邮件订阅
2019年 第41卷 第11期
2019, 41(11): 2541-2548.
doi: 10.11999/JEIT181136
摘要:
该文对在接收端使用混合精度的模数转换器且采用迫零接收算法的大规模MIMO-OFDM系统的上行链路的频谱效率和能量效率进行了研究。采用加性量化噪声模型来对系统的性能进行分析，推导出整个系统的频谱效率和能量效率的近似闭式表达式，并通过仿真证明了表达式的正确性。研究结果表明，系统的频谱效率和每个用户的发送功率，接收端天线数目和接收端量化精度有关。数值和仿真结果还表明可以通过增加基站端的天线数量来补偿由低精度模数转换器带来的性能损失。
该文对在接收端使用混合精度的模数转换器且采用迫零接收算法的大规模MIMO-OFDM系统的上行链路的频谱效率和能量效率进行了研究。采用加性量化噪声模型来对系统的性能进行分析，推导出整个系统的频谱效率和能量效率的近似闭式表达式，并通过仿真证明了表达式的正确性。研究结果表明，系统的频谱效率和每个用户的发送功率，接收端天线数目和接收端量化精度有关。数值和仿真结果还表明可以通过增加基站端的天线数量来补偿由低精度模数转换器带来的性能损失。
2019, 41(11): 2549-2556.
doi: 10.11999/JEIT190128
摘要:
针对机器类通信(MTC)应用场景的业务特征和服务质量(QoS)要求，该文考虑基于非正交多址(NOMA)的MTC中短分组/短编码块传输，探讨MTC中基于NOMA的高可靠低迟延无线资源优化问题。首先，上行传输是基于NOMA的MTC通信的瓶颈，考虑无线蜂窝网络中支持NOMA和高可靠低迟延性能要求，该文建立了上行无线资源优化的系统模型；然后，分析上行传输迟延，导出基于距离的链路可靠性函数；进一步，以迟延、可靠性和带宽为约束下条件，提出一种最大化中心用户和速率的无线资源分配算法，并给出算法的收敛性证明和复杂度分析；最后，实验仿真验证了所提算法的性能优势。
针对机器类通信(MTC)应用场景的业务特征和服务质量(QoS)要求，该文考虑基于非正交多址(NOMA)的MTC中短分组/短编码块传输，探讨MTC中基于NOMA的高可靠低迟延无线资源优化问题。首先，上行传输是基于NOMA的MTC通信的瓶颈，考虑无线蜂窝网络中支持NOMA和高可靠低迟延性能要求，该文建立了上行无线资源优化的系统模型；然后，分析上行传输迟延，导出基于距离的链路可靠性函数；进一步，以迟延、可靠性和带宽为约束下条件，提出一种最大化中心用户和速率的无线资源分配算法，并给出算法的收敛性证明和复杂度分析；最后，实验仿真验证了所提算法的性能优势。
2019, 41(11): 2557-2564.
doi: 10.11999/JEIT181191
摘要:
该文研究macro-femto异构蜂窝网络中移动用户的功率控制问题，首先建立了以最小接收信号信干噪比为约束条件，最大化毫微微小区的总能效为目标的优化模型；然后提出了基于Q-Learning算法的毫微微小区集中式功率控制(PCQL)算法，该算法基于强化学习，能在没有准确信道状态信息的情况下，实现对小区内所有用户终端的发射功率统一调整。仿真结果表明该算法能实现对用户终端的功率有效控制，提升系统能效。
该文研究macro-femto异构蜂窝网络中移动用户的功率控制问题，首先建立了以最小接收信号信干噪比为约束条件，最大化毫微微小区的总能效为目标的优化模型；然后提出了基于Q-Learning算法的毫微微小区集中式功率控制(PCQL)算法，该算法基于强化学习，能在没有准确信道状态信息的情况下，实现对小区内所有用户终端的发射功率统一调整。仿真结果表明该算法能实现对用户终端的功率有效控制，提升系统能效。
2019, 41(11): 2565-2570.
doi: 10.11999/JEIT180408
摘要:
针对蜂窝网络传输性能及基站(BS)缓存能力受限，多用户内容请求难以满足用户服务质量(QoS)需求等问题，该文提出一种蜂窝终端直通(D2D)通信联合用户关联及内容部署算法。考虑到位于特定区域的多用户可能对于相同内容存在内容请求，该文引入成簇思想，提出一种成簇及内容部署机制，通过为各簇头推送热点内容，而簇成员基于D2D通信模式关联簇头获取所需内容，可实现高效内容获取。综合考虑成簇数量、用户关联簇头、簇头缓存容量及传输速率等限制条件，建立基于用户总业务时延最小化的联合成簇及内容部署优化模型。该优化问题是一个非凸的混合整数优化问题，该文运用拉格朗日部分松弛法，将原优化问题等价转换为3个凸优化的子问题，并基于迭代算法及Kuhn-Munkres算法联合求解各子问题，从而得到联合成簇及内容部署优化策略。最后通过MATLAB仿真验证所提算法的有效性。
针对蜂窝网络传输性能及基站(BS)缓存能力受限，多用户内容请求难以满足用户服务质量(QoS)需求等问题，该文提出一种蜂窝终端直通(D2D)通信联合用户关联及内容部署算法。考虑到位于特定区域的多用户可能对于相同内容存在内容请求，该文引入成簇思想，提出一种成簇及内容部署机制，通过为各簇头推送热点内容，而簇成员基于D2D通信模式关联簇头获取所需内容，可实现高效内容获取。综合考虑成簇数量、用户关联簇头、簇头缓存容量及传输速率等限制条件，建立基于用户总业务时延最小化的联合成簇及内容部署优化模型。该优化问题是一个非凸的混合整数优化问题，该文运用拉格朗日部分松弛法，将原优化问题等价转换为3个凸优化的子问题，并基于迭代算法及Kuhn-Munkres算法联合求解各子问题，从而得到联合成簇及内容部署优化策略。最后通过MATLAB仿真验证所提算法的有效性。
2019, 41(11): 2571-2577.
