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/JEIT221491
摘要:
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT221517
摘要:
由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负，边缘计算网络(ECN)被提出以减轻云服务器的负担。此外，在ECN中启用联邦学习(FL)，可以实现数据本地化处理，从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中，中央服务器容易受到单点攻击，导致系统性能下降，甚至任务失败。本文在ECN场景下，提出基于区块链技术的异步FL算法(AFLChain)，该算法基于ENs算力动态分配训练任务，以提高学习效率。此外，基于ENs算力、模型训练进度以及历史信誉值，引入熵权信誉机制评估ENs积极性并对其分级，淘汰低质EN以进一步提高AFLChain的性能。最后，提出基于次梯度的最优资源分配(SORA)算法，通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况，证明了所提算法的有效性。
由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负，边缘计算网络(ECN)被提出以减轻云服务器的负担。此外，在ECN中启用联邦学习(FL)，可以实现数据本地化处理，从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中，中央服务器容易受到单点攻击，导致系统性能下降，甚至任务失败。本文在ECN场景下，提出基于区块链技术的异步FL算法(AFLChain)，该算法基于ENs算力动态分配训练任务，以提高学习效率。此外，基于ENs算力、模型训练进度以及历史信誉值，引入熵权信誉机制评估ENs积极性并对其分级，淘汰低质EN以进一步提高AFLChain的性能。最后，提出基于次梯度的最优资源分配(SORA)算法，通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况，证明了所提算法的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT221496
摘要:
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230072
摘要:
针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统，该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开，利用去噪卷积神经网络代替传统的去噪器，对含噪的时延多普勒信道进行去噪估计，然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明，相比于其他估计方案，该方案不仅在低信噪比条件下具有优越的性能表现，而且还具有非常好的鲁棒性，在信道路径总数不变时，增加OTFS 2维网格点数量，可以有效提升信道估计精确度。
针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统，该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开，利用去噪卷积神经网络代替传统的去噪器，对含噪的时延多普勒信道进行去噪估计，然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明，相比于其他估计方案，该方案不仅在低信噪比条件下具有优越的性能表现，而且还具有非常好的鲁棒性，在信道路径总数不变时，增加OTFS 2维网格点数量，可以有效提升信道估计精确度。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220624
摘要:
着眼于解决小样本信号调制识别问题，该文首先研究了利用支持向量机(SVM)进行分类识别的理论可行性；其次根据统计学习理论，对利用生成对抗网络(GAN)生成数据增强支持向量机分类识别能力进行了理论分析；最后通过构建包含层归一化的深度卷积生成对抗网络(LDCGAN)，与普通深度卷积生成对抗网络相比，其生成数据映射至高维空间后特征更加明显，更有利于支持向量机的分类，实验验证了该生成对抗网络生成数据可以在小样本条件下实现对支持向量机分类识别能力的有效增强。
着眼于解决小样本信号调制识别问题，该文首先研究了利用支持向量机(SVM)进行分类识别的理论可行性；其次根据统计学习理论，对利用生成对抗网络(GAN)生成数据增强支持向量机分类识别能力进行了理论分析；最后通过构建包含层归一化的深度卷积生成对抗网络(LDCGAN)，与普通深度卷积生成对抗网络相比，其生成数据映射至高维空间后特征更加明显，更有利于支持向量机的分类，实验验证了该生成对抗网络生成数据可以在小样本条件下实现对支持向量机分类识别能力的有效增强。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230052
摘要:
多模态医学图像可在同一病灶处提供更多语义信息，针对跨模态语义相关性未充分考虑和模型复杂度过高的问题，该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先，提出学习正电子发射型断层显像(PET)、 计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络；然后，设计跨模态交互式增强块充分学习多模态语义相关性，余弦重加权计算Transformer高效学习全局特征关系，交互式增强网络提取病灶的能力；最后，提出双分支轻量块， 激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性，另一分支为密集连接的递进重参卷积，特征传递达到最大化，递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中，该文模型获得94.76% mAP最优性能和3238 s最高效率，以及0.81 M参数量，较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍，多模态对比实验中总体上优于现有的先进方法，消融实验和热力图可视化进一步验证。
多模态医学图像可在同一病灶处提供更多语义信息，针对跨模态语义相关性未充分考虑和模型复杂度过高的问题，该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先，提出学习正电子发射型断层显像(PET)、 计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络；然后，设计跨模态交互式增强块充分学习多模态语义相关性，余弦重加权计算Transformer高效学习全局特征关系，交互式增强网络提取病灶的能力；最后，提出双分支轻量块， 激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性，另一分支为密集连接的递进重参卷积，特征传递达到最大化，递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中，该文模型获得94.76% mAP最优性能和3238 s最高效率，以及0.81 M参数量，较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍，多模态对比实验中总体上优于现有的先进方法，消融实验和热力图可视化进一步验证。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT221386
摘要:
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT221563
摘要:
考虑时钟异步和声波分层效应的影响，该文研究了当测量过程受到未知噪声干扰，且锚节点位置不确定时水下目标节点的定位问题。首先构造了水下节点间飞行时间模型，设计了一种交互式异步通信协议，建立了最小化定位误差的优化目标函数。然后提出了一种基于深度强化学习的水下目标定位算法，并采用层归一化来改进深度神经网络，进一步提高模型的泛化能力。最后，仿真和实验结果验证所提方法的有效性。
考虑时钟异步和声波分层效应的影响，该文研究了当测量过程受到未知噪声干扰，且锚节点位置不确定时水下目标节点的定位问题。首先构造了水下节点间飞行时间模型，设计了一种交互式异步通信协议，建立了最小化定位误差的优化目标函数。然后提出了一种基于深度强化学习的水下目标定位算法，并采用层归一化来改进深度神经网络，进一步提高模型的泛化能力。最后，仿真和实验结果验证所提方法的有效性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT230075
摘要:
针对4阶混沌电力系统，该文提出一种具有快速收敛特性的自适应协同控制方案。首先基于Lyapunov稳定性定理和全局快速收敛理论，设计了一种具有快速收敛特性的协同控制器，该控制器可使宏变量快速到达不变流形并可以得到平滑无抖振的控制输入，实现宏变量的精确收敛。然后将所设计的控制器应用于4阶电力系统的混沌控制中。由于电力系统中的能量过剩会引起混沌振荡，在控制回路中引入储能装置，通过控制储能装置吸收电力系统中多余的有功功率来抑制其混沌振荡。在此基础上通过设计自适应律，消除了控制器设计过程中出现的复杂项，增加了控制器的实用性。最后通过数值仿真，验证了该控制方案的有效性与优越性。
针对4阶混沌电力系统，该文提出一种具有快速收敛特性的自适应协同控制方案。首先基于Lyapunov稳定性定理和全局快速收敛理论，设计了一种具有快速收敛特性的协同控制器，该控制器可使宏变量快速到达不变流形并可以得到平滑无抖振的控制输入，实现宏变量的精确收敛。然后将所设计的控制器应用于4阶电力系统的混沌控制中。由于电力系统中的能量过剩会引起混沌振荡，在控制回路中引入储能装置，通过控制储能装置吸收电力系统中多余的有功功率来抑制其混沌振荡。在此基础上通过设计自适应律，消除了控制器设计过程中出现的复杂项，增加了控制器的实用性。最后通过数值仿真，验证了该控制方案的有效性与优越性。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT221507
摘要:
柱面毫米波合成孔径雷达(CSAR)是近距离非接触成像领域的重要技术之一。基于傅里叶变换理论的高分辨成像算法需要通过2维插值消除波数域数据在方位维和距离维的非均匀性。但是这两个维度呈现出同心圆环状的高度耦合，导致传统基于2维逐点遍历的插值方法时间复杂度高，成像算法效率低。为此，该文基于解析解的CSAR成像算法推导，提出了同心方形网格的插值分解方法。通过补零、径向1维插值和分区处理消除波数域方位维和距离维的强耦合性，并在两个分区进行独立的1维插值实现2维非均匀波数域的均匀重采样，获得最终同心方形环带均匀填充的波数域样式。通过实验验证了所提算法能有效降低2维插值的时间复杂度，并且所提算法插值处理时间提升了7倍，与算法复杂度理论分析结果吻合。
柱面毫米波合成孔径雷达(CSAR)是近距离非接触成像领域的重要技术之一。基于傅里叶变换理论的高分辨成像算法需要通过2维插值消除波数域数据在方位维和距离维的非均匀性。但是这两个维度呈现出同心圆环状的高度耦合，导致传统基于2维逐点遍历的插值方法时间复杂度高，成像算法效率低。为此，该文基于解析解的CSAR成像算法推导，提出了同心方形网格的插值分解方法。通过补零、径向1维插值和分区处理消除波数域方位维和距离维的强耦合性，并在两个分区进行独立的1维插值实现2维非均匀波数域的均匀重采样，获得最终同心方形环带均匀填充的波数域样式。通过实验验证了所提算法能有效降低2维插值的时间复杂度，并且所提算法插值处理时间提升了7倍，与算法复杂度理论分析结果吻合。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220530
摘要:
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220601
摘要:
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220667
摘要:
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220529
摘要:
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
当前状态:
, 最新更新时间: ,
doi: 10.11999/JEIT220603
摘要:
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
2023, 45(5): 1529-1540.
