邮件订阅
2022年 第44卷 第1期
显示方式:
2022, 44(1): 1-10.
doi: 10.11999/JEIT210879
摘要:
超声机器人作为一种典型的医疗机器人，在辅助诊断与外科引导中可以有效提高超声成像效率并降低人工长时间操作导致的疲劳。为了提升超声机器人在复杂动态环境中的成像效率与稳定性，该文提出一种基于深度强化学习的超声机器人多自由度成像控制方法与系统。首先基于近端策略梯度优化的成像动作决策方法，实时生成超声探头空间动作和姿态运动决策，并实现动态环境中对目标成像动作的持续生成过程。进一步，研究根据超声机器人成像任务中面临复杂柔性环境的特点，在超声机器人运动自主决策的基础上提出超声机器人运动空间优化策略。最终实现在避免参数调整和复杂动态环境的情况下，对不同人体部位进行自动的机器人超声成像。
超声机器人作为一种典型的医疗机器人，在辅助诊断与外科引导中可以有效提高超声成像效率并降低人工长时间操作导致的疲劳。为了提升超声机器人在复杂动态环境中的成像效率与稳定性，该文提出一种基于深度强化学习的超声机器人多自由度成像控制方法与系统。首先基于近端策略梯度优化的成像动作决策方法，实时生成超声探头空间动作和姿态运动决策，并实现动态环境中对目标成像动作的持续生成过程。进一步，研究根据超声机器人成像任务中面临复杂柔性环境的特点，在超声机器人运动自主决策的基础上提出超声机器人运动空间优化策略。最终实现在避免参数调整和复杂动态环境的情况下，对不同人体部位进行自动的机器人超声成像。
2022, 44(1): 11-17.
doi: 10.11999/JEIT210710
摘要:
现有多模态分割方法通常先对图像进行配准，再对配准后的图像进行分割。对于成像特点差异较大的不同模态，两阶段的结构匹配与分割算法下的分割精度较低。针对该问题，该文提出一种基于跨模态空间匹配的多模态肺部肿块分割网络(MMSASegNet)，其具有模型复杂度低和分割精度高的特点。该模型采用双路残差U型分割网络作为骨干分割网络，以充分提取不同模态输入特征，利用可学习的空间变换网络对其输出的多模态分割掩膜进行空间结构匹配；为实现空间匹配后的多模态特征图融合，形变掩膜和参考掩膜分别与各自模态相同分辨率的特征图进行矩阵相乘，并经特征融合模块，最终实现多模态肺部肿块分割。为提高端到端多模态分割网络的分割性能，采用深度监督学习策略，联合损失函数约束肿块分割、肿块空间匹配和特征融合模块，同时采用多阶段训练以提高不同功能模块的训练效率。实验数据采用T2权重(T2W)磁共振图像和扩散权重磁共振图像(DWI)肺部肿块分割数据集，该方法与其他多模态分割网络相比，DSC (Dice Similarity Coefficient)和HD (Hausdorff Distance)等评价指标均显著提高。
现有多模态分割方法通常先对图像进行配准，再对配准后的图像进行分割。对于成像特点差异较大的不同模态，两阶段的结构匹配与分割算法下的分割精度较低。针对该问题，该文提出一种基于跨模态空间匹配的多模态肺部肿块分割网络(MMSASegNet)，其具有模型复杂度低和分割精度高的特点。该模型采用双路残差U型分割网络作为骨干分割网络，以充分提取不同模态输入特征，利用可学习的空间变换网络对其输出的多模态分割掩膜进行空间结构匹配；为实现空间匹配后的多模态特征图融合，形变掩膜和参考掩膜分别与各自模态相同分辨率的特征图进行矩阵相乘，并经特征融合模块，最终实现多模态肺部肿块分割。为提高端到端多模态分割网络的分割性能，采用深度监督学习策略，联合损失函数约束肿块分割、肿块空间匹配和特征融合模块，同时采用多阶段训练以提高不同功能模块的训练效率。实验数据采用T2权重(T2W)磁共振图像和扩散权重磁共振图像(DWI)肺部肿块分割数据集，该方法与其他多模态分割网络相比，DSC (Dice Similarity Coefficient)和HD (Hausdorff Distance)等评价指标均显著提高。
2022, 44(1): 18-26.
doi: 10.11999/JEIT210919
摘要:
眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中，预测术后硅油乳化情况，并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键。然而手术流程中医生无法直接观察眼球内部结构，很难对填充物质进行定量分析，手术完成后亦对硅油乳化状态缺乏可视化认知。该文提出一种基于光滑粒子流体动力学的体积不可压缩多相流体计算框架，结合表面张力模型对眼内环境中硅油和水的耦合进行数值计算；构建以力平衡散体动力学模型为基础的多相流体互溶扩散模拟方法，对硅油乳化过程进行可视量化分析。实验表明，该方法可以稳定模拟强表面张力作用下多相流体耦合以及可混溶多相流体相间交互效果，从而有效辅助医生判定所需硅油填充量，并预测评估硅油乳化状态对手术预后的影响。
眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中，预测术后硅油乳化情况，并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键。然而手术流程中医生无法直接观察眼球内部结构，很难对填充物质进行定量分析，手术完成后亦对硅油乳化状态缺乏可视化认知。该文提出一种基于光滑粒子流体动力学的体积不可压缩多相流体计算框架，结合表面张力模型对眼内环境中硅油和水的耦合进行数值计算；构建以力平衡散体动力学模型为基础的多相流体互溶扩散模拟方法，对硅油乳化过程进行可视量化分析。实验表明，该方法可以稳定模拟强表面张力作用下多相流体耦合以及可混溶多相流体相间交互效果，从而有效辅助医生判定所需硅油填充量，并预测评估硅油乳化状态对手术预后的影响。
2022, 44(1): 27-38.
doi: 10.11999/JEIT210931
摘要:
重症监护病房(ICU)住院期间发生的急性肾损伤(AKI)与患者发病率和死亡率的增加有关。该研究的目的是提出一个基于机器学习的框架，用于危重病患者的可解释AKI预测，该框架能够同时实现良好的预测和解释能力。该文从重症监护医学信息数据库Ⅲ(MIMIC-III)中提取的数据包括患者的年龄、性别、生命体征和ICU入院第1天及随后的化验值。在该研究中，通过将XGBoost模型与其他4种机器学习模型进行比较，证明了XGBoost模型的预测性能。此外，SHAP(SHapley Additive exPlanation)模型可解释器用于提供个性化评估和解释，以实现个性化的临床决策支持。结果表明，XGBoost能较好地预测AKI，与以往的预测模型相比，此模型更为简单有效，仅用21个特征变量即得到了更稳定的预测结果，预测精度高，模型准确率和受试者工作特征曲线下面积(AUC)分别为0.824和0.840，均高于既往研究结果。此外，该文对两组指标进行了特征依赖分析，发现24h尿量减少和血尿素氮升高可增加AKI风险。综上所述，该可解释预测模型可能有助于临床医生更准确快速地识别重症监护中存在AKI风险的患者，为患者提供更好的治疗。此外，可解释性框架的使用增加了模型透明度，便于临床医生分析预测模型的可靠性。
重症监护病房(ICU)住院期间发生的急性肾损伤(AKI)与患者发病率和死亡率的增加有关。该研究的目的是提出一个基于机器学习的框架，用于危重病患者的可解释AKI预测，该框架能够同时实现良好的预测和解释能力。该文从重症监护医学信息数据库Ⅲ(MIMIC-III)中提取的数据包括患者的年龄、性别、生命体征和ICU入院第1天及随后的化验值。在该研究中，通过将XGBoost模型与其他4种机器学习模型进行比较，证明了XGBoost模型的预测性能。此外，SHAP(SHapley Additive exPlanation)模型可解释器用于提供个性化评估和解释，以实现个性化的临床决策支持。结果表明，XGBoost能较好地预测AKI，与以往的预测模型相比，此模型更为简单有效，仅用21个特征变量即得到了更稳定的预测结果，预测精度高，模型准确率和受试者工作特征曲线下面积(AUC)分别为0.824和0.840，均高于既往研究结果。此外，该文对两组指标进行了特征依赖分析，发现24h尿量减少和血尿素氮升高可增加AKI风险。综上所述，该可解释预测模型可能有助于临床医生更准确快速地识别重症监护中存在AKI风险的患者，为患者提供更好的治疗。此外，可解释性框架的使用增加了模型透明度，便于临床医生分析预测模型的可靠性。
2022, 44(1): 39-47.
