邮件订阅
2016年 第38卷 第7期
2016, 38(7): 1557-1585.
doi: 10.11999/JEIT160483
摘要:
设G是一个k-色图，若G的所有k-着色是Kempe等价的，则称G为Kempe图。表征色数3的Kempe图特征是一尚待解决难题。该文对极大平面图的Kempe等价性进行了研究，其主要贡献是：(1)发现导致两个4-着色是Kempe等价的关键子图为2-色耳，故对2-色耳的特征进行了深入研究；(2)引入-特征图，清晰地刻画了一个图中所有4-着色之间的关联关系，并深入研究了-特征图的性质；(3)揭示了4-色非Kempe极大平面图的Kempe等价类可分为树型，圈型和循环圈型，并指出这3种类型可同时存在于一个极大平面图的4-着色集中；(4)研究了Kempe极大平面图特征，给出了该类图的多米诺递推构造法，以及两个Kempe极大平面图猜想。
设G是一个k-色图，若G的所有k-着色是Kempe等价的，则称G为Kempe图。表征色数3的Kempe图特征是一尚待解决难题。该文对极大平面图的Kempe等价性进行了研究，其主要贡献是：(1)发现导致两个4-着色是Kempe等价的关键子图为2-色耳，故对2-色耳的特征进行了深入研究；(2)引入-特征图，清晰地刻画了一个图中所有4-着色之间的关联关系，并深入研究了-特征图的性质；(3)揭示了4-色非Kempe极大平面图的Kempe等价类可分为树型，圈型和循环圈型，并指出这3种类型可同时存在于一个极大平面图的4-着色集中；(4)研究了Kempe极大平面图特征，给出了该类图的多米诺递推构造法，以及两个Kempe极大平面图猜想。
2016, 38(7): 1586-1593.
doi: 10.11999/JEIT151122
摘要:
显著度检测在计算机视觉中应用非常广泛，图像级的显著度检测研究已较为成熟，但视频显著度因其高度挑战性研究相对较少。该文借鉴图像级显著度算法的思想，提出一种通用的空时特征提取与优化模型来检测视频显著度。首先利用区域协方差矩阵构造视频的空时特征描述子，然后计算对比度得出初始显著图，最后通过联合前后帧的局部空时优化模型得到最终的显著图。在2个公开视频显著性数据集上的实验结果表明，所提算法性能优于目前的主流算法，同时具有良好的扩展性。
显著度检测在计算机视觉中应用非常广泛，图像级的显著度检测研究已较为成熟，但视频显著度因其高度挑战性研究相对较少。该文借鉴图像级显著度算法的思想，提出一种通用的空时特征提取与优化模型来检测视频显著度。首先利用区域协方差矩阵构造视频的空时特征描述子，然后计算对比度得出初始显著图，最后通过联合前后帧的局部空时优化模型得到最终的显著图。在2个公开视频显著性数据集上的实验结果表明，所提算法性能优于目前的主流算法，同时具有良好的扩展性。
2016, 38(7): 1594-1601.
doi: 10.11999/JEIT151145
摘要:
基于对超像素颜色概率分布间KL散度的计算，以及对多尺度显著图的融合处理，该文提出一种新的显著性区域检测算法。首先，采用超像素算法多尺度分割图像，在各尺度下用分割产生的超像素为节点，并依据超像素分割数量对各超像素进行适当邻接连通扩展，构建无向扩展闭环连通图。 其次，依据颜色判别力聚类量化各超像素内颜色，统计颜色聚类标签的概率分布，用概率分布间KL散度的调和平均值为扩展闭环连通图的边加权，再依据区域对比度并结合边界连通性，获取各尺度下的显著图。 最后，平均融合各尺度下显著图，并进行优化处理，得到最终的显著图。 在一些大型参考数据集上进行大量实验表明，所提算法优于当前一些先进算法，具有较高精确度和召回率，并且可以产生平滑显著图。
基于对超像素颜色概率分布间KL散度的计算，以及对多尺度显著图的融合处理，该文提出一种新的显著性区域检测算法。首先，采用超像素算法多尺度分割图像，在各尺度下用分割产生的超像素为节点，并依据超像素分割数量对各超像素进行适当邻接连通扩展，构建无向扩展闭环连通图。 其次，依据颜色判别力聚类量化各超像素内颜色，统计颜色聚类标签的概率分布，用概率分布间KL散度的调和平均值为扩展闭环连通图的边加权，再依据区域对比度并结合边界连通性，获取各尺度下的显著图。 最后，平均融合各尺度下显著图，并进行优化处理，得到最终的显著图。 在一些大型参考数据集上进行大量实验表明，所提算法优于当前一些先进算法，具有较高精确度和召回率，并且可以产生平滑显著图。
2016, 38(7): 1602-1608.
doi: 10.11999/JEIT151064
摘要:
针对目标跟踪过程中存在的诸多技术问题，该文提出一种鲁棒的目标跟踪方法。首先，该文采用基于稀疏表示的全局模板描述目标的表观状态，通过构造正负模板以区分目标和背景；然后采用随机投影法对表示模板和候选目标进行降维，以降低算法的时间复杂度；采用粒子滤波法作为目标的运动模型，通过多项式重采样方法进行粒子重采样，以保持粒子的多样性；设计了正负模板更新策略，将正模板分为固定集和更新集，对这两部分在相似度计算和正模板更新时采取不同的处理方法，并且在其中加入目标遮挡的判决机制，从而可以有效避免遮挡的影响；实验结果表明，该算法能够准确跟踪受遮挡、运动模糊等多种复杂场景的目标，与现有跟踪方法相比，所提算法具有更好的准确性和稳定性。
针对目标跟踪过程中存在的诸多技术问题，该文提出一种鲁棒的目标跟踪方法。首先，该文采用基于稀疏表示的全局模板描述目标的表观状态，通过构造正负模板以区分目标和背景；然后采用随机投影法对表示模板和候选目标进行降维，以降低算法的时间复杂度；采用粒子滤波法作为目标的运动模型，通过多项式重采样方法进行粒子重采样，以保持粒子的多样性；设计了正负模板更新策略，将正模板分为固定集和更新集，对这两部分在相似度计算和正模板更新时采取不同的处理方法，并且在其中加入目标遮挡的判决机制，从而可以有效避免遮挡的影响；实验结果表明，该算法能够准确跟踪受遮挡、运动模糊等多种复杂场景的目标，与现有跟踪方法相比，所提算法具有更好的准确性和稳定性。
2016, 38(7): 1609-1615.
