邮件订阅
2023年 第45卷 第4期
2023, 45(4): 1147-1153.
doi: 10.11999/JEIT220170
摘要:
在传统的非正交多址(NOMA)系统中，通常将更多的功率分配给边缘用户以此来保证其通信质量，系统公平性以牺牲系统容量为代价。基于协作通信的NOMA系统虽可解决上述问题，但在协作阶段中心用户需承担中继的作用，这种方式必将给中心用户带来一定的负担。为了兼顾系统容量和公平性，该文提出一种基于协作通信和无线携能通信(SWIPT)的新型资源分配方案，该方案在满足边缘用户通信质量情况下，使用能量收集设备完成能量收集，通过连续凸逼近(SCA)求解目标问题最大化系统能效。仿真结果表明，与传统NOMA和协作式非正交多址接入系统(CNOMA)相比，CNOMA-SWIPT系统的能量效率得到了较大的提高，在基站最大发射功率为30 dBm时相比NOMA系统能达到60.8%的增益，相比CNOMA系统能达到比CNOMA系统高出约11.5%的增益，更符合绿色通信的发展理念。
在传统的非正交多址(NOMA)系统中，通常将更多的功率分配给边缘用户以此来保证其通信质量，系统公平性以牺牲系统容量为代价。基于协作通信的NOMA系统虽可解决上述问题，但在协作阶段中心用户需承担中继的作用，这种方式必将给中心用户带来一定的负担。为了兼顾系统容量和公平性，该文提出一种基于协作通信和无线携能通信(SWIPT)的新型资源分配方案，该方案在满足边缘用户通信质量情况下，使用能量收集设备完成能量收集，通过连续凸逼近(SCA)求解目标问题最大化系统能效。仿真结果表明，与传统NOMA和协作式非正交多址接入系统(CNOMA)相比，CNOMA-SWIPT系统的能量效率得到了较大的提高，在基站最大发射功率为30 dBm时相比NOMA系统能达到60.8%的增益，相比CNOMA系统能达到比CNOMA系统高出约11.5%的增益，更符合绿色通信的发展理念。
2023, 45(4): 1154-1162.
doi: 10.11999/JEIT220279
摘要:
近年来智慧公路为用户提供了道路监测、辅助驾驶等新型服务，但随之而来的是数据流量爆炸式的增长，这对网络的承载能力带来了极大的考验。随着5G和移动边缘计算技术的成熟，海量任务不必集中在云端处理，边缘侧的协同处理成为一种较好的选择。为了在车辆高速移动场景下为用户提供高效可靠的服务，该文提出一种基于位置预测的智慧公路边缘任务协同(CETLP)机制。首先，结合智慧公路场景下车辆运动特点，建立面向时延和负载均衡的边缘任务协同模型。进而，针对任务时延最小化以及网络负载均衡等目标，提出一种基于深度强化学习的边缘任务协同算法，对海量任务的协同策略进行求解。仿真结果表明，所提机制能够在保证网络负载均衡的情况下降低服务时延。
近年来智慧公路为用户提供了道路监测、辅助驾驶等新型服务，但随之而来的是数据流量爆炸式的增长，这对网络的承载能力带来了极大的考验。随着5G和移动边缘计算技术的成熟，海量任务不必集中在云端处理，边缘侧的协同处理成为一种较好的选择。为了在车辆高速移动场景下为用户提供高效可靠的服务，该文提出一种基于位置预测的智慧公路边缘任务协同(CETLP)机制。首先，结合智慧公路场景下车辆运动特点，建立面向时延和负载均衡的边缘任务协同模型。进而，针对任务时延最小化以及网络负载均衡等目标，提出一种基于深度强化学习的边缘任务协同算法，对海量任务的协同策略进行求解。仿真结果表明，所提机制能够在保证网络负载均衡的情况下降低服务时延。
2023, 45(4): 1163-1172.
doi: 10.11999/JEIT220140
摘要:
基于3维激光雷达 (LiDAR) 的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图，利用孪生网络结构提取并训练点云极化指纹，结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配，采用基于2阶隐马尔可夫模型 (HMM2) 的地图序列精确匹配方法获取最近的地图节点，通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明，地图匹配准确率高于96%，定位平均误差约为30 cm，并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。
基于3维激光雷达 (LiDAR) 的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图，利用孪生网络结构提取并训练点云极化指纹，结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配，采用基于2阶隐马尔可夫模型 (HMM2) 的地图序列精确匹配方法获取最近的地图节点，通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明，地图匹配准确率高于96%，定位平均误差约为30 cm，并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。
2023, 45(4): 1173-1182.
doi: 10.11999/JEIT220231
摘要:
设备对设备(D2D)通信作为一种短距离通信技术，能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题，传统优化方法难以解决。针对这个挑战性问题，该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中，将蜂窝网络中的每个D2D发射端作为智能体，智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈，蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息，使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比，所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。
设备对设备(D2D)通信作为一种短距离通信技术，能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题，传统优化方法难以解决。针对这个挑战性问题，该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中，将蜂窝网络中的每个D2D发射端作为智能体，智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈，蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息，使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比，所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。
2023, 45(4): 1183-1191.
doi: 10.11999/JEIT220121
摘要:
为进一步提高卫星信号的隐蔽性能，该文结合加权分数阶傅里叶变换(WFRFT)的星座混淆特性与混沌映射轨迹的抗截获特性，提出一种基于物理层安全的双极化卫星联合调制方案。借鉴“相位扰码”思想和“联合设计”理念，通过扩展4-WFRFT加权项参数，增加了卫星信号处理的多样性，在此基础上嵌入Logistic映射加密，提高了信息破解的难度。建立双极化卫星混沌安全传输系统模型，提出基于MP-WFRFT一体多维的组合隐蔽新概念，探索双极化卫星信号星座优化设计和裂变融合机理。仿真结果验证了所提方案的有效性。
为进一步提高卫星信号的隐蔽性能，该文结合加权分数阶傅里叶变换(WFRFT)的星座混淆特性与混沌映射轨迹的抗截获特性，提出一种基于物理层安全的双极化卫星联合调制方案。借鉴“相位扰码”思想和“联合设计”理念，通过扩展4-WFRFT加权项参数，增加了卫星信号处理的多样性，在此基础上嵌入Logistic映射加密，提高了信息破解的难度。建立双极化卫星混沌安全传输系统模型，提出基于MP-WFRFT一体多维的组合隐蔽新概念，探索双极化卫星信号星座优化设计和裂变融合机理。仿真结果验证了所提方案的有效性。
2023, 45(4): 1192-1200.
doi: 10.11999/JEIT220266
摘要:
为提高卫星通信信号的安全性能，该文提出一种多层多参数多项加权分数阶傅里叶变换(MWFRFT)复合调制通信信号设计方法。该方法针对传统多项加权分数阶傅里叶变换单层结构的被扫描威胁，将MWFRFT扩展至不同加权系数的多层结构，降低了系统的被扫描概率。同时，多层多参数MWFRFT(MPMWFRFT)系统通过对控制参数集的优化设计，解决了多层结构下的通信信号调制特征模拟。针对复杂电磁环境场景中的目标寄生信号和窄带信号干扰，引入扩频机制，设计了3层多项加权分数阶傅里叶变换和直接序列扩频复合调制系统(TL-MWFRFT-DSSS)。仿真结果表明，该方法在保证较好通信性能的前提下，实现了多层通信信号的调制特征模拟，显著提高了系统的抗扫描性能。
为提高卫星通信信号的安全性能，该文提出一种多层多参数多项加权分数阶傅里叶变换(MWFRFT)复合调制通信信号设计方法。该方法针对传统多项加权分数阶傅里叶变换单层结构的被扫描威胁，将MWFRFT扩展至不同加权系数的多层结构，降低了系统的被扫描概率。同时，多层多参数MWFRFT(MPMWFRFT)系统通过对控制参数集的优化设计，解决了多层结构下的通信信号调制特征模拟。针对复杂电磁环境场景中的目标寄生信号和窄带信号干扰，引入扩频机制，设计了3层多项加权分数阶傅里叶变换和直接序列扩频复合调制系统(TL-MWFRFT-DSSS)。仿真结果表明，该方法在保证较好通信性能的前提下，实现了多层通信信号的调制特征模拟，显著提高了系统的抗扫描性能。
2023, 45(4): 1201-1210.
