统一法令
SPS统一EDIC用于SPS事务和两个旗舰会议：ICASSP和ICIP。每个SPS技术委员会指令列表均源自此列表。要查看技术委员会的特定EDICS列表，请在个人网站上查看技术委员会的网站TC的网页．类似地，以下交易的“急救”也来源于此列表:
一级法令IEEE多媒体期刊和IEEE信息取证和安全事务包括在统一的法令清单中。
统一法令的更新将按以下方式处理：
- 总编辑（EIC）或技术委员会（TC）主席均可提出修改、添加或删除法令的请求。
- 主任工程师将联系副总裁出版物，如果是技术委员会主席，他们将联系副总裁技术指导，相应的副总裁将与相应的（最相关的）主任工程师或技术委员会主席联系，从而与相应的副总裁合作。如果需要，可能会涉及多个主任工程师或技术委员会主席。
- 一旦主任工程师和技术委员会主席做出决定，他们将建议的变更发送给副总裁出版物和副总裁技术指导，由副总裁共同将请求的变更提交执行委员会批准。
- 执行委员会将最终批准该法令。
| ASP |
自适应信号处理 |
| ASP-AFAD |
自适应滤波器的分析与设计 |
| ASP-APPL |
自适应滤波器的应用 |
| ASP-FAST |
自适应滤波的快速算法 |
| ASP-FREQ |
频域和子带自适应滤波 |
| 生物 |
生物医学信号处理 |
| BIO-BCI |
脑/人机界面 |
| 生物信息 |
生物信息学 |
| BIO-PHY |
生理信号处理(ECG, EEG, EMG) |
| 生物神经元 |
神经信号（中枢和外周神经系统） |
| BIO-BI |
生物成像 |
| BIO-BIA |
生物图像分析 |
| BIO-MIA |
医学图像分析 |
| 数字化信息系统 |
信号处理系统的设计与实现 |
| 研究 |
算法与体系结构协同优化 |
| DIS-PROG |
用于DSP算法的可编程硬件(如FPGA, SoC, ASIC等) |
| DIS-LPWR |
低功耗信号处理技术和结构 |
| DIS-MLTC |
多核处理器上的信号处理 |
| 迪斯泉 |
量化 |
| DIS-SOCP |
用于信号处理的片上系统结构 |
| DIS-EMSA |
设计和实现新兴的信号处理系统和应用 |
| SMDSP |
采样、多速率信号处理和数字信号处理 |
| SMDSP-ALGO |
算法分析 |
| SMDSP-APPL |
数字和多速率信号处理的应用 |
| SMDSP-ASAL |
自适应传感算法 |
| SMDSP-BANK |
滤波器组设计与理论 |
| SMDSP-CPSL |
压缩和非均匀采样 |
| SMDSP-FAST |
数字信号处理的快速算法 |
| SMDSP-MULT |
多速率处理和多分辨率方法 |
| SMDSP-QUAN |
量子化效应 |
| SMDSP-RECO |
用于信号滤波、恢复、增强和重建的算法 |
| SMDSP-SAMP |
采样、外推和插值 |
| SMDSP-SAP |
Sparsity-aware处理 |
| SMDSP-TFSR |
时频分析与信号表示 |
| SMDSP-TRSF |
用于信号处理的变换 |
| MDS |
多维信号处理 |
| MDS-ALGO |
算法与多维变换 |
| MDS-APPL |
多维信号处理的应用 |
| MDS-FILT |
过滤 |
| MDS-SMOD |
信号与系统建模与辨识 |
| MDS-SPEC |
谱估计 |
| 高钙 |
机器学习 |
| MLR-APPL |
机器学习的应用 |
| MLR-COGP |
认知信息处理 |
| MLR-DEEP |
深度学习技术 |
| MLR-DFED |
分布式/联合学习 |
| MLR-DICT |
字典学习 |
| MLR-GKM |
图形和内核方法 |
| MLR-ICA |
独立分量分析 |
| MLR-INFO |
信息理论学习 |
| MLR-LEAR |