doi: 10.11999/JEIT180937
摘要:
为了提高无色无向无冲突灵活的可重构光分插复用器(CDC-F ROADM)节点的弹性光网络IP组播频谱-能耗效率，该文提出一种全光组播能效调度算法(AMEESA)。在算法路由阶段，考虑能耗和链路频谱资源使用情况设计链路代价函数，构建最小代价光树算法组播光树。在频谱分配阶段，设计基于高效光谱分辨率(HSR)光树中间节点频谱转换方法，选择节能频谱转换方案为组播光树分配频谱块资源。仿真分析表明，所提算法能有效提升网络能效，降低IP组播带宽阻塞率。
为了提高无色无向无冲突灵活的可重构光分插复用器(CDC-F ROADM)节点的弹性光网络IP组播频谱-能耗效率，该文提出一种全光组播能效调度算法(AMEESA)。在算法路由阶段，考虑能耗和链路频谱资源使用情况设计链路代价函数，构建最小代价光树算法组播光树。在频谱分配阶段，设计基于高效光谱分辨率(HSR)光树中间节点频谱转换方法，选择节能频谱转换方案为组播光树分配频谱块资源。仿真分析表明，所提算法能有效提升网络能效，降低IP组播带宽阻塞率。
2019, 41(11): 2578-2584.
doi: 10.11999/JEIT190037
摘要:
为减少卷积神经网络(CNN)的计算量，该文将2维快速滤波算法引入到卷积神经网络，并提出一种在FPGA上实现CNN逐层加速的硬件架构。首先，采用循环变换方法设计行缓存循环控制单元，用于有效地管理不同卷积窗口以及不同层之间的输入特征图数据，并通过标志信号启动卷积计算加速单元来实现逐层加速；其次，设计了基于4并行快速滤波算法的卷积计算加速单元，该单元采用若干小滤波器组成的复杂度较低的并行滤波结构来实现。利用手写数字集MNIST对所设计的CNN加速器电路进行测试，结果表明：在xilinx kintex7平台上，输入时钟为100 MHz时，电路的计算性能达到了20.49 GOPS，识别率为98.68%。可见通过减少CNN的计算量，能够提高电路的计算性能。
为减少卷积神经网络(CNN)的计算量，该文将2维快速滤波算法引入到卷积神经网络，并提出一种在FPGA上实现CNN逐层加速的硬件架构。首先，采用循环变换方法设计行缓存循环控制单元，用于有效地管理不同卷积窗口以及不同层之间的输入特征图数据，并通过标志信号启动卷积计算加速单元来实现逐层加速；其次，设计了基于4并行快速滤波算法的卷积计算加速单元，该单元采用若干小滤波器组成的复杂度较低的并行滤波结构来实现。利用手写数字集MNIST对所设计的CNN加速器电路进行测试，结果表明：在xilinx kintex7平台上，输入时钟为100 MHz时，电路的计算性能达到了20.49 GOPS，识别率为98.68%。可见通过减少CNN的计算量，能够提高电路的计算性能。
2019, 41(11): 2585-2591.
doi: 10.11999/JEIT190143
摘要:
码流生成在FPGA电子设计自动化(EDA)流程中，提供应用电路在芯片上物理实现所需的精准配置信息。现代FPGA的发展一方面呈现出器件规模及码流容量越来越大的趋势，另一方面越来越多可变阵列大小的嵌入式应用(例如eFPGA)又要求码流生成器具备更高的配置效率以及更精简的可重构数据库。针对码流生成时间增加的问题和阵列规模任意缩放的需求，该文提出一种模式匹配和层次映射的码流生成方法，即对编程单元按配置模式进行分类建模，在配置时按模型进行调用匹配，并采用了层次化的码流映射策略，使得数据库可随阵列排布调整动态生成。该方法可有效应对FPGA嵌入式应用中码流容量的增大以及阵列规模可变所带来的挑战，同时相比平面化的建模及映射方法，码流配置的时间复杂度由O(n)降低为O(lgn)。
码流生成在FPGA电子设计自动化(EDA)流程中，提供应用电路在芯片上物理实现所需的精准配置信息。现代FPGA的发展一方面呈现出器件规模及码流容量越来越大的趋势，另一方面越来越多可变阵列大小的嵌入式应用(例如eFPGA)又要求码流生成器具备更高的配置效率以及更精简的可重构数据库。针对码流生成时间增加的问题和阵列规模任意缩放的需求，该文提出一种模式匹配和层次映射的码流生成方法，即对编程单元按配置模式进行分类建模，在配置时按模型进行调用匹配，并采用了层次化的码流映射策略，使得数据库可随阵列排布调整动态生成。该方法可有效应对FPGA嵌入式应用中码流容量的增大以及阵列规模可变所带来的挑战，同时相比平面化的建模及映射方法，码流配置的时间复杂度由O(n)降低为O(lgn)。
2019, 41(11): 2592-2598.
doi: 10.11999/JEIT181060
摘要:
为了改善负载跳变对低压差线性稳压器(LDO)的影响，该文提出一种用于无片外电容LDO(CL-LDO)的新型快速响应技术。通过增加一条额外的快速通路，实现CL-LDO的快速瞬态响应，并且能够减小LDO输出过冲和下冲的幅度。该文电路基于0.18 μm CMOS工艺设计实现，面积为0.00529 mm2。流片测试结果表明，当输入电压范围为1.5～2.5 V时，输出电压为1.194 V；当负载电流以 1 μs的上升时间和下降时间在 100 μA～10 mA之间变化时，CL-LDO的过冲恢复时间为489.537 ns，下冲恢复为960.918 ns；相比未采用该技术的传统CL-LDO，响应速度能够提高7.41倍，输出过冲和下冲的电压幅值能够分别下降35.3%和78.1%。
为了改善负载跳变对低压差线性稳压器(LDO)的影响，该文提出一种用于无片外电容LDO(CL-LDO)的新型快速响应技术。通过增加一条额外的快速通路，实现CL-LDO的快速瞬态响应，并且能够减小LDO输出过冲和下冲的幅度。该文电路基于0.18 μm CMOS工艺设计实现，面积为0.00529 mm2。流片测试结果表明，当输入电压范围为1.5～2.5 V时，输出电压为1.194 V；当负载电流以 1 μs的上升时间和下降时间在 100 μA～10 mA之间变化时，CL-LDO的过冲恢复时间为489.537 ns，下冲恢复为960.918 ns；相比未采用该技术的传统CL-LDO，响应速度能够提高7.41倍，输出过冲和下冲的电压幅值能够分别下降35.3%和78.1%。
2019, 41(11): 2599-2605.