doi: 10.11999/JEIT220278
摘要:
非正交多址接入(NOMA)是5G网络关键候选技术之一，其与认知无线电(CR)技术相结合形成系统(CR-NOMA)，能够实现更高的频谱效率及更大的吞吐量。该文将直传与中继协同传输(CDRT)方案引入多用户CR-NOMA系统，其中CDRT表示次级源(SS)直接与近端次级用户通信，而仅通过中继(R)与多个远端次级用户通信。在非理想自干扰消除和全双工(FD)中继情况下，推导了每个NOMA用户中断概率(OP)的精确闭式表达。此外，在该系统模型下分析SS, R和用户的收益最优化问题，提出一种基于收益的两阶段迭代功率分配算法。仿真结果显示，在高信噪比(30 dB)条件下，与随机功率分配及平均功率分配方案相比，该文所提算法的用户和速率、SS总收益、R总收益分别可最高提升13%, 56%及26%。蒙特卡罗仿真验证了理论分析与实验结果的一致性。
非正交多址接入(NOMA)是5G网络关键候选技术之一，其与认知无线电(CR)技术相结合形成系统(CR-NOMA)，能够实现更高的频谱效率及更大的吞吐量。该文将直传与中继协同传输(CDRT)方案引入多用户CR-NOMA系统，其中CDRT表示次级源(SS)直接与近端次级用户通信，而仅通过中继(R)与多个远端次级用户通信。在非理想自干扰消除和全双工(FD)中继情况下，推导了每个NOMA用户中断概率(OP)的精确闭式表达。此外，在该系统模型下分析SS, R和用户的收益最优化问题，提出一种基于收益的两阶段迭代功率分配算法。仿真结果显示，在高信噪比(30 dB)条件下，与随机功率分配及平均功率分配方案相比，该文所提算法的用户和速率、SS总收益、R总收益分别可最高提升13%, 56%及26%。蒙特卡罗仿真验证了理论分析与实验结果的一致性。
2023, 45(4): 1211-1218.
doi: 10.11999/JEIT220246
摘要:
针对协作非正交多址(NOMA)系统中信息安全传输问题，该文提出一种基于修改转发(MF)中继的物理层安全(PLS)传输方案。该方案利用MF中继将解码信息修改后再转发，避免了合法信息泄露到窃听节点。首先对NOMA-MF系统进行建模，然后推导了系统安全中断概率(SOP)、严格正保密容量(SPSC)和窃听概率(IP)来衡量系统的保密性和安全性，以及中断概率(OP)以衡量其可靠性。此外，推导了系统的渐近性能，对比分析了解码转发(DF)协议下NOMA-DF系统与NOMA-MF系统的性能。推导及仿真结果表明：NOMA-MF系统的保密性能和安全性能比NOMA-DF系统更具有优势；NOMA-MF系统的OP和IP之间存在最优信噪比(SNR)以实现系统安全及可靠性的平衡；存在最佳功率分配参数以实现最低的SOP和OP。
针对协作非正交多址(NOMA)系统中信息安全传输问题，该文提出一种基于修改转发(MF)中继的物理层安全(PLS)传输方案。该方案利用MF中继将解码信息修改后再转发，避免了合法信息泄露到窃听节点。首先对NOMA-MF系统进行建模，然后推导了系统安全中断概率(SOP)、严格正保密容量(SPSC)和窃听概率(IP)来衡量系统的保密性和安全性，以及中断概率(OP)以衡量其可靠性。此外，推导了系统的渐近性能，对比分析了解码转发(DF)协议下NOMA-DF系统与NOMA-MF系统的性能。推导及仿真结果表明：NOMA-MF系统的保密性能和安全性能比NOMA-DF系统更具有优势；NOMA-MF系统的OP和IP之间存在最优信噪比(SNR)以实现系统安全及可靠性的平衡；存在最佳功率分配参数以实现最低的SOP和OP。
2023, 45(4): 1219-1226.
doi: 10.11999/JEIT220075
摘要:
为了提升非规则准循环低密度奇偶校验(QC-LDPC)码的误码率性能、降低构造算法的复杂度，该文提出一种基于基矩阵排列优化算法的非规则QC-LDPC码构造方法。首先，利用基于外部信息传递(EXIT)图的阈值分析算法得到满足码率和列重要求的非规则QC-LDPC码的最优度分布，然后将围长和短环数量作为新的约束条件对具有最优度分布的码集进行分析，得到具有最优度分布和最少短环数量的最优基矩阵排列结构，最后，根据得到的基矩阵对规则指数矩阵进行置零操作得到目标非规则QC-LDPC码。该构造方法相对于随机构造方法具有更低的实现复杂度，同时可以通过改变算法的参数值实现码长和码率的灵活设计。仿真结果表明，与现有的一些构造方法相比，所提方法构造的非规则QC-LDPC码在加性高斯白噪声(AWGN)信道上具有更好的误码率性能。
为了提升非规则准循环低密度奇偶校验(QC-LDPC)码的误码率性能、降低构造算法的复杂度，该文提出一种基于基矩阵排列优化算法的非规则QC-LDPC码构造方法。首先，利用基于外部信息传递(EXIT)图的阈值分析算法得到满足码率和列重要求的非规则QC-LDPC码的最优度分布，然后将围长和短环数量作为新的约束条件对具有最优度分布的码集进行分析，得到具有最优度分布和最少短环数量的最优基矩阵排列结构，最后，根据得到的基矩阵对规则指数矩阵进行置零操作得到目标非规则QC-LDPC码。该构造方法相对于随机构造方法具有更低的实现复杂度，同时可以通过改变算法的参数值实现码长和码率的灵活设计。仿真结果表明，与现有的一些构造方法相比，所提方法构造的非规则QC-LDPC码在加性高斯白噪声(AWGN)信道上具有更好的误码率性能。
2023, 45(4): 1227-1235.
doi: 10.11999/JEIT220190
摘要:
针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题，该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段，进行研究分析，采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响，对变量进行相关性分析，并对其中显著相关的变量进行回归拟合，得到其相关回归函数。然后利用硬件与特征的相关性，改进传统支持向量机(SVM)分类器，构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证，结果表明，同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。
针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题，该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段，进行研究分析，采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响，对变量进行相关性分析，并对其中显著相关的变量进行回归拟合，得到其相关回归函数。然后利用硬件与特征的相关性，改进传统支持向量机(SVM)分类器，构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证，结果表明，同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。
2023, 45(4): 1236-1242.