doi: 10.11999/JEIT151108
摘要:
为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度，论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息，通过GLCM的高区分度特征对目标进行二元超分描述，并结合三阶张量理论融合目标区域的多视图信息，建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开，通过在线模型特征值描述与双线性空间的增量特征更新，明显降低模型更新时的运算量。跟踪环节，建立二级联合跟踪机制，结合当前时刻信息通过在线权重估计构建动态观测模型，以真实目标视图为基准建立静态观测模型对跟踪估计动态调整，以避免误差累积出现跟踪漂移，最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比，表明该算法能够有效应对多种复杂场景下的运动目标跟踪，平均跟踪误差均小于9像素。
为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度，论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息，通过GLCM的高区分度特征对目标进行二元超分描述，并结合三阶张量理论融合目标区域的多视图信息，建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开，通过在线模型特征值描述与双线性空间的增量特征更新，明显降低模型更新时的运算量。跟踪环节，建立二级联合跟踪机制，结合当前时刻信息通过在线权重估计构建动态观测模型，以真实目标视图为基准建立静态观测模型对跟踪估计动态调整，以避免误差累积出现跟踪漂移，最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比，表明该算法能够有效应对多种复杂场景下的运动目标跟踪，平均跟踪误差均小于9像素。
2016, 38(7): 1616-1623.
doi: 10.11999/JEIT151449
摘要:
视觉跟踪系统中，高效的特征表达是决定跟踪鲁棒性的关键，而多线索融合是解决复杂跟踪问题的有效手段。该文首先提出一种基于多网络并行、自适应触发的感知深度神经网络；然后，建立一个基于深度学习的、多线索融合的分块目标模型。目标分块的实现成倍地减少了网络输入的维度，从而大幅降低了网络训练时的计算复杂度；在跟踪过程中，模型能够根据各子块的置信度动态调整权重，提高对目标姿态变化、光照变化、遮挡等复杂情况的适应性。在大量的测试数据上进行了实验，通过对跟踪结果进行定性和定量分析表明，所提出算法具有很强的鲁棒性，能够比较稳定地跟踪目标。
视觉跟踪系统中，高效的特征表达是决定跟踪鲁棒性的关键，而多线索融合是解决复杂跟踪问题的有效手段。该文首先提出一种基于多网络并行、自适应触发的感知深度神经网络；然后，建立一个基于深度学习的、多线索融合的分块目标模型。目标分块的实现成倍地减少了网络输入的维度，从而大幅降低了网络训练时的计算复杂度；在跟踪过程中，模型能够根据各子块的置信度动态调整权重，提高对目标姿态变化、光照变化、遮挡等复杂情况的适应性。在大量的测试数据上进行了实验，通过对跟踪结果进行定性和定量分析表明，所提出算法具有很强的鲁棒性，能够比较稳定地跟踪目标。
2016, 38(7): 1624-1630.
doi: 10.11999/JEIT151001
摘要:
针对基于传统协同训练框架的视觉跟踪算法在复杂环境下鲁棒性不足，该文提出一种改进的协同训练框架下压缩跟踪算法。首先，利用空间布局信息，基于能量熵最大化的在线特征选择技术提升压缩感知分类器的判别能力，分别在灰度空间和局部二值模式空间建立起基于结构压缩特征的两个独立分类器。然后，基于候选样本信任度分布熵的分类器联合机制实现互补性特征的自适应融合，增强跟踪结果的鲁棒性。最后，在级联的梯度直方图分类器辅助下，通过具备样本选择能力的新型协同训练准则完成联合外观模型的准确更新，解决了协同训练误差的积累问题。对大量具有挑战性的序列的对比实验结果验证了该算法相比于其它近似跟踪算法具有更优的性能。
针对基于传统协同训练框架的视觉跟踪算法在复杂环境下鲁棒性不足，该文提出一种改进的协同训练框架下压缩跟踪算法。首先，利用空间布局信息，基于能量熵最大化的在线特征选择技术提升压缩感知分类器的判别能力，分别在灰度空间和局部二值模式空间建立起基于结构压缩特征的两个独立分类器。然后，基于候选样本信任度分布熵的分类器联合机制实现互补性特征的自适应融合，增强跟踪结果的鲁棒性。最后，在级联的梯度直方图分类器辅助下，通过具备样本选择能力的新型协同训练准则完成联合外观模型的准确更新，解决了协同训练误差的积累问题。对大量具有挑战性的序列的对比实验结果验证了该算法相比于其它近似跟踪算法具有更优的性能。
2016, 38(7): 1631-1637.
doi: 10.11999/JEIT151050
摘要:
鉴于已有室内定位算法定位精度与运算效率之间的矛盾，该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARC- SROMP CS)。首先，利用LANDMARC定位算法快速锁定目标所在区域范围；在锁定的区域内，再引入压缩感知理论实现目标位置估计。此部分，首先根据锁定区域范围建立虚拟参考标签；然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型，计算获得虚拟标签处接收信号强度值，构建测量矩阵；最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵，对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明，所提定位算法平均定位误差为0.6445 m，算法运算效率相对较高，可以较好地满足室内定位的要求。
鉴于已有室内定位算法定位精度与运算效率之间的矛盾，该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARC- SROMP CS)。首先，利用LANDMARC定位算法快速锁定目标所在区域范围；在锁定的区域内，再引入压缩感知理论实现目标位置估计。此部分，首先根据锁定区域范围建立虚拟参考标签；然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型，计算获得虚拟标签处接收信号强度值，构建测量矩阵；最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵，对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明，所提定位算法平均定位误差为0.6445 m，算法运算效率相对较高，可以较好地满足室内定位的要求。
2016, 38(7): 1638-1644.