doi: 10.11999/JEIT190058
摘要:
针对卷积神经网络(CNN)计算量大、计算时间长的问题，该文提出一种基于现场可编程逻辑门阵列(FPGA)的卷积神经网络硬件加速器。首先通过深入分析卷积层的前向运算原理和探索卷积层运算的并行性，设计了一种输入通道并行、输出通道并行以及卷积窗口深度流水的硬件架构。然后在上述架构中设计了全并行乘法-加法树模块来加速卷积运算和高效的窗口缓存模块来实现卷积窗口的流水线操作。最后实验结果表明，该文提出的加速器能效比达到32.73 GOPS/W，比现有的解决方案高了34%，同时性能达到了317.86 GOPS。
针对卷积神经网络(CNN)计算量大、计算时间长的问题，该文提出一种基于现场可编程逻辑门阵列(FPGA)的卷积神经网络硬件加速器。首先通过深入分析卷积层的前向运算原理和探索卷积层运算的并行性，设计了一种输入通道并行、输出通道并行以及卷积窗口深度流水的硬件架构。然后在上述架构中设计了全并行乘法-加法树模块来加速卷积运算和高效的窗口缓存模块来实现卷积窗口的流水线操作。最后实验结果表明，该文提出的加速器能效比达到32.73 GOPS/W，比现有的解决方案高了34%，同时性能达到了317.86 GOPS。
2019, 41(11): 2606-2613.
doi: 10.11999/JEIT181156
摘要:
为了适应新型通信技术发展，该文提出了一种高形状因子、可编程的微波光子滤波器集成芯片。该滤波器芯片采用绝缘体上硅材料(SOI)，利用有限冲击响应原理，通过调节各支路上的热光调制器，可以实现带宽可调、形状因子大于0.55的滤波曲线，以及中心频率可调、带宽可调和滤波形状可变3种不同滤波功能。该滤波器尺寸小、重量轻、灵活性高，能适用于大带宽信号处理，并能提供一种理想的信道划分方式，可广泛应用于国防领域和5G网络中。
为了适应新型通信技术发展，该文提出了一种高形状因子、可编程的微波光子滤波器集成芯片。该滤波器芯片采用绝缘体上硅材料(SOI)，利用有限冲击响应原理，通过调节各支路上的热光调制器，可以实现带宽可调、形状因子大于0.55的滤波曲线，以及中心频率可调、带宽可调和滤波形状可变3种不同滤波功能。该滤波器尺寸小、重量轻、灵活性高，能适用于大带宽信号处理，并能提供一种理想的信道划分方式，可广泛应用于国防领域和5G网络中。
2019, 41(11): 2614-2622.
doi: 10.11999/JEIT181190
摘要:
作为通信与勘探中广泛使用的一类信号，线性调频信号的参数分析经常采用基于Wigner-Ville分布(WVD)的时频分析方法。该方法具有高时频分辨率，但在交叉项、高副瓣以及频谱混叠问题上存在缺陷。该文提出一种名为空间变迹重排Wigner-Ville分布(SVA-rWVD)的时频分析方法，结合空间变迹技术(SVA)的副瓣抑制能力及短时傅里叶变换(STFT)的无混叠无交叉项特性，得到一个新的时频分布。基于单分量和多分量线性调频信号的仿真实验结果表明，该方法得到的时频分布可以降低副瓣水平至–40 dB以下同时消除交叉项及频谱混叠现象。
作为通信与勘探中广泛使用的一类信号，线性调频信号的参数分析经常采用基于Wigner-Ville分布(WVD)的时频分析方法。该方法具有高时频分辨率，但在交叉项、高副瓣以及频谱混叠问题上存在缺陷。该文提出一种名为空间变迹重排Wigner-Ville分布(SVA-rWVD)的时频分析方法，结合空间变迹技术(SVA)的副瓣抑制能力及短时傅里叶变换(STFT)的无混叠无交叉项特性，得到一个新的时频分布。基于单分量和多分量线性调频信号的仿真实验结果表明，该方法得到的时频分布可以降低副瓣水平至–40 dB以下同时消除交叉项及频谱混叠现象。
2019, 41(11): 2623-2631.
doi: 10.11999/JEIT190026
摘要:
致密焦面阵列馈源(DFPAF)融合了多喇叭多波束馈源和相控阵列馈源(PAF)的特点，与多喇叭多波束馈源和常规相控阵列馈源相比较，它可以同时提供更多的固定赋形波束进一步拓宽视场。在射电天文、雷达、电子侦察和卫星通信等领域引起了极大的关注。由于其阵列结构与常规阵列馈源不同，导致设计方法也具有特殊性，因此近年来展开了对其设计方法的研究。该文充分利用反射面天线的固有特性，并结合阵列天线理论，提出一种可以快速、稳健地设计致密焦面阵列馈源的方法，给出了设计原理和设计结果，并和最具代表性的多喇叭多波束馈源进行了性能对比分析，为设计致密焦面阵列馈电的大型反射面提供理论和数据参考。
致密焦面阵列馈源(DFPAF)融合了多喇叭多波束馈源和相控阵列馈源(PAF)的特点，与多喇叭多波束馈源和常规相控阵列馈源相比较，它可以同时提供更多的固定赋形波束进一步拓宽视场。在射电天文、雷达、电子侦察和卫星通信等领域引起了极大的关注。由于其阵列结构与常规阵列馈源不同，导致设计方法也具有特殊性，因此近年来展开了对其设计方法的研究。该文充分利用反射面天线的固有特性，并结合阵列天线理论，提出一种可以快速、稳健地设计致密焦面阵列馈源的方法，给出了设计原理和设计结果，并和最具代表性的多喇叭多波束馈源进行了性能对比分析，为设计致密焦面阵列馈电的大型反射面提供理论和数据参考。
2019, 41(11): 2632-2638.