doi: 10.11999/JEIT220261
摘要:
该文针对双基地雷达提出一种多元信息辅助的检测跟踪一体化方法。结合雷达在目标跟踪阶段获取的目标位置与回波幅度等多元先验信息，辅助设计跟踪波门内检测门限，以期提升目标的检测与跟踪性能。该文首先根据已获取的目标位置先验信息，在概率数据互联(PDA)框架下基于贝叶斯最小错误准则修正了传统似然比检测器。为进一步提升弱目标探测性能，该文引入航迹终结准则松弛了门限设置规则，并计算了跟踪波门内的平均虚警概率和检测概率。最后，该文重新推导了多元信息辅助情况下PDA算法的关联概率计算方式，完整地给出了算法流程，并通过仿真实验验证了算法的可行性和有效性。
该文针对双基地雷达提出一种多元信息辅助的检测跟踪一体化方法。结合雷达在目标跟踪阶段获取的目标位置与回波幅度等多元先验信息，辅助设计跟踪波门内检测门限，以期提升目标的检测与跟踪性能。该文首先根据已获取的目标位置先验信息，在概率数据互联(PDA)框架下基于贝叶斯最小错误准则修正了传统似然比检测器。为进一步提升弱目标探测性能，该文引入航迹终结准则松弛了门限设置规则，并计算了跟踪波门内的平均虚警概率和检测概率。最后，该文重新推导了多元信息辅助情况下PDA算法的关联概率计算方式，完整地给出了算法流程，并通过仿真实验验证了算法的可行性和有效性。
2023, 45(4): 1243-1253.
doi: 10.11999/JEIT220250
摘要:
随着合成孔径雷达(SAR)技术的发展，从极化、频率、角度和时相等多个维度空间联合观测成为SAR发展的重要趋势，但维度联合观测的系统与实验少有报道。该文概要介绍了机载多维度SAR(MSJosSAR)航空观测系统的能力，归纳总结了该系统的技术特点。提出多维度SAR一致性成像方法，实现多波段成像后的配准精度优于1个像元。分析了多波段极化角度特征谱、多方位角层析3维结构重建、多时相相干变化检测等3种SAR多维观测量的初步实验结果，验证了系统的多维观测能力。
随着合成孔径雷达(SAR)技术的发展，从极化、频率、角度和时相等多个维度空间联合观测成为SAR发展的重要趋势，但维度联合观测的系统与实验少有报道。该文概要介绍了机载多维度SAR(MSJosSAR)航空观测系统的能力，归纳总结了该系统的技术特点。提出多维度SAR一致性成像方法，实现多波段成像后的配准精度优于1个像元。分析了多波段极化角度特征谱、多方位角层析3维结构重建、多时相相干变化检测等3种SAR多维观测量的初步实验结果，验证了系统的多维观测能力。
2023, 45(4): 1254-1264.
doi: 10.11999/JEIT220322
摘要:
机载合成孔径雷达高度计(SARA)由于具有高航向分辨率，因此受到广泛关注。然而，现有的SARA地面高程重跟踪方法多基于最小二乘算子，高程参数估计精度和算法抑噪性能均存在上限，容易造成高程参数估计结果过拟合，对复杂高程变化适应能力有限。为此，该文提出一种基于参数化贝叶斯统计学习方法的机载SARA重跟踪算法(PR-Bayes)。通过引入目标场景地形先验概率模型，并结合模型驱动机器学习方法，可实现对目标高程信息重跟踪可信估计，从而有效避免估计参数过拟合问题。该算法基于布朗模型(BM)对SARA回波进行复杂模型参数反演，并设计哈密顿蒙特卡洛(HMC)统计采样器，实现对目标场景地形高度的参数估计。基于该文所提算法，分别通过点目标模拟和DEM半实物模拟对该算法进行有效性验证及高程参数估计精度验证，并通过实测数据验证该算法的实用性。
机载合成孔径雷达高度计(SARA)由于具有高航向分辨率，因此受到广泛关注。然而，现有的SARA地面高程重跟踪方法多基于最小二乘算子，高程参数估计精度和算法抑噪性能均存在上限，容易造成高程参数估计结果过拟合，对复杂高程变化适应能力有限。为此，该文提出一种基于参数化贝叶斯统计学习方法的机载SARA重跟踪算法(PR-Bayes)。通过引入目标场景地形先验概率模型，并结合模型驱动机器学习方法，可实现对目标高程信息重跟踪可信估计，从而有效避免估计参数过拟合问题。该算法基于布朗模型(BM)对SARA回波进行复杂模型参数反演，并设计哈密顿蒙特卡洛(HMC)统计采样器，实现对目标场景地形高度的参数估计。基于该文所提算法，分别通过点目标模拟和DEM半实物模拟对该算法进行有效性验证及高程参数估计精度验证，并通过实测数据验证该算法的实用性。
2023, 45(4): 1265-1274.
doi: 10.11999/JEIT220193
摘要:
电离层多层结构特性使得天波雷达(OTHR)与目标之间存在多条信号传播路径，进而可能对单目标产生多路径量测。该文考虑了天波雷达多路径量测聚类问题，其需要同时对多路径量测进行电离层传播路径辨识和聚类。由于天波雷达量测模型假设1个目标通过1种电离层传播路径至多产生1个量测，因此需要考虑多路径聚类约束。该文将相似性传播聚类扩展到多路径约束模型，并提出一种新的多路径相似性传播聚类算法。该算法通过构建多路径量测聚类的概率图模型，将聚类问题转化为概率图模型隐变量的推断问题，采用最大和置信传播算法近似求解聚类变量的最大后验概率。算法优点包括可以自动识别聚类团数目，单次消息传播的时间复杂度为量测个数和传播路径个数乘积的平方。仿真实验分析表明，所提算法较多路径多假设聚类算法具有更好的聚类性能。
电离层多层结构特性使得天波雷达(OTHR)与目标之间存在多条信号传播路径，进而可能对单目标产生多路径量测。该文考虑了天波雷达多路径量测聚类问题，其需要同时对多路径量测进行电离层传播路径辨识和聚类。由于天波雷达量测模型假设1个目标通过1种电离层传播路径至多产生1个量测，因此需要考虑多路径聚类约束。该文将相似性传播聚类扩展到多路径约束模型，并提出一种新的多路径相似性传播聚类算法。该算法通过构建多路径量测聚类的概率图模型，将聚类问题转化为概率图模型隐变量的推断问题，采用最大和置信传播算法近似求解聚类变量的最大后验概率。算法优点包括可以自动识别聚类团数目，单次消息传播的时间复杂度为量测个数和传播路径个数乘积的平方。仿真实验分析表明，所提算法较多路径多假设聚类算法具有更好的聚类性能。
2023, 45(4): 1275-1284.
doi: 10.11999/JEIT220215
摘要:
为解决双基地雷达栅栏覆盖的优化问题，该文提出一种基于相邻部署线的2维布站优化方法。该方法首先将感兴趣区域用矩形区域近似替代，再将矩形区域划分为多个相同的子栅栏覆盖区域；其次为了充分发挥发射器的效能，该方法不仅利用同条部署线上的发射器与接收器组成双基地雷达，同时也采用相邻部署线之间的发射器与接收器组成双基地雷达。为此提出一种新的基本布站模式，并以该模式为基础建立2维布站的优化模型。该模型以布站成本最小为准则，覆盖区域为约束条件。为了求解该优化模型，该文提出一种基于贪婪算法的求解方法，该方法可以确定2维布站中发射器与接收器的数量及其位置。最后，仿真试验和分析表明该文方法可以有效降低布站成本，减少发射器的使用数量，证明了该文布站优化方法的有效性。
为解决双基地雷达栅栏覆盖的优化问题，该文提出一种基于相邻部署线的2维布站优化方法。该方法首先将感兴趣区域用矩形区域近似替代，再将矩形区域划分为多个相同的子栅栏覆盖区域；其次为了充分发挥发射器的效能，该方法不仅利用同条部署线上的发射器与接收器组成双基地雷达，同时也采用相邻部署线之间的发射器与接收器组成双基地雷达。为此提出一种新的基本布站模式，并以该模式为基础建立2维布站的优化模型。该模型以布站成本最小为准则，覆盖区域为约束条件。为了求解该优化模型，该文提出一种基于贪婪算法的求解方法，该方法可以确定2维布站中发射器与接收器的数量及其位置。最后，仿真试验和分析表明该文方法可以有效降低布站成本，减少发射器的使用数量，证明了该文布站优化方法的有效性。
2023, 45(4): 1285-1292.