doi: 10.11999/JEIT220887
摘要:
高光谱图像(HSI)具有纳米级的光谱分辨能力且同时对地物目标的光谱维和空间维进行联合成像的优势，能够精细化感知场景目标的本征判别属性，在遥感探测、医疗诊断和国防安全等具有重要应用价值，是高精度遥感探测的科技制高点之一。不同于传统1维时间信号、2维图像信号，高光谱图像具有多阶、高维的信号属性。为解决传统信号处理方法在高光谱图像处理领域中的不足，图信号处理(GSP)理论与方法被逐渐引入高光谱图像处理与解译等任务中。该文以短综述的形式，介绍了图信号处理在高光谱图像处理领域的理论发展并列举了在高光谱特征提取、图像重构和解译分类3个主要方面的典型应用。最后，进一步探讨了该方向未来发展所面临的挑战和相应解决办法。
高光谱图像(HSI)具有纳米级的光谱分辨能力且同时对地物目标的光谱维和空间维进行联合成像的优势，能够精细化感知场景目标的本征判别属性，在遥感探测、医疗诊断和国防安全等具有重要应用价值，是高精度遥感探测的科技制高点之一。不同于传统1维时间信号、2维图像信号，高光谱图像具有多阶、高维的信号属性。为解决传统信号处理方法在高光谱图像处理领域中的不足，图信号处理(GSP)理论与方法被逐渐引入高光谱图像处理与解译等任务中。该文以短综述的形式，介绍了图信号处理在高光谱图像处理领域的理论发展并列举了在高光谱特征提取、图像重构和解译分类3个主要方面的典型应用。最后，进一步探讨了该方向未来发展所面临的挑战和相应解决办法。
2023, 45(5): 1541-1549.
doi: 10.11999/JEIT220139
摘要:
基于深度学习的合成孔径雷达(SAR)舰船目标检测近年得到了快速发展。然而，传统有监督学习需要大量的标记样本来训练网络。针对此问题，该文提出一种基于图注意力网络(GAT)的半监督SAR舰船目标检测方法。首先，设计了对称卷积神经网络用于海陆分割。随后，完成超像素分割并将超像素块建模为GAT的节点，利用感兴趣区域池化层提取节点的多尺度特征。GAT采用注意力机制自适应地汇聚邻接节点特征实现对无标记节点的分类。最后，将预测为舰船目标的超像素块定位到SAR图像中并获得精细检测结果。在实测高分辨SAR图像数据集上验证了所提方法。结果表明该方法可以在少量标记样本下，以低虚警率实现对舰船目标的可靠检测。
基于深度学习的合成孔径雷达(SAR)舰船目标检测近年得到了快速发展。然而，传统有监督学习需要大量的标记样本来训练网络。针对此问题，该文提出一种基于图注意力网络(GAT)的半监督SAR舰船目标检测方法。首先，设计了对称卷积神经网络用于海陆分割。随后，完成超像素分割并将超像素块建模为GAT的节点，利用感兴趣区域池化层提取节点的多尺度特征。GAT采用注意力机制自适应地汇聚邻接节点特征实现对无标记节点的分类。最后，将预测为舰船目标的超像素块定位到SAR图像中并获得精细检测结果。在实测高分辨SAR图像数据集上验证了所提方法。结果表明该方法可以在少量标记样本下，以低虚警率实现对舰船目标的可靠检测。
2023, 45(5): 1550-1558.
doi: 10.11999/JEIT220303
摘要:
新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中，轴承经常运行于启停等时变转速工况，且故障标签样本的获取成本越发昂贵。针对以上挑战，该文提出时变转速下基于改进图注意力网络(GAT)的轴承半监督故障诊断新方法。基于K最近邻(KNN)算法和平滑假设(SA)设计伪标签传播策略，将标签信息沿边传播给分布相似的邻域样本，从而充分利用有限样本的标签信息。将每个振动频谱样本视为一个节点，构建基于节点级图注意力网络的半监督学习模型，通过注意力机制进一步挖掘代表性的轴承故障特征。将所提方法用于分析两组时变转速下轴承故障实验数据，结果表明所提方法能够在不超过2%的低标签率情况下，准确诊断轴承的不同故障模式，性能优于其他常用的图神经网络半监督学习方法。
新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中，轴承经常运行于启停等时变转速工况，且故障标签样本的获取成本越发昂贵。针对以上挑战，该文提出时变转速下基于改进图注意力网络(GAT)的轴承半监督故障诊断新方法。基于K最近邻(KNN)算法和平滑假设(SA)设计伪标签传播策略，将标签信息沿边传播给分布相似的邻域样本，从而充分利用有限样本的标签信息。将每个振动频谱样本视为一个节点，构建基于节点级图注意力网络的半监督学习模型，通过注意力机制进一步挖掘代表性的轴承故障特征。将所提方法用于分析两组时变转速下轴承故障实验数据，结果表明所提方法能够在不超过2%的低标签率情况下，准确诊断轴承的不同故障模式，性能优于其他常用的图神经网络半监督学习方法。
2023, 45(5): 1559-1566.
doi: 10.11999/JEIT220970
摘要:
针对现代雷达应用对目标高精度测角和测距的需求，该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中，提出一种基于图信号处理的频控阵雷达目标定位新方法。首先，基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型，进而利用图傅里叶变换对上述图信号作图谱分解，构建2维谱峰搜索优化函数，最终有效获得目标的方位角-距离联合估计。仿真实验结果表明，该算法能够正确估计出目标的方位角和距离信息；在相同仿真条件下，算法的估计精度优于同类算法且提升了对弱目标的定位性能。
针对现代雷达应用对目标高精度测角和测距的需求，该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中，提出一种基于图信号处理的频控阵雷达目标定位新方法。首先，基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型，进而利用图傅里叶变换对上述图信号作图谱分解，构建2维谱峰搜索优化函数，最终有效获得目标的方位角-距离联合估计。仿真实验结果表明，该算法能够正确估计出目标的方位角和距离信息；在相同仿真条件下，算法的估计精度优于同类算法且提升了对弱目标的定位性能。
2023, 45(5): 1567-1574.
doi: 10.11999/JEIT220188
摘要:
海洋物理环境和电磁环境日趋复杂，海杂波背景下的微弱慢速小目标检测始终是一个研究难点和重点。海面小目标的雷达散射截面积小、回波能量低，传统基于能量的检测方法存在性能瓶颈。基于特征的检测方法聚焦于提取纯杂波和目标回波的差异性特征来实现目标检测，且有效提升了检测性能。该文利用回波数据间频域中幅度的关联性，将图论的方法引入到特征检测中。首先将实测数据进行块白化处理，对海杂波进行一定的抑制，然后在频域提取各多普勒通道下的数据，借助图的处理方法，构建所提取数据的距离邻接矩阵，再转换为拉普拉斯矩阵。该方法计算不同时间序列下拉普拉斯矩阵的最大特征值，并将其与刻画频域能量信息的相对多普勒峰高进行融合，得到新的检验统计量来区分纯杂波和含有目标的回波。通过全相参的X波段(IPIX)实测数据验证，该文所提方法的检测性能更为优越。
海洋物理环境和电磁环境日趋复杂，海杂波背景下的微弱慢速小目标检测始终是一个研究难点和重点。海面小目标的雷达散射截面积小、回波能量低，传统基于能量的检测方法存在性能瓶颈。基于特征的检测方法聚焦于提取纯杂波和目标回波的差异性特征来实现目标检测，且有效提升了检测性能。该文利用回波数据间频域中幅度的关联性，将图论的方法引入到特征检测中。首先将实测数据进行块白化处理，对海杂波进行一定的抑制，然后在频域提取各多普勒通道下的数据，借助图的处理方法，构建所提取数据的距离邻接矩阵，再转换为拉普拉斯矩阵。该方法计算不同时间序列下拉普拉斯矩阵的最大特征值，并将其与刻画频域能量信息的相对多普勒峰高进行融合，得到新的检验统计量来区分纯杂波和含有目标的回波。通过全相参的X波段(IPIX)实测数据验证，该文所提方法的检测性能更为优越。
2023, 45(5): 1575-1584.
doi: 10.11999/JEIT220840
摘要:
针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点，该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架，并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射，有效降低了AVG算法的复杂度；其次，设计了一种多尺度图神经网络，将不同分辨率的特征进行融合，提升了模型识别准确率。实验表明，该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量，且识别精度得到了较大的提升。
针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点，该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架，并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射，有效降低了AVG算法的复杂度；其次，设计了一种多尺度图神经网络，将不同分辨率的特征进行融合，提升了模型识别准确率。实验表明，该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量，且识别精度得到了较大的提升。
2023, 45(5): 1585-1592.
