邮件订阅
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。本栏目内容尚未正式出版，未经编辑部许可，不得转载。
显示方式:
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231209
摘要:
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来，卷积神经网络(CNN)和视觉Transformer相结合的方法，通过综合考虑局部-全局信息，在HSI分类任务中取得了成功。然而，HSI中地物具有丰富的纹理信息和复杂多样的结构，且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性，该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先，从结合CNN与视觉Transformer的角度出发，设计了跨层多尺度局部-全局特征提取模块分支，其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说，卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取，从而增强网络对不同尺度地物的关注。进一步地，跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息，以综合考虑地物的浅层纹理信息和深层结构信息。其次，构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后，为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘，设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来，卷积神经网络(CNN)和视觉Transformer相结合的方法，通过综合考虑局部-全局信息，在HSI分类任务中取得了成功。然而，HSI中地物具有丰富的纹理信息和复杂多样的结构，且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性，该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先，从结合CNN与视觉Transformer的角度出发，设计了跨层多尺度局部-全局特征提取模块分支，其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说，卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取，从而增强网络对不同尺度地物的关注。进一步地，跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息，以综合考虑地物的浅层纹理信息和深层结构信息。其次，构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后，为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘，设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231389
摘要:
得益于丰富的频谱和光源，可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时，大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而，m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化，这使得传统方法难以快速准确地完成信道估计和定位。针对此，该文提出一种信道状态信息还原和定位(CSIRP)网络，该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征，同时能够应对信道状态的时变性，从而提高信道和位置估计的鲁棒性和动态适应性。具体而言，CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器，进而实现根据接收信号进行信道估计，接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计。仿真结果表明，采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法，这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。
得益于丰富的频谱和光源，可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时，大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而，m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化，这使得传统方法难以快速准确地完成信道估计和定位。针对此，该文提出一种信道状态信息还原和定位(CSIRP)网络，该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征，同时能够应对信道状态的时变性，从而提高信道和位置估计的鲁棒性和动态适应性。具体而言，CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器，进而实现根据接收信号进行信道估计，接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计。仿真结果表明，采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法，这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231195
摘要:
演化计算为代表的群体智能的迅速发展引发了人工智能领域新一轮技术变革。为满足多样化复杂系统应用需求，人工智能越来越趋向于跨级别的智能化、协同化研究。该文提出面向演化计算的群智协同的概念，根据群智协同层级将人工智能跨级别的智能化、协同化研究分为微观协同、中观协同与宏观协同，以群智协同视角对近年来上述分支领域相关研究做出了总结。首先，通过分析决策变量级协同、全局与局部级协同对微观协同进行了阐述。其次，从目标级协同和任务级协同两个维度对中观协同进行了总结。再次，以智能协同系统中存在的空天地海协同、车路云协同和端边云协同对宏观协同展开分析。最后，该文指出了面向演化计算的群智协同领域的研究挑战，并对相关领域发展方向进行了展望。
演化计算为代表的群体智能的迅速发展引发了人工智能领域新一轮技术变革。为满足多样化复杂系统应用需求，人工智能越来越趋向于跨级别的智能化、协同化研究。该文提出面向演化计算的群智协同的概念，根据群智协同层级将人工智能跨级别的智能化、协同化研究分为微观协同、中观协同与宏观协同，以群智协同视角对近年来上述分支领域相关研究做出了总结。首先，通过分析决策变量级协同、全局与局部级协同对微观协同进行了阐述。其次，从目标级协同和任务级协同两个维度对中观协同进行了总结。再次，以智能协同系统中存在的空天地海协同、车路云协同和端边云协同对宏观协同展开分析。最后，该文指出了面向演化计算的群智协同领域的研究挑战，并对相关领域发展方向进行了展望。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230508
摘要:
果蝇嗅觉和视觉神经系统对于自然环境中嗅觉和视觉刺激具有高度的灵敏性，高灵敏的嗅视单模态感知决策和跨模态协同决策机制为仿生应用提供一定的启示作用。该文首先以果蝇嗅觉和视觉神经系统为基础，从嗅觉和视觉信号的捕获、加工、决策3个部分概述了果蝇嗅觉和视觉神经单模态感知决策生理机制与计算模型的研究现状，同时对果蝇嗅觉和视觉神经跨模态协同决策生理机制与计算模型进行阐述；然后对果蝇嗅觉和视觉的单模态感知和跨模态协同的典型仿生应用进行归纳；最后总结果蝇嗅视神经通路生理机制与计算建模当前面临的难题并展望未来发展趋势，为未来相关研究工作奠定了基础。
果蝇嗅觉和视觉神经系统对于自然环境中嗅觉和视觉刺激具有高度的灵敏性，高灵敏的嗅视单模态感知决策和跨模态协同决策机制为仿生应用提供一定的启示作用。该文首先以果蝇嗅觉和视觉神经系统为基础，从嗅觉和视觉信号的捕获、加工、决策3个部分概述了果蝇嗅觉和视觉神经单模态感知决策生理机制与计算模型的研究现状，同时对果蝇嗅觉和视觉神经跨模态协同决策生理机制与计算模型进行阐述；然后对果蝇嗅觉和视觉的单模态感知和跨模态协同的典型仿生应用进行归纳；最后总结果蝇嗅视神经通路生理机制与计算建模当前面临的难题并展望未来发展趋势，为未来相关研究工作奠定了基础。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240010
摘要:
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231133
摘要:
在未来的通信网络中，被广泛期待的第6代移动通信系统(The Sixth Generation of Mobile Communications System, 6G)技术将面临诸多挑战，其中包括在高速移动场景下的超高可靠通信问题。正交时频空间(Orthogonal Time Frequency Space, OTFS)调制技术克服了传统通信系统在高速移动环境下多径和多普勒效应的影响，为实现 6G 超高可靠通信提供了新的可能性。该文首先介绍了OTFS的基本原理、数学模型、干扰与优势分析。然后，归纳分析了OTFS技术在同步、信道估计、信号检测技术上的研究现状。接着，从车联网、无人机、卫星通信、海洋通信4个典型应用场景分析了OTFS的应用趋势。最后，从降低多维匹配滤波器、相位解调和信道估计、硬件实现的复杂度和提高对时频资源的高度利用4个角度探讨了未来研究OTFS需要克服的困难和挑战。
在未来的通信网络中，被广泛期待的第6代移动通信系统(The Sixth Generation of Mobile Communications System, 6G)技术将面临诸多挑战，其中包括在高速移动场景下的超高可靠通信问题。正交时频空间(Orthogonal Time Frequency Space, OTFS)调制技术克服了传统通信系统在高速移动环境下多径和多普勒效应的影响，为实现 6G 超高可靠通信提供了新的可能性。该文首先介绍了OTFS的基本原理、数学模型、干扰与优势分析。然后，归纳分析了OTFS技术在同步、信道估计、信号检测技术上的研究现状。接着，从车联网、无人机、卫星通信、海洋通信4个典型应用场景分析了OTFS的应用趋势。最后，从降低多维匹配滤波器、相位解调和信道估计、硬件实现的复杂度和提高对时频资源的高度利用4个角度探讨了未来研究OTFS需要克服的困难和挑战。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231236
摘要:
为实现雷达辐射源个体识别不受信号参数、调制方式的影响，该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号；其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵；最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明，该方法具有较高的识别准确率，提取的“指纹特征”具备稳定性、鲁棒性。
为实现雷达辐射源个体识别不受信号参数、调制方式的影响，该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号；其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵；最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明，该方法具有较高的识别准确率，提取的“指纹特征”具备稳定性、鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231365
摘要:
在全球尺度上了解鱼类物种组成、丰度及时空分布等，将有助于其生物多样保护。水下图像采集是获取鱼类物种多样性数据的主要调查手段之一，但图像信息分析工作耗时耗力。2015年以来，海洋鱼类图像数据集更新和深度学习模型算法优化等方面取得了一系列进展，但细粒度分类表现仍显不足，研究成果的生产实践应用相对薄弱。因此，该文首先分析海洋相关行业对鱼类自动化图像分类的需求，然后综合介绍鱼类图像数据集和深度学习算法应用，并分析了所面临的小样本下的细粒度分析等主要挑战及相应解决方法。最后探讨了基于深度学习的海洋鱼类图像自动化分类对相关图像信息处理研究及应用平台对未来在生态环境监测等海洋相关产业领域的重要性及其前景。该文旨在为快速了解基于深度学习的海洋鱼类图像自动化分类的研究背景、进展和未来方向的工作者提供相关信息。
在全球尺度上了解鱼类物种组成、丰度及时空分布等，将有助于其生物多样保护。水下图像采集是获取鱼类物种多样性数据的主要调查手段之一，但图像信息分析工作耗时耗力。2015年以来，海洋鱼类图像数据集更新和深度学习模型算法优化等方面取得了一系列进展，但细粒度分类表现仍显不足，研究成果的生产实践应用相对薄弱。因此，该文首先分析海洋相关行业对鱼类自动化图像分类的需求，然后综合介绍鱼类图像数据集和深度学习算法应用，并分析了所面临的小样本下的细粒度分析等主要挑战及相应解决方法。最后探讨了基于深度学习的海洋鱼类图像自动化分类对相关图像信息处理研究及应用平台对未来在生态环境监测等海洋相关产业领域的重要性及其前景。该文旨在为快速了解基于深度学习的海洋鱼类图像自动化分类的研究背景、进展和未来方向的工作者提供相关信息。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230247
摘要:
甚低频段由于低传播损耗特性，在远距离信号传输及军事通信方面有巨大潜力。传统天线庞大物理尺寸以及复杂网络匹配限制了低频天线通信的发展。磁电(ME)天线基于声波谐振原理可以突破尺寸极限且易于阻抗匹配，在甚低频段传输具有独特优势。基此设计了P/T/P结构的发射天线和T/P/T结构的接收天线组成的新型ME天线系统。依据磁机电耦合模型分析天线在接收/发射电磁波时的规律；依据辐射模型研究近场范围内天线磁场分布情况；以声波介导激励，实现ME天线在甚低频段的发/收通信实验。实验得到在谐振频率下，ME发射/接收天线在压电占比分别在0.66、0.34时，结构优化前较于优化后输出电压提升82.6%，通信距离提升42.2%；相较于同等尺寸电小天线辐射效率提高3个数量级；可实现传输速率为5bit/s的调制通信，依据结构优化实现了天线性能的提升。