doi: 10.11999/JEIT220239
摘要:
间断调频连续波(IFMCW)合成孔径雷达(SAR)是一种新型的集轻量化、低成本和低功耗于一体的新型SAR系统。该系统采用单根天线发射和接收信号，颠覆了传统的调频连续波(FMCW) SAR系统设计理念。在该模式下，由于发射机工作时接收机关闭，导致合成孔径中出现周期性的间隔，采用传统成像算法进行成像，在聚焦SAR图像中将会出现周期性的虚假目标。为了有效地抑制虚假目标，该文基于子孔径回波数据，提出一种新的成像算法，即基于子孔径投影的低秩汉克尔矩阵重构技术(LHRTSP)。实验结果表明与现有方法相比，所提方法对虚假目标的抑制效果更佳，验证了所提方法的有效性。
间断调频连续波(IFMCW)合成孔径雷达(SAR)是一种新型的集轻量化、低成本和低功耗于一体的新型SAR系统。该系统采用单根天线发射和接收信号，颠覆了传统的调频连续波(FMCW) SAR系统设计理念。在该模式下，由于发射机工作时接收机关闭，导致合成孔径中出现周期性的间隔，采用传统成像算法进行成像，在聚焦SAR图像中将会出现周期性的虚假目标。为了有效地抑制虚假目标，该文基于子孔径回波数据，提出一种新的成像算法，即基于子孔径投影的低秩汉克尔矩阵重构技术(LHRTSP)。实验结果表明与现有方法相比，所提方法对虚假目标的抑制效果更佳，验证了所提方法的有效性。
2023, 45(4): 1293-1302.
doi: 10.11999/JEIT220127
摘要:
针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题，该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算，只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP)；之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定，并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值，进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。
针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题，该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算，只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP)；之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定，并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值，进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。
2023, 45(4): 1303-1312.
doi: 10.11999/JEIT220213
摘要:
高分辨率雷达监视系统可观测到区域内不同形状的多个扩展目标，可靠的形状估计有利于提高扩展目标跟踪性能，并可作为战场态势评估的重要依据。该文针对不同形状多扩展目标跟踪问题，提出一种基于联合似然函数的广义标签多伯努利(JL-GLMB)滤波器，可实现目标数目、航迹以及形状的精确估计。首先，将目标形状建模为星凸集，并利用非线性量测变换滤波器更新GLMB分布中的高斯分量，有效提高扩展目标状态估计精度。然后，通过对数加权融合策略，构造联合似然函数，综合衡量扩展目标和量测单元之间的相似程度。最后，基于吉布斯采样，提出快速计算扩展目标状态后验概率密度的方法，有效提高数据关联的准确率和计算效率。仿真实验结果表明，所提滤波器能够有效估计不同形状的多扩展目标状态，且在杂波环境下具有稳定的势估计。
高分辨率雷达监视系统可观测到区域内不同形状的多个扩展目标，可靠的形状估计有利于提高扩展目标跟踪性能，并可作为战场态势评估的重要依据。该文针对不同形状多扩展目标跟踪问题，提出一种基于联合似然函数的广义标签多伯努利(JL-GLMB)滤波器，可实现目标数目、航迹以及形状的精确估计。首先，将目标形状建模为星凸集，并利用非线性量测变换滤波器更新GLMB分布中的高斯分量，有效提高扩展目标状态估计精度。然后，通过对数加权融合策略，构造联合似然函数，综合衡量扩展目标和量测单元之间的相似程度。最后，基于吉布斯采样，提出快速计算扩展目标状态后验概率密度的方法，有效提高数据关联的准确率和计算效率。仿真实验结果表明，所提滤波器能够有效估计不同形状的多扩展目标状态，且在杂波环境下具有稳定的势估计。
2023, 45(4): 1313-1320.
doi: 10.11999/JEIT220171
摘要:
该文研究了Hammerstein系统参数辨识和非线性系统预测问题，提出一种基于非凸投影的自适应滤波算法。论文将问题归结为具有非凸可行域的约束优化问题，并建立了基于交替方向乘子法(ADMM)和递归最小二乘相结合的算法框架。在该算法框架下，非凸约束优化问题的全局最优解可通过岭回归和欧几里得(Euclid)投影循环计算得到。将提出的算法分别应用于Hammerstein系统的参数辨识、非线性未知系统预测以及非线性声学回声消除，并进行仿真实验，结果显示所提算法具有较好的收敛性和稳定性，能够得到较准确的辨识和预测效果。
该文研究了Hammerstein系统参数辨识和非线性系统预测问题，提出一种基于非凸投影的自适应滤波算法。论文将问题归结为具有非凸可行域的约束优化问题，并建立了基于交替方向乘子法(ADMM)和递归最小二乘相结合的算法框架。在该算法框架下，非凸约束优化问题的全局最优解可通过岭回归和欧几里得(Euclid)投影循环计算得到。将提出的算法分别应用于Hammerstein系统的参数辨识、非线性未知系统预测以及非线性声学回声消除，并进行仿真实验，结果显示所提算法具有较好的收敛性和稳定性，能够得到较准确的辨识和预测效果。
2023, 45(4): 1321-1329.
doi: 10.11999/JEIT220883
摘要:
地基合成孔径雷达(GBSAR)是一种全天时全天候非接触式大面积区域高精度形变监测手段，在矿区、边坡、大坝等区域的监测具有广泛应用。在封闭空间监测站中对外场进行连续监测时，雷达接收的回波信号会受到封闭空间的强散射信号干扰。近距离强散射信号耦合到雷达接收端形成虚假目标，严重影响成像质量。该文提出使用RPCA算法，在距离多普勒域将回波信号分解为低秩和稀疏两部分，利用距离多普勒域耦合信号的低秩特性，以及场景信号的稀疏特性，将耦合信号与场景信号有效分离。不同于基于PCA的已有耦合信号抑制方法，RPCA对场景回波信号本身没有高斯分布假设要求，这一假设要求在实际中通常是不满足的。此外，该文提出基于相关性分析的RPCA正则化系数优化选择方法，以实现低秩与稀疏的较优分离。该文通过实际GBSAR数据处理验证了方法的有效性，相比于已有的基于PCA的算法，基于RPCA的耦合信号抑制方法能够在保留场景回波信号的同时更好地抑制耦合信号。
2023, 45(4): 1330-1337.
doi: 10.11999/JEIT220067
摘要:
针对无源超表面功能单一的问题，该文提出一款极化复用的透射型惠更斯超表面，可实现x极化和y极化入射波的独立聚焦特性。超表面单元由一层厚度为0.17λ的介质基板和位于两侧的不对称电偶极子元件组成，利用反向流动的表面电流构成磁偶极子，在物理结构上消除了磁性元件的需求，使单元更加紧凑。通过单元结构尺寸的调整，实现双极化独立调控和360°相位覆盖。根据双极化聚焦的效果设定，基于全息理论对单元进行排列，设计并制备出在35 GHz下具有独立聚焦特性的极化复用惠更斯超表面，模拟和实测结果基本一致。所提出的惠更斯超表面无多层堆叠和金属过孔，具有结构简单、低剖面、易加工等特点。
针对无源超表面功能单一的问题，该文提出一款极化复用的透射型惠更斯超表面，可实现x极化和y极化入射波的独立聚焦特性。超表面单元由一层厚度为0.17λ的介质基板和位于两侧的不对称电偶极子元件组成，利用反向流动的表面电流构成磁偶极子，在物理结构上消除了磁性元件的需求，使单元更加紧凑。通过单元结构尺寸的调整，实现双极化独立调控和360°相位覆盖。根据双极化聚焦的效果设定，基于全息理论对单元进行排列，设计并制备出在35 GHz下具有独立聚焦特性的极化复用惠更斯超表面，模拟和实测结果基本一致。所提出的惠更斯超表面无多层堆叠和金属过孔，具有结构简单、低剖面、易加工等特点。
2023, 45(4): 1338-1345.
