邮件订阅
2019年 第41卷 第9期
2019, 41(9): 2033-2038.
doi: 10.11999/JEIT180919
摘要:
在同时同频扰中通(CJ)系统中，干扰发射机中的功率放大器(PA)工作于非线性区内，导致近端接收机接收到的自干扰(SI)信号中包含大量非线性分量。该文针对非线性干扰抑制这一问题，在接收端建立干扰非线性模型，并进行非线性模型参数估计，最终在接收信号中减去重建的非线性干扰信号，以抑制同时同频扰中通系统中的非线性干扰。仿真与实验结果表明，该文所提方法针对同时同频扰中通场景中存在残余频偏的情况下，能够对非线性干扰进行有效抑制，验证了该方案的有效性与可行性。
在同时同频扰中通(CJ)系统中，干扰发射机中的功率放大器(PA)工作于非线性区内，导致近端接收机接收到的自干扰(SI)信号中包含大量非线性分量。该文针对非线性干扰抑制这一问题，在接收端建立干扰非线性模型，并进行非线性模型参数估计，最终在接收信号中减去重建的非线性干扰信号，以抑制同时同频扰中通系统中的非线性干扰。仿真与实验结果表明，该文所提方法针对同时同频扰中通场景中存在残余频偏的情况下，能够对非线性干扰进行有效抑制，验证了该方案的有效性与可行性。
2019, 41(9): 2039-2046.
doi: 10.11999/JEIT180770
摘要:
为了满足网络切片多样化需求，实现无线虚拟资源的动态分配，该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先，该算法考虑在不完美信道条件下，以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束，建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次，将概率混合优化问题转换为非概率优化问题，并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解；基于用户关联的策略，将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明，该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。
为了满足网络切片多样化需求，实现无线虚拟资源的动态分配，该文提出在C-RAN架构中基于非正交多址接入的联合用户关联和功率资源分配算法。首先，该算法考虑在不完美信道条件下，以切片和用户最小速率需求及时延QoS要求、系统中断概率、前传容量为约束，建立在C-RAN场景中最大化长时平均网络切片总吞吐量的联合用户关联和功率分配模型。其次，将概率混合优化问题转换为非概率优化问题，并利用Lyapunov优化理论设计一种基于当前时隙的联合用户调度和功率分配的算法。最后采用贪婪算法求得用户关联问题次优解；基于用户关联的策略，将功率分配的问题利用连续凸逼近方法将其转换为凸优化问题并采用拉格朗日对偶分解方法获得功率分配策略。仿真结果表明，该算法能满足各网络切片和用户需求的同时有效提升系统时间平均切片总吞吐量。
2019, 41(9): 2047-2054.
doi: 10.11999/JEIT181139
摘要:
利用Walsh-Hadamard变换可实现2元域含错方程组的求解，该方法可用于卷积码的盲识别，但当方程组未知数较多时，其对计算机内存的要求使得该方法在实际中难以应用，为此该文提出一种基于分段Walsh-Hadamard变换的卷积码识别方法。该方法通过对方程组高维系数向量进行分段，使其转化为两个低维的系数向量，将Walsh-Hadamard变换求解高维方程组的问题分解为求解两个较低维数方程组的问题，同时证明了两个低维方程组解向量的组合就是高维方程组的解。算法有效减少了对计算机内存的需求，仿真结果验证了该算法的有效性，且算法具有良好的误码适应能力。
利用Walsh-Hadamard变换可实现2元域含错方程组的求解，该方法可用于卷积码的盲识别，但当方程组未知数较多时，其对计算机内存的要求使得该方法在实际中难以应用，为此该文提出一种基于分段Walsh-Hadamard变换的卷积码识别方法。该方法通过对方程组高维系数向量进行分段，使其转化为两个低维的系数向量，将Walsh-Hadamard变换求解高维方程组的问题分解为求解两个较低维数方程组的问题，同时证明了两个低维方程组解向量的组合就是高维方程组的解。算法有效减少了对计算机内存的需求，仿真结果验证了该算法的有效性，且算法具有良好的误码适应能力。
2019, 41(9): 2055-2062.
doi: 10.11999/JEIT181038
摘要:
针对差分混沌移位键控(DCSK)传输率低这一缺点，以及为了进一步改善系统的误码性能，该文提出一种短参考正交多用户DCSK(SOM-DCSK)通信系统。该系统将参考信号缩短为每个信息承载信号的1/P，通过延迟时间的不同传输多个用户，然后在每个信息时隙中利用希尔伯特变换的正交性达到传输2 bit信息信号的目的。该文推导了SOM-DCSK系统在加性高斯白噪声(AWGN)和Rayleigh衰落信道下的比特误码率(BER)公式并进行了实验仿真。仿真结果表明：相同条件下，该方案相比于传统多用户系统的误码性能有了明显的改进，具有很好的实用价值。
针对差分混沌移位键控(DCSK)传输率低这一缺点，以及为了进一步改善系统的误码性能，该文提出一种短参考正交多用户DCSK(SOM-DCSK)通信系统。该系统将参考信号缩短为每个信息承载信号的1/P，通过延迟时间的不同传输多个用户，然后在每个信息时隙中利用希尔伯特变换的正交性达到传输2 bit信息信号的目的。该文推导了SOM-DCSK系统在加性高斯白噪声(AWGN)和Rayleigh衰落信道下的比特误码率(BER)公式并进行了实验仿真。仿真结果表明：相同条件下，该方案相比于传统多用户系统的误码性能有了明显的改进，具有很好的实用价值。
2019, 41(9): 2063-2070.