学习理论与算法 |
| MLR-LMM |
从多模态数据中学习 |
| MLR-MLON |
无线网络上的机器学习 |
| MLR-MFC |
矩阵分解/完成 |
| MLR-MUSAP |
在音乐和音频处理中的应用 |
| MLR-PERF |
性能界限 |
| MLR-PRCL |
模式识别与分类 |
| MLR-REI |
强化学习 |
| MLR-SBML |
子空间与流形学习 |
| MLR-SLER |
顺序学习；顺序决策方法 |
| MLR-SSEP |
源分离 |
| MLR-SSUP |
自监督和半监督学习 |
| MLR-TNSR |
基于张量的信号处理 |
| MLR-TRL |
迁移学习 |
| 上港集团 |
图上的信号和信息处理 |
| SIPG-ADLE |
图上的自适应与学习 |
| SIPG-APP |
应用 |
| SIPG-DIS |
图形数据的分布式处理 |
| SIPG-GCN |
图卷积神经网络 |
| SIPG-GTOP |
图学习与网络拓扑推理 |
| 西普格兰酒店 |
信号处理中的图形分析 |
| SIPG-IDP |
信息传播 |
| SIPG-INFO |
信息论研究 |
| SIPG-LRNM |
图的学习模型与方法 |
| SIPG-MEND |
网络动态的建模与估计 |
| SIPG-MNE |
网络演化模型 |
| SIPG-REP |
变换,滤波,表示 |
| SIPG-SAMP |
采样、插值、去噪和重建 |
| SIPG-SPGT |
谱图论与代数拓扑算法 |
| SIPG-SPRS |
网络和图形的稀疏信号处理方法 |
| SIPG-STOC |
图上的随机过程 |
| 选择 |
信号处理的优化方法 |
| OPT-CVXR |
SP的凸优化与松弛 |
| 选择性掺杂 |
SP的分布式优化 |
| OPT-GMTH |
SP的博弈论 |
| OPT-INTP |
SP的整数规划技术 |
| OPT-NCVX |
SP的非凸方法 |
| 选择性稀疏 |
SP的稀疏优化技术 |
| 其他 |
其他领域及应用 |
| OTH-BGDT |
大数据 |
| OTH-CC |
群组计算 |
| OTH-CPSY |
网络物理系统 |
| OTH-EDU |
教育 |
| OTH-EMRG |
新兴的话题 |
| 奥瑟芬 |
金融工程 |
| OTH-GSSP |
绿色和可持续的信号处理 |
| OTH-IOT |
物联网 |
| OTH-NDTE |
无损检测与评价 |
| 奥瑟泉 |
量子信号处理 |
| RAS |
雷达和声纳信号处理 |
| RAS-CARD |
认知/全自适应雷达处理 |
| RAS-CDSN |
代码设计：相关特性、模糊函数 |
| RAS-CLBR |
校准 |
| RAS-DMMP |
分布式和MIMO雷达/声纳处理 |
| RAS-DTCL |
目标检测、分类 |
| RAS-IMFR |
雷达图像形成与重建 |
| RAS-INFT |
雷达和声纳的信息论进展 |
| RAS-LCLZ |
源定位 |
| RAS-MIMO |
MIMO雷达及其波形设计 |
| RAS-PMBD |
绩效指标和界限 |
| RAS-PRSP |
无源雷达信号处理 |
| RAS-RSMG |
资源管理问题 |
| 拉斯萨里 |
合成孔径雷达/声纳与成像 |
| RAS-SONR |
声纳与水下信号处理 |
| RAS-TRCK |
目标跟踪 |
| RAS-WVFM |
波形捷变雷达（分集与设计） |
| 山姆 |
传感器阵列和多通道处理 |
| SAM-APPL |
传感器阵列多通道处理的应用 |
| SAM-BEAM |
波束形成 |
| SAM-CALB |
阵列校准 |
| SAM-CSSM |
压缩感知与稀疏建模 |
| 山姆·多埃 |
到达方向估计 |
| SAM-GSSP |
地球物理与地震信号处理 |
