邮件订阅
2021年 第43卷 第10期
2021, 43(10): 2757-2770.
doi: 10.11999/JEIT210118
摘要:
稀疏码多址接入(SCMA)是一种非正交多址接入技术，具备高频谱效率和大连接特性。多用户检测是SCMA系统的关键问题，而如何降低检测算法的复杂度成为多址接入领域的研究热点。该文从影响算法复杂度的不同因素入手，分类综述了现有多用户检测算法并对几种典型算法进行了原理剖析和性能对比。同时，指出了SCMA多用户检测算法的改进思路。最后总结并探讨了SCMA检测算法未来的发展趋势和面临的挑战。
稀疏码多址接入(SCMA)是一种非正交多址接入技术，具备高频谱效率和大连接特性。多用户检测是SCMA系统的关键问题，而如何降低检测算法的复杂度成为多址接入领域的研究热点。该文从影响算法复杂度的不同因素入手，分类综述了现有多用户检测算法并对几种典型算法进行了原理剖析和性能对比。同时，指出了SCMA多用户检测算法的改进思路。最后总结并探讨了SCMA检测算法未来的发展趋势和面临的挑战。
2021, 43(10): 2771-2780.
doi: 10.11999/JEIT200451
摘要:
海杂波作为影响海用雷达目标探测性能的主要制约因素之一，其在小擦地角下的物理机理和特性被广泛研究。由于产生机理上与小擦地角的差异，大擦地角下海杂波特性认知研究难以直接采用现有的多样化小擦地角海杂波模型与特性结论，大擦地角海杂波特性规律及目标检测技术研究依旧是一项极其复杂的系统工程。该文从雷达大擦地角对海探测试验数据集出发，围绕大擦地角海杂波建模、海杂波特性影响因素和海杂波中目标检测技术3个方面，回顾总结了大擦地角下海杂波特性认知与抑制的研究进展，梳理了大擦地角海杂波机理与特性研究的主要结论，并对技术发展方向进行了展望。
海杂波作为影响海用雷达目标探测性能的主要制约因素之一，其在小擦地角下的物理机理和特性被广泛研究。由于产生机理上与小擦地角的差异，大擦地角下海杂波特性认知研究难以直接采用现有的多样化小擦地角海杂波模型与特性结论，大擦地角海杂波特性规律及目标检测技术研究依旧是一项极其复杂的系统工程。该文从雷达大擦地角对海探测试验数据集出发，围绕大擦地角海杂波建模、海杂波特性影响因素和海杂波中目标检测技术3个方面，回顾总结了大擦地角下海杂波特性认知与抑制的研究进展，梳理了大擦地角海杂波机理与特性研究的主要结论，并对技术发展方向进行了展望。
2021, 43(10): 2781-2789.
doi: 10.11999/JEIT200777
摘要:
对于星载合成孔径雷达(SAR)成像，方位向信号的相关性可能会因时-空变化的背景电离层而遭到破坏，特别是对于低波段系统。该文将孔径内方位时变的斜距电子总量(STEC)归结于3个因素：垂向电子总量(VTEC)的时间变化、空间变化以及电磁波传播路径的变化，分别分析了每个因素造成的时变STEC各阶系数。该文建立了统一的分析模型，即时变STEC影响下的SAR方位向信号3阶泰勒展开模型，推导了方位向偏移和相位误差解析表达式，并基于此得到了不同星载SAR系统的时变STEC各阶系数容限。利用实测的VTEC数据以及国际参考电离层(IRI)模型，开展了信号级仿真。数值分析和信号级仿真的结果表明，对于低轨P波段SAR系统，空变VTEC与传播路径变化是导致方位时变STEC的主要因素；而对于中高轨SAR系统，时变VTEC是导致方位时变STEC的主要因素。随着载频的下降与合成孔径时间的增加，方位向成像性能更加容易受到方位时变STEC的影响。
对于星载合成孔径雷达(SAR)成像，方位向信号的相关性可能会因时-空变化的背景电离层而遭到破坏，特别是对于低波段系统。该文将孔径内方位时变的斜距电子总量(STEC)归结于3个因素：垂向电子总量(VTEC)的时间变化、空间变化以及电磁波传播路径的变化，分别分析了每个因素造成的时变STEC各阶系数。该文建立了统一的分析模型，即时变STEC影响下的SAR方位向信号3阶泰勒展开模型，推导了方位向偏移和相位误差解析表达式，并基于此得到了不同星载SAR系统的时变STEC各阶系数容限。利用实测的VTEC数据以及国际参考电离层(IRI)模型，开展了信号级仿真。数值分析和信号级仿真的结果表明，对于低轨P波段SAR系统，空变VTEC与传播路径变化是导致方位时变STEC的主要因素；而对于中高轨SAR系统，时变VTEC是导致方位时变STEC的主要因素。随着载频的下降与合成孔径时间的增加，方位向成像性能更加容易受到方位时变STEC的影响。
2021, 43(10): 2790-2797.
doi: 10.11999/JEIT200981
摘要:
为了规避敌方雷达对于己方战机的探测，该文提出一种战机发射射频掩护信号的方法。针对采用恒虚警类检测器(CFAR)算法的敌方雷达，己方目标发射的一定包络的掩护信号可以提升敌方噪声估计电平，达到使己方战机针对该雷达隐身的效果的同时，避免射频掩护电磁信号被敌方电子侦察设备截获，具体包括敌方雷达信号抵达目标时间估计，敌方探测能力评估，掩护噪声包络功率设计等步骤。基于单元平均恒虚警检测器(CA-CFRA)，该文利用数值仿真分析了射频掩护包络和功率对掩护信号被截获概率及目标被探测概率的关系，表明该方法需要恰当的设计掩护包络和平衡信号功率达到更好的射频掩护效果。
为了规避敌方雷达对于己方战机的探测，该文提出一种战机发射射频掩护信号的方法。针对采用恒虚警类检测器(CFAR)算法的敌方雷达，己方目标发射的一定包络的掩护信号可以提升敌方噪声估计电平，达到使己方战机针对该雷达隐身的效果的同时，避免射频掩护电磁信号被敌方电子侦察设备截获，具体包括敌方雷达信号抵达目标时间估计，敌方探测能力评估，掩护噪声包络功率设计等步骤。基于单元平均恒虚警检测器(CA-CFRA)，该文利用数值仿真分析了射频掩护包络和功率对掩护信号被截获概率及目标被探测概率的关系，表明该方法需要恰当的设计掩护包络和平衡信号功率达到更好的射频掩护效果。
2021, 43(10): 2798-2804.