doi: 10.11999/JEIT180903
摘要:
针对目前高斯消元法在归零Turbo码长、帧同步等参数识别过程存在容错性能低且计算复杂度高的缺点，该文提出一种低信噪比(SNR)下基于差分似然差(DLD)的识别算法。首先通过定义差分似然差的概念，利用归零Turbo码帧头两码元差分似然差为正值(“+”)的特性，构建分析矩阵实现码长的识别；其次，提出基于最小错误判决准则下的差分似然差“+”位置门限判决方法，完成帧同步；最后，从工程实际出发，遍历寄存器个数的可能值，实现码率、寄存器个数以及交织长度识别。仿真实验表明：所提算法对于归零Turbo码码长、帧同步等参数识别有效，差分似然差“+”位置分布与分析的数据结构特征一致，判决门限能够有效判断差分似然差“+”位置，同时，算法容错性能较强，在信噪比为–5 dB条件下，码长、帧同步等参数识别率能够达到90%以上，并且算法的复杂度远小于现有算法。
针对目前高斯消元法在归零Turbo码长、帧同步等参数识别过程存在容错性能低且计算复杂度高的缺点，该文提出一种低信噪比(SNR)下基于差分似然差(DLD)的识别算法。首先通过定义差分似然差的概念，利用归零Turbo码帧头两码元差分似然差为正值(“+”)的特性，构建分析矩阵实现码长的识别；其次，提出基于最小错误判决准则下的差分似然差“+”位置门限判决方法，完成帧同步；最后，从工程实际出发，遍历寄存器个数的可能值，实现码率、寄存器个数以及交织长度识别。仿真实验表明：所提算法对于归零Turbo码码长、帧同步等参数识别有效，差分似然差“+”位置分布与分析的数据结构特征一致，判决门限能够有效判断差分似然差“+”位置，同时，算法容错性能较强，在信噪比为–5 dB条件下，码长、帧同步等参数识别率能够达到90%以上，并且算法的复杂度远小于现有算法。
2019, 41(9): 2071-2078.
doi: 10.11999/JEIT180894
摘要:
针对无线虚拟化网络在时间域上业务请求的动态变化和信息反馈时延导致虚拟资源分配的不合理，该文提出一种基于长短时记忆(LSTM)网络的流量感知算法，该算法通过服务功能链(SFC)的历史队列信息来预测未来负载状态。基于预测的结果，联合考虑虚拟网络功能(VNF)的调度问题和相应的计算资源分配问题，提出一种基于最大最小蚁群算法(MMACA)的虚拟网络功能动态部署方法，在满足未来队列不溢出的最低资源需求的前提下，采用按需分配的方式最大化计算资源利用率。仿真结果表明，该文提出的基于LSTM神经网络预测模型能够获得很好的预测效果，实现了网络的在线监测；基于MMACA的VNF部署方法有效降低了比特丢失率的同时也降低了整体VNF调度产生的平均端到端时延。
针对无线虚拟化网络在时间域上业务请求的动态变化和信息反馈时延导致虚拟资源分配的不合理，该文提出一种基于长短时记忆(LSTM)网络的流量感知算法，该算法通过服务功能链(SFC)的历史队列信息来预测未来负载状态。基于预测的结果，联合考虑虚拟网络功能(VNF)的调度问题和相应的计算资源分配问题，提出一种基于最大最小蚁群算法(MMACA)的虚拟网络功能动态部署方法，在满足未来队列不溢出的最低资源需求的前提下，采用按需分配的方式最大化计算资源利用率。仿真结果表明，该文提出的基于LSTM神经网络预测模型能够获得很好的预测效果，实现了网络的在线监测；基于MMACA的VNF部署方法有效降低了比特丢失率的同时也降低了整体VNF调度产生的平均端到端时延。
2019, 41(9): 2079-2086.
doi: 10.11999/JEIT180906
摘要:
针对5G接入网络中虚拟网络功能(VNF)部署完成后，其资源需求发生动态变化，导致网络中物理机(PM)资源利用率过高或过低这一问题，该文首先将网络中PM的资源使用情况划分5个不同分区，提出一种多优先级VNF迁移请求队列调度模型。其次基于该模型，对VNF迁移开销的最小化及网络能耗的最小化建立联合优化模型。最后提出一种基于5G接入网络的多优先级VNF迁移开销与网络能耗联合优化算法对其进行求解。仿真结果表明，该算法在有效实现VNF迁移开销与网络能耗折中的同时，提高了PM资源利用率，保证了PM性能并均衡各PM负载。
针对5G接入网络中虚拟网络功能(VNF)部署完成后，其资源需求发生动态变化，导致网络中物理机(PM)资源利用率过高或过低这一问题，该文首先将网络中PM的资源使用情况划分5个不同分区，提出一种多优先级VNF迁移请求队列调度模型。其次基于该模型，对VNF迁移开销的最小化及网络能耗的最小化建立联合优化模型。最后提出一种基于5G接入网络的多优先级VNF迁移开销与网络能耗联合优化算法对其进行求解。仿真结果表明，该算法在有效实现VNF迁移开销与网络能耗折中的同时，提高了PM资源利用率，保证了PM性能并均衡各PM负载。
2019, 41(9): 2087-2094.
doi: 10.11999/JEIT180875
摘要:
声表面波(SAW)谐振器测量技术能在高温、高压、强电磁辐射和强电磁干扰等恶劣环境下，实现无线无源的参数检测。针对声表面波谐振器回波信号的非平稳特点，该文提出一种回波信号的频率测量方法“数字频率有效位数跟进法”(DFSPT)。仿真结果表明，该方法与现有的基于傅里叶变换法(FFT)和奇异值分解法(SVD)的方法相比，其能根据信噪比的不同，自行确定数字频率有效数字的位数，提高了频率估计的精度和稳定性。无线SAW温度传感器实验表明，该方法的频率估计标准差小，鲁棒性高。
声表面波(SAW)谐振器测量技术能在高温、高压、强电磁辐射和强电磁干扰等恶劣环境下，实现无线无源的参数检测。针对声表面波谐振器回波信号的非平稳特点，该文提出一种回波信号的频率测量方法“数字频率有效位数跟进法”(DFSPT)。仿真结果表明，该方法与现有的基于傅里叶变换法(FFT)和奇异值分解法(SVD)的方法相比，其能根据信噪比的不同，自行确定数字频率有效数字的位数，提高了频率估计的精度和稳定性。无线SAW温度传感器实验表明，该方法的频率估计标准差小，鲁棒性高。
2019, 41(9): 2095-2102.