doi: 10.11999/JEIT181067
摘要:
1维综合孔径微波辐射计通常会采用 G 矩阵模型法来实现亮温图像的重建。对于1维辐射计系统，成像过程主要包含：辐射计仪器观测2维全视场的目标场景亮温，得到1维的可见度函数采样值，再通过对系统参数矩阵 G 求逆来实现目标场景的1维图像重建。由于1维辐射计系统的采样基线只分布在空间频率域的1个维度上，所以在图像重建过程中，需要实现矩阵 G 从2维到1维的转换。对此，该文提出了两种适用于1维综合孔径微波辐射计成像的 G 矩阵修正方法。并针对目前已经完成的8单元辐射计地面样机系统和目前正在研制的10单元盐度计样机系统，通过理论分析和仿真实验，验证了 G 矩阵修正法对1维综合孔径微波辐射计成像结果的改善效果，以及对天线方向图旁瓣恶化所引入成像误差的有效抑制。
1维综合孔径微波辐射计通常会采用 G 矩阵模型法来实现亮温图像的重建。对于1维辐射计系统，成像过程主要包含：辐射计仪器观测2维全视场的目标场景亮温，得到1维的可见度函数采样值，再通过对系统参数矩阵 G 求逆来实现目标场景的1维图像重建。由于1维辐射计系统的采样基线只分布在空间频率域的1个维度上，所以在图像重建过程中，需要实现矩阵 G 从2维到1维的转换。对此，该文提出了两种适用于1维综合孔径微波辐射计成像的 G 矩阵修正方法。并针对目前已经完成的8单元辐射计地面样机系统和目前正在研制的10单元盐度计样机系统，通过理论分析和仿真实验，验证了 G 矩阵修正法对1维综合孔径微波辐射计成像结果的改善效果，以及对天线方向图旁瓣恶化所引入成像误差的有效抑制。
2019, 41(11): 2639-2645.
doi: 10.11999/JEIT190010
摘要:
转发式密集假目标干扰通过在距离维上产生多个虚假目标，扰乱雷达对真实目标的检测与识别。由于虚假回波信号与真实信号高度相关，雷达很难对其进行有效识别和抑制。而捷变频雷达通过随机改变发射相邻脉冲的载频，大大提高了雷达的低截获和抗干扰能力。但是捷变频雷达不能完全消除干扰，部分目标回波脉冲可能被干扰淹没，无法很好地完成相参积累和目标检测。针对上述问题，该文提出捷变频联合Hough变换的抗干扰方法，首先利用脉间频率捷变技术规避大部分窄带瞄准和欺骗式干扰；然后针对干扰信号时间上的不连续特性，通过Hough变换和峰值提取进行干扰识别与抑制；最终，针对捷变频与传统动目标检测(MTD)不兼容问题，通过稀疏重构完成目标的检测。仿真与实际雷达和干扰机对抗实验表明，该方法可以获得良好的抗干扰性能和目标检测性能。
转发式密集假目标干扰通过在距离维上产生多个虚假目标，扰乱雷达对真实目标的检测与识别。由于虚假回波信号与真实信号高度相关，雷达很难对其进行有效识别和抑制。而捷变频雷达通过随机改变发射相邻脉冲的载频，大大提高了雷达的低截获和抗干扰能力。但是捷变频雷达不能完全消除干扰，部分目标回波脉冲可能被干扰淹没，无法很好地完成相参积累和目标检测。针对上述问题，该文提出捷变频联合Hough变换的抗干扰方法，首先利用脉间频率捷变技术规避大部分窄带瞄准和欺骗式干扰；然后针对干扰信号时间上的不连续特性，通过Hough变换和峰值提取进行干扰识别与抑制；最终，针对捷变频与传统动目标检测(MTD)不兼容问题，通过稀疏重构完成目标的检测。仿真与实际雷达和干扰机对抗实验表明，该方法可以获得良好的抗干扰性能和目标检测性能。
2019, 41(11): 2646-2653.
doi: 10.11999/JEIT180912
摘要:
短脉冲非相参雷达(NCSP)的辐射源输出微波脉冲持续时间短，针对于高速运动目标而言，其脉冲持续时间内的目标运动可忽略不计，对回波信号不需进行专门的脉冲内运动补偿。为了利用短脉冲非相参雷达信号进行逆合成孔径雷达成像，该文应用补偿相参处理的方法，去除辐射信号包络时间不确定性和初始相位的不确定性影响，在常规方法进行包络对齐和初相补偿后可利用距离-多普勒(RD)方法进行逆合成孔径雷达成像，仿真验证了补偿后信号成像的可行性。然而，短脉冲非相参雷达的载频随机抖动的因素会导致距离-多普勒成像结果在多普勒维度产生随机调制的旁瓣，影响成像的质量。利用稀疏恢复技术，在成像空间中对目标的散射中心进行稀疏重构，利用正交匹配追踪(OMP)算法和稀疏贝叶斯学习(SBL)算法进行成像，从而实现了抑制非相参因素引起的成像旁瓣，改进了成像质量，通过仿真验证了方法可行性。
短脉冲非相参雷达(NCSP)的辐射源输出微波脉冲持续时间短，针对于高速运动目标而言，其脉冲持续时间内的目标运动可忽略不计，对回波信号不需进行专门的脉冲内运动补偿。为了利用短脉冲非相参雷达信号进行逆合成孔径雷达成像，该文应用补偿相参处理的方法，去除辐射信号包络时间不确定性和初始相位的不确定性影响，在常规方法进行包络对齐和初相补偿后可利用距离-多普勒(RD)方法进行逆合成孔径雷达成像，仿真验证了补偿后信号成像的可行性。然而，短脉冲非相参雷达的载频随机抖动的因素会导致距离-多普勒成像结果在多普勒维度产生随机调制的旁瓣，影响成像的质量。利用稀疏恢复技术，在成像空间中对目标的散射中心进行稀疏重构，利用正交匹配追踪(OMP)算法和稀疏贝叶斯学习(SBL)算法进行成像，从而实现了抑制非相参因素引起的成像旁瓣，改进了成像质量，通过仿真验证了方法可行性。
2019, 41(11): 2654-2660.
