邮件订阅
2022年 第44卷 第10期
显示方式:
2022, 44(10): 3343-3352.
doi: 10.11999/JEIT220380
摘要:
基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。
基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。
2022, 44(10): 3353-3362.
doi: 10.11999/JEIT220375
摘要:
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题，该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题，该方法通过级联多尺度原始图像与相应的特征图像，以获得更优异的细节保持效果，并实现从较浅层到较深层快速预测残差的能力。此外，引入联合密集网络块和递归块，通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题，提出Charbonnier和结构相似度 (SSIM) 联合损失函数。经仿真实验分析，所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题，该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题，该方法通过级联多尺度原始图像与相应的特征图像，以获得更优异的细节保持效果，并实现从较浅层到较深层快速预测残差的能力。此外，引入联合密集网络块和递归块，通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题，提出Charbonnier和结构相似度 (SSIM) 联合损失函数。经仿真实验分析，所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。
2022, 44(10): 3363-3371.
doi: 10.11999/JEIT211012
摘要:
光在水下传播时由于受到水体吸收和散射作用的影响，导致水下图像质量严重退化。为了有效去除色偏和模糊，改善水下图像质量，该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察，提出了水下图像背景光偏移假设，并基于此建立背景光修正成像模型；随后使用单目深度估计网络获得场景深度的估计，并结合背景光修正的水下成像模型，利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水；最后优化去水后的含雾图像的透射率，并结合修正后的背景光实现图像复原。实验结果表明，该文方法在恢复水下图像颜色和去除散射光方面效果良好。
光在水下传播时由于受到水体吸收和散射作用的影响，导致水下图像质量严重退化。为了有效去除色偏和模糊，改善水下图像质量，该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察，提出了水下图像背景光偏移假设，并基于此建立背景光修正成像模型；随后使用单目深度估计网络获得场景深度的估计，并结合背景光修正的水下成像模型，利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水；最后优化去水后的含雾图像的透射率，并结合修正后的背景光实现图像复原。实验结果表明，该文方法在恢复水下图像颜色和去除散射光方面效果良好。
2022, 44(10): 3372-3378.
doi: 10.11999/JEIT210761
摘要:
针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题，该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时，利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络，记作SSD-MV2SDB，并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上，SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明，SSD-MV2SDB适用于水下图像感兴趣目标检测任务。
针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题，该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时，利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络，记作SSD-MV2SDB，并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上，SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明，SSD-MV2SDB适用于水下图像感兴趣目标检测任务。
2022, 44(10): 3379-3388.
doi: 10.11999/JEIT211593
摘要:
针对低光照条件下拍摄图像质量低下的问题，该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数，再由内层迭代进行图像增强，增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络，最终通过多轮迭代生成高质量的图像。在该框架下，还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块，并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明，该方法可有效将低光照图像增强为高质量的清晰图像，其性能优于现有的同类方法。同时该方法基于零样本学习，不需任何训练数据集，具有良好的普适性。
针对低光照条件下拍摄图像质量低下的问题，该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数，再由内层迭代进行图像增强，增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络，最终通过多轮迭代生成高质量的图像。在该框架下，还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块，并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明，该方法可有效将低光照图像增强为高质量的清晰图像，其性能优于现有的同类方法。同时该方法基于零样本学习，不需任何训练数据集，具有良好的普适性。
2022, 44(10): 3389-3398.
doi: 10.11999/JEIT211517
摘要:
水介质的吸收和散射特性致使水下图像存在不同类型的失真，严重影响后续处理的准确性和有效性。目前有监督学习的水下图像增强方法依靠合成的水下配对图像集进行训练，然而由于合成的数据可能无法准确地模拟水下成像的基本物理机制，所以监督学习的方法很难应用于实际的应用场景。该文提出一种基于特征解耦的无监督水下图像增强方法，一方面，考虑获取同一场景下的清晰-非清晰配对数据集难度大且成本高，提出采用循环生成对抗网络将水下图像增强问题转换成风格迁移问题，实现无监督学习；另一方面，结合特征解耦方法分别提取图像的风格特征和结构特征，保证增强前后图像的结构一致性。实验结果表明，该方法可以在非配对数据训练的情况下，能够有效恢复水下图像的颜色和纹理细节。
水介质的吸收和散射特性致使水下图像存在不同类型的失真，严重影响后续处理的准确性和有效性。目前有监督学习的水下图像增强方法依靠合成的水下配对图像集进行训练，然而由于合成的数据可能无法准确地模拟水下成像的基本物理机制，所以监督学习的方法很难应用于实际的应用场景。该文提出一种基于特征解耦的无监督水下图像增强方法，一方面，考虑获取同一场景下的清晰-非清晰配对数据集难度大且成本高，提出采用循环生成对抗网络将水下图像增强问题转换成风格迁移问题，实现无监督学习；另一方面，结合特征解耦方法分别提取图像的风格特征和结构特征，保证增强前后图像的结构一致性。实验结果表明，该方法可以在非配对数据训练的情况下，能够有效恢复水下图像的颜色和纹理细节。
2022, 44(10): 3399-3408.
doi: 10.11999/JEIT211131
摘要:
针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题，该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架，以移位窗口多头自注意力模型为基础，构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域，建立图像特征信息之间的长期依赖关系，能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验，主观感受上，该文方法显著提升了图像亮度，抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息；在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面，该方法较其他方法的最优值分别提高了0.35 dB, 0.041和0.031。实验结果表明，该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标，具有一定的应用价值。
针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题，该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架，以移位窗口多头自注意力模型为基础，构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域，建立图像特征信息之间的长期依赖关系，能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验，主观感受上，该文方法显著提升了图像亮度，抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息；在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面，该方法较其他方法的最优值分别提高了0.35 dB, 0.041和0.031。实验结果表明，该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标，具有一定的应用价值。
2022, 44(10): 3409-3418.
doi: 10.11999/JEIT220381
摘要:
针对合成雾霾图像训练的去雾模型在真实场景中去雾效果不佳、对高层视觉任务性能提升不明显等问题，该文提出一种基于多先验约束和一致性正则的半监督图像去雾算法。该方法采用编码器-解码器网络结构，同时在合成雾霾图像与真实雾霾图像上学习去雾映射，并利用多种统计先验去雾结果作为真实雾霾图像参考真值进行半监督学习，同时通过多张真实雾霾图像的随机混合进行一致性正则约束，以消除多种先验去雾结果差异以及噪声干扰，提高图像去雾结果的视觉质量。实验对比结果表明，所提算法可比现有方法获得更好的真实场景去雾结果，并且能够显著提升高层视觉任务性能。
针对合成雾霾图像训练的去雾模型在真实场景中去雾效果不佳、对高层视觉任务性能提升不明显等问题，该文提出一种基于多先验约束和一致性正则的半监督图像去雾算法。该方法采用编码器-解码器网络结构，同时在合成雾霾图像与真实雾霾图像上学习去雾映射，并利用多种统计先验去雾结果作为真实雾霾图像参考真值进行半监督学习，同时通过多张真实雾霾图像的随机混合进行一致性正则约束，以消除多种先验去雾结果差异以及噪声干扰，提高图像去雾结果的视觉质量。实验对比结果表明，所提算法可比现有方法获得更好的真实场景去雾结果，并且能够显著提升高层视觉任务性能。
2022, 44(10): 3419-3426.