甚低频段由于低传播损耗特性，在远距离信号传输及军事通信方面有巨大潜力。传统天线庞大物理尺寸以及复杂网络匹配限制了低频天线通信的发展。磁电(ME)天线基于声波谐振原理可以突破尺寸极限且易于阻抗匹配，在甚低频段传输具有独特优势。基此设计了P/T/P结构的发射天线和T/P/T结构的接收天线组成的新型ME天线系统。依据磁机电耦合模型分析天线在接收/发射电磁波时的规律；依据辐射模型研究近场范围内天线磁场分布情况；以声波介导激励，实现ME天线在甚低频段的发/收通信实验。实验得到在谐振频率下，ME发射/接收天线在压电占比分别在0.66、0.34时，结构优化前较于优化后输出电压提升82.6%，通信距离提升42.2%；相较于同等尺寸电小天线辐射效率提高3个数量级；可实现传输速率为5bit/s的调制通信，依据结构优化实现了天线性能的提升。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240070
摘要:
针对柔性极化阵列天线因其结构实时形变而难以波束重构以及性能受损的问题，该文提出一种基于柔性形变天线的极化波束在线重构技术。首先，基于无人机机翼模型的柔性形变状态进行阵列建模，借助于模态法得到实时形变数据，在线重构天线阵列模型；其次，基于矢量阵列天线的阵元响应，构建3维空间中的柔性阵列信号模型；最后，将循环算法(CA)与2阶锥规划(SOCP)进行深度结合设计以求解最优极化波束重构的动态优化问题。仿真结果表明：在一定的形变范围内，即在环境载荷对不同弧度与角度需求下，该文所提方法能够实现在线天线阵列重构，并根据所测量应变位移数据而实现最优极化波束在线重构，方向图增益、波束宽度以及极化匹配设计均能满足工程应用要求。
针对柔性极化阵列天线因其结构实时形变而难以波束重构以及性能受损的问题，该文提出一种基于柔性形变天线的极化波束在线重构技术。首先，基于无人机机翼模型的柔性形变状态进行阵列建模，借助于模态法得到实时形变数据，在线重构天线阵列模型；其次，基于矢量阵列天线的阵元响应，构建3维空间中的柔性阵列信号模型；最后，将循环算法(CA)与2阶锥规划(SOCP)进行深度结合设计以求解最优极化波束重构的动态优化问题。仿真结果表明：在一定的形变范围内，即在环境载荷对不同弧度与角度需求下，该文所提方法能够实现在线天线阵列重构，并根据所测量应变位移数据而实现最优极化波束在线重构，方向图增益、波束宽度以及极化匹配设计均能满足工程应用要求。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231219
摘要:
全息多输入多输出(HMIMO)是6G通信中的新兴技术，相应阵列由固定物理孔径下的密布天线单元组成。全息MIMO是电磁约束下Massive MIMO天线技术的拓展。全息MIMO系统在有效提升无线通信性能方面具有极大的潜力。比如，可用最小的功率损耗实现尽可能大的连续孔径，灵活控制目标方向的电磁波传输等。但是，由于全息MIMO系统包含大量的紧密分布的天线单元，且单元之间的距离小于半波长，因而造成严重的电磁耦合作用。这些耦合使传统的独立同分布的信道假设失效。因此，如何设计一个有效且贴近实际的信道建模成为当前全息MIMO研究中最具挑战性的问题之一。针对该挑战，该文研究了基于电磁场理论的四种信道建模方式，它们都能很好描述全息MIMO系统中的电磁波传输特征。第1种是基于平面格林函数的精确信道建模方式，该方式将自由空间中点对点的格林函数扩展到平面之间积分形式的格林函数，通过积分计算来构造两个全息MIMO平面之间的通信信道，但该方法的复杂度较高。第2、3种方法则分别采用了平面波展开和球面波展开来近似全息MIMO的通信信道，这两种方案的复杂度更低。其中，基于平面波展开的信道建模形式相对简单，更适用于远场，但是会低估单元强耦合时的最大系统容量；基于球面波展开的信道建模能更好捕捉电磁波信道几何特征，但其复杂度较高。最后介绍基于随机格林函数的信道建模方法，主要描述富散射环境或瑞利信道中电磁波的随机特性。
全息多输入多输出(HMIMO)是6G通信中的新兴技术，相应阵列由固定物理孔径下的密布天线单元组成。全息MIMO是电磁约束下Massive MIMO天线技术的拓展。全息MIMO系统在有效提升无线通信性能方面具有极大的潜力。比如，可用最小的功率损耗实现尽可能大的连续孔径，灵活控制目标方向的电磁波传输等。但是，由于全息MIMO系统包含大量的紧密分布的天线单元，且单元之间的距离小于半波长，因而造成严重的电磁耦合作用。这些耦合使传统的独立同分布的信道假设失效。因此，如何设计一个有效且贴近实际的信道建模成为当前全息MIMO研究中最具挑战性的问题之一。针对该挑战，该文研究了基于电磁场理论的四种信道建模方式，它们都能很好描述全息MIMO系统中的电磁波传输特征。第1种是基于平面格林函数的精确信道建模方式，该方式将自由空间中点对点的格林函数扩展到平面之间积分形式的格林函数，通过积分计算来构造两个全息MIMO平面之间的通信信道，但该方法的复杂度较高。第2、3种方法则分别采用了平面波展开和球面波展开来近似全息MIMO的通信信道，这两种方案的复杂度更低。其中，基于平面波展开的信道建模形式相对简单，更适用于远场，但是会低估单元强耦合时的最大系统容量；基于球面波展开的信道建模能更好捕捉电磁波信道几何特征，但其复杂度较高。最后介绍基于随机格林函数的信道建模方法，主要描述富散射环境或瑞利信道中电磁波的随机特性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230887
摘要:
受到复杂海洋环境的影响，雷达对海面慢速小目标难以实现高性能检测。对于这类目标，传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题，该文提出了基于互信息最大化框架下的海面小目标检测方法，实现海杂波背景下的无监督目标异常检测任务。首先，考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设，该文从图的角度重新建模数据，利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来，采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后，使用异常检测算法进行目标检测，并实现虚警可控。经实测数据验证，使用快速凸包学习算法时，相比三特征检测器，所提检测器性能提升了9.2%；相比时频三特征检测器，性能提升了7.9%。当网络输出更高维的表示向量时，使用孤立森林算法的检测器的性能提升了27.4%。
受到复杂海洋环境的影响，雷达对海面慢速小目标难以实现高性能检测。对于这类目标，传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题，该文提出了基于互信息最大化框架下的海面小目标检测方法，实现海杂波背景下的无监督目标异常检测任务。首先，考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设，该文从图的角度重新建模数据，利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来，采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后，使用异常检测算法进行目标检测，并实现虚警可控。经实测数据验证，使用快速凸包学习算法时，相比三特征检测器，所提检测器性能提升了9.2%；相比时频三特征检测器，性能提升了7.9%。当网络输出更高维的表示向量时，使用孤立森林算法的检测器的性能提升了27.4%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231330
摘要:
现有基于深度学习的大多数方法在实现患者抑郁程度自动识别的过程中，主要存在两大挑战：(1)难以利用深度模型自动地从面部表情有效学习到抑郁强度相关的全局上下文信息，(2)往往忽略抑郁强度相关的全局和局部信息之间的语义一致性。为此，该文提出一种全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合(PLEGDF-FGLSCF)的抑郁强度识别深度模型。首先，设计了全局抑郁特征局部感知力增强(PLEGDF)模块，用于提取面部局部区域之间的语义相关性信息，促进不同局部区域与抑郁相关的信息之间的交互，从而增强局部抑郁特征驱动的全局抑郁特征表达力。然后，提出了全局-局部语义相关性特征融合(FGLSCF)模块，用于捕捉全局和局部语义信息之间的关联性，实现全局和局部抑郁特征之间的语义一致性描述。最后，在AVEC2013和AVEC2014数据集上，利用PLEGDF-FGLSCF模型获得的识别结果在均方根误差(RMSE)和平均绝对误差(MAE)指标上的值分别是7.75/5.96和7.49/5.99，优于大多数已有的基准模型，证实了该方法的合理性和有效性。
现有基于深度学习的大多数方法在实现患者抑郁程度自动识别的过程中，主要存在两大挑战：(1)难以利用深度模型自动地从面部表情有效学习到抑郁强度相关的全局上下文信息，(2)往往忽略抑郁强度相关的全局和局部信息之间的语义一致性。为此，该文提出一种全局抑郁特征局部感知力增强和全局-局部语义相关性特征融合(PLEGDF-FGLSCF)的抑郁强度识别深度模型。首先，设计了全局抑郁特征局部感知力增强(PLEGDF)模块，用于提取面部局部区域之间的语义相关性信息，促进不同局部区域与抑郁相关的信息之间的交互，从而增强局部抑郁特征驱动的全局抑郁特征表达力。然后，提出了全局-局部语义相关性特征融合(FGLSCF)模块，用于捕捉全局和局部语义信息之间的关联性，实现全局和局部抑郁特征之间的语义一致性描述。最后，在AVEC2013和AVEC2014数据集上，利用PLEGDF-FGLSCF模型获得的识别结果在均方根误差(RMSE)和平均绝对误差(MAE)指标上的值分别是7.75/5.96和7.49/5.99，优于大多数已有的基准模型，证实了该方法的合理性和有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231249
摘要:
成像雷达具有全天时、全天候的观测能力，能够通过成像处理获得目标雷达图像信息，是对地观测、侦察监视等民用和军用领域中的重要遥感设备。高分辨率雷达图像能够提供目标的详细轮廓和精细结构，有利于后续目标分类识别等应用。对获取的雷达图像，如何利用信号和信息处理等理论方法进一步提升分辨率，突破分辨率瑞利极限，具有重要的科学研究和实际应用价值。另一方面，作为电磁波的重要属性之一，极化在目标特性的获取和挖掘中发挥着重要作用，能够为目标超分辨率重建带来丰富信息。为此，该文梳理了极化雷达图像目标超分辨率重建的概念及性能评价指标，并重点归纳整理了极化雷达图像目标超分辨率重建方法及其应用。最后，总结了现有方法的局限性并展望了未来的技术发展趋势。
成像雷达具有全天时、全天候的观测能力，能够通过成像处理获得目标雷达图像信息，是对地观测、侦察监视等民用和军用领域中的重要遥感设备。高分辨率雷达图像能够提供目标的详细轮廓和精细结构，有利于后续目标分类识别等应用。对获取的雷达图像，如何利用信号和信息处理等理论方法进一步提升分辨率，突破分辨率瑞利极限，具有重要的科学研究和实际应用价值。另一方面，作为电磁波的重要属性之一，极化在目标特性的获取和挖掘中发挥着重要作用，能够为目标超分辨率重建带来丰富信息。为此，该文梳理了极化雷达图像目标超分辨率重建的概念及性能评价指标，并重点归纳整理了极化雷达图像目标超分辨率重建方法及其应用。最后，总结了现有方法的局限性并展望了未来的技术发展趋势。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231234
摘要:
纵向联邦学习中，各个客户端持有的数据集中包含有重叠的样本ID和不同维度的样本特征，需要进行数据对齐以适应模型训练。现有数据对齐技术一般将各方样本ID交集作为公开信息，如何在不泄露样本ID交集的前提下实现数据对齐成为亟需解决的问题。基于可交换加密和同态加密技术，该文构造了隐私保护的数据对齐框架ALIGN，包括数据加密、密文盲化、密文求交和特征拼接等步骤，使得相同的原始样本ID经过双重可交换加密可变换为相同的密文，并且对样本特征经同态加密后又进行了盲化处理。ALIGN框架能够对参与方样本ID的密文求交，将交集内样本ID对应的全部特征数据进行拼接并以秘密分享形式分配给参与方。相比现有数据对齐技术，该框架不仅能够保护样本ID交集的隐私性，同时能安全地删除样本ID交集外的样本信息。对ALIGN框架的安全性证明表明，除数据规模外，各客户端不能通过数据对齐获得关于对方数据的任何信息，保证了隐私保护策略的有效性。与现有工作相比，每增加10%的冗余数据，ALIGN框架利用所得数据对齐结果可将模型训练时间缩短约1.3秒，将模型训练准确度稳定在85%以上。仿真实验结果表明，通过ALIGN框架进行纵向联邦学习数据对齐，有利于提升后续模型训练的效率和模型准确度。
纵向联邦学习中，各个客户端持有的数据集中包含有重叠的样本ID和不同维度的样本特征，需要进行数据对齐以适应模型训练。现有数据对齐技术一般将各方样本ID交集作为公开信息，如何在不泄露样本ID交集的前提下实现数据对齐成为亟需解决的问题。基于可交换加密和同态加密技术，该文构造了隐私保护的数据对齐框架ALIGN，包括数据加密、密文盲化、密文求交和特征拼接等步骤，使得相同的原始样本ID经过双重可交换加密可变换为相同的密文，并且对样本特征经同态加密后又进行了盲化处理。ALIGN框架能够对参与方样本ID的密文求交，将交集内样本ID对应的全部特征数据进行拼接并以秘密分享形式分配给参与方。相比现有数据对齐技术，该框架不仅能够保护样本ID交集的隐私性，同时能安全地删除样本ID交集外的样本信息。对ALIGN框架的安全性证明表明，除数据规模外，各客户端不能通过数据对齐获得关于对方数据的任何信息，保证了隐私保护策略的有效性。与现有工作相比，每增加10%的冗余数据，ALIGN框架利用所得数据对齐结果可将模型训练时间缩短约1.3秒，将模型训练准确度稳定在85%以上。仿真实验结果表明，通过ALIGN框架进行纵向联邦学习数据对齐，有利于提升后续模型训练的效率和模型准确度。
2024, 46(4): 1147-1156.