doi: 10.11999/JEIT190114
摘要:
为提高电子战中弹载雷达检测性能，该文提出基于纳什均衡的雷达波形设计方法。首先建立电子战条件下雷达与干扰信号博弈模型，基于最大化信干噪比(SINR)准则，分别设计了雷达和干扰的波形策略；然后通过数学推导论证了博弈纳什均衡解的存在性，设计了一种重复剔除严格劣势的多次迭代注水方法来实现纳什均衡；通过二步注水法推导了非均衡的maxmin优化方案；最后通过仿真实验测试不同策略下雷达检测性能。仿真结果证明，基于纳什均衡的雷达信号设计有助于提升博弈条件下雷达检测性能，对比未博弈时，雷达检测概率最高可提升12.02%，较maxmin策略最高可提升3.82%，证明所设计的纳什均衡策略更接近帕累托最优。
为提高电子战中弹载雷达检测性能，该文提出基于纳什均衡的雷达波形设计方法。首先建立电子战条件下雷达与干扰信号博弈模型，基于最大化信干噪比(SINR)准则，分别设计了雷达和干扰的波形策略；然后通过数学推导论证了博弈纳什均衡解的存在性，设计了一种重复剔除严格劣势的多次迭代注水方法来实现纳什均衡；通过二步注水法推导了非均衡的maxmin优化方案；最后通过仿真实验测试不同策略下雷达检测性能。仿真结果证明，基于纳什均衡的雷达信号设计有助于提升博弈条件下雷达检测性能，对比未博弈时，雷达检测概率最高可提升12.02%，较maxmin策略最高可提升3.82%，证明所设计的纳什均衡策略更接近帕累托最优。
2019, 41(11): 2661-2668.
doi: 10.11999/JEIT190163
摘要:
时分多址(TDMA)信号特定辐射源识别(SEI)的性能主要受限于突发数据的长度。为此，该文提出一种新的射频特征，从载波相位上揭示了相邻时隙的用户是否相同，为相同用户的数据累积提供了依据。该文首先分析了特征的产生机理，并给出了提取方法；根据特征的统计特性，推导了自适应的判决门限，实现了相邻时隙用户身份的检测；在此基础上，设计了新的SEI处理流程，通过数据累积打破了每个时隙单独识别的传统思维。实验结果表明：该特征对噪声具备良好的鲁棒性，能够实现相邻时隙用户身份的准确检测；与传统做法相比，新的处理流程能够有效改善TDMA信号SEI的性能。
时分多址(TDMA)信号特定辐射源识别(SEI)的性能主要受限于突发数据的长度。为此，该文提出一种新的射频特征，从载波相位上揭示了相邻时隙的用户是否相同，为相同用户的数据累积提供了依据。该文首先分析了特征的产生机理，并给出了提取方法；根据特征的统计特性，推导了自适应的判决门限，实现了相邻时隙用户身份的检测；在此基础上，设计了新的SEI处理流程，通过数据累积打破了每个时隙单独识别的传统思维。实验结果表明：该特征对噪声具备良好的鲁棒性，能够实现相邻时隙用户身份的准确检测；与传统做法相比，新的处理流程能够有效改善TDMA信号SEI的性能。
2019, 41(11): 2669-2674.
doi: 10.11999/JEIT180870
摘要:
为优化软件定义网络(SDN)的路由选路，该文将深度增强学习原理引入到软件定义网络的选路过程，提出一种基于深度增强学习的路由优化选路机制，用以削减网络运行时延、提高吞吐量等网络性能，实现连续时间上的黑盒优化，减少网络运维成本。此外，该文通过实验对所提出的路由优化机制进行评估，实验结果表明，路由优化机制具有良好的收敛性与有效性，较传统路由协议可提供更优的路由方案与实现更稳定的性能。
为优化软件定义网络(SDN)的路由选路，该文将深度增强学习原理引入到软件定义网络的选路过程，提出一种基于深度增强学习的路由优化选路机制，用以削减网络运行时延、提高吞吐量等网络性能，实现连续时间上的黑盒优化，减少网络运维成本。此外，该文通过实验对所提出的路由优化机制进行评估，实验结果表明，路由优化机制具有良好的收敛性与有效性，较传统路由协议可提供更优的路由方案与实现更稳定的性能。
2019, 41(11): 2675-2683.
doi: 10.11999/JEIT190145
摘要:
网络功能虚拟化(NFV)的引入大幅降低了互联网业务的运营成本。针对现有的服务功能链(SFC)编排方法无法在优化底层资源的同时保证业务时延性能的问题，该文提出一种基于重叠网络结构的SFC时空优化编排策略。在将计算、网络资源与细粒度时延约束纳入考虑的基础上，该策略通过建立重叠网络模型实现了计算与网络资源的分离，将构建SFC所需的资源开销与相关时延共同抽象化为重叠网络链路权重,从而使SFC编排问题转化为易于求解的最短路径问题。对于需要批量处理的SFC集合设计了基于重叠网络的模拟退火迭代优化编排算法(ONSA)。通过对比实验证明了该策略下编排方案的平均端到端时延、链路资源占用率与运营开销相对其他方案分别降低29.5%, 12.4%与15.2%，请求接受率提高22.3%，虚拟网络功能(VNF)负载均衡性能得到显著提升。
网络功能虚拟化(NFV)的引入大幅降低了互联网业务的运营成本。针对现有的服务功能链(SFC)编排方法无法在优化底层资源的同时保证业务时延性能的问题，该文提出一种基于重叠网络结构的SFC时空优化编排策略。在将计算、网络资源与细粒度时延约束纳入考虑的基础上，该策略通过建立重叠网络模型实现了计算与网络资源的分离，将构建SFC所需的资源开销与相关时延共同抽象化为重叠网络链路权重,从而使SFC编排问题转化为易于求解的最短路径问题。对于需要批量处理的SFC集合设计了基于重叠网络的模拟退火迭代优化编排算法(ONSA)。通过对比实验证明了该策略下编排方案的平均端到端时延、链路资源占用率与运营开销相对其他方案分别降低29.5%, 12.4%与15.2%，请求接受率提高22.3%，虚拟网络功能(VNF)负载均衡性能得到显著提升。
2019, 41(11): 2684-2690.
