邮件订阅
2023年 第45卷 第12期
显示方式:
2023, 45(12): 4203-4210.
doi: 10.11999/JEIT221189
摘要:
该文研究了智能反射面(IRS)辅助基于非正交多址接入(NOMA)技术的无人机(UAV)网络中的安全传输。为了使系统安全速率最大化，该文提出联合优化无人机位置、串行干扰消除解码顺序、IRS反射矩阵和UAV发射功率的资源优化问题。由于优化问题是一个混合整数非凸优化问题，该文提出一种基于块坐标下降的迭代算法，将原问题分解为3个子问题，采用基于惩罚、半正定松弛和连续凸逼近的方法求解子问题。仿真表明，所提算法的系统安全速率优于没有IRS辅助的NOMA方案和没有IRS辅助的正交多址方案。
该文研究了智能反射面(IRS)辅助基于非正交多址接入(NOMA)技术的无人机(UAV)网络中的安全传输。为了使系统安全速率最大化，该文提出联合优化无人机位置、串行干扰消除解码顺序、IRS反射矩阵和UAV发射功率的资源优化问题。由于优化问题是一个混合整数非凸优化问题，该文提出一种基于块坐标下降的迭代算法，将原问题分解为3个子问题，采用基于惩罚、半正定松弛和连续凸逼近的方法求解子问题。仿真表明，所提算法的系统安全速率优于没有IRS辅助的NOMA方案和没有IRS辅助的正交多址方案。
2023, 45(12): 4211-4217.
doi: 10.11999/JEIT221289
摘要:
该文提出一种在模拟域抑制功率放大器(PA)非线性失真的双通道非线性反馈架构，以改善PA线性度，减少邻道泄露。在该架构中，用于抑制非线性的电路包含非线性提取环路和反馈调整环路。非线性提取环路通过耦合器提取PA输入和输出信号，进行幅度和相位对齐后抵消线性信号，保留PA产生的非线性失真。反馈调整环路包含两条独立反馈通道，且信号通过非线性提取环路和反馈调整环路中两条通道分别反馈后的总时延具有两倍关系，使反馈环路呈现2阶Delta-Sigma结构形式，相比于单通道非线性反馈架构具有更好的失真抑制性能。并且通过所提方法配置反馈通道参数，可以实现不同目标频点下非线性失真的灵活抑制。最后设计了一个使用CMPA0060002F商用功放芯片的实验平台，对于带宽为40 MHz，载频为780 MHz的测试信号，在当前6 ns的硬件反馈时延条件下，可以使邻道功率泄露比(ACLR)单边带改善11 dB或双边带改善6 dB，且通过减小反馈时延能够取得更好的性能。
该文提出一种在模拟域抑制功率放大器(PA)非线性失真的双通道非线性反馈架构，以改善PA线性度，减少邻道泄露。在该架构中，用于抑制非线性的电路包含非线性提取环路和反馈调整环路。非线性提取环路通过耦合器提取PA输入和输出信号，进行幅度和相位对齐后抵消线性信号，保留PA产生的非线性失真。反馈调整环路包含两条独立反馈通道，且信号通过非线性提取环路和反馈调整环路中两条通道分别反馈后的总时延具有两倍关系，使反馈环路呈现2阶Delta-Sigma结构形式，相比于单通道非线性反馈架构具有更好的失真抑制性能。并且通过所提方法配置反馈通道参数，可以实现不同目标频点下非线性失真的灵活抑制。最后设计了一个使用CMPA0060002F商用功放芯片的实验平台，对于带宽为40 MHz，载频为780 MHz的测试信号，在当前6 ns的硬件反馈时延条件下，可以使邻道功率泄露比(ACLR)单边带改善11 dB或双边带改善6 dB，且通过减小反馈时延能够取得更好的性能。
2023, 45(12): 4218-4227.
doi: 10.11999/JEIT221269
摘要:
仓储行业在面向智能化发展中面临因无法获取物资的室内位置信息而导致出库、入库难等问题，为实现对物资准确定位，该文提出一种基于无线标签的目标3维定位方法。设计的无线标签安置在待定位物资上，将来自发射机正交频分复用(OFDM)信号反射到具有均匀面阵(UPA)天线阵列的接收机，进行多通道的信道估计后，利用分步的稀疏恢复算法实现高维无线信道参数估计，并结合发射机、标签和接收机的空间几何位置，建立标签位置的优化问题，最后采用群智能算法搜索得到目标准确的3维位置。为验证系统，实现了标签及收发机原型，实测结果表明，目标的中值3维定位精度达到0.53 m。
仓储行业在面向智能化发展中面临因无法获取物资的室内位置信息而导致出库、入库难等问题，为实现对物资准确定位，该文提出一种基于无线标签的目标3维定位方法。设计的无线标签安置在待定位物资上，将来自发射机正交频分复用(OFDM)信号反射到具有均匀面阵(UPA)天线阵列的接收机，进行多通道的信道估计后，利用分步的稀疏恢复算法实现高维无线信道参数估计，并结合发射机、标签和接收机的空间几何位置，建立标签位置的优化问题，最后采用群智能算法搜索得到目标准确的3维位置。为验证系统，实现了标签及收发机原型，实测结果表明，目标的中值3维定位精度达到0.53 m。
2023, 45(12): 4228-4234.
doi: 10.11999/JEIT220934
摘要:
针对毫米波多输入输出系统(MIMO)中的身份欺骗攻击问题，该文提出一种基于信道指纹的攻击检测方案。在波束域中，毫米波信道图样呈现波束的稀疏性和高方向特性，且这种波束域特性与终端位置有极高的相关性。该文将该波束域信道图样作为一种信道指纹，提出了一种基于信道指纹的身份欺骗攻击检测方案，将欺骗攻击中的终端身份认证问题建模成对其信道指纹的二分类问题，并使用基于监督学习的支持向量机算法求解该分类问题。为获得好的分类效果，基于对信道指纹的数值分析，比较了皮尔逊相关系数、余弦相似度、相关矩阵距离、欧氏距离等相似度指标。根据比较结果，选择最优的指标作为分类特征训练分类模型。仿真结果表明，即使在低信噪比条件下，该方案仍具有高认证准确性和鲁棒性。与现有相关机制相比，攻击检测精度显著提高。
针对毫米波多输入输出系统(MIMO)中的身份欺骗攻击问题，该文提出一种基于信道指纹的攻击检测方案。在波束域中，毫米波信道图样呈现波束的稀疏性和高方向特性，且这种波束域特性与终端位置有极高的相关性。该文将该波束域信道图样作为一种信道指纹，提出了一种基于信道指纹的身份欺骗攻击检测方案，将欺骗攻击中的终端身份认证问题建模成对其信道指纹的二分类问题，并使用基于监督学习的支持向量机算法求解该分类问题。为获得好的分类效果，基于对信道指纹的数值分析，比较了皮尔逊相关系数、余弦相似度、相关矩阵距离、欧氏距离等相似度指标。根据比较结果，选择最优的指标作为分类特征训练分类模型。仿真结果表明，即使在低信噪比条件下，该方案仍具有高认证准确性和鲁棒性。与现有相关机制相比，攻击检测精度显著提高。
2023, 45(12): 4235-4244.