doi: 10.11999/JEIT151078
摘要:
常用的图像域运动目标检测跟踪方法对虚警率较敏感，当虚警率较高时，目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率，进而提高目标检测跟踪的实时性，该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法，通过发射多普勒不敏感的LFM脉冲对，忽略多普勒效应对成像结果的影响，但在图像域检测的同时，利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除，基于单帧数据，减小运动目标检测的虚警率，实现单帧图像的运动目标检测，从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测，再利用宽带时域波束形成和复相关频率测量法，对检测亮点处的波束输出信号进行多普勒测频，仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能，利用2阶锥规划设计滤波器的系数，用9阶FIR滤波器实现了0.01倍采样点的小数时延，提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。
常用的图像域运动目标检测跟踪方法对虚警率较敏感，当虚警率较高时，目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率，进而提高目标检测跟踪的实时性，该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法，通过发射多普勒不敏感的LFM脉冲对，忽略多普勒效应对成像结果的影响，但在图像域检测的同时，利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除，基于单帧数据，减小运动目标检测的虚警率，实现单帧图像的运动目标检测，从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测，再利用宽带时域波束形成和复相关频率测量法，对检测亮点处的波束输出信号进行多普勒测频，仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能，利用2阶锥规划设计滤波器的系数，用9阶FIR滤波器实现了0.01倍采样点的小数时延，提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。
2016, 38(7): 1645-1653.
doi: 10.11999/JEIT151058
摘要:
针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果，该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分，再将高频子带部分分成 的小块，提取每一子块的幅值和信息熵，并分别计算其分布直方图均值和斜度作为特征，利用支持向量回归思想对特征进行训练，建立5种不同失真类型的质量预测模型。在此基础上，采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重，结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明，该算法的评价效果优于现有的经典算法，与主观评价具有较好一致性，能够准确反映人类对图像质量的视觉感知效果。
针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果，该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分，再将高频子带部分分成 的小块，提取每一子块的幅值和信息熵，并分别计算其分布直方图均值和斜度作为特征，利用支持向量回归思想对特征进行训练，建立5种不同失真类型的质量预测模型。在此基础上，采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重，结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明，该算法的评价效果优于现有的经典算法，与主观评价具有较好一致性，能够准确反映人类对图像质量的视觉感知效果。
2016, 38(7): 1654-1659.
doi: 10.11999/JEIT151107
摘要:
关联规则分析作为数据挖掘的主要手段之一，在发现海量事务数据中隐含的有价值信息方面具有重要的作用。该文针对Apriori 算法的固有缺陷，提出了AWP (Apriori With Prejudging) 算法。该算法在Apriori 算法连接、剪枝的基础上，添加了预判筛选的步骤，使用先验概率对候选频繁k项集集合进行缩减优化，并且引入阻尼因子和补偿因子对预判筛选产生的误差进行修正，简化了挖掘频繁项集的操作过程。实验证明AWP算法能够有效减少扫描数据库的次数，降低算法的运行时间。
关联规则分析作为数据挖掘的主要手段之一，在发现海量事务数据中隐含的有价值信息方面具有重要的作用。该文针对Apriori 算法的固有缺陷，提出了AWP (Apriori With Prejudging) 算法。该算法在Apriori 算法连接、剪枝的基础上，添加了预判筛选的步骤，使用先验概率对候选频繁k项集集合进行缩减优化，并且引入阻尼因子和补偿因子对预判筛选产生的误差进行修正，简化了挖掘频繁项集的操作过程。实验证明AWP算法能够有效减少扫描数据库的次数，降低算法的运行时间。
2016, 38(7): 1660-1665.
doi: 10.11999/JEIT151089
摘要:
为了提高全方向M型心动图运动曲线检测效果，该文对心动图的相关问题进行研究后，提出一种基于模糊增强和灰色理论的全方向M型心动图运动曲线检测算法。首先利用改进的模糊增强算法(PAL算法)来抑制噪声和背景，同时突出边缘信息；再利用灰色理论中的灰色绝对关联度构造统计量来进行边缘检测，精确定位出运动曲线；最后通过对孤立的噪声点和断裂的边缘进行后续的处理，得到最终的运动曲线。实验结果表明：该算法检测效果良好，噪声鲁棒性较强。
为了提高全方向M型心动图运动曲线检测效果，该文对心动图的相关问题进行研究后，提出一种基于模糊增强和灰色理论的全方向M型心动图运动曲线检测算法。首先利用改进的模糊增强算法(PAL算法)来抑制噪声和背景，同时突出边缘信息；再利用灰色理论中的灰色绝对关联度构造统计量来进行边缘检测，精确定位出运动曲线；最后通过对孤立的噪声点和断裂的边缘进行后续的处理，得到最终的运动曲线。实验结果表明：该算法检测效果良好，噪声鲁棒性较强。
2016, 38(7): 1666-1673.
doi: 10.11999/JEIT151079
摘要:
该文基于多通道脑电信号时空特性构建非正交变换过完备字典，准确稀疏表示蕴含时空相关性信息的多通道脑电信号，提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明，基于过完备字典稀疏表示的多通道脑电信号，能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息，比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 dB，重构时间减少0.75 s，显著提高多通道脑电信号联合重构性能。
该文基于多通道脑电信号时空特性构建非正交变换过完备字典，准确稀疏表示蕴含时空相关性信息的多通道脑电信号，提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明，基于过完备字典稀疏表示的多通道脑电信号，能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息，比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 dB，重构时间减少0.75 s，显著提高多通道脑电信号联合重构性能。
2016, 38(7): 1674-1681.
doi: 10.11999/JEIT151130
摘要:
为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的，该文利用真实图像边缘两侧的灰度渐变性，以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标；并根据该指标提出一种阈值自适应的边缘检测算法。实验表明：梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声；该指标对光照和对比度变化有较强的鲁棒性；将其用于阈值的自适应调节，得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。
为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的，该文利用真实图像边缘两侧的灰度渐变性，以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标；并根据该指标提出一种阈值自适应的边缘检测算法。实验表明：梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声；该指标对光照和对比度变化有较强的鲁棒性；将其用于阈值的自适应调节，得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。
2016, 38(7): 1682-1688.
doi: 10.11999/JEIT151076
摘要:
构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。该文源于代数编码理论，提出一种基于二进制序列族的确定性测量矩阵构造算法。相关性是描述矩阵性质的重要准则，减小相关性可使重建性能提高。该文推导出所构造测量矩阵的相关性小于同条件下的高斯随机矩阵和伯努利随机矩阵。理论分析和仿真实验表明，该方式构造的测量矩阵的重建性能优于同条件下的高斯随机矩阵和伯努利随机矩阵；所构造矩阵可由线性反馈移位寄存器结构实现，易于硬件实现，有利于压缩感知理论的实用化。
构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。该文源于代数编码理论，提出一种基于二进制序列族的确定性测量矩阵构造算法。相关性是描述矩阵性质的重要准则，减小相关性可使重建性能提高。该文推导出所构造测量矩阵的相关性小于同条件下的高斯随机矩阵和伯努利随机矩阵。理论分析和仿真实验表明，该方式构造的测量矩阵的重建性能优于同条件下的高斯随机矩阵和伯努利随机矩阵；所构造矩阵可由线性反馈移位寄存器结构实现，易于硬件实现，有利于压缩感知理论的实用化。
2016, 38(7): 1689-1695.
