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/JEIT240090
摘要:
模块化高压电源具有高效率、高可靠性、可重构性等特点在大功率高压器件中得到广泛应用。其中基于串并联谐振变换器的输入串联输出串联型功率变换拓扑适用于高频高压工作环境，具有减少功率损耗，绕组介质损耗，利用多级变压器寄生参数等优势，有广泛的应用前景。目前关于该拓扑的研究主要集中于理论分析和效率优化，在实际高压环境应用中多级变压器绕组间存在的高压隔离问题还未得到有效解决，该文提出多级变压器共用原边绕组的设计，简化传统变压器单级绕制方式所存在的高压隔离问题。然而该绕制方案会造成多级变压器不均压和电压发散现象，因此该文同时基于利用变压器和倍压整流电路中二极管的寄生参数，提出改进的拓扑设计，有效解决了分压不均问题，进行了仿真验证与试验验证。仿真结果与实验结果均证明了所提共用原边绕组的高压隔离结构和改进拓扑的有效性。
模块化高压电源具有高效率、高可靠性、可重构性等特点在大功率高压器件中得到广泛应用。其中基于串并联谐振变换器的输入串联输出串联型功率变换拓扑适用于高频高压工作环境，具有减少功率损耗，绕组介质损耗，利用多级变压器寄生参数等优势，有广泛的应用前景。目前关于该拓扑的研究主要集中于理论分析和效率优化，在实际高压环境应用中多级变压器绕组间存在的高压隔离问题还未得到有效解决，该文提出多级变压器共用原边绕组的设计，简化传统变压器单级绕制方式所存在的高压隔离问题。然而该绕制方案会造成多级变压器不均压和电压发散现象，因此该文同时基于利用变压器和倍压整流电路中二极管的寄生参数，提出改进的拓扑设计，有效解决了分压不均问题，进行了仿真验证与试验验证。仿真结果与实验结果均证明了所提共用原边绕组的高压隔离结构和改进拓扑的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240188
摘要:
由于均匀圆阵(UCA)的阵列流型不具有范德蒙结构，通常采用模式空间方法构造虚拟线性阵列，因此，UCA阵列下使用结构变换已经是2维测向的必要基本假设。该文通过对虚拟信号模型进行特征分析，避免了线性阵列的结构变换，提出一种适用于UCA和非均匀圆阵(NUCA)的实值高效二维测向方法。因此，新方法利用经前/后向平滑的阵列协方差矩阵(FBACM)以及分离实虚部后的和差变换，获得了维度相互适配的阵列流型和实值子空间，理论揭示了所获实值子空间与原始复值子空间的线性张成关系，构建了无虚假目标的空间谱，且可以推广至NUCA，增强了实值算法对于圆形阵列结构的适应性。同时，理论揭示了上述方法具有秩增强优势。数值仿真实验表明，与传统UCA阵列下的模式空间方法相比，该文所提出方法能够在显着降低复杂性的情况下，提供相似的估计性能和更好的角度分辨率。同时，在考虑幅度和相位误差等情况时，所提出方法具有较强的鲁棒性。
由于均匀圆阵(UCA)的阵列流型不具有范德蒙结构，通常采用模式空间方法构造虚拟线性阵列，因此，UCA阵列下使用结构变换已经是2维测向的必要基本假设。该文通过对虚拟信号模型进行特征分析，避免了线性阵列的结构变换，提出一种适用于UCA和非均匀圆阵(NUCA)的实值高效二维测向方法。因此，新方法利用经前/后向平滑的阵列协方差矩阵(FBACM)以及分离实虚部后的和差变换，获得了维度相互适配的阵列流型和实值子空间，理论揭示了所获实值子空间与原始复值子空间的线性张成关系，构建了无虚假目标的空间谱，且可以推广至NUCA，增强了实值算法对于圆形阵列结构的适应性。同时，理论揭示了上述方法具有秩增强优势。数值仿真实验表明，与传统UCA阵列下的模式空间方法相比，该文所提出方法能够在显着降低复杂性的情况下，提供相似的估计性能和更好的角度分辨率。同时，在考虑幅度和相位误差等情况时，所提出方法具有较强的鲁棒性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240590
摘要:
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
针对农村偏远地区通信不畅的临时突发性问题，该文提出一种自适应的多无人机(UAV)辅助通感一体化(ISAC)机制，在地面用户和感测目标呈簇状随机分布的情况下，通过合理调度多无人机实现覆盖式通信保障，为无人机使能的通感一体系统提供了一种新的解决思路和方案。该文主要研究了无人机空间部署及其对地面设备的波束成形等问题，在空地关联约束条件下，系统可通过优化无人机的通信和感知波束成形变量组，最大限度地提高用户传输可达速率的下限，同时保证基本的通感需求。为了有效解决所考虑的非凸优化问题，该文借助基于高斯核的均值漂移算法(MS)，用以处理关联策略中的混合整型线性问题，此外，结合2次变换与连续凸逼近(SCA)的相关技巧，采用块坐标下降(BCD)的方式优化波束成形，以获取次优解。数值结果验证了自适应机制的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240426
摘要:
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240330
摘要:
许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像，但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练，但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性，该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层，使用预训练的条件自编码器初始化GAN以稳定模型训练；然后改进判别器的输出结构，引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响；最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络 (BAGAN)等过采样算法，能有效解决图像数据中的类不平衡问题。
许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像，但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练，但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性，该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层，使用预训练的条件自编码器初始化GAN以稳定模型训练；然后改进判别器的输出结构，引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响；最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络 (BAGAN)等过采样算法，能有效解决图像数据中的类不平衡问题。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240399
摘要:
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240161
摘要:
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式，从唇语视频序列中挖掘出时空联合特征。然而，由于单层的3维卷积不能很好地提取时间信息，同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限，该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中，采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征，同时提出时空坐标注意力模块，使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验，验证了所提方法的有效性。
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式，从唇语视频序列中挖掘出时空联合特征。然而，由于单层的3维卷积不能很好地提取时间信息，同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限，该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中，采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征，同时提出时空坐标注意力模块，使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验，验证了所提方法的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240242
