邮件订阅
2021年 第43卷 第8期
2021, 43(8): 2121-2127.
doi: 10.11999/JEIT200769
摘要:
该文提出一种通用的时间数字转换器(TDC)码密度校准信号产生方法，该方法基于相干采样理论，通过合理设置TDC主时钟和校准信号之间的频率差，结合输出信号保持电路，产生校准用的随机信号，在码密度校准过程中，随机信号均匀分布在TDC的延时路径上，实现对TDC的bin-by-bin校准。基于Xilinx公司的28 nm工艺的Kintex-7 现场可编程门阵列(FPGA)内部的进位链实现一种plain TDC，利用该方法校准plain TDC的码宽(抽头延迟时间)，研究校准了2抽头方式下的TDC的性能参数，时间分辨率(对应TDC的最低有效位，Least Significant Bit, LSB)为24.9 ps，微分非线性为(–0.84～3.1)LSB，积分非线性为(–5.0～2.2)LSB。文中所述的校准方法采用时钟逻辑资源实现，多次测试考核结果表明，单个延时单元的标准差优于0.5 ps。该校准方法采用时钟逻辑资源代替组合逻辑资源，重复性、稳定性较好，实现了对plain TDC的高精度自动校准。该方法同样适用于其他类型的TDC的码密度校准。
该文提出一种通用的时间数字转换器(TDC)码密度校准信号产生方法，该方法基于相干采样理论，通过合理设置TDC主时钟和校准信号之间的频率差，结合输出信号保持电路，产生校准用的随机信号，在码密度校准过程中，随机信号均匀分布在TDC的延时路径上，实现对TDC的bin-by-bin校准。基于Xilinx公司的28 nm工艺的Kintex-7 现场可编程门阵列(FPGA)内部的进位链实现一种plain TDC，利用该方法校准plain TDC的码宽(抽头延迟时间)，研究校准了2抽头方式下的TDC的性能参数，时间分辨率(对应TDC的最低有效位，Least Significant Bit, LSB)为24.9 ps，微分非线性为(–0.84～3.1)LSB，积分非线性为(–5.0～2.2)LSB。文中所述的校准方法采用时钟逻辑资源实现，多次测试考核结果表明，单个延时单元的标准差优于0.5 ps。该校准方法采用时钟逻辑资源代替组合逻辑资源，重复性、稳定性较好，实现了对plain TDC的高精度自动校准。该方法同样适用于其他类型的TDC的码密度校准。
2021, 43(8): 2128-2139.
doi: 10.11999/JEIT210003
摘要:
硬件木马是第三方知识产权(IP)核的主要安全威胁，现有的安全性分析方法提取的特征过于单一，导致特征分布不够均衡，极易出现较高的误识别率。该文提出了基于有向图的门级网表抽象化建模算法，建立了门级网表的有向图模型，简化了电路分析流程；分析了硬件木马共性特征，基于有向图建立了涵盖扇入单元数、扇入触发器数、扇出触发器数、输入拓扑深度、输出拓扑深度、多路选择器和反相器数量等多维度硬件木马结构特征；提出了基于最近邻不平衡数据分类(SMOTEENN)算法的硬件木马特征扩展算法，有效解决了样本特征集较少的问题，利用支持向量机建立硬件木马检测模型并识别出硬件木马的特征。该文基于Trust_Hub硬件木马库开展方法验证实验，准确率高达97.02%，与现有文献相比真正类率(TPR)提高了13.80%，真负类率(TNR)和分类准确率(ACC)分别提高了0.92%和2.48%，在保证低假阳性率的基础上有效识别硬件木马。
硬件木马是第三方知识产权(IP)核的主要安全威胁，现有的安全性分析方法提取的特征过于单一，导致特征分布不够均衡，极易出现较高的误识别率。该文提出了基于有向图的门级网表抽象化建模算法，建立了门级网表的有向图模型，简化了电路分析流程；分析了硬件木马共性特征，基于有向图建立了涵盖扇入单元数、扇入触发器数、扇出触发器数、输入拓扑深度、输出拓扑深度、多路选择器和反相器数量等多维度硬件木马结构特征；提出了基于最近邻不平衡数据分类(SMOTEENN)算法的硬件木马特征扩展算法，有效解决了样本特征集较少的问题，利用支持向量机建立硬件木马检测模型并识别出硬件木马的特征。该文基于Trust_Hub硬件木马库开展方法验证实验，准确率高达97.02%，与现有文献相比真正类率(TPR)提高了13.80%，真负类率(TNR)和分类准确率(ACC)分别提高了0.92%和2.48%，在保证低假阳性率的基础上有效识别硬件木马。
2021, 43(8): 2140-2148.
doi: 10.11999/JEIT200633
摘要:
树形奇偶机(TPM)之间的相互同步学习能够用于实现密钥交换方案，方案的安全性取决于树形奇偶机的结构参数。为了得到使得密钥交换方案安全性高且计算量小的参数，该文提出基于树形奇偶机的密钥交换优化方案。首先，定义向量化的学习规则，提高树形奇偶机同步学习的时间效率。其次，改进针对树形奇偶机同步学习的合作攻击算法，使其能够自适应参数的变化。最后，通过仿真实验对方案进行了效率和安全性测试。实验结果表明，树形奇偶机的向量化能使同步时间减少约90%，但不会减少同步所需的步数，即不影响方案的安全性。在可用于生成512 bit固定长度密钥的结构参数中，(14, 14, 2)被合作攻击攻破的概率为0%，所需同步时间较少。因此，所提密钥交换优化方案是安全高效的。
树形奇偶机(TPM)之间的相互同步学习能够用于实现密钥交换方案，方案的安全性取决于树形奇偶机的结构参数。为了得到使得密钥交换方案安全性高且计算量小的参数，该文提出基于树形奇偶机的密钥交换优化方案。首先，定义向量化的学习规则，提高树形奇偶机同步学习的时间效率。其次，改进针对树形奇偶机同步学习的合作攻击算法，使其能够自适应参数的变化。最后，通过仿真实验对方案进行了效率和安全性测试。实验结果表明，树形奇偶机的向量化能使同步时间减少约90%，但不会减少同步所需的步数，即不影响方案的安全性。在可用于生成512 bit固定长度密钥的结构参数中，(14, 14, 2)被合作攻击攻破的概率为0%，所需同步时间较少。因此，所提密钥交换优化方案是安全高效的。
2021, 43(8): 2149-2155.
doi: 10.11999/JEIT200676
摘要:
自缩控(SSC)序列是一类重要的伪随机序列，而伪随机序列在通信加密、编码技术等很多领域中有着广泛的应用。在这些应用中，通常要求序列具有大周期和高的线性复杂度。为了构造出周期更大、线性复杂度更高的伪随机序列，该文基于\begin{document}${\rm{GF}}(3)$\end{document} ![]()
![]()
\begin{document}$m$\end{document} ![]()
![]()
自缩控(SSC)序列是一类重要的伪随机序列，而伪随机序列在通信加密、编码技术等很多领域中有着广泛的应用。在这些应用中，通常要求序列具有大周期和高的线性复杂度。为了构造出周期更大、线性复杂度更高的伪随机序列，该文基于
2021, 43(8): 2156-2164.
