邮件订阅
2023年 第45卷 第6期
2023, 45(6): 1911-1920.
doi: 10.11999/JEIT220561
摘要:
DNA存储因具有密度大、保存时间长及维护成本低等优点，为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景，DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型，给出了未来DNA存储文件系统模型及具备的特点；然后，系统性综述了DNA存储文件系统研究进展；最后，对未来DNA存储文件系统研究进行了展望。
DNA存储因具有密度大、保存时间长及维护成本低等优点，为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景，DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型，给出了未来DNA存储文件系统模型及具备的特点；然后，系统性综述了DNA存储文件系统研究进展；最后，对未来DNA存储文件系统研究进行了展望。
2023, 45(6): 1921-1932.
doi: 10.11999/JEIT220500
摘要:
硬件木马攻击成为当前集成电路(IC)面临的严重威胁。针对硬件木马电路具有隐蔽、不易触发以及数据集不均衡等特点，该文提出对门级网表进行静态分析的硬件木马检测技术。基于电路可测性原理建立涵盖节点扇入数、逻辑门距离、路径数、节点扇出数的硬件木马路径特征，简化特征分析流程；基于提取的路径特征，使用支持向量机(SVM)算法区分电路中的木马节点和正常节点。提出训练集双重加权技术，解决数据集不均衡问题，提升分类器的性能。实验结果表明，分类器可以用于电路中的可疑节点检测，准确率(ACC)达到99.85%；训练集静态加权有效提升分类器性能，准确率(ACC)提升5.58%；与现有文献相比，以36%的特征量，真阳性率(TPR)降低1.07%，真阴性率(TNR)提升2.74%，准确率(ACC)提升2.92%。该文验证了路径特征和SVM算法在硬件木马检测中的有效性，明确了数据集均衡性与检测性能的关系。
硬件木马攻击成为当前集成电路(IC)面临的严重威胁。针对硬件木马电路具有隐蔽、不易触发以及数据集不均衡等特点，该文提出对门级网表进行静态分析的硬件木马检测技术。基于电路可测性原理建立涵盖节点扇入数、逻辑门距离、路径数、节点扇出数的硬件木马路径特征，简化特征分析流程；基于提取的路径特征，使用支持向量机(SVM)算法区分电路中的木马节点和正常节点。提出训练集双重加权技术，解决数据集不均衡问题，提升分类器的性能。实验结果表明，分类器可以用于电路中的可疑节点检测，准确率(ACC)达到99.85%；训练集静态加权有效提升分类器性能，准确率(ACC)提升5.58%；与现有文献相比，以36%的特征量，真阳性率(TPR)降低1.07%，真阴性率(TNR)提升2.74%，准确率(ACC)提升2.92%。该文验证了路径特征和SVM算法在硬件木马检测中的有效性，明确了数据集均衡性与检测性能的关系。
2023, 45(6): 1933-1943.
doi: 10.11999/JEIT220130
摘要:
针对卷积神经网络在极致边缘计算(UEC)场景应用中的性能和功耗需求，该文针对场景中16 Bit量化位宽的网络模型提出一种不依赖外部存储的卷积神经网络(CNN)加速器架构，该架构基本结构设计为基于现场可编程逻辑门阵列( FPGA)的多核CNN全流水加速器。在此基础上，实现了该加速器的层内映射与层间融合优化。然后，通过构建资源评估模型在理论上完成架构中的计算资源与存储资源评估，并在该理论模型指导下，通过设计空间探索来最大化资源使用率与计算效率，进而充分挖掘加速器在计算资源约束条件下的峰值算力。最后，以纳型无人机(UAV)自主快速人体检测UEC场景为例，通过实验完成了加速器架构性能验证与分析。结果表明，在实现基于单步多框目标检测(SSD)的人体检测神经网络推理中，加速器在100 MHz和25 MHz主频下分别实现了帧率为137和34的推理速度，对应功耗分别为0.514 W和0.263 W，满足纳型无人机自主计算这种典型UEC场景对图像实时处理的性能与功耗需求。
针对卷积神经网络在极致边缘计算(UEC)场景应用中的性能和功耗需求，该文针对场景中16 Bit量化位宽的网络模型提出一种不依赖外部存储的卷积神经网络(CNN)加速器架构，该架构基本结构设计为基于现场可编程逻辑门阵列( FPGA)的多核CNN全流水加速器。在此基础上，实现了该加速器的层内映射与层间融合优化。然后，通过构建资源评估模型在理论上完成架构中的计算资源与存储资源评估，并在该理论模型指导下，通过设计空间探索来最大化资源使用率与计算效率，进而充分挖掘加速器在计算资源约束条件下的峰值算力。最后，以纳型无人机(UAV)自主快速人体检测UEC场景为例，通过实验完成了加速器架构性能验证与分析。结果表明，在实现基于单步多框目标检测(SSD)的人体检测神经网络推理中，加速器在100 MHz和25 MHz主频下分别实现了帧率为137和34的推理速度，对应功耗分别为0.514 W和0.263 W，满足纳型无人机自主计算这种典型UEC场景对图像实时处理的性能与功耗需求。
2023, 45(6): 1944-1951.