doi: 10.11999/JEIT180922
摘要:
该文利用电磁超表面与微带天线的结构高度相似性，设计了2种辐射特性几乎一致且具有反射相位差异的超表面天线，通过将2种天线单元进行棋盘布阵，在x极化波和y极化波照射下分别利用相位相消及匹配负载吸收实现了天线阵带内散射能量的抑制。实测与仿真结果表明：该超表面天线工作于6.0～8.5 GHz。x极化波垂直入射时天线单站RCS减缩6 dB带宽为6.2～10.5 GHz，最大减缩量达21.07 dB。y极化波垂直入射时天线的带内RCS减缩依然能达到3 dB以上。且实测与仿真结果吻合良好。该设计方法为实现天线阵带内RCS减缩提供了新的设计思路。
该文利用电磁超表面与微带天线的结构高度相似性，设计了2种辐射特性几乎一致且具有反射相位差异的超表面天线，通过将2种天线单元进行棋盘布阵，在x极化波和y极化波照射下分别利用相位相消及匹配负载吸收实现了天线阵带内散射能量的抑制。实测与仿真结果表明：该超表面天线工作于6.0～8.5 GHz。x极化波垂直入射时天线单站RCS减缩6 dB带宽为6.2～10.5 GHz，最大减缩量达21.07 dB。y极化波垂直入射时天线的带内RCS减缩依然能达到3 dB以上。且实测与仿真结果吻合良好。该设计方法为实现天线阵带内RCS减缩提供了新的设计思路。
2019, 41(9): 2103-2107.
doi: 10.11999/JEIT181016
摘要:
用于雷电测向的正交磁环天线(OMLA)的测量精度要求不断提高，导致天线自身结构加工误差引起的测角误差(AME)进一步加大。该文对天线自身结构加工误差与测角误差的关系建立理论模型，通过引入补偿系数和等效结构误差角度，提出一种对正交磁环天线测角误差的矫正方法。通过实验对比3组正交磁环天线，对其常规测向结果和矫正测向结果的测角误差进行对比分析，实验表明矫正后测角误差比常规测角误差降低约50%。因此该矫正方法在同等硬件条件下，可以很好地提升正交磁环天线的雷电测向精度。
用于雷电测向的正交磁环天线(OMLA)的测量精度要求不断提高，导致天线自身结构加工误差引起的测角误差(AME)进一步加大。该文对天线自身结构加工误差与测角误差的关系建立理论模型，通过引入补偿系数和等效结构误差角度，提出一种对正交磁环天线测角误差的矫正方法。通过实验对比3组正交磁环天线，对其常规测向结果和矫正测向结果的测角误差进行对比分析，实验表明矫正后测角误差比常规测角误差降低约50%。因此该矫正方法在同等硬件条件下，可以很好地提升正交磁环天线的雷电测向精度。
2019, 41(9): 2108-2114.
doi: 10.11999/JEIT181083
摘要:
磁感应检测技术是一种非接触、无创的电阻抗检测技术，多频率同步检测可同时获得不同频率下被测对象的阻抗信息。该文首先研究了磁感应信号多频率同步激励与检测原理，基于Walsh函数合成了5频率激励信号。其次分析了合成多频率同步检测性能，设计了合成多频磁感应信号同步检测系统。最后，通过合成5频率激励信号与同步检测系统进行不同电导率NaCl溶液的检测实验，结果表明：合成5频率激励信号5个主谐波的测量结果都具有很好的线性度，为磁感应信号多频率同步检测提供了激励-检测方法。
磁感应检测技术是一种非接触、无创的电阻抗检测技术，多频率同步检测可同时获得不同频率下被测对象的阻抗信息。该文首先研究了磁感应信号多频率同步激励与检测原理，基于Walsh函数合成了5频率激励信号。其次分析了合成多频率同步检测性能，设计了合成多频磁感应信号同步检测系统。最后，通过合成5频率激励信号与同步检测系统进行不同电导率NaCl溶液的检测实验，结果表明：合成5频率激励信号5个主谐波的测量结果都具有很好的线性度，为磁感应信号多频率同步检测提供了激励-检测方法。
2019, 41(9): 2115-2122.
doi: 10.11999/JEIT181131
摘要:
端射阵天线因其低风阻和高增益特性而特别适用于机载雷达的前后向补盲，而天线的前后视放置则不可避免地要面临杂波的距离非平稳问题。该文基于端射阵机载雷达杂波谱特性，针对传统空时内插法(STINT)不能直接适用于距离模糊情况下端射阵杂波补偿这一情况，提出一种基于空时内插的端射阵杂波补偿新方法。该方法充分考虑了各距离门的模糊杂波，以远程平稳杂波脊主瓣区所对应的圆弧为插值参考子空间并细化了动目标约束的约束对象，实现了对距离模糊情况下端射阵非平稳杂波的有效补偿。计算机仿真结果验证了该文方法的有效性。
端射阵天线因其低风阻和高增益特性而特别适用于机载雷达的前后向补盲，而天线的前后视放置则不可避免地要面临杂波的距离非平稳问题。该文基于端射阵机载雷达杂波谱特性，针对传统空时内插法(STINT)不能直接适用于距离模糊情况下端射阵杂波补偿这一情况，提出一种基于空时内插的端射阵杂波补偿新方法。该方法充分考虑了各距离门的模糊杂波，以远程平稳杂波脊主瓣区所对应的圆弧为插值参考子空间并细化了动目标约束的约束对象，实现了对距离模糊情况下端射阵非平稳杂波的有效补偿。计算机仿真结果验证了该文方法的有效性。
2019, 41(9): 2123-2130.