doi: 10.11999/JEIT210916
摘要:
结肠息肉的精确分割对结直肠癌的诊断和治疗具有重要意义，目前的分割方法普遍存在有伪影、分割精度低等问题。该文提出一种基于阶梯结构的U-Net结肠息肉分割算法(SU-Net)，使用U-Net的U型结构，利用Kronecker乘积来扩展标准空洞卷积核，构成Kronecker空洞卷积下采样有效扩大感受野，弥补传统空洞卷积容易丢失的细节特征；应用具有阶梯结构的融合模块，遵循扩展和堆叠原则形成阶梯状的分层结构，有效捕获上下文信息并从多个尺度聚合特征；在解码器引入卷积重构上采样模块生成密集的像素级预测图，捕获双线性插值上采样中缺少的精细信息。在Kvasir-SEG数据集和CVC-EndoSceneStill数据集上对模型进行了测试，相似系数(Dice)指标和交并比(IoU)指标分别达到了87.51%, 88.75%和82.30%, 85.64%。实验结果表明，该文所提方法改善了因过度曝光、低对比度引起的分割精度低的问题，同时消除了边界外部的图像伪影和图像内部不连贯的现象，优于其他息肉分割方法。
结肠息肉的精确分割对结直肠癌的诊断和治疗具有重要意义，目前的分割方法普遍存在有伪影、分割精度低等问题。该文提出一种基于阶梯结构的U-Net结肠息肉分割算法(SU-Net)，使用U-Net的U型结构，利用Kronecker乘积来扩展标准空洞卷积核，构成Kronecker空洞卷积下采样有效扩大感受野，弥补传统空洞卷积容易丢失的细节特征；应用具有阶梯结构的融合模块，遵循扩展和堆叠原则形成阶梯状的分层结构，有效捕获上下文信息并从多个尺度聚合特征；在解码器引入卷积重构上采样模块生成密集的像素级预测图，捕获双线性插值上采样中缺少的精细信息。在Kvasir-SEG数据集和CVC-EndoSceneStill数据集上对模型进行了测试，相似系数(Dice)指标和交并比(IoU)指标分别达到了87.51%, 88.75%和82.30%, 85.64%。实验结果表明，该文所提方法改善了因过度曝光、低对比度引起的分割精度低的问题，同时消除了边界外部的图像伪影和图像内部不连贯的现象，优于其他息肉分割方法。
2022, 44(1): 48-58.
doi: 10.11999/JEIT210917
摘要:
自2019年末新型冠状病毒(Covid-19)疫情在全球爆发以来，世界各国都处于疫情的危害之下。新冠病毒通过入侵人体的呼吸系统，造成肺部感染，甚至死亡。CT(Computed Tomography)图是医生对肺炎患者进行诊断的常规方法。为了提高医生对新冠感染者进行诊断的效率，该文提出一种基于低秩张量自注意力重构的语义分割网络LRSAR-Net，其中低秩张量自注意力重构模块用来获取长范围的信息。低秩张量自注意力重构模块主要包括：低秩张量生成子模块、低秩自注意力子模块、高秩张量重构子模块3个部分。低秩张量自注意力模块先生成多个低秩张量，构建低秩自注意力特征图，然后将多个低秩张量注意力特征图重构成高秩注意力特征图。自注意力模块通过计算相似度矩阵来获取长范围的语义信息。与传统的自注意力模块Non-Local相比，低秩张量自注意力重构模块计算复杂度更低，计算速度更快。最后，该文与其他优秀的语义分割模型进行了对比，体现了模型的有效性。
自2019年末新型冠状病毒(Covid-19)疫情在全球爆发以来，世界各国都处于疫情的危害之下。新冠病毒通过入侵人体的呼吸系统，造成肺部感染，甚至死亡。CT(Computed Tomography)图是医生对肺炎患者进行诊断的常规方法。为了提高医生对新冠感染者进行诊断的效率，该文提出一种基于低秩张量自注意力重构的语义分割网络LRSAR-Net，其中低秩张量自注意力重构模块用来获取长范围的信息。低秩张量自注意力重构模块主要包括：低秩张量生成子模块、低秩自注意力子模块、高秩张量重构子模块3个部分。低秩张量自注意力模块先生成多个低秩张量，构建低秩自注意力特征图，然后将多个低秩张量注意力特征图重构成高秩注意力特征图。自注意力模块通过计算相似度矩阵来获取长范围的语义信息。与传统的自注意力模块Non-Local相比，低秩张量自注意力重构模块计算复杂度更低，计算速度更快。最后，该文与其他优秀的语义分割模型进行了对比，体现了模型的有效性。
2022, 44(1): 59-69.
doi: 10.11999/JEIT210922
摘要:
心冲击图(BCG)信号中含有睡眠时期的心跳等生理参数，采用非接触式测量，但易受干扰影响应用受限；心电图(ECG)信号应用很广，但采用接触式测量，操作不便。为了实现非接触式测量并监测心电信号，该文将无参数尺度空间法(PSA)引入并与经验小波变换(EWT)算法结合，从BCG信号中分解得到心跳分量，结果表明所提分解方法能有效地从BCG信号中最大限度地分解出心跳信号；并在此基础上通过改进的深度卷积生成对抗网络(DCGAN)重构出ECG信号。实验结果表明，该文所提信号重构算法能从心跳分量重构恢复出ECG信号，均方根误差为–16.8422 dB。
心冲击图(BCG)信号中含有睡眠时期的心跳等生理参数，采用非接触式测量，但易受干扰影响应用受限；心电图(ECG)信号应用很广，但采用接触式测量，操作不便。为了实现非接触式测量并监测心电信号，该文将无参数尺度空间法(PSA)引入并与经验小波变换(EWT)算法结合，从BCG信号中分解得到心跳分量，结果表明所提分解方法能有效地从BCG信号中最大限度地分解出心跳信号；并在此基础上通过改进的深度卷积生成对抗网络(DCGAN)重构出ECG信号。实验结果表明，该文所提信号重构算法能从心跳分量重构恢复出ECG信号，均方根误差为–16.8422 dB。
2022, 44(1): 70-77.
doi: 10.11999/JEIT210920
摘要:
胃肠镜检查是目前临床上检查和诊断消化道疾病最重要的途径，内窥镜图像的运动模糊会对医生诊断和机器辅助诊断造成干扰。现有的去模糊网络由于缺乏对结构信息的关注，在处理内窥镜图像时普遍存在着伪影和结构变形的问题。为解决这一问题，提高胃镜图像质量，该文提出一种基于梯度指导的生成对抗网络，网络以多尺度残差网络(Res2net)结构作为基础模块，包含图像信息支路和梯度支路两个相互交互的支路，通过梯度支路指导图像去模糊重建，从而更好地保留图像结构信息，消除伪影、缓解结构变形；设计了类轻量化预处理网络来纠正过度模糊，提高训练效率。在传统胃镜和胶囊胃镜数据集上分别进行了实验，实验结果表明，该算法的峰值信噪比(PSNR)和结构相似度(SSIM)指标均优于对比算法，且复原后的视觉效果更佳，无明显伪影和结构变形。
胃肠镜检查是目前临床上检查和诊断消化道疾病最重要的途径，内窥镜图像的运动模糊会对医生诊断和机器辅助诊断造成干扰。现有的去模糊网络由于缺乏对结构信息的关注，在处理内窥镜图像时普遍存在着伪影和结构变形的问题。为解决这一问题，提高胃镜图像质量，该文提出一种基于梯度指导的生成对抗网络，网络以多尺度残差网络(Res2net)结构作为基础模块，包含图像信息支路和梯度支路两个相互交互的支路，通过梯度支路指导图像去模糊重建，从而更好地保留图像结构信息，消除伪影、缓解结构变形；设计了类轻量化预处理网络来纠正过度模糊，提高训练效率。在传统胃镜和胶囊胃镜数据集上分别进行了实验，实验结果表明，该算法的峰值信噪比(PSNR)和结构相似度(SSIM)指标均优于对比算法，且复原后的视觉效果更佳，无明显伪影和结构变形。
2022, 44(1): 78-88.