doi: 10.11999/JEIT230570
摘要:
为研究与发展反无人机检测识别技术，该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号，包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段，每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段，记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注，以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外，该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案，以验证数据集的可靠和有效性。
为研究与发展反无人机检测识别技术，该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号，包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段，每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段，记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注，以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外，该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案，以验证数据集的可靠和有效性。
2024, 46(4): 1157-1172.
doi: 10.11999/JEIT230544
摘要:
无人机集群以其具备的应用优势及发展前景，成为当前人工智能领域研究者关注的热点之一。而非完全信息下的无人机集群对抗技术，因其集群结构变化的高动态性以及环境信息复杂多变且不能完全感知的特点，成为对集群协同性与智能性要求最高的研究方向之一。其研究成果可以促进智能化无人系统的快速发展和广泛应用。该文全面回顾了非完全信息环境下无人机集群对抗研究的最新进展，按照包以德循环理论的思路将无人机集群对抗过程划分为态势评估、意图推断、任务规划与机动决策4个相互衔接的关键组成部分，并进一步将其细分为8个子研究目标。通过分析比较近年来的相关研究，着重阐述了无人机集群对抗领域各项任务的研究重点和难点以及已取得的成果，并讨论了无人机集群对抗技术所面临的挑战，包括大规模异构集群的协同控制、非完全信息的处理、复杂决策过程的建模以及实际应用任务的应对等。
无人机集群以其具备的应用优势及发展前景，成为当前人工智能领域研究者关注的热点之一。而非完全信息下的无人机集群对抗技术，因其集群结构变化的高动态性以及环境信息复杂多变且不能完全感知的特点，成为对集群协同性与智能性要求最高的研究方向之一。其研究成果可以促进智能化无人系统的快速发展和广泛应用。该文全面回顾了非完全信息环境下无人机集群对抗研究的最新进展，按照包以德循环理论的思路将无人机集群对抗过程划分为态势评估、意图推断、任务规划与机动决策4个相互衔接的关键组成部分，并进一步将其细分为8个子研究目标。通过分析比较近年来的相关研究，着重阐述了无人机集群对抗领域各项任务的研究重点和难点以及已取得的成果，并讨论了无人机集群对抗技术所面临的挑战，包括大规模异构集群的协同控制、非完全信息的处理、复杂决策过程的建模以及实际应用任务的应对等。
2024, 46(4): 1173-1185.
doi: 10.11999/JEIT230847
摘要:
轨道角动量(OAM)因其模式具有理论上无穷且正交互不干扰的特点，在扩展信道容量方面展现出良好的优势，为解决日趋紧张的频谱资源提供了一种新型设计自由度。面对复杂多样的无线通信场景，设计具有可重构特征的OAM天线，是实现多模态复用、智能信息感知和人工智能天线的物理层基础。该文首先结合可重构天线实现机理，给出了OAM可重构天线设计的方法及具备的特点；然后，系统性综述了具有可重构特征的OAM天线的研究进展；最后，对未来设计具有可重构特征的OAM天线研究进行了展望。
轨道角动量(OAM)因其模式具有理论上无穷且正交互不干扰的特点，在扩展信道容量方面展现出良好的优势，为解决日趋紧张的频谱资源提供了一种新型设计自由度。面对复杂多样的无线通信场景，设计具有可重构特征的OAM天线，是实现多模态复用、智能信息感知和人工智能天线的物理层基础。该文首先结合可重构天线实现机理，给出了OAM可重构天线设计的方法及具备的特点；然后，系统性综述了具有可重构特征的OAM天线的研究进展；最后，对未来设计具有可重构特征的OAM天线研究进行了展望。
2024, 46(4): 1186-1195.
doi: 10.11999/JEIT230406
摘要:
为了实现可见光定位(VLP)与可见光通信(VLC)一体化信号传输，保证稳健通信和有效定位，该文提出一种基于频分复用(FDM)的可见光定位通信一体化(VLPC)信号传输方案，并设计了一种多LED VLPC稳健功率分配方案。首先提出了一种基于频分复用的VLPC传输方案，实现两种信号一体化传输，频谱资源独立分配，从而降低传输时延，提高定位实时性；然后基于定位结果进行可见光信道估计，揭示了信道估计误差、通信速率与实际定位误差之间耦合关系与统计特性；更进一步，基于所得到的耦合关系，研究了多LED VLPC联合功率分配问题，从而最小化定位误差克拉默-拉奥下界(CRLB)，并满足功率约束和通信速率中断概率约束，并利用半正定松弛、最差情况条件风险值和连续凸近似等方法，将难以求解的非凸问题转化为一系列凸半正定规划问题进行迭代求解，并获得高质量可行解；最后，经过数值仿真验证，所提出的方案能够同时实现稳健通信和有效定位。稳健传输速率超过350 Mbit/s，并且当最小速率门限为200 Mbit/s，最大中断概率门限为0.01时，在直射路径加散射路径场景中，可以实现厘米级定位。
为了实现可见光定位(VLP)与可见光通信(VLC)一体化信号传输，保证稳健通信和有效定位，该文提出一种基于频分复用(FDM)的可见光定位通信一体化(VLPC)信号传输方案，并设计了一种多LED VLPC稳健功率分配方案。首先提出了一种基于频分复用的VLPC传输方案，实现两种信号一体化传输，频谱资源独立分配，从而降低传输时延，提高定位实时性；然后基于定位结果进行可见光信道估计，揭示了信道估计误差、通信速率与实际定位误差之间耦合关系与统计特性；更进一步，基于所得到的耦合关系，研究了多LED VLPC联合功率分配问题，从而最小化定位误差克拉默-拉奥下界(CRLB)，并满足功率约束和通信速率中断概率约束，并利用半正定松弛、最差情况条件风险值和连续凸近似等方法，将难以求解的非凸问题转化为一系列凸半正定规划问题进行迭代求解，并获得高质量可行解；最后，经过数值仿真验证，所提出的方案能够同时实现稳健通信和有效定位。稳健传输速率超过350 Mbit/s，并且当最小速率门限为200 Mbit/s，最大中断概率门限为0.01时，在直射路径加散射路径场景中，可以实现厘米级定位。
2024, 46(4): 1196-1202.
doi: 10.11999/JEIT230475
摘要:
由于系统对线性元器件的要求非常严格，导致目前正交频分复用(OFDM)系统产生峰值平均功率比(PAPR)过高的问题，引起OFDM和基于OFDM的雷达一体化系统的信号失真，影响系统性能。针对该问题，该文提出了基于加权最小二乘法的子载波预留法(TR)。该算法首先将OFDM设计方案中的子载波分为数据子载波和预留的空白子载波，数据子载波调制数据子载波，空白子载波调制空白数据。然后利用原始数据通过加权最小二乘法得到最佳削峰系数和削峰数据，并将削峰数据调制在空白子载波上面。最后将削峰数据叠加到原始数据上，完成PAPR的抑制。仿真表明，基于加权最小二乘法的TR算法能够在1～3次迭代下实现良好的PAPR抑制效果，并且它的收敛速度相比于传统算法有了明显的提高。
由于系统对线性元器件的要求非常严格，导致目前正交频分复用(OFDM)系统产生峰值平均功率比(PAPR)过高的问题，引起OFDM和基于OFDM的雷达一体化系统的信号失真，影响系统性能。针对该问题，该文提出了基于加权最小二乘法的子载波预留法(TR)。该算法首先将OFDM设计方案中的子载波分为数据子载波和预留的空白子载波，数据子载波调制数据子载波，空白子载波调制空白数据。然后利用原始数据通过加权最小二乘法得到最佳削峰系数和削峰数据，并将削峰数据调制在空白子载波上面。最后将削峰数据叠加到原始数据上，完成PAPR的抑制。仿真表明，基于加权最小二乘法的TR算法能够在1～3次迭代下实现良好的PAPR抑制效果，并且它的收敛速度相比于传统算法有了明显的提高。
2024, 46(4): 1203-1211.