| SAM-IMGA |
反演方法与阵列数据成像 |
| SAM-LRNM |
多传感器系统的学习模型和方法 |
| 山姆·麦基 |
多通道处理、识别和建模 |
| SAM-MAPR |
麦克风阵列处理 |
| SAM-NWAV |
无波阵列处理 |
| SAM-PERF |
性能分析与界 |
| SAM-SDET |
源检测与分离 |
| SAM-SENS |
多传感器遥感 |
| SAM-STAP |
时空自适应方法 |
| SAM-TNSR |
基于张量的多传感器信号处理 |
| 萨姆-穆肯 |
多用户协作网络 |
| SAM-CAMS |
多传感器系统的计算进展 |
| 程控 |
通信信号处理 |
| SPC-APPL |
涉及通信信号处理的应用 |
| SPC-CDSS |
CDMA和扩频通信 |
| 程控成龙 |
信道特性，建模，估计和均衡 |
| SPC-CMPR |
信号表示、编码和压缩 |
| SPC-COMP |
前端部件的补偿和校准 |
| SPC-CROP |
跨层优化 |
| SPC-DETC |
检测、估计和解调 |
| SPC-DMIMO |
分布式多输入多输出 |
| SPC-DSLP |
数字用户环路与电力线通信 |
| SPC-EAC |
能源感知通信 |
| SPC-INFO |
信息论研究 |
| SPC-INTF |
干扰管理技术 |
| SPC-MEPB |
调制、编码、预编码和波束形成 |
| SPC-ML |
用于通信的机器学习 |
| SPC-MIMO |
多输入多输出通信系统 |
| SPC-MMIMO |
大规模MIMO通信系统 |
| SPC-MMTH |
毫米波和太赫兹通信 |
| SPC-MULT |
多载波、OFDM和DMT通信 |
| SPC-NTC |
非地面通信的信号处理 |
| SPC-OPTWC |
光无线通信 |
| SPC-PERF |
性能分析与界 |
| SPC-PHYS |
物理层安全 |
| SPC-RSRC |
调度和资源管理 |
| SPC-SPCR |
认知无线电的信号处理 |
| SPC-SPARCO |
稀疏SP通信技术 |
| 程控同步 |
捕获、同步和跟踪 |
| SPC-UWBC |
超宽带通信 |
| SPEP |
能源和电力系统的信号处理 |
| SPC-DETC |
电网故障检测与估计 |
| SPC-DP |
能源系统中的分布式处理和协议 |
| SPC-DP |
能源系统中的分布式处理和协议 |
| SPC-F |
需求、可再生能源发电和价格预测 |
| SPC-M |
用于市场运作的信号和信息处理 |
| SPC-PS |
智能电网中的隐私与安全 |
| SSP |
统计信号处理 |
| SSP-APPL |
统计信号处理技术的应用 |
| SSP-BSP |
贝叶斯信号处理 |
| SSP-CLAS |
分类方法 |
| SSP-CYCS |
循环平稳信号分析 |
| SSP-DECO |
反褶积 |
| SSP-DETC |
检测 |
| SSP-FILT |
过滤 |
| SSP-HIER |
层次模型与树结构信号处理 |
| SSP-HOSM |
高阶统计方法 |
| SSP-IDEN |
系统识别 |
| SSP-NGAU |
非高斯信号与噪声 |
| SSP-NPAR |
非参数方法 |
| SSP-NSSP |
非平稳统计信号处理 |
| SSP-PARE |
参数估计 |
| SSP-PERF |
性能分析与界 |
| SSP-RSP |
稳健信号处理 |
| SSP-REST |
信号恢复 |
| SSP-SNMD |
信号和噪声建模 |
| SSP-SPEC |
谱分析与谱估计 |
| SSP-SPRS |
结构化低维模型的SP方法 |
| SSP-SSAN |
统计信号分析 |
| SSP-SYSM |
系统建模 |
| SSP-TRAC |