doi: 10.11999/JEIT220260
摘要:
将目标检测框架应用于水下声呐图像处理是近期的高热度话题，现有水下声呐目标检测方法多基于声呐图像的纹理特征识别不同物体，难以解决声呐图像中由于形状畸变造成的几何特征不稳定问题。为此，该文提出一种基于YOLOv3的水下物体检测模型YOLOv3F，该模型将从声呐图像中提取的纹理特征和从深度图中提取的空间几何特征相融合，利用深度图中相对稳定的空间几何特征弥补纹理特征表述能力的不足，再将融合后的特征用于目标检测。实验结果表明，所提改进模型的检测性能相较于3个基线模型在识别精度方面具有明显提升；在对单个类别的物体进行检测的情况下，与YOLOv3相比，改进模型也表现出了更出色的检测效果。
将目标检测框架应用于水下声呐图像处理是近期的高热度话题，现有水下声呐目标检测方法多基于声呐图像的纹理特征识别不同物体，难以解决声呐图像中由于形状畸变造成的几何特征不稳定问题。为此，该文提出一种基于YOLOv3的水下物体检测模型YOLOv3F，该模型将从声呐图像中提取的纹理特征和从深度图中提取的空间几何特征相融合，利用深度图中相对稳定的空间几何特征弥补纹理特征表述能力的不足，再将融合后的特征用于目标检测。实验结果表明，所提改进模型的检测性能相较于3个基线模型在识别精度方面具有明显提升；在对单个类别的物体进行检测的情况下，与YOLOv3相比，改进模型也表现出了更出色的检测效果。
2022, 44(10): 3427-3434.
doi: 10.11999/JEIT211324
摘要:
目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现，对于不同风格或非均匀雾图数据集去雾效果较差，同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况，该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先，该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数，以加速模型训练收敛速度。其次，主干网络模型由3个子网组成：残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取，在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进，为衡量模型性能，模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题，可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。
目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现，对于不同风格或非均匀雾图数据集去雾效果较差，同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况，该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先，该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数，以加速模型训练收敛速度。其次，主干网络模型由3个子网组成：残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取，在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进，为衡量模型性能，模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题，可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。
2022, 44(10): 3435-3446.
doi: 10.11999/JEIT210787
摘要:
在高端智能安检系统研发中，如何使受检者在无接触正常行进过程中，对其实施人体是否携带隐匿违禁物的快速高效检测是具有挑战性的关键性技术。被动毫米波成像以其安全无害、穿透性强等突出优势而成为安检成像的热门选项。该文利用被动毫米波成像和可见光成像的优势互补，通过轻量级U-Net的深度学习，研究提出人体安检隐匿违禁物的高性能实时检测算法。首先构建和训练轻量级U-Net分割网络，进行被动毫米波图像(PMMWI)和可见光图像(VI)中人体轮廓的快速分割，实现人体与背景的有效分离，以获取疑似隐匿违禁物的轮廓信息。进而，以轻量级U-Net为工具，通过基于相似性测度的无监督学习方法进行被动毫米波人体轮廓图像与可见光人体轮廓图像的配准，以滤除虚警目标，并在可见光图像中进行疑似目标定位，得到单帧图像的检测结果。最后，通过序列多帧图像之检测结果的综合集成与推断，给出最终检测结果。通过在专门构建的数据集上的实验结果表明，该文所提方法的F1指标达到92.3%，展现出良好的性能优势。
在高端智能安检系统研发中，如何使受检者在无接触正常行进过程中，对其实施人体是否携带隐匿违禁物的快速高效检测是具有挑战性的关键性技术。被动毫米波成像以其安全无害、穿透性强等突出优势而成为安检成像的热门选项。该文利用被动毫米波成像和可见光成像的优势互补，通过轻量级U-Net的深度学习，研究提出人体安检隐匿违禁物的高性能实时检测算法。首先构建和训练轻量级U-Net分割网络，进行被动毫米波图像(PMMWI)和可见光图像(VI)中人体轮廓的快速分割，实现人体与背景的有效分离，以获取疑似隐匿违禁物的轮廓信息。进而，以轻量级U-Net为工具，通过基于相似性测度的无监督学习方法进行被动毫米波人体轮廓图像与可见光人体轮廓图像的配准，以滤除虚警目标，并在可见光图像中进行疑似目标定位，得到单帧图像的检测结果。最后，通过序列多帧图像之检测结果的综合集成与推断，给出最终检测结果。通过在专门构建的数据集上的实验结果表明，该文所提方法的F1指标达到92.3%，展现出良好的性能优势。
2022, 44(10): 3447-3457.
doi: 10.11999/JEIT210764
摘要:
脑电(EEG)是一种重要的脑功能成像技术，根据头皮记录的EEG信号重构皮层脑活动称为EEG源成像。然而脑源活动位置和尺寸的准确重构依然是一个挑战。为充分利用EEG和功能磁共振(fMRI)信号在时空分辨率上的互补信息，该文提出一个新的源成像方法——基于fMRI脑网络和时空约束的EEG源重构算法(FN-STCSI)。该方法在参数贝叶斯框架下，基于矩阵分解思想将源信号分解为若干时间基函数的线性组合。此外，为融合fMRI的高空间分辨率信息，FN-STCSI利用独立成分分析提取fMRI信号的功能网络，构建EEG源成像的空间协方差基，通过变分贝叶斯推断技术确定每个空间协方差基的相对贡献，实现EEG-fMRI融合。通过蒙特卡罗数值仿真和实验数据分析比较了FN-STCSI与现有算法在不同信噪比和不同先验条件下的性能，结果表明FN-STCSI能有效融合EEG-fMRI在时空上的互补信息，提高EEG弥散源成像的性能。
脑电(EEG)是一种重要的脑功能成像技术，根据头皮记录的EEG信号重构皮层脑活动称为EEG源成像。然而脑源活动位置和尺寸的准确重构依然是一个挑战。为充分利用EEG和功能磁共振(fMRI)信号在时空分辨率上的互补信息，该文提出一个新的源成像方法——基于fMRI脑网络和时空约束的EEG源重构算法(FN-STCSI)。该方法在参数贝叶斯框架下，基于矩阵分解思想将源信号分解为若干时间基函数的线性组合。此外，为融合fMRI的高空间分辨率信息，FN-STCSI利用独立成分分析提取fMRI信号的功能网络，构建EEG源成像的空间协方差基，通过变分贝叶斯推断技术确定每个空间协方差基的相对贡献，实现EEG-fMRI融合。通过蒙特卡罗数值仿真和实验数据分析比较了FN-STCSI与现有算法在不同信噪比和不同先验条件下的性能，结果表明FN-STCSI能有效融合EEG-fMRI在时空上的互补信息，提高EEG弥散源成像的性能。
2022, 44(10): 3458-3464.