doi: 10.11999/JEIT200973
摘要:
针对低信噪比线性调频信号参数估计精度低且运算量大的问题，该文提出一种基于高效分数阶傅里叶变换(FRFT)和分数阶频谱4阶原点矩的快速估计算法。该算法通过判断调频斜率的正负，以确定旋转阶次所在初始区间；进而应用高效FRFT获得初始旋转阶次；最终利用分数阶频谱4阶原点矩，进一步确定搜索区间和步长，实现精准搜索，从而满足参数精度的要求。实验结果表明，该算法尤其适合用于低信噪比情况下的线性调频(LFM)信号检测与参数的准确估计，而且运算量较低。
针对低信噪比线性调频信号参数估计精度低且运算量大的问题，该文提出一种基于高效分数阶傅里叶变换(FRFT)和分数阶频谱4阶原点矩的快速估计算法。该算法通过判断调频斜率的正负，以确定旋转阶次所在初始区间；进而应用高效FRFT获得初始旋转阶次；最终利用分数阶频谱4阶原点矩，进一步确定搜索区间和步长，实现精准搜索，从而满足参数精度的要求。实验结果表明，该算法尤其适合用于低信噪比情况下的线性调频(LFM)信号检测与参数的准确估计，而且运算量较低。
2021, 43(10): 2805-2814.
doi: 10.11999/JEIT200975
摘要:
针对被动声呐方位-频率观测情况下粒子滤波检测前跟踪算法中高维采样效率低的问题，该文提出一种利用leg-by-leg机动可观测性特点的两级采样方法。首先，对leg-by-leg机动的可观测性进行分析；然后，建立极坐标系下的目标运动状态模型，以粒子相对观测站的距离和法向速度均匀分布为准则，提出将极坐标系下的目标状态向量映射至直角坐标系的方法；最后，为改善滤波收敛性，提出根据粒子的空间分布特征自适应地调整过程噪声协方差矩阵。仿真结果表明，对于典型的水下目标跟踪场景，所提方法可使滤波收敛率增大约47.6%，距离估计误差减小约329 m，滤波收敛时间缩短约450 s。
针对被动声呐方位-频率观测情况下粒子滤波检测前跟踪算法中高维采样效率低的问题，该文提出一种利用leg-by-leg机动可观测性特点的两级采样方法。首先，对leg-by-leg机动的可观测性进行分析；然后，建立极坐标系下的目标运动状态模型，以粒子相对观测站的距离和法向速度均匀分布为准则，提出将极坐标系下的目标状态向量映射至直角坐标系的方法；最后，为改善滤波收敛性，提出根据粒子的空间分布特征自适应地调整过程噪声协方差矩阵。仿真结果表明，对于典型的水下目标跟踪场景，所提方法可使滤波收敛率增大约47.6%，距离估计误差减小约329 m，滤波收敛时间缩短约450 s。
2021, 43(10): 2815-2823.
doi: 10.11999/JEIT210234
摘要:
基于粒子滤波的检测前跟踪方法是检测和估计非线性调频信号的有效方法之一。但此类方法运算量大，难以并行执行。此外，由于粒子滤波算法收敛较慢，基于粒子滤波的检测前跟踪方法的检测和状态估计能力有待提高。针对上述问题，该文首先提出一种代价参考粒子滤波器组。该滤波器组收敛快速，具有完全的并行结构，可快速准确地估计非线性调频信号的瞬时频率。其次，提出基于代价参考滤波器组的检测前跟踪算法，可在给定虚警率下，在各个时刻检测目标和估计目标状态。两类非线性调频信号检测和估计的仿真结果表明，基于代价参考粒子滤波器组的检测前跟踪算法的检测性能、估计性能和运行速率均优于类似的方法，如基于粒子滤波的检测前跟踪方法，基于Rutten粒子滤波的检测前跟踪方法等。
基于粒子滤波的检测前跟踪方法是检测和估计非线性调频信号的有效方法之一。但此类方法运算量大，难以并行执行。此外，由于粒子滤波算法收敛较慢，基于粒子滤波的检测前跟踪方法的检测和状态估计能力有待提高。针对上述问题，该文首先提出一种代价参考粒子滤波器组。该滤波器组收敛快速，具有完全的并行结构，可快速准确地估计非线性调频信号的瞬时频率。其次，提出基于代价参考滤波器组的检测前跟踪算法，可在给定虚警率下，在各个时刻检测目标和估计目标状态。两类非线性调频信号检测和估计的仿真结果表明，基于代价参考粒子滤波器组的检测前跟踪算法的检测性能、估计性能和运行速率均优于类似的方法，如基于粒子滤波的检测前跟踪方法，基于Rutten粒子滤波的检测前跟踪方法等。
2021, 43(10): 2824-2831.
doi: 10.11999/JEIT200748
摘要:
传统频谱扩展与压缩(SSC)盲移频干扰的阶数为整数，为了实现精确的位置干扰，需要调整不同的处理延时，在实际应用中存在一定的局限性。该文对整数阶盲移频技术进行了改进，提出了一种基于非整数阶SSC盲移频的LFM雷达干扰技术。该技术在干扰机处理延时不变的情况下，通过改变SSC盲移频的阶数来实现精确的位置干扰。该文推导了一种高效的非整数阶SSC盲移频干扰实现方法，同时通过Newman序列控制信号的初相来减小压制干扰信号的峰均比(PAPR)。仿真结果表明，该文算法在指定干扰机处理延时的情况下，可以实现假目标欺骗干扰和相参密集压制干扰，能够有效对抗脉冲压缩体制雷达，具有较好的工程应用价值。
传统频谱扩展与压缩(SSC)盲移频干扰的阶数为整数，为了实现精确的位置干扰，需要调整不同的处理延时，在实际应用中存在一定的局限性。该文对整数阶盲移频技术进行了改进，提出了一种基于非整数阶SSC盲移频的LFM雷达干扰技术。该技术在干扰机处理延时不变的情况下，通过改变SSC盲移频的阶数来实现精确的位置干扰。该文推导了一种高效的非整数阶SSC盲移频干扰实现方法，同时通过Newman序列控制信号的初相来减小压制干扰信号的峰均比(PAPR)。仿真结果表明，该文算法在指定干扰机处理延时的情况下，可以实现假目标欺骗干扰和相参密集压制干扰，能够有效对抗脉冲压缩体制雷达，具有较好的工程应用价值。
2021, 43(10): 2832-2839.
doi: 10.11999/JEIT200604
摘要:
紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低，在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题。对此，该文将多目标点迹-航迹关联转化为最优分配问题，提出一种基于JVC算法的多目标点迹-航迹最优关联方法。对于关联波门重叠区域内存在公共候选点迹的多条航迹，首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数，利用最小代价函数确定公共候选点迹与所有航迹之间的相似度，得到关联代价矩阵；然后以总关联代价最小化作为优化准则，采用JVC算法求解得到最优的点迹-航迹关联结果。利用仿真与实测目标数据开展了点迹-航迹关联实验，并与序贯最近邻关联方法的关联结果进行了对比。实验结果表明：采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果，解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题，提高了航迹跟踪的连续性。
紧凑型地波雷达由于接收天线阵列孔径减小导致对海上目标的定位精度低，在多目标跟踪算法中采用序贯式的点迹-航迹关联方式易发生误关联导致航迹断裂、误跟踪等问题。对此，该文将多目标点迹-航迹关联转化为最优分配问题，提出一种基于JVC算法的多目标点迹-航迹最优关联方法。对于关联波门重叠区域内存在公共候选点迹的多条航迹，首先以雷达获取的目标多普勒速度、距离与方位角作为目标特征参数，利用最小代价函数确定公共候选点迹与所有航迹之间的相似度，得到关联代价矩阵；然后以总关联代价最小化作为优化准则，采用JVC算法求解得到最优的点迹-航迹关联结果。利用仿真与实测目标数据开展了点迹-航迹关联实验，并与序贯最近邻关联方法的关联结果进行了对比。实验结果表明：采用该文所提方法跟踪得到的航迹时长明显优于序贯最近邻关联方法的结果，解决了序贯式关联因关联错误导致的航迹断裂、误跟踪等问题，提高了航迹跟踪的连续性。
2021, 43(10): 2840-2847.