doi: 10.11999/JEIT221193
摘要:
联邦学习允许数据不出本地的情况下实现数据价值的有效流动，被认为是物联网(IoT)场景下兼顾数据共享与隐私保护的有效方法。然而，联邦学习系统易受拜占庭攻击和推理攻击的影响，导致系统的鲁棒性和数据的隐私性受损。物联网设备的数据异构性和资源瓶颈，也为带有隐私保护的鲁棒聚合算法设计带来巨大挑战。该文提出面向异构物联网的带有数据重采样的鲁棒聚合方法Re-Sim，通过测量方向相似性和标准化更新幅度实现模型的鲁棒聚合，并采用数据重采样技术增强数据异构环境下模型的鲁棒性。同时构建轻量安全聚合协议(LSA)，在保证数据隐私性的同时兼顾模型鲁棒性、准确性和计算开销，并从理论上对协议的隐私性进行了分析。仿真结果表明，该方案能在数据异构情况下有效抵抗拜占庭攻击和推理攻击，与基线方法相比，该文所提方案精度提高1%～3%，同时减轻客户端侧计算开销79%。
联邦学习允许数据不出本地的情况下实现数据价值的有效流动，被认为是物联网(IoT)场景下兼顾数据共享与隐私保护的有效方法。然而，联邦学习系统易受拜占庭攻击和推理攻击的影响，导致系统的鲁棒性和数据的隐私性受损。物联网设备的数据异构性和资源瓶颈，也为带有隐私保护的鲁棒聚合算法设计带来巨大挑战。该文提出面向异构物联网的带有数据重采样的鲁棒聚合方法Re-Sim，通过测量方向相似性和标准化更新幅度实现模型的鲁棒聚合，并采用数据重采样技术增强数据异构环境下模型的鲁棒性。同时构建轻量安全聚合协议(LSA)，在保证数据隐私性的同时兼顾模型鲁棒性、准确性和计算开销，并从理论上对协议的隐私性进行了分析。仿真结果表明，该方案能在数据异构情况下有效抵抗拜占庭攻击和推理攻击，与基线方法相比，该文所提方案精度提高1%～3%，同时减轻客户端侧计算开销79%。
2023, 45(12): 4245-4253.
doi: 10.11999/JEIT221386
摘要:
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
2023, 45(12): 4254-4261.
doi: 10.11999/JEIT221377
摘要:
未来认知物联网(IoT)将存在大量用于监控的时间敏感类短包信息。针对认知物联网短包通信场景，该文分析了认知次用户对在双向中继短包通信系统中的信息新鲜度。该文采用信息年龄(AoI)作为衡量信息新鲜度的性能指标。根据短包通信理论，该文推导出系统的误包率和平均峰值AoI(PAoI)表达式，并得出了系统在高信噪比情况下的表达式。在此基础上，考虑认知物联网短包通信中频谱检测性能的非理想，采用交替迭代优化算法对感知包长和传输包长进行联合优化以最小化PAoI加权和。仿真结果验证了理论分析的正确性。该研究发现，对于双向中继系统次用户对的PAoI加权和，感知包长和传输包长存在折中关系，该文所采用的交替迭代优化算法能够有效提升系统PAoI性能。
未来认知物联网(IoT)将存在大量用于监控的时间敏感类短包信息。针对认知物联网短包通信场景，该文分析了认知次用户对在双向中继短包通信系统中的信息新鲜度。该文采用信息年龄(AoI)作为衡量信息新鲜度的性能指标。根据短包通信理论，该文推导出系统的误包率和平均峰值AoI(PAoI)表达式，并得出了系统在高信噪比情况下的表达式。在此基础上，考虑认知物联网短包通信中频谱检测性能的非理想，采用交替迭代优化算法对感知包长和传输包长进行联合优化以最小化PAoI加权和。仿真结果验证了理论分析的正确性。该研究发现，对于双向中继系统次用户对的PAoI加权和，感知包长和传输包长存在折中关系，该文所采用的交替迭代优化算法能够有效提升系统PAoI性能。
2023, 45(12): 4262-4270.
doi: 10.11999/JEIT221468
摘要:
该文解决了超大规模多输入多输出(MIMO)系统中不同用户的可视区域(VR)存在相互交叠时的下行功率分配问题。考虑单个基站服务多个单天线用户的超大规模MIMO通信场景，由于基站配备的阵列较大，各个用户受障碍物遮挡仅能与基站部分天线进行通信，这部分天线即为各用户的可视区域。该文考虑不同用户的可视区域分布两两交叠，并依此划分子阵，并在各子阵上进行规则化迫零预编码以降低复杂度。接着基于大维随机矩阵理论，推导了系统下行遍历和速率的确定性近似表达式。然后，通过最大化该表达式，给出了基于统计信道状态信息的最优用户功率分配方法的闭式解。最后，仿真结果表明，和速率近似表达式的精度很高，所提功率分配方法能有效提高系统性能。
该文解决了超大规模多输入多输出(MIMO)系统中不同用户的可视区域(VR)存在相互交叠时的下行功率分配问题。考虑单个基站服务多个单天线用户的超大规模MIMO通信场景，由于基站配备的阵列较大，各个用户受障碍物遮挡仅能与基站部分天线进行通信，这部分天线即为各用户的可视区域。该文考虑不同用户的可视区域分布两两交叠，并依此划分子阵，并在各子阵上进行规则化迫零预编码以降低复杂度。接着基于大维随机矩阵理论，推导了系统下行遍历和速率的确定性近似表达式。然后，通过最大化该表达式，给出了基于统计信道状态信息的最优用户功率分配方法的闭式解。最后，仿真结果表明，和速率近似表达式的精度很高，所提功率分配方法能有效提高系统性能。
2023, 45(12): 4271-4279.
doi: 10.11999/JEIT220916
摘要:
针对卫星编队飞行场景中星内有线和星间无线链路传输速率以及调度机制的差异性引起的时敏任务在星上转发时延不确定性的问题，该文提出一种有线无线融合的时隙调度方案。首先，分别构建星间无线链路传输速率、星间无线调度以及星内有线调度模型；其次，联合有线和无线链路传输速率以及二者时隙位置关系，建立有线无线融合调度与星上转发时延关联分析模型；最后，为确保时敏业务每次在星上传输的时延稳定性，在时延分析模型基础上以抖动最小为融合调度优化目标，并采用遗传禁忌搜索算法进行求解。仿真结果表明，相比于非融合调度方案，所提融合调度方案的抖动不高于40 μs，转发时延平均降低了20%。
针对卫星编队飞行场景中星内有线和星间无线链路传输速率以及调度机制的差异性引起的时敏任务在星上转发时延不确定性的问题，该文提出一种有线无线融合的时隙调度方案。首先，分别构建星间无线链路传输速率、星间无线调度以及星内有线调度模型；其次，联合有线和无线链路传输速率以及二者时隙位置关系，建立有线无线融合调度与星上转发时延关联分析模型；最后，为确保时敏业务每次在星上传输的时延稳定性，在时延分析模型基础上以抖动最小为融合调度优化目标，并采用遗传禁忌搜索算法进行求解。仿真结果表明，相比于非融合调度方案，所提融合调度方案的抖动不高于40 μs，转发时延平均降低了20%。
2023, 45(12): 4280-4291.
doi: 10.11999/JEIT221247
摘要:
随着５G技术的广泛应用，网络超密集化部署已成为必然趋势。超密集异构无线网络在实现网络高流量密度、高峰值速率性能的同时，给传统的网络切换算法带来了挑战，处于变速移动的终端会面临更频繁的切换问题，这将导致乒乓效应频率的显著提高，进而影响用户在网体验。针对上述问题，该文提出一种基于终端移动轨迹预测的网络切换算法，适用于各类型用户在高密度无线网络中的垂直切换和水平切换问题。首先，为了更高精度的移动轨迹预测，提出一种基于模糊核聚类和长短期记忆(LSTM)神经网络的预测方法，可以有效预测不同移动模式下用户终端的短时移动轨迹；之后，基于用户当前和预测位置，获取候选网络集合，通过候选集交运算法和指标阈值判断网络切换时机；当切换触发时，使用帝企鹅算法最优化网络选择。仿真结果表明，相比于其他类型的时间序列预测算法，该文提出的轨迹预测算法精度较高；同时相较对比算法，该文所提网络切换算法的切换次数适中，有效避免了乒乓效应，且提高了用户连接的网络质量。
随着５G技术的广泛应用，网络超密集化部署已成为必然趋势。超密集异构无线网络在实现网络高流量密度、高峰值速率性能的同时，给传统的网络切换算法带来了挑战，处于变速移动的终端会面临更频繁的切换问题，这将导致乒乓效应频率的显著提高，进而影响用户在网体验。针对上述问题，该文提出一种基于终端移动轨迹预测的网络切换算法，适用于各类型用户在高密度无线网络中的垂直切换和水平切换问题。首先，为了更高精度的移动轨迹预测，提出一种基于模糊核聚类和长短期记忆(LSTM)神经网络的预测方法，可以有效预测不同移动模式下用户终端的短时移动轨迹；之后，基于用户当前和预测位置，获取候选网络集合，通过候选集交运算法和指标阈值判断网络切换时机；当切换触发时，使用帝企鹅算法最优化网络选择。仿真结果表明，相比于其他类型的时间序列预测算法，该文提出的轨迹预测算法精度较高；同时相较对比算法，该文所提网络切换算法的切换次数适中，有效避免了乒乓效应，且提高了用户连接的网络质量。
2023, 45(12): 4292-4300.