doi: 10.11999/JEIT210323
摘要:
典型相关分析(CCA)作为一种经典的特征融合方法，广泛用于模式识别领域，其目标是学习相关投影方向使两组变量间的相关性最大，但其没有考虑样本的类标签信息和样本间的信息冗余(MDOCCA)，从而影响了融合后特征的监督敏感性和鉴别力。为此，该文提出一种标签敏感的多重集正交相关特征融合方法，该方法在典型相关分析理论基础上，将类标签信息嵌入到特征融合框架，同时加入正交约束确保融合特征最大限度的不相关，减少特征信息冗余，提高鉴别力。在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法。
典型相关分析(CCA)作为一种经典的特征融合方法，广泛用于模式识别领域，其目标是学习相关投影方向使两组变量间的相关性最大，但其没有考虑样本的类标签信息和样本间的信息冗余(MDOCCA)，从而影响了融合后特征的监督敏感性和鉴别力。为此，该文提出一种标签敏感的多重集正交相关特征融合方法，该方法在典型相关分析理论基础上，将类标签信息嵌入到特征融合框架，同时加入正交约束确保融合特征最大限度的不相关，减少特征信息冗余，提高鉴别力。在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法。
2022, 44(10): 3465-3475.
doi: 10.11999/JEIT210716
摘要:
轨迹预测是自动驾驶系统中的核心任务之一。现阶段基于深度学习的轨迹预测算法，涉及目标的信息表示、环境感知和运动推理。针对现有轨迹预测模型在运动推理过程中对行人社交动机考虑不足，无法有效预知场景中行人在不同社交条件下局部目的地的问题，该文提出一种条件端点局部目的地池化网络(CEPNET)。该网络通过条件变分自编码器推理潜在轨迹分布空间来学习历史观测轨迹在特定场景中的概率分布，构建条件端点局部特征推理算法，将条件端点作为局部目的地特征进行相似性特征编码，利用社交池化网络过滤掉场景中的干扰信号，融入自注意力社交掩码来增强行人的自我注意力。为验证算法各模块的可靠性，使用公开的行人鸟瞰数据集(BIWI)和塞浦路斯大学多人轨迹数据集(UCY)对CEPNET进行消融实验，并与平凡长短时记忆网络(Vanilla)、社交池化生成对抗网络(SGAN)和图注意力生成对抗网络(S-BiGAT)等先进轨迹预测算法进行对比分析。在Trajnet++基准上的实验结果表明，CEPNET算法性能优于现有先进算法，并且与基准算法Vanilla相比，平均位移误差(ADE)降低22.52%，最终位移误差(FDE)降低20%，预测碰撞率Col-I降低9.75%，真值碰撞率Col-II降低9.15%。
轨迹预测是自动驾驶系统中的核心任务之一。现阶段基于深度学习的轨迹预测算法，涉及目标的信息表示、环境感知和运动推理。针对现有轨迹预测模型在运动推理过程中对行人社交动机考虑不足，无法有效预知场景中行人在不同社交条件下局部目的地的问题，该文提出一种条件端点局部目的地池化网络(CEPNET)。该网络通过条件变分自编码器推理潜在轨迹分布空间来学习历史观测轨迹在特定场景中的概率分布，构建条件端点局部特征推理算法，将条件端点作为局部目的地特征进行相似性特征编码，利用社交池化网络过滤掉场景中的干扰信号，融入自注意力社交掩码来增强行人的自我注意力。为验证算法各模块的可靠性，使用公开的行人鸟瞰数据集(BIWI)和塞浦路斯大学多人轨迹数据集(UCY)对CEPNET进行消融实验，并与平凡长短时记忆网络(Vanilla)、社交池化生成对抗网络(SGAN)和图注意力生成对抗网络(S-BiGAT)等先进轨迹预测算法进行对比分析。在Trajnet++基准上的实验结果表明，CEPNET算法性能优于现有先进算法，并且与基准算法Vanilla相比，平均位移误差(ADE)降低22.52%，最终位移误差(FDE)降低20%，预测碰撞率Col-I降低9.75%，真值碰撞率Col-II降低9.15%。
2022, 44(10): 3476-3484.
doi: 10.11999/JEIT210812
摘要:
精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中，视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置，但在非视距环境下难以工作。针对这一问题，该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先，利用每个机器人携带的多个UWB节点构成UWB阵列，通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度，利用里程计对非线性优化结果进行约束，通过图优化算法对滑动窗口内的相对位姿与里程计进行优化，保证了算法的实时性。然而，图优化过程中难以确定相对位姿估计的误差，对定位结果影响较大。因此，利用粒子滤波融合里程计和滑动窗口优化后的相对位姿，进一步提升相对姿态估计的精度。实验结果表明，该方法在12×6 m的室内环境中，能够达到0.312 m的平均定位误差以及4.903°平均角度误差，且具有良好的实时性。
精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中，视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置，但在非视距环境下难以工作。针对这一问题，该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先，利用每个机器人携带的多个UWB节点构成UWB阵列，通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度，利用里程计对非线性优化结果进行约束，通过图优化算法对滑动窗口内的相对位姿与里程计进行优化，保证了算法的实时性。然而，图优化过程中难以确定相对位姿估计的误差，对定位结果影响较大。因此，利用粒子滤波融合里程计和滑动窗口优化后的相对位姿，进一步提升相对姿态估计的精度。实验结果表明，该方法在12×6 m的室内环境中，能够达到0.312 m的平均定位误差以及4.903°平均角度误差，且具有良好的实时性。
2022, 44(10): 3485-3491.