摘要:
探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题，该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位，命名为双重YOLO关键点定位方法(DYKL)，用于地下目标的检测与精确定位。所提模型架构包含两个阶段：首先，第1阶段是基于YOLOv8-pose模型的GPR目标检测，以确定候选目标的位置；接着，第1阶段的部分训练权重被共享并传递到第2阶段，后者以此为基础继续训练YOLOv8-pose网络，用于候选目标特征的关键点检测及获取，从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、 更快的区域卷积网络(Faster R-CNN)、 实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较，所提模型平均识别准确率达到98.8%，性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性，可以为地下目标的精确定位提供参考。
探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题，该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位，命名为双重YOLO关键点定位方法(DYKL)，用于地下目标的检测与精确定位。所提模型架构包含两个阶段：首先，第1阶段是基于YOLOv8-pose模型的GPR目标检测，以确定候选目标的位置；接着，第1阶段的部分训练权重被共享并传递到第2阶段，后者以此为基础继续训练YOLOv8-pose网络，用于候选目标特征的关键点检测及获取，从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、 更快的区域卷积网络(Faster R-CNN)、 实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较，所提模型平均识别准确率达到98.8%，性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性，可以为地下目标的精确定位提供参考。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231394
摘要:
针对记忆网络算法中多尺度特征表达能力不足和浅层特征没有充分利用的问题，该文提出一种多尺度特征增强与全局-局部特征聚合的视频目标分割(VOS)算法。首先，通过多尺度特征增强模块融合可参考掩码分支和可参考RGB分支的不同尺度特征信息，增强多尺度特征的表达能力；同时，建立了全局-局部特征聚合模块，利用不同大小感受野的卷积操作来提取特征，并通过特征聚合模块来自适应地融合全局区域和局部区域的特征，这种融合方式可以更好地捕捉目标的全局特征和细节信息，提高分割的准确性；最后，设计了跨层融合模块，利用浅层特征的空间细节信息来提升分割掩码的精度，通过将浅层特征与深层特征融合，能更好地捕捉目标的细节和边缘信息。实验结果表明，在公开数据集DAVIS2016, DAVIS2017和YouTube-2018上，该文算法的综合性能分别达到91.8%、84.5%和83.0%，在单目标和多目标分割任务上都能实时运行。
针对记忆网络算法中多尺度特征表达能力不足和浅层特征没有充分利用的问题，该文提出一种多尺度特征增强与全局-局部特征聚合的视频目标分割(VOS)算法。首先，通过多尺度特征增强模块融合可参考掩码分支和可参考RGB分支的不同尺度特征信息，增强多尺度特征的表达能力；同时，建立了全局-局部特征聚合模块，利用不同大小感受野的卷积操作来提取特征，并通过特征聚合模块来自适应地融合全局区域和局部区域的特征，这种融合方式可以更好地捕捉目标的全局特征和细节信息，提高分割的准确性；最后，设计了跨层融合模块，利用浅层特征的空间细节信息来提升分割掩码的精度，通过将浅层特征与深层特征融合，能更好地捕捉目标的细节和边缘信息。实验结果表明，在公开数据集DAVIS2016, DAVIS2017和YouTube-2018上，该文算法的综合性能分别达到91.8%、84.5%和83.0%，在单目标和多目标分割任务上都能实时运行。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240524
摘要:
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例，其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷，攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题，该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先，Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本；其次，在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下，Draco-F算法通过简化输出函数进一步降低算法的硬件成本；最后，Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明：相对于Draco算法，Draco-F算法避免了Draco算法的安全漏洞，可以以128 bit的实际内部状态提供128 bit的安全级别；同时，Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240584
摘要:
大规模机器类通信 (mMTC) 是第5代移动通信系统的重要应用场景之一，可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性，该文引入可重构智能超表面 (RIS) 进行上行免授权的传输，由此级联形成用户与RIS、RIS与基站 (BS) 之间的信道链路，从而有效控制无线信号传输的质量。在此基础上，建立Turbo译码消息传递思想下的降噪学习系统，通过大量的训练数据，以学习RIS辅助的级联信道状态信息，并对其进行估计。此外，该文对RIS辅助的mMTC信道估计结果进行了统计分析，以验证所提方案的准确性。数值仿真结果和理论分析结果表明，该文方法优于其他压缩感知类的方法。
大规模机器类通信 (mMTC) 是第5代移动通信系统的重要应用场景之一，可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性，该文引入可重构智能超表面 (RIS) 进行上行免授权的传输，由此级联形成用户与RIS、RIS与基站 (BS) 之间的信道链路，从而有效控制无线信号传输的质量。在此基础上，建立Turbo译码消息传递思想下的降噪学习系统，通过大量的训练数据，以学习RIS辅助的级联信道状态信息，并对其进行估计。此外，该文对RIS辅助的mMTC信道估计结果进行了统计分析，以验证所提方案的准确性。数值仿真结果和理论分析结果表明，该文方法优于其他压缩感知类的方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240201
摘要:
现有的多模型-高斯混合-概率假设密度(MM-GM-PHD)滤波器被广泛用于不确定机动目标跟踪，但它不能在不同模型下保持并行的估计，导致各模型的似然值滞后于目标机动。为此，该文提出一种联合多高斯混合概率假设密度(JMGM-PHD)滤波器，并将其用于纯方位多目标跟踪。首先，推导了JMGM模型，其中每个单目标状态估计由一组并行的、带模型概率的高斯函数描述，该状态估计的概率由一个非负的权重来表征。一组权值、模型概率、均值和协方差被统称为JMGM分量。根据贝叶斯规则，推导了JMGM分量的更新方法。然后，利用JMGM模型近似多目标PHD。根据交互式多模型(IMM)规则，推导出JMGM分量的交互、预测和估计方法。将所提JMGM-PHD滤波器应用于纯方位跟踪(BOT)时，针对同时执行平移和旋转的观测站，基于复合函数求导规则推导出一种计算线性化观测矩阵的方法。所提JMGM-PHD滤波器保持了单模型PHD滤波器的形式，但能够自适应地跟踪不确定机动目标。仿真结果表明，JMGM-PHD滤波器克服了似然值滞后于目标机动的问题，在跟踪精度和计算成本方面均优于MM-GM-PHD滤波器。