doi: 10.11999/JEIT230426
摘要:
针对信道不确定性影响、无线信息泄露和障碍物阻挡导致通信质量下降等问题，该文提出一种基于智能反射面(RIS)辅助的多输入单输出(MISO)共生无线电(SR)鲁棒安全资源分配算法。考虑主用户的安全速率约束、次用户的最小速率约束、RIS最小能量收集约束，基于有界信道不确定性，建立了一个联合主被动波束赋形优化的资源分配问题。利用半正定松弛、S-procedure和变量替换法将含参数摄动的非凸问题转化为确定性的凸优化问题，并提出一种基于半正定松弛的鲁棒资源分配算法。仿真结果表明，与现有算法相比，该文算法具有较好的收敛性和鲁棒性。
针对信道不确定性影响、无线信息泄露和障碍物阻挡导致通信质量下降等问题，该文提出一种基于智能反射面(RIS)辅助的多输入单输出(MISO)共生无线电(SR)鲁棒安全资源分配算法。考虑主用户的安全速率约束、次用户的最小速率约束、RIS最小能量收集约束，基于有界信道不确定性，建立了一个联合主被动波束赋形优化的资源分配问题。利用半正定松弛、S-procedure和变量替换法将含参数摄动的非凸问题转化为确定性的凸优化问题，并提出一种基于半正定松弛的鲁棒资源分配算法。仿真结果表明，与现有算法相比，该文算法具有较好的收敛性和鲁棒性。
2024, 46(4): 1212-1221.
doi: 10.11999/JEIT230518
摘要:
针对低信噪比条件下的扩频与常规调制信号分类精度低的问题，该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs)，并利用GAN实现TFIs降噪处理；然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入，并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路；最后，在模型中添加注意力机制，增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明，该文所提方法相较于单模态识别模型以及其它基线模型，整体分类精度有效提升2%～7%，并在低信噪比条件下具备更强的特征表达能力和鲁棒性。
针对低信噪比条件下的扩频与常规调制信号分类精度低的问题，该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs)，并利用GAN实现TFIs降噪处理；然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入，并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路；最后，在模型中添加注意力机制，增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明，该文所提方法相较于单模态识别模型以及其它基线模型，整体分类精度有效提升2%～7%，并在低信噪比条件下具备更强的特征表达能力和鲁棒性。
2024, 46(4): 1222-1230.
doi: 10.11999/JEIT230458
摘要:
由于无线传感器网络(WSN)中传感器的传输功率有限，同时可能与基站(BS)传输距离较远，造成无法及时交付数据，数据新鲜度过低，影响时延敏感型业务决策质量。因此，采用无人机(UAV)辅助收集传感器数据，成为提升无线传感器网络数据新鲜度的有效手段。该文通过信息年龄(AoI)性能指标评估无线传感器网络数据新鲜度，并基于集中式训练分布式执行框架的多智能体近端策略优化(MAPPO)方法研究了无人机轨迹优化算法。通过联合优化所有无人机的飞行轨迹，实现地面节点平均加权信息年龄的最小化。仿真结果验证了所提多无人机路径规划算法在降低无线传感器网络信息年龄方面的有效性。
由于无线传感器网络(WSN)中传感器的传输功率有限，同时可能与基站(BS)传输距离较远，造成无法及时交付数据，数据新鲜度过低，影响时延敏感型业务决策质量。因此，采用无人机(UAV)辅助收集传感器数据，成为提升无线传感器网络数据新鲜度的有效手段。该文通过信息年龄(AoI)性能指标评估无线传感器网络数据新鲜度，并基于集中式训练分布式执行框架的多智能体近端策略优化(MAPPO)方法研究了无人机轨迹优化算法。通过联合优化所有无人机的飞行轨迹，实现地面节点平均加权信息年龄的最小化。仿真结果验证了所提多无人机路径规划算法在降低无线传感器网络信息年龄方面的有效性。
2024, 46(4): 1231-1239.
doi: 10.11999/JEIT230377
摘要:
无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况，该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先，对捕获的稀疏频谱观测数据插值，构建频谱状态地图，作为频谱状态分类器的输入数据。其次，针对频谱数据类别分布不稳定、数据量严重不足的问题，基于小样本学习方法，利用嵌入模块和度量模块协同工作，以实现快速精确的频谱状态分类。具体地，利用嵌入模块将频谱数据映射到嵌入空间，提取频谱数据中的隐含特征；在度量模块的设计中，分别提出基于原型和基于样例的两种类别表示方式，通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后，为了确保分类模型克服测试样本数量少导致过拟合问题，设置A-way B-shot任务训练模型。仿真结果表明，与传统机器学习方法相比，本文模型可以在低信噪比条件下进行精准分类；同时，在测试集样本数很少的情况下，或者在测试集中出现在训练集从未见到的新类时，所训练的模型也可以精准快速判别无线频谱的场景类别。
无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况，该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先，对捕获的稀疏频谱观测数据插值，构建频谱状态地图，作为频谱状态分类器的输入数据。其次，针对频谱数据类别分布不稳定、数据量严重不足的问题，基于小样本学习方法，利用嵌入模块和度量模块协同工作，以实现快速精确的频谱状态分类。具体地，利用嵌入模块将频谱数据映射到嵌入空间，提取频谱数据中的隐含特征；在度量模块的设计中，分别提出基于原型和基于样例的两种类别表示方式，通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后，为了确保分类模型克服测试样本数量少导致过拟合问题，设置A-way B-shot任务训练模型。仿真结果表明，与传统机器学习方法相比，本文模型可以在低信噪比条件下进行精准分类；同时，在测试集样本数很少的情况下，或者在测试集中出现在训练集从未见到的新类时，所训练的模型也可以精准快速判别无线频谱的场景类别。
2024, 46(4): 1240-1246.
doi: 10.11999/JEIT230401
摘要:
针对毫米波定位过程中空间宽带效应产生的影响，该文基于可重构智能超表面(RIS)和单输入单输出(SISO)毫米波系统提出一种新颖的3维(3D)定位估计方法。首先，通过设计RIS相位，利用快速傅里叶逆变换(IFFT)粗略地估计直射路径的视距(LoS)时延、RIS路径的虚拟视距(VLoS)时延以及RIS与用户之间的出发角(AoD)等信道参数。然后，利用拟牛顿法修正上述参数进而估计用户的位置坐标。通过仿真模拟对比了所提宽带估计方法和传统的窄带估计方法的定位性能，结果表明，通过考虑空间宽带效应，带宽为240 MHz时定位精度大约可提高10%，随着带宽增大超过800 MHz时定位性能可提高超过20%。
针对毫米波定位过程中空间宽带效应产生的影响，该文基于可重构智能超表面(RIS)和单输入单输出(SISO)毫米波系统提出一种新颖的3维(3D)定位估计方法。首先，通过设计RIS相位，利用快速傅里叶逆变换(IFFT)粗略地估计直射路径的视距(LoS)时延、RIS路径的虚拟视距(VLoS)时延以及RIS与用户之间的出发角(AoD)等信道参数。然后，利用拟牛顿法修正上述参数进而估计用户的位置坐标。通过仿真模拟对比了所提宽带估计方法和传统的窄带估计方法的定位性能，结果表明，通过考虑空间宽带效应，带宽为240 MHz时定位精度大约可提高10%，随着带宽增大超过800 MHz时定位性能可提高超过20%。
2024, 46(4): 1247-1256.
doi: 10.11999/JEIT230733
摘要:
媒体访问控制(MAC)在确保无线体域网(WBAN)的正常运行方面起着关键的作用。然而，动态环境下紧急数据低延迟和低能耗的高性能需求仍未很好地解决。该文提出一种多因子紧急调度方案(MESS)来满足这样一个严格的需求。首先，针对实际应用场景中数据异质性的特性，设计一种数据分类方法，该方法将数据分为周期数据和紧急数据，这对不同的节点来说更加符合实际情况；其次，设计一种多因子优先级划分方案，包括疾病相关因子、关键程度因子、健康严重程度因子和信息年龄因子，4个因子可以更全面地考虑节点的关键特征；此外，还设计了一种动态时隙分配和排序方法，将节点的时隙依据数据分类和多因子优先级进行动态分配和排序。理论分析和仿真实验结果表明，相较于传统方案所提方案在延迟和能效方面具有明显优势。
媒体访问控制(MAC)在确保无线体域网(WBAN)的正常运行方面起着关键的作用。然而，动态环境下紧急数据低延迟和低能耗的高性能需求仍未很好地解决。该文提出一种多因子紧急调度方案(MESS)来满足这样一个严格的需求。首先，针对实际应用场景中数据异质性的特性，设计一种数据分类方法，该方法将数据分为周期数据和紧急数据，这对不同的节点来说更加符合实际情况；其次，设计一种多因子优先级划分方案，包括疾病相关因子、关键程度因子、健康严重程度因子和信息年龄因子，4个因子可以更全面地考虑节点的关键特征；此外，还设计了一种动态时隙分配和排序方法，将节点的时隙依据数据分类和多因子优先级进行动态分配和排序。理论分析和仿真实验结果表明，相较于传统方案所提方案在延迟和能效方面具有明显优势。
2024, 46(4): 1257-1265.
doi: 10.11999/JEIT230630
摘要:
针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统，该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先，在莱斯空间相关信道假设下，利用大维随机矩阵理论，推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式；然后，在弱用户速率约束与发送功率受限的条件下，通过最大化确定性大系统近似和速率，利用统计CSI，分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明，所推导的近似表达式具有很好的近似效果，所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。
针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统，该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先，在莱斯空间相关信道假设下，利用大维随机矩阵理论，推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式；然后，在弱用户速率约束与发送功率受限的条件下，通过最大化确定性大系统近似和速率，利用统计CSI，分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明，所推导的近似表达式具有很好的近似效果，所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。
2024, 46(4): 1266-1275.
doi: 10.11999/JEIT230515
摘要:
无人机(UAVs)具有机动性强，低成本及易部署等特性，通过搭载通信及感知设备，支持通信与感知技术的高效资源共享，无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景，综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件，建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题，以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题，难以直接求解，将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题，并采用交替迭代法依次求解两个子问题直至算法收敛，其中，对于通信预编码设计子问题，提出一种基于迫零(ZF)算法的求解策略；对于无人机轨迹设计子问题，提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹，将无人机感知位置选择问题建模为加权距离和最小化问题，进而应用泛搜索算法优化确定目标感知位置，并设计基于ZF算法的通信感知预编码联合优化策略，以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。
无人机(UAVs)具有机动性强，低成本及易部署等特性，通过搭载通信及感知设备，支持通信与感知技术的高效资源共享，无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景，综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件，建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题，以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题，难以直接求解，将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题，并采用交替迭代法依次求解两个子问题直至算法收敛，其中，对于通信预编码设计子问题，提出一种基于迫零(ZF)算法的求解策略；对于无人机轨迹设计子问题，提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹，将无人机感知位置选择问题建模为加权距离和最小化问题，进而应用泛搜索算法优化确定目标感知位置，并设计基于ZF算法的通信感知预编码联合优化策略，以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。
2024, 46(4): 1276-1285.