doi: 10.11999/JEIT210729
摘要:
针对多输入多输出(MIMO)中继多用户系统的多址传输问题，为了提高系统可达速率和误码率性能，该文利用嵌套晶格码具有可达加性高斯白噪声信道容量的特性，设计一种基站和中继联合预编码的方法。基站端的嵌套晶格码结合矢量扰动(VP)预编码，以控制发送信号的功率。由于矢量扰动预编码和嵌套晶格码都存在相同的模运算步骤，因此在中继端的模运算抑制噪声功率的同时消除了冗余矢量。接着实现中继联合迫整数预编码方法，这种基站/中继混合预编码技术能够控制等效噪声功率，实现对蜂窝用户的有效信号传输。更进一步地，在给出整系数矩阵和扰动矢量矩阵的计算方法后，以最大化系统可达速率为目标对基站和中继的功率实现最优分配。实验结果表明，该方案在可达速率和误码性能方面优于现有方案。
针对多输入多输出(MIMO)中继多用户系统的多址传输问题，为了提高系统可达速率和误码率性能，该文利用嵌套晶格码具有可达加性高斯白噪声信道容量的特性，设计一种基站和中继联合预编码的方法。基站端的嵌套晶格码结合矢量扰动(VP)预编码，以控制发送信号的功率。由于矢量扰动预编码和嵌套晶格码都存在相同的模运算步骤，因此在中继端的模运算抑制噪声功率的同时消除了冗余矢量。接着实现中继联合迫整数预编码方法，这种基站/中继混合预编码技术能够控制等效噪声功率，实现对蜂窝用户的有效信号传输。更进一步地，在给出整系数矩阵和扰动矢量矩阵的计算方法后，以最大化系统可达速率为目标对基站和中继的功率实现最优分配。实验结果表明，该方案在可达速率和误码性能方面优于现有方案。
2022, 44(10): 3492-3498.
doi: 10.11999/JEIT210772
摘要:
为了提高物联网(IoT)节点的运行周期和能量利用率，该文提出一种多标签无线供电反向散射通信网络能效最大化资源分配算法。考虑传输速率约束、能量收集约束以及发射功率约束，建立了基于系统能效最大化的资源分配模型。利用Dinkelbach理论、2次变换以及变量替换法，将原分式非凸问题转化为可求解的凸优化问题。通过拉格朗日对偶理论求得优化问题的全局最优解。仿真结果表明，该算法具有较好的收敛性和能效。
为了提高物联网(IoT)节点的运行周期和能量利用率，该文提出一种多标签无线供电反向散射通信网络能效最大化资源分配算法。考虑传输速率约束、能量收集约束以及发射功率约束，建立了基于系统能效最大化的资源分配模型。利用Dinkelbach理论、2次变换以及变量替换法，将原分式非凸问题转化为可求解的凸优化问题。通过拉格朗日对偶理论求得优化问题的全局最优解。仿真结果表明，该算法具有较好的收敛性和能效。
2022, 44(10): 3499-3506.
doi: 10.11999/JEIT210768
摘要:
针对卫星通信中单-混信号调制类型识别效率低、准确性差等问题，该文提出一种基于高阶累积量和星座图聚类特性的调制识别算法。首先，根据4, 6阶累积量的属性特点构建3个特征参数，以识别多进制相移键控(MPSK)和部分多进制正交幅度调制(MQAM)调制类型，然后结合改进的星座图减法聚类算法分离出剩余调制样式，最后将参数联合，建立决策树分类器进行统一调度。该算法不依赖信号诸多先验信息，具有特征提取参数简单、识别种类多等特点。仿真结果表明，该算法在信噪比(SNR)10 dB下对卫星单-混信号的调制识别率仍能达到90%以上。
针对卫星通信中单-混信号调制类型识别效率低、准确性差等问题，该文提出一种基于高阶累积量和星座图聚类特性的调制识别算法。首先，根据4, 6阶累积量的属性特点构建3个特征参数，以识别多进制相移键控(MPSK)和部分多进制正交幅度调制(MQAM)调制类型，然后结合改进的星座图减法聚类算法分离出剩余调制样式，最后将参数联合，建立决策树分类器进行统一调度。该算法不依赖信号诸多先验信息，具有特征提取参数简单、识别种类多等特点。仿真结果表明，该算法在信噪比(SNR)10 dB下对卫星单-混信号的调制识别率仍能达到90%以上。
2022, 44(10): 3507-3515.
doi: 10.11999/JEIT210825
摘要:
针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题，该文提出基于卷积神经网络的信噪比分类算法，该算法利用卷积神经网络对信号进行特征提取，用固定K均值(FK-means)算法对提取的特征进行聚类处理，准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪，改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制，来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征，该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络，利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征，并进行特征融合与分类。实验表明，该文提出的调制信号分类模型识别准确率为91%，相比于卷积长短时(CNN-LSTM)网络提高了6%。
针对传统降噪算法损伤高信噪比(SNR)信号而造成信号识别准确率下降的问题，该文提出基于卷积神经网络的信噪比分类算法，该算法利用卷积神经网络对信号进行特征提取，用固定K均值(FK-means)算法对提取的特征进行聚类处理，准确分类高低信噪比信号。低信噪比信号采用改进的中值滤波算法降噪，改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制，来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征，该文提出卷积神经网络和长短时记忆网络并联的卷积长短时(P-CL)网络，利用卷积神经网络和长短时记忆网络分别提取信号的空间特征与时间特征，并进行特征融合与分类。实验表明，该文提出的调制信号分类模型识别准确率为91%，相比于卷积长短时(CNN-LSTM)网络提高了6%。
2022, 44(10): 3516-3523.
doi: 10.11999/JEIT210830
摘要:
VLC-WiFi异构网络已经成为广受欢迎的短距离无线通信方式之一。然而，有限的频谱资源导致VLC-WiFi异构网络容量难以满足井喷式增长的用户数据带宽需求。该文结合物理层的动态链路传输性能以及媒体访问控制层的队列缓冲延迟性能，定义链路传输性能和链路服务质量(QoS)感知等级评估公式，根据用户数据包QoS需求，设计QoS感知的跨层动态资源分配(QoS-CLDRA)方法，并引入非正交多址接入的用户匹配与功率分配策略，进一步提升系统的吞吐量。仿真结果表明：所提方法能够有效提升系统吞吐量和降低缓冲队列长度。
VLC-WiFi异构网络已经成为广受欢迎的短距离无线通信方式之一。然而，有限的频谱资源导致VLC-WiFi异构网络容量难以满足井喷式增长的用户数据带宽需求。该文结合物理层的动态链路传输性能以及媒体访问控制层的队列缓冲延迟性能，定义链路传输性能和链路服务质量(QoS)感知等级评估公式，根据用户数据包QoS需求，设计QoS感知的跨层动态资源分配(QoS-CLDRA)方法，并引入非正交多址接入的用户匹配与功率分配策略，进一步提升系统的吞吐量。仿真结果表明：所提方法能够有效提升系统吞吐量和降低缓冲队列长度。
2022, 44(10): 3524-3531.