现有的多模型-高斯混合-概率假设密度(MM-GM-PHD)滤波器被广泛用于不确定机动目标跟踪，但它不能在不同模型下保持并行的估计，导致各模型的似然值滞后于目标机动。为此，该文提出一种联合多高斯混合概率假设密度(JMGM-PHD)滤波器，并将其用于纯方位多目标跟踪。首先，推导了JMGM模型，其中每个单目标状态估计由一组并行的、带模型概率的高斯函数描述，该状态估计的概率由一个非负的权重来表征。一组权值、模型概率、均值和协方差被统称为JMGM分量。根据贝叶斯规则，推导了JMGM分量的更新方法。然后，利用JMGM模型近似多目标PHD。根据交互式多模型(IMM)规则，推导出JMGM分量的交互、预测和估计方法。将所提JMGM-PHD滤波器应用于纯方位跟踪(BOT)时，针对同时执行平移和旋转的观测站，基于复合函数求导规则推导出一种计算线性化观测矩阵的方法。所提JMGM-PHD滤波器保持了单模型PHD滤波器的形式，但能够自适应地跟踪不确定机动目标。仿真结果表明，JMGM-PHD滤波器克服了似然值滞后于目标机动的问题，在跟踪精度和计算成本方面均优于MM-GM-PHD滤波器。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT231025
摘要:
步态识别易受相机视角、服装和携带物等外界因素影响而性能下降。为此，该文将非刚性点集配准引入步态识别，利用相邻步态帧之间的形变场表征行走过程中人体轮廓发生的位移量，从而提升对人体形态变化的动态感知能力。在此基础上，该文提出一种基于人体轮廓形变场的双流卷积神经网络GaitDef，该网络模型由形变场和步态剪影两路特征提取分支构成。针对形变场数据的稀疏性设计多尺度特征提取模块，以获取形变场的多层次空间结构信息。针对步态剪影提出动态差异捕捉模块和上下文信息增强模块，以捕捉动态区域的变化特性和利用上下文信息增强步态表征能力。双分支网络的输出特征经过特征融合得到最终的步态表示。大量实验结果表明了该文方法的有效性，在CASIA-B和CCPG数据集上，该文方法的平均Rank-1准确率分别能达到93.5%和68.3%。
步态识别易受相机视角、服装和携带物等外界因素影响而性能下降。为此，该文将非刚性点集配准引入步态识别，利用相邻步态帧之间的形变场表征行走过程中人体轮廓发生的位移量，从而提升对人体形态变化的动态感知能力。在此基础上，该文提出一种基于人体轮廓形变场的双流卷积神经网络GaitDef，该网络模型由形变场和步态剪影两路特征提取分支构成。针对形变场数据的稀疏性设计多尺度特征提取模块，以获取形变场的多层次空间结构信息。针对步态剪影提出动态差异捕捉模块和上下文信息增强模块，以捕捉动态区域的变化特性和利用上下文信息增强步态表征能力。双分支网络的输出特征经过特征融合得到最终的步态表示。大量实验结果表明了该文方法的有效性，在CASIA-B和CCPG数据集上，该文方法的平均Rank-1准确率分别能达到93.5%和68.3%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240067
摘要:
导航信号认证服务处于初步部署阶段，认证信号对地覆盖重数无法满足独立定位授时需求，现有研究对这一阶段利用部分通过认证的信号，即可信信号，实现欺骗检测的方法关注度较低。针对这一现状，该文根据欺骗攻击原理，提出以可信信号为基准，基于可信信号伪距残差的欺骗检测方法，建立该场景下的欺骗检测模型，并分析影响所提方法检测性能的因素。经过仿真，在可信卫星数目为3颗、用户定位精度约10 m条件下，当欺骗导致的定位偏差为100 m时，该方法的平均欺骗检测概率可达0.96。此外，该文对算法欺骗检测盲区进行了分析，证明所提算法对于绝大部分欺骗导致的定位结果均有效。
导航信号认证服务处于初步部署阶段，认证信号对地覆盖重数无法满足独立定位授时需求，现有研究对这一阶段利用部分通过认证的信号，即可信信号，实现欺骗检测的方法关注度较低。针对这一现状，该文根据欺骗攻击原理，提出以可信信号为基准，基于可信信号伪距残差的欺骗检测方法，建立该场景下的欺骗检测模型，并分析影响所提方法检测性能的因素。经过仿真，在可信卫星数目为3颗、用户定位精度约10 m条件下，当欺骗导致的定位偏差为100 m时，该方法的平均欺骗检测概率可达0.96。此外，该文对算法欺骗检测盲区进行了分析，证明所提算法对于绝大部分欺骗导致的定位结果均有效。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT240013
摘要:
传统的组网雷达多目标误差配准方法通常假设数据关联关系已知，但在平台机动的情况下，系统同时存在雷达测量偏差和平台姿态角偏差，且雷达观测过程中会受到杂波干扰，导致数据关联尤为困难。针对这一问题，该文提出一种基于伯努利滤波的多目标机动雷达误差配准方法。首先建立系统偏差的量测与状态方程，然后将系统偏差建模成伯努利随机有限集，利用公共坐标系下的原始量测可实现系统偏差在伯努利滤波框架下的递推估计，有效避免了数据关联问题。同时，为了充分利用多目标量测信息，提出一种修正的贪婪量测划分方法，在每个滤波时刻挑选出系统偏差对应的最优量测子集，利用量测子集中的多量测信息实现系统偏差的集中式融合估计，提高了系统偏差的估计精度和收敛速度。仿真实验表明，所提方法能够在数据关联未知的多目标多杂波场景下对雷达测量偏差和平台姿态角偏差进行有效估计，在平台姿态角变化率较低时，所提方法具有较强的适应性。
传统的组网雷达多目标误差配准方法通常假设数据关联关系已知，但在平台机动的情况下，系统同时存在雷达测量偏差和平台姿态角偏差，且雷达观测过程中会受到杂波干扰，导致数据关联尤为困难。针对这一问题，该文提出一种基于伯努利滤波的多目标机动雷达误差配准方法。首先建立系统偏差的量测与状态方程，然后将系统偏差建模成伯努利随机有限集，利用公共坐标系下的原始量测可实现系统偏差在伯努利滤波框架下的递推估计，有效避免了数据关联问题。同时，为了充分利用多目标量测信息，提出一种修正的贪婪量测划分方法，在每个滤波时刻挑选出系统偏差对应的最优量测子集，利用量测子集中的多量测信息实现系统偏差的集中式融合估计，提高了系统偏差的估计精度和收敛速度。仿真实验表明，所提方法能够在数据关联未知的多目标多杂波场景下对雷达测量偏差和平台姿态角偏差进行有效估计，在平台姿态角变化率较低时，所提方法具有较强的适应性。
2024, 46(9): 3445-3455.
doi: 10.11999/JEIT240062
摘要:
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
2024, 46(9): 3456-3466.
doi: 10.11999/JEIT240167
摘要:
事件知识图谱(EKG)是一种可学习事件演化规律的特殊知识图谱，具有推理、预测等功能。针对电力调度业务数据量大、模态多、交互耦合等特点，该文详述了面向电力调度的事件知识图谱的数据集构建、主流方法、技术架构、评价指标、适用场景等，重点分析各场景的可行性，并在应用流程、输入输出、技术架构等方面给出方案，最后对其在电力调度业务长期发展面临的难点和可能的研究方向进行了展望。该文研究为研究电力调度领域特点、事件知识图谱优势和两者结合提供了参考，并为事件知识图谱在电力调度领域中的应用方向提供了指导性思路。
事件知识图谱(EKG)是一种可学习事件演化规律的特殊知识图谱，具有推理、预测等功能。针对电力调度业务数据量大、模态多、交互耦合等特点，该文详述了面向电力调度的事件知识图谱的数据集构建、主流方法、技术架构、评价指标、适用场景等，重点分析各场景的可行性，并在应用流程、输入输出、技术架构等方面给出方案，最后对其在电力调度业务长期发展面临的难点和可能的研究方向进行了展望。该文研究为研究电力调度领域特点、事件知识图谱优势和两者结合提供了参考，并为事件知识图谱在电力调度领域中的应用方向提供了指导性思路。
2024, 46(9): 3467-3473.
doi: 10.11999/JEIT240086
摘要:
随着深度强化学习(DRL)技术的广泛应用，基于DRL的可重构智能表面(RIS)辅助的通信感知一体化(ISAC)展现出巨大的潜力。然而，由于数据卸载和模型训练的高成本，基于现有ISAC框架实现网络智能仍面临着巨大的挑战。为了克服该问题，该文深入分析了DRL技术在ISAC领域的应用，探讨了RIS辅助的ISAC建模及其解决方案，该技术能够解决覆盖区域受限、算法复杂度高以及高频传输等问题。为了推动这些技术的实施，该文进一步讨论了RIS辅助ISAC网络中DRL技术的未来发展趋势，包括潜在的应用和需要解决的问题。
随着深度强化学习(DRL)技术的广泛应用，基于DRL的可重构智能表面(RIS)辅助的通信感知一体化(ISAC)展现出巨大的潜力。然而，由于数据卸载和模型训练的高成本，基于现有ISAC框架实现网络智能仍面临着巨大的挑战。为了克服该问题，该文深入分析了DRL技术在ISAC领域的应用，探讨了RIS辅助的ISAC建模及其解决方案，该技术能够解决覆盖区域受限、算法复杂度高以及高频传输等问题。为了推动这些技术的实施，该文进一步讨论了RIS辅助ISAC网络中DRL技术的未来发展趋势，包括潜在的应用和需要解决的问题。
2024, 46(9): 3474-3489.
doi: 10.11999/JEIT240091
摘要:
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
2024, 46(9): 3490-3502.
doi: 10.11999/JEIT231457
摘要:
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
2024, 46(9): 3503-3509.