doi: 10.11999/JEIT220119
摘要:
针对现有超低频天线发射端单一化缺陷和通信距离受限瓶颈，为实现超低频电磁发信系统的小型化和远距离传输，该文对旋转式永磁体机械天线的超低频电磁发信技术进行了理论创新和工程实践。探究多输入单输出 (MISO)场景下超低频多机械天线电磁辐射理论，建立了基于三相感应电机的多机械天线阵列的空间磁场分布模型。仿真结果表明：利用三相感应电机组成的2元机械天线阵列可使磁感应强度在近场提高3 dB。该文还提出了多天线超低频近场最优波束成型技术。仿真结果表明：当天线之间的初始相位相等时径向接收磁场分量场强最大。设计高精度同步技术并搭建原理样机进行测试，实验结果表明：发送端采用2元天线组阵，信号功率提高6 dBm，传输距离可达50 m。
针对现有超低频天线发射端单一化缺陷和通信距离受限瓶颈，为实现超低频电磁发信系统的小型化和远距离传输，该文对旋转式永磁体机械天线的超低频电磁发信技术进行了理论创新和工程实践。探究多输入单输出 (MISO)场景下超低频多机械天线电磁辐射理论，建立了基于三相感应电机的多机械天线阵列的空间磁场分布模型。仿真结果表明：利用三相感应电机组成的2元机械天线阵列可使磁感应强度在近场提高3 dB。该文还提出了多天线超低频近场最优波束成型技术。仿真结果表明：当天线之间的初始相位相等时径向接收磁场分量场强最大。设计高精度同步技术并搭建原理样机进行测试，实验结果表明：发送端采用2元天线组阵，信号功率提高6 dBm，传输距离可达50 m。
2023, 45(4): 1346-1355.
doi: 10.11999/JEIT220207
摘要:
针对1对多数据密文共享中多关键词模糊匹配和用户公平性问题，该文提出一种基于区块链的多关键词模糊搜索加密方案。该文提出一种R-HashMap索引结构，通过使用对偶编码函数和位置敏感哈希函数来构建安全索引，并采用K最近邻算法来加密索引，通过计算欧式距离度量查询关键词向量与索引节点之间的相似性，实现多关键词模糊密文搜索。该文除了消除预定义词典和降低存储开销外，还在不增加搜索复杂度的前提下实现对安全索引的更新。此外，将以太坊区块链技术与可搜索加密方案相结合避免了恶意服务器对数据的篡改，使用智能合约作为可信第三方进行检索工作，不仅可以防止云服务器内部的关键词猜测攻击，还可以解决检索结果不正确的问题。通过安全性证明分析，该文不但满足自适应选择关键词语义安全性，还可以保护用户隐私和数据安全。将该文与其他方案进行实验对比，证明该文在保证精确度的前提下，时间开销上具有更好的效率优势。
针对1对多数据密文共享中多关键词模糊匹配和用户公平性问题，该文提出一种基于区块链的多关键词模糊搜索加密方案。该文提出一种R-HashMap索引结构，通过使用对偶编码函数和位置敏感哈希函数来构建安全索引，并采用K最近邻算法来加密索引，通过计算欧式距离度量查询关键词向量与索引节点之间的相似性，实现多关键词模糊密文搜索。该文除了消除预定义词典和降低存储开销外，还在不增加搜索复杂度的前提下实现对安全索引的更新。此外，将以太坊区块链技术与可搜索加密方案相结合避免了恶意服务器对数据的篡改，使用智能合约作为可信第三方进行检索工作，不仅可以防止云服务器内部的关键词猜测攻击，还可以解决检索结果不正确的问题。通过安全性证明分析，该文不但满足自适应选择关键词语义安全性，还可以保护用户隐私和数据安全。将该文与其他方案进行实验对比，证明该文在保证精确度的前提下，时间开销上具有更好的效率优势。
2023, 45(4): 1356-1365.
doi: 10.11999/JEIT220161
摘要:
联邦学习存在来自梯度的参与方隐私泄露，现有基于同态加密的梯度保护方案产生较大时间开销且潜在参与方与聚合服务器合谋导致梯度外泄的风险，为此，该文提出一种新的联邦学习方法FastProtector，在采用同态加密保护参与方梯度时引入符号随机梯度下降(SignSGD)思想，利用梯度中正负的多数决定聚合结果也能使模型收敛的特性，量化梯度并改进梯度更新机制，降低梯度加密的开销；同时给出一种加性秘密共享方案保护梯度密文以抵抗恶意聚合服务器和参与方之间共谋攻击；在MNIST和CIFAR-10数据集上进行了实验，结果表明所提方法在降低80%左右加解密总时间的同时仍可保证较高的模型准确率。
联邦学习存在来自梯度的参与方隐私泄露，现有基于同态加密的梯度保护方案产生较大时间开销且潜在参与方与聚合服务器合谋导致梯度外泄的风险，为此，该文提出一种新的联邦学习方法FastProtector，在采用同态加密保护参与方梯度时引入符号随机梯度下降(SignSGD)思想，利用梯度中正负的多数决定聚合结果也能使模型收敛的特性，量化梯度并改进梯度更新机制，降低梯度加密的开销；同时给出一种加性秘密共享方案保护梯度密文以抵抗恶意聚合服务器和参与方之间共谋攻击；在MNIST和CIFAR-10数据集上进行了实验，结果表明所提方法在降低80%左右加解密总时间的同时仍可保证较高的模型准确率。
2023, 45(4): 1366-1373.
doi: 10.11999/JEIT220175
摘要:
为了优化分层联邦学习(FL)全局模型的训练时延，针对实际场景中终端设备存在自私性的问题，该文提出一种基于博弈论的激励机制。在激励预算有限的条件下，得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同，设计了基于主从博弈的可变激励训练加速算法，使得一次全局模型训练时延达到最小。仿真结果显示，所提出的算法能够有效降低终端设备自私性带来的影响，提高分层联邦学习全局模型的训练速度。
为了优化分层联邦学习(FL)全局模型的训练时延，针对实际场景中终端设备存在自私性的问题，该文提出一种基于博弈论的激励机制。在激励预算有限的条件下，得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同，设计了基于主从博弈的可变激励训练加速算法，使得一次全局模型训练时延达到最小。仿真结果显示，所提出的算法能够有效降低终端设备自私性带来的影响，提高分层联邦学习全局模型的训练速度。
2023, 45(4): 1374-1382.