doi: 10.11999/JEIT210802
摘要:
随着5G移动通信系统的发展部署以及网络性能的优化，高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景，使用目前5G热点频段700 MHz, 2.4 GHz, 3.5 GHz的实测数据，将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征，建立了基于3D电子地图的机器学习路径损耗预测模型，结果表明在复杂城市环境下，该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型。另外，该文提出了基于频率迁移学习的路径损耗预测模型，并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估。该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题，精确地预测城市环境中视距非视距混合信道的路径损耗值。
随着5G移动通信系统的发展部署以及网络性能的优化，高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景，使用目前5G热点频段700 MHz, 2.4 GHz, 3.5 GHz的实测数据，将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征，建立了基于3D电子地图的机器学习路径损耗预测模型，结果表明在复杂城市环境下，该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型。另外，该文提出了基于频率迁移学习的路径损耗预测模型，并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估。该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题，精确地预测城市环境中视距非视距混合信道的路径损耗值。
2022, 44(10): 3532-3540.
doi: 10.11999/JEIT210743
摘要:
针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题，该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型，然后提出一种基于分布式联邦学习框架协作训练预测模型，并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果，联合系统能耗优化和负载均衡，提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明，两种算法的结合有效地降低了网络系统能耗并保证负载均衡。
针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题，该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型，然后提出一种基于分布式联邦学习框架协作训练预测模型，并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果，联合系统能耗优化和负载均衡，提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明，两种算法的结合有效地降低了网络系统能耗并保证负载均衡。
2022, 44(10): 3541-3552.
doi: 10.11999/JEIT210775
摘要:
分布式ISAR成像中若发射波形非理想正交，传统的匹配滤波方法难以得到理想的距离像，进而会影响方位成像效果。基于稀疏的方法可代替匹配滤波进行距离像分离。该文在给出单次快拍时距离像稀疏表示模型后，通过调整收发阵元的时延，可以使多接收阵元的距离像具备联合块稀疏特性。随后采用1阶负指数函数(SOONE) 实现多观测向量联合块稀疏算法(MMV-JBlock)提升稀疏重构的效果。多次快拍时，在每个快拍时刻采取MMV-JBlock方法分离距离像。在对齐多通道距离像后，对方位相位中非关心方向运动和误差项进行补偿，最后也采用稀疏方法得到目标的方位像。仿真验证了在不同稀疏度和不同信噪比下所提算法的重构性能，并仿真实现了分布式ISAR对运动目标的成像，验证了所提方法的有效性。
分布式ISAR成像中若发射波形非理想正交，传统的匹配滤波方法难以得到理想的距离像，进而会影响方位成像效果。基于稀疏的方法可代替匹配滤波进行距离像分离。该文在给出单次快拍时距离像稀疏表示模型后，通过调整收发阵元的时延，可以使多接收阵元的距离像具备联合块稀疏特性。随后采用1阶负指数函数(SOONE) 实现多观测向量联合块稀疏算法(MMV-JBlock)提升稀疏重构的效果。多次快拍时，在每个快拍时刻采取MMV-JBlock方法分离距离像。在对齐多通道距离像后，对方位相位中非关心方向运动和误差项进行补偿，最后也采用稀疏方法得到目标的方位像。仿真验证了在不同稀疏度和不同信噪比下所提算法的重构性能，并仿真实现了分布式ISAR对运动目标的成像，验证了所提方法的有效性。
2022, 44(10): 3553-3565.
doi: 10.11999/JEIT210657
摘要:
当前卫星地面测试系统实时属性突出，但由于对数据挖掘分析不足，难以实现卫星系统级的健康诊断，需人工完成综合评估，存在效率低、通用性差等问题。该文提出一种多层次异构卫星系统综合评估方法，依据数据中缓变量、急变量和关键变量的特性，分别实现基于高斯分布模型、长短期记忆模型（LSTM）和统计模型的单项评估生成单因素模糊向量，采用离差最大化方法实现层次分析法和熵权法的主客观权值向量组合，基于模糊综合评判的方法对卫星状态进行全面综合评价，实现评估流程的自动化和智能化。在小卫星半实物仿真平台进行系统验证，结果表明该评估方法能有效地对卫星系统的健康状态进行全面评估。
当前卫星地面测试系统实时属性突出，但由于对数据挖掘分析不足，难以实现卫星系统级的健康诊断，需人工完成综合评估，存在效率低、通用性差等问题。该文提出一种多层次异构卫星系统综合评估方法，依据数据中缓变量、急变量和关键变量的特性，分别实现基于高斯分布模型、长短期记忆模型（LSTM）和统计模型的单项评估生成单因素模糊向量，采用离差最大化方法实现层次分析法和熵权法的主客观权值向量组合，基于模糊综合评判的方法对卫星状态进行全面综合评价，实现评估流程的自动化和智能化。在小卫星半实物仿真平台进行系统验证，结果表明该评估方法能有效地对卫星系统的健康状态进行全面评估。
2022, 44(10): 3566-3573.
doi: 10.11999/JEIT210724
摘要:
针对现有基于深度卷积神经网络(DCNNs)的逆合成孔径雷达(ISAR)目标识别方法在训练样本不足时性能下降甚至失效等问题，该文提出基于高斯原型网络(GPN)的小样本ISAR目标识别方法。该方法通过嵌入网络将ISAR像映射为嵌入向量，进而根据加权嵌入向量构建高斯原型，最终根据测试样本到原型的马氏距离预测目标类别。3类飞机目标实测数据的识别结果表明，该方法在小样本条件下可获得更高的平均识别精度。
针对现有基于深度卷积神经网络(DCNNs)的逆合成孔径雷达(ISAR)目标识别方法在训练样本不足时性能下降甚至失效等问题，该文提出基于高斯原型网络(GPN)的小样本ISAR目标识别方法。该方法通过嵌入网络将ISAR像映射为嵌入向量，进而根据加权嵌入向量构建高斯原型，最终根据测试样本到原型的马氏距离预测目标类别。3类飞机目标实测数据的识别结果表明，该方法在小样本条件下可获得更高的平均识别精度。
2022, 44(10): 3574-3582.
doi: 10.11999/JEIT210820
摘要:
针对现有的椭圆球面波函数(PSWFs)信号时频分析无显式表达式、数值仿真误差不可控、时频分布结果对称性缺失等问题，该文引入Legendre多项式以及Wigner-Ville分布(WVD)，提出一种PSWFs信号WVD显式渐近求解方法。该方法根据误差要求，生成所需阶数的Legendre多项式WVD自项、交叉项，进而与对应的WVD-Legendre系数相乘后线性叠加，获取PSWFs信号WVD显式渐近表达式。理论及数值仿真结果表明，所提方法能够产生满足误差要求的PSWFs信号WVD显式渐近表达式，且能够有效保持信号原有的时域、频域对称性。此外，在相同采样点数情况下，相对于基于数值解的PSWFs信号WVD，所提方法获得的PSWFs信号WVD频域分辨率更高。
针对现有的椭圆球面波函数(PSWFs)信号时频分析无显式表达式、数值仿真误差不可控、时频分布结果对称性缺失等问题，该文引入Legendre多项式以及Wigner-Ville分布(WVD)，提出一种PSWFs信号WVD显式渐近求解方法。该方法根据误差要求，生成所需阶数的Legendre多项式WVD自项、交叉项，进而与对应的WVD-Legendre系数相乘后线性叠加，获取PSWFs信号WVD显式渐近表达式。理论及数值仿真结果表明，所提方法能够产生满足误差要求的PSWFs信号WVD显式渐近表达式，且能够有效保持信号原有的时域、频域对称性。此外，在相同采样点数情况下，相对于基于数值解的PSWFs信号WVD，所提方法获得的PSWFs信号WVD频域分辨率更高。
2022, 44(10): 3583-3591.