doi: 10.11999/JEIT240120
摘要:
蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率，然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此，该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法，即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU)，在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法，该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP)，其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题，并用图形规划找到最优功率解后，使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性，该文设计了MaxMinCU算法用以最大化所有CU速率中的最小值，该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明，与小区和速率最大化(MaxSumCell)设计相比，该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。
蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率，然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此，该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法，即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU)，在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法，该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP)，其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题，并用图形规划找到最优功率解后，使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性，该文设计了MaxMinCU算法用以最大化所有CU速率中的最小值，该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明，与小区和速率最大化(MaxSumCell)设计相比，该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。
2024, 46(9): 3510-3519.
doi: 10.11999/JEIT240254
摘要:
面向恶劣自然环境下地面基础设施受损的铁路场景，该文提出一种无人机(UAV)通信感知一体化无线接入网络架构，实现对列车运行环境的实时感知及应急信息回传。考虑到无人机的续航能力有限，通过建立列车制动距离模型与无人机能耗模型，在满足信息回传通信性能与列车环境感知需求的情况下，联合调整无人机飞行速度和通信发射功率以优化无人机整体能耗。通过分析发现，该优化问题符合马尔可夫决策过程(MDP)，基于此，提出一种基于深度双Q网络(DDQN)的无人机通信感知一体化无线资源智能分配算法解决上述问题。最后，该文对所提算法的收敛性能、无人机环境感知距离和无人机能耗进行了仿真实验。仿真结果显示，所提算法具有良好的收敛性能，在满足铁路应急场景环境感知及信息回传需求的同时，能够最大化无人机通信作业时长。
面向恶劣自然环境下地面基础设施受损的铁路场景，该文提出一种无人机(UAV)通信感知一体化无线接入网络架构，实现对列车运行环境的实时感知及应急信息回传。考虑到无人机的续航能力有限，通过建立列车制动距离模型与无人机能耗模型，在满足信息回传通信性能与列车环境感知需求的情况下，联合调整无人机飞行速度和通信发射功率以优化无人机整体能耗。通过分析发现，该优化问题符合马尔可夫决策过程(MDP)，基于此，提出一种基于深度双Q网络(DDQN)的无人机通信感知一体化无线资源智能分配算法解决上述问题。最后，该文对所提算法的收敛性能、无人机环境感知距离和无人机能耗进行了仿真实验。仿真结果显示，所提算法具有良好的收敛性能，在满足铁路应急场景环境感知及信息回传需求的同时，能够最大化无人机通信作业时长。
2024, 46(9): 3520-3527.
doi: 10.11999/JEIT231460
摘要:
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
2024, 46(9): 3528-3536.
doi: 10.11999/JEIT240176
摘要:
该文针对地面中继辅助的星地融合网络(ISTNs)，分析了卫星采用不同解码方案时系统性能的差异。首先，提出一种新颖的用户配对方案，通过位置信息将卫星波束覆盖范围内的多个用户分为若干个组。接着，为了提高传输可靠性以及频谱利用率，用户采用混合多址接入技术与卫星进行通信。进一步，在考虑用户-地面中继链路服从Nakagami-m分布，地面中继-卫星链路服从相关阴影莱斯分布的情况下，分别推导出基于连续干扰消除(SIC)和联合解码(JD)两种解码方案的系统中断概率和吞吐量的闭合表达式。最后，计算机仿真验证了理论分析的正确性和所提方案相比正交多址(OMA)方案的优越性，并揭示了JD解码技术在ISTNs中的可行性。
该文针对地面中继辅助的星地融合网络(ISTNs)，分析了卫星采用不同解码方案时系统性能的差异。首先，提出一种新颖的用户配对方案，通过位置信息将卫星波束覆盖范围内的多个用户分为若干个组。接着，为了提高传输可靠性以及频谱利用率，用户采用混合多址接入技术与卫星进行通信。进一步，在考虑用户-地面中继链路服从Nakagami-m分布，地面中继-卫星链路服从相关阴影莱斯分布的情况下，分别推导出基于连续干扰消除(SIC)和联合解码(JD)两种解码方案的系统中断概率和吞吐量的闭合表达式。最后，计算机仿真验证了理论分析的正确性和所提方案相比正交多址(OMA)方案的优越性，并揭示了JD解码技术在ISTNs中的可行性。
2024, 46(9): 3537-3543.
doi: 10.11999/JEIT240007
摘要:
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
2024, 46(9): 3544-3552.
doi: 10.11999/JEIT240149
摘要:
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
2024, 46(9): 3553-3562.
doi: 10.11999/JEIT240151
摘要:
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
2024, 46(9): 3563-3570.
doi: 10.11999/JEIT230116
摘要:
该文从降低现有的Wi-Fi室内定位技术算法成本、保证定位精度的角度出发，提出了联合Spline插值的Wi-Fi指纹匹配定位算法。在构建信号强度指纹数据库方面，该文提出了稀疏指纹库的构建，大大降低了数据采集的工作量和硬件需求，并且提出将混合滤波与Spline插值方法结合，对稀疏指纹数据库进行丰富。在信号强度指纹数据库的插值方面，经过相同程度的混合滤波后，与已知的反距离加权(IDW)插值算法相比，联合Spline插值方法能够实现对数据库的精确填充，实现更高的定位精度；在指纹匹配定位方面，采用K最邻近(KNN)等匹配算法实现高精度定位。通过仿真实验证明，该文所提出的联合Spline插值的Wi-Fi的指纹定位方法能够在仅需要构建低成本稀疏指纹数据库的前提下，保证较高的定位精度。
该文从降低现有的Wi-Fi室内定位技术算法成本、保证定位精度的角度出发，提出了联合Spline插值的Wi-Fi指纹匹配定位算法。在构建信号强度指纹数据库方面，该文提出了稀疏指纹库的构建，大大降低了数据采集的工作量和硬件需求，并且提出将混合滤波与Spline插值方法结合，对稀疏指纹数据库进行丰富。在信号强度指纹数据库的插值方面，经过相同程度的混合滤波后，与已知的反距离加权(IDW)插值算法相比，联合Spline插值方法能够实现对数据库的精确填充，实现更高的定位精度；在指纹匹配定位方面，采用K最邻近(KNN)等匹配算法实现高精度定位。通过仿真实验证明，该文所提出的联合Spline插值的Wi-Fi的指纹定位方法能够在仅需要构建低成本稀疏指纹数据库的前提下，保证较高的定位精度。
2024, 46(9): 3571-3582.
doi: 10.11999/JEIT240112
摘要:
针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性，该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下，以最大化蜂窝用户容量为目标，设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配，采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明，所提算法收敛性较好，且与基准方案相比能有效地提升用户信道容量。
针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性，该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下，以最大化蜂窝用户容量为目标，设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配，采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明，所提算法收敛性较好，且与基准方案相比能有效地提升用户信道容量。
2024, 46(9): 3583-3591.
