨层交互并采用基于内容引导注意力机制的混合融合策略，提升多尺度特征融合效能。此外，引入解耦空间-通道上采样模块(DSCU)替代原始上采样方法，生成更具表达力的特征表征。最后，通过嵌入可学习Adapter适配器对SAM2分割模型进行参数高效微调，有效提升模型对特定工业场景的适应性和泛化性。实验结果表明，YO-SAM2在球团矿数据集的mIoU达90.3%，与Mask R-CNN、YOLOv8-seg等主流分割算法相比，取得了最佳分割效果。该方法有效解决了工业场景下球团矿分割的精度与鲁棒性问题，为智能工业质检提供了可靠的技术方案。

摘要:作为地球在宇宙演化进程中具有同源关联的近邻类地行星，火星表面地貌特征的语义分割不仅能够构建行星尺度形成动力学与演化机制的认知框架，更可为行星科学领域奠定多维度研究范式，特别是在完善行星演化理论体系与验证天体物理模型方面具有关键性科学价值。然而，火星地表影像解析面临多维技术挑战，主要体现在光照条件复杂多变、地形特征结构化程度低以及目标尺度分布异质性显著等特性，这些特征共同构成行星表面智能解译的关键技术瓶颈。针对传统分割模型存在的细节特征丢失、复杂边界误分割等问题，本文提出一种基于动态三元注意力的火星地表图像分割算法，该算法通过自适应特征融合与动态三元注意力机制协同优化，提高分割精度。首先，构建动态三元注意力模块以自动调整不同注意力分支的重要性，可针对火星岩石、沙丘等典型地貌特征实现局部和全局信息的动态聚焦。其次，针对空间信息和语义信息设计了自适应双向特征融合模块，以缓解多尺度特征冲突。此外，提出通道注意力可分离卷积，在减少参数量的同时也能够提高模型的泛化能力。实验结果表明，本文所提算法在S5Mars数据集上的准确率和平均交并比分别达到了89.06%和72.33%，证明本算法能够有效地提取语义特征，并将其有效融合，提高火星地表图像分割的准确率。

摘要:钢包底吹氩是炼钢生产的关键环节，其中钢液的裸露面积(氩花)是评估底吹效果的重要依据。为实现氩花的量化分析，引入了图像分割技术。然而，现有的分割网络普遍存在参数量大，计算机资源要求高，分割精度不足等问题，无法满足工业生产中对实时性和高效性的要求。为此，本文提出了一种创新性的氩花分割网络ArgusFusion。该网络采用U形结构，在特征提取和重建阶段，结合卷积模块与创新性的注意力机制(Glo-MLP attention)实现高效信息交换。瓶颈层引入改进的多分支混合模块(MACA-Mixer)以增强特征表达能力。此外，跳跃连接中引入自适应层级特征融合架构(AHFF)优化边缘分割。实验结果表明，ArgusFusion在工业氩花数据集上以0.51 M参数量，1.38 GFLOPs计算量，实现88.90％IoU精度，具备高分割精度和低资源消耗优势，完全满足工业实时性要求。

摘要:针对汽车转向节表面缺陷识别过程中存在的检测精度低、模型复杂度高及对缺陷边界信息关注不足等问题，本文提出一种改进RT-DETR的转向节表面缺陷检测算法GSG-DETR。首先，设计多尺度边缘信息传递模块GLOFT改进主干网络，通过强化边缘信息的捕捉与传递，提高模型对缺陷边缘的敏感度。其次，在颈部网络中引入选择边信息聚集模块SBA，构建低分辨率边界信息与深层语义特征的自适应融合机制，优化多尺度缺陷边界特征对齐策略。最后，采用GroupNorm结构化剪枝方法，剪除耦合层冗余网络，以降低模型参数量和计算量。实验结果表明，GSG-DETR算法在转向节裂纹检测任务中的mAP50达到88.2%，相比基准模型提高2.0%，参数量和计算量分别下降34.3%和32.1%，FPS提升至105.1帧，整体优于其他改进算法。在NEU-DET数据集上进一步验证其泛化能力，改进算法mAP50较基准模型提升4.3%。综上所述，GSG-DETR不仅在检测精度表现出色，而且更符合实际应用。

摘要:太赫兹技术作为 21 世纪最具潜力的前沿交叉学科之一，在通信、成像、生物医学等领域展现出革命性应用前景。本文在建立我国太赫兹科技人才数据库的基础上，系统分析我国太赫兹科技人才发展的理论基础、现状特征、核心挑战及创新路径。研究发现，我国太赫兹人才队伍规模快速扩张，但仍存在结构性矛盾。通过构建多学科协同培养模式、优化政策支持体系、深化国际合作，有望形成适应技术创新与产业发展的人才生态，为我国在太赫兹领域实现从跟跑到领跑的跨越提供人才支撑。