doi: 10.11999/JEIT220178
摘要:
全面准确地感知区块链网络中各节点所遭受的日蚀攻击情况是一个难题，该文针对该难题提出一种基于Markov攻击图和博弈模型的区块链安全态势感知方法。该方法结合区块链网络各节点以及日蚀攻击的特点建立Markov攻击图模型，随后将该模型进行量化从而计算各攻击路径的转换概率，选择较高概率的攻击路径进行多阶段攻防博弈并计算双方的最大目标函数值。通过分析这些函数值，完成对整个区块链网络节点的安全态势感知，达到对未来安全情况的预测和系统维护的目的。实验对比表明，该模型方法不但具有较低的入侵成功次数，还具有较好的确保系统完整性等方面的优势。
全面准确地感知区块链网络中各节点所遭受的日蚀攻击情况是一个难题，该文针对该难题提出一种基于Markov攻击图和博弈模型的区块链安全态势感知方法。该方法结合区块链网络各节点以及日蚀攻击的特点建立Markov攻击图模型，随后将该模型进行量化从而计算各攻击路径的转换概率，选择较高概率的攻击路径进行多阶段攻防博弈并计算双方的最大目标函数值。通过分析这些函数值，完成对整个区块链网络节点的安全态势感知，达到对未来安全情况的预测和系统维护的目的。实验对比表明，该模型方法不但具有较低的入侵成功次数，还具有较好的确保系统完整性等方面的优势。
2023, 45(4): 1383-1390.
doi: 10.11999/JEIT220157
摘要:
雨天作为最常见的恶劣天气，对图像造成的退化效应主要包括雨线对背景的遮挡、雨线累积形成的雨雾效应，从而导致很多为清晰成像条件设计的视觉系统运行效果大打折扣。为了实现雨线和雨雾同时去除、更鲁棒地处理各种真实雨天场景，该文提出了一种雨密度分类引导的双阶段雨天图像复原方法。该方法结合雨天物理模型先验与cGAN网络优化，综合考虑不同模式的雨线与雨雾，利用单独的雨密度分类网络为优化阶段提供引导信息，可以实现不同密度的雨线和雨雾图像复原。在公开合成数据集和真实雨天图像上进行了大量实验，定量和定性的结果均表明了所提方法在去雨有效性和泛化性上的优势。
雨天作为最常见的恶劣天气，对图像造成的退化效应主要包括雨线对背景的遮挡、雨线累积形成的雨雾效应，从而导致很多为清晰成像条件设计的视觉系统运行效果大打折扣。为了实现雨线和雨雾同时去除、更鲁棒地处理各种真实雨天场景，该文提出了一种雨密度分类引导的双阶段雨天图像复原方法。该方法结合雨天物理模型先验与cGAN网络优化，综合考虑不同模式的雨线与雨雾，利用单独的雨密度分类网络为优化阶段提供引导信息，可以实现不同密度的雨线和雨雾图像复原。在公开合成数据集和真实雨天图像上进行了大量实验，定量和定性的结果均表明了所提方法在去雨有效性和泛化性上的优势。
2023, 45(4): 1391-1400.
doi: 10.11999/JEIT221499
摘要:
传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题，导致融合效果不理想，从而无法应用于目标检测、跟踪或识别等领域。因此，该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先，使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取，然后，对红外和可见光图像使用非下采样剪切波变换(NSST)，并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数，增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数，最后经NSST逆变换得到融合图像。实验结果表明，所提算法能够得到目标明确、背景信息清晰的融合图像。
2023, 45(4): 1401-1411.
doi: 10.11999/JEIT220120
摘要:
大脑功能性激活的相关研究普遍存在特征提取依赖人工经验、深层次生理学信息难以挖掘两大问题。针对这两个问题，该文通过引入变分模态分解(VMD)技术，提出自适应VMD算法。该算法考虑了脑血氧信号在不同频段下的生理意义，降低了传统VMD对超参数选取的依赖。实验结果表明自适应VMD算法能够精确地提取出功能性近红外光谱(fNIRS)中富有生理学意义的有效模态分量，进而提升数据预处理效果。在此基础上，基于将时间序列映射成图像并使用深度卷积神经网络进行特征学习的思路，提出线性映射场(LMF)。基于LMF，该文以较低的运算量将fNIRS序列映射成2维图像，辅以深度卷积神经网络，实现了fNIRS生理信号深层次特征的提取。实验结果证明了所提出LMF的优势。最后，该文对提出方法的有效性进行了讨论与分析，说明了不同于循环神经网络仅能“顺序”地感知时间序列，卷积神经网络对时间序列的“跳跃”感知是其取得优异效果的关键。
大脑功能性激活的相关研究普遍存在特征提取依赖人工经验、深层次生理学信息难以挖掘两大问题。针对这两个问题，该文通过引入变分模态分解(VMD)技术，提出自适应VMD算法。该算法考虑了脑血氧信号在不同频段下的生理意义，降低了传统VMD对超参数选取的依赖。实验结果表明自适应VMD算法能够精确地提取出功能性近红外光谱(fNIRS)中富有生理学意义的有效模态分量，进而提升数据预处理效果。在此基础上，基于将时间序列映射成图像并使用深度卷积神经网络进行特征学习的思路，提出线性映射场(LMF)。基于LMF，该文以较低的运算量将fNIRS序列映射成2维图像，辅以深度卷积神经网络，实现了fNIRS生理信号深层次特征的提取。实验结果证明了所提出LMF的优势。最后，该文对提出方法的有效性进行了讨论与分析，说明了不同于循环神经网络仅能“顺序”地感知时间序列，卷积神经网络对时间序列的“跳跃”感知是其取得优异效果的关键。
2023, 45(4): 1412-1425.
doi: 10.11999/JEIT220172
摘要:
近年来，利用CNN进行医学图像处理，在胸片疾病分类任务中取得显著研究进展。然而，与单一结构CNN相比，双路径网络可结合不同CNN特点，从而提高疾病分类能力。其次，对于不同疾病，其位置、大小、形态、密度、纹理等特征均有不同，而注意力机制有助于模型提取不同病理特征，提升分类精度。因此针对胸片疾病分类问题，该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN)，TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络，并利用3种不同形式的注意力机制改进DPN，在维持参数量稳定的同时提高网络复杂度，进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验，并与目前较为先进的6种算法对比，14种疾病的平均AUC值达到0.8185，较前人提升1.1%，表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。
近年来，利用CNN进行医学图像处理，在胸片疾病分类任务中取得显著研究进展。然而，与单一结构CNN相比，双路径网络可结合不同CNN特点，从而提高疾病分类能力。其次，对于不同疾病，其位置、大小、形态、密度、纹理等特征均有不同，而注意力机制有助于模型提取不同病理特征，提升分类精度。因此针对胸片疾病分类问题，该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN)，TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络，并利用3种不同形式的注意力机制改进DPN，在维持参数量稳定的同时提高网络复杂度，进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验，并与目前较为先进的6种算法对比，14种疾病的平均AUC值达到0.8185，较前人提升1.1%，表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。
2023, 45(4): 1426-1434.
doi: 10.11999/JEIT220204
摘要:
近年来，图卷积网络因其特征聚合的机制，能够同时对单个节点以及近邻节点的特征进行表示，被广泛应用于高光谱图像的分类任务。然而，高光谱图像(HSI)中常存在波段冗余、同物异谱等问题，使得直接利用原始光谱特征构建的初始图可靠性不足，从而导致高光谱图像的分类精度低。为此，该文提出一种基于光谱注意力图卷积网络(SAGCN)的高光谱图像半监督分类方法。首先，利用注意力模块对光谱的局部与全局信息进行交互，以增加重要光谱的权重、减小冗余波段以及噪声波段的权重，从而实现光谱的自适应加权；然后，针对光谱加权处理后的高光谱图像，通过空间-光谱相似性度量构建更为准确的近邻矩阵；最后，通过图卷积对标记和无标记样本进行有效的特征聚合，并使用标记样本的聚合特征训练网络。在Indian Pines, Kennedy Space Center和Botswana 3个真实高光谱图像数据集上的实验结果验证了所提方法的有效性。
近年来，图卷积网络因其特征聚合的机制，能够同时对单个节点以及近邻节点的特征进行表示，被广泛应用于高光谱图像的分类任务。然而，高光谱图像(HSI)中常存在波段冗余、同物异谱等问题，使得直接利用原始光谱特征构建的初始图可靠性不足，从而导致高光谱图像的分类精度低。为此，该文提出一种基于光谱注意力图卷积网络(SAGCN)的高光谱图像半监督分类方法。首先，利用注意力模块对光谱的局部与全局信息进行交互，以增加重要光谱的权重、减小冗余波段以及噪声波段的权重，从而实现光谱的自适应加权；然后，针对光谱加权处理后的高光谱图像，通过空间-光谱相似性度量构建更为准确的近邻矩阵；最后，通过图卷积对标记和无标记样本进行有效的特征聚合，并使用标记样本的聚合特征训练网络。在Indian Pines, Kennedy Space Center和Botswana 3个真实高光谱图像数据集上的实验结果验证了所提方法的有效性。
2023, 45(4): 1435-1444.