doi: 10.11999/JEIT180904
摘要:
针对基于LTE信号的外辐射源雷达接收信号包含多个同频发射基站的直达波和多径杂波干扰的问题，该文对传统的外辐射源雷达信号处理流程进行了改进，增加了对同频基站干扰的处理步骤，提出了一种基于卷积混合模型的盲源分离算法来抑制同频基站的杂波干扰。假设混合矩阵是一个矢量线性时不变滤波器矩阵，以互信息为代价函数，通过求取互信息的梯度，用最速下降法进行迭代，分离准则是使分离后的信号之间互信息最小化。仿真表明，该文算法能够有效地抑制LTE信号同频发射基站的杂波干扰，为后续的主基站杂波对消处理提供了基础。
针对基于LTE信号的外辐射源雷达接收信号包含多个同频发射基站的直达波和多径杂波干扰的问题，该文对传统的外辐射源雷达信号处理流程进行了改进，增加了对同频基站干扰的处理步骤，提出了一种基于卷积混合模型的盲源分离算法来抑制同频基站的杂波干扰。假设混合矩阵是一个矢量线性时不变滤波器矩阵，以互信息为代价函数，通过求取互信息的梯度，用最速下降法进行迭代，分离准则是使分离后的信号之间互信息最小化。仿真表明，该文算法能够有效地抑制LTE信号同频发射基站的杂波干扰，为后续的主基站杂波对消处理提供了基础。
2019, 41(9): 2131-2136.
doi: 10.11999/JEIT181091
摘要:
距离旁瓣可能导致强目标掩盖弱目标以及大量虚假目标的出现，针对认知雷达旁瓣抑制问题，该文提出一种基于序列优化的方法。首先，将待测区域按距离单元进行划分，之后，基于最小均方误差准则，针对某距离单元进行发射-接收联合优化，所优化结果用于该距离单元散射点雷达截面积(RCS)的估计。上述过程在场景内各距离单元序贯进行，并将已获估计值用于后续距离单元距离旁瓣的抑制，各散射点RCS值依次以递归方式获得，并循环更新。所提方法构建了一个闭环系统，根据实时反馈的场景信息调整收发系统，提高雷达对环境的感知能力，从而改善旁瓣抑制性能，提高抗噪声稳健性。仿真结果验证了所提方法的有效性。
距离旁瓣可能导致强目标掩盖弱目标以及大量虚假目标的出现，针对认知雷达旁瓣抑制问题，该文提出一种基于序列优化的方法。首先，将待测区域按距离单元进行划分，之后，基于最小均方误差准则，针对某距离单元进行发射-接收联合优化，所优化结果用于该距离单元散射点雷达截面积(RCS)的估计。上述过程在场景内各距离单元序贯进行，并将已获估计值用于后续距离单元距离旁瓣的抑制，各散射点RCS值依次以递归方式获得，并循环更新。所提方法构建了一个闭环系统，根据实时反馈的场景信息调整收发系统，提高雷达对环境的感知能力，从而改善旁瓣抑制性能，提高抗噪声稳健性。仿真结果验证了所提方法的有效性。
2019, 41(9): 2137-2142.
doi: 10.11999/JEIT181090
摘要:
多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例，针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题，提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组，并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均，由此获得新的矩阵，再对该矩阵对应的噪声子空间进行加权处理，选取适当的加权系数构造新的噪声子空间，最后通过谱峰搜索识别出目标位置。计算机仿真结果表明，与2D-MUSIC算法相比，改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计，提高了L型阵列2维DOA估计的分辨率，具有较好的工程应用价值。
多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例，针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题，提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组，并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均，由此获得新的矩阵，再对该矩阵对应的噪声子空间进行加权处理，选取适当的加权系数构造新的噪声子空间，最后通过谱峰搜索识别出目标位置。计算机仿真结果表明，与2D-MUSIC算法相比，改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计，提高了L型阵列2维DOA估计的分辨率，具有较好的工程应用价值。
2019, 41(9): 2143-2150.
doi: 10.11999/JEIT181107
摘要:
针对现有多输入多输出(MIMO)雷达发射波形设计方法存在运算量高的问题，该文提出一种基于原子范数的MIMO雷达发射波形设计方法。根据原子范数的信号模型，该算法首先选择一个具有特殊结构的发射滤波器组以及一组正交信号，将MIMO雷达发射波形设计问题转化为原子范数最小化问题，然后采用半正定规划(SDP)对原子范数进行求解，得到(半)正定Toeplitz矩阵，并对其进行范德蒙分解实现发射滤波器组的估计，最后综合发射滤波器组与正交信号获得MIMO雷达的发射波形。理论分析与仿真结果表明，该算法满足等能量发射准则以及小的峰均功率比(PAPR)。同时，该算法相比于现有算法有较低的运算量以及良好的匹配性能。
针对现有多输入多输出(MIMO)雷达发射波形设计方法存在运算量高的问题，该文提出一种基于原子范数的MIMO雷达发射波形设计方法。根据原子范数的信号模型，该算法首先选择一个具有特殊结构的发射滤波器组以及一组正交信号，将MIMO雷达发射波形设计问题转化为原子范数最小化问题，然后采用半正定规划(SDP)对原子范数进行求解，得到(半)正定Toeplitz矩阵，并对其进行范德蒙分解实现发射滤波器组的估计，最后综合发射滤波器组与正交信号获得MIMO雷达的发射波形。理论分析与仿真结果表明，该算法满足等能量发射准则以及小的峰均功率比(PAPR)。同时，该算法相比于现有算法有较低的运算量以及良好的匹配性能。
2019, 41(9): 2151-2155.
doi: 10.11999/JEIT180884
摘要:
该文基于Ding-广义分圆理论，将周期为\begin{document}$ 2{p^m}$\end{document} ![]()
![]()
\begin{document}$ p$\end{document} ![]()
![]()
\begin{document}$ m$\end{document} ![]()
![]()
该文基于Ding-广义分圆理论，将周期为
2019, 41(9): 2156-2163.