doi: 10.11999/JEIT221194
摘要:
针对大规模网络数据的重构问题，该文以图信号处理(GSP)理论为基础，提出一种基于笛卡尔乘积图上Sobolev平滑的分布式批量重构算法(DBR-SSC)。该算法首先按时间顺序将时变图信号划分为多个信号段，并利用笛卡尔积将每一段内各时刻的图建模为乘积图；然后利用笛卡尔乘积图上的Sobolev差分平滑，将每一段的信号重构问题归结为优化问题；最后设计具有高收敛速度的分布式算法求解该优化问题。采用两种现实世界的数据集进行仿真实验，实验结果表明所提算法重构误差低并具有高收敛速度。
针对大规模网络数据的重构问题，该文以图信号处理(GSP)理论为基础，提出一种基于笛卡尔乘积图上Sobolev平滑的分布式批量重构算法(DBR-SSC)。该算法首先按时间顺序将时变图信号划分为多个信号段，并利用笛卡尔积将每一段内各时刻的图建模为乘积图；然后利用笛卡尔乘积图上的Sobolev差分平滑，将每一段的信号重构问题归结为优化问题；最后设计具有高收敛速度的分布式算法求解该优化问题。采用两种现实世界的数据集进行仿真实验，实验结果表明所提算法重构误差低并具有高收敛速度。
2023, 45(5): 1593-1601.
doi: 10.11999/JEIT220854
摘要:
在后摩尔时代里，Chiplet是当前最火热的异构芯片集成技术，具有复杂的多芯粒堆叠结构等特点。为了解决Chiplet在不同堆叠结构中的芯粒绑定后测试问题，基于IEEE 1838标准协议，该文提出一种适用于Chiplet测试的通用测试访问端口控制器(UTAPC)电路。该电路在传统测试访问端口(TAP)控制器的基础上设计了Chiplet专用有限状态机(CDFSM)，增加了Chiplet测试路径配置寄存器和Chiplet测试接口电路。在CDFSM产生的配置寄存器控制信号作用下，通过Chiplet测试路径配置寄存器输出的配置信号来控制Chiplet测试接口电路以设置Chiplet的有效测试路径，实现跨层访问芯粒。仿真结果表明，所提UTAPC电路适用于任意堆叠结构的Chiplet的可测试性设计，可以有效地选择芯粒的测试，还节省了测试端口和测试时间资源并提升了测试效率。
在后摩尔时代里，Chiplet是当前最火热的异构芯片集成技术，具有复杂的多芯粒堆叠结构等特点。为了解决Chiplet在不同堆叠结构中的芯粒绑定后测试问题，基于IEEE 1838标准协议，该文提出一种适用于Chiplet测试的通用测试访问端口控制器(UTAPC)电路。该电路在传统测试访问端口(TAP)控制器的基础上设计了Chiplet专用有限状态机(CDFSM)，增加了Chiplet测试路径配置寄存器和Chiplet测试接口电路。在CDFSM产生的配置寄存器控制信号作用下，通过Chiplet测试路径配置寄存器输出的配置信号来控制Chiplet测试接口电路以设置Chiplet的有效测试路径，实现跨层访问芯粒。仿真结果表明，所提UTAPC电路适用于任意堆叠结构的Chiplet的可测试性设计，可以有效地选择芯粒的测试，还节省了测试端口和测试时间资源并提升了测试效率。
2023, 45(5): 1602-1610.
doi: 10.11999/JEIT220448
摘要:
对于特征类的海面小目标检测方法，现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现，该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况，进而对检测器性能造成一定程度的损失。相比之下，使用凹包算法生成的判决区域是由凸包内剖得到的，它能更加贴合海杂波样本的分布，因此该文将判决区域的形式由凸包转化为凹包，并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时，针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点，该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后，经实测CSIR数据及X波段试验雷达数据共同验证，在其他参数均相同时，该文方法的检测性能要优于已有的多特征检测方法，并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。
对于特征类的海面小目标检测方法，现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现，该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况，进而对检测器性能造成一定程度的损失。相比之下，使用凹包算法生成的判决区域是由凸包内剖得到的，它能更加贴合海杂波样本的分布，因此该文将判决区域的形式由凸包转化为凹包，并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时，针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点，该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后，经实测CSIR数据及X波段试验雷达数据共同验证，在其他参数均相同时，该文方法的检测性能要优于已有的多特征检测方法，并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。
2023, 45(5): 1611-1618.
doi: 10.11999/JEIT220475
摘要:
即使SAR系统内外定标非常准确，在不同飞行条件下，机载全极化SAR测量精度仍然存在一定的变化，特别在非平稳及高波段时，精度恶化较为严重。针对该问题，该文首先建立了非平稳环境下全极化SAR误差模型，然后分析了分时收发体制下通道间轨迹的微弱变化对极化相位不平衡度的影响，指出随着波段的提升，相同运动误差导致的相位不平衡度相应加重，据此给出了相应的处理方法。最后通过仿真及高分航空专项S波段SAR获取的数据对该方法进行了检验，开展的多次应用示范，也验证了方法的有效性和稳定性。
即使SAR系统内外定标非常准确，在不同飞行条件下，机载全极化SAR测量精度仍然存在一定的变化，特别在非平稳及高波段时，精度恶化较为严重。针对该问题，该文首先建立了非平稳环境下全极化SAR误差模型，然后分析了分时收发体制下通道间轨迹的微弱变化对极化相位不平衡度的影响，指出随着波段的提升，相同运动误差导致的相位不平衡度相应加重，据此给出了相应的处理方法。最后通过仿真及高分航空专项S波段SAR获取的数据对该方法进行了检验，开展的多次应用示范，也验证了方法的有效性和稳定性。
2023, 45(5): 1619-1626.
doi: 10.11999/JEIT220308
摘要:
凭借能够提升频谱利用率的优势，带内全双工(In-Band Full Duplex, IBFD)技术有望成为现代无线通信系统的潜在方案。然而，在应用过程中却面临自干扰抵消(Self-Interference Cancellation, SIC)的巨大挑战。SIC可以从空域、模拟域和数字域3个方面来单独或组合实现。该文重点研究了IBFD数字SIC。针对传统数字SIC性能受到收发链路器件非理想因素限制的问题，该文建立了一种射频辅助链路的IBFD系统，利用有用信号和自干扰信号的有界性，设计了一种基于有界成分分析的数字SIC方法。在视距(Line Of Sight, LOS)和非视距(Non-Line Of Sight, NLOS)两种信道场景下，利用仿真和实测数据进行了验证分析。结果表明，相比较于最小二乘方法和独立成分分析方法，所提有界成分分析方法改善了SIC效果，并提高了系统误码率性能。
凭借能够提升频谱利用率的优势，带内全双工(In-Band Full Duplex, IBFD)技术有望成为现代无线通信系统的潜在方案。然而，在应用过程中却面临自干扰抵消(Self-Interference Cancellation, SIC)的巨大挑战。SIC可以从空域、模拟域和数字域3个方面来单独或组合实现。该文重点研究了IBFD数字SIC。针对传统数字SIC性能受到收发链路器件非理想因素限制的问题，该文建立了一种射频辅助链路的IBFD系统，利用有用信号和自干扰信号的有界性，设计了一种基于有界成分分析的数字SIC方法。在视距(Line Of Sight, LOS)和非视距(Non-Line Of Sight, NLOS)两种信道场景下，利用仿真和实测数据进行了验证分析。结果表明，相比较于最小二乘方法和独立成分分析方法，所提有界成分分析方法改善了SIC效果，并提高了系统误码率性能。
2023, 45(5): 1627-1634.
doi: 10.11999/JEIT220464
摘要:
相位噪声会限制全双工(FD)收发机的自干扰抑制能力，恶化有用信号解调性能，即使全双工收发机采用发射机、接收机共用本振的结构，也无法消除相位噪声的限制作用。为了降低多径自干扰(SI)分量中相位噪声的影响，该文提出一种多通道变时延下变频全双工收发方法，具体包括可以补偿相位噪声的全双工收发机设计和能够抑制残余相位噪声的自干扰抑制算法。多通道变时延下变频全双工收发机采用多条通道接收同一天线的信号，各接收本振信号为经过不同延时调整的发射本振信号，可以在下变频时补偿多径自干扰中的相位噪声。自干扰抑制算法利用不同接收信号估计相位噪声参数，进一步降低残余相位噪声的影响。此外，该文推导了这种全双工收发方法的自干扰抑制能力，并给出了其随发射功率、接收通道数量的变化关系。分析与仿真结果表明，当接收通道数量高于自干扰信道强径数量时，多通道变时延下变频全双工接收方法不受相位噪声影响。
相位噪声会限制全双工(FD)收发机的自干扰抑制能力，恶化有用信号解调性能，即使全双工收发机采用发射机、接收机共用本振的结构，也无法消除相位噪声的限制作用。为了降低多径自干扰(SI)分量中相位噪声的影响，该文提出一种多通道变时延下变频全双工收发方法，具体包括可以补偿相位噪声的全双工收发机设计和能够抑制残余相位噪声的自干扰抑制算法。多通道变时延下变频全双工收发机采用多条通道接收同一天线的信号，各接收本振信号为经过不同延时调整的发射本振信号，可以在下变频时补偿多径自干扰中的相位噪声。自干扰抑制算法利用不同接收信号估计相位噪声参数，进一步降低残余相位噪声的影响。此外，该文推导了这种全双工收发方法的自干扰抑制能力，并给出了其随发射功率、接收通道数量的变化关系。分析与仿真结果表明，当接收通道数量高于自干扰信道强径数量时，多通道变时延下变频全双工接收方法不受相位噪声影响。
2023, 45(5): 1635-1643.