doi: 10.11999/JEIT210909
摘要:
高分辨率食管测压技术(HRM)作为检测食管动力障碍性疾病(EMD)的金标准，已广泛应用于临床试验以辅助医生进行诊断治疗。随着患病率的上升，HRM图像的数据量爆炸式增长，加之EMD的诊断流程较为复杂，临床上EMD误诊事件时有发生。为了提高EMD诊断的准确性，希望搭建一个计算机辅助诊断(Computer Aided Diagnosis, CAD)系统帮助医生对HRM图像进行自动分析。由于食管收缩活力的异常是诊断EMD的重要依据，该文提出了一个深度学习模型(PoS-ClasNet)以完成对HRM图像的食管收缩活力分类任务，为今后机器代替人工诊断EMD奠定基础。PoS-ClasNet作为一个多任务卷积神经网络(CNN)由PoSNet和S-ClasNet构成。前者用于HRM图像中吞咽框的检测和提取任务，后者根据食管吞咽特征鉴别收缩活力类型。实验使用了4000幅专家标记的HRM图像，用于训练、验证和测试的图像分别占比为70%, 20%和10%。在测试集上，食管收缩活力分类器PoS-ClasNet的分类准确率高达93.25%，精度和召回率分别为93.39%和93.60%。结果表明PoS-ClasNet能较好地适应HRM图像数据的特性，在智能诊断食管收缩活力的任务中表现出了不俗的准确性和稳健性。将它应用在临床上辅助医生诊疗，会带来巨大的社会效益。
高分辨率食管测压技术(HRM)作为检测食管动力障碍性疾病(EMD)的金标准，已广泛应用于临床试验以辅助医生进行诊断治疗。随着患病率的上升，HRM图像的数据量爆炸式增长，加之EMD的诊断流程较为复杂，临床上EMD误诊事件时有发生。为了提高EMD诊断的准确性，希望搭建一个计算机辅助诊断(Computer Aided Diagnosis, CAD)系统帮助医生对HRM图像进行自动分析。由于食管收缩活力的异常是诊断EMD的重要依据，该文提出了一个深度学习模型(PoS-ClasNet)以完成对HRM图像的食管收缩活力分类任务，为今后机器代替人工诊断EMD奠定基础。PoS-ClasNet作为一个多任务卷积神经网络(CNN)由PoSNet和S-ClasNet构成。前者用于HRM图像中吞咽框的检测和提取任务，后者根据食管吞咽特征鉴别收缩活力类型。实验使用了4000幅专家标记的HRM图像，用于训练、验证和测试的图像分别占比为70%, 20%和10%。在测试集上，食管收缩活力分类器PoS-ClasNet的分类准确率高达93.25%，精度和召回率分别为93.39%和93.60%。结果表明PoS-ClasNet能较好地适应HRM图像数据的特性，在智能诊断食管收缩活力的任务中表现出了不俗的准确性和稳健性。将它应用在临床上辅助医生诊疗，会带来巨大的社会效益。
2022, 44(1): 89-98.
doi: 10.11999/JEIT210935
摘要:
舌色是中医(TCM)望诊最关注的诊察特征之一，自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等，标注的舌象数据中常含有噪声，影响舌色分类模型的训练。为此，该文提出一种有噪声标注情况下的中医舌色分类方法：首先，提出一种两阶段的数据清洗方法，对含有噪声的标注样本进行识别，并进行清洗；其次，设计一种基于通道注意力机制的轻型卷积神经网络，通过增强特征的表达能力，实现舌色的准确分类；最后，提出一种带有噪声样本过滤机制的知识蒸馏策略，该策略中加入了由教师网络主导的噪声样本过滤机制，进一步剔除噪声样本，同时利用教师网络指导轻型卷积神经网络的训练，提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明，该文提出的舌色分类方法能以较低的计算复杂度，显著提升分类的准确率，达到了93.88%。
舌色是中医(TCM)望诊最关注的诊察特征之一，自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等，标注的舌象数据中常含有噪声，影响舌色分类模型的训练。为此，该文提出一种有噪声标注情况下的中医舌色分类方法：首先，提出一种两阶段的数据清洗方法，对含有噪声的标注样本进行识别，并进行清洗；其次，设计一种基于通道注意力机制的轻型卷积神经网络，通过增强特征的表达能力，实现舌色的准确分类；最后，提出一种带有噪声样本过滤机制的知识蒸馏策略，该策略中加入了由教师网络主导的噪声样本过滤机制，进一步剔除噪声样本，同时利用教师网络指导轻型卷积神经网络的训练，提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明，该文提出的舌色分类方法能以较低的计算复杂度，显著提升分类的准确率，达到了93.88%。
2022, 44(1): 99-106.
doi: 10.11999/JEIT211171
摘要:
房颤是一种常见的心律失常，其发病率会随着年龄增长而升高。因此，从心电(ECG)信号中尽早识别出房颤，有助于降低中风风险和心源性死亡率。为有效提高其检测准确率，该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换，转换为时频域信号，旨在通过时频分析，丰富原始信号的特征。进而，采用DenseNet深度卷积神经网络来处理精细的时频图，并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外，该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法，实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。
房颤是一种常见的心律失常，其发病率会随着年龄增长而升高。因此，从心电(ECG)信号中尽早识别出房颤，有助于降低中风风险和心源性死亡率。为有效提高其检测准确率，该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换，转换为时频域信号，旨在通过时频分析，丰富原始信号的特征。进而，采用DenseNet深度卷积神经网络来处理精细的时频图，并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外，该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法，实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。
2022, 44(1): 107-117.
doi: 10.11999/JEIT210858
摘要:
在电子病历系统中，为了实现多用户环境下的数据搜索，该文提出一种属性基可搜索加密方案。该文将密文和安全索引存储在医疗云，当用户请求医疗数据时，利用属性基可搜索加密算法进行数据搜索，实现了细粒度访问控制。同时方案引入了密文验证算法，解决了半诚实且好奇的云服务器模型下搜索结果不正确的问题。利用数据去重技术实现了重复数据的消除，减少占用医疗云的存储空间。方案同时实现了访问策略的隐藏，保证了数据用户的隐私安全。安全性分析表明，所提方案能很好地保护用户的隐私以及数据的安全。性能分析表明，该方案具有较好的性能，更加适用于智慧医疗等多对多应用场景，有效实现了医生和第三方数据用户在不侵犯患者隐私的前提下共享患者电子病历。
在电子病历系统中，为了实现多用户环境下的数据搜索，该文提出一种属性基可搜索加密方案。该文将密文和安全索引存储在医疗云，当用户请求医疗数据时，利用属性基可搜索加密算法进行数据搜索，实现了细粒度访问控制。同时方案引入了密文验证算法，解决了半诚实且好奇的云服务器模型下搜索结果不正确的问题。利用数据去重技术实现了重复数据的消除，减少占用医疗云的存储空间。方案同时实现了访问策略的隐藏，保证了数据用户的隐私安全。安全性分析表明，所提方案能很好地保护用户的隐私以及数据的安全。性能分析表明，该方案具有较好的性能，更加适用于智慧医疗等多对多应用场景，有效实现了医生和第三方数据用户在不侵犯患者隐私的前提下共享患者电子病历。
2022, 44(1): 118-126.
doi: 10.11999/JEIT210926
摘要:
医疗机器翻译对于跨境医疗、医疗文献翻译等应用具有重要价值。汉英神经机器翻译依靠深度学习强大的建模能力和大规模双语平行数据取得了长足的进步。神经机器翻译通常依赖于大规模的平行句对训练翻译模型。目前，汉英翻译数据主要以新闻、政策等领域数据为主，缺少医疗领域的数据，导致医疗领域的汉英机器翻译效果不佳。针对医疗垂直领域机器翻译训练数据不足的问题，该文提出利用复述生成技术对汉英医疗机器翻译数据进行增广，扩大汉英机器翻译的规模。通过多种主流的神经机器翻译模型的实验结果表明，通过复述生成对数据进行增广可以有效地提升机器翻译的性能，在RNNSearch, Transformer等多个主流模型上均取得了6个点以上的BLEU值提升，验证了复述增广方法对领域机器翻译的有效性。同时，基于MT5等大规模预训练语言模型可以进一步地提升机器翻译的性能。
医疗机器翻译对于跨境医疗、医疗文献翻译等应用具有重要价值。汉英神经机器翻译依靠深度学习强大的建模能力和大规模双语平行数据取得了长足的进步。神经机器翻译通常依赖于大规模的平行句对训练翻译模型。目前，汉英翻译数据主要以新闻、政策等领域数据为主，缺少医疗领域的数据，导致医疗领域的汉英机器翻译效果不佳。针对医疗垂直领域机器翻译训练数据不足的问题，该文提出利用复述生成技术对汉英医疗机器翻译数据进行增广，扩大汉英机器翻译的规模。通过多种主流的神经机器翻译模型的实验结果表明，通过复述生成对数据进行增广可以有效地提升机器翻译的性能，在RNNSearch, Transformer等多个主流模型上均取得了6个点以上的BLEU值提升，验证了复述增广方法对领域机器翻译的有效性。同时，基于MT5等大规模预训练语言模型可以进一步地提升机器翻译的性能。
2022, 44(1): 127-137.
doi: 10.11999/JEIT200996
摘要:
针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题，该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先，该模型利用U-Net中的编码器对脑出血CT图像特征编码，将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃连接部分，使不同层次的特征更好地融合；其次，对融合后的特征，分别引入混合注意力机制，用以提高对目标区域的特征提取能力；最后，通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性，在脑出血CT图像数据集上进行实验，同U-Net, Attention U-Net, UNet++以及CE-Net相比，mIoU指标分别提升了20.9%, 3.6%, 7.0%, 3.1%，表明AU-Net+模型具有更好的分割效果。
针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题，该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先，该模型利用U-Net中的编码器对脑出血CT图像特征编码，将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃连接部分，使不同层次的特征更好地融合；其次，对融合后的特征，分别引入混合注意力机制，用以提高对目标区域的特征提取能力；最后，通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性，在脑出血CT图像数据集上进行实验，同U-Net, Attention U-Net, UNet++以及CE-Net相比，mIoU指标分别提升了20.9%, 3.6%, 7.0%, 3.1%，表明AU-Net+模型具有更好的分割效果。
2022, 44(1): 138-148.