doi: 10.11999/JEIT180849
摘要:
该文对轻量级分组密码算法Simeck在积分攻击下的安全性进行了研究。通过向前解密扩展已有的积分区分器，构造了16轮Simeck48和20轮Simeck64算法的高阶积分区分器，并在新区分器的基础上，利用等价子密钥技术和部分和技术，结合中间相遇策略和密钥扩展算法的性质，实现了24轮Simeck48和29轮Simeck64算法的积分攻击。攻击24轮Simeck48的数据复杂度为246，时间复杂度为295，存储复杂度为282.52；攻击29轮Simeck64的数据复杂度为263，时间复杂度为2127.3，存储复杂度为2109.02。与Simeck算法已有积分攻击的结果相比，该文对Simeck48和Simeck64积分攻击的轮数分别提高了3轮和5轮。
该文对轻量级分组密码算法Simeck在积分攻击下的安全性进行了研究。通过向前解密扩展已有的积分区分器，构造了16轮Simeck48和20轮Simeck64算法的高阶积分区分器，并在新区分器的基础上，利用等价子密钥技术和部分和技术，结合中间相遇策略和密钥扩展算法的性质，实现了24轮Simeck48和29轮Simeck64算法的积分攻击。攻击24轮Simeck48的数据复杂度为246，时间复杂度为295，存储复杂度为282.52；攻击29轮Simeck64的数据复杂度为263，时间复杂度为2127.3，存储复杂度为2109.02。与Simeck算法已有积分攻击的结果相比，该文对Simeck48和Simeck64积分攻击的轮数分别提高了3轮和5轮。
2019, 41(9): 2164-2171.
doi: 10.11999/JEIT180905
摘要:
为防御网络切片(NS)中的侧信道攻击(SCA)，现有的基于动态迁移的防御方法存在不同虚拟节点共享物理资源的条件过于松弛的问题。该文提出一种侧信道风险感知的虚拟节点迁移方法。根据侧信道攻击的实施特点，结合熵值法对虚拟节点的侧信道风险进行评估，并将服务器上偏离平均风险程度大的虚拟节点进行迁移；采用马尔科夫决策过程描述网络切片虚拟节点的迁移问题，并使用Sarsa学习算法求解出最终的迁移结果。仿真结果表明，该方法将恶意网络切片实例与其他网络切片实例隔离开，达到防御侧信道攻击的目的。
为防御网络切片(NS)中的侧信道攻击(SCA)，现有的基于动态迁移的防御方法存在不同虚拟节点共享物理资源的条件过于松弛的问题。该文提出一种侧信道风险感知的虚拟节点迁移方法。根据侧信道攻击的实施特点，结合熵值法对虚拟节点的侧信道风险进行评估，并将服务器上偏离平均风险程度大的虚拟节点进行迁移；采用马尔科夫决策过程描述网络切片虚拟节点的迁移问题，并使用Sarsa学习算法求解出最终的迁移结果。仿真结果表明，该方法将恶意网络切片实例与其他网络切片实例隔离开，达到防御侧信道攻击的目的。
2019, 41(9): 2172-2179.
doi: 10.11999/JEIT181117
摘要:
网络多告警信息融合处理是有效实施网络动态威胁分析的主要手段之一。基于此该文提出一种利用网络系统多告警信息进行动态威胁跟踪与量化分析的机制。该机制首先利用攻击图理论构建系统动态威胁属性攻击图；其次基于权限提升原则设计了前件推断算法(APA)、后件预测算法(CPA)和综合告警信息推断算法(CAIIA)进行多告警信息的融合与威胁分析，生成网络动态威胁跟踪图进行威胁变化态势的可视化展示。最后通过实验验证了该机制和算法的有效性。
网络多告警信息融合处理是有效实施网络动态威胁分析的主要手段之一。基于此该文提出一种利用网络系统多告警信息进行动态威胁跟踪与量化分析的机制。该机制首先利用攻击图理论构建系统动态威胁属性攻击图；其次基于权限提升原则设计了前件推断算法(APA)、后件预测算法(CPA)和综合告警信息推断算法(CAIIA)进行多告警信息的融合与威胁分析，生成网络动态威胁跟踪图进行威胁变化态势的可视化展示。最后通过实验验证了该机制和算法的有效性。
2019, 41(9): 2180-2186.
doi: 10.11999/JEIT181103
摘要:
大多数可搜索加密方案仅支持对单关键词集的搜索，且数据使用者不能迅速对云服务器返回的密文进行有效性判断，同时考虑到云服务器具有较强的计算能力，可能会对关键词进行猜测，且没有对数据使用者的身份进行验证。针对上述问题，该文提出一个对数据使用者身份验证的抗关键词猜测的授权多关键词可搜索加密方案。方案中数据使用者与数据属主给授权服务器进行授权，从而验证数据使用者是否为合法用户；若验证通过，则授权服务器利用授权信息协助数据使用者对云服务器返回的密文进行有效性检测；同时数据使用者利用服务器的公钥和伪关键词对关键词生成陷门搜索凭证，从而保证关键词的不可区分性。同时数据属主在加密时，利用云服务器的公钥、授权服务器的公钥以及数据使用者的公钥，可以防止合谋攻击。最后在随机预言机模型下证明了所提方案的安全性，并通过仿真实验验证，所提方案在多关键词环境下具有较好的效率。
大多数可搜索加密方案仅支持对单关键词集的搜索，且数据使用者不能迅速对云服务器返回的密文进行有效性判断，同时考虑到云服务器具有较强的计算能力，可能会对关键词进行猜测，且没有对数据使用者的身份进行验证。针对上述问题，该文提出一个对数据使用者身份验证的抗关键词猜测的授权多关键词可搜索加密方案。方案中数据使用者与数据属主给授权服务器进行授权，从而验证数据使用者是否为合法用户；若验证通过，则授权服务器利用授权信息协助数据使用者对云服务器返回的密文进行有效性检测；同时数据使用者利用服务器的公钥和伪关键词对关键词生成陷门搜索凭证，从而保证关键词的不可区分性。同时数据属主在加密时，利用云服务器的公钥、授权服务器的公钥以及数据使用者的公钥，可以防止合谋攻击。最后在随机预言机模型下证明了所提方案的安全性，并通过仿真实验验证，所提方案在多关键词环境下具有较好的效率。
2019, 41(9): 2187-2193.