doi: 10.11999/JEIT180970
摘要:
通过移动边缘计算下移云端的应用功能和处理能力支撑计算密集或时延敏感任务的执行成为当前的发展趋势。但面对众多移动终端用户时，如何有效利用计算资源有限的边缘节点来保障终端用户服务质量(QoS)成为关键问题。为此，该文融合边缘云与远端云构建了一种分层的边缘云计算架构，以此架构为基础，以最小化移动设备能耗和任务执行时间为目标，将问题形式化描述为资源约束下的最小化能耗和时延加权和的凸优化问题，并提出基于乘子法的计算卸载及资源分配机制解决该问题。实验结果表明，在计算任务量很大的情况下，提出的计算卸载及资源分配机制能够有效降低移动终端能耗，并在任务执行时延方面较局部计算与计算卸载机制分别降低最高60%与10%，提高系统性能。
通过移动边缘计算下移云端的应用功能和处理能力支撑计算密集或时延敏感任务的执行成为当前的发展趋势。但面对众多移动终端用户时，如何有效利用计算资源有限的边缘节点来保障终端用户服务质量(QoS)成为关键问题。为此，该文融合边缘云与远端云构建了一种分层的边缘云计算架构，以此架构为基础，以最小化移动设备能耗和任务执行时间为目标，将问题形式化描述为资源约束下的最小化能耗和时延加权和的凸优化问题，并提出基于乘子法的计算卸载及资源分配机制解决该问题。实验结果表明，在计算任务量很大的情况下，提出的计算卸载及资源分配机制能够有效降低移动终端能耗，并在任务执行时延方面较局部计算与计算卸载机制分别降低最高60%与10%，提高系统性能。
2019, 41(11): 2691-2698.
doi: 10.11999/JEIT190166
摘要:
线上合同签署在电子商务中日益普及，在互不信任的签署方之间签署一份合同并不是一件简单的事情，各方就合同签署问题提出过许多合同签署协议。其中较多的协议是带有第三方参与的，但是在效率方面并不占优势，且易出现安全问题。现有借助区块链技术取代第三方参与的合同签署协议中，区块链的公开验证对不管是签署方还是待签署合同的敏感信息又发起了挑战。且大多协议针对于双方合同签署，随着签署方数量的增加，协议的通信成本和复杂度都在急剧增加。该文结合现有协议，提出一个高效的多方合同签署协议，协议中通过基于无证书的高效聚合签名方案，用于提高区块链下签署方签名验证效率，在区块链上仅公开签署方的临时密钥以减少系统开销。该协议满足正确性、安全性、公平性、私密性以及高效性。
线上合同签署在电子商务中日益普及，在互不信任的签署方之间签署一份合同并不是一件简单的事情，各方就合同签署问题提出过许多合同签署协议。其中较多的协议是带有第三方参与的，但是在效率方面并不占优势，且易出现安全问题。现有借助区块链技术取代第三方参与的合同签署协议中，区块链的公开验证对不管是签署方还是待签署合同的敏感信息又发起了挑战。且大多协议针对于双方合同签署，随着签署方数量的增加，协议的通信成本和复杂度都在急剧增加。该文结合现有协议，提出一个高效的多方合同签署协议，协议中通过基于无证书的高效聚合签名方案，用于提高区块链下签署方签名验证效率，在区块链上仅公开签署方的临时密钥以减少系统开销。该协议满足正确性、安全性、公平性、私密性以及高效性。
2019, 41(11): 2699-2707.
doi: 10.11999/JEIT190127
摘要:
侧信道攻击是当前云计算环境下多租户间信息泄露的主要途径，针对现有服务功能链(SFC)部署方法未充分考虑多租户环境下虚拟网络功能(VNF)面临的侧信道攻击问题，该文提出一种抗侧信道攻击的服务功能链部署方法。引入基于时间均值的租户分类策略以及结合历史信息的部署策略，在满足服务功能链资源约束条件下，以最小化租户所能覆盖的服务器数量为目标建立相应的优化模型，并设计了基于贪婪选择的部署算法。实验结果表明，与其他部署方法相比，该方法显著提高了恶意租户实现共存的难度与代价，降低了租户面临的侧信道攻击风险。
侧信道攻击是当前云计算环境下多租户间信息泄露的主要途径，针对现有服务功能链(SFC)部署方法未充分考虑多租户环境下虚拟网络功能(VNF)面临的侧信道攻击问题，该文提出一种抗侧信道攻击的服务功能链部署方法。引入基于时间均值的租户分类策略以及结合历史信息的部署策略，在满足服务功能链资源约束条件下，以最小化租户所能覆盖的服务器数量为目标建立相应的优化模型，并设计了基于贪婪选择的部署算法。实验结果表明，与其他部署方法相比，该方法显著提高了恶意租户实现共存的难度与代价，降低了租户面临的侧信道攻击风险。
2019, 41(11): 2708-2714.
doi: 10.11999/JEIT190129
摘要:
异构混合群组签密不仅能够解决不同密码体制下数据传输的机密性和不可伪造性，而且还能对任意长度的数据进行加密。该文首先分析了一种异构密码体制下混合群组签密方案的安全性，指出该方案不满足正确性、机密性和不可伪造性。并提出了一种新的高效异构混合群组签密方案。其次在随机预言机模型下证明了该方案是安全的。最后效率分析表明，该方案在实现原方案所有的功能的基础上同时降低了计算代价。
异构混合群组签密不仅能够解决不同密码体制下数据传输的机密性和不可伪造性，而且还能对任意长度的数据进行加密。该文首先分析了一种异构密码体制下混合群组签密方案的安全性，指出该方案不满足正确性、机密性和不可伪造性。并提出了一种新的高效异构混合群组签密方案。其次在随机预言机模型下证明了该方案是安全的。最后效率分析表明，该方案在实现原方案所有的功能的基础上同时降低了计算代价。
2019, 41(11): 2715-2721.