doi: 10.11999/JEIT210620
摘要:
不同于传统多目标跟踪，除了量测-目标数据关联模糊问题外，外辐射源雷达跟踪系统新增了量测-发射机数据关联模糊问题。针对此问题，该文通过引入一个新的关联变量来表示量测和发射机之间的数据关联关系，提出了目标-量测-发射机3维数据关联改进概率多假设跟踪(PMHT)算法。该算法利用期望极大化(EM)算法的独立性假设条件得到最大后验概率意义下的最优跟踪。为了增加目标-量测-发射机之间数据关联的准确性，提高多目标与量测后验关联概率的精确度，将量测信息设定为均值相同协方差不同的混合高斯分布。针对距离-多普勒量测的非线性性，利用无味卡尔曼平滑(UKS)算法进行多目标状态估计。仿真结果表明，对于FKIE外辐射源雷达数据集(杂波密度很高)，所提算法的目标与航迹关联成功率高，抗杂波性能强，证明了算法的有效性。
不同于传统多目标跟踪，除了量测-目标数据关联模糊问题外，外辐射源雷达跟踪系统新增了量测-发射机数据关联模糊问题。针对此问题，该文通过引入一个新的关联变量来表示量测和发射机之间的数据关联关系，提出了目标-量测-发射机3维数据关联改进概率多假设跟踪(PMHT)算法。该算法利用期望极大化(EM)算法的独立性假设条件得到最大后验概率意义下的最优跟踪。为了增加目标-量测-发射机之间数据关联的准确性，提高多目标与量测后验关联概率的精确度，将量测信息设定为均值相同协方差不同的混合高斯分布。针对距离-多普勒量测的非线性性，利用无味卡尔曼平滑(UKS)算法进行多目标状态估计。仿真结果表明，对于FKIE外辐射源雷达数据集(杂波密度很高)，所提算法的目标与航迹关联成功率高，抗杂波性能强，证明了算法的有效性。
2021, 43(10): 2848-2853.
doi: 10.11999/JEIT200559
摘要:
针对北斗短报文通信中载体天线波束指向北斗卫星的问题，该文提出一种天线波束指向算法。该算法根据载体所处的地理位置和姿态，计算出指向北斗卫星的天线波束指向角。根据载体天线的合成波束增益和所处地理位置的北斗卫星波束增益，选择出最优的北斗卫星，并将天线波束指向该卫星。该方法可以保证载体运动过程中，天线合成波束实时指向最优北斗卫星，最大限度地提高了北斗短报文通信性能。
针对北斗短报文通信中载体天线波束指向北斗卫星的问题，该文提出一种天线波束指向算法。该算法根据载体所处的地理位置和姿态，计算出指向北斗卫星的天线波束指向角。根据载体天线的合成波束增益和所处地理位置的北斗卫星波束增益，选择出最优的北斗卫星，并将天线波束指向该卫星。该方法可以保证载体运动过程中，天线合成波束实时指向最优北斗卫星，最大限度地提高了北斗短报文通信性能。
2021, 43(10): 2854-2862.
doi: 10.11999/JEIT201042
摘要:
针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题，该文提出一种新的卷积核模块-可扩张可选择模块(ESK)，ESK具有通道可扩张、通道可选择和模型参数少的优点。与此同时，利用ESK模块重新设计了SSD的基础网络和附加特征提取网络，记作SSD-MV2ESK，并为其选择了合理的扩张系数和多尺度系数。在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上，SSD-MV2ESK在模型参数基本相等的条件下，检测精度比SSD-MV2提升4.71%。实验结果表明，SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务。
针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题，该文提出一种新的卷积核模块-可扩张可选择模块(ESK)，ESK具有通道可扩张、通道可选择和模型参数少的优点。与此同时，利用ESK模块重新设计了SSD的基础网络和附加特征提取网络，记作SSD-MV2ESK，并为其选择了合理的扩张系数和多尺度系数。在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上，SSD-MV2ESK在模型参数基本相等的条件下，检测精度比SSD-MV2提升4.71%。实验结果表明，SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务。
2021, 43(10): 2863-2870.
doi: 10.11999/JEIT200697
摘要:
针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题，该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先，将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型；而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题；再构建采样协方差矩阵估计误差凸模型，并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能；最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明，与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比，所提算法具有较好的角度分辨力以及较高的DOA估计精度。
针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题，该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先，将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型；而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题；再构建采样协方差矩阵估计误差凸模型，并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能；最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明，与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比，所提算法具有较好的角度分辨力以及较高的DOA估计精度。
2021, 43(10): 2871-2877.
doi: 10.11999/JEIT200526
摘要:
针对传统3星时频差定位系统在未知高程情况下，对运动辐射源会产生由目标速度引发的定位误差的问题，该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF)，结合3星时差、频差信息的无源融合动目标跟踪新方法。首先，在坐标系转换的基础上建立了定位模型，并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪。仿真结果表明，该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速，且对目标的位置、速度估计性能有较大的提高。
针对传统3星时频差定位系统在未知高程情况下，对运动辐射源会产生由目标速度引发的定位误差的问题，该文提出一种利用主星的干涉仪测向信息的改进迭代扩展卡尔曼滤波(IEKF)，结合3星时差、频差信息的无源融合动目标跟踪新方法。首先，在坐标系转换的基础上建立了定位模型，并在此基础上利用改进的迭代扩展卡尔曼滤波算法对未知高程的运动目标进行跟踪。仿真结果表明，该方法无需获知目标的高程信息即可实现对运动辐射源的定位、跟踪和测速，且对目标的位置、速度估计性能有较大的提高。
2021, 43(10): 2878-2885.
doi: 10.11999/JEIT200683
摘要:
针对高速移动环境中双色散信道会出现信道估计可靠性下降的问题，该文在正交时频空(OTFS)调制系统的输入-输出模型中提出一种基于压缩感知的信道估计算法。该算法利用信道中最大多普勒频移和最大时延确定导频发送矩阵的大小，相比传统的正交匹配追踪(OMP)信道估计算法，能够在保证相似信道估计准确度的情况下节省导频资源；并在此基础上，对OTFS调制符号做相位旋转，增加差分矩阵的秩，理论分析和仿真结果表明，该方案能够提升OTFS系统的分集阶数进而降低噪声的干扰。
针对高速移动环境中双色散信道会出现信道估计可靠性下降的问题，该文在正交时频空(OTFS)调制系统的输入-输出模型中提出一种基于压缩感知的信道估计算法。该算法利用信道中最大多普勒频移和最大时延确定导频发送矩阵的大小，相比传统的正交匹配追踪(OMP)信道估计算法，能够在保证相似信道估计准确度的情况下节省导频资源；并在此基础上，对OTFS调制符号做相位旋转，增加差分矩阵的秩，理论分析和仿真结果表明，该方案能够提升OTFS系统的分集阶数进而降低噪声的干扰。
2021, 43(10): 2886-2893.