doi: 10.11999/JEIT151101
摘要:
该文按照多尺度重采样思想，构造了一种类指数分布的核函数(ELK)，并在核回归分析和支持向量机分类中进行了应用，发现ELK对局部特征具有捕捉优势。ELK分布仅由分析尺度决定，是单参数核函数。利用ELK对阶跃信号和多普勒信号进行Nadaraya-Watson回归分析，结果显示ELK降噪和阶跃捕捉效果均优于常规Gauss核，整体效果接近或优于局部加权回归散点平滑法(LOWESS)。多个UCI数据集的SVM分析显示，ELK与径向基函数(RBF)分类效果相当，但比RBF具有更强的局域性，因此具有更细致的分类超平面，同时分类不理想时可能产生更多的支持向量。对比而言，ELK对调节参数敏感性低，这一性质有助于减少参数优选的计算量。单参数的ELK对局域特征的良好捕捉能力，有助于这类核函数在相关领域得到推广。
该文按照多尺度重采样思想，构造了一种类指数分布的核函数(ELK)，并在核回归分析和支持向量机分类中进行了应用，发现ELK对局部特征具有捕捉优势。ELK分布仅由分析尺度决定，是单参数核函数。利用ELK对阶跃信号和多普勒信号进行Nadaraya-Watson回归分析，结果显示ELK降噪和阶跃捕捉效果均优于常规Gauss核，整体效果接近或优于局部加权回归散点平滑法(LOWESS)。多个UCI数据集的SVM分析显示，ELK与径向基函数(RBF)分类效果相当，但比RBF具有更强的局域性，因此具有更细致的分类超平面，同时分类不理想时可能产生更多的支持向量。对比而言，ELK对调节参数敏感性低，这一性质有助于减少参数优选的计算量。单参数的ELK对局域特征的良好捕捉能力，有助于这类核函数在相关领域得到推广。
2016, 38(7): 1696-1702.
doi: 10.11999/JEIT151029
摘要:
该文针对传统的跳频信号参数估计方法在alpha稳定分布噪声下性能严重退化的问题，引入基于柯西分布的最大似然估计方法。将跳频信号分解到由信号包络参数和频率参数构成的2维平面，基于柯西分布建立最大似然函数，在抑制alpha稳定分布噪声的同时，直接对信号的频率参数进行估计。在构建的最大似然函数基础上，该方法依据跳频信号的短时平稳性，对信号进行加窗，有效获得信号的跳频频率及其跳变次序，进而实现对信号的跳变时刻和跳频周期等参数的估计。仿真结果表明，在alpha稳定分布噪声环境中，相比基于分数低阶统计量及基于Myriad滤波的时频分析方法，该文所提方法提高了跳频信号的参数估计精度，具有良好的稳健性。
该文针对传统的跳频信号参数估计方法在alpha稳定分布噪声下性能严重退化的问题，引入基于柯西分布的最大似然估计方法。将跳频信号分解到由信号包络参数和频率参数构成的2维平面，基于柯西分布建立最大似然函数，在抑制alpha稳定分布噪声的同时，直接对信号的频率参数进行估计。在构建的最大似然函数基础上，该方法依据跳频信号的短时平稳性，对信号进行加窗，有效获得信号的跳频频率及其跳变次序，进而实现对信号的跳变时刻和跳频周期等参数的估计。仿真结果表明，在alpha稳定分布噪声环境中，相比基于分数低阶统计量及基于Myriad滤波的时频分析方法，该文所提方法提高了跳频信号的参数估计精度，具有良好的稳健性。
2016, 38(7): 1703-1709.
doi: 10.11999/JEIT151030
摘要:
现有的频谱检测算法没有充分利用信号在角度维的稀疏性质。该文根据角度维的稀疏特性建立信号模型，通过稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法解决稀疏信号的重构问题，并在迭代过程中引入二元假设检验思想，推导出一种自适应门限的选取策略，把传统的重构算法转化为一个针对不同来波方向的信号检测问题。该算法能够在恒虚警概率下对多信号进行全盲检测，同时实现信号来波方向的精确估计。实验结果证明，自适应判决方法能够有效地提高稀疏重构算法的重构精度，降低运算复杂度，参数估计精度和信号检测性能相比于现有算法得到明显的提升。
现有的频谱检测算法没有充分利用信号在角度维的稀疏性质。该文根据角度维的稀疏特性建立信号模型，通过稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法解决稀疏信号的重构问题，并在迭代过程中引入二元假设检验思想，推导出一种自适应门限的选取策略，把传统的重构算法转化为一个针对不同来波方向的信号检测问题。该算法能够在恒虚警概率下对多信号进行全盲检测，同时实现信号来波方向的精确估计。实验结果证明，自适应判决方法能够有效地提高稀疏重构算法的重构精度，降低运算复杂度，参数估计精度和信号检测性能相比于现有算法得到明显的提升。
2016, 38(7): 1710-1716.
doi: 10.11999/JEIT151066
摘要:
针对SS过程下时频自回归滑动平均(TFARMA)模型分析方法的退化，该文用分数低阶共变取代二阶相关提出了分数低阶时频自回归滑动平均(FLO-TFARMA)模型的概念，并推导了模型参数的求解方法。在此基础上，给出了FLO- TFARMA模型时频谱估计算法，和已有的TFARMA模型时频谱算法进行了详细的比较。计算机仿真结果表明，在SS过程环境下，所提出的FLO-TFARMA时频谱明显优于TFARMA时频谱，尤其是当参数较小时，FLO-TFARMA时频谱优势更明显。
针对SS过程下时频自回归滑动平均(TFARMA)模型分析方法的退化，该文用分数低阶共变取代二阶相关提出了分数低阶时频自回归滑动平均(FLO-TFARMA)模型的概念，并推导了模型参数的求解方法。在此基础上，给出了FLO- TFARMA模型时频谱估计算法，和已有的TFARMA模型时频谱算法进行了详细的比较。计算机仿真结果表明，在SS过程环境下，所提出的FLO-TFARMA时频谱明显优于TFARMA时频谱，尤其是当参数较小时，FLO-TFARMA时频谱优势更明显。
2016, 38(7): 1717-1723.