doi: 10.11999/JEIT200600
摘要:
为提高直接序列扩频通信系统的频谱利用率，该文提出在m序列周期等于信息比特位宽整数倍情况下的直接序列扩频信号——调制m序列的信号调制与解调方法(m-DSSS)。首先结合调制m序列相关性数值仿真结果验证m-DSSS信号捕获可行性，然后根据信息比特的排列组合情况，设计一种基于多通道的m-DSSS信号调制和解调方法，并对m-DSSS信号通过加性高斯白噪声信道后的抗干扰能力建立数学模型。最后在相同频谱利用率条件下，与码移键控(CSK)调制方式进行了仿真对比试验。仿真结果表明，m-DSSS信号不仅比CSK信号具有更低的副峰，且当载波采用BPSK调制时，m-DSSS还可通过判断极性来辅助信号捕获，在误码率优于1e-3条件下，m-DSSS信号比CSK信号有2 dB以上优势，验证了m-DSSS调制用于直扩系统的可行性。
为提高直接序列扩频通信系统的频谱利用率，该文提出在m序列周期等于信息比特位宽整数倍情况下的直接序列扩频信号——调制m序列的信号调制与解调方法(m-DSSS)。首先结合调制m序列相关性数值仿真结果验证m-DSSS信号捕获可行性，然后根据信息比特的排列组合情况，设计一种基于多通道的m-DSSS信号调制和解调方法，并对m-DSSS信号通过加性高斯白噪声信道后的抗干扰能力建立数学模型。最后在相同频谱利用率条件下，与码移键控(CSK)调制方式进行了仿真对比试验。仿真结果表明，m-DSSS信号不仅比CSK信号具有更低的副峰，且当载波采用BPSK调制时，m-DSSS还可通过判断极性来辅助信号捕获，在误码率优于1e-3条件下，m-DSSS信号比CSK信号有2 dB以上优势，验证了m-DSSS调制用于直扩系统的可行性。
2021, 43(8): 2165-2170.
doi: 10.11999/JEIT200532
摘要:
稀疏码分多址(SCMA)系统中基于球形译码算法(SD)由于具有优良的性能受到越来越多的关注，然而现有基于SD的算法只能用于某些特定星座结构的检测，导致其应用受限。该文提出一种适用于任意星座且性能达到最大似然(ML)算法性能的改进球形译码(ISD)算法。该算法将用户星座图拆分，并将用户星座图转换为多层树结构，利用对树结构的搜索完成译码操作，并且对树的搜索是从高层向低层进行的。因此，可以将SCMA检测转换成最小化树结构部分度量问题；同时，所提出的改进算法对星座图的结构无任何限制，所以该算法适用于任意类型的星座图。此外，由于SCMA的稀疏性，每一层的部分度量均与分配给每个资源元素的用户无关，从而进一步降低了计算复杂度。
稀疏码分多址(SCMA)系统中基于球形译码算法(SD)由于具有优良的性能受到越来越多的关注，然而现有基于SD的算法只能用于某些特定星座结构的检测，导致其应用受限。该文提出一种适用于任意星座且性能达到最大似然(ML)算法性能的改进球形译码(ISD)算法。该算法将用户星座图拆分，并将用户星座图转换为多层树结构，利用对树结构的搜索完成译码操作，并且对树的搜索是从高层向低层进行的。因此，可以将SCMA检测转换成最小化树结构部分度量问题；同时，所提出的改进算法对星座图的结构无任何限制，所以该算法适用于任意类型的星座图。此外，由于SCMA的稀疏性，每一层的部分度量均与分配给每个资源元素的用户无关，从而进一步降低了计算复杂度。
2021, 43(8): 2171-2180.
doi: 10.11999/JEIT200545
摘要:
非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键。现有的研究成果多集中在短码或周期长码直扩信号的解扩，该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题，提出一种基于相关矩阵元素分布建模的方法，该方法以信息码宽分段的信号构建自相关矩阵，并以该矩阵的Frobenius 范数与失步时间之间的对应关系，实现NPLC-DSSS信号失步时间的精确估计。在此基础上，通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计。最后，推导了该伪码序列盲估计问题的Cramer-Rao理论界。数值分析结果表明，文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度，且对伪码的估计性能接近理论界。
非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键。现有的研究成果多集中在短码或周期长码直扩信号的解扩，该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题，提出一种基于相关矩阵元素分布建模的方法，该方法以信息码宽分段的信号构建自相关矩阵，并以该矩阵的Frobenius 范数与失步时间之间的对应关系，实现NPLC-DSSS信号失步时间的精确估计。在此基础上，通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计。最后，推导了该伪码序列盲估计问题的Cramer-Rao理论界。数值分析结果表明，文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度，且对伪码的估计性能接近理论界。
2021, 43(8): 2181-2188.
doi: 10.11999/JEIT200601
摘要:
针对无人机集群在特定场景下需要在指定区域安全、快速集结成指定队形的需求，该文提出了一种分区集结的控制策略。考虑无人机(UAV)的初始分布位置、集结区域以及编队图案等约束，为每架UAV分配目标集结点并使总航程尽量小。将近集结点区域等分为多个分区，不同分区内的UAV均按一定规则依次沿直线向所分配目标集结点航行，无多余航路能耗且互不影响。UAV间通过紫外光进行稳定的机间通信并共享已知信息实现集群内部信息共享。实验结果表明：随着分区数的增多，集群的集结时间呈阶梯型下降，阶梯高度与各分区所含UAV数目的最大值呈近似线性关系，预测碰撞概率逐渐降低接近于0，验证了所提方法的可行性和有效性。另外，根据实验结果得出的规律提出了一种依据不同需求选择最佳分区数的方法。
针对无人机集群在特定场景下需要在指定区域安全、快速集结成指定队形的需求，该文提出了一种分区集结的控制策略。考虑无人机(UAV)的初始分布位置、集结区域以及编队图案等约束，为每架UAV分配目标集结点并使总航程尽量小。将近集结点区域等分为多个分区，不同分区内的UAV均按一定规则依次沿直线向所分配目标集结点航行，无多余航路能耗且互不影响。UAV间通过紫外光进行稳定的机间通信并共享已知信息实现集群内部信息共享。实验结果表明：随着分区数的增多，集群的集结时间呈阶梯型下降，阶梯高度与各分区所含UAV数目的最大值呈近似线性关系，预测碰撞概率逐渐降低接近于0，验证了所提方法的可行性和有效性。另外，根据实验结果得出的规律提出了一种依据不同需求选择最佳分区数的方法。
2021, 43(8): 2189-2198.
doi: 10.11999/JEIT200587
摘要:
针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题，该文在考虑参数不确定性影响的条件下，提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束，建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型，利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。
针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题，该文在考虑参数不确定性影响的条件下，提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束，建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型，利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。
2021, 43(8): 2199-2206.
