邮件订阅
2019年 第41卷 第10期
2019, 41(10): 2287-2293.
doi: 10.11999/JEIT190149
摘要:
针对D2D通信的资源分配问题，该文研究了D2D信道选择与功率控制策略。在保证蜂窝用户服务质量(QoS)的前提下，提出一种基于启发式的D2D信道选择算法，为系统内的D2D用户找到合适的信道复用资源。同时，利用拉格朗日对偶方法求解得到D2D用户最优传输功率。仿真结果表明当蜂窝用户与多对D2D用户共享信道资源时能够大幅度提升系统平均吞吐量。在相同条件下，该算法的性能要明显优于现有算法。
针对D2D通信的资源分配问题，该文研究了D2D信道选择与功率控制策略。在保证蜂窝用户服务质量(QoS)的前提下，提出一种基于启发式的D2D信道选择算法，为系统内的D2D用户找到合适的信道复用资源。同时，利用拉格朗日对偶方法求解得到D2D用户最优传输功率。仿真结果表明当蜂窝用户与多对D2D用户共享信道资源时能够大幅度提升系统平均吞吐量。在相同条件下，该算法的性能要明显优于现有算法。
2019, 41(10): 2294-2301.
doi: 10.11999/JEIT190079
摘要:
水下无线传感网络(UWSN)执行目标跟踪时，因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限，所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题，该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验，去除干扰信息和错误信息。其次，在粒子滤波的重要性权值计算的过程中，引入动态加权因子，采用传感器节点的测量值与目标状态之间的互信息熵，来反映传感器节点提供的目标信息量，从而获得各个节点相应的加权因子。最后，采用3维场景下的簇-树型网络拓扑结构，跟踪监测区域内的目标。实验结果显示，该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度，降低跟踪误差。
水下无线传感网络(UWSN)执行目标跟踪时，因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限，所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题，该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验，去除干扰信息和错误信息。其次，在粒子滤波的重要性权值计算的过程中，引入动态加权因子，采用传感器节点的测量值与目标状态之间的互信息熵，来反映传感器节点提供的目标信息量，从而获得各个节点相应的加权因子。最后，采用3维场景下的簇-树型网络拓扑结构，跟踪监测区域内的目标。实验结果显示，该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度，降低跟踪误差。
2019, 41(10): 2302-2309.
doi: 10.11999/JEIT180599
摘要:
室内定位中半监督学习的指纹库构建方法能够降低人力开销，但忽略了高维接收信号强度(RSS)数据不均匀的非齐分布特点，影响定位精度，针对此问题该文提出一种基于RSS非齐性分布特征的半监督流形对齐指纹库构建方法。该算法运用局部RSS尺度参数以及共享近邻相似性构造权重矩阵，得到精确反映RSS数据流形结构的权重图，利用该权重图通过求解流形对齐的目标函数最优解，实现运用少量标记数据对大量未标记数据的位置标定。实验结果表明，该算法可以显著降低离线阶段数据采集的工作量，同时可以取得较高的定位精度。
室内定位中半监督学习的指纹库构建方法能够降低人力开销，但忽略了高维接收信号强度(RSS)数据不均匀的非齐分布特点，影响定位精度，针对此问题该文提出一种基于RSS非齐性分布特征的半监督流形对齐指纹库构建方法。该算法运用局部RSS尺度参数以及共享近邻相似性构造权重矩阵，得到精确反映RSS数据流形结构的权重图，利用该权重图通过求解流形对齐的目标函数最优解，实现运用少量标记数据对大量未标记数据的位置标定。实验结果表明，该算法可以显著降低离线阶段数据采集的工作量，同时可以取得较高的定位精度。
2019, 41(10): 2310-2317.
doi: 10.11999/JEIT190094
摘要:
针对高密度部署的随机异构传感器网络内部存在的覆盖冗余问题，该文提出一种随机异构无线传感器网络的节点调度算法(NSSH)。在网络原型拓扑的支撑下构建Delaunary三角剖分，规划出节点进行本地化调度的局部工作子集。通过折中与邻近节点的空外接圆半径，完成对感知半径的独立配置；引入几何线、面概念，利用重叠面积和有效约束圆弧完成对灰、黑色节点的分类识别，使得节点仅依赖本地及邻居信息进行半径调整和冗余休眠。仿真结果表明，NSSH能以低复杂度的代价，近似追平贪婪算法的去冗余性能，并表现出了对网络规模、异构跨度和参数配置的低敏感性。
针对高密度部署的随机异构传感器网络内部存在的覆盖冗余问题，该文提出一种随机异构无线传感器网络的节点调度算法(NSSH)。在网络原型拓扑的支撑下构建Delaunary三角剖分，规划出节点进行本地化调度的局部工作子集。通过折中与邻近节点的空外接圆半径，完成对感知半径的独立配置；引入几何线、面概念，利用重叠面积和有效约束圆弧完成对灰、黑色节点的分类识别，使得节点仅依赖本地及邻居信息进行半径调整和冗余休眠。仿真结果表明，NSSH能以低复杂度的代价，近似追平贪婪算法的去冗余性能，并表现出了对网络规模、异构跨度和参数配置的低敏感性。
2019, 41(10): 2318-2324.
doi: 10.11999/JEIT181181
摘要:
针对复杂环境下，单测量矢量(SMV)条件下的正交频分复用(OFDM)时延估计问题，该文提出了一种基于贝叶斯自动相关性确定(BARD)的稀疏重构时延估计算法。该算法运用贝叶斯框架，从进一步挖掘有用信息的角度入手，引入不对称的自动相关性确定(ARD)先验，融入参数估计过程中，有效提升了低信噪比(SNR)和SMV条件下的时延估计精度。该算法首先基于OFDM信号物理层协议数据单元估计出的信道频域响应构造稀疏化实数域表示模型，然后对模型中的噪声和稀疏系数矢量进行概率假设，同时引入自动相关性确定先验；最后根据贝叶斯框架，通过期望最大化(EM)算法求解超参数，实现对时延的估计。仿真实验表明，该算法具有更好的估计性能，在信噪比较高时更加贴近克拉美罗界(CRB)。同时基于通用软件无线电外设(USRP)，利用实际信号对所提算法进行了有效性地验证。
针对复杂环境下，单测量矢量(SMV)条件下的正交频分复用(OFDM)时延估计问题，该文提出了一种基于贝叶斯自动相关性确定(BARD)的稀疏重构时延估计算法。该算法运用贝叶斯框架，从进一步挖掘有用信息的角度入手，引入不对称的自动相关性确定(ARD)先验，融入参数估计过程中，有效提升了低信噪比(SNR)和SMV条件下的时延估计精度。该算法首先基于OFDM信号物理层协议数据单元估计出的信道频域响应构造稀疏化实数域表示模型，然后对模型中的噪声和稀疏系数矢量进行概率假设，同时引入自动相关性确定先验；最后根据贝叶斯框架，通过期望最大化(EM)算法求解超参数，实现对时延的估计。仿真实验表明，该算法具有更好的估计性能，在信噪比较高时更加贴近克拉美罗界(CRB)。同时基于通用软件无线电外设(USRP)，利用实际信号对所提算法进行了有效性地验证。
2019, 41(10): 2325-2333.