doi: 10.11999/JEIT221297
摘要:
针对室内自由小区VLC网络照明和吞吐量联合优化困难的问题，该文提出VLC协作用户接入和功率动态调整(VCUA-DPA)方法。在用户接入阶段，设计考虑网络的负载均衡、用户速率需求和协作小区数目限制的用户和VLC协作的用户接入算法；在功率分配阶段，设计联合优化照明均匀度和系统吞吐量的功率动态调整分配算法。仿真结果表明，所提VCUA-DPA在明显提升系统吞吐量的同时能优化室内照明均匀度。
针对室内自由小区VLC网络照明和吞吐量联合优化困难的问题，该文提出VLC协作用户接入和功率动态调整(VCUA-DPA)方法。在用户接入阶段，设计考虑网络的负载均衡、用户速率需求和协作小区数目限制的用户和VLC协作的用户接入算法；在功率分配阶段，设计联合优化照明均匀度和系统吞吐量的功率动态调整分配算法。仿真结果表明，所提VCUA-DPA在明显提升系统吞吐量的同时能优化室内照明均匀度。
2023, 45(12): 4301-4307.
doi: 10.11999/JEIT221281
摘要:
对于智能反射面(IRS)辅助的单簇上行非正交多址接入(NOMA)系统，该文提出一种最小化系统总功率的资源分配方案。首先构建最小化总功率的优化问题，优化参数为用户功率和IRS相移；然后，推导单个用户所需的功率与信道、用户的速率需求以及IRS相移之间的关系，将功率与相移的联合优化问题分解为多个包含单个参数的子优化问题；其次，采用迭代的方法求解所有的IRS相移，在每次迭代过程中，依次求解包含单个参数的子优化问题；最后，根据迭代得到的IRS相移计算出每个用户所需的最低功率。仿真结果显示，在速率需求相同的条件下，所提方案所需的总功率低于相同场景中的已有方案。
对于智能反射面(IRS)辅助的单簇上行非正交多址接入(NOMA)系统，该文提出一种最小化系统总功率的资源分配方案。首先构建最小化总功率的优化问题，优化参数为用户功率和IRS相移；然后，推导单个用户所需的功率与信道、用户的速率需求以及IRS相移之间的关系，将功率与相移的联合优化问题分解为多个包含单个参数的子优化问题；其次，采用迭代的方法求解所有的IRS相移，在每次迭代过程中，依次求解包含单个参数的子优化问题；最后，根据迭代得到的IRS相移计算出每个用户所需的最低功率。仿真结果显示，在速率需求相同的条件下，所提方案所需的总功率低于相同场景中的已有方案。
2023, 45(12): 4308-4316.
doi: 10.11999/JEIT221046
摘要:
时空覆盖类感知任务对参与者的时间与空间约束使得传统单参与者模式难以适用。为此，该文提出群组协作的移动群智感知任务分配方法，以群组模式替代传统单参与者模式。设计层次化群组协作的任务分配框架，提出偏好感知的社交群组生成方法，引入社交关系生成社交群组，提高任务完成率。提出效用优化的任务群组匹配方法，采用网络流理论进行群组-任务匹配，保证平台效用最大化。仿真结果表明所提方法在任务完成率与平台效用方面均有较大提升。
时空覆盖类感知任务对参与者的时间与空间约束使得传统单参与者模式难以适用。为此，该文提出群组协作的移动群智感知任务分配方法，以群组模式替代传统单参与者模式。设计层次化群组协作的任务分配框架，提出偏好感知的社交群组生成方法，引入社交关系生成社交群组，提高任务完成率。提出效用优化的任务群组匹配方法，采用网络流理论进行群组-任务匹配，保证平台效用最大化。仿真结果表明所提方法在任务完成率与平台效用方面均有较大提升。
2023, 45(12): 4317-4326.
doi: 10.11999/JEIT221084
摘要:
该文研究了无人机蜂群飞行同步的检测和干扰方案，把无人机蜂群飞行同步过程看作复杂系统的涌现效应，提出一种基于双阈值的涌现判定算法。通过同时监测目标系统飞行同步过程中的熵差和网络连通度，克服已有算法因忽略网络状态监控而误判的问题，准确及时地识别飞行同步的发生、达成和失败，为控制抑制时机提供坚实的前提基础。以平均功率为约束设计带内干扰行为，从使目标系统通信容量降低的角度建立干扰行为模型，并通过仿真分析其效能。研究发现，低强度持续干扰可有效迟滞目标系统同步过程、延长同步时间，且具有更好隐蔽性；中等强度持续干扰可快速终止飞行同步过程。基于以上分析，首次根据破坏和迟滞的不同作战意图设计了无人机蜂群飞行同步的反制方案。通过仿真验证了其有效性。
该文研究了无人机蜂群飞行同步的检测和干扰方案，把无人机蜂群飞行同步过程看作复杂系统的涌现效应，提出一种基于双阈值的涌现判定算法。通过同时监测目标系统飞行同步过程中的熵差和网络连通度，克服已有算法因忽略网络状态监控而误判的问题，准确及时地识别飞行同步的发生、达成和失败，为控制抑制时机提供坚实的前提基础。以平均功率为约束设计带内干扰行为，从使目标系统通信容量降低的角度建立干扰行为模型，并通过仿真分析其效能。研究发现，低强度持续干扰可有效迟滞目标系统同步过程、延长同步时间，且具有更好隐蔽性；中等强度持续干扰可快速终止飞行同步过程。基于以上分析，首次根据破坏和迟滞的不同作战意图设计了无人机蜂群飞行同步的反制方案。通过仿真验证了其有效性。
2023, 45(12): 4327-4335.
doi: 10.11999/JEIT221381
摘要:
网络虚拟化是一项未来网络发展的重要技术。针对卫星虚拟网络(SVN)中用户服务质量(QoS)可能受到严重影响的问题，该文提出一种用于SVN准入控制的方法，通过限制嵌入卫星物理网络中SVN的数量可以有效保证用户的QoS。具体而言，首先，该文提出一种两阶段SVN嵌入机制，该机制将短期资源分配与长期准入控制和资源租赁解耦。其次，该文同时考虑用户到达率时变导致流量需求不确定和卫星网络拓扑高动态性导致系统容量不确定的情况，将第1阶段的准入控制和资源租赁问题描述为鲁棒优化问题，再利用伯恩施坦近似将其转化为凸问题进行求解。最后，该文将第2阶段的资源分配问题转化为最大化公平带宽分配的凸问题进行求解。仿真结果表明了该文所提方法的有效性。
网络虚拟化是一项未来网络发展的重要技术。针对卫星虚拟网络(SVN)中用户服务质量(QoS)可能受到严重影响的问题，该文提出一种用于SVN准入控制的方法，通过限制嵌入卫星物理网络中SVN的数量可以有效保证用户的QoS。具体而言，首先，该文提出一种两阶段SVN嵌入机制，该机制将短期资源分配与长期准入控制和资源租赁解耦。其次，该文同时考虑用户到达率时变导致流量需求不确定和卫星网络拓扑高动态性导致系统容量不确定的情况，将第1阶段的准入控制和资源租赁问题描述为鲁棒优化问题，再利用伯恩施坦近似将其转化为凸问题进行求解。最后，该文将第2阶段的资源分配问题转化为最大化公平带宽分配的凸问题进行求解。仿真结果表明了该文所提方法的有效性。
2023, 45(12): 4336-4344.