doi: 10.11999/JEIT240203
摘要:
针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象，传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测，易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法，充分利用无人机的微动特征，能够在复杂环境下提高检测精度。首先，参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号，利用YOLOv5s检测微多普勒闪烁脉冲，有效提取位置信息；然后，引入雷达信号分选方法的脉冲重复间隔(PRI)变换，分类获得无人机编队数量；最后，利用K-means算法验证无人机编队检测方法的准确性。结果表明，所提方法在信噪比2 dB时7架无人机的检测精度高于90%，能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。
针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象，传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测，易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法，充分利用无人机的微动特征，能够在复杂环境下提高检测精度。首先，参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号，利用YOLOv5s检测微多普勒闪烁脉冲，有效提取位置信息；然后，引入雷达信号分选方法的脉冲重复间隔(PRI)变换，分类获得无人机编队数量；最后，利用K-means算法验证无人机编队检测方法的准确性。结果表明，所提方法在信噪比2 dB时7架无人机的检测精度高于90%，能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。
2024, 46(9): 3592-3601.
doi: 10.11999/JEIT231408
摘要:
浅海中传播的低频声波具有多模态特征和频散效应。对接收声信号消频散变换(DDT)可以消除频散效应，实现被动估计声源距离。针对消频散变换存在的测距多值问题，该文提出一种利用功率谱密度消频散变换的被动测距方法(PSD-DDT)。首先使用声场模型KRAKEN计算模态的水平波数；其次在只知道波导不变量大概范围的情况下，估计两个模态之间的频散常数；然后对保留了模态间干涉项的功率谱密度进行消频散变换；最后获得目标距离的估计值为PSD-DDT极大值对应的自变量与频散常数的比值。另外，当海洋参数未知时，需要分别对待测声源和引导声源进行PSD-DDT，利用自变量的比值确定声源距离，这种方法不需要估计频散常数。通过仿真和海试验证了PSD-DDT方法被动测距的有效性，并分析了波导不变量、模态阶数、噪声等因素对距离估计结果的影响。基于黄海试验结果，与DDT方法相比，PSD-DDT的测距误差下降了约49.2%。在35 km范围内最优波导不变量对应的平均相对误差约2.55%，被动测距精度较高。
浅海中传播的低频声波具有多模态特征和频散效应。对接收声信号消频散变换(DDT)可以消除频散效应，实现被动估计声源距离。针对消频散变换存在的测距多值问题，该文提出一种利用功率谱密度消频散变换的被动测距方法(PSD-DDT)。首先使用声场模型KRAKEN计算模态的水平波数；其次在只知道波导不变量大概范围的情况下，估计两个模态之间的频散常数；然后对保留了模态间干涉项的功率谱密度进行消频散变换；最后获得目标距离的估计值为PSD-DDT极大值对应的自变量与频散常数的比值。另外，当海洋参数未知时，需要分别对待测声源和引导声源进行PSD-DDT，利用自变量的比值确定声源距离，这种方法不需要估计频散常数。通过仿真和海试验证了PSD-DDT方法被动测距的有效性，并分析了波导不变量、模态阶数、噪声等因素对距离估计结果的影响。基于黄海试验结果，与DDT方法相比，PSD-DDT的测距误差下降了约49.2%。在35 km范围内最优波导不变量对应的平均相对误差约2.55%，被动测距精度较高。
2024, 46(9): 3602-3610.
doi: 10.11999/JEIT231440
摘要:
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
2024, 46(9): 3611-3618.
doi: 10.11999/JEIT240123
摘要:
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离维上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测器。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，与已有检测方法相比，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离维上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测器。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，与已有检测方法相比，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
2024, 46(9): 3619-3628.
doi: 10.11999/JEIT240130
摘要:
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
2024, 46(9): 3629-3636.
doi: 10.11999/JEIT240057
摘要:
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
2024, 46(9): 3637-3645.
doi: 10.11999/JEIT231428
摘要:
该文研究了一种加载人工磁导体(AMC)的双频柔性可穿戴天线，天线的谐振频率为3.5 GHz和5.8 GHz。天线由双频单极子天线和4×4阵列的双频人工磁导体构成，均采用柔性材料作为介质基板。天线尺寸为0.70\begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document}
该文研究了一种加载人工磁导体(AMC)的双频柔性可穿戴天线，天线的谐振频率为3.5 GHz和5.8 GHz。天线由双频单极子天线和4×4阵列的双频人工磁导体构成，均采用柔性材料作为介质基板。天线尺寸为0.70
2024, 46(9): 3646-3653.
doi: 10.11999/JEIT240223
摘要:
深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中，显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此，该文提出一种多尺度多输入的互补分类网络(MCCN)来实现更高效且更准确的HEVC帧内CTU深度划分。首先，提出一种多尺度多输入的卷积神经网络(MMCNN)，通过融合不同尺度CU的特征来建立CU间的关联，进一步提升网络的表达能力。然后，提出一种互补的分类策略(CCS)，通过结合二分类和三分类，并采用投票机制来决定CTU中每个CU的最终深度值，有效避免了现有方法中存在的错误累积效应，实现了更准确的CTU深度划分。大量的实验结果表明，该文所提MCCN能够更大程度降低HEVC编码的复杂度，同时实现更准确的CTU深度划分: 仅以增加3.18%的平均增量比特率(BD-BR)为代价，降低了71.49%的平均编码复杂度。同时，预测32×32 CU和16×16 CU的深度准确率分别提升了0.65%～0.93%和2.14%～9.27%。
深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中，显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此，该文提出一种多尺度多输入的互补分类网络(MCCN)来实现更高效且更准确的HEVC帧内CTU深度划分。首先，提出一种多尺度多输入的卷积神经网络(MMCNN)，通过融合不同尺度CU的特征来建立CU间的关联，进一步提升网络的表达能力。然后，提出一种互补的分类策略(CCS)，通过结合二分类和三分类，并采用投票机制来决定CTU中每个CU的最终深度值，有效避免了现有方法中存在的错误累积效应，实现了更准确的CTU深度划分。大量的实验结果表明，该文所提MCCN能够更大程度降低HEVC编码的复杂度，同时实现更准确的CTU深度划分: 仅以增加3.18%的平均增量比特率(BD-BR)为代价，降低了71.49%的平均编码复杂度。同时，预测32×32 CU和16×16 CU的深度准确率分别提升了0.65%～0.93%和2.14%～9.27%。
2024, 46(9): 3654-3661.
doi: 10.11999/JEIT231439
摘要:
在复杂水下环境中，主动声呐的量测值在距离和方位分辨率上存在较大的不确定性，即一个目标回波的能量可能覆盖声呐距离-方位能量谱的多个相邻位置网格。并且，当环境中混响较强时，上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差，基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度，跟踪的实时性急剧降低。针对上述问题，该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF)，对主动声呐量测值进行区间表示，即用一个表示距离和方位区间的箱粒子代替点值量测，用区间表示这种量测不确定性，在提高状态估计稳定性的同时，极大程度地减少了后验概率密度估计所需的粒子数，从而进一步提高计算效率。实验结果表明，所提IBPF与PF相比，能以更高的计算效率获得更优的跟踪性能，对目标的跟踪时间缩短了18.06%，跟踪成功帧数增加了4.29%。
在复杂水下环境中，主动声呐的量测值在距离和方位分辨率上存在较大的不确定性，即一个目标回波的能量可能覆盖声呐距离-方位能量谱的多个相邻位置网格。并且，当环境中混响较强时，上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差，基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度，跟踪的实时性急剧降低。针对上述问题，该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF)，对主动声呐量测值进行区间表示，即用一个表示距离和方位区间的箱粒子代替点值量测，用区间表示这种量测不确定性，在提高状态估计稳定性的同时，极大程度地减少了后验概率密度估计所需的粒子数，从而进一步提高计算效率。实验结果表明，所提IBPF与PF相比，能以更高的计算效率获得更优的跟踪性能，对目标的跟踪时间缩短了18.06%，跟踪成功帧数增加了4.29%。
2024, 46(9): 3662-3671.