doi: 10.11999/JEIT190069
摘要:
为解决多信源多中继低密度奇偶校验(LDPC)码编码协作系统编码复杂度高、编码时延长的问题，该文引入一种特殊结构的LDPC码—基于生成矩阵的准循环LDPC码(QC-LDPC)码。该类码结合了QC-LDPC码与基于生成矩阵LDPC (G-LDPC)码的特点，可直接实现完全并行编码，极大地降低了中继节点的编码时延及编码复杂度。在此基础上，推导出对应于信源节点和中继节点采用的QC-LDPC码的联合校验矩阵，并基于最大公约数(GCD)定理联合设计该矩阵以消除其所有围长为4, 6(girth-4, girth-6)的短环。理论分析和仿真结果表明，在同等条件下该系统的误码率(BER)性能优于相应的点对点系统。仿真结果还表明，与采用显式算法构造QC-LDPC码或一般构造QC-LDPC码的协作系统相比，采用联合设计QC-LDPC码的系统均可获得更高的编码增益。
为解决多信源多中继低密度奇偶校验(LDPC)码编码协作系统编码复杂度高、编码时延长的问题，该文引入一种特殊结构的LDPC码—基于生成矩阵的准循环LDPC码(QC-LDPC)码。该类码结合了QC-LDPC码与基于生成矩阵LDPC (G-LDPC)码的特点，可直接实现完全并行编码，极大地降低了中继节点的编码时延及编码复杂度。在此基础上，推导出对应于信源节点和中继节点采用的QC-LDPC码的联合校验矩阵，并基于最大公约数(GCD)定理联合设计该矩阵以消除其所有围长为4, 6(girth-4, girth-6)的短环。理论分析和仿真结果表明，在同等条件下该系统的误码率(BER)性能优于相应的点对点系统。仿真结果还表明，与采用显式算法构造QC-LDPC码或一般构造QC-LDPC码的协作系统相比，采用联合设计QC-LDPC码的系统均可获得更高的编码增益。
2019, 41(10): 2334-2341.
doi: 10.11999/JEIT190034
摘要:
针对非线性卫星信道，该文提出了两种基于回声状态网络(ESN)的在线盲均衡算法。利用ESN良好的非线性逼近能力，将发送信号的高阶统计量(HOS)代入ESN，结合常模算法(CMA)和多模算法(MMA)构造盲均衡的代价函数，并采用递归最小二乘(RLS)算法对ESN输出权值进行迭代寻优，实现了Volterra卫星信道下常模和多模信号的在线盲均衡。实验表明，该文算法可以有效降低非线性信道对发送信号产生的畸变，相较于传统的Volterra滤波方法，有更快的收敛速度和更低的均方误差值。
针对非线性卫星信道，该文提出了两种基于回声状态网络(ESN)的在线盲均衡算法。利用ESN良好的非线性逼近能力，将发送信号的高阶统计量(HOS)代入ESN，结合常模算法(CMA)和多模算法(MMA)构造盲均衡的代价函数，并采用递归最小二乘(RLS)算法对ESN输出权值进行迭代寻优，实现了Volterra卫星信道下常模和多模信号的在线盲均衡。实验表明，该文算法可以有效降低非线性信道对发送信号产生的畸变，相较于传统的Volterra滤波方法，有更快的收敛速度和更低的均方误差值。
2019, 41(10): 2342-2349.
doi: 10.11999/JEIT190157
摘要:
针对对偶序列跳频(DSHF)在极低信噪比(SNR)下无法通信的问题，该文充分利用对偶序列跳频信号时、频域物理特征，提出一种随机共振(SR)检测方法，极大扩展该信号的应用场景。首先，通过分析对偶序列跳频的发射、接收信号及超外差解调的中频(IF)信号，构建随机共振系统，采用尺度变换调整中频信号；然后，引入判决时刻，将无定态解的非自治福克普朗克方程(FPE)转化为可解的自治方程，从而推导出含时间参量的概率密度周期定态解；其次，以最大后验概率为准则，得到检测概率、虚警概率和接收机工作特性(ROC)曲线；最后，得出以下结论：(1) 应用匹配随机共振检测对偶序列跳频信号的信噪比最低可达–18 dB；(2)对偶序列跳频与匹配随机共振结合，适用于信噪比在–18～–14 dB的信号检测；(3)应用匹配随机共振检测对偶序列跳频信号在信噪比为–14 dB时，检测性能提升了25.47%。仿真实验验证了理论的正确性。
针对对偶序列跳频(DSHF)在极低信噪比(SNR)下无法通信的问题，该文充分利用对偶序列跳频信号时、频域物理特征，提出一种随机共振(SR)检测方法，极大扩展该信号的应用场景。首先，通过分析对偶序列跳频的发射、接收信号及超外差解调的中频(IF)信号，构建随机共振系统，采用尺度变换调整中频信号；然后，引入判决时刻，将无定态解的非自治福克普朗克方程(FPE)转化为可解的自治方程，从而推导出含时间参量的概率密度周期定态解；其次，以最大后验概率为准则，得到检测概率、虚警概率和接收机工作特性(ROC)曲线；最后，得出以下结论：(1) 应用匹配随机共振检测对偶序列跳频信号的信噪比最低可达–18 dB；(2)对偶序列跳频与匹配随机共振结合，适用于信噪比在–18～–14 dB的信号检测；(3)应用匹配随机共振检测对偶序列跳频信号在信噪比为–14 dB时，检测性能提升了25.47%。仿真实验验证了理论的正确性。
2019, 41(10): 2350-2357.