doi: 10.11999/JEIT221163
摘要:
当采用高分辨雷达对空间微动目标进行观测时，往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息，该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段，首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后，将提取的3个深层特征进行1维拼接形成联合特征向量，并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后，利用SAE网络参数对识别网络进行初始化，并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段，将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。
当采用高分辨雷达对空间微动目标进行观测时，往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息，该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段，首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后，将提取的3个深层特征进行1维拼接形成联合特征向量，并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后，利用SAE网络参数对识别网络进行初始化，并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段，将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。
2023, 45(12): 4345-4351.
doi: 10.11999/JEIT221320
摘要:
受复杂系统布线空间的制约，线缆通常为线束结构，并呈现弯折和空间立体分布形态。目前，针对立体弯折线缆线束(BSCs)的电磁耦合，仍缺乏高效的时域建模分析方法。因此，该文基于时域有限差分(FDTD)方法和传输线(TL)方程，提出自适应线缆网格技术，结合高效插值技术和电荷守恒定律，研究了一种高效的时域混合算法，实现立体弯折线缆线束的电磁耦合时域快速同步计算。首先，将立体弯折线束整体结构按照弯折节点分解成多段独立的子线束。然后，基于传输线方程和FDTD方法，结合自适应线缆网格技术和插值技术，构建各段空间立体分布的子线束电磁耦合模型，并求解得到线束沿线各点的瞬态响应。最后，根据电荷守恒定律，构建弯折节点的等效电路模型并求解得到节点处的电压，实现各段子线束之间的干扰信号传输。通过理想导电板上和屏蔽机箱内立体弯折线束电磁耦合的数值模拟，从计算精度和耗用时间方面与CST和FDTD-SPICE的仿真结果进行对比，验证所提方法的正确性和高效性。
受复杂系统布线空间的制约，线缆通常为线束结构，并呈现弯折和空间立体分布形态。目前，针对立体弯折线缆线束(BSCs)的电磁耦合，仍缺乏高效的时域建模分析方法。因此，该文基于时域有限差分(FDTD)方法和传输线(TL)方程，提出自适应线缆网格技术，结合高效插值技术和电荷守恒定律，研究了一种高效的时域混合算法，实现立体弯折线缆线束的电磁耦合时域快速同步计算。首先，将立体弯折线束整体结构按照弯折节点分解成多段独立的子线束。然后，基于传输线方程和FDTD方法，结合自适应线缆网格技术和插值技术，构建各段空间立体分布的子线束电磁耦合模型，并求解得到线束沿线各点的瞬态响应。最后，根据电荷守恒定律，构建弯折节点的等效电路模型并求解得到节点处的电压，实现各段子线束之间的干扰信号传输。通过理想导电板上和屏蔽机箱内立体弯折线束电磁耦合的数值模拟，从计算精度和耗用时间方面与CST和FDTD-SPICE的仿真结果进行对比，验证所提方法的正确性和高效性。
2023, 45(12): 4352-4360.
doi: 10.11999/JEIT221385
摘要:
主动声呐通常采用的单频或调频波形时频耦合分辨能力弱，不利于混响背景下的信号检测与估计。先前工作表明，“V”和“W”形双曲调频(HFM)组合波形可以实现距离-速度高分辨和低混响输出，其中W-HFM波形还有效解决了V-HFM波形在多目标场景中的虚假目标问题，但是设计复杂、运算量大。为优化HFM组合波形的设计和应用，该文推导了HFM组合波形的峰脊线斜率表达式。一方面提出V-HFM波形的最小无虚警距离(MNFAD)指标，分析了其多目标适用性；另一方面以典型的W-HFM波形为例，提出了优化的波形设计方案，对工程应用具有指导意义。水池实验数据表明，HFM组合波形实现了距离-速度高分辨、混响输出降低5 dB以上，并且W-HFM波形还抑制了虚假目标干扰。
主动声呐通常采用的单频或调频波形时频耦合分辨能力弱，不利于混响背景下的信号检测与估计。先前工作表明，“V”和“W”形双曲调频(HFM)组合波形可以实现距离-速度高分辨和低混响输出，其中W-HFM波形还有效解决了V-HFM波形在多目标场景中的虚假目标问题，但是设计复杂、运算量大。为优化HFM组合波形的设计和应用，该文推导了HFM组合波形的峰脊线斜率表达式。一方面提出V-HFM波形的最小无虚警距离(MNFAD)指标，分析了其多目标适用性；另一方面以典型的W-HFM波形为例，提出了优化的波形设计方案，对工程应用具有指导意义。水池实验数据表明，HFM组合波形实现了距离-速度高分辨、混响输出降低5 dB以上，并且W-HFM波形还抑制了虚假目标干扰。
2023, 45(12): 4361-4370.
doi: 10.11999/JEIT221013
摘要:
雷达通信一体化是在实现无线通信的同时实现目标探测，以减小电磁干扰，提高频谱利用率。信号设计是雷达通信一体化技术实现的关键。由于常见的基于正交频分复用(OFDM)的雷达通信一体化信号存在频偏敏感和带外辐射过高的问题，不适用于高动态应用场景。考虑到滤波器组多载波(FBMC)信号具有高多普勒容限和低带外泄露的优点，该文在FBMC框架下，通过优化雷达通信子载波时频位置，提出了一种FBMC梳状谱雷达通信一体化信号设计方法。由于FBMC信号载波间与符号间存在固有干扰，因此信道估计不准确且不适应快时变信道，因此该文设计了一种交错梳状辅助导频结构，消除固有干扰的同时实现信道跟踪。此外，一体化信号中雷达复信号会对通信信号引入实干扰，该文提出了一种基于干扰利用的实干扰补偿算法，将实干扰用于通信信号还原。仿真结果表明，在快时变信道下，该文所设计的雷达通信一体化信号在进行高数据率传输过程中具有较低的误码率，且具有较好的雷达探测性能。
雷达通信一体化是在实现无线通信的同时实现目标探测，以减小电磁干扰，提高频谱利用率。信号设计是雷达通信一体化技术实现的关键。由于常见的基于正交频分复用(OFDM)的雷达通信一体化信号存在频偏敏感和带外辐射过高的问题，不适用于高动态应用场景。考虑到滤波器组多载波(FBMC)信号具有高多普勒容限和低带外泄露的优点，该文在FBMC框架下，通过优化雷达通信子载波时频位置，提出了一种FBMC梳状谱雷达通信一体化信号设计方法。由于FBMC信号载波间与符号间存在固有干扰，因此信道估计不准确且不适应快时变信道，因此该文设计了一种交错梳状辅助导频结构，消除固有干扰的同时实现信道跟踪。此外，一体化信号中雷达复信号会对通信信号引入实干扰，该文提出了一种基于干扰利用的实干扰补偿算法，将实干扰用于通信信号还原。仿真结果表明，在快时变信道下，该文所设计的雷达通信一体化信号在进行高数据率传输过程中具有较低的误码率，且具有较好的雷达探测性能。
2023, 45(12): 4371-4381.