doi: 10.11999/JEIT200961
摘要:
大规模灾难事件可能对通信网基础设施造成严重的威胁和破坏。针对大规模灾难风险下虚拟网的生存性问题，该文提出一种多虚拟机快速协同撤离(MRCE)机制。该机制采用后复制迁移技术实现虚拟机的在线迁移，通过基础迁移带宽的分配和升级，对属于同一虚拟网的多个风险虚拟机进行快速协同撤离，以减少单个虚拟网的撤离完成时长，降低损毁风险。仿真结果表明，该机制能在不同考察周期内获得较好的虚拟网撤离完成率和平均撤离完成时长。
大规模灾难事件可能对通信网基础设施造成严重的威胁和破坏。针对大规模灾难风险下虚拟网的生存性问题，该文提出一种多虚拟机快速协同撤离(MRCE)机制。该机制采用后复制迁移技术实现虚拟机的在线迁移，通过基础迁移带宽的分配和升级，对属于同一虚拟网的多个风险虚拟机进行快速协同撤离，以减少单个虚拟网的撤离完成时长，降低损毁风险。仿真结果表明，该机制能在不同考察周期内获得较好的虚拟网撤离完成率和平均撤离完成时长。
2021, 43(10): 2894-2901.
doi: 10.11999/JEIT200711
摘要:
针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统，该文提出一种基于支持向量机(SVM)的机器学习信号检测算法。在一般的VLC系统中，极大似然(ML)检测是最优检测算法，但是ML检测算法具有很高的计算复杂度。为了解决此问题，该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测，以在保证信号检测正确率的情况下，降低计算复杂度，提高GSSK-VLC系统的信号检测效率。仿真结果表明，该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比，在具有接近ML的误比特率(BER)性能的同时，计算复杂度明显降低，有效提升了系统的检测性能。
针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统，该文提出一种基于支持向量机(SVM)的机器学习信号检测算法。在一般的VLC系统中，极大似然(ML)检测是最优检测算法，但是ML检测算法具有很高的计算复杂度。为了解决此问题，该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测，以在保证信号检测正确率的情况下，降低计算复杂度，提高GSSK-VLC系统的信号检测效率。仿真结果表明，该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比，在具有接近ML的误比特率(BER)性能的同时，计算复杂度明显降低，有效提升了系统的检测性能。
2021, 43(10): 2902-2910.
doi: 10.11999/JEIT200995
摘要:
针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题，该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略，在最大化网络能效的同时，实现节点QoS保障。仿真结果表明，与其他算法相比，该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能，并且能获得与穷举法相近的性能。此外，所提算法的收敛速度很快且不受节点和基站数目变化的影响，适合解决H2H和M2M共存场景中的用户分配问题。
针对5G超密集异构蜂窝网络中人与人(H2H)和机器到机器(M2M)共存场景下有服务质量(QoS)保障和负载均衡的上行用户分配问题，该文提出一种基于匹配理论的用户分配算法。该算法在用户分配过程中同时考虑不同类型节点的接入控制策略，在最大化网络能效的同时，实现节点QoS保障。仿真结果表明，与其他算法相比，该算法不仅能够在能效、负载均衡以及QoS保障方面获得更好的性能，并且能获得与穷举法相近的性能。此外，所提算法的收敛速度很快且不受节点和基站数目变化的影响，适合解决H2H和M2M共存场景中的用户分配问题。
2021, 43(10): 2911-2919.
doi: 10.11999/JEIT201005
摘要:
针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单，增加网络结构又容易出现梯度消失等问题，该文通过在传统卷积神经网络中添加捷径连接，实现输入层恒等映射更深的网络，提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题，对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理，并作为深度卷积神经网络的输入，通过残差学习训练深度卷积神经网络模型，提取2维灰度图像的深层特征，将测试数据输入到训练好的模型中，完成基于图像分类的频谱感知。实验结果表明：与传统的频谱感知方法相比，在低信噪比(SNR)下、多用户协作感知时，所提方法具有更高的检测概率和更低的虚警概率。
针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单，增加网络结构又容易出现梯度消失等问题，该文通过在传统卷积神经网络中添加捷径连接，实现输入层恒等映射更深的网络，提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题，对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理，并作为深度卷积神经网络的输入，通过残差学习训练深度卷积神经网络模型，提取2维灰度图像的深层特征，将测试数据输入到训练好的模型中，完成基于图像分类的频谱感知。实验结果表明：与传统的频谱感知方法相比，在低信噪比(SNR)下、多用户协作感知时，所提方法具有更高的检测概率和更低的虚警概率。
2021, 43(10): 2920-2927.
doi: 10.11999/JEIT200702
摘要:
针对能量收集认知无线网络中的多跳中继传输问题，该文构建了一种新的具有主网络干扰的功率信标(PB)辅助能量收集认知多跳中继网络模型，并提出单向传输方案。在干扰链路统计信道状态信息场景下，推导了次网络精确和渐近总中断概率闭合式。针对精确总中断概率表达式的复杂性和非凸性，采用自适应混沌粒子群优化(ACPSO)算法对次网络总中断性能进行优化。仿真结果表明，PB功率、干扰约束、次网络跳数、能量收集比率、主接收端数目和信道容量阈值等参数对中断性能影响显著，所提算法能快速和有效地对网络中断性能进行优化。
针对能量收集认知无线网络中的多跳中继传输问题，该文构建了一种新的具有主网络干扰的功率信标(PB)辅助能量收集认知多跳中继网络模型，并提出单向传输方案。在干扰链路统计信道状态信息场景下，推导了次网络精确和渐近总中断概率闭合式。针对精确总中断概率表达式的复杂性和非凸性，采用自适应混沌粒子群优化(ACPSO)算法对次网络总中断性能进行优化。仿真结果表明，PB功率、干扰约束、次网络跳数、能量收集比率、主接收端数目和信道容量阈值等参数对中断性能影响显著，所提算法能快速和有效地对网络中断性能进行优化。
2021, 43(10): 2928-2935.