doi: 10.11999/JEIT220352
摘要:
近年来，部署搭载有移动边缘计算(MEC)服务器的无人机(UAVs)为地面用户提供计算资源已成为一种新兴的技术。针对无人机辅助多用户移动边缘计算系统，该文构建了以最小化用户平均能耗为目标的模型，联合优化无人机的飞行轨迹和用户计算策略的调度。通过深度强化学习(DRL)求解能耗优化问题，提出基于柔性参与者-评论者(SAC)的优化算法。该算法应用最大熵的思想来探索最优策略并使用高效迭代更新获得最优策略，通过保留所有高回报值的策略，增强算法的探索能力，提高训练过程的收敛速度。仿真结果表明与已有算法相比，所提算法能有效降低用户的平均能耗，并具有很好的稳定性和收敛性。
近年来，部署搭载有移动边缘计算(MEC)服务器的无人机(UAVs)为地面用户提供计算资源已成为一种新兴的技术。针对无人机辅助多用户移动边缘计算系统，该文构建了以最小化用户平均能耗为目标的模型，联合优化无人机的飞行轨迹和用户计算策略的调度。通过深度强化学习(DRL)求解能耗优化问题，提出基于柔性参与者-评论者(SAC)的优化算法。该算法应用最大熵的思想来探索最优策略并使用高效迭代更新获得最优策略，通过保留所有高回报值的策略，增强算法的探索能力，提高训练过程的收敛速度。仿真结果表明与已有算法相比，所提算法能有效降低用户的平均能耗，并具有很好的稳定性和收敛性。
2023, 45(5): 1644-1650.
doi: 10.11999/JEIT220761
摘要:
针对未来网络中激增的数据流量以及用户多样化的业务需求，利用无人机来辅助蜂窝网络为用户提供更好的服务。该文提出了基于内容感知的无人机轨迹规划和资源分配联合优化方法，在无人机上缓存热点内容，在满足用户内容需求的条件下，联合优化用户接入以及无人机飞行轨迹来最大化最小用户平均服务速率。由于所建立的优化问题具有非凸性，该文提出了一种块坐标下降的方法将原问题分解为两个子问题，并利用连续凸优化方法对问题进行求解。仿真结果表明，所提方法能够有效提升最小用户平均服务速率，提升网络深度覆盖水平。
针对未来网络中激增的数据流量以及用户多样化的业务需求，利用无人机来辅助蜂窝网络为用户提供更好的服务。该文提出了基于内容感知的无人机轨迹规划和资源分配联合优化方法，在无人机上缓存热点内容，在满足用户内容需求的条件下，联合优化用户接入以及无人机飞行轨迹来最大化最小用户平均服务速率。由于所建立的优化问题具有非凸性，该文提出了一种块坐标下降的方法将原问题分解为两个子问题，并利用连续凸优化方法对问题进行求解。仿真结果表明，所提方法能够有效提升最小用户平均服务速率，提升网络深度覆盖水平。
2023, 45(5): 1651-1659.
doi: 10.11999/JEIT220442
摘要:
针对复杂电磁环境下无人机编队重构过程中的路径规划和机间避碰问题，该文在传统紫外虚拟势场基础上，利用距离因子对斥力函数进行了改进，构建了一种紫外非均匀虚拟势场来协助无人机进行机间避碰。改进的紫外非均匀虚拟势场可以使得无人机避碰路径更加平滑，相同时间内，无人机可以飞行更远的距离。此外，通过无线紫外光测距方法计算无人机机间距离，并结合紫外非均匀势场对传统的人工势场法进行改进，实现无人机编队重构。仿真结果表明，该文算法可以有效解决传统算法下路径振荡和局部最小值问题，同时避碰效率相比传统人工势场算法有明显提升，在预设环境中该文算法路程缩短6%，到达目标点的时间提前40%。最后在两种不同的队形重构场景下，对该文算法进行了验证，结果表明该文算法可以有效实现无人机队形重构中预期的机间避碰效果。
针对复杂电磁环境下无人机编队重构过程中的路径规划和机间避碰问题，该文在传统紫外虚拟势场基础上，利用距离因子对斥力函数进行了改进，构建了一种紫外非均匀虚拟势场来协助无人机进行机间避碰。改进的紫外非均匀虚拟势场可以使得无人机避碰路径更加平滑，相同时间内，无人机可以飞行更远的距离。此外，通过无线紫外光测距方法计算无人机机间距离，并结合紫外非均匀势场对传统的人工势场法进行改进，实现无人机编队重构。仿真结果表明，该文算法可以有效解决传统算法下路径振荡和局部最小值问题，同时避碰效率相比传统人工势场算法有明显提升，在预设环境中该文算法路程缩短6%，到达目标点的时间提前40%。最后在两种不同的队形重构场景下，对该文算法进行了验证，结果表明该文算法可以有效实现无人机队形重构中预期的机间避碰效果。
2023, 45(5): 1660-1668.
doi: 10.11999/JEIT220436
摘要:
为进一步提升索引调制正交频分复用(OFDM-IM)系统在高信噪比(SNR)条件下的误比特率(BER)，该文提出一种混合映射方案。该方案利用高信噪比时索引比特比数据比特错误率更低的特性，混合使用两种不同位数的索引比特分配策略，提高了索引比特的占比。相应地，将子载波激活模式(SAPs)分为超级SAPs和普通SAPs，相比于普通SAPs，超级SAPs对应的索引比特和数据比特分别增加1 bit和减少1 bit。将超级SAP对应的数据比特采用奇偶校验的方式补齐，然后映射为数据符号，提高了系统的分集度，增大了数据符号间的最小欧氏距离。仿真结果表明，相比于以往的映射方案，混合映射方案在误比特率为10–4时可取得1～3 dB的性能增益，有效改善索引调制OFDM系统的误码性能。
为进一步提升索引调制正交频分复用(OFDM-IM)系统在高信噪比(SNR)条件下的误比特率(BER)，该文提出一种混合映射方案。该方案利用高信噪比时索引比特比数据比特错误率更低的特性，混合使用两种不同位数的索引比特分配策略，提高了索引比特的占比。相应地，将子载波激活模式(SAPs)分为超级SAPs和普通SAPs，相比于普通SAPs，超级SAPs对应的索引比特和数据比特分别增加1 bit和减少1 bit。将超级SAP对应的数据比特采用奇偶校验的方式补齐，然后映射为数据符号，提高了系统的分集度，增大了数据符号间的最小欧氏距离。仿真结果表明，相比于以往的映射方案，混合映射方案在误比特率为10–4时可取得1～3 dB的性能增益，有效改善索引调制OFDM系统的误码性能。
2023, 45(5): 1669-1677.
doi: 10.11999/JEIT220347
摘要:
为解决现有分层无人机(UAV)网络中群组密钥管理存在的单点故障问题，群组成员离线导致整个群组无法计算、及时更新组密钥的问题，该文提出一种支持异步计算的去中心群组密钥管理方案。该方案采用异步棘轮树(ART)协议实现对群组密钥的预部署，各成员能对组密钥进行异步计算、自主更新；利用区块链技术的去中心化特性解决了单点故障问题，提高了群组密钥管理的透明性与公平性。性能评估表明，与同类方案相比，该方案中的簇成员无人机具有较低的计算开销和通信开销，适合应用于分层无人机网络环境。
为解决现有分层无人机(UAV)网络中群组密钥管理存在的单点故障问题，群组成员离线导致整个群组无法计算、及时更新组密钥的问题，该文提出一种支持异步计算的去中心群组密钥管理方案。该方案采用异步棘轮树(ART)协议实现对群组密钥的预部署，各成员能对组密钥进行异步计算、自主更新；利用区块链技术的去中心化特性解决了单点故障问题，提高了群组密钥管理的透明性与公平性。性能评估表明，与同类方案相比，该方案中的簇成员无人机具有较低的计算开销和通信开销，适合应用于分层无人机网络环境。
2023, 45(5): 1678-1687.
doi: 10.11999/JEIT220240
摘要:
随着物联网(IoT)的快速发展，人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限，并且这些设备通常具有隐私保护的需求，那么在保护隐私的同时，如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式，在隐私保护和提升模型性能等方面，具有巨大的潜力，但是通信及本地训练效率低。为了解决上述难题，该文提出一种FL加速框架AccFed。首先，根据网络状态的不同，提出一种基于模型分割的端边云协同训练算法，加速FL本地训练；然后，设计一种多轮迭代再聚合的模型聚合算法，加速FL聚合；最后实验结果表明，AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。
随着物联网(IoT)的快速发展，人工智能(AI)与边缘计算(EC)的深度融合形成了边缘智能(Edge AI)。但由于IoT设备计算与通信资源有限，并且这些设备通常具有隐私保护的需求，那么在保护隐私的同时，如何加速Edge AI仍然是一个挑战。联邦学习(FL)作为一种新兴的分布式学习范式，在隐私保护和提升模型性能等方面，具有巨大的潜力，但是通信及本地训练效率低。为了解决上述难题，该文提出一种FL加速框架AccFed。首先，根据网络状态的不同，提出一种基于模型分割的端边云协同训练算法，加速FL本地训练；然后，设计一种多轮迭代再聚合的模型聚合算法，加速FL聚合；最后实验结果表明，AccFed在训练精度、收敛速度、训练时间等方面均优于对照组。
2023, 45(5): 1688-1696.