跟踪算法 |
| 停止 |
人类语言技术 |
| HLT-LANG |
语言模型 |
| HLT-MTSW |
口语和书面语的机器翻译 |
| HLT-UNDE |
口语理解和计算语义 |
| HLT-DIAL |
话语与对话 |
| HLT-SDTM |
语音文档检索和文本挖掘 |
| HLT-STPA |
分割、标记和解析 |
| HLT-LACL |
语言习得与学习 |
| HLT-MLMD |
机器学习方法 |
| HLT-LRES |
语言资源与系统 |
| HLT-MMPL |
语言的多模态处理 |
| SPE |
语音处理 |
| SPE-SPRD |
言语产出 |
| SPE-SPER |
言语知觉与心理声学 |
| SPE-ANLS |
语音分析 |
| SPE-SYNT |
语音合成与生成 |
| SPE-CODI |
语音编码 |
| SPE-ENHA |
语音增强与分离 |
| SPE-RECO |
用于自动语音识别的声学建模 |
| SPE-ROBU |
强大的语音识别 |
| SPE-ADAP |
语音适应/标准化 |
| SPE-GASR |
语音识别中的一般问题
分布式语音识别—客户端/服务器方法替代统计/机器学习方法(例如，无hmm);词识别;从声学中提取元数据(如情感、说话人、口音);ASR的新算法、计算策略、数据结构多模态(如视听)语音识别;语料库、注释和其他资源;ASR中的算法逼近方法;结构化分类方法;词汇建模与访问; resource constrained speech recognition. |
| SPE-MULT |
多语言识别与识别 |
| SPE-LVCR |
大词汇量连续识别/搜索 |
| SPE-SPKR |
说话人识别与表征 |
| SPE-VAD |
语音活动检测与端点指向 |
| 澳元 |
音频和声学信号处理 |
| 澳大利亚航空公司 |
言语产出 |
| AUD-CLAS |
声学场景和事件的检测和分类 |
| AUD-AMHI |
听觉建模与听觉仪器 |
| AUD-ASAP |
声传感器阵列处理 |
| AUD-NEFR |
有源噪声控制、回波抑制和反馈抑制 |
| AUD-SIRR |
系统辨识与混响抑制 |
| AUD-SEP |
音频和语音源分离 |
| 奥德森 |
信号增强与恢复 |
| AUD-QIM |
质量和可理解性度量 |
| AUD-SARR |
空间录音和复制 |
| AUD-AMCT |
音频和语音建模，编码和传输 |
| AUD-MSP |
音乐信号分析、处理与合成 |
| 奥德米尔 |
音乐信息检索与音乐语言处理 |
| AUD-AUMM |
用于多媒体和音频处理系统的音频 |
| AUD-BIO |
生物声学与医学声学 |
| 澳元秒 |
音频安全 |
| 阿德尔 |
网络上的自适应、检测、估计和学习 |
| ADEL-DDE |
分布式检测与估计 |
| 阿德尔丹 |
网络分布式适应 |
| ADEL-DLN |
网络分布式学习 |
| ADEL-DTT |
分布式目标跟踪 |
| ADEL-BLSP |
贝叶斯学习;贝叶斯信号处理 |
| ADEL-SLN |
网络上的顺序学习 |
| ADEL-DMN |
网络决策 |
| ADEL-DDL |
分布式字典学习 |
| ADEL-DGTS |
分布对策论策略 |
| 阿德尔-迪普 |
分布式信息处理 |
| ADEL-GKM |
图形和内核方法 |
| ADEL-CNS |
网络系统共识 |
| 阿德尔-昂斯 |
网络系统优化 |
| 中枢神经系统 |
通信、网络和传感 |
| CNS-DMS |
分布式监测与传感 |
| CNS-SPDCN |
分布式通信和网络的信号处理 |
| CNS-SPCN |
协作网络中的信号处理 |
| CNS-SPNS |
网络安全中的信号处理 |
| CNS-NSPRA |
最优网络信号处理与资源分配 |