doi: 10.11999/JEIT151034
摘要:
语音带宽扩展是为了提高语音质量，利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法，但是，由于该方法假设语音高频、低频服从高斯分布，且只表征了语音低频、高频之间的线性关系，从而导致合成的高频语音出现失真。因此，该文提出一种基于受限玻尔兹曼机的方法，该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性；并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样，通过提取语音低频和高频中蕴含的高阶统计特性，该方法可以深层挖掘语音高频和语音低频之间的实际关系，从而更加准确地模拟频谱包络分布，合成质量更高的语音。客观测试、主观测试结果表明，该方法性能优于传统的高斯混合模型方法。
语音带宽扩展是为了提高语音质量，利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法，但是，由于该方法假设语音高频、低频服从高斯分布，且只表征了语音低频、高频之间的线性关系，从而导致合成的高频语音出现失真。因此，该文提出一种基于受限玻尔兹曼机的方法，该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性；并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样，通过提取语音低频和高频中蕴含的高阶统计特性，该方法可以深层挖掘语音高频和语音低频之间的实际关系，从而更加准确地模拟频谱包络分布，合成质量更高的语音。客观测试、主观测试结果表明，该方法性能优于传统的高斯混合模型方法。
2016, 38(7): 1724-1730.
doi: 10.11999/JEIT151019
摘要:
该文考虑利用连续获取的多视全极化高分辨距离像(High Range Resolution Profile, HRRP)进行目标识别的问题。多视全极化HRRP样本包含了3个层次的先验信息：样本内各分量来自同一目标；单视内4种极化组合方式下的HRRP均对应相同的目标姿态；相同极化方式下的多视观测是相关的。为有效利用上述信息进行目标识别，该文提出一种基于联合稀疏表示的多视全极化HRRP目标识别方法。该方法约束各分量对应的稀疏表示系数共享原子级的稀疏模式。原子级稀疏约束使得从各极化字典中选择来自相同姿态的字典原子对样本中各分量进行稀疏表示，可以有效利用上述3个层次的先验信息进行目标识别。利用目标电磁散射数据对所提方法进行了验证，结果表明，该方法具有较好的识别性能，并且对噪声具有良好的鲁棒性。
该文考虑利用连续获取的多视全极化高分辨距离像(High Range Resolution Profile, HRRP)进行目标识别的问题。多视全极化HRRP样本包含了3个层次的先验信息：样本内各分量来自同一目标；单视内4种极化组合方式下的HRRP均对应相同的目标姿态；相同极化方式下的多视观测是相关的。为有效利用上述信息进行目标识别，该文提出一种基于联合稀疏表示的多视全极化HRRP目标识别方法。该方法约束各分量对应的稀疏表示系数共享原子级的稀疏模式。原子级稀疏约束使得从各极化字典中选择来自相同姿态的字典原子对样本中各分量进行稀疏表示，可以有效利用上述3个层次的先验信息进行目标识别。利用目标电磁散射数据对所提方法进行了验证，结果表明，该方法具有较好的识别性能，并且对噪声具有良好的鲁棒性。
2016, 38(7): 1731-1737.
doi: 10.11999/JEIT151131
摘要:
目前多量测向量(Multiple Measurement Vectors, MMV)模型的稀疏重构算法存在两个问题：计算复杂度高和当重构的支撑集存在冗余时无法有效剔除。为同时提高MMV模型的重构效率和重构精度，该文提出一种MMV模型下基于贝叶斯检验的快速正交匹配追踪(Fast Orthogonal Matching Pursuit based on Bayesian Testing, FOMP-BT)算法。首先，通过新原子组选和warm start求逆的思想来减少算法总的迭代次数以及每次迭代的运算量，以提高算法的重构效率；其次，利用贝叶斯检验的思想剔除冗余支撑集以提高重构精度；最后对所研究的算法从参数选择以及计算复杂度等方面进行了理论分析。仿真结果表明，所提算法具有重构精度高、速度快以及对噪声有较好的鲁棒性等优势。
目前多量测向量(Multiple Measurement Vectors, MMV)模型的稀疏重构算法存在两个问题：计算复杂度高和当重构的支撑集存在冗余时无法有效剔除。为同时提高MMV模型的重构效率和重构精度，该文提出一种MMV模型下基于贝叶斯检验的快速正交匹配追踪(Fast Orthogonal Matching Pursuit based on Bayesian Testing, FOMP-BT)算法。首先，通过新原子组选和warm start求逆的思想来减少算法总的迭代次数以及每次迭代的运算量，以提高算法的重构效率；其次，利用贝叶斯检验的思想剔除冗余支撑集以提高重构精度；最后对所研究的算法从参数选择以及计算复杂度等方面进行了理论分析。仿真结果表明，所提算法具有重构精度高、速度快以及对噪声有较好的鲁棒性等优势。
2016, 38(7): 1738-1744.
doi: 10.11999/JEIT151036
摘要:
由于输入信杂噪比(Signal to Clutter Noise Ratio, SCNR)较低，杂波抑制后超高频(Ultra-High Frequency, UHF)波段合成孔径雷达(Synthetic Aperture Radar, SAR)图像中剩余静止目标杂波导致系统虚警概率较高。该文提出一种动目标筛选方法，能够判断恒虚警概率(Constant False Alarm Rate, CFAR)检测器检测到的目标是否为动目标。提出一种动目原始数据恢复方法，能够从整幅SAR图像中恢复任意孤立点的多普勒相位历史。采用距离多普勒处理对恢复的数据成像，然后采用方位自聚焦处理对所成子图像进行重新聚焦。如果子图像中目标为静止目标，则聚焦前后子图像不变，否则图像被重新聚集。通过检测图像的变化可以排除虚假动目标。仿真及实测数据处理结果说明了该方法的有效性。
由于输入信杂噪比(Signal to Clutter Noise Ratio, SCNR)较低，杂波抑制后超高频(Ultra-High Frequency, UHF)波段合成孔径雷达(Synthetic Aperture Radar, SAR)图像中剩余静止目标杂波导致系统虚警概率较高。该文提出一种动目标筛选方法，能够判断恒虚警概率(Constant False Alarm Rate, CFAR)检测器检测到的目标是否为动目标。提出一种动目原始数据恢复方法，能够从整幅SAR图像中恢复任意孤立点的多普勒相位历史。采用距离多普勒处理对恢复的数据成像，然后采用方位自聚焦处理对所成子图像进行重新聚焦。如果子图像中目标为静止目标，则聚焦前后子图像不变，否则图像被重新聚集。通过检测图像的变化可以排除虚假动目标。仿真及实测数据处理结果说明了该方法的有效性。
2016, 38(7): 1745-1751.