doi: 10.11999/JEIT210696
摘要:
为实现在复杂多样的环境下人体姿势的识别，该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息，在采用具有噪声的基于密度的聚类算法(DBSCAN)和 Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取，然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征，并通过域鉴别器进一步获得与环境无关的特征，最终使用活动识别器获得姿势识别结果。为了实用性，在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明，在复杂的环境下该方法的识别精度可达到91.5%。
为实现在复杂多样的环境下人体姿势的识别，该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息，在采用具有噪声的基于密度的聚类算法(DBSCAN)和 Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取，然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征，并通过域鉴别器进一步获得与环境无关的特征，最终使用活动识别器获得姿势识别结果。为了实用性，在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明，在复杂的环境下该方法的识别精度可达到91.5%。
2022, 44(10): 3592-3601.
doi: 10.11999/JEIT210661
摘要:
针对增强型罗兰(eLORAN)系统在信号处理中的核心问题——周期识别，该文提出一种应对强天波干扰及低信噪比(SNR)等恶劣环境的联合算法。该方法首先在改进窗函数的基础上利用频谱相除技术估计信号特征参数，并根据大数理论的思想实现了天地波识别；其次，提出天地波时延差及幅度比的自适应2阶网格搜索匹配算法，在节省计算量的同时准确重构并去除天波；最后利用伪地波信号准确实现周期识别。仿真结果分析表明，该算法能够成功地克服现有技术中的一些弊端，实现小时延差及大强度天波干扰下的天波识别及分离，同时结合频谱相除技术的稳定性极大提高周期识别的正确率，进而为后续解调解码等流程提供保障。
针对增强型罗兰(eLORAN)系统在信号处理中的核心问题——周期识别，该文提出一种应对强天波干扰及低信噪比(SNR)等恶劣环境的联合算法。该方法首先在改进窗函数的基础上利用频谱相除技术估计信号特征参数，并根据大数理论的思想实现了天地波识别；其次，提出天地波时延差及幅度比的自适应2阶网格搜索匹配算法，在节省计算量的同时准确重构并去除天波；最后利用伪地波信号准确实现周期识别。仿真结果分析表明，该算法能够成功地克服现有技术中的一些弊端，实现小时延差及大强度天波干扰下的天波识别及分离，同时结合频谱相除技术的稳定性极大提高周期识别的正确率，进而为后续解调解码等流程提供保障。
2022, 44(10): 3602-3609.
doi: 10.11999/JEIT210763
摘要:
鉴于原Logistic映射的映射范围有限、混沌参数范围小、分布不均匀等缺陷，该文提出一个新的改进型Logistic混沌映射。该映射有\begin{document}$ \mu $\end{document} ![]()
![]()
\begin{document}$ \alpha $\end{document} ![]()
![]()
\begin{document}$ {x_{n - 1}} $\end{document} ![]()
![]()
\begin{document}$ {x_n} $\end{document} ![]()
![]()
鉴于原Logistic映射的映射范围有限、混沌参数范围小、分布不均匀等缺陷，该文提出一个新的改进型Logistic混沌映射。该映射有
2022, 44(10): 3610-3617.
doi: 10.11999/JEIT210747
摘要:
国产密码算法SM9是我国自主设计的标识密码方案，现已受到各界的广泛关注。为了解决现有属性签名(ABS)方案验签效率不高这一问题，该文基于国密SM9算法构造新的支持树形访问策略的属性签名方案，该方案的验签操作仅需1次双线性对映射和1次指数运算。此外，所提方案具有签名者身份可追踪功能，防止恶意签名者利用属性签名的匿名性进行非法签名操作，从而避免传统属性签名中无条件匿名性下的签名滥用问题。安全分析结果表明所提方案在随机谕言机模型下具有不可伪造性，同时也可抗合谋攻击。与现有的可追踪属性签名方案相比，所提方案的追踪算法效率更高，签名与验签开销也更低。实验结果表明，所提方案验签算法的计算复杂度与策略规模无关，完成1次验签算法仅需2 ms。
国产密码算法SM9是我国自主设计的标识密码方案，现已受到各界的广泛关注。为了解决现有属性签名(ABS)方案验签效率不高这一问题，该文基于国密SM9算法构造新的支持树形访问策略的属性签名方案，该方案的验签操作仅需1次双线性对映射和1次指数运算。此外，所提方案具有签名者身份可追踪功能，防止恶意签名者利用属性签名的匿名性进行非法签名操作，从而避免传统属性签名中无条件匿名性下的签名滥用问题。安全分析结果表明所提方案在随机谕言机模型下具有不可伪造性，同时也可抗合谋攻击。与现有的可追踪属性签名方案相比，所提方案的追踪算法效率更高，签名与验签开销也更低。实验结果表明，所提方案验签算法的计算复杂度与策略规模无关，完成1次验签算法仅需2 ms。
2022, 44(10): 3618-3626.