doi: 10.11999/JEIT240318
摘要:
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
2024, 46(9): 3672-3682.
doi: 10.11999/JEIT240364
摘要:
弱监督语义分割方法可以节省大量的人工标注成本，在病理全切片图像(WSI)的分析中有着广泛应用。针对弱监督多实例学习(MIL)方法在病理图像分析中存在的像素实例相互独立缺乏依赖关系，分割结果局部不一致和图像级标签监督信息不充分的问题，该文提出一种全局感知与稀疏特征关联图像级弱监督的端到端多实例学习方法(DASMob-MIL)。首先，为克服像素实例之间的独立性，使用局部感知网络提取特征以建立局部像素依赖，并级联交叉注意力模块构建全局信息感知分支(GIPB)以建立全局像素依赖关系。其次，引入像素自适应细化模块(PAR)，通过多尺度邻域局部稀疏特征之间的相似性构建亲和核，解决了弱监督语义分割结果局部不一致的问题。最后，设计深度关联监督模块(DAS)，通过对多阶段特征图生成的分割图进行加权融合，并使用权重因子关联损失函数以优化训练过程，以降低弱监督图像级标签监督信息不充分的影响。DASMob-MIL模型在自建的结直肠癌数据集YN-CRC和公共弱监督组织病理学图像数据集LUAD-HistoSeg-BC上与其他模型相比展示出了先进的分割性能，模型权重仅为14 MB，在YN-CRC数据集上F1 Score达到了89.5%，比先进的多层伪监督(MLPS)模型提高了3%。实验结果表明，DASMob-MIL仅使用图像级标签实现了像素级的分割，有效改善了弱监督组织病理学图像的分割性能。
弱监督语义分割方法可以节省大量的人工标注成本，在病理全切片图像(WSI)的分析中有着广泛应用。针对弱监督多实例学习(MIL)方法在病理图像分析中存在的像素实例相互独立缺乏依赖关系，分割结果局部不一致和图像级标签监督信息不充分的问题，该文提出一种全局感知与稀疏特征关联图像级弱监督的端到端多实例学习方法(DASMob-MIL)。首先，为克服像素实例之间的独立性，使用局部感知网络提取特征以建立局部像素依赖，并级联交叉注意力模块构建全局信息感知分支(GIPB)以建立全局像素依赖关系。其次，引入像素自适应细化模块(PAR)，通过多尺度邻域局部稀疏特征之间的相似性构建亲和核，解决了弱监督语义分割结果局部不一致的问题。最后，设计深度关联监督模块(DAS)，通过对多阶段特征图生成的分割图进行加权融合，并使用权重因子关联损失函数以优化训练过程，以降低弱监督图像级标签监督信息不充分的影响。DASMob-MIL模型在自建的结直肠癌数据集YN-CRC和公共弱监督组织病理学图像数据集LUAD-HistoSeg-BC上与其他模型相比展示出了先进的分割性能，模型权重仅为14 MB，在YN-CRC数据集上F1 Score达到了89.5%，比先进的多层伪监督(MLPS)模型提高了3%。实验结果表明，DASMob-MIL仅使用图像级标签实现了像素级的分割，有效改善了弱监督组织病理学图像的分割性能。
2024, 46(9): 3683-3692.
doi: 10.11999/JEIT240189
摘要:
为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题，该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先，引入迭代扩展卷积模块(IDC)作为编码器的主体，提取远距离像素的相关性；其次，设计方向感知增强模块(DAE)增强垂直方向的特征提取，为深度估计模型提供更多的深度线索；此外，通过聚合视差图特征改善解码器上采样过程中的细节丢失问题；最后，采用特征注意力模块(FAM)连接编解码器，有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明，该文模型参数量仅2.9M，取得\begin{document}$ \delta $\end{document}
为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题，该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先，引入迭代扩展卷积模块(IDC)作为编码器的主体，提取远距离像素的相关性；其次，设计方向感知增强模块(DAE)增强垂直方向的特征提取，为深度估计模型提供更多的深度线索；此外，通过聚合视差图特征改善解码器上采样过程中的细节丢失问题；最后，采用特征注意力模块(FAM)连接编解码器，有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明，该文模型参数量仅2.9M，取得
2024, 46(9): 3693-3702.
doi: 10.11999/JEIT240178
摘要:
多模态融合方法能够利用不同模态的互补特性有效提升地物分类的准确性，近年来成为各领域的研究热点。现有多模态融合方法被成功应用于面向高光谱图像(HSI)和激光雷达(LiDAR)的联合分类任务。然而，现有的研究仍面临许多挑战，包括地物间空间依赖关系难捕获，多模态数据中判别性信息难获取等。为应对上述挑战，该文将多模态、多尺度、多视角特征融合整合到一个统一的框架中，提出一种尺度自适应融合网络(SAFN)。首先，提出动态多尺度图模块以捕获地物复杂的空间依赖关系，提升模型对不规则地物以及尺度迥异地物的适应能力。其次，基于激光雷达和高光谱图像的互补特性，约束同一空间近邻区域内的地物具有相近的特征表示，获取判别性遥感特征。然后，提出多模态空-谱融合模块，建立多模态、多尺度、多视角特征间的信息交互，捕获各特征间可共享的类辨识信息，为地物分类任务提供具有判别性的融合特征。最后，将融合特征输入分类器中得到类别概率得分，对地物类别进行预测。为验证方法的有效性，该文在3个数据集(Houston, Trento, MUUFL)上进行了实验。实验结果表明，与现有主流算法相比较，SAFN在多源遥感数据分类任务中取得了最佳的视觉效果和最高精度。
多模态融合方法能够利用不同模态的互补特性有效提升地物分类的准确性，近年来成为各领域的研究热点。现有多模态融合方法被成功应用于面向高光谱图像(HSI)和激光雷达(LiDAR)的联合分类任务。然而，现有的研究仍面临许多挑战，包括地物间空间依赖关系难捕获，多模态数据中判别性信息难获取等。为应对上述挑战，该文将多模态、多尺度、多视角特征融合整合到一个统一的框架中，提出一种尺度自适应融合网络(SAFN)。首先，提出动态多尺度图模块以捕获地物复杂的空间依赖关系，提升模型对不规则地物以及尺度迥异地物的适应能力。其次，基于激光雷达和高光谱图像的互补特性，约束同一空间近邻区域内的地物具有相近的特征表示，获取判别性遥感特征。然后，提出多模态空-谱融合模块，建立多模态、多尺度、多视角特征间的信息交互，捕获各特征间可共享的类辨识信息，为地物分类任务提供具有判别性的融合特征。最后，将融合特征输入分类器中得到类别概率得分，对地物类别进行预测。为验证方法的有效性，该文在3个数据集(Houston, Trento, MUUFL)上进行了实验。实验结果表明，与现有主流算法相比较，SAFN在多源遥感数据分类任务中取得了最佳的视觉效果和最高精度。
2024, 46(9): 3703-3712.