doi: 10.11999/JEIT181014
摘要:
网络安全态势要素识别的基础是对态势数据集进行有效的特征提取。针对反向传播(BP)神经网络对海量安全态势信息数据学习时过度依赖数据标签的问题，该文提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法，通过无监督学习算法逐层训练网络，在此基础上堆叠得到深度堆栈编码器，利用编码器提取数据集特征，实现了网络的无监督训练。仿真实验验证了该方法能有效提升安全态势感知的效能和准确度。
网络安全态势要素识别的基础是对态势数据集进行有效的特征提取。针对反向传播(BP)神经网络对海量安全态势信息数据学习时过度依赖数据标签的问题，该文提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法，通过无监督学习算法逐层训练网络，在此基础上堆叠得到深度堆栈编码器，利用编码器提取数据集特征，实现了网络的无监督训练。仿真实验验证了该方法能有效提升安全态势感知的效能和准确度。
2019, 41(9): 2194-2200.
doi: 10.11999/JEIT180916
摘要:
针对深度卷积网络原理分析的问题，该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播，以获取重建模型所需要的先验信息；然后对原本网络中的部分结构进行修改，使其便于后续的参数计算；再利用正交向量组，逐一地计算重建模型的参数；最后将计算所得的参数按照特定的顺序进行重排列，实现权值的可视化。实验结果表明，对于满足一定条件的深度卷积网络，利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效，并且可以明显观察到重建后模型的权值所具有的特征，从而分析神经网络实现图像分类的原理。
针对深度卷积网络原理分析的问题，该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播，以获取重建模型所需要的先验信息；然后对原本网络中的部分结构进行修改，使其便于后续的参数计算；再利用正交向量组，逐一地计算重建模型的参数；最后将计算所得的参数按照特定的顺序进行重排列，实现权值的可视化。实验结果表明，对于满足一定条件的深度卷积网络，利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效，并且可以明显观察到重建后模型的权值所具有的特征，从而分析神经网络实现图像分类的原理。
2019, 41(9): 2201-2208.
doi: 10.11999/JEIT181129
摘要:
针对多任务场景下的传感器调度问题，该文提出一种面向目标协同检测与跟踪的多传感器调度方法。首先，该方法基于部分可观马尔科夫决策过程(POMDP)构建传感器调度模型，并基于后验克拉美-罗下界(PCRLB)设计优化目标函数。其次，考虑传感器切换时间和目标数目的时变性，采用随机分布粒子计算新生目标的检测概率，给出了固定目标数目和时变目标数目情形下的传感器调度方法。最后，为满足在线调度的实时性需求，采用自适应多种群协同差分进化(AMCDE)算法求解传感器调度方案。仿真结果表明，该方法能够有效应对多任务场景，实现多传感器资源的合理调度。
针对多任务场景下的传感器调度问题，该文提出一种面向目标协同检测与跟踪的多传感器调度方法。首先，该方法基于部分可观马尔科夫决策过程(POMDP)构建传感器调度模型，并基于后验克拉美-罗下界(PCRLB)设计优化目标函数。其次，考虑传感器切换时间和目标数目的时变性，采用随机分布粒子计算新生目标的检测概率，给出了固定目标数目和时变目标数目情形下的传感器调度方法。最后，为满足在线调度的实时性需求，采用自适应多种群协同差分进化(AMCDE)算法求解传感器调度方案。仿真结果表明，该方法能够有效应对多任务场景，实现多传感器资源的合理调度。
2019, 41(9): 2209-2216.
doi: 10.11999/JEIT180748
摘要:
针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题，该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算，利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量，将惯性导航定位信息和蓝牙定位距离信息等组成观测量，设计无迹卡尔曼滤波器，实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明，该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题，可以实现1.5 m内的定位精度。
针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题，该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算，利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量，将惯性导航定位信息和蓝牙定位距离信息等组成观测量，设计无迹卡尔曼滤波器，实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明，该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题，可以实现1.5 m内的定位精度。
2019, 41(9): 2217-2223.
doi: 10.11999/JEIT180931
摘要:
针对分块压缩感知(BCS)重建图像质量较差问题，该文提出一种最小化l0范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质，将最小化l0范数与图像的全变差TV正则项结合，构建目标函数。针对目标函数中l0范数项和分块测量约束项无法直接优化问题，采用迭代阈值法使重构图像l0范数最小化，并通过凸集投影保证满足约束条件，完成了目标函数的优化求解。实验表明，与基于l0范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比，BCS-TVIT算法重构图像峰值信噪比提高2 dB，能消除BCS-SPL的“亮斑”效应，且在视觉效果上明显优于BCS-SPL算法；与最小全变差算法相比，BCS-TVIT算法重构图像峰值信噪比提升1 dB，且能降低重构时间约2个数量级。
针对分块压缩感知(BCS)重建图像质量较差问题，该文提出一种最小化l0范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质，将最小化l0范数与图像的全变差TV正则项结合，构建目标函数。针对目标函数中l0范数项和分块测量约束项无法直接优化问题，采用迭代阈值法使重构图像l0范数最小化，并通过凸集投影保证满足约束条件，完成了目标函数的优化求解。实验表明，与基于l0范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比，BCS-TVIT算法重构图像峰值信噪比提高2 dB，能消除BCS-SPL的“亮斑”效应，且在视觉效果上明显优于BCS-SPL算法；与最小全变差算法相比，BCS-TVIT算法重构图像峰值信噪比提升1 dB，且能降低重构时间约2个数量级。
2019, 41(9): 2224-2230.