doi: 10.11999/JEIT210900
摘要:
为了对肾透明细胞癌(ccRCC)进行准确核分级以改善肾癌的治疗和预后，该文提出一种新的通道注意力模块sECANet，通过计算特征图中当前通道与临近通道以及当前通道与远距离通道之间的信息交互来获取更多有用的特征。实验中收集了90例患者的肾组织病理图像，进行裁切和增强后采用五折交叉验证法对改进后的网络在Patch级别进行验证。实验结果表明，该文所提出的模型在Patch级别上鉴别ISUP分级的准确率为78.48±3.17%，精确率为79.95±4.37%，召回率为78.43±2.44%，F1分数为78.51±3.04%。进一步地，对每个病例所有Patch的预测结果采用多数投票法得到Image级别的分类结果，所有病例的准确率为88.89%，精确率为89.88%，召回率为87.65%，F1分数为88.51%。因此，sECANet在Patch级别和Image级别上均优于其他注意力机制和基本网络模型ResNet50。据此，该文所构建的病理图像ccRCC ISUP分级模型有良好的诊断效能，可以为患者的治疗和预后提供一定的参考。
为了对肾透明细胞癌(ccRCC)进行准确核分级以改善肾癌的治疗和预后，该文提出一种新的通道注意力模块sECANet，通过计算特征图中当前通道与临近通道以及当前通道与远距离通道之间的信息交互来获取更多有用的特征。实验中收集了90例患者的肾组织病理图像，进行裁切和增强后采用五折交叉验证法对改进后的网络在Patch级别进行验证。实验结果表明，该文所提出的模型在Patch级别上鉴别ISUP分级的准确率为78.48±3.17%，精确率为79.95±4.37%，召回率为78.43±2.44%，F1分数为78.51±3.04%。进一步地，对每个病例所有Patch的预测结果采用多数投票法得到Image级别的分类结果，所有病例的准确率为88.89%，精确率为89.88%，召回率为87.65%，F1分数为88.51%。因此，sECANet在Patch级别和Image级别上均优于其他注意力机制和基本网络模型ResNet50。据此，该文所构建的病理图像ccRCC ISUP分级模型有良好的诊断效能，可以为患者的治疗和预后提供一定的参考。
2022, 44(1): 149-167.
doi: 10.11999/JEIT210914
摘要:
残差神经网络(ResNet)是深度学习领域的研究热点，广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述：首先，阐述残差神经网络的基本原理和模型结构；然后，从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制；其次，从与DenseNet, U-Net, Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用；最后，讨论ResNet在医学图像处理领域中面临的主要挑战，并对未来的发展方向进行展望。该文系统梳理了残差神经网络的最新研究进展，以及在医学图像处理中的应用，对残差神经网络的研究具有重要的参考价值。
残差神经网络(ResNet)是深度学习领域的研究热点，广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述：首先，阐述残差神经网络的基本原理和模型结构；然后，从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制；其次，从与DenseNet, U-Net, Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用；最后，讨论ResNet在医学图像处理领域中面临的主要挑战，并对未来的发展方向进行展望。该文系统梳理了残差神经网络的最新研究进展，以及在医学图像处理中的应用，对残差神经网络的研究具有重要的参考价值。
2022, 44(1): 168-177.
doi: 10.11999/JEIT200942
摘要:
由于缺少统一人体活动模型和相关规范，造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同，并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征，建立基于笛卡尔坐标的人体活动模型，并规范了模型中活动传感器部署位置及活动数据的归一化方法；其次，引入滑动窗口技术建立将人体活动数据转换为RGB位图的映射方法，并设计了人体活动识别卷积神经网络(HAR-CNN)；最后，依据公开人体活动数据集Opportunity创建HAR-CNN实例并进行了实验测试。实验结果表明，HAR-CNN对周期性重复活动和离散性人体活动识别的F1值分别达到了90%和92%，同时算法具有良好的运行效率。
由于缺少统一人体活动模型和相关规范，造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同，并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征，建立基于笛卡尔坐标的人体活动模型，并规范了模型中活动传感器部署位置及活动数据的归一化方法；其次，引入滑动窗口技术建立将人体活动数据转换为RGB位图的映射方法，并设计了人体活动识别卷积神经网络(HAR-CNN)；最后，依据公开人体活动数据集Opportunity创建HAR-CNN实例并进行了实验测试。实验结果表明，HAR-CNN对周期性重复活动和离散性人体活动识别的F1值分别达到了90%和92%，同时算法具有良好的运行效率。
2022, 44(1): 178-186.
doi: 10.11999/JEIT201046
摘要:
为了提高图像超分辨率重建的效果，该文将注意力机制引入多级残差网络(Multi-level Residual Attention Network, MRAN)作为CycleGAN的重建网络，提出了基于循环生成对抗网络(CycleGAN)的超分辨率重建模型MRA-GAN。MRA-GAN模型中重建网络负责将低分辨率(LR)图像重建为高分辨率(HR)图像，退化网络负责将HR图像降采样为LR图像，LR判别器负责鉴别真实LR图像和通过退化网络降采样得到的LR图像，HR判别器负责鉴别真实HR图像和通过重建网络重建得到的HR图像，并且改进了CycleGAN原有的判别器判别方式和损失函数。实验结果验证了MRA-GAN模型与现有算法相比，在峰值信噪比(PSNR)和结构相似性(SSIM)等指标上都有所改进。
为了提高图像超分辨率重建的效果，该文将注意力机制引入多级残差网络(Multi-level Residual Attention Network, MRAN)作为CycleGAN的重建网络，提出了基于循环生成对抗网络(CycleGAN)的超分辨率重建模型MRA-GAN。MRA-GAN模型中重建网络负责将低分辨率(LR)图像重建为高分辨率(HR)图像，退化网络负责将HR图像降采样为LR图像，LR判别器负责鉴别真实LR图像和通过退化网络降采样得到的LR图像，HR判别器负责鉴别真实HR图像和通过重建网络重建得到的HR图像，并且改进了CycleGAN原有的判别器判别方式和损失函数。实验结果验证了MRA-GAN模型与现有算法相比，在峰值信噪比(PSNR)和结构相似性(SSIM)等指标上都有所改进。
2022, 44(1): 187-194.
doi: 10.11999/JEIT210219
摘要:
目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此，该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础，通过建立搜索区域的空间模型，进一步运用O-FCMA进行区域几何划分，并采用O-HPSO实现划分区域内的路径规划，以实现多UAV集群搜索总体任务的规划。仿真实验结果表明，采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比，在保证搜索区域全覆盖条件下，有源搜索与无源搜索过程中UAV决策时间分别降低了7%～21%和16%～31%，搜索效率分别提升了7%～13%和3%～7%。结果表明所提方法有效降低了UAV集群的决策时间，提升了搜索效率。
目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此，该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础，通过建立搜索区域的空间模型，进一步运用O-FCMA进行区域几何划分，并采用O-HPSO实现划分区域内的路径规划，以实现多UAV集群搜索总体任务的规划。仿真实验结果表明，采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比，在保证搜索区域全覆盖条件下，有源搜索与无源搜索过程中UAV决策时间分别降低了7%～21%和16%～31%，搜索效率分别提升了7%～13%和3%～7%。结果表明所提方法有效降低了UAV集群的决策时间，提升了搜索效率。
2022, 44(1): 195-202.
doi: 10.11999/JEIT201006
摘要:
为了让网络捕捉到更有效的内容来进行行人的判别，该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息。首先，在网络中引入阶梯型分支注意力模块，该模块以阶梯型对特征图进行水平分块，并且使用了分支注意力给每个分支分配不同的权重。其次，在网络中引入多尺度自适应注意力模块，该模块对局部特征进行处理，自适应调整感受野尺寸来适应不同尺度图像，同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上，使用多粒度网络将全局特征和局部特征进行结合。最后，该方法在3个被广泛使用的行人重识别数据集Market-1501，DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明，该文所提出的网络模型能够提高行人重识别准确率。
为了让网络捕捉到更有效的内容来进行行人的判别，该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息。首先，在网络中引入阶梯型分支注意力模块，该模块以阶梯型对特征图进行水平分块，并且使用了分支注意力给每个分支分配不同的权重。其次，在网络中引入多尺度自适应注意力模块，该模块对局部特征进行处理，自适应调整感受野尺寸来适应不同尺度图像，同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上，使用多粒度网络将全局特征和局部特征进行结合。最后，该方法在3个被广泛使用的行人重识别数据集Market-1501，DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明，该文所提出的网络模型能够提高行人重识别准确率。
2022, 44(1): 203-210.