doi: 10.11999/JEIT220364
摘要:
为提高物理层安全传输性能，该文提出一种新的基于2维余幂-激活(2D-CPA)离散超混沌加密的多参数加权分数傅里叶变换(MP-WFRFT)安全通信方法。首先，将激活函数和余弦函数作为非线性因子引入1维立方(cubic)混沌映射，构造2维混沌映射。非线性因子可对原始cubic混沌映射的迭代过程进行扰动，从而获得更加饱满的相轨。利用分岔图、相图、Lyapunov指数谱等对提出的2维混沌映射动力学特性进行了验证。结果表明，构造的2维混沌序列随机性良好，可进入超混沌状态。然后，利用余幂-激活离散超混沌序列分别构建幅度变换矩阵、相位旋转矩阵和MP-WFRFT参数池，完成对星座幅相加密，以及MP-WFRFT动态变换加密过程，进一步消除数据统计特征，同时提升MP-WFRFT变换的抗参数扫描性能。数值仿真结果表明，加密数据的星座图呈类高斯分布，且传输系统对密钥的敏感性良好。
为提高物理层安全传输性能，该文提出一种新的基于2维余幂-激活(2D-CPA)离散超混沌加密的多参数加权分数傅里叶变换(MP-WFRFT)安全通信方法。首先，将激活函数和余弦函数作为非线性因子引入1维立方(cubic)混沌映射，构造2维混沌映射。非线性因子可对原始cubic混沌映射的迭代过程进行扰动，从而获得更加饱满的相轨。利用分岔图、相图、Lyapunov指数谱等对提出的2维混沌映射动力学特性进行了验证。结果表明，构造的2维混沌序列随机性良好，可进入超混沌状态。然后，利用余幂-激活离散超混沌序列分别构建幅度变换矩阵、相位旋转矩阵和MP-WFRFT参数池，完成对星座幅相加密，以及MP-WFRFT动态变换加密过程，进一步消除数据统计特征，同时提升MP-WFRFT变换的抗参数扫描性能。数值仿真结果表明，加密数据的星座图呈类高斯分布，且传输系统对密钥的敏感性良好。
2023, 45(5): 1697-1705.
doi: 10.11999/JEIT220404
摘要:
在体育赛场等用户大规模聚集或者突发灾难的情况下，地面基站经常面临过载甚至瘫痪的问题。此时，多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿，有效地增强局部地区的通信质量。然而，无人机的机动性和网络流动引起的拓扑结构变化，会导致频繁的间歇性连接甚至出现传输故障。因此，UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA)，利用甲虫搜索算法(BAS)的个体寻优优势，对粒子群算法(PSO)进行改进，并首次采用双门限约束保证用户通信质量，使得多UAV系统下的网络性能得到了改善。仿真结果表明，相对于传统算法，该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。
在体育赛场等用户大规模聚集或者突发灾难的情况下，地面基站经常面临过载甚至瘫痪的问题。此时，多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿，有效地增强局部地区的通信质量。然而，无人机的机动性和网络流动引起的拓扑结构变化，会导致频繁的间歇性连接甚至出现传输故障。因此，UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA)，利用甲虫搜索算法(BAS)的个体寻优优势，对粒子群算法(PSO)进行改进，并首次采用双门限约束保证用户通信质量，使得多UAV系统下的网络性能得到了改善。仿真结果表明，相对于传统算法，该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。
2023, 45(5): 1706-1713.
doi: 10.11999/JEIT220466
摘要:
考虑一个可重构智能反射面(RIS)辅助的频谱共享认知无线电(CR)多输入多输出(MIMO)安全通信系统。在存在窃听者的情况下，配备有多根天线的次级发送机与次级用户进行通信。首先，利用统计信道状态信息，得到了系统遍历安全速率的确定性等价表达式。然后，在满足总发送功率约束和干扰功率约束的条件下，提出一种结合泰勒级数展开法和拉格朗日乘子法的交替优化算法，联合优化了发送协方差矩阵和RIS相移矩阵。最后，仿真结果验证了所提算法的有效性。
考虑一个可重构智能反射面(RIS)辅助的频谱共享认知无线电(CR)多输入多输出(MIMO)安全通信系统。在存在窃听者的情况下，配备有多根天线的次级发送机与次级用户进行通信。首先，利用统计信道状态信息，得到了系统遍历安全速率的确定性等价表达式。然后，在满足总发送功率约束和干扰功率约束的条件下，提出一种结合泰勒级数展开法和拉格朗日乘子法的交替优化算法，联合优化了发送协方差矩阵和RIS相移矩阵。最后，仿真结果验证了所提算法的有效性。
2023, 45(5): 1714-1721.
doi: 10.11999/JEIT220426
摘要:
为了在多径信道下解调加权分数傅里叶变换加密的混沌直扩(WFRFT-CD3S)信号，该文提出一种广义信道差分解调算法。在WFRFT-CD3S系统的发射端先对信息码进行差分调制，接收端将差分码与信道的乘积视为广义信道，并通过本地扩频序列构建频域匹配滤波器以估计广义信道冲击响应。接收端通过解差分广义信道冲击响应的估计值来合并各径能量并恢复信息码。对所提算法的误码率进行了理论分析，数值仿真验证了理论分析结果。数值仿真结果表明提出的解调算法可以在低信噪比下解调多径WFRFT-CD3S信号，保证了WFRFT-CD3S系统抗能量检测的能力。
为了在多径信道下解调加权分数傅里叶变换加密的混沌直扩(WFRFT-CD3S)信号，该文提出一种广义信道差分解调算法。在WFRFT-CD3S系统的发射端先对信息码进行差分调制，接收端将差分码与信道的乘积视为广义信道，并通过本地扩频序列构建频域匹配滤波器以估计广义信道冲击响应。接收端通过解差分广义信道冲击响应的估计值来合并各径能量并恢复信息码。对所提算法的误码率进行了理论分析，数值仿真验证了理论分析结果。数值仿真结果表明提出的解调算法可以在低信噪比下解调多径WFRFT-CD3S信号，保证了WFRFT-CD3S系统抗能量检测的能力。
2023, 45(5): 1722-1730.
doi: 10.11999/JEIT220712
摘要:
集合的安全多方计算(SMC)在联合数据分析、敏感数据安全查询、数据可信交换等场景有着广泛的应用。该文基于有理数的几何编码，结合保密内积协议，首次提出了有理数域上两方多重集交集和并集的保密计算协议。应用模拟范例证明了协议在半诚实模型下的安全性，分别通过理论分析和仿真测试验证了协议的高效性。与现有协议相比，所设计协议无需给定包含所有集合元素的全集，可以保护集合势的隐私性，且在协议执行过程主要使用乘法运算，达到了信息论安全。
集合的安全多方计算(SMC)在联合数据分析、敏感数据安全查询、数据可信交换等场景有着广泛的应用。该文基于有理数的几何编码，结合保密内积协议，首次提出了有理数域上两方多重集交集和并集的保密计算协议。应用模拟范例证明了协议在半诚实模型下的安全性，分别通过理论分析和仿真测试验证了协议的高效性。与现有协议相比，所设计协议无需给定包含所有集合元素的全集，可以保护集合势的隐私性，且在协议执行过程主要使用乘法运算，达到了信息论安全。
2023, 45(5): 1731-1736.
doi: 10.11999/JEIT221145
摘要:
构造具有良好参数的量子码是量子纠错码研究的重要内容。该文利用有限非链环\begin{document}$ R = {F_{{4^m}}} + v{F_{{4^m}}} $\end{document} ![]()
![]()
\begin{document}$ {2^m} $\end{document} ![]()
![]()
\begin{document}$ \phi $\end{document} ![]()
![]()
\begin{document}$ R $\end{document} ![]()
![]()
\begin{document}$ C $\end{document} ![]()
![]()
\begin{document}$ \phi (C) $\end{document} ![]()
![]()
\begin{document}$ R $\end{document} ![]()
![]()
\begin{document}$ {2^m} $\end{document} ![]()
![]()
构造具有良好参数的量子码是量子纠错码研究的重要内容。该文利用有限非链环
2023, 45(5): 1737-1746.
doi: 10.11999/JEIT220153
摘要:
为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力，该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系，并结合目标检测网络和光流约束判断真正的动态目标，从而剔除动态特征点；其次提出一种基于超体素的快速点云分割方案，将基于静态区域构建的3维地图进行优化，构建了物体级的点云语义地图；同时构建的语义地图可以提供更高精度的训练数据样本，进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明，该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案，证明了该方法在高动态场景中具有较好的稳定性和鲁棒性；在建图精度和质量上，经过将重建的不同种类地图与各个现有方法进行比较，验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。
为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力，该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系，并结合目标检测网络和光流约束判断真正的动态目标，从而剔除动态特征点；其次提出一种基于超体素的快速点云分割方案，将基于静态区域构建的3维地图进行优化，构建了物体级的点云语义地图；同时构建的语义地图可以提供更高精度的训练数据样本，进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明，该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案，证明了该方法在高动态场景中具有较好的稳定性和鲁棒性；在建图精度和质量上，经过将重建的不同种类地图与各个现有方法进行比较，验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。
2023, 45(5): 1747-1757.