doi: 10.11999/JEIT230578
摘要:
为探究太赫兹(THz)频段体内多输入多输出(MIMO)通信系统的传输特性，该文在0.8～1.2 THz下构建了精确的皮肤-脂肪模型，对皮肤-脂肪模型中垂直方向和水平方向的链路进行全波电磁仿真，分析太赫兹体内信道特性，建立路径损耗模型。首先，结合太赫兹频段人体组织的介电特性和人体皮肤的解剖学结构构建皮肤-脂肪模型。其次，对比分析了3条链路的路径损耗和阴影衰落，提出带有等效吸收因子的太赫兹体内路径损耗模型。最后，对3条链路的莱斯K因子、均方根时延扩展、MIMO容量进行分析。仿真分析表明，带有等效吸收因子的太赫兹体内路径损耗模型可以更准确地描述加长距离垂直链路2的路径损耗，发射端在体表可以增强MIMO容量。该文的工作可以为太赫兹体内通信系统的设计和优化提供参考。
为探究太赫兹(THz)频段体内多输入多输出(MIMO)通信系统的传输特性，该文在0.8～1.2 THz下构建了精确的皮肤-脂肪模型，对皮肤-脂肪模型中垂直方向和水平方向的链路进行全波电磁仿真，分析太赫兹体内信道特性，建立路径损耗模型。首先，结合太赫兹频段人体组织的介电特性和人体皮肤的解剖学结构构建皮肤-脂肪模型。其次，对比分析了3条链路的路径损耗和阴影衰落，提出带有等效吸收因子的太赫兹体内路径损耗模型。最后，对3条链路的莱斯K因子、均方根时延扩展、MIMO容量进行分析。仿真分析表明，带有等效吸收因子的太赫兹体内路径损耗模型可以更准确地描述加长距离垂直链路2的路径损耗，发射端在体表可以增强MIMO容量。该文的工作可以为太赫兹体内通信系统的设计和优化提供参考。
2024, 46(4): 1286-1295.
doi: 10.11999/JEIT230315
摘要:
针对现有方法在跳频通信用户“空时频能”域特征相近、跳频参数捷变等条件下，跳频网台分类识别效果不佳的问题，该文提出一种基于无线电极化特征的跳频用户分选方法。该方法将无线电双极化特征引入到跳频侦察，充分利用各用户的交叉极化鉴别度差异，实现了跳频网台精准分选。针对同类用户交叉极化鉴别度参数易受噪声污染的问题，构建了双通道双极化接收系统，抑制了信号噪声，保证了极化特征提取的精度。在此基础上，基于谱聚类思想，完成了极化特征的分类软判决，进一步提升了跳频网台分选效果，实现了跳频信号的精准识别。仿真实验表明，在5 dB信噪比条件下，所提方法可对同步正交和非正交组网方式下的多跳频网台准确识别，识别分类成功率达99%以上，验证了新方法的有效性。
针对现有方法在跳频通信用户“空时频能”域特征相近、跳频参数捷变等条件下，跳频网台分类识别效果不佳的问题，该文提出一种基于无线电极化特征的跳频用户分选方法。该方法将无线电双极化特征引入到跳频侦察，充分利用各用户的交叉极化鉴别度差异，实现了跳频网台精准分选。针对同类用户交叉极化鉴别度参数易受噪声污染的问题，构建了双通道双极化接收系统，抑制了信号噪声，保证了极化特征提取的精度。在此基础上，基于谱聚类思想，完成了极化特征的分类软判决，进一步提升了跳频网台分选效果，实现了跳频信号的精准识别。仿真实验表明，在5 dB信噪比条件下，所提方法可对同步正交和非正交组网方式下的多跳频网台准确识别，识别分类成功率达99%以上，验证了新方法的有效性。
2024, 46(4): 1296-1305.
doi: 10.11999/JEIT230317
摘要:
针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题，该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先，该算法构建了云-边-端3层数字孪生辅助任务卸载框架，在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次，在任务计算时间和能量的约束下，从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题，建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后，提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法，通过每个智能体不断地探索和学习，以获取近似最佳的用户关联和任务划分策略，并将该策略下发至物理实体网络中执行。仿真结果表明，所提任务卸载算法有效降低了任务协同计算时间，同时为每个计算任务提供近似最佳的卸载策略。
针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题，该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先，该算法构建了云-边-端3层数字孪生辅助任务卸载框架，在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次，在任务计算时间和能量的约束下，从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题，建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后，提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法，通过每个智能体不断地探索和学习，以获取近似最佳的用户关联和任务划分策略，并将该策略下发至物理实体网络中执行。仿真结果表明，所提任务卸载算法有效降低了任务协同计算时间，同时为每个计算任务提供近似最佳的卸载策略。
2024, 46(4): 1306-1313.
doi: 10.11999/JEIT230623
摘要:
在城市轨道交通列车控制系统中，车车(T2T)通信作为新一代列车通信模式，利用列车间直接通信来降低通信时延，提高列车运行效率。在T2T通信与车地(T2G)通信并存场景下，针对复用T2G链路产生的干扰问题，在保证用户通信质量的前提下，该文提出一种基于多智能体深度强化学习(MADRL)的改进优势演员-评论家(A2C-ac)资源分配算法。首先以系统吞吐量为优化目标，以T2T通信发送端为智能体，策略网络采用分层输出结构指导智能体选择需复用的频谱资源和功率水平，然后智能体做出相应动作并与T2T通信环境交互，得到该时隙下T2G用户和T2T用户吞吐量，价值网络对两者分别评价，利用权重因子\begin{document}$ \beta $\end{document}
在城市轨道交通列车控制系统中，车车(T2T)通信作为新一代列车通信模式，利用列车间直接通信来降低通信时延，提高列车运行效率。在T2T通信与车地(T2G)通信并存场景下，针对复用T2G链路产生的干扰问题，在保证用户通信质量的前提下，该文提出一种基于多智能体深度强化学习(MADRL)的改进优势演员-评论家(A2C-ac)资源分配算法。首先以系统吞吐量为优化目标，以T2T通信发送端为智能体，策略网络采用分层输出结构指导智能体选择需复用的频谱资源和功率水平，然后智能体做出相应动作并与T2T通信环境交互，得到该时隙下T2G用户和T2T用户吞吐量，价值网络对两者分别评价，利用权重因子
2024, 46(4): 1314-1320.
doi: 10.11999/JEIT230414
摘要:
智能反射面(IRS/RIS)应用于实际无线通信系统时，如何优选布放位置及面板取向，是提升技术实效所面临的主要问题之一。RIS布放的数学规划问题，不仅有优化目标的设计，还要考虑通信环境的建筑物分布和可选部署面的有效散射截面。相比于室外较为开放的空间，RIS的室内部署存在更多限制性条件。针对室内既有墙面的RIS布放，该文设计了多终端接入选址规划模型和等价问题。为约化其非线性计算，通过单终端退化分析，给出目标函数的卡西尼卵形线分布特征，证明RIS布放范围限于各终端及基站在部署面投影的重叠区，提出基于对半搜索法的高效启发式算法。数值仿真了2种复杂室内结构的多终端接入场景，结果表明所提算法不仅有显著加速效益，还可扩展用于多RIS网络规划。
智能反射面(IRS/RIS)应用于实际无线通信系统时，如何优选布放位置及面板取向，是提升技术实效所面临的主要问题之一。RIS布放的数学规划问题，不仅有优化目标的设计，还要考虑通信环境的建筑物分布和可选部署面的有效散射截面。相比于室外较为开放的空间，RIS的室内部署存在更多限制性条件。针对室内既有墙面的RIS布放，该文设计了多终端接入选址规划模型和等价问题。为约化其非线性计算，通过单终端退化分析，给出目标函数的卡西尼卵形线分布特征，证明RIS布放范围限于各终端及基站在部署面投影的重叠区，提出基于对半搜索法的高效启发式算法。数值仿真了2种复杂室内结构的多终端接入场景，结果表明所提算法不仅有显著加速效益，还可扩展用于多RIS网络规划。
2024, 46(4): 1321-1332.
doi: 10.11999/JEIT230445
摘要:
在移动边缘计算(MEC)密集部署场景中，边缘服务器负载的不确定性容易造成边缘服务器过载，从而导致计算卸载过程中时延和能耗显著增加。针对该问题，该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先，考虑时延和能耗的均衡优化建立效用函数，以最大化系统效用作为优化目标，将计算卸载问题转化为混合整数非线性规划问题。然后，针对该问题状态空间大、动作空间中离散和连续型变量共存，对DDPG深度强化学习算法进行离散化改进，基于此提出一种多用户计算卸载优化方法。最后，使用该方法求解非线性规划问题。仿真实验结果表明，与已有算法相比，所提方法能有效降低边缘服务器过载概率，并具有很好的稳定性。
在移动边缘计算(MEC)密集部署场景中，边缘服务器负载的不确定性容易造成边缘服务器过载，从而导致计算卸载过程中时延和能耗显著增加。针对该问题，该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先，考虑时延和能耗的均衡优化建立效用函数，以最大化系统效用作为优化目标，将计算卸载问题转化为混合整数非线性规划问题。然后，针对该问题状态空间大、动作空间中离散和连续型变量共存，对DDPG深度强化学习算法进行离散化改进，基于此提出一种多用户计算卸载优化方法。最后，使用该方法求解非线性规划问题。仿真实验结果表明，与已有算法相比，所提方法能有效降低边缘服务器过载概率，并具有很好的稳定性。
2024, 46(4): 1333-1342.
doi: 10.11999/JEIT230394
摘要:
智能车载网联系统作为智慧城市建设的重要组成部分，近年来受到学术界与工业界越来越多的关注。智能车载网联系统中提升了智能车辆的行驶安全性与出行效率，但在开放的环境下数据传输容易被截取，造成敏感信息泄漏。因此需要实现匿名认证并且协商正确的会话密钥，来确保智能车载网联系统敏感信息的安全。该文提出面向分布式智能车载网联系统架构的匿名认证与密钥协商协议。该协议基于中国剩余定理秘密分享技术来保护认证标识符，智能车辆能够以线性的计算开销在不同的区域恢复出对应的标识符，该标识符能够长期安全使用且智能车辆能够在不使用防篡改设备的情况下完成安全认证，路侧通信基站能够检测信息的匿名性和完整性，并与智能车辆协商到后续安全通信的会话密钥，同时实现双向认证。此外，协议能够在复杂的分布式智能车载网联系统中拓展批量匿名认证、域密钥更新、车对车的匿名认证、匿名身份可追踪等实用性功能。安全性与性能分析表明该协议能够安全高效地部署在分布式智能车载网联环境。
智能车载网联系统作为智慧城市建设的重要组成部分，近年来受到学术界与工业界越来越多的关注。智能车载网联系统中提升了智能车辆的行驶安全性与出行效率，但在开放的环境下数据传输容易被截取，造成敏感信息泄漏。因此需要实现匿名认证并且协商正确的会话密钥，来确保智能车载网联系统敏感信息的安全。该文提出面向分布式智能车载网联系统架构的匿名认证与密钥协商协议。该协议基于中国剩余定理秘密分享技术来保护认证标识符，智能车辆能够以线性的计算开销在不同的区域恢复出对应的标识符，该标识符能够长期安全使用且智能车辆能够在不使用防篡改设备的情况下完成安全认证，路侧通信基站能够检测信息的匿名性和完整性，并与智能车辆协商到后续安全通信的会话密钥，同时实现双向认证。此外，协议能够在复杂的分布式智能车载网联系统中拓展批量匿名认证、域密钥更新、车对车的匿名认证、匿名身份可追踪等实用性功能。安全性与性能分析表明该协议能够安全高效地部署在分布式智能车载网联环境。
2024, 46(4): 1343-1352.