doi: 10.11999/JEIT200682
摘要:
针对现有基于多层线性感知器(Multi-Layer Perceptron, MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题，该文提出一种基于弹性权重保持(Elastic Weight Consolidation, EWC)算法的模型参数更新方法(EWC-UD)。首先，使用K-Means算法计算原数据集聚类簇中心点作为费雪信息矩阵计算样本，有效提升计算样本均匀度与聚类覆盖率，大幅减少费雪信息矩阵计算量，提升参数更新效率。其次，基于费雪信息矩阵，对模型参数更新过程中的损失函数增加2次惩罚项，限制MLP神经网络中重要权重与偏置参数的变化，在保持对原数据集检测性能的基础上，提升对新DDoS攻击数据集的检测准确率。然后基于概率论对EWC-UD方法进行正确性证明，并分析时间复杂度。实验表明，针对构建的测试数据集，EWC-UD方法相较于MLP-UD仅训练新DDoS攻击数据集的更新方法，检测准确率提升37.05%，相较于MLP-UD同时训练新旧DDoS攻击数据集的更新方法，时间开销下降80.65%，内存开销降低33.18%。
针对现有基于多层线性感知器(Multi-Layer Perceptron, MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题，该文提出一种基于弹性权重保持(Elastic Weight Consolidation, EWC)算法的模型参数更新方法(EWC-UD)。首先，使用K-Means算法计算原数据集聚类簇中心点作为费雪信息矩阵计算样本，有效提升计算样本均匀度与聚类覆盖率，大幅减少费雪信息矩阵计算量，提升参数更新效率。其次，基于费雪信息矩阵，对模型参数更新过程中的损失函数增加2次惩罚项，限制MLP神经网络中重要权重与偏置参数的变化，在保持对原数据集检测性能的基础上，提升对新DDoS攻击数据集的检测准确率。然后基于概率论对EWC-UD方法进行正确性证明，并分析时间复杂度。实验表明，针对构建的测试数据集，EWC-UD方法相较于MLP-UD仅训练新DDoS攻击数据集的更新方法，检测准确率提升37.05%，相较于MLP-UD同时训练新旧DDoS攻击数据集的更新方法，时间开销下降80.65%，内存开销降低33.18%。
2021, 43(10): 2936-2943.
doi: 10.11999/JEIT210095
摘要:
该文基于广义分圆理论，通过计算\begin{document}${F_q}$\end{document} ![]()
![]()
\begin{document}$q = {r^m}$\end{document} ![]()
![]()
\begin{document}$2{p^2}$\end{document} ![]()
![]()
该文基于广义分圆理论，通过计算
2021, 43(10): 2944-2951.
doi: 10.11999/JEIT200679
摘要:
为提高恶意域名检测准确率，该文提出一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的域名检测模型。该模型通过提取域名字符串中不同长度字符组合的序列特征进行恶意域名检测：首先，为避免N-Gram特征稀疏分布的问题，采用CNN提取域名字符串中字符组合特征并转化为维度固定的稠密向量；其次，为充分挖掘域名字符串上下文信息，采用LSTM提取字符组合前后关联的深层次序列特征，同时引入注意力机制为填充字符所处位置的输出特征分配较小权重，降低填充字符对特征提取的干扰，增强对长距离序列特征的提取能力；最后，将CNN提取局部特征与LSTM提取序列特征的优势相结合，获得不同长度字符组合的序列特征进行域名检测。实验表明：该模型较单一采用CNN或LSTM的模型具有更高的召回率和F1分数，尤其对matsnu和suppobox两类恶意域名的检测准确率较单一采用LSTM的模型提高了24.8%和3.77%。
为提高恶意域名检测准确率，该文提出一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的域名检测模型。该模型通过提取域名字符串中不同长度字符组合的序列特征进行恶意域名检测：首先，为避免N-Gram特征稀疏分布的问题，采用CNN提取域名字符串中字符组合特征并转化为维度固定的稠密向量；其次，为充分挖掘域名字符串上下文信息，采用LSTM提取字符组合前后关联的深层次序列特征，同时引入注意力机制为填充字符所处位置的输出特征分配较小权重，降低填充字符对特征提取的干扰，增强对长距离序列特征的提取能力；最后，将CNN提取局部特征与LSTM提取序列特征的优势相结合，获得不同长度字符组合的序列特征进行域名检测。实验表明：该模型较单一采用CNN或LSTM的模型具有更高的召回率和F1分数，尤其对matsnu和suppobox两类恶意域名的检测准确率较单一采用LSTM的模型提高了24.8%和3.77%。
2021, 43(10): 2952-2957.
doi: 10.11999/JEIT200764
摘要:
该文提出一种DNA计算模型，利用DNA-纳米金颗粒共聚体的自组装来解决图论中的一个NP完全问题——最大匹配问题。根据模型该文设计了能够基于一个具体的图进行自组装的特殊的DNA-纳米金颗粒共聚体，然后利用一系列的实验方法来获得最终的解。这种生物化学算法可以极大地降低求解最大匹配问题的复杂度，这将为DNA自组装计算模型提供一种切实可行的方法。
该文提出一种DNA计算模型，利用DNA-纳米金颗粒共聚体的自组装来解决图论中的一个NP完全问题——最大匹配问题。根据模型该文设计了能够基于一个具体的图进行自组装的特殊的DNA-纳米金颗粒共聚体，然后利用一系列的实验方法来获得最终的解。这种生物化学算法可以极大地降低求解最大匹配问题的复杂度，这将为DNA自组装计算模型提供一种切实可行的方法。
2021, 43(10): 2958-2966.
doi: 10.11999/JEIT200694
摘要:
针对立体图像质量预测准确性不足的问题，该文提出了一种结合空间域和变换域提取质量感知特征的无参考立体图像质量评价模型。在空间域和变换域分别提取输入的左、右视图的自然场景统计特征，并在变换域提取合成独眼图的自然场景统计特征，然后将其输入到支持向量回归(SVR)中，训练从特征域到质量分数域的预测模型，并以此建立SIQA客观质量评价模型。在4个公开的立体图像数据库上与一些主流的立体图像质量评价算法进行对比，以在LIVE 3D Phase I图像库中的性能测试为例，Spearman秩相关系数、皮尔逊线性相关系数和均方根误差分别达到0.967,0.946和5.603，验证了所提算法的有效性。
针对立体图像质量预测准确性不足的问题，该文提出了一种结合空间域和变换域提取质量感知特征的无参考立体图像质量评价模型。在空间域和变换域分别提取输入的左、右视图的自然场景统计特征，并在变换域提取合成独眼图的自然场景统计特征，然后将其输入到支持向量回归(SVR)中，训练从特征域到质量分数域的预测模型，并以此建立SIQA客观质量评价模型。在4个公开的立体图像数据库上与一些主流的立体图像质量评价算法进行对比，以在LIVE 3D Phase I图像库中的性能测试为例，Spearman秩相关系数、皮尔逊线性相关系数和均方根误差分别达到0.967,0.946和5.603，验证了所提算法的有效性。
2021, 43(10): 2967-2975.