doi: 10.11999/JEIT181196
摘要:
针对机场外航服务人员班型生成面临的任务量大，约束条件复杂，人工生成班型方案困难等问题背景，考虑员工对任务具有层次资质，班型的各类劳动法规等约束条件，以最小化班型方案总工作时间为优化目标，研究构建了面向多任务层次资质场景下的班型生成优化模型，并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验，验证了模型和算法的实用性和有效性，实验结果表明，求得的班型方案相比较现有人工生成的班型方案，能满足所有约束条件且总工作时间更短，总服务人数更少，提高了机场资源利用率。
针对机场外航服务人员班型生成面临的任务量大，约束条件复杂，人工生成班型方案困难等问题背景，考虑员工对任务具有层次资质，班型的各类劳动法规等约束条件，以最小化班型方案总工作时间为优化目标，研究构建了面向多任务层次资质场景下的班型生成优化模型，并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验，验证了模型和算法的实用性和有效性，实验结果表明，求得的班型方案相比较现有人工生成的班型方案，能满足所有约束条件且总工作时间更短，总服务人数更少，提高了机场资源利用率。
2019, 41(11): 2722-2728.
doi: 10.11999/JEIT180974
摘要:
模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果，没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息，影响聚类准确度。针对这个问题，该文提出一种新的改进思路：改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义，最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS)：首先，选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本；然后，计算存疑样本与聚类后聚类中心的属性相似度；最后，基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验，证明算法不仅有效，还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。
模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果，没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息，影响聚类准确度。针对这个问题，该文提出一种新的改进思路：改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义，最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS)：首先，选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本；然后，计算存疑样本与聚类后聚类中心的属性相似度；最后，基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验，证明算法不仅有效，还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。
2019, 41(11): 2729-2735.
doi: 10.11999/JEIT190115
摘要:
针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性，仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题，该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移性能的主要度量指标，使不同的样本具有不同的迁移性能；其次将样本的可迁移性作为权重应用在分类损失和最小熵损失上，旨在消除条件对抗领域适应中难以迁移样本对模型造成的影响；最后使用Office-31数据集的6个迁移任务和Office-Home数据集的12个迁移任务进行了实验，该方法在14个迁移任务上取得了提升，在平均精度上分别提升1.4%和3.1%。
针对条件对抗领域适应(CDAN)方法未能充分挖掘样本的可迁移性，仍然存在部分难以迁移的源域样本扰乱目标域数据分布的问题，该文提出一种基于迁移权重的条件对抗领域适应(TW-CDAN)方法。首先利用领域判别模型的判别结果作为衡量样本迁移性能的主要度量指标，使不同的样本具有不同的迁移性能；其次将样本的可迁移性作为权重应用在分类损失和最小熵损失上，旨在消除条件对抗领域适应中难以迁移样本对模型造成的影响；最后使用Office-31数据集的6个迁移任务和Office-Home数据集的12个迁移任务进行了实验，该方法在14个迁移任务上取得了提升，在平均精度上分别提升1.4%和3.1%。
2019, 41(11): 2736-2743.
doi: 10.11999/JEIT181054
摘要:
目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时，通常假设源域中的数据均与目标域数据相关。然而在实际应用中，源域中的数据并非都与目标域数据的相关程度一致，若基于上述假设往往会导致负迁移效应。为此，该文首先提出分类误差一致性准则(CCR)，对源域与目标域分类误差的概率分布积分平方误差进行最小化度量。此外，该文提出一种基于CCR的自适应知识迁移学习方法(CATL)，该方法可以快速地从源域中自动确定出与目标域相关的数据及其权重，以辅助目标域模型的构建，使其能在提高知识迁移效率的同时缓解负迁移学习效应。在真实图像以及文本数据集上的实验结果验证了CATL方法的优势。
目前大多数迁移学习方法在利用源域数据辅助目标域数据建模时，通常假设源域中的数据均与目标域数据相关。然而在实际应用中，源域中的数据并非都与目标域数据的相关程度一致，若基于上述假设往往会导致负迁移效应。为此，该文首先提出分类误差一致性准则(CCR)，对源域与目标域分类误差的概率分布积分平方误差进行最小化度量。此外，该文提出一种基于CCR的自适应知识迁移学习方法(CATL)，该方法可以快速地从源域中自动确定出与目标域相关的数据及其权重，以辅助目标域模型的构建，使其能在提高知识迁移效率的同时缓解负迁移学习效应。在真实图像以及文本数据集上的实验结果验证了CATL方法的优势。
2019, 41(11): 2744-2751.
doi: 10.11999/JEIT181110
摘要:
针对视频监控中运动小目标难以检测的问题，该文提出一种基于航迹的检测算法。首先，为了降低检测漏警率，提出区域纹理特征与差值概率融合的自适应前景提取方法；其次，为了降低检测虚警率，设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联，并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明，与多种经典算法相比，该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。
针对视频监控中运动小目标难以检测的问题，该文提出一种基于航迹的检测算法。首先，为了降低检测漏警率，提出区域纹理特征与差值概率融合的自适应前景提取方法；其次，为了降低检测虚警率，设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联，并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明，与多种经典算法相比，该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。
2019, 41(11): 2752-2759.
doi: 10.11999/JEIT181088
摘要:
人类面部表情是其心理情绪变化的最直观刻画，不同人的面部表情具有很大差异，现有表情识别方法均利用面部统计特征区分不同表情，其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出，人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法，针对面部表情受图像细节影响较大的特点，提出利用高斯金字塔提取图像细节信息，并对图像进行细节增强，从而强化人脸表情信息。针对面部表情的局部性特点，提出利用层次结构的局部梯度特征计算方法，描述面部特征点局部形状特征。最后，使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明，该方法不仅验证了图像细节对面部表情识别过程的重要作用，而且在小规模训练数据下也能够得到非常好的识别结果，表情平均识别率达到98.19%。
人类面部表情是其心理情绪变化的最直观刻画，不同人的面部表情具有很大差异，现有表情识别方法均利用面部统计特征区分不同表情，其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出，人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法，针对面部表情受图像细节影响较大的特点，提出利用高斯金字塔提取图像细节信息，并对图像进行细节增强，从而强化人脸表情信息。针对面部表情的局部性特点，提出利用层次结构的局部梯度特征计算方法，描述面部特征点局部形状特征。最后，使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明，该方法不仅验证了图像细节对面部表情识别过程的重要作用，而且在小规模训练数据下也能够得到非常好的识别结果，表情平均识别率达到98.19%。
2019, 41(11): 2760-2767.