doi: 10.11999/JEIT230421
摘要:
在基于联邦学习的智能驾驶中，智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制，使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次，通过构建数字孪生辅助联邦学习的计算和通信模型，建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题，并将其转化为部分可观测的马尔可夫决策过程。最后，提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法，用于学习近似最优的边缘选择和资源分配策略，以实现联邦学习累积时延和能耗最小化。仿真结果表明，所提算法在保证模型精度的同时，有效降低联邦学习累积训练时延和能耗。
在基于联邦学习的智能驾驶中，智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制，使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次，通过构建数字孪生辅助联邦学习的计算和通信模型，建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题，并将其转化为部分可观测的马尔可夫决策过程。最后，提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法，用于学习近似最优的边缘选择和资源分配策略，以实现联邦学习累积时延和能耗最小化。仿真结果表明，所提算法在保证模型精度的同时，有效降低联邦学习累积训练时延和能耗。
2024, 46(4): 1353-1362.
doi: 10.11999/JEIT230669
摘要:
针对高多普勒场景下智能反射表面(IRS)辅助多用户通信系统存在的信道估计传输开销大的问题，该文结合正交时频空间(OTFS)调制特点构造一种IRS-OTFS通信系统，充分发挥IRS和OTFS的性能优势，并在此基础上提出一种学习率自适应的模型无关元学习(MAML)算法。对IRS-OTFS多用户信道估计任务做离线训练，根据各任务的收敛速度自适应地调整学习率，防止训练失衡，并利用信道之间的相关性和MAML算法的少样本、泛化特性得到全局模型和适应性模型，快速学习新用户信道的传输特性，降低传输开销，提高信道估计准确性。理论分析和仿真结果表明，该算法在信道传输条件相同的情况下，将传输开销降低了大约50%，并相对于基准算法有4.8 dB左右的性能提升。
针对高多普勒场景下智能反射表面(IRS)辅助多用户通信系统存在的信道估计传输开销大的问题，该文结合正交时频空间(OTFS)调制特点构造一种IRS-OTFS通信系统，充分发挥IRS和OTFS的性能优势，并在此基础上提出一种学习率自适应的模型无关元学习(MAML)算法。对IRS-OTFS多用户信道估计任务做离线训练，根据各任务的收敛速度自适应地调整学习率，防止训练失衡，并利用信道之间的相关性和MAML算法的少样本、泛化特性得到全局模型和适应性模型，快速学习新用户信道的传输特性，降低传输开销，提高信道估计准确性。理论分析和仿真结果表明，该算法在信道传输条件相同的情况下，将传输开销降低了大约50%，并相对于基准算法有4.8 dB左右的性能提升。
2024, 46(4): 1363-1372.
doi: 10.11999/JEIT230632
摘要:
该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题，结合深度强化学习与基于时延的Dijkstra寻路算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先，设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法，用于产生虚拟网络功能(VNF)的部署以及服务SFC的链路映射，同时考虑了时延优化模型的约束问题，采用拉格朗日松弛技术将其纳入强化学习目标函数中；其次，为了辅助网络代理快速收敛，采用基线评估器网络评估部署策略的预期奖励值；最后，在测试阶段，通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率，从而改进模型的部署。对比实验表明，该方法在网络资源受限的情况下，比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%，且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务，使时延敏感类业务获得更好体验。
该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题，结合深度强化学习与基于时延的Dijkstra寻路算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先，设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法，用于产生虚拟网络功能(VNF)的部署以及服务SFC的链路映射，同时考虑了时延优化模型的约束问题，采用拉格朗日松弛技术将其纳入强化学习目标函数中；其次，为了辅助网络代理快速收敛，采用基线评估器网络评估部署策略的预期奖励值；最后，在测试阶段，通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率，从而改进模型的部署。对比实验表明，该方法在网络资源受限的情况下，比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%，且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务，使时延敏感类业务获得更好体验。
2024, 46(4): 1373-1381.
doi: 10.11999/JEIT230462
摘要:
针对GNSS外辐射源雷达定位时不同卫星对定位的误差贡献不同的问题，提出基于高度角随机模型的定位算法，理论分析目标位置估计量的克拉美罗界和统计特性，并计算卫星位置误差和地面站位置误差对定位误差的影响。仿真结果表明：所提出算法对不同GNSS卫星的直射、反射路径的伪距差测量值误差进行了合理分配，定位性能达到了克拉美罗界，且不会因为选星方案的改变而大幅恶化。对地面站位置误差和卫星位置误差的分析表明：地面站位置的标准差小于10 cm、卫星位置的标准差小于1 km时对定位总误差的贡献可以忽略不计。
针对GNSS外辐射源雷达定位时不同卫星对定位的误差贡献不同的问题，提出基于高度角随机模型的定位算法，理论分析目标位置估计量的克拉美罗界和统计特性，并计算卫星位置误差和地面站位置误差对定位误差的影响。仿真结果表明：所提出算法对不同GNSS卫星的直射、反射路径的伪距差测量值误差进行了合理分配，定位性能达到了克拉美罗界，且不会因为选星方案的改变而大幅恶化。对地面站位置误差和卫星位置误差的分析表明：地面站位置的标准差小于10 cm、卫星位置的标准差小于1 km时对定位总误差的贡献可以忽略不计。
2024, 46(4): 1382-1390.
doi: 10.11999/JEIT230665
摘要:
射频干扰(RFI)会污染合成孔径雷达(SAR)回波信号，增加SAR图像解译难度。脉冲式直达波干扰(PDWI)作为典型的RFI，在原始回波域以明亮条纹状掩盖SAR回波信息，对SAR成像质量产生严重影响。现有的干扰抑制方法中，传统的特征子空间投影(ESP)方法对整条含干扰脉冲进行干扰抑制，造成了脉冲中非干扰位置有用信号损失。为了保护有用信号，该文提出一种改进ESP的SAR脉冲式直达波干扰抑制方法。首先，通过两次检测干扰，获取PDWI在时域中的具体位置。其次，仅对检测的干扰位置数据，采用ESP将有用信号和干扰信号分离。最后，从原始数据中减去ESP重构的干扰数据以实现干扰抑制。仿真和实测数据处理表明，与现有方法相比，该方法能够有效避免SAR原始数据中有用信号的损失，抑制了脉冲式直达波干扰。
射频干扰(RFI)会污染合成孔径雷达(SAR)回波信号，增加SAR图像解译难度。脉冲式直达波干扰(PDWI)作为典型的RFI，在原始回波域以明亮条纹状掩盖SAR回波信息，对SAR成像质量产生严重影响。现有的干扰抑制方法中，传统的特征子空间投影(ESP)方法对整条含干扰脉冲进行干扰抑制，造成了脉冲中非干扰位置有用信号损失。为了保护有用信号，该文提出一种改进ESP的SAR脉冲式直达波干扰抑制方法。首先，通过两次检测干扰，获取PDWI在时域中的具体位置。其次，仅对检测的干扰位置数据，采用ESP将有用信号和干扰信号分离。最后，从原始数据中减去ESP重构的干扰数据以实现干扰抑制。仿真和实测数据处理表明，与现有方法相比，该方法能够有效避免SAR原始数据中有用信号的损失，抑制了脉冲式直达波干扰。
2024, 46(4): 1391-1398.
doi: 10.11999/JEIT230622
摘要:
针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题，该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云；之后利用点云分割网络 (PointNet++)对该点云中各点依据其所属辐射源进行分割；最后将具有相同标签的点聚类形成脉冲集合，分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选，在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性，并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。
针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题，该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云；之后利用点云分割网络 (PointNet++)对该点云中各点依据其所属辐射源进行分割；最后将具有相同标签的点聚类形成脉冲集合，分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选，在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性，并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。
2024, 46(4): 1399-1407.
doi: 10.11999/JEIT230650
摘要:
针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题，该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值，根据K分布的累积分布函数计算样本分位数比值及其对数，然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型，通过交叉验证确定SVR模型的超参数，最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明，所提方法的估计误差低于基于矩的估计方法的估计误差，并且与基于分位数的估计方法具有相近估计性能。此外，相比已有基于分位数的方法，所提方法的超参数容易确定，并且不依赖于查表。
针对传统的雷达K分布海杂波形状参数估计方法在异常样本存在情况下估计精度严重下降的问题，该文提出一种基于支持向量回归(SVR)和样本分位数比值的K分布海杂波形状参数估计方法。首先给定K分布杂波参数和分位数位置的值，根据K分布的累积分布函数计算样本分位数比值及其对数，然后建立以样本分位数比值对数为输入、待估计形状参数为输出的SVR模型，通过交叉验证确定SVR模型的超参数，最后训练SVR模型实现对K分布海杂波形状参数的稳健精确估计。仿真和实测雷达数据表明，所提方法的估计误差低于基于矩的估计方法的估计误差，并且与基于分位数的估计方法具有相近估计性能。此外，相比已有基于分位数的方法，所提方法的超参数容易确定，并且不依赖于查表。
2024, 46(4): 1408-1417.
doi: 10.11999/JEIT230413
摘要:
为消减仅测角机动目标跟踪系统中由时空不一致引起的投影基点偏移和高斯截断两类误差，该文采用映射表示和\begin{document}$ {\ell _1} $\end{document} \begin{document}$ {\ell _{2,1}} $\end{document}
为消减仅测角机动目标跟踪系统中由时空不一致引起的投影基点偏移和高斯截断两类误差，该文采用映射表示和
2024, 46(4): 1418-1427.
doi: 10.11999/JEIT230464
摘要:
该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题，分析非镜向海面散射信号特征，提出星下点非镜向观测模式，定义该模式下海面风矢量敏感特征观测量，在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演，并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明：所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向；多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解，但无法消除海浪谱的对称性导致的海面风向模糊解。在2～25 m/s的风速内，当信噪比(SNR)大于11 dB时，3星观测的风速均方根误差(RMSE)优于2 m/s，风向的均方根误差优于15°。
该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题，分析非镜向海面散射信号特征，提出星下点非镜向观测模式，定义该模式下海面风矢量敏感特征观测量，在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演，并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明：所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向；多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解，但无法消除海浪谱的对称性导致的海面风向模糊解。在2～25 m/s的风速内，当信噪比(SNR)大于11 dB时，3星观测的风速均方根误差(RMSE)优于2 m/s，风向的均方根误差优于15°。
2024, 46(4): 1428-1437.