doi: 10.11999/JEIT210068
摘要:
随着信号频率、带宽及传输距离的增大，信号在同轴电缆传输过程中的畸变问题变得越来越严重。特别地，如果同轴电缆在使用过程中还意外地遭受了挤压、拉伸或折叠，信号畸变问题将会变得更加严重。该文基于贝叶斯推理的非负Tikhonov正则化方法，提出一种改进的信号补偿方法。该方法可有效规避逆分析中的病态矩阵问题，利用同轴电缆的冲击响应函数，并结合输出端口的测量信号，即可实现输入信号的重构。并以长度15 m的受挤压同轴电缆为对象，采用此方法对3种不同样式的脉冲信号(双指数脉冲信号、调制方波信号、双极脉冲信号)进行了传输畸变补偿。结果表明：该方法均能实现优异的补偿效果，补偿后信号与输入信号间偏差远远低于传统的衰减补偿法。并且，该方法具有较强的鲁棒性，当信噪比大于30 dB时，即可保持好的稳定性。
随着信号频率、带宽及传输距离的增大，信号在同轴电缆传输过程中的畸变问题变得越来越严重。特别地，如果同轴电缆在使用过程中还意外地遭受了挤压、拉伸或折叠，信号畸变问题将会变得更加严重。该文基于贝叶斯推理的非负Tikhonov正则化方法，提出一种改进的信号补偿方法。该方法可有效规避逆分析中的病态矩阵问题，利用同轴电缆的冲击响应函数，并结合输出端口的测量信号，即可实现输入信号的重构。并以长度15 m的受挤压同轴电缆为对象，采用此方法对3种不同样式的脉冲信号(双指数脉冲信号、调制方波信号、双极脉冲信号)进行了传输畸变补偿。结果表明：该方法均能实现优异的补偿效果，补偿后信号与输入信号间偏差远远低于传统的衰减补偿法。并且，该方法具有较强的鲁棒性，当信噪比大于30 dB时，即可保持好的稳定性。
2021, 43(8): 2207-2213.
doi: 10.11999/JEIT190779
摘要:
针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题，该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC)。所提CLACS-SPA拥有中心对称的互素稀疏面阵结构，相较于同口径均匀面阵结构减少了大量的阵元，降低了阵列的结构复杂度；以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计，从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索，降低了定位算法的计算复杂度。仿真分析表明：在口径与定位算法相同条件下，与均匀面阵结构相比，所提结构的计算复杂度降低了1～2个数量级；在相同口径与CLACS-SPA结构下，与经典3维MUSIC算法相比，所提算法的复杂度降低了2～3个数量级；在相同口径和阵元数量条件下，与经典3维MUSIC算法相比，所提算法不仅降低了计算复杂度，而且提升了方位角与俯仰角的测量精度。
针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题，该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC)。所提CLACS-SPA拥有中心对称的互素稀疏面阵结构，相较于同口径均匀面阵结构减少了大量的阵元，降低了阵列的结构复杂度；以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计，从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索，降低了定位算法的计算复杂度。仿真分析表明：在口径与定位算法相同条件下，与均匀面阵结构相比，所提结构的计算复杂度降低了1～2个数量级；在相同口径与CLACS-SPA结构下，与经典3维MUSIC算法相比，所提算法的复杂度降低了2～3个数量级；在相同口径和阵元数量条件下，与经典3维MUSIC算法相比，所提算法不仅降低了计算复杂度，而且提升了方位角与俯仰角的测量精度。
2021, 43(8): 2214-2223.
doi: 10.11999/JEIT200617
摘要:
风力发电并网和电力电子技术的广泛发展与应用，造成的电压波动与闪变已成为当前智能电网不容忽视的问题。针对人眼更为敏感的矩形波调制下的电压闪变模型，该文提出改进能量算子和加截断窗谱线插值快速傅里叶变换(FFT) 的闪变包络参数识别法。通过优化能量算子采样间隔实现电压波动分量准确提取，以改进的最大旁瓣衰减速率(MSLD)6项组合余弦窗为母窗构建频域性能优良的MSLD自卷积窗(MSLD-SCW)函数，推导基于新型2阶 MSLD-SCW函数谱线插值校正公式，据此实现矩形方波调制的闪变参数识别与分析。仿真结果表明，优化改进算法在单频矩形方波调制、多频方波调幅波调制、含有谐波与次/超同步间谐波干扰、基频变动及含有噪声等干扰源背景下，相较于传统检测算法均保持较高准确性。最后，将优化算法应用于新疆某地区电网电压闪变识别，验证其有效性。
风力发电并网和电力电子技术的广泛发展与应用，造成的电压波动与闪变已成为当前智能电网不容忽视的问题。针对人眼更为敏感的矩形波调制下的电压闪变模型，该文提出改进能量算子和加截断窗谱线插值快速傅里叶变换(FFT) 的闪变包络参数识别法。通过优化能量算子采样间隔实现电压波动分量准确提取，以改进的最大旁瓣衰减速率(MSLD)6项组合余弦窗为母窗构建频域性能优良的MSLD自卷积窗(MSLD-SCW)函数，推导基于新型2阶 MSLD-SCW函数谱线插值校正公式，据此实现矩形方波调制的闪变参数识别与分析。仿真结果表明，优化改进算法在单频矩形方波调制、多频方波调幅波调制、含有谐波与次/超同步间谐波干扰、基频变动及含有噪声等干扰源背景下，相较于传统检测算法均保持较高准确性。最后，将优化算法应用于新疆某地区电网电压闪变识别，验证其有效性。
2021, 43(8): 2224-2231.
doi: 10.11999/JEIT200586
摘要:
为了减少业务在少模光纤空分复用弹性光网络全光交换节点内资源冲突的概率，该文在全光分层节点结构中配置共享的有限频谱转换器与资源预留模块(LARSL)，提出基于模式间串扰避免的空-频-时域联合资源冲突解决算法(LARSL-CACRA)。在空-频域，为LARSL-CACRA设计基于模式间串扰避免的滑动窗的模式-频谱资源块计算方法，使频谱冲突业务获得负载更均衡的模式-频谱资源块。对于仍然冲突的业务，LARSL-CACRA使用时域资源预留模块，进一步降低业务带宽阻塞率。仿真结果表明，该文设计的LARSL-CACRA可以改善交换节点带宽阻塞率，并减少业务平均时延。
为了减少业务在少模光纤空分复用弹性光网络全光交换节点内资源冲突的概率，该文在全光分层节点结构中配置共享的有限频谱转换器与资源预留模块(LARSL)，提出基于模式间串扰避免的空-频-时域联合资源冲突解决算法(LARSL-CACRA)。在空-频域，为LARSL-CACRA设计基于模式间串扰避免的滑动窗的模式-频谱资源块计算方法，使频谱冲突业务获得负载更均衡的模式-频谱资源块。对于仍然冲突的业务，LARSL-CACRA使用时域资源预留模块，进一步降低业务带宽阻塞率。仿真结果表明，该文设计的LARSL-CACRA可以改善交换节点带宽阻塞率，并减少业务平均时延。
2021, 43(8): 2232-2239.