doi: 10.11999/JEIT180832
摘要:
针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题，该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先，对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解，然后将信号子空间划分成4个子阵，根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差，再对不同子阵间的相位差进行配对，最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计，该文提出的算法解决了这个问题，并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。
针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题，该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先，对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解，然后将信号子空间划分成4个子阵，根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差，再对不同子阵间的相位差进行配对，最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计，该文提出的算法解决了这个问题，并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。
2019, 41(10): 2358-2365.
doi: 10.11999/JEIT180858
摘要:
延长积累时间可以有效提高无源雷达的目标探测能力，但是对于高速机动目标，其速度、加速度、第二加速度等因素导致现有的检测算法在积累过程中发生距离徙动(RM)和多普勒频率徙动(DFM)，使得目标检测性能恶化。该文针对无源雷达中变加速运动目标的长时间相参积累问题，提出一种基于相邻互相关函数(ACCF)-参数化中心频率-调频率分布(PCFCRD)-Keystone变换(KT)的相参积累算法(ACCF-PCFCRD-KT)。首先给出无源雷达中变加速运动目标的回波模型，分析了目标速度、加速度和第二加速度对相参积累的影响。针对目标第二加速度引起的多普勒频率弯曲，采用ACCF降低了距离和多普勒频率徙动的阶数，而后利用PCFCRD估计出目标加速度和第二加速度参数，在补偿了目标加速度和第二加速度引起的2次和3次徙动后，利用KT校正目标速度引起的线性徙动，并实现目标回波的积累。仿真结果表明，该算法可有效补偿无源雷达中目标运动导致的RM和DFM，对变加速机动目标的积累效果显著优于现有算法。
延长积累时间可以有效提高无源雷达的目标探测能力，但是对于高速机动目标，其速度、加速度、第二加速度等因素导致现有的检测算法在积累过程中发生距离徙动(RM)和多普勒频率徙动(DFM)，使得目标检测性能恶化。该文针对无源雷达中变加速运动目标的长时间相参积累问题，提出一种基于相邻互相关函数(ACCF)-参数化中心频率-调频率分布(PCFCRD)-Keystone变换(KT)的相参积累算法(ACCF-PCFCRD-KT)。首先给出无源雷达中变加速运动目标的回波模型，分析了目标速度、加速度和第二加速度对相参积累的影响。针对目标第二加速度引起的多普勒频率弯曲，采用ACCF降低了距离和多普勒频率徙动的阶数，而后利用PCFCRD估计出目标加速度和第二加速度参数，在补偿了目标加速度和第二加速度引起的2次和3次徙动后，利用KT校正目标速度引起的线性徙动，并实现目标回波的积累。仿真结果表明，该算法可有效补偿无源雷达中目标运动导致的RM和DFM，对变加速机动目标的积累效果显著优于现有算法。
2019, 41(10): 2366-2372.
doi: 10.11999/JEIT190014
摘要:
针对任意测站的对流层散射斜延迟估算时存在探空气象数据不易实时获取的不足，该文提出一种利用地面气象参数内插改进射线描迹计算公式的对流层散射斜延迟估计算法。该算法利用中纬度大气气象参数公式推导了折射指数随地心距变化的关系式，并采用气象参数内插方法获取温度变化率和水汽压变化率，克服了射线描迹法对探空数据的依赖。根据亚洲地区6个国际GPS服务(IGS)测站2012年的实测气象数据，验证了该文算法解算天顶延迟年平均偏差的绝对值在1 cm以内；选取基线距离适宜的3个测站分成3组散射通信比对站，利用射线描迹法计算了其在0°～5°入射角下全年的斜延迟，结果表明，3组比对站进行单向传输的最大斜延迟为17.03～33.10 m；进行双向时间比对相互抵消95%时，时间延迟为2.88～5.52 ns。
针对任意测站的对流层散射斜延迟估算时存在探空气象数据不易实时获取的不足，该文提出一种利用地面气象参数内插改进射线描迹计算公式的对流层散射斜延迟估计算法。该算法利用中纬度大气气象参数公式推导了折射指数随地心距变化的关系式，并采用气象参数内插方法获取温度变化率和水汽压变化率，克服了射线描迹法对探空数据的依赖。根据亚洲地区6个国际GPS服务(IGS)测站2012年的实测气象数据，验证了该文算法解算天顶延迟年平均偏差的绝对值在1 cm以内；选取基线距离适宜的3个测站分成3组散射通信比对站，利用射线描迹法计算了其在0°～5°入射角下全年的斜延迟，结果表明，3组比对站进行单向传输的最大斜延迟为17.03～33.10 m；进行双向时间比对相互抵消95%时，时间延迟为2.88～5.52 ns。
2019, 41(10): 2373-2381.
doi: 10.11999/JEIT190098
摘要:
针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题，该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法。首先，设计一种深度卷积神经网络模型(DCNNM)，利用MJDATA数据集的训练集数据进行训练，通过前向传播过程提取特征，将图像高维全局语义信息与局部特征细节融合；然后，利用训练误差值反向传播迭代更新网络参数，实现模型的收敛效果最优化；最后，通过该模型对气象雷达图像数据进行分割处理。实验结果表明，该文方法对气象雷达图像的去噪效果较好，与光流法、全卷积网络(FCN)等方法相比，该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高，图像的像素精度较高。
针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题，该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法。首先，设计一种深度卷积神经网络模型(DCNNM)，利用MJDATA数据集的训练集数据进行训练，通过前向传播过程提取特征，将图像高维全局语义信息与局部特征细节融合；然后，利用训练误差值反向传播迭代更新网络参数，实现模型的收敛效果最优化；最后，通过该模型对气象雷达图像数据进行分割处理。实验结果表明，该文方法对气象雷达图像的去噪效果较好，与光流法、全卷积网络(FCN)等方法相比，该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高，图像的像素精度较高。
2019, 41(10): 2382-2388.
doi: 10.11999/JEIT190095
摘要:
该文着重研究了FPGA芯片中核心模块基本可编程逻辑单元(BLE)的电路结构与优化设计方法，针对传统4输入查找表(LUT)进行逻辑操作和算术运算时资源利用率低的问题，提出一种融合多路选择器的改进型LUT结构，该结构具有更高面积利用率；同时提出一种对映射后网表进行统计的评估优化方法，可以对综合映射后网表进行重新组合，通过预装箱产生优化后网表；最后，对所提结构进行了实验评估和验证。结果表明：与Intel公司Stratix系列FPGA相比，采用该文所提优化结构，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了10.428% 和 10.433%，有效提升了FPGA的逻辑效能。
该文着重研究了FPGA芯片中核心模块基本可编程逻辑单元(BLE)的电路结构与优化设计方法，针对传统4输入查找表(LUT)进行逻辑操作和算术运算时资源利用率低的问题，提出一种融合多路选择器的改进型LUT结构，该结构具有更高面积利用率；同时提出一种对映射后网表进行统计的评估优化方法，可以对综合映射后网表进行重新组合，通过预装箱产生优化后网表；最后，对所提结构进行了实验评估和验证。结果表明：与Intel公司Stratix系列FPGA相比，采用该文所提优化结构，在MCNC电路集和VTR电路集下，资源利用率平均分别提高了10.428% 和 10.433%，有效提升了FPGA的逻辑效能。
2019, 41(10): 2389-2395.