| CNS-SQP |
调度和排队协议 |
| CNS-CCMCT |
协同多小区技术 |
| CNS-DSCD |
分布式源和信道解码 |
| 中枢神经系统多动症 |
专用的无线网络 |
| CNS-APPL |
传感器网络的应用 |
| CNS-ENGY |
节能传感器网络算法 |
| CNS-LOCL |
传感器网络中的源定位 |
| CNS-LLC |
低延迟通信 |
| CNS-PHYL |
物理层问题 |
| CNS-FUSE |
多传感器数据融合 |
| CNS-CLRD |
跨层设计 |
| CNS-RSMG |
资源管理问题 |
| CNS-SQUE |
调度和排队协议 |
| 中枢神经系统SYLO |
系统级优化 |
| 马 |
建模与分析 |
| MA-PBM |
方法的性能和界 |
| MA-RV |
鲁棒性和脆弱性 |
| MA-NMI |
网络建模与识别 |
| MA-SNIPS |
网络化信息处理系统的仿真 |
| MA-SL |
社会学习 |
| MA-BNSP |
仿生网络信号处理 |
| MA-EDP |
流行病和人口扩散 |
| 伊玛 |
图像和媒体应用 |
| IMA-IVPN |
网络上的图像和视频处理 |
| IMA-MCCC |
媒体云计算与通信 |
| IMA-MST |
多媒体流和传输 |
| IMA-SMCN |
社交媒体计算和网络 |
| IMA-SPCPS |
网络物理系统的信号处理 |
| IMA-WMM |
无线/移动多媒体 |
| SMR |
图像和视频传感、建模和表示 |
| SMR-SEN |
图像和视频传感与采集 |
| SMR-SMD |
基于统计模型的方法 |
| SMR-STM |
基于结构模型的方法 |
| SMR-REP |
图像和视频表示 |
| SMR-HPM |
图像和视频的感知和质量模型 |
| 技术委员会 |
图像和视频处理技术 |
| TEC-FIL |
图像和视频的线性和非线性滤波 |
| TEC-PDE |
基于偏微分方程的图像和视频处理 |
| TEC-MRS |
图像和视频的多分辨率处理 |
| TEC-RST |
修复和增强 |
| TEC-ISR |
插值、超分辨率和镶嵌 |
| TEC-FOR |
形成与重建 |
| TEC-BIP |
生物医学和生物图像处理 |
| TEC-MLI |
用于图像处理的机器学习 |
| 组件对象模型 |
图像和视频通信 |
| COM-LOC |
图像和视频的有损编码 |
| COM-LLC |
图像和视频的无损编码 |
| COM-ERC |
图像和视频系统的差错恢复和信道编码 |
| COM-NET |
图像和视频网络 |
| COM-WSE |
用于水印和安全的图像和视频处理 |
| COM-MMC |
图像与视频多媒体通信 |
| 伊莱 |
电子成像 |
| ELI-SDP |
图像扫描和捕获 |
| ELI-COL |
彩色和多光谱成像 |
| ELI-PRT |
印刷和半色调 |
| ELI-DOC |
扫描文档分析、处理和编码 |
| ELI-STE |
立体和多视图处理与显示 |
| ELI-HDW |
图像和视频处理的硬件和软件系统 |
| ELI-PCP |
点云处理 |
| ELI-AVR |
图像和视频处理增强和虚拟现实 |
| 人工鱼 |
图像和视频分析、合成和检索 |
| ARS-IVA |
图像和视频中层分析 |
| ARS-IIU |
图像和视频解读与理解 |
| ARS-BIM |
图像和视频生物特征分析 |
| ARS-SRE |
图像与视频存储与检索 |
| ARS-SRV |
图像和视频的合成、渲染和可视化 |
| 三维 |
图像&三维图像和视频处理 |
| 3 d-lfi |
光场图像处理与压缩 |
| 三维视频 |
三维图像和视频分析和压缩 |
| IMT |
计算成像方法和模型 |
| IMT-CIS |