doi: 10.11999/JEIT200707
摘要:
针对事件驱动的无线传感器网络的传输可靠性问题，该文利用节点间的互助，提出一种基于事件驱动的动态分簇网络的协作传输方法。无事件发生时，各节点按预先形成的静态簇低频传输数据。而一旦有事件发生，能感知事件发生的节点快速组成事件簇，向簇头发送采集的数据，簇头融合数据后发往汇聚节点。为提升传输可靠性，当簇头传输失败时，由最佳中继协作转发数据给汇聚节点。在最佳中继的选择上，考虑到事件的连续移动，以及处于事件前向通道上的节点具有较大的感应值和较好的协作能力等条件，该文提出了基于前向通道的最佳中继选择策略。仿真和实验结果表明，所提协作传输方法能够有效提高传输可靠性。
针对事件驱动的无线传感器网络的传输可靠性问题，该文利用节点间的互助，提出一种基于事件驱动的动态分簇网络的协作传输方法。无事件发生时，各节点按预先形成的静态簇低频传输数据。而一旦有事件发生，能感知事件发生的节点快速组成事件簇，向簇头发送采集的数据，簇头融合数据后发往汇聚节点。为提升传输可靠性，当簇头传输失败时，由最佳中继协作转发数据给汇聚节点。在最佳中继的选择上，考虑到事件的连续移动，以及处于事件前向通道上的节点具有较大的感应值和较好的协作能力等条件，该文提出了基于前向通道的最佳中继选择策略。仿真和实验结果表明，所提协作传输方法能够有效提高传输可靠性。
2021, 43(8): 2240-2248.
doi: 10.11999/JEIT200631
摘要:
将信息中心网络(ICN)应用到物联网(IoT)架构(ICN-IoT)，可以有效地解决数据分发问题，提高数据的传输效率。但在ICN-IoT中，现有的缓存研究主要是在内容流行度或新鲜度等单一维度上实现缓存配置，无法适应海量和多态的物联网数据特征，导致缓存效率低。针对上述问题，该文首先分析了物联网数据特征，将数据分为周期性数据和事件触发性数据。然后，综合考虑物联网的这两种数据特征，提出一种具有不同缓存决策的ICN-IoT缓存方案(CS-DCI)，路由器根据到达数据的特征类型执行相应的缓存决策。最后详细介绍两种数据类型的缓存策略，对于周期性数据，考虑内容流行度和时间请求概率缓存用户请求最多的数据；对于事件触发性数据，考虑内容流行度和事件触发频率缓存有意义的数据。仿真表明，该方案能够提高内容差异率，增加缓存内容的多样性，从而满足ICN-IoT不同应用的请求，获得较优的缓存命中率以及减少内容获取跳数。
将信息中心网络(ICN)应用到物联网(IoT)架构(ICN-IoT)，可以有效地解决数据分发问题，提高数据的传输效率。但在ICN-IoT中，现有的缓存研究主要是在内容流行度或新鲜度等单一维度上实现缓存配置，无法适应海量和多态的物联网数据特征，导致缓存效率低。针对上述问题，该文首先分析了物联网数据特征，将数据分为周期性数据和事件触发性数据。然后，综合考虑物联网的这两种数据特征，提出一种具有不同缓存决策的ICN-IoT缓存方案(CS-DCI)，路由器根据到达数据的特征类型执行相应的缓存决策。最后详细介绍两种数据类型的缓存策略，对于周期性数据，考虑内容流行度和时间请求概率缓存用户请求最多的数据；对于事件触发性数据，考虑内容流行度和事件触发频率缓存有意义的数据。仿真表明，该方案能够提高内容差异率，增加缓存内容的多样性，从而满足ICN-IoT不同应用的请求，获得较优的缓存命中率以及减少内容获取跳数。
2021, 43(8): 2249-2257.
doi: 10.11999/JEIT200639
摘要:
无论是传统的定步长还是最近新提出的变步长最小均方(LMS)算法，在处理特定数学特征的信号时需要对算法参数进行先验的估计才能达到较好的效果。但在实际信号处理过程中，算法参数的估计本就是一个很困难的过程。该文分析了LMS算法的均方偏差及收敛特性，并提出一种以相对误差为变量的变步长LMS算法，能够实现步长控制参数的自估计；可以自适应不同数学特征的信号，具体算例表明新算法有更快的收敛速度和较小的均方误差。
无论是传统的定步长还是最近新提出的变步长最小均方(LMS)算法，在处理特定数学特征的信号时需要对算法参数进行先验的估计才能达到较好的效果。但在实际信号处理过程中，算法参数的估计本就是一个很困难的过程。该文分析了LMS算法的均方偏差及收敛特性，并提出一种以相对误差为变量的变步长LMS算法，能够实现步长控制参数的自估计；可以自适应不同数学特征的信号，具体算例表明新算法有更快的收敛速度和较小的均方误差。
2021, 43(8): 2258-2266.
doi: 10.11999/JEIT200524
摘要:
为解决衰减延时混合信号的欠定盲源分离问题，该文研究了一种基于信源数估计的欠定盲源分离方法。首先，采用对时频域观测信号求能量来构造稀疏域；其次，在能量域中利用势函数估计信源数；再次，根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱；最后，填充线用来解决时域分离信号的边界效应问题。实验表明，所提方法可以有效分离衰减延时混合的模拟信号，并且在不同信噪比下优于稀疏聚类算法和子空间法；此外，在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率。
为解决衰减延时混合信号的欠定盲源分离问题，该文研究了一种基于信源数估计的欠定盲源分离方法。首先，采用对时频域观测信号求能量来构造稀疏域；其次，在能量域中利用势函数估计信源数；再次，根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱；最后，填充线用来解决时域分离信号的边界效应问题。实验表明，所提方法可以有效分离衰减延时混合的模拟信号，并且在不同信噪比下优于稀疏聚类算法和子空间法；此外，在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率。
2021, 43(8): 2267-2275.
doi: 10.11999/JEIT200501
摘要:
针对传统离散化压缩感知方法在网格失配条件下步进频率(SF) ISAR 1维距离成像估计性能下降的问题，该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法。首先，构建基于原子范数的无网格SF ISAR距离向稀疏表示模型，将1维距离成像问题转化为原子系数以及频率估计问题。然后，利用原子范数半正定性质，将原子范数最小化问题转化为半正定规划问题，并基于交替方向乘子法实现快速求解。最后，利用Vandermonde分解得到最终的1维高分辨距离成像结果。由于避免了网格离散化处理，因此可以实现网格失配、低量测值条件下的高分辨距离成像，且保持了高的距离分辨能力。理论分析与仿真实验验证了所提方法的有效性。
针对传统离散化压缩感知方法在网格失配条件下步进频率(SF) ISAR 1维距离成像估计性能下降的问题，该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法。首先，构建基于原子范数的无网格SF ISAR距离向稀疏表示模型，将1维距离成像问题转化为原子系数以及频率估计问题。然后，利用原子范数半正定性质，将原子范数最小化问题转化为半正定规划问题，并基于交替方向乘子法实现快速求解。最后，利用Vandermonde分解得到最终的1维高分辨距离成像结果。由于避免了网格离散化处理，因此可以实现网格失配、低量测值条件下的高分辨距离成像，且保持了高的距离分辨能力。理论分析与仿真实验验证了所提方法的有效性。
2021, 43(8): 2276-2285.