doi: 10.11999/JEIT220369
摘要:
针对目前基于低照度遥感影像对夜间海上船舶检测存在的目标特征挖掘不足的问题，该文设计了一种可使船舶目标样本和背景噪声样本最小错分的稀疏度指标，提出一种基于稀疏编码算法和字典学习算法的低照度遥感影像夜间船舶灯光检测算法，并将其应用于墨西哥湾北部海域、天津港南侧海域和上海港东侧海域，检测精确度分别为96.36%, 95.12%, 86.26%，召回率分别为96.36%, 92.86%, 94.19%，调和平均值分别为96.36%, 93.98%, 90.05%；进一步地，该文将此算法与3种典型低照度遥感影像夜间海上船舶检测算法进行了对比分析，结果表明该文算法更具有优越性能，可为夜间海上船舶的检测提供新的思路。
针对目前基于低照度遥感影像对夜间海上船舶检测存在的目标特征挖掘不足的问题，该文设计了一种可使船舶目标样本和背景噪声样本最小错分的稀疏度指标，提出一种基于稀疏编码算法和字典学习算法的低照度遥感影像夜间船舶灯光检测算法，并将其应用于墨西哥湾北部海域、天津港南侧海域和上海港东侧海域，检测精确度分别为96.36%, 95.12%, 86.26%，召回率分别为96.36%, 92.86%, 94.19%，调和平均值分别为96.36%, 93.98%, 90.05%；进一步地，该文将此算法与3种典型低照度遥感影像夜间海上船舶检测算法进行了对比分析，结果表明该文算法更具有优越性能，可为夜间海上船舶的检测提供新的思路。
2023, 45(5): 1758-1765.
doi: 10.11999/JEIT220441
摘要:
针对现有的多方人机交互存在分寸感把握较差、机器人回复自主性不强的问题，该文依据心理语言学关于对话心理理论，提出一种基于主从博弈的多方人机交互对话心理模型。该模型模拟了人与人交流时交互多方的心理过程，考虑到多方交互中主导者与从属者的交流特征，采取单主多从的博弈模型加以形式化表示，并使机器人扮演从属者角色，对多方主从博弈过程中从属关系带来的收益进行考量，将这一考量结果作为机器人回复的重要决策依据。实验结果表明，扮演从属者角色的机器人在与多方进行交互时，能准确把握对话分寸，在合适的时机下进行回复，进一步提升机器人回复的合理性与自主性。
针对现有的多方人机交互存在分寸感把握较差、机器人回复自主性不强的问题，该文依据心理语言学关于对话心理理论，提出一种基于主从博弈的多方人机交互对话心理模型。该模型模拟了人与人交流时交互多方的心理过程，考虑到多方交互中主导者与从属者的交流特征，采取单主多从的博弈模型加以形式化表示，并使机器人扮演从属者角色，对多方主从博弈过程中从属关系带来的收益进行考量，将这一考量结果作为机器人回复的重要决策依据。实验结果表明，扮演从属者角色的机器人在与多方进行交互时，能准确把握对话分寸，在合适的时机下进行回复，进一步提升机器人回复的合理性与自主性。
2023, 45(5): 1766-1773.
doi: 10.11999/JEIT220320
摘要:
针对目前光照传感器的布局方式计算量大、能耗高，易受人为因素的影响，难以准确地预测室内日光强度等问题，该文提出一种基于线性优化模糊C均值算法(LOFCM)和人工神经网络(ANN)的光照传感器布局方法。LOFCM算法利用线性优化(LO)稀疏权重矩阵后，使用模糊C均值(FCM)筛选数据，确定工作面光照传感器布局。随后，使用ANN分别训练工作面光照传感器测量值与4组辅助光照传感器测量值之间的非线性数学模型。实验结果表明，该文提出的基于LOFCM算法在保证计算工作面平均照度和均匀度准确的情况下，工作面光照传感器的数量比对比方法减少了37.5%。此外，在4组辅助光照传感器布局中，墙壁和窗户布局方式具有较好的预测精度，为预测室内日光强度提供了更加准确的预测方式。
针对目前光照传感器的布局方式计算量大、能耗高，易受人为因素的影响，难以准确地预测室内日光强度等问题，该文提出一种基于线性优化模糊C均值算法(LOFCM)和人工神经网络(ANN)的光照传感器布局方法。LOFCM算法利用线性优化(LO)稀疏权重矩阵后，使用模糊C均值(FCM)筛选数据，确定工作面光照传感器布局。随后，使用ANN分别训练工作面光照传感器测量值与4组辅助光照传感器测量值之间的非线性数学模型。实验结果表明，该文提出的基于LOFCM算法在保证计算工作面平均照度和均匀度准确的情况下，工作面光照传感器的数量比对比方法减少了37.5%。此外，在4组辅助光照传感器布局中，墙壁和窗户布局方式具有较好的预测精度，为预测室内日光强度提供了更加准确的预测方式。
2023, 45(5): 1774-1785.
doi: 10.11999/JEIT220362
摘要:
针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题，该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块，通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力，同时融入双域注意力单元，提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向，缓解正负样本极度不均衡的影响。实验结果表明，该文所提方法的平均骰子相似系数(Dice)值达到0.8063，较U形网络(UNet)提高5.3%，参数量下降73.36%，具有更优的分割性能。
针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题，该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块，通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力，同时融入双域注意力单元，提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向，缓解正负样本极度不均衡的影响。实验结果表明，该文所提方法的平均骰子相似系数(Dice)值达到0.8063，较U形网络(UNet)提高5.3%，参数量下降73.36%，具有更优的分割性能。
2023, 45(5): 1786-1794.
doi: 10.11999/JEIT220354
摘要:
小核糖核酸(miRNA)在基因表达和转录等过程中具有重要作用，与疾病的产生有着密切关联。对于疾病miRNA关联识别，生物鉴定方法代价高、耗时长和效率低。为快速自适应提取疾病和miRNA构成的异质网络信息，该文基于通道型注意力设计变分门图自编码器和门多层感知器，构建一种深度变分门神经网络模型(VGAE-N)并用于疾病miRNA关联预测任务。该模型整合miRNA及疾病的多种相似度信息得到miRNA和疾病的整合相似性特征，然后基于多数据融合的整合相似性网络和疾病miRNA邻接信息，利用变分门图自编码器提取miRNA和疾病网络的拓扑信息和语义信息；其次基于疾病miRNA关联矩阵，利用非负矩阵分解提取miRNA和疾病的低维线性去噪特征；最后，利用门多层感知器融合miRNA和疾病特征，预测其关联关系。实验结果表明VGAE-N模型能更有效地预测疾病miRNA关联，可为生物实验提供可靠的技术支撑。
小核糖核酸(miRNA)在基因表达和转录等过程中具有重要作用，与疾病的产生有着密切关联。对于疾病miRNA关联识别，生物鉴定方法代价高、耗时长和效率低。为快速自适应提取疾病和miRNA构成的异质网络信息，该文基于通道型注意力设计变分门图自编码器和门多层感知器，构建一种深度变分门神经网络模型(VGAE-N)并用于疾病miRNA关联预测任务。该模型整合miRNA及疾病的多种相似度信息得到miRNA和疾病的整合相似性特征，然后基于多数据融合的整合相似性网络和疾病miRNA邻接信息，利用变分门图自编码器提取miRNA和疾病网络的拓扑信息和语义信息；其次基于疾病miRNA关联矩阵，利用非负矩阵分解提取miRNA和疾病的低维线性去噪特征；最后，利用门多层感知器融合miRNA和疾病特征，预测其关联关系。实验结果表明VGAE-N模型能更有效地预测疾病miRNA关联，可为生物实验提供可靠的技术支撑。
2023, 45(5): 1795-1806.
doi: 10.11999/JEIT220470
摘要:
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点，该文提出一种多分辨率融合输入的U型网络(MFIU-Net)，旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络，生成高分辨率特征。采用改进的ResNeSt代替传统卷积，优化血管分割边界特征；将并行空间激活模块嵌入其中，捕获更多的语义和空间信息。构架另一U型精细分割网络，提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合，抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合，以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验，其准确率分别为97.00%, 97.47%和97.48%，灵敏度分别为82.73%, 82.86%和83.24%，曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点，该文提出一种多分辨率融合输入的U型网络(MFIU-Net)，旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络，生成高分辨率特征。采用改进的ResNeSt代替传统卷积，优化血管分割边界特征；将并行空间激活模块嵌入其中，捕获更多的语义和空间信息。构架另一U型精细分割网络，提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合，抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合，以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验，其准确率分别为97.00%, 97.47%和97.48%，灵敏度分别为82.73%, 82.86%和83.24%，曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。
2023, 45(5): 1807-1816.