doi: 10.11999/JEIT180926
摘要:
基于多视点视频序列视点内、视点间存在的相关性，并结合视点间运动矢量共享技术，该文提出一种面向3维高效视频编码中深度序列传输丢包的错误隐藏算法。首先，根据3D高效视频编码(3D-HEVC)的分层B帧预测(HBP)结构和深度图纹理特征，将深度图丢失块分成运动块和静止块；然后，对于受损运动块，使用结合纹理结构的外边界匹配准则来选择相对最优的运动/视差矢量进行基于位移矢量补偿的错误掩盖，而对受损静止块采用参考帧直接拷贝进行快速错误隐藏；最后，使用参考帧拆分重组来获取新的运动/视差补偿块对修复质量较差的重建块进行质量提升。实验结果表明：相较于近年提出的对比算法，该文算法隐藏后的深度帧平均峰值信噪比(PSNR)能提升0.25～2.03 dB，结构相似度测量值(SSIM)能提升0.001～0.006，且修复区域的主观视觉质量与原始深度图更接近。
基于多视点视频序列视点内、视点间存在的相关性，并结合视点间运动矢量共享技术，该文提出一种面向3维高效视频编码中深度序列传输丢包的错误隐藏算法。首先，根据3D高效视频编码(3D-HEVC)的分层B帧预测(HBP)结构和深度图纹理特征，将深度图丢失块分成运动块和静止块；然后，对于受损运动块，使用结合纹理结构的外边界匹配准则来选择相对最优的运动/视差矢量进行基于位移矢量补偿的错误掩盖，而对受损静止块采用参考帧直接拷贝进行快速错误隐藏；最后，使用参考帧拆分重组来获取新的运动/视差补偿块对修复质量较差的重建块进行质量提升。实验结果表明：相较于近年提出的对比算法，该文算法隐藏后的深度帧平均峰值信噪比(PSNR)能提升0.25～2.03 dB，结构相似度测量值(SSIM)能提升0.001～0.006，且修复区域的主观视觉质量与原始深度图更接近。
2019, 41(11): 2768-2776.
doi: 10.11999/JEIT181138
摘要:
针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题，该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解，复杂度将大为降低，提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题，又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法，该算法对I2DPCA的特征矩阵再次进行纵向特征提取，保留了图像的横向与纵向结构信息，实现了行列两个方向上的特征提取与数据降维。最后，以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验，结果表明，该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高，其收敛率达到99%以上，分类率可达97.6%，平均处理速度为29 帧/s，能够满足增量特征提取的实时处理需求。
针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题，该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解，复杂度将大为降低，提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题，又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法，该算法对I2DPCA的特征矩阵再次进行纵向特征提取，保留了图像的横向与纵向结构信息，实现了行列两个方向上的特征提取与数据降维。最后，以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验，结果表明，该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高，其收敛率达到99%以上，分类率可达97.6%，平均处理速度为29 帧/s，能够满足增量特征提取的实时处理需求。
2019, 41(11): 2777-2786.
doi: 10.11999/JEIT190056
摘要:
该文提出了一种结合区域和深度残差网络的语义分割模型。基于区域的语义分割方法使用多尺度提取相互重叠的区域，可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络(CNN)自主学习特征，可以针对逐像素分类任务进行端到端训练，但是这种方法通常会产生粗糙的分割边界。该文将两种方法的优点结合起来：首先使用区域生成网络在图像中生成候选区域，然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图，结合候选区域以及特征图得到区域的特征，并将其映射到区域中每个像素上；最后使用全局平均池化层进行逐像素分类。该文还使用了多模型融合的方法，在相同的网络模型中设置不同的输入进行训练得到多个模型，然后在分类层进行特征融合，得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明该文方法具有较高的平均准确率。
该文提出了一种结合区域和深度残差网络的语义分割模型。基于区域的语义分割方法使用多尺度提取相互重叠的区域，可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络(CNN)自主学习特征，可以针对逐像素分类任务进行端到端训练，但是这种方法通常会产生粗糙的分割边界。该文将两种方法的优点结合起来：首先使用区域生成网络在图像中生成候选区域，然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图，结合候选区域以及特征图得到区域的特征，并将其映射到区域中每个像素上；最后使用全局平均池化层进行逐像素分类。该文还使用了多模型融合的方法，在相同的网络模型中设置不同的输入进行训练得到多个模型，然后在分类层进行特征融合，得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明该文方法具有较高的平均准确率。
2019, 41(11): 2787-2794.
doi: 10.11999/JEIT181076
摘要:
矩阵补全(MC)作为压缩感知(CS)的推广，已广泛应用于不同领域。近年来，基于黎曼优化的MC算法因重构精度高、计算速度快的特点，引起了广泛关注。针对基于黎曼优化的MC算法需假设原矩阵秩固定已知，且随机选择迭代起点的特点，该文提出一种基于自动秩估计的黎曼优化MC算法。该算法通过优化包含秩正则项的目标函数，迭代获取秩估计值和预重构矩阵。在估计所得秩对应的矩阵空间上以预重构矩阵为迭代起点，利用基于黎曼流形的共轭梯度法进行矩阵补全，从而提高重构精度。实验结果表明，与几种经典的图像补全方法相比，该文算法图像重构精度显著提高。
矩阵补全(MC)作为压缩感知(CS)的推广，已广泛应用于不同领域。近年来，基于黎曼优化的MC算法因重构精度高、计算速度快的特点，引起了广泛关注。针对基于黎曼优化的MC算法需假设原矩阵秩固定已知，且随机选择迭代起点的特点，该文提出一种基于自动秩估计的黎曼优化MC算法。该算法通过优化包含秩正则项的目标函数，迭代获取秩估计值和预重构矩阵。在估计所得秩对应的矩阵空间上以预重构矩阵为迭代起点，利用基于黎曼流形的共轭梯度法进行矩阵补全，从而提高重构精度。实验结果表明，与几种经典的图像补全方法相比，该文算法图像重构精度显著提高。