doi: 10.11999/JEIT181134
摘要:
该文针对3维FPGA (3D FPGA)芯片存在的散热问题，提出具有低热梯度特征的互连网络通道结构，力图解决传统FPGA匀称互连通道设计在芯片堆叠实现上产生的温度非平衡现象。该文建立了3D FPGA的热阻网络模型；对不同类型的通道线对3D FPGA的热分布影响进行了理论分析和热仿真；提出了垂直方向通道网络非均匀分布的3D FPGA通道结构，实验表明，与给定传统FPGA互连通道结构相比，采用所提方法实现的3D FPGA设计架构能够降低76.8%的层间最高温度梯度，10.4%的层内温度梯度。
该文针对3维FPGA (3D FPGA)芯片存在的散热问题，提出具有低热梯度特征的互连网络通道结构，力图解决传统FPGA匀称互连通道设计在芯片堆叠实现上产生的温度非平衡现象。该文建立了3D FPGA的热阻网络模型；对不同类型的通道线对3D FPGA的热分布影响进行了理论分析和热仿真；提出了垂直方向通道网络非均匀分布的3D FPGA通道结构，实验表明，与给定传统FPGA互连通道结构相比，采用所提方法实现的3D FPGA设计架构能够降低76.8%的层间最高温度梯度，10.4%的层内温度梯度。
2019, 41(10): 2396-2401.
doi: 10.11999/JEIT190051
摘要:
涡轮式气体流量传感器在用力肺功能测试中用于记录人体呼气信号，由于旋转惯性，对于相同用力呼气容量(FVC)值，测量结果因呼出气体流量而异，且差异值通常不可接受。针对该问题，该文通过在传统稳态涡轮流量计算模型的基础上引入速度惩罚项，构建一种FVC速度惩罚模型，与此同时，提出使用过幅降采样涡轮旋转周数算法，二者结合，提高了FVC测试结果的可接受性。利用国际通用的标准3 L定标桶，模拟真实用力肺功能测试过程，对算法的有效性进行验证。实验结果表明：所提方法能够有效降低前述差异，在一定程度上满足美国胸科协会(ATS)和欧洲呼吸学会(ERS)所提出的用力肺功能测试可接受标准和准确度要求。
涡轮式气体流量传感器在用力肺功能测试中用于记录人体呼气信号，由于旋转惯性，对于相同用力呼气容量(FVC)值，测量结果因呼出气体流量而异，且差异值通常不可接受。针对该问题，该文通过在传统稳态涡轮流量计算模型的基础上引入速度惩罚项，构建一种FVC速度惩罚模型，与此同时，提出使用过幅降采样涡轮旋转周数算法，二者结合，提高了FVC测试结果的可接受性。利用国际通用的标准3 L定标桶，模拟真实用力肺功能测试过程，对算法的有效性进行验证。实验结果表明：所提方法能够有效降低前述差异，在一定程度上满足美国胸科协会(ATS)和欧洲呼吸学会(ERS)所提出的用力肺功能测试可接受标准和准确度要求。
2019, 41(10): 2402-2408.
doi: 10.11999/JEIT190003
摘要:
密码卡在信息安全领域发挥着重要作用，但当前密码卡存在性能不足的问题，难以满足高速网络安全服务的需要。该文提出一种基于MIPS64多核处理器的高速PCIe密码卡的设计与系统实现方法，支持SM2/3/4国产密码(GM)算法以及RSA, SHA, AES等国际密码算法，系统包括硬件模块，密码算法模块，主机驱动模块和接口调用模块；对SM3的实现提出一种优化方案，性能提升了19%；支持主机以Non-Blocking方式发送请求，单进程应用即可获得密码卡满载性能。该卡在10核CPU下SM2签名和验证速度分别为18000次/s和4200次/s, SM3杂凑速度2200 Mbps, SM4加/解密速度8/10 Gbps，多项指标达到较高水平；采用1300 MHz主频16核CPU时，SM2/3的性能指标提高1倍，采用48核CPU时SM2签名速度可达到105次/s。
密码卡在信息安全领域发挥着重要作用，但当前密码卡存在性能不足的问题，难以满足高速网络安全服务的需要。该文提出一种基于MIPS64多核处理器的高速PCIe密码卡的设计与系统实现方法，支持SM2/3/4国产密码(GM)算法以及RSA, SHA, AES等国际密码算法，系统包括硬件模块，密码算法模块，主机驱动模块和接口调用模块；对SM3的实现提出一种优化方案，性能提升了19%；支持主机以Non-Blocking方式发送请求，单进程应用即可获得密码卡满载性能。该卡在10核CPU下SM2签名和验证速度分别为18000次/s和4200次/s, SM3杂凑速度2200 Mbps, SM4加/解密速度8/10 Gbps，多项指标达到较高水平；采用1300 MHz主频16核CPU时，SM2/3的性能指标提高1倍，采用48核CPU时SM2签名速度可达到105次/s。
2019, 41(10): 2409-2415.
doi: 10.11999/JEIT190038
摘要:
为了克服云存储不可信及云存储中密文检索效率低的问题，该文提出区块链上基于B+树的密文排序可搜索加密方案。该方案结合区块链技术解决了在互不了解的多方建立可靠信任的问题；使用向量空间模型降低了文本的复杂性实现了高效的文本检索系统；采用B+树的索引结构提高了区块链上密文交易的检索速度；利用加权统计(TF-IDF)算法实现了多关键词查询结果的排序。在随机预言机模型下，证明该方案是适应性不可区分安全的，通过效率对比分析，表明该方案在区块链上实现了高效的密文检索。
为了克服云存储不可信及云存储中密文检索效率低的问题，该文提出区块链上基于B+树的密文排序可搜索加密方案。该方案结合区块链技术解决了在互不了解的多方建立可靠信任的问题；使用向量空间模型降低了文本的复杂性实现了高效的文本检索系统；采用B+树的索引结构提高了区块链上密文交易的检索速度；利用加权统计(TF-IDF)算法实现了多关键词查询结果的排序。在随机预言机模型下，证明该方案是适应性不可区分安全的，通过效率对比分析，表明该方案在区块链上实现了高效的密文检索。
2019, 41(10): 2416-2422.