doi: 10.11999/JEIT151152
摘要:
针对组网雷达工作频段拥塞、高自相关距离旁瓣及节点雷达间波形互干扰等问题，该文在恒模约束下引入联合优化松弛交替投影算法来设计稀疏频谱波形，使其同时具有低自相关旁瓣或低节点雷达间波形互扰特性。该算法利用功率谱与非周期相关函数的傅里叶变换关系将原优化问题转化为谱逼近问题，并通过多目标联合优化机制综合考虑各设计要求，引入松弛因子和加速因子扩展交替投影框架来优化收敛投影区，最终凭借快速傅里叶变换及加速交替投影机制实现迭代优化。仿真结果表明，该算法无需求解梯度，运算效率高且能够有效避免局部优化停滞，与当前流行投影算法及循环算法相比更适合工程实现。
针对组网雷达工作频段拥塞、高自相关距离旁瓣及节点雷达间波形互干扰等问题，该文在恒模约束下引入联合优化松弛交替投影算法来设计稀疏频谱波形，使其同时具有低自相关旁瓣或低节点雷达间波形互扰特性。该算法利用功率谱与非周期相关函数的傅里叶变换关系将原优化问题转化为谱逼近问题，并通过多目标联合优化机制综合考虑各设计要求，引入松弛因子和加速因子扩展交替投影框架来优化收敛投影区，最终凭借快速傅里叶变换及加速交替投影机制实现迭代优化。仿真结果表明，该算法无需求解梯度，运算效率高且能够有效避免局部优化停滞，与当前流行投影算法及循环算法相比更适合工程实现。
2016, 38(7): 1752-1757.
doi: 10.11999/JEIT151003
摘要:
对角加载可以提高空时自适应处理在低样本情况下的性能。然而，在实际中加载参数的确定是一个较为困难的问题。为了解决这个问题，该文提出一种基于回波数据的自适应对角加载参数估计方法。该方法首先将对角加载问题转化为Tikhonov规划问题，然后利用广义交叉验证准则构造优化问题，最后采用割线法求解优化问题、计算加载参数。仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条件下的目标检测性能。
对角加载可以提高空时自适应处理在低样本情况下的性能。然而，在实际中加载参数的确定是一个较为困难的问题。为了解决这个问题，该文提出一种基于回波数据的自适应对角加载参数估计方法。该方法首先将对角加载问题转化为Tikhonov规划问题，然后利用广义交叉验证准则构造优化问题，最后采用割线法求解优化问题、计算加载参数。仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条件下的目标检测性能。
2016, 38(7): 1758-1764.
doi: 10.11999/JEIT151110
摘要:
在低频超宽带合成孔径雷达中，VHF/UHF频段密集的窄带射频干扰(RFI)严重影响了雷达性能。常规RFI抑制滤波器在干扰频点的陷波造成了宽带信号的能量损失，抬高了点目标的距离向旁瓣。该文提出一种可减小自适应滤波器旁瓣效应的方法：通过在距离压缩域剔除场景内的强散射点，减小输入信号中的宽带目标信号能量，提高自适应谱线增强器(ALE)对窄带干扰估计的精度，再从原始信号中减去干扰即得到目标回波信号。这种剔除强散射点的方法利用了匹配滤波后宽带信号与窄带干扰的时域特性差异，能有效降低自适应滤波器的旁瓣效应。该文选择归一化最小均方误差(NLMS)算法对剔除强散射点的自适应窄带RFI抑制滤波器进行了性能评估，与传统算法的对比试验表明该方法可在抑制RFI的同时有效减小强目标的距离向旁瓣。
在低频超宽带合成孔径雷达中，VHF/UHF频段密集的窄带射频干扰(RFI)严重影响了雷达性能。常规RFI抑制滤波器在干扰频点的陷波造成了宽带信号的能量损失，抬高了点目标的距离向旁瓣。该文提出一种可减小自适应滤波器旁瓣效应的方法：通过在距离压缩域剔除场景内的强散射点，减小输入信号中的宽带目标信号能量，提高自适应谱线增强器(ALE)对窄带干扰估计的精度，再从原始信号中减去干扰即得到目标回波信号。这种剔除强散射点的方法利用了匹配滤波后宽带信号与窄带干扰的时域特性差异，能有效降低自适应滤波器的旁瓣效应。该文选择归一化最小均方误差(NLMS)算法对剔除强散射点的自适应窄带RFI抑制滤波器进行了性能评估，与传统算法的对比试验表明该方法可在抑制RFI的同时有效减小强目标的距离向旁瓣。
2016, 38(7): 1765-1772.
doi: 10.11999/JEIT151155
摘要:
论文针对多通道SAR-GMTI提出一种新的二维欺骗干扰方法，该方法通过对截获的SAR信号进行距离向余弦调相的同时，利用干扰机转动实现方位向余弦调相，可对多通道SAR-GMTI实现二维余弦调相转发欺骗干扰效果，并采用三通道干涉对消方法分析了其对GMTI的对抗性能，该方法对SAR和多通道SAR-GMTI均可产生2维网状多假目标干扰效果，可同时保护地面运动目标和静止目标。理论分析和仿真实验验证了该干扰方法的可行性和有效性。
论文针对多通道SAR-GMTI提出一种新的二维欺骗干扰方法，该方法通过对截获的SAR信号进行距离向余弦调相的同时，利用干扰机转动实现方位向余弦调相，可对多通道SAR-GMTI实现二维余弦调相转发欺骗干扰效果，并采用三通道干涉对消方法分析了其对GMTI的对抗性能，该方法对SAR和多通道SAR-GMTI均可产生2维网状多假目标干扰效果，可同时保护地面运动目标和静止目标。理论分析和仿真实验验证了该干扰方法的可行性和有效性。
2016, 38(7): 1773-1780.
doi: 10.11999/JEIT150933
摘要:
为了提高图像融合的效率和质量，该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解，生成一系列低通和高通子带。对于低频子带，利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合；对于高频子带，则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构，能成倍提高分解效率；快速的稀疏融合则抛弃了传统的滑动窗口方法，以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合，进一步提高算法效率。实验结果表明，提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。
为了提高图像融合的效率和质量，该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解，生成一系列低通和高通子带。对于低频子带，利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合；对于高频子带，则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构，能成倍提高分解效率；快速的稀疏融合则抛弃了传统的滑动窗口方法，以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合，进一步提高算法效率。实验结果表明，提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。
2016, 38(7): 1781-1787.