doi: 10.11999/JEIT200934
摘要:
基于位置社交网络的兴趣点(POI)推荐是人们发现有趣位置的重要途径，然而，现实中用户在不同区域的地点偏好侧重的差异，加之高维度的历史签到信息，使得精准而又个性化的POI推荐极富挑战性。对此，该文提出一种新型的基于类别转移加权张量分解模型的兴趣点分区推荐算法(WTD-PR)。通过结合用户连续行为和时间特征，来充分利用用户的历史访问信息，从而得到类别转移权重因子；接着改进用户-时间-类别张量模型，在此张量中加入类别转移权重，预测用户的喜好类别；最后，根据用户的历史访问区域划分出本地和异地，并基于用户的当前位置找出推荐区域范畴，进而引入位置因素和社交因素，结合候选类别作兴趣点分区推荐。通过在真实数据集上进行对比实验，实验结果表明，所提算法不仅具有通用性，而且在推荐性能上也优于其他对比算法。
基于位置社交网络的兴趣点(POI)推荐是人们发现有趣位置的重要途径，然而，现实中用户在不同区域的地点偏好侧重的差异，加之高维度的历史签到信息，使得精准而又个性化的POI推荐极富挑战性。对此，该文提出一种新型的基于类别转移加权张量分解模型的兴趣点分区推荐算法(WTD-PR)。通过结合用户连续行为和时间特征，来充分利用用户的历史访问信息，从而得到类别转移权重因子；接着改进用户-时间-类别张量模型，在此张量中加入类别转移权重，预测用户的喜好类别；最后，根据用户的历史访问区域划分出本地和异地，并基于用户的当前位置找出推荐区域范畴，进而引入位置因素和社交因素，结合候选类别作兴趣点分区推荐。通过在真实数据集上进行对比实验，实验结果表明，所提算法不仅具有通用性，而且在推荐性能上也优于其他对比算法。
2022, 44(1): 211-220.
doi: 10.11999/JEIT201003
摘要:
针对现实场景中行人图像被遮挡以及行人姿态或视角变化造成的未对齐问题，该文提出一种基于多样化局部注意力网络(DLAN)的行人重识别(Re-ID)方法。首先，在骨干网络后分别设计了全局网络和多分支局部注意力网络，一方面学习全局的人体空间结构特征，另一方面自适应地获取人体不同部位的显著性局部特征；然后，构造了一致性激活惩罚函数引导各局部分支学习不同身体区域的互补特征，从而获取行人的多样化特征表示；最后，将全局特征与局部特征集成到分类识别网络中，通过联合学习形成更全面的行人描述。在Market1501, DukeMTMC-reID和CUHK03行人重识别数据集上，DLAN模型的mAP值分别达到了88.4%, 79.5%和74.3%，Rank-1值分别达到了95.1%, 88.7%和76.3%，明显优于大多数现有方法，实验结果充分验证了所提方法的鲁棒性和判别能力。
针对现实场景中行人图像被遮挡以及行人姿态或视角变化造成的未对齐问题，该文提出一种基于多样化局部注意力网络(DLAN)的行人重识别(Re-ID)方法。首先，在骨干网络后分别设计了全局网络和多分支局部注意力网络，一方面学习全局的人体空间结构特征，另一方面自适应地获取人体不同部位的显著性局部特征；然后，构造了一致性激活惩罚函数引导各局部分支学习不同身体区域的互补特征，从而获取行人的多样化特征表示；最后，将全局特征与局部特征集成到分类识别网络中，通过联合学习形成更全面的行人描述。在Market1501, DukeMTMC-reID和CUHK03行人重识别数据集上，DLAN模型的mAP值分别达到了88.4%, 79.5%和74.3%，Rank-1值分别达到了95.1%, 88.7%和76.3%，明显优于大多数现有方法，实验结果充分验证了所提方法的鲁棒性和判别能力。
2022, 44(1): 221-229.
doi: 10.11999/JEIT200817
摘要:
针对当前人机交互系统机器人存在背景知识缺乏、回复连贯性不高的问题，该文提出一种基于知识图谱波纹网络的人机交互模型。为实现更加自然且智能化的人机交互系统，该文模型模拟了真实的人与人交流过程。首先，通过计算人机交互情感评估值和人机交互情感确信度得到人机交互情感友好度。然后，引入外部知识图谱作为机器人的背景知识，将对话实体嵌入知识图谱波纹网络获取参与人潜在的感兴趣的实体内容。最后，综合考量情感友好度和内容友好度给出机器人回复。实验结果表明，与对比模型相比，拥有背景知识且加入情感度量的机器人在进行人机交互时，其情感友好度与连贯性能够得到有效提升。
针对当前人机交互系统机器人存在背景知识缺乏、回复连贯性不高的问题，该文提出一种基于知识图谱波纹网络的人机交互模型。为实现更加自然且智能化的人机交互系统，该文模型模拟了真实的人与人交流过程。首先，通过计算人机交互情感评估值和人机交互情感确信度得到人机交互情感友好度。然后，引入外部知识图谱作为机器人的背景知识，将对话实体嵌入知识图谱波纹网络获取参与人潜在的感兴趣的实体内容。最后，综合考量情感友好度和内容友好度给出机器人回复。实验结果表明，与对比模型相比，拥有背景知识且加入情感度量的机器人在进行人机交互时，其情感友好度与连贯性能够得到有效提升。
2022, 44(1): 230-236.
doi: 10.11999/JEIT200933
摘要:
传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限，考虑到以上问题，该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC)，能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行，随机选择4路信号与混合矩阵进行卷积混合，实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果，结果显示，该算法能够有效地分离出多路源信号并去卷积。
传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限，考虑到以上问题，该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC)，能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行，随机选择4路信号与混合矩阵进行卷积混合，实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果，结果显示，该算法能够有效地分离出多路源信号并去卷积。
2022, 44(1): 237-244.
doi: 10.11999/JEIT200792
摘要:
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时，显著提高融合后的多光谱图像的空间分辨率，该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征，然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成，可以在不同的空间感受野下进行特征提取，能够多尺度学习图像信息。最后，构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验，结果表明，所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时，显著提高融合后的多光谱图像的空间分辨率，该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征，然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成，可以在不同的空间感受野下进行特征提取，能够多尺度学习图像信息。最后，构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验，结果表明，所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。
2022, 44(1): 245-253.
doi: 10.11999/JEIT200779
摘要:
目前，大多数推荐系统都具有评分数据稀疏性的问题，它会限制模型的有效性。而用户对于某件商品撰写的评论中隐含了很多信息，对评论文本进行情感分析并提取关键的因素来用于模型的学习，可以有效地缓解数据稀疏问题，但仅使用评论数据而忽略了评分数据的主要因素会影响推荐精度。对此，为了进一步提高推荐精度，该文提出一个评论文本和评分矩阵交互(RTRM)的深度模型，该模型能够提取评论文本和评分矩阵的深层次特征，并结合它们进行评分预测；其次，通过使用预训练的Electra模型得到每条评论的隐表达，并结合深度情感分析及注意力机制实现从上下文语义层面对评论文本的分析，解决了短文本的语义难以分析的问题；同时，在融合层模块中，用户(物品)评论和评分矩阵进行交互，最终预测出用户对商品的评分；最后，在6组数据集上，采用均方误差(MSE)进行性能对比实验，实验结果表明该文模型性能优于其他系统，且平均预测误差最大降低了12.821%，该模型适用于向用户推荐精确的物品。
目前，大多数推荐系统都具有评分数据稀疏性的问题，它会限制模型的有效性。而用户对于某件商品撰写的评论中隐含了很多信息，对评论文本进行情感分析并提取关键的因素来用于模型的学习，可以有效地缓解数据稀疏问题，但仅使用评论数据而忽略了评分数据的主要因素会影响推荐精度。对此，为了进一步提高推荐精度，该文提出一个评论文本和评分矩阵交互(RTRM)的深度模型，该模型能够提取评论文本和评分矩阵的深层次特征，并结合它们进行评分预测；其次，通过使用预训练的Electra模型得到每条评论的隐表达，并结合深度情感分析及注意力机制实现从上下文语义层面对评论文本的分析，解决了短文本的语义难以分析的问题；同时，在融合层模块中，用户(物品)评论和评分矩阵进行交互，最终预测出用户对商品的评分；最后，在6组数据集上，采用均方误差(MSE)进行性能对比实验，实验结果表明该文模型性能优于其他系统，且平均预测误差最大降低了12.821%，该模型适用于向用户推荐精确的物品。
2022, 44(1): 254-260.
doi: 10.11999/JEIT200477
摘要:
为了发展快速稳定的广义特征向量估计算法，该文提出基于神经网络的新型单维广义特征向量估计算法；通过分析该算法的所有平衡点证明了当且仅当神经网络权向量等于最小广义特征值对应的广义特征向量时该算法达到稳定状态；利用确定性离散时间分析方法完成了所提算法的动态特性分析，给出了保证算法收敛的边界条件；通过膨胀技术将单维算法扩展为多维广义特征向量估计算法，该算法可以根据实际需要增加提取广义特征向量的数量。仿真实验表明所提算法具有很好地收敛性，而且收敛速度优于一些现有算法。
为了发展快速稳定的广义特征向量估计算法，该文提出基于神经网络的新型单维广义特征向量估计算法；通过分析该算法的所有平衡点证明了当且仅当神经网络权向量等于最小广义特征值对应的广义特征向量时该算法达到稳定状态；利用确定性离散时间分析方法完成了所提算法的动态特性分析，给出了保证算法收敛的边界条件；通过膨胀技术将单维算法扩展为多维广义特征向量估计算法，该算法可以根据实际需要增加提取广义特征向量的数量。仿真实验表明所提算法具有很好地收敛性，而且收敛速度优于一些现有算法。
2022, 44(1): 261-270.