doi: 10.11999/JEIT221400
摘要:
文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展，但GANs方法的模型存在训练不稳定的问题。为解决这一问题，该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在D-WGAN中，利用向判别器中输入扩散过程中随机采样的实例噪声，在实现模型稳定训练的同时，生成高质量和多样性的图像。考虑到扩散过程的采样成本较高，引入一种随机微分的方法，以简化采样过程。为了进一步对齐文本与图像的信息，提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系，从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明，D-WGAN在实现稳定训练的同时，与当前最好的方法相比，FID分数分别降低了16.43%和1.97%，IS分数分别提升了3.38%和30.95%，说明D-WGAN生成的图像质量更高，更具有实用价值。
文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展，但GANs方法的模型存在训练不稳定的问题。为解决这一问题，该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在D-WGAN中，利用向判别器中输入扩散过程中随机采样的实例噪声，在实现模型稳定训练的同时，生成高质量和多样性的图像。考虑到扩散过程的采样成本较高，引入一种随机微分的方法，以简化采样过程。为了进一步对齐文本与图像的信息，提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系，从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明，D-WGAN在实现稳定训练的同时，与当前最好的方法相比，FID分数分别降低了16.43%和1.97%，IS分数分别提升了3.38%和30.95%，说明D-WGAN生成的图像质量更高，更具有实用价值。
2023, 45(12): 4382-4390.
doi: 10.11999/JEIT230553
摘要:
针对基于噪声子空间投影的空间谱合成技术对输入信噪比(SNR)要求较高的问题，该文提出一种基于空间变换预处理的改进噪声子空间投影法。在子阵维度上，对阵列数据进行拆分处理，得到空间-空间-频率3维数据；利用空间投影变换，将其重新投影为空间-频率2维数据，实现子阵维度相干累积，提高空间变换后输入信噪比；采用噪声子空间投影法，对变换后数据进行处理，实现空间谱合成。数值仿真和实测数据处理结果表明：相比噪声子空间投影法，在保持方位分辨率不变的前提下，所提方法对输入信噪比的最低要求降低约6 dB，有效提升了噪声子空间投影法的弱信源检测性能。
针对基于噪声子空间投影的空间谱合成技术对输入信噪比(SNR)要求较高的问题，该文提出一种基于空间变换预处理的改进噪声子空间投影法。在子阵维度上，对阵列数据进行拆分处理，得到空间-空间-频率3维数据；利用空间投影变换，将其重新投影为空间-频率2维数据，实现子阵维度相干累积，提高空间变换后输入信噪比；采用噪声子空间投影法，对变换后数据进行处理，实现空间谱合成。数值仿真和实测数据处理结果表明：相比噪声子空间投影法，在保持方位分辨率不变的前提下，所提方法对输入信噪比的最低要求降低约6 dB，有效提升了噪声子空间投影法的弱信源检测性能。
2023, 45(12): 4391-4398.
doi: 10.11999/JEIT221292
摘要:
八阵图(ESF)是基于LBlock改进的轻量级分组密码，具有优良的软硬件实现效率。针对ESF算法的安全性，该文借助自动化搜索工具，利用不可能差分分析方法，对算法进行安全性评估。首先结合ESF的结构特性和\begin{document}$ S $\end{document} \begin{document}$ S $\end{document} \begin{document}$ {2^{60.16}} $\end{document} \begin{document}$ {2^{67.44}} $\end{document}
八阵图(ESF)是基于LBlock改进的轻量级分组密码，具有优良的软硬件实现效率。针对ESF算法的安全性，该文借助自动化搜索工具，利用不可能差分分析方法，对算法进行安全性评估。首先结合ESF的结构特性和
2023, 45(12): 4399-4410.
doi: 10.11999/JEIT221251
摘要:
虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。
虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。
2023, 45(12): 4411-4420.
doi: 10.11999/JEIT220980
摘要:
针对当前主流的基于卷积神经网络(CNN)范式的跨模态图像检索算法无法有效提取舰船图像细节特征，以及跨模态“异构鸿沟”难以消除等问题，该文提出一种基于对抗机制的判别性哈希变换器(DAHT)用于舰船图像的跨模态快速检索。该网络采用双流视觉变换器(ViT)结构，依托ViT的自注意力机制进行舰船图像的判别性特征提取，并设计了Hash Token结构用于哈希生成；为了消除同类别图像的跨模态差异，整个检索框架以一种对抗的方式进行训练，通过对生成哈希码进行模态辨别实现模态混淆；同时设计了一种基于反馈机制的跨模加权5元组损失(NW-DCQL)以保持网络对不同类别图像的语义区分性。在两组数据集上开展的4类跨模态检索实验中，该文方法相比次优检索结果分别取得了9.8%, 5.2%, 19.7%, 21.6%的性能提升(32 bit)，在单模态检索任务中亦具备一定的性能优势。
针对当前主流的基于卷积神经网络(CNN)范式的跨模态图像检索算法无法有效提取舰船图像细节特征，以及跨模态“异构鸿沟”难以消除等问题，该文提出一种基于对抗机制的判别性哈希变换器(DAHT)用于舰船图像的跨模态快速检索。该网络采用双流视觉变换器(ViT)结构，依托ViT的自注意力机制进行舰船图像的判别性特征提取，并设计了Hash Token结构用于哈希生成；为了消除同类别图像的跨模态差异，整个检索框架以一种对抗的方式进行训练，通过对生成哈希码进行模态辨别实现模态混淆；同时设计了一种基于反馈机制的跨模加权5元组损失(NW-DCQL)以保持网络对不同类别图像的语义区分性。在两组数据集上开展的4类跨模态检索实验中，该文方法相比次优检索结果分别取得了9.8%, 5.2%, 19.7%, 21.6%的性能提升(32 bit)，在单模态检索任务中亦具备一定的性能优势。
2023, 45(12): 4421-4430.
doi: 10.11999/JEIT221300
摘要:
城市轨道交通的不同运营状态，通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络，该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括：基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析，并在此基础上完成IMF分量的分类合并与重构；使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化，构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证，结果表明，对于特定特征的客流时间序列数据，该文模型的精确性、有效性指标均达到最优。
城市轨道交通的不同运营状态，通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络，该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括：基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析，并在此基础上完成IMF分量的分类合并与重构；使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化，构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证，结果表明，对于特定特征的客流时间序列数据，该文模型的精确性、有效性指标均达到最优。
2023, 45(12): 4431-4439.
doi: 10.11999/JEIT221097
摘要:
传统的压缩感知模型和重构方法，虽能有效减少数据量，但压缩和重构性能不佳，故该文提出一种基于自适应分块和联合优化光滑l0范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配，同时对压缩模型改进，使用混沌循环矩阵作为测量矩阵，提升了压缩性能。重构过程基于SL0算法，采用陡峭性更高的拟合函数，结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%，平均计算时间仅需1.59 s，表明该算法能稳定、快速地实现图像的压缩感知和精确重构，为压缩感知和图像重构提供了新方法。
传统的压缩感知模型和重构方法，虽能有效减少数据量，但压缩和重构性能不佳，故该文提出一种基于自适应分块和联合优化光滑l0范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配，同时对压缩模型改进，使用混沌循环矩阵作为测量矩阵，提升了压缩性能。重构过程基于SL0算法，采用陡峭性更高的拟合函数，结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%，平均计算时间仅需1.59 s，表明该算法能稳定、快速地实现图像的压缩感知和精确重构，为压缩感知和图像重构提供了新方法。
2023, 45(12): 4440-4447.