doi: 10.11999/JEIT181113
摘要:
随着物联网等普适计算的发展，传感器、射频识别(RFID)标签等被广泛使用，这些微型设备的计算能力有限，传统的密码算法难以实现，需要硬件效率高的轻量级分组密码来支撑。最大距离可分(MDS)矩阵扩散性能最好，通常被用于构造分组密码扩散层，异或操作次数(XORs)是用来衡量扩散层硬件应用效率的一个指标。该文利用一种能更准确评估硬件效率的XORs计算方法，结合一种特殊结构的矩阵—Toeplitz矩阵，构造XORs较少效率较高的MDS矩阵。利用Toeplitz矩阵的结构特点，改进矩阵元素的约束条件，降低矩阵搜索的计算复杂度，在有限域\begin{document}${\mathbb{F}_{{2^8}}}$\end{document} ![]()
![]()
随着物联网等普适计算的发展，传感器、射频识别(RFID)标签等被广泛使用，这些微型设备的计算能力有限，传统的密码算法难以实现，需要硬件效率高的轻量级分组密码来支撑。最大距离可分(MDS)矩阵扩散性能最好，通常被用于构造分组密码扩散层，异或操作次数(XORs)是用来衡量扩散层硬件应用效率的一个指标。该文利用一种能更准确评估硬件效率的XORs计算方法，结合一种特殊结构的矩阵—Toeplitz矩阵，构造XORs较少效率较高的MDS矩阵。利用Toeplitz矩阵的结构特点，改进矩阵元素的约束条件，降低矩阵搜索的计算复杂度，在有限域
2019, 41(10): 2423-2427.
doi: 10.11999/JEIT190070
摘要:
GC重量是DNA码的一个重要参数，如何构造满足GC常重量约束的DNA码是一个有趣的问题。该文通过在DNA码与四元码之间建立一个双射，将构造满足GC常重量约束的DNA码转化为构造GC常重量四元码。通过代数的方法，构造了3类满足GC常重量约束的DNA码。
GC重量是DNA码的一个重要参数，如何构造满足GC常重量约束的DNA码是一个有趣的问题。该文通过在DNA码与四元码之间建立一个双射，将构造满足GC常重量约束的DNA码转化为构造GC常重量四元码。通过代数的方法，构造了3类满足GC常重量约束的DNA码。
2019, 41(10): 2428-2434.
doi: 10.11999/JEIT181160
摘要:
由于命名数据网络(NDN)具有网内缓存特点，任意用户可直接从中间路由节点获取数据，同时，内容提供商也无法得知用户的访问信息。针对这些问题，该文结合基于身份的组合公钥和Schnorr签名方法，提出了“三次握手”匿名安全认证协议，同时，采用改进的秘密共享方法来高效分发内容密钥，实现了一种可追溯且轻量级的细粒度访问控制机制(TLAC)，最后，通过实验验证了TLAC机制的高效性。
由于命名数据网络(NDN)具有网内缓存特点，任意用户可直接从中间路由节点获取数据，同时，内容提供商也无法得知用户的访问信息。针对这些问题，该文结合基于身份的组合公钥和Schnorr签名方法，提出了“三次握手”匿名安全认证协议，同时，采用改进的秘密共享方法来高效分发内容密钥，实现了一种可追溯且轻量级的细粒度访问控制机制(TLAC)，最后，通过实验验证了TLAC机制的高效性。
2019, 41(10): 2435-2441.
doi: 10.11999/JEIT181130
摘要:
网络功能虚拟化(NFV)为服务链构建带来了灵活性与动态性，然而，软件化与虚拟化环境可能存在软件漏洞、后门等安全风险，对服务链(SC)的安全产生影响。为此，该文提出一种服务链上虚拟网络功能(VNF)调度方法。首先，为虚拟网络功能构建异构镜像池，避免利用共模漏洞的大范围攻击；随后，以特定周期选择服务链虚拟网络功能进行调度，加载异构镜像对该网络功能的执行实体进行替换；最后，考虑调度对网络功能性能的影响，应用斯坦科尔伯格博弈对攻防过程建模，以最优化防御者收益为目标求解服务链上各网络功能的调度概率。实验表明，该方法能够降低攻击者攻击成功率，同时将调度产生的开销控制在可接受范围内。
网络功能虚拟化(NFV)为服务链构建带来了灵活性与动态性，然而，软件化与虚拟化环境可能存在软件漏洞、后门等安全风险，对服务链(SC)的安全产生影响。为此，该文提出一种服务链上虚拟网络功能(VNF)调度方法。首先，为虚拟网络功能构建异构镜像池，避免利用共模漏洞的大范围攻击；随后，以特定周期选择服务链虚拟网络功能进行调度，加载异构镜像对该网络功能的执行实体进行替换；最后，考虑调度对网络功能性能的影响，应用斯坦科尔伯格博弈对攻防过程建模，以最优化防御者收益为目标求解服务链上各网络功能的调度概率。实验表明，该方法能够降低攻击者攻击成功率，同时将调度产生的开销控制在可接受范围内。
2019, 41(10): 2442-2449.
doi: 10.11999/JEIT190093
摘要:
显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域，在自底向上的方法中，基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而，针对每一张要处理的图像，该方法都要重新训练，每一次训练都非常耗时。因此，该文提出一个基于加权的K近邻线性混合(WKNNLB)显著性目标检测方法：利用现有的方法来产生初始的弱显著图并获得训练样本，引入加权的K近邻(WKNN)模型来预测样本的显著性值，该模型不需要任何训练过程，仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响，多个加权的K近邻模型通过线性混合的方式融合来产生强的显著图。最后，将多尺度的弱显著图和强显著图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显著图时，该算法能够取得更好的效果。
显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域，在自底向上的方法中，基于多核支持向量机(SVM)的集成学习取得了卓越的效果。然而，针对每一张要处理的图像，该方法都要重新训练，每一次训练都非常耗时。因此，该文提出一个基于加权的K近邻线性混合(WKNNLB)显著性目标检测方法：利用现有的方法来产生初始的弱显著图并获得训练样本，引入加权的K近邻(WKNN)模型来预测样本的显著性值，该模型不需要任何训练过程，仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离。为了减少选择K值带来的影响，多个加权的K近邻模型通过线性混合的方式融合来产生强的显著图。最后，将多尺度的弱显著图和强显著图融合来进一步提高检测效果。在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性。当采用较好的弱显著图时，该算法能够取得更好的效果。
2019, 41(10): 2450-2456.