doi: 10.11999/JEIT230573
摘要:
针对现有基于直接线性变化法(DLT)的图像法测流技术依赖于地面控制点，存在效率低、风险高、宽断面天然河流操作难度大等问题，该文提出一种基于断面水边线定向的摄像机姿态角标定方法(CSWO)。该方法将标定过程分解为实验室内参标定和现场外参标定两步，其中后者又被划分为摄像机定位和定向两个环节。定向环节中首先在摄像机安装时将光轴与断面方向对齐，使方位角置零。然后利用无畸变图像中人工标注的平直断面水边线的斜率计算出横滚角。接下来通过计算水边线与图像纵轴交点作为其亚像素像方坐标。最后依据透视投影成像模型，联合水位与插值断面高程求得的物方坐标解算出俯仰角。该方法应用于时空图像测速法(STIV)，实现了200 m宽河流的免像控表面流速测量。结果表明：起点距的最大绝对误差为0.59 m，最大相对误差为0.45%，表面流速的最大相对误差小于6.3%。
针对现有基于直接线性变化法(DLT)的图像法测流技术依赖于地面控制点，存在效率低、风险高、宽断面天然河流操作难度大等问题，该文提出一种基于断面水边线定向的摄像机姿态角标定方法(CSWO)。该方法将标定过程分解为实验室内参标定和现场外参标定两步，其中后者又被划分为摄像机定位和定向两个环节。定向环节中首先在摄像机安装时将光轴与断面方向对齐，使方位角置零。然后利用无畸变图像中人工标注的平直断面水边线的斜率计算出横滚角。接下来通过计算水边线与图像纵轴交点作为其亚像素像方坐标。最后依据透视投影成像模型，联合水位与插值断面高程求得的物方坐标解算出俯仰角。该方法应用于时空图像测速法(STIV)，实现了200 m宽河流的免像控表面流速测量。结果表明：起点距的最大绝对误差为0.59 m，最大相对误差为0.45%，表面流速的最大相对误差小于6.3%。
2024, 46(4): 1438-1447.
doi: 10.11999/JEIT230405
摘要:
目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题，且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题，该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先，通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征，在特征提取网络中引入通道注意力机制；然后，针对Softmax函数输出的视图判别性特征，使用香农熵来选择代表性特征，从而避免多视图特征冗余；最后，基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明：该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%，分类性能突出。
目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题，且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题，该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先，通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征，在特征提取网络中引入通道注意力机制；然后，针对Softmax函数输出的视图判别性特征，使用香农熵来选择代表性特征，从而避免多视图特征冗余；最后，基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明：该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%，分类性能突出。
2024, 46(4): 1448-1457.
doi: 10.11999/JEIT230651
摘要:
近年来，基于有限标记样本的高光谱图像(HSI)分类方法取得了重大进展。然而，由于高光谱图像的特殊性，冗余的信息和有限的标记样本给提取强判别特征带来了巨大挑战。此外，由于各类别像素分布不均，如何强化中心像素的作用，减弱不同类别的周围像素的负面影响也是提高分类性能的关键。为了克服上述局限性，该文提出一种基于多尺度非对称密集网络(MS-ADNet)的高光谱图像分类方法。首先，提出一个多尺度样本构建模块，通过在每个像素周围提取多个尺度的图像块，并进行反卷积和拼接以构建输入样本，使其既包含详细的结构区域，又包含较大的同质区域；然后，提出一个非对称密集连接结构，在空间和光谱特征联合提取中实现核骨架增强，即增强了方形卷积核的中心十字区域部分提取的特征，有效地促进了特征重用。此外，为了提高光谱特征的鉴别性，提出一种精简的元素光谱注意力机制，并将其置于密集连接网络的前端和后端。在每类仅采用5个样本进行网络训练的情况下，该方法在Indiana Pines, Pavia University和Salinas数据集上的总体准确率分别达到了77.66%, 84.54%和92.39%，取得了极具竞争力的分类结果。
近年来，基于有限标记样本的高光谱图像(HSI)分类方法取得了重大进展。然而，由于高光谱图像的特殊性，冗余的信息和有限的标记样本给提取强判别特征带来了巨大挑战。此外，由于各类别像素分布不均，如何强化中心像素的作用，减弱不同类别的周围像素的负面影响也是提高分类性能的关键。为了克服上述局限性，该文提出一种基于多尺度非对称密集网络(MS-ADNet)的高光谱图像分类方法。首先，提出一个多尺度样本构建模块，通过在每个像素周围提取多个尺度的图像块，并进行反卷积和拼接以构建输入样本，使其既包含详细的结构区域，又包含较大的同质区域；然后，提出一个非对称密集连接结构，在空间和光谱特征联合提取中实现核骨架增强，即增强了方形卷积核的中心十字区域部分提取的特征，有效地促进了特征重用。此外，为了提高光谱特征的鉴别性，提出一种精简的元素光谱注意力机制，并将其置于密集连接网络的前端和后端。在每类仅采用5个样本进行网络训练的情况下，该方法在Indiana Pines, Pavia University和Salinas数据集上的总体准确率分别达到了77.66%, 84.54%和92.39%，取得了极具竞争力的分类结果。
2024, 46(4): 1458-1467.
doi: 10.11999/JEIT230496
摘要:
在长时视觉跟踪中，大部分目标丢失判定方法需要人为确定阈值，而最优阈值的选取通常较为困难，造成长时跟踪算法的泛化能力较弱。为此，该文提出一种无需人为选取阈值的目标漂移判定网络(DNet)。该网络采用Siamese结构，利用静态模板和动态模板共同判定跟踪结果是否丢失，其中，引入动态模板有效提高算法对目标外观变化的适应能力。为了对所提目标漂移判定网络进行训练，建立了样本丰富的数据集。为验证所提网络的有效性，将该网络与基础跟踪器和重检测模块相结合，构建了一个完整的长时跟踪算法。在UAV20L, LaSOT, VOT2018-LT和VOT2020-LT等经典的视觉跟踪数据集上进行了测试，实验结果表明，相比于基础跟踪器，在UAV20L数据集上，跟踪精度和成功率分别提升了10.4%和7.5%。
在长时视觉跟踪中，大部分目标丢失判定方法需要人为确定阈值，而最优阈值的选取通常较为困难，造成长时跟踪算法的泛化能力较弱。为此，该文提出一种无需人为选取阈值的目标漂移判定网络(DNet)。该网络采用Siamese结构，利用静态模板和动态模板共同判定跟踪结果是否丢失，其中，引入动态模板有效提高算法对目标外观变化的适应能力。为了对所提目标漂移判定网络进行训练，建立了样本丰富的数据集。为验证所提网络的有效性，将该网络与基础跟踪器和重检测模块相结合，构建了一个完整的长时跟踪算法。在UAV20L, LaSOT, VOT2018-LT和VOT2020-LT等经典的视觉跟踪数据集上进行了测试，实验结果表明，相比于基础跟踪器，在UAV20L数据集上，跟踪精度和成功率分别提升了10.4%和7.5%。
2024, 46(4): 1468-1478.
doi: 10.11999/JEIT230291
摘要:
经颅磁刺激(TMS)因其可以非侵入性地探测和调制大脑皮层兴奋性和功能，已被广泛地应用于改善大脑认知功能等临床神经调控领域。工作记忆的功能实现需要多个脑区的同步活动，该文将行为学与电生理学相结合，通过建立跨脑区的因果网络连接，从记忆相关脑区间协同作用的角度探究不同模式的TMS对大脑认知功能的调控机制。首先对老年威斯塔大鼠分别实施重复经颅磁刺激(rTMS)及间歇性θ节律刺激(iTBS)，并设置空白对照组，通过在体多通道微电极阵列采集大鼠工作记忆任务中的局部场电位信号(LFPs)；之后基于定向传递函数构建LFPs脑因果网络；最后通过对比行为学结果差异、各脑区因果网络参数等，探索不同模式TMS对老年大鼠工作记忆行为学及脑区之间信息协同作用的影响规律。结果表明，rTMS组和iTBS组大鼠执行正确工作记忆任务的平均天数减少，平均正确率高于空白对照组。经过刺激后，rTMS组和iTBS组前额叶和海马双向网络连接明显增强，信息流强度和因果流向性得到显著提升(P＜0.05)。因此，rTMS和iTBS模式均能促进老年大鼠海马和前额叶脑区间的信息交流，从而使老年大鼠的工作记忆能力得到改善。
经颅磁刺激(TMS)因其可以非侵入性地探测和调制大脑皮层兴奋性和功能，已被广泛地应用于改善大脑认知功能等临床神经调控领域。工作记忆的功能实现需要多个脑区的同步活动，该文将行为学与电生理学相结合，通过建立跨脑区的因果网络连接，从记忆相关脑区间协同作用的角度探究不同模式的TMS对大脑认知功能的调控机制。首先对老年威斯塔大鼠分别实施重复经颅磁刺激(rTMS)及间歇性θ节律刺激(iTBS)，并设置空白对照组，通过在体多通道微电极阵列采集大鼠工作记忆任务中的局部场电位信号(LFPs)；之后基于定向传递函数构建LFPs脑因果网络；最后通过对比行为学结果差异、各脑区因果网络参数等，探索不同模式TMS对老年大鼠工作记忆行为学及脑区之间信息协同作用的影响规律。结果表明，rTMS组和iTBS组大鼠执行正确工作记忆任务的平均天数减少，平均正确率高于空白对照组。经过刺激后，rTMS组和iTBS组前额叶和海马双向网络连接明显增强，信息流强度和因果流向性得到显著提升(P＜0.05)。因此，rTMS和iTBS模式均能促进老年大鼠海马和前额叶脑区间的信息交流，从而使老年大鼠的工作记忆能力得到改善。
2024, 46(4): 1479-1487.
doi: 10.11999/JEIT230181
摘要:
由于参考纹理视图的前景遮挡和不同视点间的视角差异，基于深度图的虚拟视点合成会产生大量空洞，先前的空洞填充方法耗时较长且填充区域与合成图像缺乏纹理一致性。该文首先对深度图进行预处理来减少空洞填充时的前景渗透；然后，针对经3D-warping后输出合成图像中的空洞，设计了一种基于生成对抗网络(GAN)架构的图像生成网络来填充空洞。该网络模型由2级子网络构成，第1级网络生成空洞区域的纹理结构信息，第2级网络采用了一种结合上下文特征融合的注意力模块来提升空洞填充质量。提出的网络模型能有效解决当虚拟视点图像中的前景对象存在快速运动时，空洞填充区易产生伪影的问题。在多视点深度序列上的实验结果表明，提出方法在主客观质量上均优于已有的虚拟视点图像空洞填充方法。
由于参考纹理视图的前景遮挡和不同视点间的视角差异，基于深度图的虚拟视点合成会产生大量空洞，先前的空洞填充方法耗时较长且填充区域与合成图像缺乏纹理一致性。该文首先对深度图进行预处理来减少空洞填充时的前景渗透；然后，针对经3D-warping后输出合成图像中的空洞，设计了一种基于生成对抗网络(GAN)架构的图像生成网络来填充空洞。该网络模型由2级子网络构成，第1级网络生成空洞区域的纹理结构信息，第2级网络采用了一种结合上下文特征融合的注意力模块来提升空洞填充质量。提出的网络模型能有效解决当虚拟视点图像中的前景对象存在快速运动时，空洞填充区易产生伪影的问题。在多视点深度序列上的实验结果表明，提出方法在主客观质量上均优于已有的虚拟视点图像空洞填充方法。
2024, 46(4): 1488-1498.