doi: 10.11999/JEIT221442
摘要:
针对矿井复杂环境下无线信道的衰落动态变化时，离线模型的线上检测表现会遭遇性能下降的问题，该文研究了基于迁移学习的自适应信号检测网络(ADN)。ADN的主要改进是使用并行网络对动态信道离散化以提高网络泛化能力；对线上接收端信号采取域对抗训练神经网络(DANN)的无监督学习方式，从而将离线训练知识迁移到线上矿井复杂环境中并且实时调整网络参数以适应信道的变化，从而实现矿井复杂环境下的自适应信号检测。实验表明对正交相移键控(QPSK)和正交幅度调制(QAM)信号，在动态变化的矿井Nakagami-m衰落信道中，随着离散信道的增加，ADN获得信道间的分集效益，性能逐渐提高。在高信噪比(SNR)时，其性能接近卷积神经网络(CNN)，低信噪比时显著提高深度检测网络的鲁棒性和线上检测效果。
针对矿井复杂环境下无线信道的衰落动态变化时，离线模型的线上检测表现会遭遇性能下降的问题，该文研究了基于迁移学习的自适应信号检测网络(ADN)。ADN的主要改进是使用并行网络对动态信道离散化以提高网络泛化能力；对线上接收端信号采取域对抗训练神经网络(DANN)的无监督学习方式，从而将离线训练知识迁移到线上矿井复杂环境中并且实时调整网络参数以适应信道的变化，从而实现矿井复杂环境下的自适应信号检测。实验表明对正交相移键控(QPSK)和正交幅度调制(QAM)信号，在动态变化的矿井Nakagami-m衰落信道中，随着离散信道的增加，ADN获得信道间的分集效益，性能逐渐提高。在高信噪比(SNR)时，其性能接近卷积神经网络(CNN)，低信噪比时显著提高深度检测网络的鲁棒性和线上检测效果。
2023, 45(12): 4448-4457.
doi: 10.11999/JEIT221205
摘要:
彩色图像灰度化是一种被广泛应用于各个领域的图像压缩方式，但很少有研究关注彩色图像与灰度图像之间的相互转换技术。该文运用深度学习，创新性地提出了一种基于辅助变量增强的可逆彩色图像灰度化方法。该方法使用变量增强技术来保证输出与输入变量通道数相同以满足网络的可逆特性。具体来说，该方法通过可逆神经网络的正向过程实现彩色图像灰度化，逆向过程实现灰度图像的色彩复原。将所提方法在VOC2012, NCD和Wallpaper数据集上进行定性和定量比较。实验结果表明，所提方法在评价指标上均获得了更好的结果。无论是在全局还是局部，生成图像都可以最大程度地保留亮度、颜色对比度和结构相关性等特征。
彩色图像灰度化是一种被广泛应用于各个领域的图像压缩方式，但很少有研究关注彩色图像与灰度图像之间的相互转换技术。该文运用深度学习，创新性地提出了一种基于辅助变量增强的可逆彩色图像灰度化方法。该方法使用变量增强技术来保证输出与输入变量通道数相同以满足网络的可逆特性。具体来说，该方法通过可逆神经网络的正向过程实现彩色图像灰度化，逆向过程实现灰度图像的色彩复原。将所提方法在VOC2012, NCD和Wallpaper数据集上进行定性和定量比较。实验结果表明，所提方法在评价指标上均获得了更好的结果。无论是在全局还是局部，生成图像都可以最大程度地保留亮度、颜色对比度和结构相关性等特征。
2023, 45(12): 4458-4468.
doi: 10.11999/JEIT221570
摘要:
对监控视频数据进行基于深度学习模型的智能分析可提升文物博物馆单位的文物安全风险防范能力。针对文物博物馆单位希望充分利用现有空闲可用计算资源完成更多视频数据智能分析的需求，该文提出一种视频智能分析任务动态调度方法，将边缘侧文物博物馆单位内拥有空闲可用计算资源的设备作为计算节点组建边缘算力协同系统进行视频智能分析任务的处理。该文把要解决的问题建模为2维多重背包问题，并采用动态规划的方法，求解如何在边缘算力协同系统上动态分配视频分析任务使得每一个时间周期内系统执行任务获得的安全价值效益最大化的问题。仿真实验结果表明，所提方法能在不干扰文物博物馆单位正常业务应用服务的情况下，根据对系统当前资源使用状态监控与分析，动态分配视频智能分析任务，达到了最大化安全价值效益的目的。
对监控视频数据进行基于深度学习模型的智能分析可提升文物博物馆单位的文物安全风险防范能力。针对文物博物馆单位希望充分利用现有空闲可用计算资源完成更多视频数据智能分析的需求，该文提出一种视频智能分析任务动态调度方法，将边缘侧文物博物馆单位内拥有空闲可用计算资源的设备作为计算节点组建边缘算力协同系统进行视频智能分析任务的处理。该文把要解决的问题建模为2维多重背包问题，并采用动态规划的方法，求解如何在边缘算力协同系统上动态分配视频分析任务使得每一个时间周期内系统执行任务获得的安全价值效益最大化的问题。仿真实验结果表明，所提方法能在不干扰文物博物馆单位正常业务应用服务的情况下，根据对系统当前资源使用状态监控与分析，动态分配视频智能分析任务，达到了最大化安全价值效益的目的。
2023, 45(12): 4469-4476.
doi: 10.11999/JEIT221549
摘要:
脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络，为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难，一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而，转换后的SNN 经常遇到性能下降和高延迟的问题，无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题，引入对偶误差模型降低转换性能损失。首先，该文分析误差产生原因，构建对偶误差模型来模拟ANN到SNN转换误差。进一步地，将对偶误差模型引入到ANN训练过程，使转换前后的模型在训练和推理过程中误差保持一致，从而降低模型的转换性能损失。最后，利用轻量化检测算法YOLO在数据集PASCAL VOC和 MS COCO上验证了对偶误差模型的有效性。
脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络，为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难，一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而，转换后的SNN 经常遇到性能下降和高延迟的问题，无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题，引入对偶误差模型降低转换性能损失。首先，该文分析误差产生原因，构建对偶误差模型来模拟ANN到SNN转换误差。进一步地，将对偶误差模型引入到ANN训练过程，使转换前后的模型在训练和推理过程中误差保持一致，从而降低模型的转换性能损失。最后，利用轻量化检测算法YOLO在数据集PASCAL VOC和 MS COCO上验证了对偶误差模型的有效性。
2023, 45(12): 4477-4488.
doi: 10.11999/JEIT221393
摘要:
针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影。引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像。实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。
针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影。引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像。实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。
2023, 45(12): 4489-4498.
doi: 10.11999/JEIT221270
摘要:
光场图像的显著性检测是视觉跟踪、目标检测、图像压缩等应用中的关键技术。然而，现有深度学习方法在处理特征时，忽略特征差异和全局上下文信息，导致显著图模糊，甚至在前景与背景颜色、纹理相似或者背景杂乱的场景中，存在检测对象不完整以及背景难抑制的问题，因此该文提出一种基于上下文感知跨层特征融合的光场图像显著性检测网络。首先，构建跨层特征融合模块自适应地从输入特征中选择互补分量，减少特征差异，避免特征不准确整合，以更有效地融合相邻层特征和信息性系数；同时利用跨层特征融合模块构建了并行级联反馈解码器(PCFD)，采用多级反馈机制重复迭代细化特征，避免特征丢失及高层上下文特征被稀释；最后构建全局上下文模块(GCM)产生多尺度特征以利用丰富的全局上下文信息，以此获取不同显著区域之间的关联并减轻高级特征的稀释。在最新光场数据集上的实验结果表明，该文方法在定量和定性上均优于所比较的方法，并且能够精确地从前/背景相似的场景中检测出完整的显著对象、获得清晰的显著图。
光场图像的显著性检测是视觉跟踪、目标检测、图像压缩等应用中的关键技术。然而，现有深度学习方法在处理特征时，忽略特征差异和全局上下文信息，导致显著图模糊，甚至在前景与背景颜色、纹理相似或者背景杂乱的场景中，存在检测对象不完整以及背景难抑制的问题，因此该文提出一种基于上下文感知跨层特征融合的光场图像显著性检测网络。首先，构建跨层特征融合模块自适应地从输入特征中选择互补分量，减少特征差异，避免特征不准确整合，以更有效地融合相邻层特征和信息性系数；同时利用跨层特征融合模块构建了并行级联反馈解码器(PCFD)，采用多级反馈机制重复迭代细化特征，避免特征丢失及高层上下文特征被稀释；最后构建全局上下文模块(GCM)产生多尺度特征以利用丰富的全局上下文信息，以此获取不同显著区域之间的关联并减轻高级特征的稀释。在最新光场数据集上的实验结果表明，该文方法在定量和定性上均优于所比较的方法，并且能够精确地从前/背景相似的场景中检测出完整的显著对象、获得清晰的显著图。
2023, 45(12): 4499-4508.