doi: 10.11999/JEIT180857
摘要:
针对目前国内矿井目标定位精度低和定位实时性差的现况，该文提出一种基于分布式压缩感知原理构造指纹数据库的方法，该方法在离线阶段只需采集少量巷道中的指纹信息(参考节点ID信息、基于电磁波到达时间(TOA)的距离测量值和实际距离值)，便可高概率重构矿井目标指纹数据库指纹信息，从而达到减少数据采集工作量和提高工作效率的目的。后续在线阶段，只需获得某时刻参考节点ID信息和目标节点被参考节点测得的实时TOA距离测量值，根据模式匹配方法可获得该时刻目标节点距离参考节点的待估距离值，保证了定位精度和定位实时性。在此基础上，提出一种改进的压缩采样修正匹配追踪算法(CoSaMMP)进行指纹信息重构，该算法利用折半法增大裁剪力度从而有效缩短重构数据时间。仿真结果表明所提算法的可行性及有效性。
针对目前国内矿井目标定位精度低和定位实时性差的现况，该文提出一种基于分布式压缩感知原理构造指纹数据库的方法，该方法在离线阶段只需采集少量巷道中的指纹信息(参考节点ID信息、基于电磁波到达时间(TOA)的距离测量值和实际距离值)，便可高概率重构矿井目标指纹数据库指纹信息，从而达到减少数据采集工作量和提高工作效率的目的。后续在线阶段，只需获得某时刻参考节点ID信息和目标节点被参考节点测得的实时TOA距离测量值，根据模式匹配方法可获得该时刻目标节点距离参考节点的待估距离值，保证了定位精度和定位实时性。在此基础上，提出一种改进的压缩采样修正匹配追踪算法(CoSaMMP)进行指纹信息重构，该算法利用折半法增大裁剪力度从而有效缩短重构数据时间。仿真结果表明所提算法的可行性及有效性。
2019, 41(10): 2457-2463.
doi: 10.11999/JEIT181121
摘要:
在有重尾的过程噪声和量测噪声的影响下，高斯混合势均衡多目标多伯努利滤波器(GM-CBMeMBer)的滤波性能会明显下降。针对上述问题，该文提出一种新的学生 t 混合势均衡多目标多伯努利滤波器(STM-CBMeMBer)。该滤波器将过程噪声和量测噪声近似为学生 t 分布，并用学生 t 混合模型来近似多目标的先验强度。从理论上推导出学生 t 混合形式的预测强度和后验强度，建立了势均衡多目标多伯努利滤波器的闭式递推框架。仿真结果表明，在重尾的过程噪声和量测噪声存在的环境中，该滤波器能有效抑制其干扰，相比于传统方法，具有更高的跟踪精度。
在有重尾的过程噪声和量测噪声的影响下，高斯混合势均衡多目标多伯努利滤波器(GM-CBMeMBer)的滤波性能会明显下降。针对上述问题，该文提出一种新的学生 t 混合势均衡多目标多伯努利滤波器(STM-CBMeMBer)。该滤波器将过程噪声和量测噪声近似为学生 t 分布，并用学生 t 混合模型来近似多目标的先验强度。从理论上推导出学生 t 混合形式的预测强度和后验强度，建立了势均衡多目标多伯努利滤波器的闭式递推框架。仿真结果表明，在重尾的过程噪声和量测噪声存在的环境中，该滤波器能有效抑制其干扰，相比于传统方法，具有更高的跟踪精度。
2019, 41(10): 2464-2470.
doi: 10.11999/JEIT180971
摘要:
针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题，该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征，避免网络单层特征表征目标信息不全面的缺陷，增强算法的泛化能力；使用多层特征计算帧图像相关性响应，提高算法的跟踪精度；最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标，融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息，以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比，结果表明该文算法具有更加优秀的跟踪性能。
针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题，该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征，避免网络单层特征表征目标信息不全面的缺陷，增强算法的泛化能力；使用多层特征计算帧图像相关性响应，提高算法的跟踪精度；最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标，融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息，以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比，结果表明该文算法具有更加优秀的跟踪性能。
2019, 41(10): 2471-2478.
doi: 10.11999/JEIT180867
摘要:
针对现有的人机交互系统普遍存在情感缺失、参与人参与度不高的问题，该文依据PAD情感空间提出一种基于博弈的机器人认知情感交互模型。首先，对参与人的交互输入情感进行评估并分析当前人机交互关系，提取友好度和共鸣度2个影响因素。其次，模拟人际交往的心理博弈过程对参与人和机器人的情感生成过程进行建模，将嵌入博弈的子博弈完美均衡策略作为机器人的最优情感选择策略；最后，根据最优情感策略更新机器人的情感状态转移概率，并以6种基本情感的空间坐标为标签，得出受到情感刺激后机器人情感状态的空间坐标。实验结果表明，与其它认知交互模型相比，该文模型能够减少机器人对外界情感刺激的依赖并有效引导参与人参与人机交互，为机器人的情感认知建模提供了新的方法和思路。
针对现有的人机交互系统普遍存在情感缺失、参与人参与度不高的问题，该文依据PAD情感空间提出一种基于博弈的机器人认知情感交互模型。首先，对参与人的交互输入情感进行评估并分析当前人机交互关系，提取友好度和共鸣度2个影响因素。其次，模拟人际交往的心理博弈过程对参与人和机器人的情感生成过程进行建模，将嵌入博弈的子博弈完美均衡策略作为机器人的最优情感选择策略；最后，根据最优情感策略更新机器人的情感状态转移概率，并以6种基本情感的空间坐标为标签，得出受到情感刺激后机器人情感状态的空间坐标。实验结果表明，与其它认知交互模型相比，该文模型能够减少机器人对外界情感刺激的依赖并有效引导参与人参与人机交互，为机器人的情感认知建模提供了新的方法和思路。
2019, 41(10): 2479-2486.