doi: 10.11999/JEIT180826
摘要:
目前，相当多的显著目标检测方法均聚焦于2D的图像上，而RGB-D图像所需要的显著检测方法与单纯的2D图像相去甚远，这就需要新的适用于RGB-D的显著检测方法。该文在经典的RGB显著检测方法，即极限学习机的应用的基础上，提出融合了特征提取、前景增强、深度层次检测等多种思路的新的RGB-D显著性检测方法。该文的方法是：第一，运用特征提取的方法，提取RGB图4个超像素尺度的4096维特征；第二，依据特征提取中产生的4个尺度的超像素数量，分别提取RGB图的RGB, LAB, LBP特征以及深度图的LBE特征；第三，根据LBE和暗通道特征两种特征求出粗显著图，并在4个尺度的遍历中不断强化前景、削弱背景；第四，根据粗显著图选取前景与背景种子，放入极限学习机中进行分类，得到第1阶段显著图；第五，运用深度层次检测、图割等方法对第1阶段显著图进行再次优化，得到第2阶段显著图，即最终显著图。
目前，相当多的显著目标检测方法均聚焦于2D的图像上，而RGB-D图像所需要的显著检测方法与单纯的2D图像相去甚远，这就需要新的适用于RGB-D的显著检测方法。该文在经典的RGB显著检测方法，即极限学习机的应用的基础上，提出融合了特征提取、前景增强、深度层次检测等多种思路的新的RGB-D显著性检测方法。该文的方法是：第一，运用特征提取的方法，提取RGB图4个超像素尺度的4096维特征；第二，依据特征提取中产生的4个尺度的超像素数量，分别提取RGB图的RGB, LAB, LBP特征以及深度图的LBE特征；第三，根据LBE和暗通道特征两种特征求出粗显著图，并在4个尺度的遍历中不断强化前景、削弱背景；第四，根据粗显著图选取前景与背景种子，放入极限学习机中进行分类，得到第1阶段显著图；第五，运用深度层次检测、图割等方法对第1阶段显著图进行再次优化，得到第2阶段显著图，即最终显著图。
2019, 41(9): 2231-2238.
doi: 10.11999/JEIT180738
摘要:
针对现有频域显著性检测方法得到的显著区域不完整的问题，该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数，然后通过小波变换对4元超复数域中幅度谱进行多尺度分解，计算生成多尺度下的视觉显著图，最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明，该文方法能够有效地抑制背景干扰，快速、精确地找到完整的显著目标，具有较高的检测精确度。
针对现有频域显著性检测方法得到的显著区域不完整的问题，该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数，然后通过小波变换对4元超复数域中幅度谱进行多尺度分解，计算生成多尺度下的视觉显著图，最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明，该文方法能够有效地抑制背景干扰，快速、精确地找到完整的显著目标，具有较高的检测精确度。
2019, 41(9): 2239-2246.
doi: 10.11999/JEIT180740
摘要:
为了提高行人再识别算法的识别效果，该文提出一种基于注意力模型的行人属性分级识别神经网络模型，相对于现有算法，该模型有以下3大优点：一是在网络的特征提取部分，设计用于识别行人属性的注意力模型，提取行人属性信息和显著性程度；二是在网络的特征识别部分，针对行人属性的显著性程度和包含的信息量大小，利用注意力模型对属性进行分级识别；三是分析属性之间的相关性，根据上一级的识别结果，调整下一级的识别策略，从而提高小目标属性的识别准确率，进而提高行人再识别的准确率。实验结果表明，该文提出的模型相较于现有方法，有效提高了行人再识别的首位准确率，其中，Market1501数据集上，首位准确率达到了93.1%，在DukeMTMC数据集上，首位准确率达到了81.7%。
为了提高行人再识别算法的识别效果，该文提出一种基于注意力模型的行人属性分级识别神经网络模型，相对于现有算法，该模型有以下3大优点：一是在网络的特征提取部分，设计用于识别行人属性的注意力模型，提取行人属性信息和显著性程度；二是在网络的特征识别部分，针对行人属性的显著性程度和包含的信息量大小，利用注意力模型对属性进行分级识别；三是分析属性之间的相关性，根据上一级的识别结果，调整下一级的识别策略，从而提高小目标属性的识别准确率，进而提高行人再识别的准确率。实验结果表明，该文提出的模型相较于现有方法，有效提高了行人再识别的首位准确率，其中，Market1501数据集上，首位准确率达到了93.1%，在DukeMTMC数据集上，首位准确率达到了81.7%。
2019, 41(9): 2247-2255.
doi: 10.11999/JEIT181018
摘要:
近年来，Siamese网络由于其良好的跟踪精度和较快的跟踪速度，在视觉跟踪领域引起极大关注，但大多数Siamese网络并未考虑模型更新，从而引起跟踪错误。针对这一不足，该文提出一种基于双模板Siamese网络的视觉跟踪算法。首先，保留响应图中响应值稳定的初始帧作为基准模板R，同时使用改进的APCEs模型更新策略确定动态模板T。然后，通过对候选目标区域与2个模板匹配度结果的综合分析，对结果响应图进行融合，以得到更加准确的跟踪结果。在OTB2013和OTB2015数据集上的实验结果表明，与当前5种主流跟踪算法相比，该文算法的跟踪精度和成功率具有明显优势，不仅在尺度变化、平面内旋转、平面外旋转、遮挡、光照变化情况下具有较好的跟踪效果，而且达到了46 帧/s的跟踪速度。
近年来，Siamese网络由于其良好的跟踪精度和较快的跟踪速度，在视觉跟踪领域引起极大关注，但大多数Siamese网络并未考虑模型更新，从而引起跟踪错误。针对这一不足，该文提出一种基于双模板Siamese网络的视觉跟踪算法。首先，保留响应图中响应值稳定的初始帧作为基准模板R，同时使用改进的APCEs模型更新策略确定动态模板T。然后，通过对候选目标区域与2个模板匹配度结果的综合分析，对结果响应图进行融合，以得到更加准确的跟踪结果。在OTB2013和OTB2015数据集上的实验结果表明，与当前5种主流跟踪算法相比，该文算法的跟踪精度和成功率具有明显优势，不仅在尺度变化、平面内旋转、平面外旋转、遮挡、光照变化情况下具有较好的跟踪效果，而且达到了46 帧/s的跟踪速度。
2019, 41(9): 2256-2263.