doi: 10.11999/JEIT221172
摘要:
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征，为提升预测的精度及收敛速度，提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先，考虑到端点飞翼问题，通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量，有效提取了其中的先验特征；随后，利用BiGRU网络挖掘交通流量序列中的时序相关性特征，为避免局部最优，并提高麻雀搜索算法(SSA)全局搜索及局部开发能力，采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明，该组合预测模型中各组件对提高预测精度均起到正向作用，同时在不同交通流量数据集下的预测性能较对比算法均更优，展现了精准、快速的预测表现以及良好的泛化能力。
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征，为提升预测的精度及收敛速度，提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先，考虑到端点飞翼问题，通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量，有效提取了其中的先验特征；随后，利用BiGRU网络挖掘交通流量序列中的时序相关性特征，为避免局部最优，并提高麻雀搜索算法(SSA)全局搜索及局部开发能力，采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明，该组合预测模型中各组件对提高预测精度均起到正向作用，同时在不同交通流量数据集下的预测性能较对比算法均更优，展现了精准、快速的预测表现以及良好的泛化能力。
2023, 45(12): 4509-4518.
doi: 10.11999/JEIT221569
摘要:
针对一对多通报关系实体认证与密钥协商应用环境的无线目标身份识别同步认证问题，该文设计了双密钥组合校验定理，提出并证明了交互式动态认证与工作密钥同步更新定理，基于可信标识动态密钥匹配规则构建了密钥同步更新的组合校验认证模型，提出了一类密钥同步更新的组合校验认证方法，给出了双密钥组合校验、消息适度重传、模拟信道信噪比合理仿真等无线目标身份识别协议设计准则，突破了无线目标身份识别协议同步认证难的关键技术，解决了实体认证与密钥协商中实体身份动态认证、工作密钥同步更新难题。以一类无线目标身份识别协议为例，分析说明了该类方法的具体应用。基于串空间理论构造攻击方法给出了该协议的形式化证明，并通过常规攻击方法分析了该协议的实际安全性。与其他交互式密码协议同步认证设计方法相比较，该方法具有动态可认证性，由该方法设计的交互式密码协议同步认证方案，安全性高，计算量小，仅进行一次迭代运算，可应用于大规模复杂环境中的无线目标身份识别。
针对一对多通报关系实体认证与密钥协商应用环境的无线目标身份识别同步认证问题，该文设计了双密钥组合校验定理，提出并证明了交互式动态认证与工作密钥同步更新定理，基于可信标识动态密钥匹配规则构建了密钥同步更新的组合校验认证模型，提出了一类密钥同步更新的组合校验认证方法，给出了双密钥组合校验、消息适度重传、模拟信道信噪比合理仿真等无线目标身份识别协议设计准则，突破了无线目标身份识别协议同步认证难的关键技术，解决了实体认证与密钥协商中实体身份动态认证、工作密钥同步更新难题。以一类无线目标身份识别协议为例，分析说明了该类方法的具体应用。基于串空间理论构造攻击方法给出了该协议的形式化证明，并通过常规攻击方法分析了该协议的实际安全性。与其他交互式密码协议同步认证设计方法相比较，该方法具有动态可认证性，由该方法设计的交互式密码协议同步认证方案，安全性高，计算量小，仅进行一次迭代运算，可应用于大规模复杂环境中的无线目标身份识别。
2023, 45(12): 4519-4529.
doi: 10.11999/JEIT221332
摘要:
随着现代科学技术的发展，人们对图像信息传输的安全性要求越来越高，以混沌理论为基础的图像加密方案更加受到重视。该文提出一种新型的光混沌图像加密传输系统以及图像“自加密”算法，该系统的主激光器(ML)经全光反馈后分别注入到3个半导体激光器(SLs)中，从而产生3个同步的混沌序列。在图像加密之前，先对明文图像进行预处理，得到两幅图像，一幅是明文图像取商的图像，另一幅是明文图像取余的图像。利用发送端的混沌序列对预处理的两幅图像进行多次加密、隐写以及扩散等操作，得到密文图像。实验结果表明：该文的密文图像像素值分布均匀，各像素间的相关性被打破，NPCR和UACI均接近理想值。该图像预处理的方法能够有效地使图像像素值更为集中、分布更加均匀，同时结合光混沌对图像进行加密，大大地提高传输图像的安全性。
随着现代科学技术的发展，人们对图像信息传输的安全性要求越来越高，以混沌理论为基础的图像加密方案更加受到重视。该文提出一种新型的光混沌图像加密传输系统以及图像“自加密”算法，该系统的主激光器(ML)经全光反馈后分别注入到3个半导体激光器(SLs)中，从而产生3个同步的混沌序列。在图像加密之前，先对明文图像进行预处理，得到两幅图像，一幅是明文图像取商的图像，另一幅是明文图像取余的图像。利用发送端的混沌序列对预处理的两幅图像进行多次加密、隐写以及扩散等操作，得到密文图像。实验结果表明：该文的密文图像像素值分布均匀，各像素间的相关性被打破，NPCR和UACI均接近理想值。该图像预处理的方法能够有效地使图像像素值更为集中、分布更加均匀，同时结合光混沌对图像进行加密，大大地提高传输图像的安全性。
2023, 45(12): 4530-4538.
doi: 10.11999/JEIT221164
摘要:
该文分析了格密码解封装过程存在的能量泄露，针对消息解码操作提出一种基于模板与密文循环特性的消息恢复方法，该方法采用汉明重量模型与归一化类间方差(NICV)方法对解码字节的中间更新状态构建模板，并利用密文循环特性构造特殊密文，结合算法运算过程中产生的能量泄露，实现了对格密码中秘密消息和共享密钥的恢复。该文以Saber算法及其变体为例对提出的攻击方法在ChipWhisperer平台上进行了验证，结果表明，该攻击方法可以成功还原封装阶段的秘密消息和共享密钥，在预处理阶段仅需900条能量迹即可完成对模板的构建，共需要32条能量迹完成秘密消息的恢复。在未增加信噪比(SNR)条件下，消息恢复成功率达到66.7%，而在合适信噪比条件下，消息恢复成功率达到98.43%。
该文分析了格密码解封装过程存在的能量泄露，针对消息解码操作提出一种基于模板与密文循环特性的消息恢复方法，该方法采用汉明重量模型与归一化类间方差(NICV)方法对解码字节的中间更新状态构建模板，并利用密文循环特性构造特殊密文，结合算法运算过程中产生的能量泄露，实现了对格密码中秘密消息和共享密钥的恢复。该文以Saber算法及其变体为例对提出的攻击方法在ChipWhisperer平台上进行了验证，结果表明，该攻击方法可以成功还原封装阶段的秘密消息和共享密钥，在预处理阶段仅需900条能量迹即可完成对模板的构建，共需要32条能量迹完成秘密消息的恢复。在未增加信噪比(SNR)条件下，消息恢复成功率达到66.7%，而在合适信噪比条件下，消息恢复成功率达到98.43%。
2023, 45(12): 4539-4547.
doi: 10.11999/JEIT221296
摘要:
针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。
针对传统的网络流量异常检测方法存在识别准确度低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。
2023, 45(12): 4548-4555.