doi: 10.11999/JEIT200531
摘要:
经典的深度伪造(DeepFake)视频检测方法一般使用卷积神经网络进行检测，但在强压缩深度伪造换脸视频数据集上表现较差，并会对真实数据做出大量误检测。针对这个问题，该文提出一种基于超分辨率重建的强压缩深度伪造视频检测方法。该方法基于深度神经网络检测模型，通过融入超分辨率重建技术，恢复强压缩视频所损失的空间与时间信息，进而提升对强压缩视频的检测准确率。使用FaceForensics++及DFDC数据集进行实验，针对强压缩的深度伪造视频，该方法较ResNet50提高了单帧以及视频的测试准确率，有效缓解强压缩真实视频的误检测问题。
经典的深度伪造(DeepFake)视频检测方法一般使用卷积神经网络进行检测，但在强压缩深度伪造换脸视频数据集上表现较差，并会对真实数据做出大量误检测。针对这个问题，该文提出一种基于超分辨率重建的强压缩深度伪造视频检测方法。该方法基于深度神经网络检测模型，通过融入超分辨率重建技术，恢复强压缩视频所损失的空间与时间信息，进而提升对强压缩视频的检测准确率。使用FaceForensics++及DFDC数据集进行实验，针对强压缩的深度伪造视频，该方法较ResNet50提高了单帧以及视频的测试准确率，有效缓解强压缩真实视频的误检测问题。
2021, 43(10): 2976-2984.
doi: 10.11999/JEIT200590
摘要:
针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题，该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器，同时精简编码器部分，实现编、解码器的性能均衡。在训练过程中，将校正后的双目图像输入给网络，以重构视图的相似性约束网络生成视差图。测试时，根据已知的相机基线距离与焦距将生成的视差图转换为深度图。在KITTI数据集上的实验结果表明，该方法在预测精度和误差值上优于现有的算法。
针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题，该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器，同时精简编码器部分，实现编、解码器的性能均衡。在训练过程中，将校正后的双目图像输入给网络，以重构视图的相似性约束网络生成视差图。测试时，根据已知的相机基线距离与焦距将生成的视差图转换为深度图。在KITTI数据集上的实验结果表明，该方法在预测精度和误差值上优于现有的算法。
2021, 43(10): 2985-2992.
doi: 10.11999/JEIT200741
摘要:
该文提出一种基于全卷积深度残差网络、结合生成式对抗网络思想的基于属性一致的物体轮廓划分模型。采用物体轮廓划分网络作为生成器进行物体轮廓划分；该网络运用结构相似性作为区域划分的重构损失，从视觉系统的角度监督指导模型学习；使用全局和局部上下文判别网络作为双路判别器，对区域划分结果进行真伪判别的同时，结合对抗式损失提出一种联合损失用于监督模型的训练，使区域划分内容真实、自然且具有属性一致性。通过实例验证了该方法的实时性、有效性。
该文提出一种基于全卷积深度残差网络、结合生成式对抗网络思想的基于属性一致的物体轮廓划分模型。采用物体轮廓划分网络作为生成器进行物体轮廓划分；该网络运用结构相似性作为区域划分的重构损失，从视觉系统的角度监督指导模型学习；使用全局和局部上下文判别网络作为双路判别器，对区域划分结果进行真伪判别的同时，结合对抗式损失提出一种联合损失用于监督模型的训练，使区域划分内容真实、自然且具有属性一致性。通过实例验证了该方法的实时性、有效性。
2021, 43(10): 2993-3000.
doi: 10.11999/JEIT200964
摘要:
针对电商平台难以利用历史浏览行为进行个性化商品推荐的问题，该文提出了一种行为延迟共享网络模型(BDSN)，充分结合历史浏览信息，对用户进行精准浏览推荐。该模型提出行为延迟门控循环神经单元(BDGRU)，将历史浏览时间间隔作为用户活跃度因子，对神经元状态进行更新，用于计算用户的兴趣表示。为了提高向量表示的一致性，该模型提出共享参数网络，将用户侧和商品侧的表示向量收敛到统一空间，解决个性化商品推荐点击率预估问题。并在真实数据集上进行实验，结果表明，BDSN模型在验证集上的AUC指标和损失函数均处于最优，在测试集上的AUC指标相较基本模型提高37%，能够有效提升商品推荐的准确性。
针对电商平台难以利用历史浏览行为进行个性化商品推荐的问题，该文提出了一种行为延迟共享网络模型(BDSN)，充分结合历史浏览信息，对用户进行精准浏览推荐。该模型提出行为延迟门控循环神经单元(BDGRU)，将历史浏览时间间隔作为用户活跃度因子，对神经元状态进行更新，用于计算用户的兴趣表示。为了提高向量表示的一致性，该模型提出共享参数网络，将用户侧和商品侧的表示向量收敛到统一空间，解决个性化商品推荐点击率预估问题。并在真实数据集上进行实验，结果表明，BDSN模型在验证集上的AUC指标和损失函数均处于最优，在测试集上的AUC指标相较基本模型提高37%，能够有效提升商品推荐的准确性。
2021, 43(10): 3001-3009.
doi: 10.11999/JEIT200821
摘要:
最优粒度选择是序贯三支决策领域研究的热点之一，旨在通过合理的粒度选择来对复杂问题进行求解。在现阶段最优粒度选择中，代价敏感是影响决策的重要因素之一。针对这个问题，该文首先基于信息增益和卡方检验提出一种新的属性重要度计算方法；其次，为了更好地符合实际应用场景，在构建多粒度空间时将代价参数与粒度大小相结合，设置了相应的惩罚规则，并分析了决策阈值的变化规律；最后，为了消除测试代价和决策代价量纲不一致所带来的影响，借助变异系数设计了一种客观的代价计算方法。实验结果表明，该模型适用于现有代价认知场景，能在给定代价情况下选出代价最小的最优粒层。
最优粒度选择是序贯三支决策领域研究的热点之一，旨在通过合理的粒度选择来对复杂问题进行求解。在现阶段最优粒度选择中，代价敏感是影响决策的重要因素之一。针对这个问题，该文首先基于信息增益和卡方检验提出一种新的属性重要度计算方法；其次，为了更好地符合实际应用场景，在构建多粒度空间时将代价参数与粒度大小相结合，设置了相应的惩罚规则，并分析了决策阈值的变化规律；最后，为了消除测试代价和决策代价量纲不一致所带来的影响，借助变异系数设计了一种客观的代价计算方法。实验结果表明，该模型适用于现有代价认知场景，能在给定代价情况下选出代价最小的最优粒层。
2021, 43(10): 3010-3017.
doi: 10.11999/JEIT200904
摘要:
针对单模态的心电信号(ECG)或光电容积脉搏波信号(PPG)识别技术中存在的精度不高，未考虑类内相关性等问题，该文提出基于判别相关分析法(DCA)对ECG与PPG组合特征矩阵进行特征层融合以及对K-最近邻(KNN)和支持向量机(SVM)分类器在决策层融合的识别方法。实验结果表明，使用融合特征(ECG-PPG)与融合分类器(KNN-SVM)的方法对23名受试者进行分类识别的准确率可以达到98.2%，识别精度在常规环境下优于单模态识别。为多模生物特征身份识别提供了一种有效模型。
针对单模态的心电信号(ECG)或光电容积脉搏波信号(PPG)识别技术中存在的精度不高，未考虑类内相关性等问题，该文提出基于判别相关分析法(DCA)对ECG与PPG组合特征矩阵进行特征层融合以及对K-最近邻(KNN)和支持向量机(SVM)分类器在决策层融合的识别方法。实验结果表明，使用融合特征(ECG-PPG)与融合分类器(KNN-SVM)的方法对23名受试者进行分类识别的准确率可以达到98.2%，识别精度在常规环境下优于单模态识别。为多模生物特征身份识别提供了一种有效模型。
2021, 43(10): 3018-3027.