doi: 10.11999/JEIT200785
摘要:
在星载方位多通道SAR斜视模式下，方位斜视角度和运动目标的速度分别导致回波多普勒频谱发生2次混叠和通道失衡，影响运动目标方位多通道信号重建。针对该问题，该文提出一种适用于多通道斜视模式下的运动目标的重建方法。首先通过方位向去斜预处理消除了斜视导致的2次多普勒混叠，然后通过修正的多通道重建矩阵来解决目标速度导致的通道失衡。此外，该文还研究了通道冗余情况下的杂波抑制能力，分析了估计速度误差带来的残余相位误差，给出了一种星载方位多通道SAR斜视模式下的运动目标速度快速估计搜索方法。最后，通过点目标仿真验证了方法的有效性。
在星载方位多通道SAR斜视模式下，方位斜视角度和运动目标的速度分别导致回波多普勒频谱发生2次混叠和通道失衡，影响运动目标方位多通道信号重建。针对该问题，该文提出一种适用于多通道斜视模式下的运动目标的重建方法。首先通过方位向去斜预处理消除了斜视导致的2次多普勒混叠，然后通过修正的多通道重建矩阵来解决目标速度导致的通道失衡。此外，该文还研究了通道冗余情况下的杂波抑制能力，分析了估计速度误差带来的残余相位误差，给出了一种星载方位多通道SAR斜视模式下的运动目标速度快速估计搜索方法。最后，通过点目标仿真验证了方法的有效性。
2021, 43(8): 2286-2291.
doi: 10.11999/JEIT190894
摘要:
针对非均匀杂波环境下，低空风切变风速估计不准的问题，该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选，然后利用DLCD计算各样本间的相似度，并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵，最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计。
针对非均匀杂波环境下，低空风切变风速估计不准的问题，该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选，然后利用DLCD计算各样本间的相似度，并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵，最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计。
2021, 43(8): 2292-2299.
doi: 10.11999/JEIT200593
摘要:
该文通过融合SMAP卫星L波段交叉极化亮温，建立基于密度和强度空间分布特征的多重迭代聚类射频干扰(RFI)检测识别算法。分析并提取日本典型RFI源(广播卫星电视接收机)密度和累积强度的时空分布和变化特征。电视接收机作为典型的RFI源，主要分布在日本城市化水平和范围均相对较大的区域(条状或面状)，局部区域内分布点圆状RFI(可能为微波辐射基站)，导致局地化RFI累积强度具有很高的水平。同时，在日本其他区域也检测到独立分布的点圆状RFI，干扰强度和范围相对局限。2018年开始，日本RFI整体分布范围和强度能级呈下降趋势。典型RFI源特征分析对于我国建立RFI检测、识别及抑制模型具有重要意义。
该文通过融合SMAP卫星L波段交叉极化亮温，建立基于密度和强度空间分布特征的多重迭代聚类射频干扰(RFI)检测识别算法。分析并提取日本典型RFI源(广播卫星电视接收机)密度和累积强度的时空分布和变化特征。电视接收机作为典型的RFI源，主要分布在日本城市化水平和范围均相对较大的区域(条状或面状)，局部区域内分布点圆状RFI(可能为微波辐射基站)，导致局地化RFI累积强度具有很高的水平。同时，在日本其他区域也检测到独立分布的点圆状RFI，干扰强度和范围相对局限。2018年开始，日本RFI整体分布范围和强度能级呈下降趋势。典型RFI源特征分析对于我国建立RFI检测、识别及抑制模型具有重要意义。
2021, 43(8): 2300-2307.
doi: 10.11999/JEIT200506
摘要:
针对低截获概率雷达(LPI)信号处理复杂，低信噪比条件下识别率低的问题，该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换，得到2维时频图像，然后使用去噪卷积神经网络进行时频图像去噪处理，最后将图像发送到Inception-V4网络进行特征提取，并使用softmax分类器进行分类，实现LPI雷达信号的有效分类识别。仿真结果表明，该方法在–10 dB信噪比(SNR)下，识别率仍然可以达到90%以上。
针对低截获概率雷达(LPI)信号处理复杂，低信噪比条件下识别率低的问题，该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换，得到2维时频图像，然后使用去噪卷积神经网络进行时频图像去噪处理，最后将图像发送到Inception-V4网络进行特征提取，并使用softmax分类器进行分类，实现LPI雷达信号的有效分类识别。仿真结果表明，该方法在–10 dB信噪比(SNR)下，识别率仍然可以达到90%以上。
2021, 43(8): 2308-2316.
doi: 10.11999/JEIT200671
摘要:
由于室内环境受多径效应影响，单一WiFi定位效果不佳；激光雷达(LiDAR)虽然测距定位精度高，但在室内存在大量单一、重复的场景结构(如走廊)时，往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此，该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中，滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成，一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果；另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置，可将该横向定位结果转变为机器人位置的线性约束。最后，利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中，针对两种典型的单一、重复的室内场景，分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明，由于激光横向定位精度可达厘米级，结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比，利用激光雷达计算出来的相对定位结果结合场景地图，平均定位误差可降低70%～80%，在满足机器人实时定位需求情况下，实现定位精度与稳定性的显著提升。
由于室内环境受多径效应影响，单一WiFi定位效果不佳；激光雷达(LiDAR)虽然测距定位精度高，但在室内存在大量单一、重复的场景结构(如走廊)时，往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此，该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中，滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成，一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果；另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置，可将该横向定位结果转变为机器人位置的线性约束。最后，利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中，针对两种典型的单一、重复的室内场景，分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明，由于激光横向定位精度可达厘米级，结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比，利用激光雷达计算出来的相对定位结果结合场景地图，平均定位误差可降低70%～80%，在满足机器人实时定位需求情况下，实现定位精度与稳定性的显著提升。
2021, 43(8): 2317-2323.
doi: 10.11999/JEIT200534
摘要:
导航信号是连接空间卫星和地面用户端的枢纽，是卫星导航定位系统中最重要的部分之一，其优劣直接影响后续的定位、测速、授时等性能。该文利用国家授时中心40 m高增益天线对GPS III首星进行多次信号采集及比对分析工作，从GPS III L1频点调制矢量及频谱分布入手，对L1频点载波相位存在“滑动”现象进行了深入剖析，得出该现象主要源于L1M信号。利用C/A码解析出授权信号M码，定量分析了L1频点信号分量的S曲线过0点偏差以及功率占比，其中L1M S曲线过0点偏差达到0.058 ns，信号功率占比最高可达6.78。该文研究成果可为研究新一代GPS信号的调制方式提供支撑，也可为后续北斗导航卫星系统信号体制设计以及信号质量评估方法提供参考。
导航信号是连接空间卫星和地面用户端的枢纽，是卫星导航定位系统中最重要的部分之一，其优劣直接影响后续的定位、测速、授时等性能。该文利用国家授时中心40 m高增益天线对GPS III首星进行多次信号采集及比对分析工作，从GPS III L1频点调制矢量及频谱分布入手，对L1频点载波相位存在“滑动”现象进行了深入剖析，得出该现象主要源于L1M信号。利用C/A码解析出授权信号M码，定量分析了L1频点信号分量的S曲线过0点偏差以及功率占比，其中L1M S曲线过0点偏差达到0.058 ns，信号功率占比最高可达6.78。该文研究成果可为研究新一代GPS信号的调制方式提供支撑，也可为后续北斗导航卫星系统信号体制设计以及信号质量评估方法提供参考。
2021, 43(8): 2324-2333.