doi: 10.11999/JEIT240277
摘要:
针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题，该文提出一种新的端到端算法。在检测方面，首先基于特征金字塔网络，提出空间残差特征金字塔模块(SRFPN)，以提升特征融合和信息传递的效率。随后，引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息，增强多尺度特征的专注度，提高模型对目标尺度变化的适应性。在关联方面，引入角动量机制(AMM)，充分考虑目标运动方向，以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证，所提跟踪器的检测性能和关联性能均显著提升，并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。
针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题，该文提出一种新的端到端算法。在检测方面，首先基于特征金字塔网络，提出空间残差特征金字塔模块(SRFPN)，以提升特征融合和信息传递的效率。随后，引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息，增强多尺度特征的专注度，提高模型对目标尺度变化的适应性。在关联方面，引入角动量机制(AMM)，充分考虑目标运动方向，以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证，所提跟踪器的检测性能和关联性能均显著提升，并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。
2024, 46(9): 3713-3721.
doi: 10.11999/JEIT240025
摘要:
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
2024, 46(9): 3722-3730.
doi: 10.11999/JEIT240102
摘要:
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型(LSTMs)并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型(LSTMs)并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
2024, 46(9): 3731-3738.
doi: 10.11999/JEIT240218
摘要:
随着深度学习和计算机视觉技术的飞速发展，遥感场景分类任务对预训练模型的微调通常需要大量的计算资源。为了减少内存需求和训练成本，该文提出一种名为“多尺度融合适配器微调(MuFA)”的方法，用于遥感模型的微调。MuFA引入了一个多尺度融合模块，将不同下采样倍率的瓶颈模块相融合，并与原始视觉Transformer模型并联。在训练过程中，原始视觉Transformer模型的参数被冻结，只有MuFA模块和分类头会进行微调。实验结果表明，MuFA在UCM和NWPU-RESISC45两个遥感场景分类数据集上取得了优异的性能，超越了其他参数高效微调方法。因此，MuFA不仅保持了模型性能，还降低了资源开销，具有广泛的遥感应用前景。
随着深度学习和计算机视觉技术的飞速发展，遥感场景分类任务对预训练模型的微调通常需要大量的计算资源。为了减少内存需求和训练成本，该文提出一种名为“多尺度融合适配器微调(MuFA)”的方法，用于遥感模型的微调。MuFA引入了一个多尺度融合模块，将不同下采样倍率的瓶颈模块相融合，并与原始视觉Transformer模型并联。在训练过程中，原始视觉Transformer模型的参数被冻结，只有MuFA模块和分类头会进行微调。实验结果表明，MuFA在UCM和NWPU-RESISC45两个遥感场景分类数据集上取得了优异的性能，超越了其他参数高效微调方法。因此，MuFA不仅保持了模型性能，还降低了资源开销，具有广泛的遥感应用前景。
2024, 46(9): 3739-3748.
doi: 10.11999/JEIT231436
摘要:
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma分布、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma分布、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
2024, 46(9): 3749-3756.
doi: 10.11999/JEIT231047
摘要:
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
2024, 46(9): 3757-3762.
doi: 10.11999/JEIT240309
摘要:
互补序列集凭借其理想的非周期自相关函数特性，在通信与感知领域得到广泛应用。针对互补序列集长度受限的问题，该文以基序列为初始序列，利用级联算子和交织算子提出两类二元互补序列集的新构造方法。所提构造填补了二元互补序列集在特定长度上的空白，并解决了由Adhikary和Majhi提出的公开问题。
互补序列集凭借其理想的非周期自相关函数特性，在通信与感知领域得到广泛应用。针对互补序列集长度受限的问题，该文以基序列为初始序列，利用级联算子和交织算子提出两类二元互补序列集的新构造方法。所提构造填补了二元互补序列集在特定长度上的空白，并解决了由Adhikary和Majhi提出的公开问题。
2024, 46(9): 3763-3770.
doi: 10.11999/JEIT240028
摘要:
保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方字符串排序方案尚处于探索中，该文基于改进的SM2同态加密算法与门限密码算法，提出半诚实模型下的保密多方单字符排序协议，进一步构造基于权重的保密单字符排序协议以及保密多方字符串排序协议。使用模拟范例对3种协议进行安全性证明，并对协议进行性能分析与仿真实验，结果表明该文提出的保密多方单字符排序协议与保密多方字符串排序协议性能相较现有同类方案均有明显提升。
保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方字符串排序方案尚处于探索中，该文基于改进的SM2同态加密算法与门限密码算法，提出半诚实模型下的保密多方单字符排序协议，进一步构造基于权重的保密单字符排序协议以及保密多方字符串排序协议。使用模拟范例对3种协议进行安全性证明，并对协议进行性能分析与仿真实验，结果表明该文提出的保密多方单字符排序协议与保密多方字符串排序协议性能相较现有同类方案均有明显提升。
2024, 46(9): 3771-3776.
doi: 10.11999/JEIT231434
摘要:
DNA折纸结构是蕴含复杂序列折叠信息的纳米结构，为发展具有超大密钥空间的信息加密技术提供了新思路。该文设计了一种能够充分发挥DNA折纸结构信息特征的信息加密策略，与先前利用DNA折纸骨架链折叠的思路不同，该文基于订书钉链集合的非线性组合特征，提出通过探索其更为广阔的折叠多样性来实现更大的密钥空间。该策略的密钥空间计算模型分解为订书钉链的结合域模式、协同折叠以及独立性3个因素，分别考虑了订书钉链的链内区段分布性、链间排布多样性以及序列特异性。以上3种因素的组合，使单位几何空间内DNA折纸的折叠多样性更有效地转化为密钥空间。该策略是一种基于生物分子热力学的加密方式，为扩展信息安全的应用场景提供了新的可能。
DNA折纸结构是蕴含复杂序列折叠信息的纳米结构，为发展具有超大密钥空间的信息加密技术提供了新思路。该文设计了一种能够充分发挥DNA折纸结构信息特征的信息加密策略，与先前利用DNA折纸骨架链折叠的思路不同，该文基于订书钉链集合的非线性组合特征，提出通过探索其更为广阔的折叠多样性来实现更大的密钥空间。该策略的密钥空间计算模型分解为订书钉链的结合域模式、协同折叠以及独立性3个因素，分别考虑了订书钉链的链内区段分布性、链间排布多样性以及序列特异性。以上3种因素的组合，使单位几何空间内DNA折纸的折叠多样性更有效地转化为密钥空间。该策略是一种基于生物分子热力学的加密方式，为扩展信息安全的应用场景提供了新的可能。
2024, 46(9): 3777-3787.