doi: 10.11999/JEIT151198
摘要:
面向DVB-S2标准LDPC码，该文旨在实现一种基于FPGA的高效编码结构，提出一种快速流水线并向递归编码算法，可以显著提高编码数据信息吞吐率。同时，通过并向移位运算和并向异或运算的处理结构计算编码中间变量及校验位信息，在提高编码并行度的同时可有效减少存储资源的消耗。此外，针对动态自适应编码的情况优化了LDPC码编码存储结构，有效复用了数据存储单元和RAM地址发生器，进一步提高FPGA的硬件逻辑资源利用率。针对DVB-S2标准LDPC码，基于Stratix IV系列FPGA的验证结果表明，所提编码结构在系统时钟为126.17 MHz时，编码数据信息吞吐率达20 Gbps以上。
面向DVB-S2标准LDPC码，该文旨在实现一种基于FPGA的高效编码结构，提出一种快速流水线并向递归编码算法，可以显著提高编码数据信息吞吐率。同时，通过并向移位运算和并向异或运算的处理结构计算编码中间变量及校验位信息，在提高编码并行度的同时可有效减少存储资源的消耗。此外，针对动态自适应编码的情况优化了LDPC码编码存储结构，有效复用了数据存储单元和RAM地址发生器，进一步提高FPGA的硬件逻辑资源利用率。针对DVB-S2标准LDPC码，基于Stratix IV系列FPGA的验证结果表明，所提编码结构在系统时钟为126.17 MHz时，编码数据信息吞吐率达20 Gbps以上。
2016, 38(7): 1788-1793.
doi: 10.11999/JEIT151087
摘要:
由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码，已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型，将复合码矩阵估计建模为盲源信号分离问题；然后将矩阵填充理论应用于复合码矩阵估计，提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法；最后利用m序列的移位相加性特性，提出延迟三阶相关算法，从各用户复合码序列中估计其包含的长短伪码序列。仿真表明，当信噪比高于-2 dB时，该文算法的长短伪码估计平均误码率低于0.1%。
由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码，已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型，将复合码矩阵估计建模为盲源信号分离问题；然后将矩阵填充理论应用于复合码矩阵估计，提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法；最后利用m序列的移位相加性特性，提出延迟三阶相关算法，从各用户复合码序列中估计其包含的长短伪码序列。仿真表明，当信噪比高于-2 dB时，该文算法的长短伪码估计平均误码率低于0.1%。
2016, 38(7): 1794-1799.
doi: 10.11999/JEIT151068
摘要:
基于Walsh-Hadamard变换的扰码重建算法在最大成立数准则下寻找全局最优解，是求解线性反馈关系的一种有效方法，但其计算复杂度随着变换阶数的增加而迅速增加。为降低算法的计算复杂度，论文提出一种基于实时检测的扰码重建算法，即在进行Walsh-Hadamard变换的过程中，实时判断检测对象是否为反馈关系；当检测到反馈关系时，即可停止运算。引入实时检测后可使计算复杂度平均减少50%。
基于Walsh-Hadamard变换的扰码重建算法在最大成立数准则下寻找全局最优解，是求解线性反馈关系的一种有效方法，但其计算复杂度随着变换阶数的增加而迅速增加。为降低算法的计算复杂度，论文提出一种基于实时检测的扰码重建算法，即在进行Walsh-Hadamard变换的过程中，实时判断检测对象是否为反馈关系；当检测到反馈关系时，即可停止运算。引入实时检测后可使计算复杂度平均减少50%。
2016, 38(7): 1800-1807.
doi: 10.11999/JEIT151043
摘要:
泛在网络是标准的异质异构网络，保证用户在网络间的切换安全是当前泛在网的一个研究热点。该文对适用于异构网络间切换的认证协议EAP-AKA进行分析，指出该协议有着高认证时延，且面临着用户身份泄露、中间人攻击、DoS攻击等安全威胁，此外接入网络接入点的有效性在EAP-AKA协议中也没有得到验证，使得用户终端即使经过了复杂的认证过程也不能避免多种攻击。针对以上安全漏洞，该文提出一种改进的安全认证协议，将传统EAP-AKA的适用性从3G系统扩展到泛在网络中。新协议对传播时延和效率进行完善，为用户和接入点的身份信息提供有效性保护，避免主会话密钥泄露，采用椭圆曲线Diffie Hellman算法生成对称密钥，在每次认证会话时生成随机的共享密钥，并实现用户终端与家乡域网络的相互认证。通过开展实验，对协议进行比较分析，验证了新协议的有效性及高效率。
泛在网络是标准的异质异构网络，保证用户在网络间的切换安全是当前泛在网的一个研究热点。该文对适用于异构网络间切换的认证协议EAP-AKA进行分析，指出该协议有着高认证时延，且面临着用户身份泄露、中间人攻击、DoS攻击等安全威胁，此外接入网络接入点的有效性在EAP-AKA协议中也没有得到验证，使得用户终端即使经过了复杂的认证过程也不能避免多种攻击。针对以上安全漏洞，该文提出一种改进的安全认证协议，将传统EAP-AKA的适用性从3G系统扩展到泛在网络中。新协议对传播时延和效率进行完善，为用户和接入点的身份信息提供有效性保护，避免主会话密钥泄露，采用椭圆曲线Diffie Hellman算法生成对称密钥，在每次认证会话时生成随机的共享密钥，并实现用户终端与家乡域网络的相互认证。通过开展实验，对协议进行比较分析，验证了新协议的有效性及高效率。
2016, 38(7): 1808-1815.