doi: 10.11999/JEIT210882
摘要:
随着智能交通系统(ITS)的建立，车载自组织网络(VANETs)在提高交通安全和效率方面发挥着重要的作用。由于车载自组织网络具有开放性和脆弱性特点，容易遭受各种安全威胁与攻击，这将阻碍其广泛应用。针对当前车载自组织网络传输中数据的认证性与完整性，以及车辆身份的隐私保护需求，该文提出一种智能车载自组织网络中的匿名在线注册与安全认证协议。协议让智能车辆在公开信道以匿名的方式向交通系统可信中心(TA)在线注册。可信中心证实智能车辆的真实身份后，无需搭建安全信道，在开放网络中颁发用于安全认证的签名私钥。车辆可以匿名发送实时交通信息到附近路边基站单元(RSU)，并得到有效认证与完整性检测。该协议使得可信中心可以有效追踪因发送伪造信息引起交通事故的匿名车辆。协议可以让路边基站单元同时对多个匿名车辆发送的交通信息进行批量认证。该协议做了详细的安全性分析和性能分析。性能比较结果表明，该协议在智能车辆端的计算开销以及在路边基站单元端的通信开销都具有明显优势，而且无需搭建安全信道就能够实现匿名在线注册，因此可以安全高效地部署在智能车载自组织网络环境。
随着智能交通系统(ITS)的建立，车载自组织网络(VANETs)在提高交通安全和效率方面发挥着重要的作用。由于车载自组织网络具有开放性和脆弱性特点，容易遭受各种安全威胁与攻击，这将阻碍其广泛应用。针对当前车载自组织网络传输中数据的认证性与完整性，以及车辆身份的隐私保护需求，该文提出一种智能车载自组织网络中的匿名在线注册与安全认证协议。协议让智能车辆在公开信道以匿名的方式向交通系统可信中心(TA)在线注册。可信中心证实智能车辆的真实身份后，无需搭建安全信道，在开放网络中颁发用于安全认证的签名私钥。车辆可以匿名发送实时交通信息到附近路边基站单元(RSU)，并得到有效认证与完整性检测。该协议使得可信中心可以有效追踪因发送伪造信息引起交通事故的匿名车辆。协议可以让路边基站单元同时对多个匿名车辆发送的交通信息进行批量认证。该协议做了详细的安全性分析和性能分析。性能比较结果表明，该协议在智能车辆端的计算开销以及在路边基站单元端的通信开销都具有明显优势，而且无需搭建安全信道就能够实现匿名在线注册，因此可以安全高效地部署在智能车载自组织网络环境。
2022, 44(10): 3627-3634.
doi: 10.11999/JEIT210878
摘要:
2019年，曹等人(doi: 10.11999/JEIT190166)提出了一个适用于多方合同签署环境中高效的无证书聚合签名方案，并证明了该方案在随机预言模型下存在不可伪造性。然而，通过安全性分析发现，该方案无法抵抗替换公钥攻击和内部签名者的联合攻击。为了解决上述安全缺陷，该文提出一个改进的无证书聚合签名方案。新方案不仅在随机预言模型下基于计算性Diffie-Hellman问题满足不可伪造性，同时也能够抵抗联合攻击。
2019年，曹等人(doi: 10.11999/JEIT190166)提出了一个适用于多方合同签署环境中高效的无证书聚合签名方案，并证明了该方案在随机预言模型下存在不可伪造性。然而，通过安全性分析发现，该方案无法抵抗替换公钥攻击和内部签名者的联合攻击。为了解决上述安全缺陷，该文提出一个改进的无证书聚合签名方案。新方案不仅在随机预言模型下基于计算性Diffie-Hellman问题满足不可伪造性，同时也能够抵抗联合攻击。
2022, 44(10): 3635-3642.
doi: 10.11999/JEIT210791
摘要:
近年来，不断有新的图像加密算法被提出，其安全性却未得到充分的分析和验证。该文对一种最新报道的图像加密算法的安全性进行了分析。所分析算法通过基于变步长约瑟夫遍历的像素置乱、基于DNA动态编码的像素替换及像素行列扩散来完成图像加密。分析表明，该算法的秘密密钥设计不具有实用性，加密过程也存在缺陷。在选择明文攻击条件下，对该算法的加密过程进行了密码分析，并提出了相应的攻击算法。仿真实验和理论分析确认了所提攻击算法的有效性与可行性。最后，针对所分析算法及部分图像加密算法中存在的问题，提出了改进建议。
近年来，不断有新的图像加密算法被提出，其安全性却未得到充分的分析和验证。该文对一种最新报道的图像加密算法的安全性进行了分析。所分析算法通过基于变步长约瑟夫遍历的像素置乱、基于DNA动态编码的像素替换及像素行列扩散来完成图像加密。分析表明，该算法的秘密密钥设计不具有实用性，加密过程也存在缺陷。在选择明文攻击条件下，对该算法的加密过程进行了密码分析，并提出了相应的攻击算法。仿真实验和理论分析确认了所提攻击算法的有效性与可行性。最后，针对所分析算法及部分图像加密算法中存在的问题，提出了改进建议。
2022, 44(10): 3643-3649.
doi: 10.11999/JEIT210720
摘要:
线性码在数据存储、信息安全以及秘密共享等领域具有重要的作用。而极小线性码是设计秘密共享方案的首选码，设计极小线性码是当前密码与编码研究的重要内容之一。该文首先选取恰当的布尔函数，研究了函数的Walsh谱值分布，并利用布尔函数的Walsh谱值分布构造了两类极小线性码，确定了码的参数及重量分布。结果表明，所构造的码是不满足Ashikhmin-Barg条件的极小线性码，可用作设计具有良好访问结构的秘密共享方案。
线性码在数据存储、信息安全以及秘密共享等领域具有重要的作用。而极小线性码是设计秘密共享方案的首选码，设计极小线性码是当前密码与编码研究的重要内容之一。该文首先选取恰当的布尔函数，研究了函数的Walsh谱值分布，并利用布尔函数的Walsh谱值分布构造了两类极小线性码，确定了码的参数及重量分布。结果表明，所构造的码是不满足Ashikhmin-Barg条件的极小线性码，可用作设计具有良好访问结构的秘密共享方案。
2022, 44(10): 3650-3656.
doi: 10.11999/JEIT210697
摘要:
与传统存储方式相比，脱氧核糖核酸(DNA)存储的难点是测序序列中的插入和删除错误给信息解码过程带来了巨大挑战。针对具有1位纠错能力的前向纠错编码DNA存储，该文提出一种桶式分配策略提高解码的精度和效率。首先，搜索每个分组中所有测序读长的可识别DNA码，根据1位纠错能力确定其对应的合法编码；其次，根据每个可识别DNA码在测序读长的位置确定相应编码的最佳编码位置(即桶)；最后，按照众数投票确定每个桶中的最终编码。仿真结果表明在0.10和0.05错误率条件下，平均解码准确率在20X测序深度时可达94%以上；在0.15错误率条件下，平均解码准确率在60X测序深度时可达90%以上。
与传统存储方式相比，脱氧核糖核酸(DNA)存储的难点是测序序列中的插入和删除错误给信息解码过程带来了巨大挑战。针对具有1位纠错能力的前向纠错编码DNA存储，该文提出一种桶式分配策略提高解码的精度和效率。首先，搜索每个分组中所有测序读长的可识别DNA码，根据1位纠错能力确定其对应的合法编码；其次，根据每个可识别DNA码在测序读长的位置确定相应编码的最佳编码位置(即桶)；最后，按照众数投票确定每个桶中的最终编码。仿真结果表明在0.10和0.05错误率条件下，平均解码准确率在20X测序深度时可达94%以上；在0.15错误率条件下，平均解码准确率在60X测序深度时可达90%以上。
2022, 44(10): 3657-3665.