doi: 10.11999/JEIT180978
摘要:
在机器视觉领域，预测人体运动对于及时的人机交互及人员跟踪等是非常有必要的。为了改善人机交互及人员跟踪等的性能，该文提出一种基于双向门控循环单元(GRU)的编-解码器模型(EBiGRU-D)来学习3D人体运动并给出一段时间内的运动预测。EBiGRU-D是一种深递归神经网络(RNN)，其中编码器是一个双向GRU (BiGRU)单元，解码器是一个单向GRU单元。BiGRU使原始数据从正反两个方向同时输入并进行编码，编成一个状态向量然后送入解码器进行解码。BiGRU将当前的输出与前后时刻的状态关联起来，使输出充分考虑了前后时刻的特征，从而使预测更加准确。在human3.6m数据集上的实验表明EBiGRU-D不仅极大地改善了3D人体运动预测的误差还大大地增加了准确预测的时间。
在机器视觉领域，预测人体运动对于及时的人机交互及人员跟踪等是非常有必要的。为了改善人机交互及人员跟踪等的性能，该文提出一种基于双向门控循环单元(GRU)的编-解码器模型(EBiGRU-D)来学习3D人体运动并给出一段时间内的运动预测。EBiGRU-D是一种深递归神经网络(RNN)，其中编码器是一个双向GRU (BiGRU)单元，解码器是一个单向GRU单元。BiGRU使原始数据从正反两个方向同时输入并进行编码，编成一个状态向量然后送入解码器进行解码。BiGRU将当前的输出与前后时刻的状态关联起来，使输出充分考虑了前后时刻的特征，从而使预测更加准确。在human3.6m数据集上的实验表明EBiGRU-D不仅极大地改善了3D人体运动预测的误差还大大地增加了准确预测的时间。
2019, 41(9): 2264-2272.
doi: 10.11999/JEIT180900
摘要:
脑电信号一直被誉为疲劳检测的“金标准”，驾驶者的精神状态可通过对脑电信号的分析得到。但由于脑电信号具有非线性、非平稳性和空间分辨率低等特点，传统的机器学习方法在运用脑电信号进行疲劳检测时还存在识别率低，特征提取操作繁琐等不足。为此，该文基于脑电信号的电极-频率分布图，提出运用深度迁移学习实现的驾驶疲劳检测方法，即搭建深度卷积神经网络，并利用SEED脑电情绪数据集对其进行预训练，然后通过迁移学习方法将其用于驾驶疲劳检测。实验结果表明，卷积神经网络模型能够很好地从电极-频率分布图中获得与疲劳状态相关的特征信息，达到较好的识别效果。此外，基于迁移学习策略可以将训练好的深度网络模型迁移到其他识别任务上，有助于推动脑电信号在驾驶疲劳检测系统中的应用。
脑电信号一直被誉为疲劳检测的“金标准”，驾驶者的精神状态可通过对脑电信号的分析得到。但由于脑电信号具有非线性、非平稳性和空间分辨率低等特点，传统的机器学习方法在运用脑电信号进行疲劳检测时还存在识别率低，特征提取操作繁琐等不足。为此，该文基于脑电信号的电极-频率分布图，提出运用深度迁移学习实现的驾驶疲劳检测方法，即搭建深度卷积神经网络，并利用SEED脑电情绪数据集对其进行预训练，然后通过迁移学习方法将其用于驾驶疲劳检测。实验结果表明，卷积神经网络模型能够很好地从电极-频率分布图中获得与疲劳状态相关的特征信息，达到较好的识别效果。此外，基于迁移学习策略可以将训练好的深度网络模型迁移到其他识别任务上，有助于推动脑电信号在驾驶疲劳检测系统中的应用。
2019, 41(9): 2273-2279.
doi: 10.11999/JEIT181073
摘要:
针对短时交通流数据的非线性和随机性特点，为提高它的预测精度和收敛速度，该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面，将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入，在兼顾历史数据的平稳和非平稳的情况下，进行了模型结构简化。在算法方面，通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取，可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明，在预测精度方面，该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络，在收敛速度方面，用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。
针对短时交通流数据的非线性和随机性特点，为提高它的预测精度和收敛速度，该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面，将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入，在兼顾历史数据的平稳和非平稳的情况下，进行了模型结构简化。在算法方面，通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取，可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明，在预测精度方面，该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络，在收敛速度方面，用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。
2019, 41(9): 2280-2286.
doi: 10.11999/JEIT180925
摘要:
针对离散时间混沌动力学系统，该文提出一种基于矩阵特征值以及特征向量配置Lyapunov指数为正的新算法。计算离散受控矩阵的特征值以及特征向量，设计一类具有正Lyapunov指数的通用控制器，理论证明系统轨道的有界性和Lyapunov指数的有限性。对线性反馈算子以及微扰反馈算子进行数值仿真分析，验证了算法的正确性、通用性和有效性。性能评估表明，与Chen-Lai算法相比，该方法可以构建较低计算复杂度的混沌系统，并且运行时间较短，其输出序列也具有较强的随机性，实现了无退化、无兼并的离散混沌系统。
针对离散时间混沌动力学系统，该文提出一种基于矩阵特征值以及特征向量配置Lyapunov指数为正的新算法。计算离散受控矩阵的特征值以及特征向量，设计一类具有正Lyapunov指数的通用控制器，理论证明系统轨道的有界性和Lyapunov指数的有限性。对线性反馈算子以及微扰反馈算子进行数值仿真分析，验证了算法的正确性、通用性和有效性。性能评估表明，与Chen-Lai算法相比，该方法可以构建较低计算复杂度的混沌系统，并且运行时间较短，其输出序列也具有较强的随机性，实现了无退化、无兼并的离散混沌系统。