doi: 10.11999/JEIT220445
摘要:
跨模态的医学图像可以在同一病灶处提供更多的语义信息，针对U-Net网络主要使用单模态图像用于分割，未充分考虑跨模态、上下文语义相关性的问题，该文提出面向跨模态和上下文语义的医学图像分割C2 Transformer U-Net模型。该模型的主要思想是：首先，在编码器部分提出主干、辅助U-Net网络结构，来提取不同模态的语义信息；然后，设计了多模态上下文语义感知处理器(MCAP)，有效地提取同一病灶跨模态的语义信息，跳跃连接中使用主网络的两种模态图像相加后传入Transformer解码器，增强模型对病灶的表达能力；其次，在编-解码器中采用预激活残差单元和Transformer架构，一方面提取病灶的上下文特征信息，另一方面使网络在充分利用低层和高层特征时更加关注病灶的位置信息；最后，使用临床多模态肺部医学图像数据集验证算法的有效性，对比实验结果表明所提模型对于肺部病灶分割的Acc, Pre, Recall, Dice, Voe与Rvd分别为：97.95%, 94.94%, 94.31%, 96.98%, 92.57%与93.35%。对于形状复杂肺部病灶的分割，具有较高的精度和相对较低的冗余度，总体上优于现有的先进方法。
跨模态的医学图像可以在同一病灶处提供更多的语义信息，针对U-Net网络主要使用单模态图像用于分割，未充分考虑跨模态、上下文语义相关性的问题，该文提出面向跨模态和上下文语义的医学图像分割C2 Transformer U-Net模型。该模型的主要思想是：首先，在编码器部分提出主干、辅助U-Net网络结构，来提取不同模态的语义信息；然后，设计了多模态上下文语义感知处理器(MCAP)，有效地提取同一病灶跨模态的语义信息，跳跃连接中使用主网络的两种模态图像相加后传入Transformer解码器，增强模型对病灶的表达能力；其次，在编-解码器中采用预激活残差单元和Transformer架构，一方面提取病灶的上下文特征信息，另一方面使网络在充分利用低层和高层特征时更加关注病灶的位置信息；最后，使用临床多模态肺部医学图像数据集验证算法的有效性，对比实验结果表明所提模型对于肺部病灶分割的Acc, Pre, Recall, Dice, Voe与Rvd分别为：97.95%, 94.94%, 94.31%, 96.98%, 92.57%与93.35%。对于形状复杂肺部病灶的分割，具有较高的精度和相对较低的冗余度，总体上优于现有的先进方法。
2023, 45(5): 1817-1823.
doi: 10.11999/JEIT220578
摘要:
为实现智能自主运行体面向目标的导航知识生成及运行控制，该文研究了一种基于空间探索和认知图构建的生物启发式目标导向(GO)导航模型，该模型由空间探索、认知图构建和GO导航控制3个部分组成。在空间探索中，将网格细胞(GCs)到位置细胞(PCs)模型和视觉位置细胞生成模型融合后生成的位置细胞表征当前状态，利用Q学习算法实现状态-动作的建立及更新，以此学习面向目标运行的导航知识；然后，在认知图构建中，利用重心估计原理对空间探索得到的知识进行处理，生成各位置细胞状态下面向目标的方向信息；最后，运行体在朝目标的运行中，根据得到的认知图实时控制运行方向，以此实现GO导航。仿真结果表明，该GO模型有效，运行体进行充分的空间探索可生成认知图，并以此实现GO导航，且在运行过程中能有效规避障碍物。
为实现智能自主运行体面向目标的导航知识生成及运行控制，该文研究了一种基于空间探索和认知图构建的生物启发式目标导向(GO)导航模型，该模型由空间探索、认知图构建和GO导航控制3个部分组成。在空间探索中，将网格细胞(GCs)到位置细胞(PCs)模型和视觉位置细胞生成模型融合后生成的位置细胞表征当前状态，利用Q学习算法实现状态-动作的建立及更新，以此学习面向目标运行的导航知识；然后，在认知图构建中，利用重心估计原理对空间探索得到的知识进行处理，生成各位置细胞状态下面向目标的方向信息；最后，运行体在朝目标的运行中，根据得到的认知图实时控制运行方向，以此实现GO导航。仿真结果表明，该GO模型有效，运行体进行充分的空间探索可生成认知图，并以此实现GO导航，且在运行过程中能有效规避障碍物。
2023, 45(5): 1824-1832.
doi: 10.11999/JEIT220401
摘要:
针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题，该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换，构建频域幅值序列数据集，并选取某种或某些负载数据集作为源域，其他负载数据集作为目标域；其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域样本微调网络建立状态分类模型。实验结果表明，所提方法平均训练时间为32.6 s，平均测试准确率为98.9%。对比其他方法，所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。
针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题，该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换，构建频域幅值序列数据集，并选取某种或某些负载数据集作为源域，其他负载数据集作为目标域；其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域样本微调网络建立状态分类模型。实验结果表明，所提方法平均训练时间为32.6 s，平均测试准确率为98.9%。对比其他方法，所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。
2023, 45(5): 1833-1841.
doi: 10.11999/JEIT220444
摘要:
由于精度相对较高，Anchor base算法目前已成为拥挤场景下行人检测的研究热点。但是，该算法需要手工设计锚框，限制了其通用性。同时，单一的非极大值抑制(NMS)筛选阈值作用于不同密度的人群区域会导致一定程度的漏检和误检。为此，该文提出一种Anchor free与Anchor base检测器相结合的双头检测算法。具体地，先利用Anchor free检测器对图像进行粗检测，将粗检测结果进行自动聚类生成锚框后反馈给区域建议网络(RPN)模块，以代替RPN阶段手工设计锚框的步骤。同时，通过对粗检测结果信息的统计可得到不同区域人群的密度信息。该文设计一个行人头部-全身互监督检测框架，利用头部检测结果与全身的检测结果互相监督，从而有效减少被抑制与漏检的目标实例。提出一种新的NMS算法，该方法可以自适应地为不同密度的人群区域选择合适的筛选阈值，从而最大限度地减少NMS处理引起的误检。所提出的检测器在CrowdHuman数据集和CityPersons数据集进行了实验验证，取得了与目前最先进的行人检测方法相当的性能。
由于精度相对较高，Anchor base算法目前已成为拥挤场景下行人检测的研究热点。但是，该算法需要手工设计锚框，限制了其通用性。同时，单一的非极大值抑制(NMS)筛选阈值作用于不同密度的人群区域会导致一定程度的漏检和误检。为此，该文提出一种Anchor free与Anchor base检测器相结合的双头检测算法。具体地，先利用Anchor free检测器对图像进行粗检测，将粗检测结果进行自动聚类生成锚框后反馈给区域建议网络(RPN)模块，以代替RPN阶段手工设计锚框的步骤。同时，通过对粗检测结果信息的统计可得到不同区域人群的密度信息。该文设计一个行人头部-全身互监督检测框架，利用头部检测结果与全身的检测结果互相监督，从而有效减少被抑制与漏检的目标实例。提出一种新的NMS算法，该方法可以自适应地为不同密度的人群区域选择合适的筛选阈值，从而最大限度地减少NMS处理引起的误检。所提出的检测器在CrowdHuman数据集和CityPersons数据集进行了实验验证，取得了与目前最先进的行人检测方法相当的性能。
2023, 45(5): 1842-1851.
doi: 10.11999/JEIT220358
摘要:
在人脸识别模型的人脸验证任务中，传统的对抗攻击方法无法快速生成真实自然的对抗样本，且对单模型的白盒攻击迁移到其他人脸识别模型上时攻击效果欠佳。该文提出一种基于生成对抗网络的可迁移对抗样本生成方法TAdvFace。TAdvFace采用注意力生成器提高面部特征的提取能力，利用高斯滤波操作提高对抗样本的平滑度，并用自动调整策略调节身份判别损失权重，能够根据不同的人脸图像快速地生成高质量可迁移的对抗样本。实验结果表明，TAdvFace通过单模型的白盒训练，生成的对抗样本能够在多种人脸识别模型和商业API模型上都取得较好的攻击效果，拥有较好的迁移性。
在人脸识别模型的人脸验证任务中，传统的对抗攻击方法无法快速生成真实自然的对抗样本，且对单模型的白盒攻击迁移到其他人脸识别模型上时攻击效果欠佳。该文提出一种基于生成对抗网络的可迁移对抗样本生成方法TAdvFace。TAdvFace采用注意力生成器提高面部特征的提取能力，利用高斯滤波操作提高对抗样本的平滑度，并用自动调整策略调节身份判别损失权重，能够根据不同的人脸图像快速地生成高质量可迁移的对抗样本。实验结果表明，TAdvFace通过单模型的白盒训练，生成的对抗样本能够在多种人脸识别模型和商业API模型上都取得较好的攻击效果，拥有较好的迁移性。
2023, 45(5): 1852-1858.