doi: 10.11999/JEIT180963
摘要:
JPEG在高压缩比的情况下，解压缩后的图像会产生块效应、边缘振荡效应和模糊，严重影响了图像的视觉效果。为了去除JPEG压缩伪迹，该文提出了多尺度稠密残差网络。首先把扩张卷积引入到残差网络的稠密块中，利用不同的扩张因子，使其形成多尺度稠密块；然后采用4个多尺度稠密块将网络设计成包含2条支路的结构，其中后一条支路用于补充前一条支路没有提取到的特征；最后采用残差学习的方法来提高网络的性能。为了提高网络的通用性，采用具有不同压缩质量因子的联合训练方式对网络进行训练，针对不同压缩质量因子训练出一个通用模型。经实验表明，该文方法不仅具有较高的JPEG压缩伪迹去除性能，且具有较强的泛化能力。
JPEG在高压缩比的情况下，解压缩后的图像会产生块效应、边缘振荡效应和模糊，严重影响了图像的视觉效果。为了去除JPEG压缩伪迹，该文提出了多尺度稠密残差网络。首先把扩张卷积引入到残差网络的稠密块中，利用不同的扩张因子，使其形成多尺度稠密块；然后采用4个多尺度稠密块将网络设计成包含2条支路的结构，其中后一条支路用于补充前一条支路没有提取到的特征；最后采用残差学习的方法来提高网络的性能。为了提高网络的通用性，采用具有不同压缩质量因子的联合训练方式对网络进行训练，针对不同压缩质量因子训练出一个通用模型。经实验表明，该文方法不仅具有较高的JPEG压缩伪迹去除性能，且具有较强的泛化能力。
2019, 41(10): 2487-2494.
doi: 10.11999/JEIT190017
摘要:
高分辨率遥感图像内容复杂，提取特征来准确地表达图像内容是提高检索性能的关键。卷积神经网络(CNN)迁移学习能力强，其高层特征能够有效迁移到高分辨率遥感图像中。为了充分利用高层特征的优点，该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征。首先将高层特征作为特殊的卷积层特征，进而在不同输入尺寸下保留高层输出的特征图；然后将不同高层输出的特征图组合成一个更大的特征图，以综合不同CNN学习到的特征；接着采用最大池化的方法对组合特征图进行压缩，提取特征图中的显著特征；最后，采用主成分分析(PCA)来降低显著特征的冗余度。实验结果表明，与现有检索方法相比，该方法提取的特征在检索效率和准确率上都有优势。
高分辨率遥感图像内容复杂，提取特征来准确地表达图像内容是提高检索性能的关键。卷积神经网络(CNN)迁移学习能力强，其高层特征能够有效迁移到高分辨率遥感图像中。为了充分利用高层特征的优点，该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征。首先将高层特征作为特殊的卷积层特征，进而在不同输入尺寸下保留高层输出的特征图；然后将不同高层输出的特征图组合成一个更大的特征图，以综合不同CNN学习到的特征；接着采用最大池化的方法对组合特征图进行压缩，提取特征图中的显著特征；最后，采用主成分分析(PCA)来降低显著特征的冗余度。实验结果表明，与现有检索方法相比，该方法提取的特征在检索效率和准确率上都有优势。
2019, 41(10): 2495-2500.
doi: 10.11999/JEIT181195
摘要:
为了提高帧存储的压缩性能，该文提出一种基于方向插值预测变长编码(DIPVLC)的帧存有损压缩算法。首先根据自适应纹理方向插值获取参考像素，从而得到预测残差，然后优化率失真模型对预测残差进行量化，最后通过游程哥伦布算法对量化残差进行变长编码。实验结果显示，与内容感知自适应量化(CAAQ)的帧存压缩算法相比，该文算法不但PSNR下降更少，而且压缩率提高了10.05%，同时编码时间减少了10.62%。
为了提高帧存储的压缩性能，该文提出一种基于方向插值预测变长编码(DIPVLC)的帧存有损压缩算法。首先根据自适应纹理方向插值获取参考像素，从而得到预测残差，然后优化率失真模型对预测残差进行量化，最后通过游程哥伦布算法对量化残差进行变长编码。实验结果显示，与内容感知自适应量化(CAAQ)的帧存压缩算法相比，该文算法不但PSNR下降更少，而且压缩率提高了10.05%，同时编码时间减少了10.62%。
2019, 41(10): 2501-2508.
doi: 10.11999/JEIT190036
摘要:
由于快速的卷积神经网络超分辨率重建算法(FSRCNN)卷积层数少、相邻卷积层的特征信息之间缺乏关联性，因此难以提取到图像深层信息导致图像超分辨率重建效果不佳。针对此问题，该文提出多级跳线连接的深度残差网络超分辨率重建方法。首先，该方法设计了多级跳线连接的残差块，在多级跳线连接的残差块基础上构造了多级跳线连接的深度残差网络，解决相邻卷积层的特性信息缺乏关联性的问题；然后，使用随机梯度下降法(SGD)以可调节的学习率策略对多级跳线连接的深度残差网络进行训练，得到该网络超分辨率重建模型；最后，将低分辨率图像输入到多级跳线连接的深度残差网络超分辨率重建模型中，通过多级跳线连接的残差块得到预测的残差特征值，再将残差图像和低分辨率图像组合在一起转化为高分辨率图像。该文方法与bicubic, A+, SRCNN, FSRCNN和ESPCN算法在Set5和Set14测试集上进行了对比测试，在视觉效果和评价指标数值上该方法都优于其它对比算法。
由于快速的卷积神经网络超分辨率重建算法(FSRCNN)卷积层数少、相邻卷积层的特征信息之间缺乏关联性，因此难以提取到图像深层信息导致图像超分辨率重建效果不佳。针对此问题，该文提出多级跳线连接的深度残差网络超分辨率重建方法。首先，该方法设计了多级跳线连接的残差块，在多级跳线连接的残差块基础上构造了多级跳线连接的深度残差网络，解决相邻卷积层的特性信息缺乏关联性的问题；然后，使用随机梯度下降法(SGD)以可调节的学习率策略对多级跳线连接的深度残差网络进行训练，得到该网络超分辨率重建模型；最后，将低分辨率图像输入到多级跳线连接的深度残差网络超分辨率重建模型中，通过多级跳线连接的残差块得到预测的残差特征值，再将残差图像和低分辨率图像组合在一起转化为高分辨率图像。该文方法与bicubic, A+, SRCNN, FSRCNN和ESPCN算法在Set5和Set14测试集上进行了对比测试，在视觉效果和评价指标数值上该方法都优于其它对比算法。
2019, 41(10): 2509-2515.