doi: 10.11999/JEIT200931
摘要:
传统暗原色理论的相关算法，在处理雾天图像时会产生颜色的畸变和亮度的损失，针对该情况，该文提出基于权重多曝光融合的单幅雾天图像复原算法。首先通过雾天图像的直方图分析，获取全局大气背景光值的区域。其次构造一种新的Kirsh算子的高阶差分滤波方法，优化透射率图像。最后设计一种基于显著性权重的多曝光图像融合方法，提高处理后图像的视觉效果。该文采用自然图像和合成图像进行实验，与多种算法通过主观和客观评价，表明该文算法比现有的算法有更高的复原效果。
传统暗原色理论的相关算法，在处理雾天图像时会产生颜色的畸变和亮度的损失，针对该情况，该文提出基于权重多曝光融合的单幅雾天图像复原算法。首先通过雾天图像的直方图分析，获取全局大气背景光值的区域。其次构造一种新的Kirsh算子的高阶差分滤波方法，优化透射率图像。最后设计一种基于显著性权重的多曝光图像融合方法，提高处理后图像的视觉效果。该文采用自然图像和合成图像进行实验，与多种算法通过主观和客观评价，表明该文算法比现有的算法有更高的复原效果。
2022, 44(1): 271-278.
doi: 10.11999/JEIT200829
摘要:
具有理想自相关特性的序列在无线通信、雷达以及密码学中具有重要的作用。因此为了扩展更多可应用于通信系统的理想序列，该文基于2阶分圆类和中国剩余定理，提出3类新的周期为\begin{document}$T = 4v$\end{document} ![]()
![]()
\begin{document}$v \equiv 3{\text{ }}\left( {{\rm{mod}} 4} \right)$\end{document} ![]()
![]()
\begin{document}$\left\{ {0, - 4} \right\}$\end{document} ![]()
![]()
\begin{document}$\left\{ {0, 4, - 4} \right\}$\end{document} ![]()
![]()
\begin{document}$v \equiv 1{\text{ }}\left( {{\rm{mod}} 4} \right)$\end{document} ![]()
![]()
\begin{document}$\left\{ {0, 4, - 4} \right\}$\end{document} ![]()
![]()
\begin{document}$v$\end{document} ![]()
![]()
具有理想自相关特性的序列在无线通信、雷达以及密码学中具有重要的作用。因此为了扩展更多可应用于通信系统的理想序列，该文基于2阶分圆类和中国剩余定理，提出3类新的周期为
2022, 44(1): 279-287.
doi: 10.11999/JEIT200893
摘要:
在基于区块链的医疗数据共享系统中为防御恶意节点攻击并且提高共识效率，该文提出基于信用等级划分的医疗数据安全共识算法(SCA_MD)。首先，在SCA_MD中，考虑由数据节点、共识节点和监管节点组成的医疗区块共识模型，提出相应的节点身份验证机制，实现快速验证。其次，提出基于海洋掠食者的自我优化信用等级划分算法(SCRD)，以限制恶意节点共识权力。最后改进代表节点选举机制和共识机制，提高共识的效率。实验结果表明：不管恶意节点数量如何变化，SCA_MD都能提高交易吞吐量，降低平均交易时延和平均节点通信开销。
在基于区块链的医疗数据共享系统中为防御恶意节点攻击并且提高共识效率，该文提出基于信用等级划分的医疗数据安全共识算法(SCA_MD)。首先，在SCA_MD中，考虑由数据节点、共识节点和监管节点组成的医疗区块共识模型，提出相应的节点身份验证机制，实现快速验证。其次，提出基于海洋掠食者的自我优化信用等级划分算法(SCRD)，以限制恶意节点共识权力。最后改进代表节点选举机制和共识机制，提高共识的效率。实验结果表明：不管恶意节点数量如何变化，SCA_MD都能提高交易吞吐量，降低平均交易时延和平均节点通信开销。
2022, 44(1): 288-294.
doi: 10.11999/JEIT200844
摘要:
多控制器体系结构的出现，解决了经典软件定义网络(SDN)架构控制层以单一集中控制器为主，在大规模网络环境中的可扩展性问题。在多控制器体系结构中，由于生成转发规则并将其填充到交换机的任务被委托给了控制器，网络的性能在很大程度上取决于控制器的放置。该文以降低总时延和均衡控制器间负载为目标，提出了一种基于子网划分的多控制器部署算法(MCPA)。该算法改造谱聚类算法以保证网络连通性并加入离群点处理算法和负载均衡处理算法。仿真结果表明，该算法能够有效地对网络进行划分，在保证网络总时延较低的情况下使各个控制器的负载保持均衡。
多控制器体系结构的出现，解决了经典软件定义网络(SDN)架构控制层以单一集中控制器为主，在大规模网络环境中的可扩展性问题。在多控制器体系结构中，由于生成转发规则并将其填充到交换机的任务被委托给了控制器，网络的性能在很大程度上取决于控制器的放置。该文以降低总时延和均衡控制器间负载为目标，提出了一种基于子网划分的多控制器部署算法(MCPA)。该算法改造谱聚类算法以保证网络连通性并加入离群点处理算法和负载均衡处理算法。仿真结果表明，该算法能够有效地对网络进行划分，在保证网络总时延较低的情况下使各个控制器的负载保持均衡。
2022, 44(1): 295-304.
doi: 10.11999/JEIT201069
摘要:
通过信息共享，车联网(IoV)为车辆提供各种应用，以提高道路安全和交通效率。然而，车辆之间的公开通信导致了车辆隐私泄露和各种攻击。因而，安全且保护隐私的信息共享方法是非常必要的，并且对车辆间通信的安全性和保密性提出了更高的要求，所以该文提出了一种支持批量验证的非线性对的无证书匿名认证方案。在该方案中，首先，采用无证书签名机制避免了证书管理和密钥托管问题；其次结合区域管理局生成的长期伪身份和自己生成的短期伪身份保证车辆的强匿名性和签名的新鲜性，避免路侧单元计算伪身份造成的身份泄露和时延；再次，采用无对的聚合签名提供批验证，减少车联网环境中路侧单元的计算量；最后，当发生恶意事件时，区域管理局可以追踪车辆的真实身份并由可信中心撤销该用户。安全性证明和分析表明，该方案具有高的安全性，并满足完整性、可追踪性、匿名性、可撤销性等安全要求。将该方案与现有的方案进行了比较，效率分析表明该方案更有效。
通过信息共享，车联网(IoV)为车辆提供各种应用，以提高道路安全和交通效率。然而，车辆之间的公开通信导致了车辆隐私泄露和各种攻击。因而，安全且保护隐私的信息共享方法是非常必要的，并且对车辆间通信的安全性和保密性提出了更高的要求，所以该文提出了一种支持批量验证的非线性对的无证书匿名认证方案。在该方案中，首先，采用无证书签名机制避免了证书管理和密钥托管问题；其次结合区域管理局生成的长期伪身份和自己生成的短期伪身份保证车辆的强匿名性和签名的新鲜性，避免路侧单元计算伪身份造成的身份泄露和时延；再次，采用无对的聚合签名提供批验证，减少车联网环境中路侧单元的计算量；最后，当发生恶意事件时，区域管理局可以追踪车辆的真实身份并由可信中心撤销该用户。安全性证明和分析表明，该方案具有高的安全性，并满足完整性、可追踪性、匿名性、可撤销性等安全要求。将该方案与现有的方案进行了比较，效率分析表明该方案更有效。
2022, 44(1): 305-313.
doi: 10.11999/JEIT201004
摘要:
针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题，该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上，利用BIRCH算法对流量特征进行聚类，通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程，以提高算法的聚类质量和性能鲁棒性。进一步，设计基于拐点的综合判决机制，结合预测、聚类结果对流量进行异常检测，保证方案的检测准确性。实验结果表明，所提方案在检测效果和检测性能稳定性上具有较为明显的优势。
针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题，该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上，利用BIRCH算法对流量特征进行聚类，通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程，以提高算法的聚类质量和性能鲁棒性。进一步，设计基于拐点的综合判决机制，结合预测、聚类结果对流量进行异常检测，保证方案的检测准确性。实验结果表明，所提方案在检测效果和检测性能稳定性上具有较为明显的优势。
2022, 44(1): 314-323.