doi: 10.11999/JEIT220201
摘要:
目前，大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式，对遥感影像进行二分类预测。然而，该类方法没有考虑建筑物的几何特性，难以进行精确提取。为了更精确地提取建筑物，该文引入建筑物的几何信息，提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络，分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中，预测建筑物的脚点热度图，并用非极大抑制算法得到建筑物的脚点像素坐标；利用另外两个分支预测脚点之间的正向连通性和反向连通性，并通过这种双向连接图对脚点间是否具有连接性进行判断，在将具有连通性的脚点进行连接后，可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证，结果表明该方法在遥感影像建筑物提取中具有一定的优越性。
目前，大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式，对遥感影像进行二分类预测。然而，该类方法没有考虑建筑物的几何特性，难以进行精确提取。为了更精确地提取建筑物，该文引入建筑物的几何信息，提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络，分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中，预测建筑物的脚点热度图，并用非极大抑制算法得到建筑物的脚点像素坐标；利用另外两个分支预测脚点之间的正向连通性和反向连通性，并通过这种双向连接图对脚点间是否具有连接性进行判断，在将具有连通性的脚点进行连接后，可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证，结果表明该方法在遥感影像建筑物提取中具有一定的优越性。
2023, 45(4): 1445-1453.
doi: 10.11999/JEIT220122
摘要:
行人检测中，小尺度行人时常被漏检、误检。为了提升小尺度行人的检测准确率并且降低其漏检率，该文提出一个特征增强模块。首先，考虑到小尺度行人随着网络加深特征逐渐减少的问题，特征融合策略突破特征金字塔层级结构的约束，融合深层、浅层特征图，保留了大量小尺度行人特征。然后，考虑到小尺度行人特征容易与背景信息发生混淆的问题，通过自注意力模块联合通道注意力模块建模特征图空间、通道关联性，利用小尺度行人上下文信息和通道信息，增强了小尺度行人特征并且抑制了背景信息。最后，基于特征增强模块构建了一个小尺度行人检测器。所提方法在CrowdHuman数据集中小尺度行人的检测准确率为19.8%，检测速度为22帧/s，在CityPersons数据集中小尺度行人的误检率为13.1%。结果表明该方法对于小尺度行人的检测效果优于其他对比算法且实现了较快的检测速度。
行人检测中，小尺度行人时常被漏检、误检。为了提升小尺度行人的检测准确率并且降低其漏检率，该文提出一个特征增强模块。首先，考虑到小尺度行人随着网络加深特征逐渐减少的问题，特征融合策略突破特征金字塔层级结构的约束，融合深层、浅层特征图，保留了大量小尺度行人特征。然后，考虑到小尺度行人特征容易与背景信息发生混淆的问题，通过自注意力模块联合通道注意力模块建模特征图空间、通道关联性，利用小尺度行人上下文信息和通道信息，增强了小尺度行人特征并且抑制了背景信息。最后，基于特征增强模块构建了一个小尺度行人检测器。所提方法在CrowdHuman数据集中小尺度行人的检测准确率为19.8%，检测速度为22帧/s，在CityPersons数据集中小尺度行人的误检率为13.1%。结果表明该方法对于小尺度行人的检测效果优于其他对比算法且实现了较快的检测速度。
2023, 45(4): 1454-1463.
doi: 10.11999/JEIT220113
摘要:
以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术，在实际应用过程中普遍存在黑箱属性，严重限制了其在安全敏感领域的进一步发展。为此，该文提出一种由粗到细的类激活映射算法(CF-CAM)，用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系，利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码，找到影响模型决策的重要性区域，再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数，从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明，相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外，该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务，对困难样本进行学习，可以有效提高网络识别的准确率，进一步验证了CF-CAM算法的有效性和优越性。
以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术，在实际应用过程中普遍存在黑箱属性，严重限制了其在安全敏感领域的进一步发展。为此，该文提出一种由粗到细的类激活映射算法(CF-CAM)，用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系，利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码，找到影响模型决策的重要性区域，再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数，从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明，相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外，该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务，对困难样本进行学习，可以有效提高网络识别的准确率，进一步验证了CF-CAM算法的有效性和优越性。
2023, 45(4): 1464-1474.
doi: 10.11999/JEIT220217
摘要:
针对心电信号(ECG)传统分类方法效率较低的问题，该文提出一种基于自适应快速S变换(AFST)和XGBoost的心电信号精确快速分类方法。该方法首先通过快速定位算法确定心电信号特征频率点，再根据特征频率点自适应调节S变换窗宽因子，增强S变换的时频分辨率的同时避免迭代计算，大大减少运行时间。其次，基于自适应快速S变换的时频矩阵提取12个特征量来表征5种心电信号的特征信息，特征向量维数低，识别能力强。最后，利用XGBoost算法对特征向量进行识别。MIT-BIH心律失常数据库和患者实测数据验证表明，该方法显著地缩短了分类时间，对5种心电信号的分类准确率分别为99.59%和97.32%，适用于实际检测系统中心律失常疾病的快速诊断。
针对心电信号(ECG)传统分类方法效率较低的问题，该文提出一种基于自适应快速S变换(AFST)和XGBoost的心电信号精确快速分类方法。该方法首先通过快速定位算法确定心电信号特征频率点，再根据特征频率点自适应调节S变换窗宽因子，增强S变换的时频分辨率的同时避免迭代计算，大大减少运行时间。其次，基于自适应快速S变换的时频矩阵提取12个特征量来表征5种心电信号的特征信息，特征向量维数低，识别能力强。最后，利用XGBoost算法对特征向量进行识别。MIT-BIH心律失常数据库和患者实测数据验证表明，该方法显著地缩短了分类时间，对5种心电信号的分类准确率分别为99.59%和97.32%，适用于实际检测系统中心律失常疾病的快速诊断。
2023, 45(4): 1475-1484.