doi: 10.11999/JEIT200059
摘要:
针对由于存在大气因素的干扰，网络载波相位差分技术(RTK)参考站模糊度解算会受到影响，同时当新卫星升至预先设置的截止高度角以上时，需要较长的初始化收敛时间，该文提出一种网络RTK参考站模糊度快速解算方法。该方法先利用电离层加权策略，辅助基线模糊度的快速解算，再采用扩展卡尔曼滤波(EKF)技术估计浮点模糊度，利用部分模糊度解算方法，最后通过最小二乘模糊度降相关(LAMBDA)算法和比率(RATIO)检测对模糊度进行固定解算。实验结果表明，该方法可以显著提高网络RTK参考站模糊度的固定率和缩短初始化收敛时间。
针对由于存在大气因素的干扰，网络载波相位差分技术(RTK)参考站模糊度解算会受到影响，同时当新卫星升至预先设置的截止高度角以上时，需要较长的初始化收敛时间，该文提出一种网络RTK参考站模糊度快速解算方法。该方法先利用电离层加权策略，辅助基线模糊度的快速解算，再采用扩展卡尔曼滤波(EKF)技术估计浮点模糊度，利用部分模糊度解算方法，最后通过最小二乘模糊度降相关(LAMBDA)算法和比率(RATIO)检测对模糊度进行固定解算。实验结果表明，该方法可以显著提高网络RTK参考站模糊度的固定率和缩短初始化收敛时间。
2021, 43(8): 2334-2342.
doi: 10.11999/JEIT200618
摘要:
超快超声平面波成像技术实现了超声的高帧频大视野同步采集，捕捉到更多有效原始信息，而传统滤波器在处理这种大视野数据方面有诸多不足。该文基于Casorati奇异值分解(Casorati-SVD)技术提出一种改进的自适应杂波抑制算法：首先，选取一个区域的原始平面波数据构建Casorati数据矩阵并进行奇异值分解；其次，根据分解后分量的多普勒频率和能量自适应匹配合适的滤波截止参数，抑制组织杂波和噪声并提取血流信号；最后，对每个区域重复前面的步骤并统计所有输出获取最终图像。该文分别在仿体、人体手臂动脉和家兔脑血流的回波信号上验证该算法抑制杂波的能力，这些实验结果表明，相比全局Casorati奇异值分解滤波器，这种改进的分区域自适应滤波算法将信噪比(SNR)提高4.4%～50%，对比信噪比(CNR)提高4.7%～55.9%。该技术实现了多普勒血流成像的空间自适应滤波，对临床血流成像的发展有重要意义。
超快超声平面波成像技术实现了超声的高帧频大视野同步采集，捕捉到更多有效原始信息，而传统滤波器在处理这种大视野数据方面有诸多不足。该文基于Casorati奇异值分解(Casorati-SVD)技术提出一种改进的自适应杂波抑制算法：首先，选取一个区域的原始平面波数据构建Casorati数据矩阵并进行奇异值分解；其次，根据分解后分量的多普勒频率和能量自适应匹配合适的滤波截止参数，抑制组织杂波和噪声并提取血流信号；最后，对每个区域重复前面的步骤并统计所有输出获取最终图像。该文分别在仿体、人体手臂动脉和家兔脑血流的回波信号上验证该算法抑制杂波的能力，这些实验结果表明，相比全局Casorati奇异值分解滤波器，这种改进的分区域自适应滤波算法将信噪比(SNR)提高4.4%～50%，对比信噪比(CNR)提高4.7%～55.9%。该技术实现了多普勒血流成像的空间自适应滤波，对临床血流成像的发展有重要意义。
2021, 43(8): 2343-2351.
doi: 10.11999/JEIT200562
摘要:
针对空间金字塔词袋模型中空间特征分布信息利用效率低，各类特征融合不充分的问题，该文提出空间金字塔与局部感受野相结合的相关熵极限学习机(SR-CELM)。在特征提取部分，利用多尺度局部感受野对生成的多层级的字典特征分布图进行卷积，并引入局部位置特征和全局轮廓特征。在特征分类部分，提出一种新的网络以融合各部分特征。同时在传统极限学习机训练方法的基础上利用相关熵准则构建判别性约束，推导出权重更新公式以求解网络的输出权重。为验证SR-CELM的有效性，该文分别在数据库Caltech 101, MSRC和15 Scene上进行实验。实验表明SR-CELM能够充分利用特征中可辨识信息，提高分类正确率。
针对空间金字塔词袋模型中空间特征分布信息利用效率低，各类特征融合不充分的问题，该文提出空间金字塔与局部感受野相结合的相关熵极限学习机(SR-CELM)。在特征提取部分，利用多尺度局部感受野对生成的多层级的字典特征分布图进行卷积，并引入局部位置特征和全局轮廓特征。在特征分类部分，提出一种新的网络以融合各部分特征。同时在传统极限学习机训练方法的基础上利用相关熵准则构建判别性约束，推导出权重更新公式以求解网络的输出权重。为验证SR-CELM的有效性，该文分别在数据库Caltech 101, MSRC和15 Scene上进行实验。实验表明SR-CELM能够充分利用特征中可辨识信息，提高分类正确率。
2021, 43(8): 2352-2360.
doi: 10.11999/JEIT200915
摘要:
R波作为确定心电信号各波段的重要参考，是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题，该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量，然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分，对该成分进行结构分析，从而实现对R波的准确定位。仿真结果表明，该文算法对带噪声心电信号的R波识别具有更优性能，对异常心电信号的R波识别也具有明显效果。
R波作为确定心电信号各波段的重要参考，是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题，该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量，然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分，对该成分进行结构分析，从而实现对R波的准确定位。仿真结果表明，该文算法对带噪声心电信号的R波识别具有更优性能，对异常心电信号的R波识别也具有明显效果。
2021, 43(8): 2361-2369.
doi: 10.11999/JEIT200211
摘要:
风格迁移过程中风格元素均匀分布在整个图像中会使风格化图像细节模糊，现有的迁移方法主要关注迁移风格的多样性，忽略了风格化图像的内容结构和细节信息。因此，该文提出结构细化的神经风格迁移方法，通过增加边缘检测网络对内容图像的轮廓边缘进行提取实现风格化图像内容结构的细化，凸显内容图像中的主要目标；通过对转换网络中的常规卷积层的较大卷积核进行替换，在具有相同的感受野的条件下，使网络模型参数更少，提升了迁移速度；通过对转换网络中的常规卷积层添加自适应归一化层，利用自适应归一化在特征通道中检测特定样式笔触产生较高的非线性同时保留内容图像的空间结构特性来细化生成图像的结构。该方法能够细化风格化图像的整体结构，使得风格化图像连贯性更好，解决了风格纹理均匀分布使得风格化图像细节模糊的问题，提高了图像风格迁移的质量。
风格迁移过程中风格元素均匀分布在整个图像中会使风格化图像细节模糊，现有的迁移方法主要关注迁移风格的多样性，忽略了风格化图像的内容结构和细节信息。因此，该文提出结构细化的神经风格迁移方法，通过增加边缘检测网络对内容图像的轮廓边缘进行提取实现风格化图像内容结构的细化，凸显内容图像中的主要目标；通过对转换网络中的常规卷积层的较大卷积核进行替换，在具有相同的感受野的条件下，使网络模型参数更少，提升了迁移速度；通过对转换网络中的常规卷积层添加自适应归一化层，利用自适应归一化在特征通道中检测特定样式笔触产生较高的非线性同时保留内容图像的空间结构特性来细化生成图像的结构。该方法能够细化风格化图像的整体结构，使得风格化图像连贯性更好，解决了风格纹理均匀分布使得风格化图像细节模糊的问题，提高了图像风格迁移的质量。
2021, 43(8): 2370-2377.