doi: 10.11999/JEIT200774
摘要:
心电图(ECG)信号的准确分类对于心脏病的自动诊断非常重要。为了实现对心律失常的智能分类，该文提出一种基于小波分解和1D-GoogLeNet的精确分类方法。在该方法中，利用Db6小波对ECG信号进行8级分解，得到既含时域信息又有频域信息的多维数据。随后，分解的样本用作1D-GoogLeNet的输入训练该模型。在提出的1D-GoogLeNet模型中，借鉴Inception在图像特征提取中的优异性能，将2维卷积变换为1维卷积学习ECG的特征，并且简化各个Inception的结构，降低模型参数。该文提出的神经网络分类器能够有效缓解计算效率低、收敛困难和模型退化的问题。在实验中，选用MIT-BIH心律失常数据集测试所提模型的性能，对比了信号的不同分解分量组合作为输入的检测结果，当输入数据由{d2-d7}组合时，所提1D-GoogLeNet模型可以达到96.58%的平均准确率。此外，还对比了该模型与未经结构优化的简单1维GoogLeNet在数据集上的表现，前者在准确率上比后者提高了4.7%，训练效率提高了118%。
心电图(ECG)信号的准确分类对于心脏病的自动诊断非常重要。为了实现对心律失常的智能分类，该文提出一种基于小波分解和1D-GoogLeNet的精确分类方法。在该方法中，利用Db6小波对ECG信号进行8级分解，得到既含时域信息又有频域信息的多维数据。随后，分解的样本用作1D-GoogLeNet的输入训练该模型。在提出的1D-GoogLeNet模型中，借鉴Inception在图像特征提取中的优异性能，将2维卷积变换为1维卷积学习ECG的特征，并且简化各个Inception的结构，降低模型参数。该文提出的神经网络分类器能够有效缓解计算效率低、收敛困难和模型退化的问题。在实验中，选用MIT-BIH心律失常数据集测试所提模型的性能，对比了信号的不同分解分量组合作为输入的检测结果，当输入数据由{d2-d7}组合时，所提1D-GoogLeNet模型可以达到96.58%的平均准确率。此外，还对比了该模型与未经结构优化的简单1维GoogLeNet在数据集上的表现，前者在准确率上比后者提高了4.7%，训练效率提高了118%。
2021, 43(10): 3028-3034.
doi: 10.11999/JEIT200615
摘要:
特征选择是机器学习、自然语言处理和数据挖掘等领域中数据预处理阶段必不可少的步骤。在一些基于信息论的特征选择算法中，存在着选择不同参数就是选择不同特征选择算法的问题。如何确定动态的非先验权重并规避预设先验参数就成为一个急需解决的问题。该文提出动态加权的最大相关性和最大独立性(WMRI)的特征选择算法。首先该算法分别计算新分类信息和保留类别信息的平均值。其次，利用标准差动态调整这两种分类信息的参数权重。最后，WMRI与其他5个特征选择算法在3个分类器上，使用10个不同数据集，进行分类准确率指标(fmi)验证。实验结果表明，WMRI方法能够改善特征子集的质量并提高分类精度。
特征选择是机器学习、自然语言处理和数据挖掘等领域中数据预处理阶段必不可少的步骤。在一些基于信息论的特征选择算法中，存在着选择不同参数就是选择不同特征选择算法的问题。如何确定动态的非先验权重并规避预设先验参数就成为一个急需解决的问题。该文提出动态加权的最大相关性和最大独立性(WMRI)的特征选择算法。首先该算法分别计算新分类信息和保留类别信息的平均值。其次，利用标准差动态调整这两种分类信息的参数权重。最后，WMRI与其他5个特征选择算法在3个分类器上，使用10个不同数据集，进行分类准确率指标(fmi)验证。实验结果表明，WMRI方法能够改善特征子集的质量并提高分类精度。
2021, 43(10): 3035-3042.
doi: 10.11999/JEIT200510
摘要:
随着当前移动终端设备的发展和5G技术的普及，移动群智感知的需求越来越大。但是目前感知任务的分发方法依然存在着传输效率低下、代价高且不稳定等问题，极大地限制了感知终端任务的完成。为此，该文利用城市轨道交通对于各大城区良好的覆盖性和轨道交通的可预测性，提出了面向激励成本的任务分发模型(ICTDM)和面向用户数量的任务分发模型(UNTDM)。通过轨道交通对聚集式人流的疏导性，实现感知任务在城市不同区域的选择性分发。并以任务所需人数和移动距离的最小化作为手段，完成降低系统总激励成本的目的。实验结果表明，该算法与同类算法相比，可以在完成相同任务集合的前提下，通过优化任务分发过程实现更少的任务参与者分发方案，以达到降低感知任务成本的目的。
随着当前移动终端设备的发展和5G技术的普及，移动群智感知的需求越来越大。但是目前感知任务的分发方法依然存在着传输效率低下、代价高且不稳定等问题，极大地限制了感知终端任务的完成。为此，该文利用城市轨道交通对于各大城区良好的覆盖性和轨道交通的可预测性，提出了面向激励成本的任务分发模型(ICTDM)和面向用户数量的任务分发模型(UNTDM)。通过轨道交通对聚集式人流的疏导性，实现感知任务在城市不同区域的选择性分发。并以任务所需人数和移动距离的最小化作为手段，完成降低系统总激励成本的目的。实验结果表明，该算法与同类算法相比，可以在完成相同任务集合的前提下，通过优化任务分发过程实现更少的任务参与者分发方案，以达到降低感知任务成本的目的。
2021, 43(10): 3043-3049.
doi: 10.11999/JEIT200623
摘要:
为了快速且精准地抑制助听器中的啸叫效应，该文提出一种中心频率可以精确控制的全相位有限脉冲响应(FIR)陷波器解析设计。首先，为了获得较高的陷波精度，引入了整数部分m和小数部分λ来控制陷波的中心频率。然后，设计了一个偶对称的闭式解析式来计算陷波器系数。最后，为了保证输出信号的连续性和线性相位，进行数据延拓和截取操作。该陷波器具有线性传输特性，避免了非线性失真。为了检验陷波器的滤波性能，将其应用在助听器中去除啸叫。实验结果表明，该滤波器在啸叫频率下的衰减值可达–330 dB，信噪比达22 dB，输出波形质量好，算法复杂度低，鲁棒性高，具有一定的应用前景。
为了快速且精准地抑制助听器中的啸叫效应，该文提出一种中心频率可以精确控制的全相位有限脉冲响应(FIR)陷波器解析设计。首先，为了获得较高的陷波精度，引入了整数部分m和小数部分λ来控制陷波的中心频率。然后，设计了一个偶对称的闭式解析式来计算陷波器系数。最后，为了保证输出信号的连续性和线性相位，进行数据延拓和截取操作。该陷波器具有线性传输特性，避免了非线性失真。为了检验陷波器的滤波性能，将其应用在助听器中去除啸叫。实验结果表明，该滤波器在啸叫频率下的衰减值可达–330 dB，信噪比达22 dB，输出波形质量好，算法复杂度低，鲁棒性高，具有一定的应用前景。
2021, 43(10): 3050-3057.