doi: 10.11999/JEIT220218
摘要:
视觉注意力机制已引起学界和产业界的广泛关注，但既有工作主要从场景观察者的视角进行注意力检测。然而，现实中不断涌现的智能应用场景需要从客体视角进行视觉注意力检测。例如，检测监控目标的视觉注意力有助于预测其后续行为，智能机器人需要理解交互对象的意图才能有效互动。该文结合客体视觉注意力的认知机制，提出一种基于渐进式学习与多尺度增强的客体视觉注意力估计方法。该方法把客体视域视为几何结构和几何细节的组合，构建层次自注意力模块(HSAM)获取深层特征之间的长距离依赖关系，适应几何特征的多样性；并利用方向向量和视域生成器得到注视点的概率分布，构建特征融合模块将多分辨率特征进行结构共享、融合与增强，更好地获取空间上下文特征；最后构建综合损失函数来估计注视方向、视域和焦点预测的相关性。实验结果表明，该文所提方法在公开数据集和自建数据集上对客体视觉注意力估计的不同精度评价指标都优于目前的主流方法。
视觉注意力机制已引起学界和产业界的广泛关注，但既有工作主要从场景观察者的视角进行注意力检测。然而，现实中不断涌现的智能应用场景需要从客体视角进行视觉注意力检测。例如，检测监控目标的视觉注意力有助于预测其后续行为，智能机器人需要理解交互对象的意图才能有效互动。该文结合客体视觉注意力的认知机制，提出一种基于渐进式学习与多尺度增强的客体视觉注意力估计方法。该方法把客体视域视为几何结构和几何细节的组合，构建层次自注意力模块(HSAM)获取深层特征之间的长距离依赖关系，适应几何特征的多样性；并利用方向向量和视域生成器得到注视点的概率分布，构建特征融合模块将多分辨率特征进行结构共享、融合与增强，更好地获取空间上下文特征；最后构建综合损失函数来估计注视方向、视域和焦点预测的相关性。实验结果表明，该文所提方法在公开数据集和自建数据集上对客体视觉注意力估计的不同精度评价指标都优于目前的主流方法。
2023, 45(4): 1485-1493.
doi: 10.11999/JEIT220270
摘要:
近年来，基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中，将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系，这种联系偏向于局部并且受到卷积核大小的限制，无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络(Co-ConvT)，通过引入Transformer中的自注意力机制建立远程依赖关系，并将其与图卷积神经网络(GCNs)相结合进行动作识别，使模型既能通过图卷积神经网络提取局部信息，也能通过Transformer捕获丰富的远程依赖项。另外，Transformer的自注意力机制在像素级进行计算，因此产生了极大的计算代价，该模型通过将整个网络分为两个阶段，第1阶段使用纯卷积来提取浅层空间特征，第2阶段使用所提出的ConvT块捕获高层语义信息，降低了计算复杂度。此外，原始Transformer中的线性嵌入被替换为卷积嵌入，获得局部空间信息增强，并由此去除了原始模型中的位置编码，使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证，该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明，该模型的性能有了很大的提高。
近年来，基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中，将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系，这种联系偏向于局部并且受到卷积核大小的限制，无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络(Co-ConvT)，通过引入Transformer中的自注意力机制建立远程依赖关系，并将其与图卷积神经网络(GCNs)相结合进行动作识别，使模型既能通过图卷积神经网络提取局部信息，也能通过Transformer捕获丰富的远程依赖项。另外，Transformer的自注意力机制在像素级进行计算，因此产生了极大的计算代价，该模型通过将整个网络分为两个阶段，第1阶段使用纯卷积来提取浅层空间特征，第2阶段使用所提出的ConvT块捕获高层语义信息，降低了计算复杂度。此外，原始Transformer中的线性嵌入被替换为卷积嵌入，获得局部空间信息增强，并由此去除了原始模型中的位置编码，使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证，该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明，该模型的性能有了很大的提高。
2023, 45(4): 1494-1504.
doi: 10.11999/JEIT220182
摘要:
针对无监督图像分割方法对噪声敏感而导致图像建模困难、分割结果准确率低等问题，该文提出一种图像边缘权重优化的最小生成树分割提取方法。首先，利用L0梯度最小值平滑处理噪声再结合Otsu优化Canny边缘检测，得到更加准确的边缘信息；其次，重新设计权重函数，采用更加合理的色差空间构建加权图，通过改进分割准则优化物体合并与区分过程；最后，选择不同类型图片进行抗噪性、分割效果实验。实验结果表明：相对于其他算法，该文算法的抗噪性能优秀，分割精度平均提升5.15%，过分割率平均下降32.07%，欠分割率平均下降2.69%。将其运用在实际航空遥感图像的河道湖泊提取中，所得结果相比其他主流算法结构更加完整，无关信息更少，抗噪性能更好。
针对无监督图像分割方法对噪声敏感而导致图像建模困难、分割结果准确率低等问题，该文提出一种图像边缘权重优化的最小生成树分割提取方法。首先，利用L0梯度最小值平滑处理噪声再结合Otsu优化Canny边缘检测，得到更加准确的边缘信息；其次，重新设计权重函数，采用更加合理的色差空间构建加权图，通过改进分割准则优化物体合并与区分过程；最后，选择不同类型图片进行抗噪性、分割效果实验。实验结果表明：相对于其他算法，该文算法的抗噪性能优秀，分割精度平均提升5.15%，过分割率平均下降32.07%，欠分割率平均下降2.69%。将其运用在实际航空遥感图像的河道湖泊提取中，所得结果相比其他主流算法结构更加完整，无关信息更少，抗噪性能更好。
2023, 45(4): 1505-1513.
doi: 10.11999/JEIT220249
摘要:
移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据，是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题，使感知数据质量得以提高，但忽略了缺乏优质工人的感知任务，导致任务完成质量降低。为了解决上述问题，对于缺乏优质工人的感知任务，该文关注将经验不足的工人培养为优质工人，并令其执行这些感知任务，实现工人的长期复用，提高感知数据质量和长期平台效用。具体来说，该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型，并据此应用稳定匹配算法选择待培养工人，提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明，相比基于区块链的非确定团队协作(BNTC)算法，该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%，长期平台效用提高17%。
移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据，是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题，使感知数据质量得以提高，但忽略了缺乏优质工人的感知任务，导致任务完成质量降低。为了解决上述问题，对于缺乏优质工人的感知任务，该文关注将经验不足的工人培养为优质工人，并令其执行这些感知任务，实现工人的长期复用，提高感知数据质量和长期平台效用。具体来说，该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型，并据此应用稳定匹配算法选择待培养工人，提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明，相比基于区块链的非确定团队协作(BNTC)算法，该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%，长期平台效用提高17%。
2023, 45(4): 1514-1528.
doi: 10.11999/JEIT220116
摘要:
边缘智能作为一项新兴技术，正受到国内外学者的广泛关注，其作为人工智能技术与边缘计算技术的结合，有望促进人工智能技术在各行业的部署，加速产业智能化进程。该文首先介绍了边缘智能技术的基本原理、系统架构及其比较优势，梳理了边缘智能技术的国内外研究现状；分析了边缘智能在轨道交通建设工程、运维调度、智能控制、改造升级的全生命周期应用前景，详述了边缘智能技术在轨道交通过程管理控制、建设现场数据采集分析、信息共享、智能运维、智能调度、自动驾驶系统、列车协同控制及改造升级等全生命周期中的赋能作用。该文随后设计与实现了轨道交通智能运行控制为背景下的边缘智能平台，测试基于深度学习和强化学习的边缘智能应用的功能及性能。最后，归纳了边缘智能技术在轨道交通领域应用的问题与挑战。该文的研究期望为轨道交通领域的边缘智能应用提供有益的借鉴和实践基础。
边缘智能作为一项新兴技术，正受到国内外学者的广泛关注，其作为人工智能技术与边缘计算技术的结合，有望促进人工智能技术在各行业的部署，加速产业智能化进程。该文首先介绍了边缘智能技术的基本原理、系统架构及其比较优势，梳理了边缘智能技术的国内外研究现状；分析了边缘智能在轨道交通建设工程、运维调度、智能控制、改造升级的全生命周期应用前景，详述了边缘智能技术在轨道交通过程管理控制、建设现场数据采集分析、信息共享、智能运维、智能调度、自动驾驶系统、列车协同控制及改造升级等全生命周期中的赋能作用。该文随后设计与实现了轨道交通智能运行控制为背景下的边缘智能平台，测试基于深度学习和强化学习的边缘智能应用的功能及性能。最后，归纳了边缘智能技术在轨道交通领域应用的问题与挑战。该文的研究期望为轨道交通领域的边缘智能应用提供有益的借鉴和实践基础。