doi: 10.11999/JEIT230558
摘要:
为了提高压缩感知重构算法的成功率与重构精度，该文提出基于Dice前向预测的正交正则回溯匹配追踪算法 (DLARBOMP)。在该算法中，首先从匹配准则与预选阶段原子选取的角度，利用Dice系数代替原子内积计算相关度，保留原始信号信息的特性，以此选择与残差最匹配的原子，提高算法的重构精度。同时，针对信号重构过程回溯算法的时间过长问题，在每次原子迭代过程中，该文利用正则化选择多个原子而非单个原子，实现重构精度与重构时间的平衡。最后，通过稀疏1维信号与2维图像信号重构的实验结果，显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率，在2维压缩图像信号重构时提高其峰值信噪比(PSNR)，优于正交匹配追踪(OMP)及其最新改进贪婪类算法。
为了提高压缩感知重构算法的成功率与重构精度，该文提出基于Dice前向预测的正交正则回溯匹配追踪算法 (DLARBOMP)。在该算法中，首先从匹配准则与预选阶段原子选取的角度，利用Dice系数代替原子内积计算相关度，保留原始信号信息的特性，以此选择与残差最匹配的原子，提高算法的重构精度。同时，针对信号重构过程回溯算法的时间过长问题，在每次原子迭代过程中，该文利用正则化选择多个原子而非单个原子，实现重构精度与重构时间的平衡。最后，通过稀疏1维信号与2维图像信号重构的实验结果，显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率，在2维压缩图像信号重构时提高其峰值信噪比(PSNR)，优于正交匹配追踪(OMP)及其最新改进贪婪类算法。
2024, 46(4): 1499-1512.
doi: 10.11999/JEIT230509
摘要:
随着深度学习技术的发展，卷积神经网络模型的参数量和计算量急剧增加，极大提高了卷积神经网络算法在边缘侧设备的部署成本。因此，为了降低卷积神经网络算法在边缘侧设备上的部署难度，减小推理时延和能耗开销，该文提出一种面向边缘计算的可重构CNN协处理器结构。基于按通道处理的数据流模式，提出的两级分布式存储方案解决了片上大规模的数据搬移和重构运算时PE单元间的大量数据移动导致的功耗开销和性能下降的问题；为了避免加速阵列中复杂的数据互联网络传播机制，降低控制的复杂度，该文提出一种灵活的本地访存机制和基于地址转换的填充机制，使得协处理器能够灵活实现任意规格的常规卷积、深度可分离卷积、池化和全连接运算，提升了硬件架构的灵活性。本文提出的协处理器包含256个PE运算单元和176 kB的片上私有存储器，在55 nm TT Corner(25 °C，1.2 V)的CMOS工艺下进行逻辑综合和布局布线，最高时钟频率能够达到328 MHz，实现面积为4.41 mm2。在320 MHz的工作频率下，该协处理器峰值运算性能为163.8 GOPs，面积效率为37.14 GOPs/mm2，完成LeNet-5和MobileNet网络的能效分别为210.7 GOPs/W和340.08 GOPs/W，能够满足边缘智能计算场景下的能效和性能需求。
随着深度学习技术的发展，卷积神经网络模型的参数量和计算量急剧增加，极大提高了卷积神经网络算法在边缘侧设备的部署成本。因此，为了降低卷积神经网络算法在边缘侧设备上的部署难度，减小推理时延和能耗开销，该文提出一种面向边缘计算的可重构CNN协处理器结构。基于按通道处理的数据流模式，提出的两级分布式存储方案解决了片上大规模的数据搬移和重构运算时PE单元间的大量数据移动导致的功耗开销和性能下降的问题；为了避免加速阵列中复杂的数据互联网络传播机制，降低控制的复杂度，该文提出一种灵活的本地访存机制和基于地址转换的填充机制，使得协处理器能够灵活实现任意规格的常规卷积、深度可分离卷积、池化和全连接运算，提升了硬件架构的灵活性。本文提出的协处理器包含256个PE运算单元和176 kB的片上私有存储器，在55 nm TT Corner(25 °C，1.2 V)的CMOS工艺下进行逻辑综合和布局布线，最高时钟频率能够达到328 MHz，实现面积为4.41 mm2。在320 MHz的工作频率下，该协处理器峰值运算性能为163.8 GOPs，面积效率为37.14 GOPs/mm2，完成LeNet-5和MobileNet网络的能效分别为210.7 GOPs/W和340.08 GOPs/W，能够满足边缘智能计算场景下的能效和性能需求。
2024, 46(4): 1513-1520.
doi: 10.11999/JEIT230361
摘要:
为降低激励电压和串扰噪声，实现高灵敏3维电场检测，该文提出一种压电驱动单屏蔽电极3维电场传感芯片。其敏感结构由1组可动屏蔽电极和4组固定感应电极构成，固定感应电极两两对称，在压电驱动结构作用下可动屏蔽电极垂直振动，4组感应电极在待测电场作用下产生周期性的感应电流，通过测量4组感应电极的感应电流，并经过差分求和解耦方法可分别获得x,y,z坐标轴方向的电场分量。该文通过有限元仿真设计了3维电场传感芯片结构，分析了其测量的可行性，对关键结构参数进行优化设计，并设计了敏感芯片加工工艺流程。对研制的芯片进行了实验测试，结果表明，单屏蔽电极3维电场传感芯片在0～50 kV/m电场强度范围内，x,y,z 3轴输出灵敏度分别为0.2214 mV/(kV/m), 0.3580 mV/(kV/m), 2.1768 mV/(kV/m)，3维电场的最大测量误差小于5.3%。
为降低激励电压和串扰噪声，实现高灵敏3维电场检测，该文提出一种压电驱动单屏蔽电极3维电场传感芯片。其敏感结构由1组可动屏蔽电极和4组固定感应电极构成，固定感应电极两两对称，在压电驱动结构作用下可动屏蔽电极垂直振动，4组感应电极在待测电场作用下产生周期性的感应电流，通过测量4组感应电极的感应电流，并经过差分求和解耦方法可分别获得x,y,z坐标轴方向的电场分量。该文通过有限元仿真设计了3维电场传感芯片结构，分析了其测量的可行性，对关键结构参数进行优化设计，并设计了敏感芯片加工工艺流程。对研制的芯片进行了实验测试，结果表明，单屏蔽电极3维电场传感芯片在0～50 kV/m电场强度范围内，x,y,z 3轴输出灵敏度分别为0.2214 mV/(kV/m), 0.3580 mV/(kV/m), 2.1768 mV/(kV/m)，3维电场的最大测量误差小于5.3%。
2024, 46(4): 1521-1528.
doi: 10.11999/JEIT230601
摘要:
面向磁性传感器在物联网(IoT)技术中的广泛应用，该文基于180 nm CMOS工艺设计了一种具有低失调电压，低温度漂移特性的霍尔传感器接口电路。针对霍尔传感器灵敏度的温度漂移特性，该文设计了一种感温电路并与查表法相结合，调节可编程增益放大器 (PGA) 的增益有效地降低了霍尔传感器的温度系数 (TC)。在此基础上，通过在信号主通路中使用相关双采样 (CDS) 技术，极大程度上消除了霍尔传感器的失调电压。仿真结果表明，在–40°C～125°C温度范围内，霍尔传感器的TC从966.4 ppm/°C减小到了58.1 ppm/°C。信号主通路的流片结果表明，霍尔传感器的失调电压从25 mV左右减小到了4 mV左右，霍尔传感器的非线性误差为0.50%。芯片的总面积为0.69 mm2。
面向磁性传感器在物联网(IoT)技术中的广泛应用，该文基于180 nm CMOS工艺设计了一种具有低失调电压，低温度漂移特性的霍尔传感器接口电路。针对霍尔传感器灵敏度的温度漂移特性，该文设计了一种感温电路并与查表法相结合，调节可编程增益放大器 (PGA) 的增益有效地降低了霍尔传感器的温度系数 (TC)。在此基础上，通过在信号主通路中使用相关双采样 (CDS) 技术，极大程度上消除了霍尔传感器的失调电压。仿真结果表明，在–40°C～125°C温度范围内，霍尔传感器的TC从966.4 ppm/°C减小到了58.1 ppm/°C。信号主通路的流片结果表明，霍尔传感器的失调电压从25 mV左右减小到了4 mV左右，霍尔传感器的非线性误差为0.50%。芯片的总面积为0.69 mm2。
编辑部公告
more >
- 专题征文 | “面向物联网的通信-感知-计算融合技术”专题征文通知
- 专刊征文 | “先进集成电路技术”专刊（2024）
- 专题征文 | “RIS使能的未来通信传输理论与性能优化”专题
- 专题征文 | “面向6G的通感一体化技术研究”专题
- 征文 | “面向开放环境的自适应智能感知与持续学习研究进展”专题征文通知
- 编委动态 | 人民大会堂颁奖！东南大学崔铁军院士团队获首届国际基础科学大会前沿科学奖
- 重要专刊 | “电磁频谱空间对抗与信息安全”国防科技大学办学70周年专刊征文
- 喜讯 |《电子与信息学报》主编付琨研究员获得中国航天基金会钱学森杰出贡献奖
会议信息
more >
- 会议征文 | 第四届电子、信息与计算技术前沿国际会议 (ICFEICT 2024)
- 会议征文 | 第三届自动化，控制与通信工程国际学术研讨会(IWACCE 2024)
- 中国电子学会电路与系统分会第三十三届学术年会第二轮通知
- 第二十届全国容错计算学术会议(CCF CFTC 2023)会议程序概览
- 中国电子学会电路与系统分会第三十三届学术年会第一轮通知
- 中国电子学会电路与系统分会第三十二届学术年会暨第二届电子与信息科学前沿论坛第二轮通知
- 浙江大学“面向智能6G的通信-感知-计算技术” 研究生国际工作坊开讲啦！大咖云集，欢迎预约直播！
- 中国密码学会2022年密码芯片学术会议 （Crypto IC 2022）征文通知
作者服务中心
融媒体平台
more >
友情链接
more >
官方微信，欢迎关注
电子与信息学报
微信学术论坛群