编码的图像传感 |
| IMT-CST |
压缩传感 |
| IMT-SIM |
统计图像模型 |
| IMT-SLM |
稀疏和低秩模型 |
| IMT-GIM |
图形图像模型 |
| IMT-LBM |
基于学习的模型 |
| IMT-PIM |
感知图像模型 |
| 到岸价 |
计算图像形成 |
| CIF-SBR |
基于稀疏性的重建 |
| CIF-SBI |
基于统计的反演 |
| CIF-MIF |
多图像和传感器融合 |
| CIF-OBI |
基于优化的反演方法 |
| CIF-MLI |
基于机器学习的计算图像形成 |
| 到岸价内部收益率 |
图像重建与恢复 |
| 顺式 |
计算成像系统 |
| 顺式-MI |
医学成像：图像形成、重建、恢复 |
| 顺式-CPH |
计算摄影 |
| CIS-MIS |
移动成像 |
| CIS-PIS |
普适成像 |
| 顺式肝癌 |
以人为中心的计算 |
| 顺式MCI |
显微成像 |
| CIS-SSI |
光谱传感 |
| CIS-TIM |
层析成像 |
| CIS-MRI |
磁共振成像 |
| CIS-AIM |
声学成像：计算声学和超声成像 |
| 顺环 |
雷达成像 |
| CIS-NCI |
新型计算成像系统 |
| 顺式NLC |
非线性计算成像系统 |
| 高速钢 |
计算成像硬件和软件 |
| HSS-HPC |
高性能嵌入式计算系统 |
| HSS-BDC |
大数据计算成像：高性能计算 |
| 高速钢硬盘 |
集成硬件/数字设计 |
| HSS-NSS |
非传统的传感器系统 |
| IFS |
信息取证与安全 |
| IFS-ADP |
匿名化和数据隐私 |
| IFS-APC |
应用密码学 |
| IFS-BIO |
生物特征 |
| IFS-CIT |
通信与信息理论安全 |
| IFS-CYB |
网络安全 |
| IFS-MMF |
多媒体取证 |
| IFS-HWS |
硬件安全 |
| IFS-MMH |
多媒体内容散列 |
| IFS-NET |
网络安全 |
| IFS-SUR |
监测 |
| IFS-USH |
|
| IFS-WAT |
水印和数据隐藏 |
| SPMA |
多媒体应用中的信号处理 |
| SPMA-ASLAS |
音频/语音/语言分析与合成 |
| SPMA-CCMT |
压缩、编码、媒体转换和转码 |
| SPMA-IVGAS |
图像/视频/图形分析和合成 |
| SPMA-SYNA |
合成和自然音频/视频的集成 |
| SPMA-3DA |
三维音频信号处理 |
| SPMA-3DV |
三维视频信号处理 |
| HCM |
以人为中心的多媒体 |
| HCM-MHMI |
MHMI多模态人机界面和交互 |
| HCM-MPIM |
MPIM多模态感知、集成和多传感器融合 |
| 魁 |
主客观质量评估，用户体验 |
| 我 |
多媒体环境 |
| ME-AVEW |
视听触觉环境和工作空间 |
| ME-MTAC |
多模式远程呈现和协作 |
| ME-VAAR |
虚拟现实和增强现实 |
| MDF |
多媒体数据库和文件系统 |
| MDFS-BIGM |
BIGM多媒体大数据支持 |
| MDFS-KNOW |
多媒体数据库的知识和语义建模 |
| MDFS-SEAR |
多媒体检索 |
| m cn |
多媒体通讯及联网 |
| MCN-MCCC |
媒体云计算与通信 |
| MCN-MSTRC |
多媒体流、传输、错误恢复和隐藏 |
| MCN-SCNC |
分布式/协作网络和通信 |
| MCN-WMMM |
WMMM无线和移动多媒体 |
| EAM |
多媒体的新兴领域 |
| EAM-DLMA |
多媒体分析的深度学习 |
| EAM-MCCC |
多媒体处理的深度学习 |
| EAM-MCCC |
媒体云计算与通信 |