doi: 10.11999/JEIT221414
摘要:
深度神经网络(DNN)因其优异的性能而被广泛应用，但易受对抗样本攻击的问题使其面临巨大的安全风险。通过对DNN的卷积过程进行可视化，发现随着卷积层数加深，对抗攻击对原始输入产生的扰动愈加明显。基于这一发现，采用动量法中前向结果修正后向结果的思想，该文提出一种基于动量增强特征图的防御算法(MEF)。MEF算法在DNN的卷积层上部署特征增强层构成特征增强块(FEB)，FEB会结合原始输入以及浅层卷积层的特征图生成特征增强图，进而利用特征增强图来增强深层的特征图。同时，为了保证每层特征增强图的有效性，增强后的特征图还会对特征增强图进行进一步更新。为验证MEF算法的有效性，使用多种白盒与黑盒攻击对部署MEF算法的DNN模型进行攻击实验，结果表明在投影梯度下降法(PGD)以及快速梯度符号法(FGSM)的攻击实验中，MEF算法对对抗样本的识别精度比对抗训练(AT)高出3%～5%，且对干净样本的识别精度也有所提升。此外，使用比训练时更强的对抗攻击方法进行测试时，与目前先进的噪声注入算法(PNI)以及特征扰动算法(L2P)相比，MEF算法表现出更强的鲁棒性。
深度神经网络(DNN)因其优异的性能而被广泛应用，但易受对抗样本攻击的问题使其面临巨大的安全风险。通过对DNN的卷积过程进行可视化，发现随着卷积层数加深，对抗攻击对原始输入产生的扰动愈加明显。基于这一发现，采用动量法中前向结果修正后向结果的思想，该文提出一种基于动量增强特征图的防御算法(MEF)。MEF算法在DNN的卷积层上部署特征增强层构成特征增强块(FEB)，FEB会结合原始输入以及浅层卷积层的特征图生成特征增强图，进而利用特征增强图来增强深层的特征图。同时，为了保证每层特征增强图的有效性，增强后的特征图还会对特征增强图进行进一步更新。为验证MEF算法的有效性，使用多种白盒与黑盒攻击对部署MEF算法的DNN模型进行攻击实验，结果表明在投影梯度下降法(PGD)以及快速梯度符号法(FGSM)的攻击实验中，MEF算法对对抗样本的识别精度比对抗训练(AT)高出3%～5%，且对干净样本的识别精度也有所提升。此外，使用比训练时更强的对抗攻击方法进行测试时，与目前先进的噪声注入算法(PNI)以及特征扰动算法(L2P)相比，MEF算法表现出更强的鲁棒性。
2023, 45(12): 4556-4565.
doi: 10.11999/JEIT221083
摘要:
近年来，基于忆阻器的非线性动力学问题备受关注。该文以二值和三值忆阻器为例分析了二值和多值忆阻器对于混沌系统动力特性的影响。首先，将二值忆阻器引入Chen系统，构建了一个4维的基于二值忆阻器的混沌系统(BMCS)。其次，使用三值忆阻器替换上述系统中的二值忆阻器，构建一个4维的基于三值忆阻器的混沌系统(TMCS)。通过理论分析与数值仿真，从多个角度对比了两个混沌系统之间的动力学特性差异，如Lyapunov指数、分岔图、系统的平衡点、系统稳定性、对初值的敏感性以及系统的复杂度分析等。结果表明，两个基于忆阻器的混沌系统都具有无穷多个平衡点，二者产生的吸引子均为隐藏吸引子，且都存在的暂态混沌现象，但三值忆阻混沌系统具有超混沌特性，且相比二值忆阻混沌系统具有更强的初值敏感性以及更大的参数取值区间。分析得出基于三值忆阻器构建的混沌系统比基于二值忆阻器的混沌系统能够产生更为复杂的动力学特性，混沌信号也更为复杂。
近年来，基于忆阻器的非线性动力学问题备受关注。该文以二值和三值忆阻器为例分析了二值和多值忆阻器对于混沌系统动力特性的影响。首先，将二值忆阻器引入Chen系统，构建了一个4维的基于二值忆阻器的混沌系统(BMCS)。其次，使用三值忆阻器替换上述系统中的二值忆阻器，构建一个4维的基于三值忆阻器的混沌系统(TMCS)。通过理论分析与数值仿真，从多个角度对比了两个混沌系统之间的动力学特性差异，如Lyapunov指数、分岔图、系统的平衡点、系统稳定性、对初值的敏感性以及系统的复杂度分析等。结果表明，两个基于忆阻器的混沌系统都具有无穷多个平衡点，二者产生的吸引子均为隐藏吸引子，且都存在的暂态混沌现象，但三值忆阻混沌系统具有超混沌特性，且相比二值忆阻混沌系统具有更强的初值敏感性以及更大的参数取值区间。分析得出基于三值忆阻器构建的混沌系统比基于二值忆阻器的混沌系统能够产生更为复杂的动力学特性，混沌信号也更为复杂。
2023, 45(12): 4566-4575.
doi: 10.11999/JEIT221315
摘要:
光电镊(OET)是一种基于光致介电泳效应的微尺度光操控技术，可在流体场、光电场、生物力场耦合的复杂环境下对微小目标进行精准操控，在细胞操作、微机械系统等领域有着重要的应用。光电镊技术可以单独使用或与其他技术协同使用，应用十分广泛。迄今为止，基于光电镊的研究主要集中在：微纳米材料的操作、组装和合成；单个细胞/分子的操作、分离和分析；细胞固有特性的分析和获取；细胞的电穿孔、融合和裂解；细胞封装生物材料和生物结构的制备；流体传输的光流体器件的开发。这些工作展示了光电镊技术优越的性能和独特的通用性和灵活性。该文系统地介绍了光电镊技术的现有应用，总结了该技术的应用前景、局限性及发展趋势。
光电镊(OET)是一种基于光致介电泳效应的微尺度光操控技术，可在流体场、光电场、生物力场耦合的复杂环境下对微小目标进行精准操控，在细胞操作、微机械系统等领域有着重要的应用。光电镊技术可以单独使用或与其他技术协同使用，应用十分广泛。迄今为止，基于光电镊的研究主要集中在：微纳米材料的操作、组装和合成；单个细胞/分子的操作、分离和分析；细胞固有特性的分析和获取；细胞的电穿孔、融合和裂解；细胞封装生物材料和生物结构的制备；流体传输的光流体器件的开发。这些工作展示了光电镊技术优越的性能和独特的通用性和灵活性。该文系统地介绍了光电镊技术的现有应用，总结了该技术的应用前景、局限性及发展趋势。
2023, 45(12): 4576-4584.
doi: 10.11999/JEIT221181
摘要:
空间行波管(TWT)预失真电路小型化、轻量化要求使得电路调试难度变大，迫切需要一种预失真电路精确仿真及设计方法来指导产品设计。该文在分析肖特基二极管等效电路模型基础上选择二极管MA4E2039作为非线性发生器件，并建立了MA4E2039的二极管仿真模型。之后通过分析反射式预失真电路结构，获得了影响电路性能的关键参数，并在元器件和版图联合仿真阶段对这些关键参数进行精确仿真。最后对依据仿真结果进行加工的预失真电路进行测试，发现仿真结果和电路实测结果偏差小于15%，将预失真电路与K波段行波管放大器级联实现在输入回退4 dB时3阶交调达到23.77 dBc，实现了行波管的线性化。可见该方法能够用于指导空间行波管预失真电路设计，帮助提高产品开发周期，对于预失真电路的小型化设计也有重要指导意义。
空间行波管(TWT)预失真电路小型化、轻量化要求使得电路调试难度变大，迫切需要一种预失真电路精确仿真及设计方法来指导产品设计。该文在分析肖特基二极管等效电路模型基础上选择二极管MA4E2039作为非线性发生器件，并建立了MA4E2039的二极管仿真模型。之后通过分析反射式预失真电路结构，获得了影响电路性能的关键参数，并在元器件和版图联合仿真阶段对这些关键参数进行精确仿真。最后对依据仿真结果进行加工的预失真电路进行测试，发现仿真结果和电路实测结果偏差小于15%，将预失真电路与K波段行波管放大器级联实现在输入回退4 dB时3阶交调达到23.77 dBc，实现了行波管的线性化。可见该方法能够用于指导空间行波管预失真电路设计，帮助提高产品开发周期，对于预失真电路的小型化设计也有重要指导意义。