doi: 10.11999/JEIT151095
摘要:
众包是互联网带来的一种分布式问题解决模式。然而，由于工作者和任务发布者具有自私特性并且致力于获得自身效益的最大化，使得在众包应用中，存在内部的激励问题。该文主要完成以下工作：首先，基于重复博弈，提出一种基于信誉值的激励模型，用于激励理性工作者高质量地完成任务；其次，该激励模型中同时设置了惩罚机制，将针对恶意工作者做出相应惩罚。仿真结果表明，即使在自私工作者比例为0.2的条件下，只要合理选择惩罚参数，均可有效激励理性工作者的尽力工作，众包平台的整体性能可以提升至90%以上。
众包是互联网带来的一种分布式问题解决模式。然而，由于工作者和任务发布者具有自私特性并且致力于获得自身效益的最大化，使得在众包应用中，存在内部的激励问题。该文主要完成以下工作：首先，基于重复博弈，提出一种基于信誉值的激励模型，用于激励理性工作者高质量地完成任务；其次，该激励模型中同时设置了惩罚机制，将针对恶意工作者做出相应惩罚。仿真结果表明，即使在自私工作者比例为0.2的条件下，只要合理选择惩罚参数，均可有效激励理性工作者的尽力工作，众包平台的整体性能可以提升至90%以上。
2016, 38(7): 1816-1822.
doi: 10.11999/JEIT150864
摘要:
近年来复杂网络在科学与工程各个领域受到了广泛关注，其中复杂网络同步问题是复杂网络研究的热点之一。该文研究两个复杂网络实现改进函数投影同步的方法。分别基于复杂网络模型参数已知和未知两种情况，利用李雅普诺夫稳定性理论和自适应控制技术，设计自适应同步控制器，使两个复杂网络达到改进函数投影同步。最后分别基于这两种情况利用数值仿真验证所提方法的有效性。
近年来复杂网络在科学与工程各个领域受到了广泛关注，其中复杂网络同步问题是复杂网络研究的热点之一。该文研究两个复杂网络实现改进函数投影同步的方法。分别基于复杂网络模型参数已知和未知两种情况，利用李雅普诺夫稳定性理论和自适应控制技术，设计自适应同步控制器，使两个复杂网络达到改进函数投影同步。最后分别基于这两种情况利用数值仿真验证所提方法的有效性。
2016, 38(7): 1823-1830.
doi: 10.11999/JEIT151074
摘要:
沙箱验证机制的测试需要首先识别沙箱拦截，即识别沙箱截获的系统函数集。已有的Hook识别方法大多仅关注钩子的存在性，识别沙箱拦截的能力不足。该文设计了一种基于函数注入的沙箱拦截识别方法，该方法分析系统函数的指令执行记录(Trace)来识别沙箱截获的系统函数。首先，向不可信进程注入并执行系统函数来获取函数的执行记录；其次，根据沙箱截获系统函数执行记录的特点，设计了地址空间有限状态自动机，并在自动机内分析获取的执行记录来判别沙箱截获的系统函数；最后，遍历测试函数集来识别目标沙箱截获的系统函数集。该文设计实现了原型系统SIAnalyzer，并对Chromium和Adobe Reader进行了沙箱拦截识别测试，测试结果验证了方法的有效性和实用性。
沙箱验证机制的测试需要首先识别沙箱拦截，即识别沙箱截获的系统函数集。已有的Hook识别方法大多仅关注钩子的存在性，识别沙箱拦截的能力不足。该文设计了一种基于函数注入的沙箱拦截识别方法，该方法分析系统函数的指令执行记录(Trace)来识别沙箱截获的系统函数。首先，向不可信进程注入并执行系统函数来获取函数的执行记录；其次，根据沙箱截获系统函数执行记录的特点，设计了地址空间有限状态自动机，并在自动机内分析获取的执行记录来判别沙箱截获的系统函数；最后，遍历测试函数集来识别目标沙箱截获的系统函数集。该文设计实现了原型系统SIAnalyzer，并对Chromium和Adobe Reader进行了沙箱拦截识别测试，测试结果验证了方法的有效性和实用性。
2016, 38(7): 1831-1837.
doi: 10.11999/JEIT151104
摘要:
对于时间信号量化后的数字编码处理，传统编码方法高频条件下存在高误码率导致数据量化精度退化的问题。该文从数据误码根源分析入手，建立起不同状态模式下包含锁存和延迟失配效应的误码解析分析模型，并在二进制和格雷码编码方法对比的基础上，分析了低误码率的同频码编码设计方法。基于TSMC 0.35 ?m CMOS工艺，完成了采用同频码编码方法的时间数字转换器(TDC)电路及其版图设计，多项目晶元(MPW)芯片的测试结果表明：同频编码的误码率相比同等条件下传统编码方法的误码率明显降低，并与理论分析基本吻合。
对于时间信号量化后的数字编码处理，传统编码方法高频条件下存在高误码率导致数据量化精度退化的问题。该文从数据误码根源分析入手，建立起不同状态模式下包含锁存和延迟失配效应的误码解析分析模型，并在二进制和格雷码编码方法对比的基础上，分析了低误码率的同频码编码设计方法。基于TSMC 0.35 ?m CMOS工艺，完成了采用同频码编码方法的时间数字转换器(TDC)电路及其版图设计，多项目晶元(MPW)芯片的测试结果表明：同频编码的误码率相比同等条件下传统编码方法的误码率明显降低，并与理论分析基本吻合。
2016, 38(7): 1838-1842.
doi: 10.11999/JEIT151063
摘要:
针对节点感知半径不均衡的移动传感网络节点的部署问题，论文提出一种基于VL(Voronoi Laguerre)图分割的节点自主部署算法(Autonomous Deployment Algorithm, ADA)。ADA先对目标区域做VL图划分，将目标区域的覆盖任务在各个传感器节点之间进行分配。分配到覆盖子区间任务的节点通过构造VL受控多边形来确定下一轮候选目标位置。未分配到覆盖子区间的节点则根据自身与邻居节点感知圆及目标区域边界的几何位置关系计算所受虚拟力，最终确定下一轮目标点坐标。网络各个节点通过逐轮更新自身位置，从而提高网络覆盖。仿真结果表明，ADA算法在网络覆盖率、节点部署速度和节点分布均匀性等方面具有明显的优势。
针对节点感知半径不均衡的移动传感网络节点的部署问题，论文提出一种基于VL(Voronoi Laguerre)图分割的节点自主部署算法(Autonomous Deployment Algorithm, ADA)。ADA先对目标区域做VL图划分，将目标区域的覆盖任务在各个传感器节点之间进行分配。分配到覆盖子区间任务的节点通过构造VL受控多边形来确定下一轮候选目标位置。未分配到覆盖子区间的节点则根据自身与邻居节点感知圆及目标区域边界的几何位置关系计算所受虚拟力，最终确定下一轮目标点坐标。网络各个节点通过逐轮更新自身位置，从而提高网络覆盖。仿真结果表明，ADA算法在网络覆盖率、节点部署速度和节点分布均匀性等方面具有明显的优势。