doi: 10.11999/JEIT201065
摘要:
车联网异构节点由于其性能差异大、具有移动性等原因会造成区块链共识算法交易吞吐率低、交易时延较大等问题，该文提出面向车联网异构节点的区块链高效一致性共识算法(ECCA)。首先，在ECCA中，考虑由验证节点、一般节点和恶意节点组成的车联网异构节点，提出一种信用等级机制，实现信用等级划分和3类异构节点的划分。其次，提出一种跨区下的节点身份变更机制，及时调整当前区域内的节点身份。最后，提出一种改进的一致性共识算法，满足车联网的时效性需求。仿真结果表明：ECCA算法降低性能较差的一般节点和恶意节点对区块共识效率的影响，提高交易吞吐量，降低平均交易时延和平均节点通信开销。
车联网异构节点由于其性能差异大、具有移动性等原因会造成区块链共识算法交易吞吐率低、交易时延较大等问题，该文提出面向车联网异构节点的区块链高效一致性共识算法(ECCA)。首先，在ECCA中，考虑由验证节点、一般节点和恶意节点组成的车联网异构节点，提出一种信用等级机制，实现信用等级划分和3类异构节点的划分。其次，提出一种跨区下的节点身份变更机制，及时调整当前区域内的节点身份。最后，提出一种改进的一致性共识算法，满足车联网的时效性需求。仿真结果表明：ECCA算法降低性能较差的一般节点和恶意节点对区块共识效率的影响，提高交易吞吐量，降低平均交易时延和平均节点通信开销。
2022, 44(1): 324-331.
doi: 10.11999/JEIT200924
摘要:
为解决其他访问控制机制向基于属性的访问控制机制迁移过程中所面临的策略生成问题，该文提出一种基于访问控制日志的访问控制策略生成方法，利用基于机器学习分类器的递归属性消除法实现策略属性的选择，基于信息不纯度从日志记录中提炼出蕴含的属性-权限关系，结合实体属性选择的结果，构建策略结构树，实现基于属性的访问控制(ABAC)策略的生成，并设计了基于二分搜索的策略生成优化算法实现对最优策略生成结果的快速计算。实验结果表明，只需原始实体属性集中32.56%的属性信息即可实现对日志中95%的策略覆盖，并且能够将策略规模压缩为原有规模的33.33%，证实了该方案的有效性，能够为ABAC策略管理提供有力支撑。
为解决其他访问控制机制向基于属性的访问控制机制迁移过程中所面临的策略生成问题，该文提出一种基于访问控制日志的访问控制策略生成方法，利用基于机器学习分类器的递归属性消除法实现策略属性的选择，基于信息不纯度从日志记录中提炼出蕴含的属性-权限关系，结合实体属性选择的结果，构建策略结构树，实现基于属性的访问控制(ABAC)策略的生成，并设计了基于二分搜索的策略生成优化算法实现对最优策略生成结果的快速计算。实验结果表明，只需原始实体属性集中32.56%的属性信息即可实现对日志中95%的策略覆盖，并且能够将策略规模压缩为原有规模的33.33%，证实了该方案的有效性，能够为ABAC策略管理提供有力支撑。
2022, 44(1): 332-338.
doi: 10.11999/JEIT200890
摘要:
信道建模与仿真是短波航空通信系统性能分析评估的基础，该文通过分析研究飞行器最大移动速度、加速度、机动频率、运动轨迹等机动状态参数对短波航空移动信道时变多普勒频移的影响，提出一种基于Watterson模型的短波航空移动信道模型。该模型能够充分描述由收发两端相对运动引入的信道多普勒频移与扩展，适用于短波超视距航空移动通信信道。仿真结果表明，该模型能够实现对不同种类不同机动状态飞行器短波移动通信信道的差异化仿真，还能在已知航线航迹时，实现对特定场景下的定制化信道仿真。
信道建模与仿真是短波航空通信系统性能分析评估的基础，该文通过分析研究飞行器最大移动速度、加速度、机动频率、运动轨迹等机动状态参数对短波航空移动信道时变多普勒频移的影响，提出一种基于Watterson模型的短波航空移动信道模型。该模型能够充分描述由收发两端相对运动引入的信道多普勒频移与扩展，适用于短波超视距航空移动通信信道。仿真结果表明，该模型能够实现对不同种类不同机动状态飞行器短波移动通信信道的差异化仿真，还能在已知航线航迹时，实现对特定场景下的定制化信道仿真。
2022, 44(1): 339-345.
doi: 10.11999/JEIT200922
摘要:
卫星信号掩盖技术利用具有强功率、特定参数特征的信号来掩盖信道中的通信信号，以达到保护信号波形安全的目的。但随着调制识别和串行干扰消除(SIC)技术的发展，采用常规调制方式的掩盖信号能够被非合作接收方破解。针对便携式卫星通信终端的安全通信需求，该文借鉴卫星成对载波多址(PCMA)中利用本地信号副本进行自干扰抵消的思想，分析了一种适用于便携式终端的卫星安全通信方法。同时引入加权类分数傅里叶变换(WFRFT)作为掩盖信号的调制方式，以增加非合作方识别与解调掩盖信号的难度。仿真表明该文所提方法提高了信号传输的安全性，且经过信号分离后系统的误码率损失在可接受范围内，适合实际使用。
卫星信号掩盖技术利用具有强功率、特定参数特征的信号来掩盖信道中的通信信号，以达到保护信号波形安全的目的。但随着调制识别和串行干扰消除(SIC)技术的发展，采用常规调制方式的掩盖信号能够被非合作接收方破解。针对便携式卫星通信终端的安全通信需求，该文借鉴卫星成对载波多址(PCMA)中利用本地信号副本进行自干扰抵消的思想，分析了一种适用于便携式终端的卫星安全通信方法。同时引入加权类分数傅里叶变换(WFRFT)作为掩盖信号的调制方式，以增加非合作方识别与解调掩盖信号的难度。仿真表明该文所提方法提高了信号传输的安全性，且经过信号分离后系统的误码率损失在可接受范围内，适合实际使用。
2022, 44(1): 346-353.
doi: 10.11999/JEIT200930
摘要:
在引入休眠机制的超密集异构无线网络中，针对网络动态性增强，导致切换性能下降的问题，该文提出一种基于改进深度Q学习的网络选择算法。首先，根据网络的动态性分析，构建深度Q学习选网模型；其次，将深度Q学习选网模型中线下训练模块的训练样本与权值，通过迁移学习，将其迁移到线上决策模块中；最后，利用迁移的训练样本及权值加速训练神经网络，得到最佳选网策略。实验结果表明，该文算法显著改善了因休眠机制导致的高动态性网络切换性能下降问题，同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。
在引入休眠机制的超密集异构无线网络中，针对网络动态性增强，导致切换性能下降的问题，该文提出一种基于改进深度Q学习的网络选择算法。首先，根据网络的动态性分析，构建深度Q学习选网模型；其次，将深度Q学习选网模型中线下训练模块的训练样本与权值，通过迁移学习，将其迁移到线上决策模块中；最后，利用迁移的训练样本及权值加速训练神经网络，得到最佳选网策略。实验结果表明，该文算法显著改善了因休眠机制导致的高动态性网络切换性能下降问题，同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。
2022, 44(1): 354-362.
doi: 10.11999/JEIT201030
摘要:
天波超视距雷达(简称天波雷达)(OTHR)通过电离层反射效应可实现对多种高价值目标的远程预警。天波雷达目标跟踪算法设计中，电离层建模对其跟踪性能至关重要。该文考虑现实中电离层的空间相关性，提出一种基于高斯马尔可夫随机场(GMRF)的电离层虚高模型，以及相应的天波雷达多路径目标跟踪方法。该方法在贝叶斯估计的基础上，对多路径杂波环境下目标状态估计与电离层虚高参数进行联合建模与估计。该方法有效建立起了不同电离层区域之间的相关性，能够在电离层量测有限的情况下推断未量测区域的电离层虚高，改善电离层虚高参数辨识精度，进而提高目标跟踪精度。仿真结果表明基于空间相关性的电离层模型可以有效改善天波雷达目标跟踪性能。
天波超视距雷达(简称天波雷达)(OTHR)通过电离层反射效应可实现对多种高价值目标的远程预警。天波雷达目标跟踪算法设计中，电离层建模对其跟踪性能至关重要。该文考虑现实中电离层的空间相关性，提出一种基于高斯马尔可夫随机场(GMRF)的电离层虚高模型，以及相应的天波雷达多路径目标跟踪方法。该方法在贝叶斯估计的基础上，对多路径杂波环境下目标状态估计与电离层虚高参数进行联合建模与估计。该方法有效建立起了不同电离层区域之间的相关性，能够在电离层量测有限的情况下推断未量测区域的电离层虚高，改善电离层虚高参数辨识精度，进而提高目标跟踪精度。仿真结果表明基于空间相关性的电离层模型可以有效改善天波雷达目标跟踪性能。
2022, 44(1): 363-371.