doi: 10.11999/JEIT200539
摘要:
针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响，该文将用户-项目评分数据与用户信任关系数据相结合；提出一种融合偏置的动态专家信任推荐算法(BDETA)，首先根据用户信任关系数据进行社区划分，获取用户间显式信任值；其次从社区中用户-项目评分数据获取可信度、隐式信任值；通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子，根据用户的推荐能力为每个社区确定专家数据集；最后结合用户不同评分标准进行评分预测。在真实数据集FilmTrust的实验结果中，能够有效地解决协同过滤中冷启动与数据稀疏问题，可更好地满足用户的个性化推荐需求，并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现。
针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响，该文将用户-项目评分数据与用户信任关系数据相结合；提出一种融合偏置的动态专家信任推荐算法(BDETA)，首先根据用户信任关系数据进行社区划分，获取用户间显式信任值；其次从社区中用户-项目评分数据获取可信度、隐式信任值；通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子，根据用户的推荐能力为每个社区确定专家数据集；最后结合用户不同评分标准进行评分预测。在真实数据集FilmTrust的实验结果中，能够有效地解决协同过滤中冷启动与数据稀疏问题，可更好地满足用户的个性化推荐需求，并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现。
2021, 43(8): 2378-2385.
doi: 10.11999/JEIT200757
摘要:
截集式可能性C-均值(C-PCM)聚类算法将截集概念引入可能性C-均值(PCM)聚类算法中，明显改善了PCM的聚类中心重合问题，并能够对噪声和奇异点的数据进行有效聚类，但该聚类算法对小目标数据聚类时仍然存在聚类中心偏移的问题。针对此问题，该文将半监督学习机制引入C-PCM的目标函数中，通过部分先验信息来指导聚类过程，提出半监督截集式可能性C-均值(SS-C-PCM)聚类算法。为了提高彩色图像的分割效率和分割准确率，将差分进化超像素(DES)算法获得的图像空间邻域信息融入SS-C-PCM目标函数中，并利用彩色直方图重构目标函数，以降低算法的计算复杂度，进而提出基于差分进化超像素的半监督截集式可能性C-均值(desSS-C-PCM)聚类算法。通过人造数据和彩色图像分割的仿真并与多种相关算法进行对比，表明该文算法能够有效改善小目标数据的聚类效果，提高算法的执行效率。
截集式可能性C-均值(C-PCM)聚类算法将截集概念引入可能性C-均值(PCM)聚类算法中，明显改善了PCM的聚类中心重合问题，并能够对噪声和奇异点的数据进行有效聚类，但该聚类算法对小目标数据聚类时仍然存在聚类中心偏移的问题。针对此问题，该文将半监督学习机制引入C-PCM的目标函数中，通过部分先验信息来指导聚类过程，提出半监督截集式可能性C-均值(SS-C-PCM)聚类算法。为了提高彩色图像的分割效率和分割准确率，将差分进化超像素(DES)算法获得的图像空间邻域信息融入SS-C-PCM目标函数中，并利用彩色直方图重构目标函数，以降低算法的计算复杂度，进而提出基于差分进化超像素的半监督截集式可能性C-均值(desSS-C-PCM)聚类算法。通过人造数据和彩色图像分割的仿真并与多种相关算法进行对比，表明该文算法能够有效改善小目标数据的聚类效果，提高算法的执行效率。
2021, 43(8): 2386-2394.
doi: 10.11999/JEIT200675
摘要:
为提高图像转换模型生成图像的质量，该文针对转换模型中的生成器进行改进，同时探究多样化的图像转换，拓展转换模型的生成能力。在生成器的改进方面，利用选择性(卷积)核模块(SKBlock)的动态感受野机制获取和融合生成器中每个上采样特征的多尺度信息，借助特征的多尺度信息和动态感受野构造选择性(卷积)核的生成式对抗网络(SK-GAN)。与传统生成器相比，SK-GAN以动态感受野获取多尺度信息的生成结构提高了生成图像的质量。在多样化图像转换方面，基于SK-GAN在草图合成真实图像任务提出带引导图像的选择性(卷积)核的生成式对抗网络(GSK-GAN)。该模型利用引导图像指导源图像的转换，通过引导图像编码器提取引导图像特征，然后由参数生成器(PG)和特征转换层(FT)将引导图像特征的信息传递至生成器。此外，该文还提出双分支引导图像编码器以提高转换模型的编辑能力，以及利用引导图像的隐变量分布实现随机样式的图像生成。实验表明，改进后的生成器有助于提高生成图像质量，SK-GAN在多个数据集中获得合理的生成结果。GSK-GAN不仅保证了生成图像的质量，还能生成更多样式的图像。
为提高图像转换模型生成图像的质量，该文针对转换模型中的生成器进行改进，同时探究多样化的图像转换，拓展转换模型的生成能力。在生成器的改进方面，利用选择性(卷积)核模块(SKBlock)的动态感受野机制获取和融合生成器中每个上采样特征的多尺度信息，借助特征的多尺度信息和动态感受野构造选择性(卷积)核的生成式对抗网络(SK-GAN)。与传统生成器相比，SK-GAN以动态感受野获取多尺度信息的生成结构提高了生成图像的质量。在多样化图像转换方面，基于SK-GAN在草图合成真实图像任务提出带引导图像的选择性(卷积)核的生成式对抗网络(GSK-GAN)。该模型利用引导图像指导源图像的转换，通过引导图像编码器提取引导图像特征，然后由参数生成器(PG)和特征转换层(FT)将引导图像特征的信息传递至生成器。此外，该文还提出双分支引导图像编码器以提高转换模型的编辑能力，以及利用引导图像的隐变量分布实现随机样式的图像生成。实验表明，改进后的生成器有助于提高生成图像质量，SK-GAN在多个数据集中获得合理的生成结果。GSK-GAN不仅保证了生成图像的质量，还能生成更多样式的图像。
2021, 43(8): 2395-2403.
doi: 10.11999/JEIT200869
摘要:
文本分类任务中，不同领域的文本很多表达相似，具有相关性的特点，可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来，提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类，将多个任务的文本共同建模，分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的局部特征。基于多领域文本分类数据集进行丰富的实验，该文提出的循环卷积多任务学习模型(MTL-LC)不同领域的文本分类平均准确率达到90.1%，比单任务学习模型循环卷积单任务学习模型(STL-LC)提升了6.5%，与当前热门的多任务学习模型完全共享多任务学习模型(FS-MTL)、对抗多任务学习模型(ASP-MTL)、间接交流多任务学习框架(IC-MTL)相比分别提升了5.4%, 4%和2.8%。
文本分类任务中，不同领域的文本很多表达相似，具有相关性的特点，可以解决有标签训练数据不足的问题。采用多任务学习的方法联合学习能够将不同领域的文本利用起来，提升模型的训练准确率和速度。该文提出循环卷积多任务学习(MTL-RC)模型用于文本多分类，将多个任务的文本共同建模，分别利用多任务学习、循环神经网络(RNN)和卷积神经网络(CNN)模型的优势获取多领域文本间的相关性、文本长期依赖关系、提取文本的局部特征。基于多领域文本分类数据集进行丰富的实验，该文提出的循环卷积多任务学习模型(MTL-LC)不同领域的文本分类平均准确率达到90.1%，比单任务学习模型循环卷积单任务学习模型(STL-LC)提升了6.5%，与当前热门的多任务学习模型完全共享多任务学习模型(FS-MTL)、对抗多任务学习模型(ASP-MTL)、间接交流多任务学习框架(IC-MTL)相比分别提升了5.4%, 4%和2.8%。
2021, 43(8): 2404-2413.