doi: 10.11999/JEIT220360
摘要:
该文通过对电流型CMOS电路的阈值控制引入了多值电流型比较器。与2值逻辑电路相比，多值逻辑电路的单条导线允许更多的信息传输。相较于电压信号，电流信号易实现加、减等算术运算，在多值逻辑的设计上更加方便。同时提出了基于比较器的4值基本单元设计方法，实现了4值取大、取小以及反向器的设计，在此基础上设计实现了加法器和减法器。该设计方法在2值、3值以及n值逻辑上同样适用。实验结果表明所设计的电路具有正确的逻辑功能，较之相关文献电流型CMOS全加器有更低的功耗和更少的晶体管数。
该文通过对电流型CMOS电路的阈值控制引入了多值电流型比较器。与2值逻辑电路相比，多值逻辑电路的单条导线允许更多的信息传输。相较于电压信号，电流信号易实现加、减等算术运算，在多值逻辑的设计上更加方便。同时提出了基于比较器的4值基本单元设计方法，实现了4值取大、取小以及反向器的设计，在此基础上设计实现了加法器和减法器。该设计方法在2值、3值以及n值逻辑上同样适用。实验结果表明所设计的电路具有正确的逻辑功能，较之相关文献电流型CMOS全加器有更低的功耗和更少的晶体管数。
2023, 45(5): 1859-1872.
doi: 10.11999/JEIT220664
摘要:
随着互联网、大数据等新技术的快速发展，越来越多的分布式数据需要多方协作处理，隐私保护技术由此面临更大的挑战。安全多方计算是一种重要的隐私保护技术，可为数据的安全高效共享问题提供解决方案。作为安全多方计算的一个重要分支，隐私集合交集(PSI)计算技术可以在保护参与方的数据隐私性前提下计算两个或多个参与者私有数据集的交集，按照参与方数目可分为两方PSI和多方PSI。随着私人数据共享规模的扩大，多于两个参与方的应用场景越来越常见。多方PSI具有与两方PSI相似的技术基础但又有本质的不同。该文首先讨论了两方PSI的研究进展，其次详细梳理多方PSI技术的发展历程，将多方PSI技术依据应用场景的不同分为传统多方PSI技术以及门限多方PSI技术，并在不同场景下按照协议所采用密码技术和功能进行更细致的划分；对典型多方PSI协议进行分析，并对相关密码技术、敌手模型以及计算与通信复杂度进行对比。最后，给出了多方PSI技术的研究热点和未来发展方向。
随着互联网、大数据等新技术的快速发展，越来越多的分布式数据需要多方协作处理，隐私保护技术由此面临更大的挑战。安全多方计算是一种重要的隐私保护技术，可为数据的安全高效共享问题提供解决方案。作为安全多方计算的一个重要分支，隐私集合交集(PSI)计算技术可以在保护参与方的数据隐私性前提下计算两个或多个参与者私有数据集的交集，按照参与方数目可分为两方PSI和多方PSI。随着私人数据共享规模的扩大，多于两个参与方的应用场景越来越常见。多方PSI具有与两方PSI相似的技术基础但又有本质的不同。该文首先讨论了两方PSI的研究进展，其次详细梳理多方PSI技术的发展历程，将多方PSI技术依据应用场景的不同分为传统多方PSI技术以及门限多方PSI技术，并在不同场景下按照协议所采用密码技术和功能进行更细致的划分；对典型多方PSI协议进行分析，并对相关密码技术、敌手模型以及计算与通信复杂度进行对比。最后，给出了多方PSI技术的研究热点和未来发展方向。
2023, 45(5): 1873-1887.
doi: 10.11999/JEIT220242
摘要:
与第5代移动通信网络(5G)相比，第6代移动通信网络(6G)有望引入新的性能指标和应用方案，如全球覆盖、更高的频谱/能源/成本效率、更高的智能和安全水平。用户为中心网络(UCN)将成为实现6G的关键推动者，因为其突破了传统基站为中心网络并与信息产业的新兴技术形成了有效融合。该文将从物理层的信道估计和预测、网络上层的性能分析以及链路层的无线资源管理等方面综述这一新型网络的研究现状。首先，讨论和分析UCN的概念和总体网络架构；其次，总结UCN网络中信道估计预测方法、性能分析策略和无线资源管理(RRM)方案；最后，在广泛的调研基础上，探讨UCN网络中的开放性问题，为今后的研究方向提供思路。此综述旨在使读者快速而全面地了解UCN的当前技术状况，从而吸引更多的研究人员进入这一领域。
与第5代移动通信网络(5G)相比，第6代移动通信网络(6G)有望引入新的性能指标和应用方案，如全球覆盖、更高的频谱/能源/成本效率、更高的智能和安全水平。用户为中心网络(UCN)将成为实现6G的关键推动者，因为其突破了传统基站为中心网络并与信息产业的新兴技术形成了有效融合。该文将从物理层的信道估计和预测、网络上层的性能分析以及链路层的无线资源管理等方面综述这一新型网络的研究现状。首先，讨论和分析UCN的概念和总体网络架构；其次，总结UCN网络中信道估计预测方法、性能分析策略和无线资源管理(RRM)方案；最后，在广泛的调研基础上，探讨UCN网络中的开放性问题，为今后的研究方向提供思路。此综述旨在使读者快速而全面地了解UCN的当前技术状况，从而吸引更多的研究人员进入这一领域。
2023, 45(5): 1888-1898.
doi: 10.11999/JEIT220420
摘要:
随着数据快速增长，冯诺依曼架构内存墙成为计算性能进一步提升的关键瓶颈。新型存算一体架构(包括存内计算(IMC)架构与近存计算(NMC)架构)，有望打破冯诺依曼架构瓶颈，大幅提高算力和能效。该文介绍了存算一体芯片的发展历程、研究现状以及基于各类存储器介质(如传统存储器DRAM, SRAM和Flash和新型非易失性存储器ReRAM, PCM, MRAM, FeFET等)的存内计算基本原理、优势与面临的问题。然后，以知存科技WTM2101量产芯片为例，重点介绍了存算一体芯片的电路结构与应用现状。最后，分析了存算一体芯片未来的发展前景与面临的挑战。
随着数据快速增长，冯诺依曼架构内存墙成为计算性能进一步提升的关键瓶颈。新型存算一体架构(包括存内计算(IMC)架构与近存计算(NMC)架构)，有望打破冯诺依曼架构瓶颈，大幅提高算力和能效。该文介绍了存算一体芯片的发展历程、研究现状以及基于各类存储器介质(如传统存储器DRAM, SRAM和Flash和新型非易失性存储器ReRAM, PCM, MRAM, FeFET等)的存内计算基本原理、优势与面临的问题。然后，以知存科技WTM2101量产芯片为例，重点介绍了存算一体芯片的电路结构与应用现状。最后，分析了存算一体芯片未来的发展前景与面临的挑战。
2023, 45(5): 1899-1910.
doi: 10.11999/JEIT220418
摘要:
软件定义网络(SDN)被誉为下一代网络的关键技术。近年来，SDN已经成为学术界与工业界的热点。广域网是SDN应用到工业界的一个重要的场景。基于SDN的广域网被称为软件定义广域网(SD-WAN)。在SD-WAN中，SDN控制器通过控制流转发路径上的SDN交换机来实现流的路径可编程性。然而，控制器失效是SD-WAN中一种常见的现象。当控制器失效时，流转发路径上的交换机会失去控制，流的路径可编程性将无法得到保障，从而无法实现对网络流量的灵活调度，导致网络性能下降。该文对SD-WAN控制器失效场景下保证路径可编程性的研究工作进行了综述。该文首先阐述了当控制器失效时，SD-WAN中路径可编程性保障研究的背景及意义。随后，在查阅分析了国内外相关文献的基础上，介绍了当前在控制器失效时SD-WAN对交换机的主流控制方案。最后，对现有研究成果可能的进一步提高之处进行了总结，并对此研究的未来发展与研究前景进行了展望。
软件定义网络(SDN)被誉为下一代网络的关键技术。近年来，SDN已经成为学术界与工业界的热点。广域网是SDN应用到工业界的一个重要的场景。基于SDN的广域网被称为软件定义广域网(SD-WAN)。在SD-WAN中，SDN控制器通过控制流转发路径上的SDN交换机来实现流的路径可编程性。然而，控制器失效是SD-WAN中一种常见的现象。当控制器失效时，流转发路径上的交换机会失去控制，流的路径可编程性将无法得到保障，从而无法实现对网络流量的灵活调度，导致网络性能下降。该文对SD-WAN控制器失效场景下保证路径可编程性的研究工作进行了综述。该文首先阐述了当控制器失效时，SD-WAN中路径可编程性保障研究的背景及意义。随后，在查阅分析了国内外相关文献的基础上，介绍了当前在控制器失效时SD-WAN对交换机的主流控制方案。最后，对现有研究成果可能的进一步提高之处进行了总结，并对此研究的未来发展与研究前景进行了展望。
编辑部公告
more >
- 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
- “新一代人工智能前沿进展及其应用“专题征文通知
- “卫星通信系统及先进信号处理技术”专题征文通知
- 征文 | “面向超大规模连接的6G新型多址接入”专题
- 征文 | “先进集成电路技术”专题
- “海上目标智能跟踪与识别”专题征文通知
- 《电子与信息学报》“数据论文”征集通知
会议信息
more >
- 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
- 中国电子学会电路与系统分会第三十二届学术年会报名重启
- 中国电子学会电路与系统分会第三十二届学术年会延期通知
- 中国密码学会2021年密码芯片学术会议征文通知
- 信息与通信学科文峰青年学者论坛会议通知
- 第五届“中科星图杯”国际高分遥感图像解译大赛火热启动
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