doi: 10.11999/JEIT180957
摘要:
针对从单目视觉图像中估计深度信息时存在的预测精度不够准确的问题，该文提出一种基于金字塔池化网络的道路场景深度估计方法。该方法利用4个残差网络块的组合提取道路场景图像特征，然后通过上采样将特征图逐渐恢复到原始图像尺寸，多个残差网络块的加入增加网络模型的深度；考虑到上采样过程中不同尺度信息的多样性，将提取特征过程中各种尺寸的特征图与上采样过程中相同尺寸的特征图进行融合，从而提高深度估计的精确度。此外，对4个残差网络块提取的高级特征采用金字塔池化网络块进行场景解析，最后将金字塔池化网络块输出的特征图恢复到原始图像尺寸并与上采样模块的输出一同输入预测层。通过在KITTI数据集上进行实验，结果表明该文所提的基于金字塔池化网络的道路场景深度估计方法优于现有的估计方法。
针对从单目视觉图像中估计深度信息时存在的预测精度不够准确的问题，该文提出一种基于金字塔池化网络的道路场景深度估计方法。该方法利用4个残差网络块的组合提取道路场景图像特征，然后通过上采样将特征图逐渐恢复到原始图像尺寸，多个残差网络块的加入增加网络模型的深度；考虑到上采样过程中不同尺度信息的多样性，将提取特征过程中各种尺寸的特征图与上采样过程中相同尺寸的特征图进行融合，从而提高深度估计的精确度。此外，对4个残差网络块提取的高级特征采用金字塔池化网络块进行场景解析，最后将金字塔池化网络块输出的特征图恢复到原始图像尺寸并与上采样模块的输出一同输入预测层。通过在KITTI数据集上进行实验，结果表明该文所提的基于金字塔池化网络的道路场景深度估计方法优于现有的估计方法。
2019, 41(10): 2516-2524.
doi: 10.11999/JEIT181059
摘要:
在偏标记学习中，示例的真实标记隐藏在由一组候选标记组成的标记集中。现有的偏标记学习算法在衡量示例之间的相似度时，只基于示例的特征进行计算，缺乏对候选标记集信息的利用。该文提出一种候选标记感知的偏标记学习算法(CLAPLL)，在构建图的阶段有效地结合候选标记集信息来衡量示例之间的相似度。首先，基于杰卡德距离和线性重构，计算出各个示例的标记集之间的相似度，然后结合示例相似度和标记集的相似度构建相似度图，并通过现有的基于图的偏标记学习算法进行学习和预测。3个合成数据集和6个真实数据集上实验结果表明，该文方法相比于基线算法消歧准确率提升了0.3%～16.5%，分类准确率提升了0.2%～2.8%。
在偏标记学习中，示例的真实标记隐藏在由一组候选标记组成的标记集中。现有的偏标记学习算法在衡量示例之间的相似度时，只基于示例的特征进行计算，缺乏对候选标记集信息的利用。该文提出一种候选标记感知的偏标记学习算法(CLAPLL)，在构建图的阶段有效地结合候选标记集信息来衡量示例之间的相似度。首先，基于杰卡德距离和线性重构，计算出各个示例的标记集之间的相似度，然后结合示例相似度和标记集的相似度构建相似度图，并通过现有的基于图的偏标记学习算法进行学习和预测。3个合成数据集和6个真实数据集上实验结果表明，该文方法相比于基线算法消歧准确率提升了0.3%～16.5%，分类准确率提升了0.2%～2.8%。
2019, 41(10): 2525-2531.
doi: 10.11999/JEIT190047
摘要:
在遥感图像语义分割中，利用多元数据(如高程信息)进行辅助是一个研究重点。现有的基于多元数据的分割方法通常直接将多元数据作为模型的多特征输入，未能充分利用多元数据的多层次特征，此外，遥感图像中目标尺寸大小不一，对于一些中小型目标，如车辆、房屋等，难以做到精细化分割。针对以上问题，提出一种多特征图金字塔融合深度网络(MFPNet)，该模型利用光学遥感图像和高程数据作为输入，提取图像的多层次特征，然后针对不同层次的特征，分别引入金字塔池化结构，提取图像的多尺度特征，最后，设计了一种多层次、多尺度特征融合策略，综合利用多元数据的特征信息，实现遥感图像的精细化分割。基于Vaihingen数据集设计了相应的对比实验，实验结果证明了所提方法的有效性。
在遥感图像语义分割中，利用多元数据(如高程信息)进行辅助是一个研究重点。现有的基于多元数据的分割方法通常直接将多元数据作为模型的多特征输入，未能充分利用多元数据的多层次特征，此外，遥感图像中目标尺寸大小不一，对于一些中小型目标，如车辆、房屋等，难以做到精细化分割。针对以上问题，提出一种多特征图金字塔融合深度网络(MFPNet)，该模型利用光学遥感图像和高程数据作为输入，提取图像的多层次特征，然后针对不同层次的特征，分别引入金字塔池化结构，提取图像的多尺度特征，最后，设计了一种多层次、多尺度特征融合策略，综合利用多元数据的特征信息，实现遥感图像的精细化分割。基于Vaihingen数据集设计了相应的对比实验，实验结果证明了所提方法的有效性。
2019, 41(10): 2532-2540.
doi: 10.11999/JEIT190101
摘要:
针对基于图模型的显著性检测算法中节点间特征差异描述不准确的问题，该文提出一种目标紧密性与区域同质性策略相结合的图像显著性检测算法。区别于常用的图模型，该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构，以便描述图像前景内部的关联性与前景背景间的差异性，从而摒弃众多节点的冗余连接，强化节点局部空间关系；并且结合聚类簇紧密性采取流形排序的方式形成显著图，利用背景区域簇的相似性，引入背景置信度进行显著性优化，最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比，该算法能清晰地突出显著区域，且在多种综合指标评估中，具备更优越的性能。
针对基于图模型的显著性检测算法中节点间特征差异描述不准确的问题，该文提出一种目标紧密性与区域同质性策略相结合的图像显著性检测算法。区别于常用的图模型，该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构，以便描述图像前景内部的关联性与前景背景间的差异性，从而摒弃众多节点的冗余连接，强化节点局部空间关系；并且结合聚类簇紧密性采取流形排序的方式形成显著图，利用背景区域簇的相似性，引入背景置信度进行显著性优化，最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比，该算法能清晰地突出显著区域，且在多种综合指标评估中，具备更优越的性能。