doi: 10.11999/JEIT200591
摘要:
生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势，成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时，GAN网络降噪性能不稳定，网络泛化能力较差。为了克服这一缺陷，该文首先设计了一个编解码结构的噪声水平估计子网，用于生成不同剂量LDCT图像对应的噪声图，并用原始输入图像与之相减来初步抑制噪声；其次，在主干降噪网络中，采用GAN框架，并将生成器设计为多路编码的U-Net结构，通过博弈对抗实现网络结构优化，进一步抑制CT图像噪声；最后，设计了多种损失函数来约束不同功能模块的参数优化，进一步保障了LDCT图像降噪网络的性能。实验结果表明，与目前流行算法相比，所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上，取得较好的降噪效果。
生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势，成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时，GAN网络降噪性能不稳定，网络泛化能力较差。为了克服这一缺陷，该文首先设计了一个编解码结构的噪声水平估计子网，用于生成不同剂量LDCT图像对应的噪声图，并用原始输入图像与之相减来初步抑制噪声；其次，在主干降噪网络中，采用GAN框架，并将生成器设计为多路编码的U-Net结构，通过博弈对抗实现网络结构优化，进一步抑制CT图像噪声；最后，设计了多种损失函数来约束不同功能模块的参数优化，进一步保障了LDCT图像降噪网络的性能。实验结果表明，与目前流行算法相比，所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上，取得较好的降噪效果。
2021, 43(8): 2414-2420.
doi: 10.11999/JEIT200756
摘要:
针对探索时间序列之间随时间变化的因果关系问题，在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法，但其性能对窗宽敏感，不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法，首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界，计算窗口W的前向相邻区域U内序列的波动程度Su。然后，实施前向探索策略：若Su未超过Sw，则实施不同长度区域的平衡检测方案，即对窗口W、对窗口W与U的合并区域、对窗口W与后向相邻区域V的合并区域这3种不同长度的差异区域，分别进行时间序列之间因果关系的检测；若Su超过Sw，则实施上述平衡检测方案时，其中区域U和V的长度取相同值。最后，将窗口W的多次检测结果进行综合后输出。新方法将不同长度区域的结果进行综合，能够降低方法的性能对窗宽的敏感性，保障最终结果的准确性和稳定性。在1个模拟数据集和4个真实数据集上的实验结果显示，该文方法能有效地揭示出时间序列之间随时间变化的因果关系，在正确率高且性能稳定的综合性能上优于对比方法。
针对探索时间序列之间随时间变化的因果关系问题，在每个窗口进行Granger因果检测的滑动时间窗口方法是求解该问题的常用方法，但其性能对窗宽敏感，不合适的窗宽很可能导致低性能。该文提出一种差异区域平衡方法，首先计算当前滑动窗口W内序列的波动程度Sw并作为波动界，计算窗口W的前向相邻区域U内序列的波动程度Su。然后，实施前向探索策略：若Su未超过Sw，则实施不同长度区域的平衡检测方案，即对窗口W、对窗口W与U的合并区域、对窗口W与后向相邻区域V的合并区域这3种不同长度的差异区域，分别进行时间序列之间因果关系的检测；若Su超过Sw，则实施上述平衡检测方案时，其中区域U和V的长度取相同值。最后，将窗口W的多次检测结果进行综合后输出。新方法将不同长度区域的结果进行综合，能够降低方法的性能对窗宽的敏感性，保障最终结果的准确性和稳定性。在1个模拟数据集和4个真实数据集上的实验结果显示，该文方法能有效地揭示出时间序列之间随时间变化的因果关系，在正确率高且性能稳定的综合性能上优于对比方法。
2021, 43(8): 2421-2429.
doi: 10.11999/JEIT200558
摘要:
非光滑伪凸优化问题是一类比较特殊的非凸优化问题，常出现在各类科学与工程应用中，因此具有很大的研究价值。针对现有神经网络模型解决非光滑伪凸优化问题存在的不足，该文基于微分包含理论，提出一种新型单层递归神经网络模型。通过理论分析，证明了神经网络状态解在有限时间内收敛到可行域，且永驻其中，最终神经网络状态解收敛于原优化问题的最优解。最后，通过数值实验，验证了所提理论的有效性。与现有的神经网络相比，该文所提神经网络模型结构简单仅为单层，不需要提前计算罚参数，且对初始点选取没有任何特殊的要求。
非光滑伪凸优化问题是一类比较特殊的非凸优化问题，常出现在各类科学与工程应用中，因此具有很大的研究价值。针对现有神经网络模型解决非光滑伪凸优化问题存在的不足，该文基于微分包含理论，提出一种新型单层递归神经网络模型。通过理论分析，证明了神经网络状态解在有限时间内收敛到可行域，且永驻其中，最终神经网络状态解收敛于原优化问题的最优解。最后，通过数值实验，验证了所提理论的有效性。与现有的神经网络相比，该文所提神经网络模型结构简单仅为单层，不需要提前计算罚参数，且对初始点选取没有任何特殊的要求。
2021, 43(8): 2430-2438.
doi: 10.11999/JEIT200579
摘要:
DNA链置换技术广泛用于生物计算中，在计算能力和信息处理方面表现出色。但是，在信号的放大、恢复与比较等一些计算中使用DNA链置换技术，不仅增加DNA链的数量，还会带来额外的计算成本。因此，为了减少DNA链的使用数量，该文构建了一个基于DNA链置换实现的赢家通吃(WTA)神经网络。首先，通过神经元实现逻辑运算AND, NAND和OR，将其级联成WTA神经网络解决了线性不可分问题。通过与别人结果的比较，证明该文采用方法的有效性，并在Visual DSD(DNA链置换)中获得了稳定而直观的结果。然后，为了检验神经元级联的可扩展性，设计了一个3人表决器，并对科学家进行分类，该文展示了分子系统如何表现出与大脑具有类似行为的思考能力，最后证明获得的准确率高于其他方法。
DNA链置换技术广泛用于生物计算中，在计算能力和信息处理方面表现出色。但是，在信号的放大、恢复与比较等一些计算中使用DNA链置换技术，不仅增加DNA链的数量，还会带来额外的计算成本。因此，为了减少DNA链的使用数量，该文构建了一个基于DNA链置换实现的赢家通吃(WTA)神经网络。首先，通过神经元实现逻辑运算AND, NAND和OR，将其级联成WTA神经网络解决了线性不可分问题。通过与别人结果的比较，证明该文采用方法的有效性，并在Visual DSD(DNA链置换)中获得了稳定而直观的结果。然后，为了检验神经元级联的可扩展性，设计了一个3人表决器，并对科学家进行分类，该文展示了分子系统如何表现出与大脑具有类似行为的思考能力，最后证明获得的准确率高于其他方法。