doi: 10.11999/JEIT200874
摘要:
针对恶意的第三方厂商在电路设计阶段中植入硬件木马的问题，该文提出一种基于XGBoost的混合模式门级硬件木马检测方法。该检测方法将电路的每个线网类型作为节点，采用混合模式3层级的检测方式。首先，基于提取的电路静态特征，利用XGBoost算法实现第1层级的检测。继而，通过分析扫描链的结构特征，对第1层级分离得到的正常电路继续进行第2层级的面向扫描链中存在木马电路的静态检测。最后，在第3层级采用动态检测方法进一步提升检测的准确性。Trust-Hub基准测试集的实测结果表明，该方法与现有的其他检测方法相比具有较优的木马检测率，可达到94.0%的平均真阳率(TPR)和99.3%的平均真阴率(TNR)。
针对恶意的第三方厂商在电路设计阶段中植入硬件木马的问题，该文提出一种基于XGBoost的混合模式门级硬件木马检测方法。该检测方法将电路的每个线网类型作为节点，采用混合模式3层级的检测方式。首先，基于提取的电路静态特征，利用XGBoost算法实现第1层级的检测。继而，通过分析扫描链的结构特征，对第1层级分离得到的正常电路继续进行第2层级的面向扫描链中存在木马电路的静态检测。最后，在第3层级采用动态检测方法进一步提升检测的准确性。Trust-Hub基准测试集的实测结果表明，该方法与现有的其他检测方法相比具有较优的木马检测率，可达到94.0%的平均真阳率(TPR)和99.3%的平均真阴率(TNR)。
2021, 43(10): 3058-3067.
doi: 10.11999/JEIT210087
摘要:
通过发展新的活性物质成分系统及其制备方法以提升钪系阴极的电子发射性能，是当今热阴极特别是大电流密度阴极领域的研究重点。该文提出一种由多元金属氧化物构成的新型高活性浸渍物质，显著提升了钪在阴极中的添加比例，大幅提高了阴极的发射电流密度。将冷冻干燥法应用到该活性物质前驱体的制备过程中，有效解决了传统固相合成方法在机械式破碎、研磨和混合等工序中存在的不可控、不均匀等问题。采用了新的成分系统与新的制备方法制得活性物质的阴极，在真空二极管测试和电子枪测试中分别取得了超过500 A/cm2和218.5 A/cm2的脉冲发射电流密度。在二极管直流测试条件下，阴极的寿命测试进行了10500 h后仍未出现发射电流下降的现象；而在电子枪中的大工作比(5%)脉冲测试条件下，阴极在工作了2010 h后仍维持了超过50 A/cm2的较大发射电流密度。借助深紫外—光/热发射电子显微镜(DUV-PEEM/TEEM)分析发现，相较传统的钪系阴极，新制备的大电流密度阴极表面的热电子发射位点数量增加，微区发射面积显著增大。最后，提出一种“二叉树”发射模型，以期阐释钪系阴极采用新活性物质后获得高发射特性的物理机制。
通过发展新的活性物质成分系统及其制备方法以提升钪系阴极的电子发射性能，是当今热阴极特别是大电流密度阴极领域的研究重点。该文提出一种由多元金属氧化物构成的新型高活性浸渍物质，显著提升了钪在阴极中的添加比例，大幅提高了阴极的发射电流密度。将冷冻干燥法应用到该活性物质前驱体的制备过程中，有效解决了传统固相合成方法在机械式破碎、研磨和混合等工序中存在的不可控、不均匀等问题。采用了新的成分系统与新的制备方法制得活性物质的阴极，在真空二极管测试和电子枪测试中分别取得了超过500 A/cm2和218.5 A/cm2的脉冲发射电流密度。在二极管直流测试条件下，阴极的寿命测试进行了10500 h后仍未出现发射电流下降的现象；而在电子枪中的大工作比(5%)脉冲测试条件下，阴极在工作了2010 h后仍维持了超过50 A/cm2的较大发射电流密度。借助深紫外—光/热发射电子显微镜(DUV-PEEM/TEEM)分析发现，相较传统的钪系阴极，新制备的大电流密度阴极表面的热电子发射位点数量增加，微区发射面积显著增大。最后，提出一种“二叉树”发射模型，以期阐释钪系阴极采用新活性物质后获得高发射特性的物理机制。
2021, 43(10): 3068-3074.
doi: 10.11999/JEIT200571
摘要:
静电场测量是检测物体是否携带过量静电最直接的手段，对于静电防护具有重要意义。传统的静电仪主要依赖固定距离测量，在被测物难以维持静止或不容易靠近时，距离改变引起灵敏度变化，造成测量误差。该文基于微机电系统电场传感器，提出一种可根据测试距离自适应调整灵敏度的静电测量思路：通过超声波模块测量被测物的距离，然后通过单片机查找对应的灵敏度系数，结合电场测试结果计算被测电压。针对研制的静电仪，该文提出基于实验室标定及现场标定相结合的校准方法，搭建了动态灵敏度标定系统，计算出不同测试距离、不同被测物尺寸的传感器灵敏度系数对应关系。与定距测量的传统静电仪相比，该文通过灵敏度动态标定，实现了更精确的非接触表面静电压测量；采用微机电系统电场敏感元件，具有体积小、功耗低、易集成、可批量化制备等优点，封装后无裸露可动部件，可靠性高。经第三方计量检测，在不同测试距离下的平均误差为–2.98%。
静电场测量是检测物体是否携带过量静电最直接的手段，对于静电防护具有重要意义。传统的静电仪主要依赖固定距离测量，在被测物难以维持静止或不容易靠近时，距离改变引起灵敏度变化，造成测量误差。该文基于微机电系统电场传感器，提出一种可根据测试距离自适应调整灵敏度的静电测量思路：通过超声波模块测量被测物的距离，然后通过单片机查找对应的灵敏度系数，结合电场测试结果计算被测电压。针对研制的静电仪，该文提出基于实验室标定及现场标定相结合的校准方法，搭建了动态灵敏度标定系统，计算出不同测试距离、不同被测物尺寸的传感器灵敏度系数对应关系。与定距测量的传统静电仪相比，该文通过灵敏度动态标定，实现了更精确的非接触表面静电压测量；采用微机电系统电场敏感元件，具有体积小、功耗低、易集成、可批量化制备等优点，封装后无裸露可动部件，可靠性高。经第三方计量检测，在不同测试距离下的平均误差为–2.98%。