doi: 10.11999/JEIT200913
摘要:
当既定侦察区域存在多个数目未知且信号参数相似的脉冲串辐射源信号时，采用经典的多目标定位算法和直接定位算法(DPD)均无法对多个辐射源信号进行精确定位。该文提出了一种基于位置信息累积的脉冲串直接定位算法(L-DPD)。算法采用多个运动侦察站对固定目标辐射源进行信号接收，充分利用脉冲串信号的位置信息并联合各脉冲的时延、频移信息对目标进行直接定位，解决了经典的直接定位法无法对时频空域混叠信号有效定位的问题。同时该文推导了高斯白噪声背景下相参脉冲信号直接定位算法的克拉美罗界。仿真分析表明，算法可以对时频空域混叠信号进行高分辨高精度定位。
当既定侦察区域存在多个数目未知且信号参数相似的脉冲串辐射源信号时，采用经典的多目标定位算法和直接定位算法(DPD)均无法对多个辐射源信号进行精确定位。该文提出了一种基于位置信息累积的脉冲串直接定位算法(L-DPD)。算法采用多个运动侦察站对固定目标辐射源进行信号接收，充分利用脉冲串信号的位置信息并联合各脉冲的时延、频移信息对目标进行直接定位，解决了经典的直接定位法无法对时频空域混叠信号有效定位的问题。同时该文推导了高斯白噪声背景下相参脉冲信号直接定位算法的克拉美罗界。仿真分析表明，算法可以对时频空域混叠信号进行高分辨高精度定位。
2022, 44(1): 372-379.
doi: 10.11999/JEIT201024
摘要:
针对互质阵列产生连续延迟较少且冗余度高的问题，该文提出了两种基于互质阵列的稀疏设计方法。首先，通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响，得出互质阵列在去掉特定阵元后，将不改变连续延迟拓扑。然后，优化传感器阵列布局，在保持整个阵列的阵元数不变的条件下，增加阵列连续延迟数量。其后，分别推得了两种提出阵列设计方法的连续延迟和自由度相关的数学表达式。最后，以相同物理传感器和相同估计方法开展对比仿真，验证提出稀疏阵列设计的DOA估计性能。
针对互质阵列产生连续延迟较少且冗余度高的问题，该文提出了两种基于互质阵列的稀疏设计方法。首先，通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响，得出互质阵列在去掉特定阵元后，将不改变连续延迟拓扑。然后，优化传感器阵列布局，在保持整个阵列的阵元数不变的条件下，增加阵列连续延迟数量。其后，分别推得了两种提出阵列设计方法的连续延迟和自由度相关的数学表达式。最后，以相同物理传感器和相同估计方法开展对比仿真，验证提出稀疏阵列设计的DOA估计性能。
2022, 44(1): 380-389.
doi: 10.11999/JEIT201059
摘要:
SAR图像中舰船目标稀疏分布、锚框的设计，对现有基于锚框的SAR图像目标检测方法的精度和泛化性有较大影响，因此该文提出一种上下文信息融合与分支交互的SAR图像舰船目标无锚框检测方法，命名为CI-Net。考虑到SAR图中舰船尺度的多样性，在特征提取阶段设计上下文融合模块，以自底向上的方式融合高低层信息，结合目标上下文信息，细化提取到的待检测特征；其次，针对复杂场景中目标定位准确性不足的问题，提出分支交互模块，在检测阶段利用分类分支优化回归分支的检测框，改善目标定位框的精准性，同时将新增的IOU分支作用于分类分支，提高检测网络分类置信度，抑制低质量的检测框。实验结果表明：在公开的SSDD和SAR-Ship-Dataset数据集上，该文方法均取得了较好的检测效果，平均精度(AP)分别达到92.56%和88.32%，与其他SAR图舰船检测方法相比，该文方法不仅在精度上表现优异，在摒弃了与锚框有关的复杂计算后，较快的检测速度，对SAR图像实时目标检测也有一定的现实意义。
SAR图像中舰船目标稀疏分布、锚框的设计，对现有基于锚框的SAR图像目标检测方法的精度和泛化性有较大影响，因此该文提出一种上下文信息融合与分支交互的SAR图像舰船目标无锚框检测方法，命名为CI-Net。考虑到SAR图中舰船尺度的多样性，在特征提取阶段设计上下文融合模块，以自底向上的方式融合高低层信息，结合目标上下文信息，细化提取到的待检测特征；其次，针对复杂场景中目标定位准确性不足的问题，提出分支交互模块，在检测阶段利用分类分支优化回归分支的检测框，改善目标定位框的精准性，同时将新增的IOU分支作用于分类分支，提高检测网络分类置信度，抑制低质量的检测框。实验结果表明：在公开的SSDD和SAR-Ship-Dataset数据集上，该文方法均取得了较好的检测效果，平均精度(AP)分别达到92.56%和88.32%，与其他SAR图舰船检测方法相比，该文方法不仅在精度上表现优异，在摒弃了与锚框有关的复杂计算后，较快的检测速度，对SAR图像实时目标检测也有一定的现实意义。
2022, 44(1): 390-399.
doi: 10.11999/JEIT201095
摘要:
该文在一个经典3维混沌系统的基础上提出一个新的具有超级多稳定性的4维混沌系统。新系统具有一个线平衡点，可以产生无限多对称的同质吸引子。通过相轨图和庞加莱截面等方法分析了系统的混沌特性。重点利用相轨图、分岔图和Lyapunov指数谱等方法分析了初始条件对系统超级多稳定性的影响，分析表明该系统具有很大的初值变化范围，除零点外恒定的Lyapunov指数谱，中心对称的离散分岔图。进一步地，该文研究了系统初值对称性与吸引子对称性的关系，不同于现有混沌系统中的对称吸引子，该系统可以产生无限多对称的同质吸引子。最后，利用电路仿真软件搭建模拟电路捕捉该系统的混沌吸引子，其结果验证了数值仿真的正确性。
该文在一个经典3维混沌系统的基础上提出一个新的具有超级多稳定性的4维混沌系统。新系统具有一个线平衡点，可以产生无限多对称的同质吸引子。通过相轨图和庞加莱截面等方法分析了系统的混沌特性。重点利用相轨图、分岔图和Lyapunov指数谱等方法分析了初始条件对系统超级多稳定性的影响，分析表明该系统具有很大的初值变化范围，除零点外恒定的Lyapunov指数谱，中心对称的离散分岔图。进一步地，该文研究了系统初值对称性与吸引子对称性的关系，不同于现有混沌系统中的对称吸引子，该系统可以产生无限多对称的同质吸引子。最后，利用电路仿真软件搭建模拟电路捕捉该系统的混沌吸引子，其结果验证了数值仿真的正确性。
2022, 44(1): 400-407.
doi: 10.11999/JEIT200947
摘要:
该文提出一种在单输入控制器下基于忆阻器的混沌同步模拟电路设计及其实现方法，并将它应用于基于忆阻混沌同步的保密通信。首先，基于混沌同步理论，构建了混沌同步系统及保密通信模型，并设计实现了一种4阶压控忆阻混沌电路和混沌加密解密电路。其次，将所设计的忆阻混沌电路作为混沌驱动和响应电路，根据它们的误差系统设计了一种单输入混沌同步控制器，并将其实现于忆阻混沌同步电路当中。最后，完成了基于忆阻混沌同步的保密通信电路实验。实验结果表明，所设计忆阻混沌同步电路结构简单、操作方便、波形良好，在单输入控制器下电路能够快速同步并保持稳定，且在保密通信实验中信号还原度高、受损程度小、抗破译能力强，具有一定的理论意义与潜在的实用价值。
该文提出一种在单输入控制器下基于忆阻器的混沌同步模拟电路设计及其实现方法，并将它应用于基于忆阻混沌同步的保密通信。首先，基于混沌同步理论，构建了混沌同步系统及保密通信模型，并设计实现了一种4阶压控忆阻混沌电路和混沌加密解密电路。其次，将所设计的忆阻混沌电路作为混沌驱动和响应电路，根据它们的误差系统设计了一种单输入混沌同步控制器，并将其实现于忆阻混沌同步电路当中。最后，完成了基于忆阻混沌同步的保密通信电路实验。实验结果表明，所设计忆阻混沌同步电路结构简单、操作方便、波形良好，在单输入控制器下电路能够快速同步并保持稳定，且在保密通信实验中信号还原度高、受损程度小、抗破译能力强，具有一定的理论意义与潜在的实用价值。
2022, 44(1): 408-414.
摘要:
该文首先简要介绍了2021年国家自然科学基金分类评审机制以及“负责任、讲信誉、计贡献”（RCC）评审机制等主要改革举措；其次按照四类科学问题属性对2021年信息一处面上、青年、地区、重点和优青项目申请的受理和资助情况进行了统计和分析；然后根据RCC试点方案，对科学处通讯评审的“负责任”、“计贡献”两项指标进行了相关信息的分析；最后分析了申请代码与研究方向选择中的问题，并对专家维护、更新专家库信息和评审意见撰写提出了建议。
该文首先简要介绍了2021年国家自然科学基金分类评审机制以及“负责任、讲信誉、计贡献”（RCC）评审机制等主要改革举措；其次按照四类科学问题属性对2021年信息一处面上、青年、地区、重点和优青项目申请的受理和资助情况进行了统计和分析；然后根据RCC试点方案，对科学处通讯评审的“负责任”、“计贡献”两项指标进行了相关信息的分析；最后分析了申请代码与研究方向选择中的问题，并对专家维护、更新专家库信息和评审意见撰写提出了建议。