doi: 10.11999/JEIT240030
摘要:
智能交通领域中实时准确地交通流预测一直是城市发展中的重中之重，这对提高路网运行效率起着至关重要的作用。现有的交通流预测方法大多是基于机器学习的，忽略了客户端不愿意参与预测任务或者为获得高奖励而撒谎的情况，从而在模型聚合时导致交通流预测的准确率下降。该文提出一种基于区块链和联邦学习融合的交通流预测方法(TFPM-BFL)来解决这一问题。在该方法中，利用加入了注意机制的长短期记忆网络(LSTM)模型进行本地预测，提高预测准确率；设计了基于信誉评定的激励机制，通过评估客户端上传的模型质量得到本地和局部信誉值，根据信誉值评定结果进行奖励分配，从而激励客户端参与联邦学习(FL)；边缘服务器(ES)采用基于信誉值和压缩率的模型聚合方法来提高模型聚合质量。仿真结果表明，TFPM-BFL能够实现准确、及时地交通流预测，在保证底层数据私密的同时可以有效地激励客户端参与联邦学习任务，而且可以实现高质量的模型聚合。
智能交通领域中实时准确地交通流预测一直是城市发展中的重中之重，这对提高路网运行效率起着至关重要的作用。现有的交通流预测方法大多是基于机器学习的，忽略了客户端不愿意参与预测任务或者为获得高奖励而撒谎的情况，从而在模型聚合时导致交通流预测的准确率下降。该文提出一种基于区块链和联邦学习融合的交通流预测方法(TFPM-BFL)来解决这一问题。在该方法中，利用加入了注意机制的长短期记忆网络(LSTM)模型进行本地预测，提高预测准确率；设计了基于信誉评定的激励机制，通过评估客户端上传的模型质量得到本地和局部信誉值，根据信誉值评定结果进行奖励分配，从而激励客户端参与联邦学习(FL)；边缘服务器(ES)采用基于信誉值和压缩率的模型聚合方法来提高模型聚合质量。仿真结果表明，TFPM-BFL能够实现准确、及时地交通流预测，在保证底层数据私密的同时可以有效地激励客户端参与联邦学习任务，而且可以实现高质量的模型聚合。
2024, 46(9): 3788-3796.
doi: 10.11999/JEIT240141
摘要:
车联网(IoVs)广泛用于获取车辆和道路状况等信息，但是这些信息都是在公共信道中进行传输，所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中，认证是解决数据安全最常用的方法，但是由于车联网的资源受限和对延迟敏感等特点，车辆认证需要在一定的消耗和延迟内完成。然而，现有方案容易遭受物理、伪造和共谋等攻击，同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证，抵御攻击者对实体的物理和共谋等攻击；采用车路云协同的架构，在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算，大大减轻了TA的计算压力，并将挑战响应对(CRPs)的更新应用到假名的构造更新中，保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中，通过与其它方案进行比较，表明该方案更加安全和高效。
车联网(IoVs)广泛用于获取车辆和道路状况等信息，但是这些信息都是在公共信道中进行传输，所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中，认证是解决数据安全最常用的方法，但是由于车联网的资源受限和对延迟敏感等特点，车辆认证需要在一定的消耗和延迟内完成。然而，现有方案容易遭受物理、伪造和共谋等攻击，同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证，抵御攻击者对实体的物理和共谋等攻击；采用车路云协同的架构，在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算，大大减轻了TA的计算压力，并将挑战响应对(CRPs)的更新应用到假名的构造更新中，保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中，通过与其它方案进行比较，表明该方案更加安全和高效。
2024, 46(9): 3797-3806.
doi: 10.11999/JEIT240060
摘要:
种子自适应变异调度策略是基于变异的模糊测试中最新的技术，该技术能够根据种子的语法和语义特征自适应地调整变异算子的概率分布，然而其存在两个问题：(1)无法根据变异位置自适应地调整概率分布；(2)使用的汤普森采样算法在模糊测试场景中容易导致学习到的概率分布接近平均分布，进而导致变异调度策略失效。针对上述问题，该文提出一种位置自适应变异调度策略，通过一种自定义的双层多臂老虎机模型为变异位置和变异算子建立联系，并且采用置信区间上界算法选择变异算子，实现位置自适应的同时避免了出现平均分布的问题。基于American Fuzzy Lop(AFL)实现了位置自适应的模糊测试器 (PAMSSAFL)，实验结果表明位置自适应的变异调度策略能明显提升模糊测试器的bug发现能力和覆盖能力。
种子自适应变异调度策略是基于变异的模糊测试中最新的技术，该技术能够根据种子的语法和语义特征自适应地调整变异算子的概率分布，然而其存在两个问题：(1)无法根据变异位置自适应地调整概率分布；(2)使用的汤普森采样算法在模糊测试场景中容易导致学习到的概率分布接近平均分布，进而导致变异调度策略失效。针对上述问题，该文提出一种位置自适应变异调度策略，通过一种自定义的双层多臂老虎机模型为变异位置和变异算子建立联系，并且采用置信区间上界算法选择变异算子，实现位置自适应的同时避免了出现平均分布的问题。基于American Fuzzy Lop(AFL)实现了位置自适应的模糊测试器 (PAMSSAFL)，实验结果表明位置自适应的变异调度策略能明显提升模糊测试器的bug发现能力和覆盖能力。
2024, 46(9): 3807-3817.
doi: 10.11999/JEIT231099
摘要:
常开型智能视觉感算系统对图像边缘特征提取的精度和实时性要求更高，其硬件能耗也随之暴增。采用模拟减法器代替传统数字处理在模拟域同步实现感知和边缘特征提取，可有效降低感存算一体系统的整体能耗，但与此同时，突破10–7 s数量级的长计算时间也成为了模拟减法器设计的瓶颈。该文提出一种新型的模拟减法运算电路结构，由模拟域的信号采样和减法运算两个功能电路组成。信号采样电路进一步由经改进的自举采样开关和采样电容组成；减法运算则由所提出的一种新型开关电容式模拟减法电路执行，可在2次采样时间内实现3次减法运算的高速并行处理。基于TSMC 180 nm/1.8 V CMOS工艺，完成整体模拟减法运算电路的设计。仿真实验结果表明，该减法器能够实现在模拟域中信号采样与计算的同步并行处理，一次并行处理的周期仅为20 ns，具备高速计算能力；减法器的计算取值范围宽至–900～900 mV，相对误差小于1.65%，最低仅为0.1%左右，处理精度高；电路能耗为25～27.8 pJ，处于中等可接受水平。综上，所提模拟减法器具备良好的速度、精度和能耗的性能平衡，可有效适用于高性能常开型智能视觉感知系统。
常开型智能视觉感算系统对图像边缘特征提取的精度和实时性要求更高，其硬件能耗也随之暴增。采用模拟减法器代替传统数字处理在模拟域同步实现感知和边缘特征提取，可有效降低感存算一体系统的整体能耗，但与此同时，突破10–7 s数量级的长计算时间也成为了模拟减法器设计的瓶颈。该文提出一种新型的模拟减法运算电路结构，由模拟域的信号采样和减法运算两个功能电路组成。信号采样电路进一步由经改进的自举采样开关和采样电容组成；减法运算则由所提出的一种新型开关电容式模拟减法电路执行，可在2次采样时间内实现3次减法运算的高速并行处理。基于TSMC 180 nm/1.8 V CMOS工艺，完成整体模拟减法运算电路的设计。仿真实验结果表明，该减法器能够实现在模拟域中信号采样与计算的同步并行处理，一次并行处理的周期仅为20 ns，具备高速计算能力；减法器的计算取值范围宽至–900～900 mV，相对误差小于1.65%，最低仅为0.1%左右，处理精度高；电路能耗为25～27.8 pJ，处于中等可接受水平。综上，所提模拟减法器具备良好的速度、精度和能耗的性能平衡，可有效适用于高性能常开型智能视觉感知系统。
2024, 46(9): 3818-3826.
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。
编辑部公告
more >
- 专题征文丨6G通感算一体化
- 中国工程界最高奖项！电子与信息学报主编付琨研究员荣膺光华工程科技奖
- 专题征文 | “低空智能网联关键技术与应用”
- 专题征文 | “面向泛在互联的超可靠低时延卫星通信”
- 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
学术动态
more >
- 第三届电子与信息前沿学术会议在南京隆重召开
- 详细议程 | 第三届电子与信息前沿学术会议第二轮通知
- 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
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