doi: 10.11999/JEIT210677
摘要:
忆阻器由于具有低功耗、记忆能力和纳米尺寸等特点，是实现人工神经突触的理想器件。为构建简洁、高效、功能全面地联想记忆电路，该文首先提出一种简单的神经元电路和基于压控阈值忆阻器的突触电路。然后根据巴甫洛夫联想记忆模型，设计了相应的联想记忆电路。电路结构简单，仅包含3个神经元电路和突触电路，可有效降低网络复杂度和功耗。尤为重要的是该电路可以模拟全功能的联想记忆行为，不但实现了学习、遗忘、加速学习、减速遗忘以及减速自然遗忘等功能，而且学习速率和自然遗忘速率能够根据学习的次数自动调整，使电路更具仿生性。此外，该电路与艾宾浩斯遗忘曲线相吻合，扩大了电路的适用范围。
忆阻器由于具有低功耗、记忆能力和纳米尺寸等特点，是实现人工神经突触的理想器件。为构建简洁、高效、功能全面地联想记忆电路，该文首先提出一种简单的神经元电路和基于压控阈值忆阻器的突触电路。然后根据巴甫洛夫联想记忆模型，设计了相应的联想记忆电路。电路结构简单，仅包含3个神经元电路和突触电路，可有效降低网络复杂度和功耗。尤为重要的是该电路可以模拟全功能的联想记忆行为，不但实现了学习、遗忘、加速学习、减速遗忘以及减速自然遗忘等功能，而且学习速率和自然遗忘速率能够根据学习的次数自动调整，使电路更具仿生性。此外，该电路与艾宾浩斯遗忘曲线相吻合，扩大了电路的适用范围。
2022, 44(10): 3666-3672.
doi: 10.11999/JEIT210781
摘要:
该文提出一种基于谐振器慢波传输线的小型化宽阻带谐波抑制功分器，该谐振器慢波传输线由矩形谐振器、T型谐振器和蛇形线构成，来取代功分器中的1/4波长传统微带传输线。所设计制作的功分器，其尺寸仅为传统微带功分器的37.4%。实验结果表明，该功分器回波损耗大于10 dB的带宽范围为0.1～1.19 GHz，在2.2～11.05 GHz频率范围内衰减大于20 dB，具有较宽的阻带从而具有抑制谐波效果。仿真和测试结果较为吻合，验证了所提设计方法的有效性。
该文提出一种基于谐振器慢波传输线的小型化宽阻带谐波抑制功分器，该谐振器慢波传输线由矩形谐振器、T型谐振器和蛇形线构成，来取代功分器中的1/4波长传统微带传输线。所设计制作的功分器，其尺寸仅为传统微带功分器的37.4%。实验结果表明，该功分器回波损耗大于10 dB的带宽范围为0.1～1.19 GHz，在2.2～11.05 GHz频率范围内衰减大于20 dB，具有较宽的阻带从而具有抑制谐波效果。仿真和测试结果较为吻合，验证了所提设计方法的有效性。
2022, 44(10): 3673-3682.
doi: 10.11999/JEIT210795
摘要:
针对电子系统间歇故障信号受噪声影响大且冗余信息多，导致深度神经网络模型对间歇故障严重程度评估能力受限的问题，该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量，再对IMF分量进行相似度分析选择敏感分量，并利用微分增强型能量算子构建严重程度敏感因子。最后，利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估，结果表明该方法有较强的间歇故障严重程度评估能力，评估结果更加准确有效。
针对电子系统间歇故障信号受噪声影响大且冗余信息多，导致深度神经网络模型对间歇故障严重程度评估能力受限的问题，该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量，再对IMF分量进行相似度分析选择敏感分量，并利用微分增强型能量算子构建严重程度敏感因子。最后，利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估，结果表明该方法有较强的间歇故障严重程度评估能力，评估结果更加准确有效。
2022, 44(10): 3683-3696.
doi: 10.11999/JEIT220625
摘要:
作为一种低复杂度的非相干信息传输方案，差分混沌通信系统以其良好的抗多径衰落性能而受到广泛关注。近年来，研究者围绕着以差分混沌移位键控(DCSK)为代表的差分混沌通信开展了一系列富有成效的研究，逐渐发展了差分混沌通信的信号设计与性能优化方法。为此，该文从信号帧结构设计、正交多级信号设计、信号星座图设计和多载波信号设计4个层面详细综述了差分混沌通信信号设计的主要研究进展。此外，该文重点总结了面向差分混沌通信的噪声抑制辅助性能优化、索引调制辅助性能优化和混沌成形滤波辅助性能优化等方面的研究工作。
作为一种低复杂度的非相干信息传输方案，差分混沌通信系统以其良好的抗多径衰落性能而受到广泛关注。近年来，研究者围绕着以差分混沌移位键控(DCSK)为代表的差分混沌通信开展了一系列富有成效的研究，逐渐发展了差分混沌通信的信号设计与性能优化方法。为此，该文从信号帧结构设计、正交多级信号设计、信号星座图设计和多载波信号设计4个层面详细综述了差分混沌通信信号设计的主要研究进展。此外，该文重点总结了面向差分混沌通信的噪声抑制辅助性能优化、索引调制辅助性能优化和混沌成形滤波辅助性能优化等方面的研究工作。
2022, 44(10): 3697-3708.
doi: 10.11999/JEIT210790
摘要:
目标检测是计算机视觉领域的一个基础任务和研究热点。YOLO将目标检测概括为一个回归问题，实现端到端的训练和检测，由于其良好的速度-精度平衡，近几年一直处于目标检测领域的领先地位，被成功地研究、改进和应用到众多不同领域。该文对YOLO系列算法及其重要改进、应用进行了详细调研。首先，系统地梳理了YOLO家族及重要改进，包含YOLOv1-v4, YOLOv5, Scaled-YOLOv4, YOLOR和最新的YOLOX。然后，对YOLO中重要的基础网络，损失函数进行了详细的分析和总结。其次，依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳。例如，注意力机制、3D、航拍场景、边缘计算等。最后，总结了YOLO的特点，并结合最新的文献分析可能的改进思路和研究趋势。
目标检测是计算机视觉领域的一个基础任务和研究热点。YOLO将目标检测概括为一个回归问题，实现端到端的训练和检测，由于其良好的速度-精度平衡，近几年一直处于目标检测领域的领先地位，被成功地研究、改进和应用到众多不同领域。该文对YOLO系列算法及其重要改进、应用进行了详细调研。首先，系统地梳理了YOLO家族及重要改进，包含YOLOv1-v4, YOLOv5, Scaled-YOLOv4, YOLOR和最新的YOLOX。然后，对YOLO中重要的基础网络，损失函数进行了详细的分析和总结。其次，依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳。例如，注意力机制、3D、航拍场景、边缘计算等。最后，总结了YOLO的特点，并结合最新的文献分析可能的改进思路和研究趋势。
