1）研究者在遥感领域，运用了基于深度学习的自编码器模型和创新的反演策略，结合光谱-空间注意力模块（SSAM），显著提升了高光谱解混的性能，并在合成和真实数据集上取得了优于现有方法的效果。http://ieeexplore.ieee.org/document/11023884 2）研究者在高光谱图像解混领域，运用了结合线性和非线性核模型的双目标模型驱动自编码器网络及自适应复合核方法，显著提升了结果的解释性和解混精度。http://ieeexplore.ieee.org/document/11027071 3）研究团队在遥感图像超分辨率领域，运用了无监督和无配对融合的超分辨率网络（$\text {U}^{2}$ SRnet）方法，成功实现了无需监督或配对图像的高光谱图像超分辨率重建。http://ieeexplore.ieee.org/document/11029107 4）研究团队在卫星集成互联网领域，运用了任务导向的语义编码和效用最优传输（TUT）框架，结合感知权重图和近端策略优化（PPO）算法，实现了长期平均信息效用损失和功耗的最小化。http://ieeexplore.ieee.org/document/11023865