doi: 10.11999/JEIT220610
摘要:
角度传感器作为电机的核心定位部件，对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器，该传感器通过周期性改变线圈中感应电压的大小来测量角度，敏感结构主要包括转子和定子，可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成，形成双极布局，定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈，一组线圈由8个回路组成，对应为外沿多周期扇形铜箔，另一组由2个回路组成，对应中心180°扇形(半圆形)铜箔，两组线圈相互独立，互不影响。当转子在接收线圈上方转动时，转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高，但360°内会出现多个周期信号，无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号，通过2回路线圈为8回路线圈提供周期数鉴别，进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算，以高精度转台为基准对样机进行测试，结果表明，传感器测量误差可以达到0.04°，满足电机位置控制精度要求，验证了该方案的可行性。
角度传感器作为电机的核心定位部件，对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器，该传感器通过周期性改变线圈中感应电压的大小来测量角度，敏感结构主要包括转子和定子，可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成，形成双极布局，定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈，一组线圈由8个回路组成，对应为外沿多周期扇形铜箔，另一组由2个回路组成，对应中心180°扇形(半圆形)铜箔，两组线圈相互独立，互不影响。当转子在接收线圈上方转动时，转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高，但360°内会出现多个周期信号，无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号，通过2回路线圈为8回路线圈提供周期数鉴别，进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算，以高精度转台为基准对样机进行测试，结果表明，传感器测量误差可以达到0.04°，满足电机位置控制精度要求，验证了该方案的可行性。
2023, 45(6): 1952-1958.
doi: 10.11999/JEIT220591
摘要:
完备高斯整数序列(PGIS)因其良好的抗干扰性、高传输率和频谱利用率，如今已被广泛应用于码分复用(CDM)系统和正交频分复用(OFDM)系统。该文将高斯整数序列(GIS)分解成实部序列和虚部序列，再通过对实部序列和虚部序列2阶分圆构造出2阶和3阶的PGIS，并提出一种新的将奇数长PGIS扩展成偶数长PGIS的方法，该文构造出的多数PGIS能量效率高于95%，扩大了扩频通信系统的地址选择空间，对于工程实践具有重要意义。
完备高斯整数序列(PGIS)因其良好的抗干扰性、高传输率和频谱利用率，如今已被广泛应用于码分复用(CDM)系统和正交频分复用(OFDM)系统。该文将高斯整数序列(GIS)分解成实部序列和虚部序列，再通过对实部序列和虚部序列2阶分圆构造出2阶和3阶的PGIS，并提出一种新的将奇数长PGIS扩展成偶数长PGIS的方法，该文构造出的多数PGIS能量效率高于95%，扩大了扩频通信系统的地址选择空间，对于工程实践具有重要意义。
2023, 45(6): 1959-1969.
doi: 10.11999/JEIT211285
摘要:
传统的生成对抗网络(GAN)在特征图较大的情况下，忽略了原始特征的表示和结构信息，并且生成图像的像素之间缺乏远距离相关性，从而导致生成的图像质量较低。为了进一步提高生成图像的质量，该文提出一种基于空间特征的生成对抗网络数据生成方法(SF-GAN)。该方法首先将空间金字塔网络加入生成器和判别器，来更好地捕捉图像的边缘等重要的描述信息；然后将生成器和判别器进行特征加强，来建模像素之间的远距离相关性。使用CelebA,SVHN,CIFAR-10等小规模数据集进行实验，通过定性和盗梦空间得分(IS)、弗雷歇距离(FID)定量评估证明了所提方法相比梯度惩罚生成对抗网络(WGAN-GP)、自注意力生成对抗网络(SAGAN)能使生成的图像具有更高的质量。并且通过实验证明了该方法生成的数据能够进一步提升分类模型的训练效果。
传统的生成对抗网络(GAN)在特征图较大的情况下，忽略了原始特征的表示和结构信息，并且生成图像的像素之间缺乏远距离相关性，从而导致生成的图像质量较低。为了进一步提高生成图像的质量，该文提出一种基于空间特征的生成对抗网络数据生成方法(SF-GAN)。该方法首先将空间金字塔网络加入生成器和判别器，来更好地捕捉图像的边缘等重要的描述信息；然后将生成器和判别器进行特征加强，来建模像素之间的远距离相关性。使用CelebA,SVHN,CIFAR-10等小规模数据集进行实验，通过定性和盗梦空间得分(IS)、弗雷歇距离(FID)定量评估证明了所提方法相比梯度惩罚生成对抗网络(WGAN-GP)、自注意力生成对抗网络(SAGAN)能使生成的图像具有更高的质量。并且通过实验证明了该方法生成的数据能够进一步提升分类模型的训练效果。
2023, 45(6): 1970-1980.
doi: 10.11999/JEIT220585
摘要:
针对网络防御决策的误差干扰和实时响应问题，该文提出一种改进演化博弈模型(IEGM)和网络防御决策方法。首先，借鉴经典伺服系统模型，用微分假设量化表示防御方对攻击策略的短期预测效应，加快模型收敛速度，提升防御决策效率。其次，分析攻防博弈中的误差产生机理，量化定义网络防御中的观测误差，提出改进复制动力学方程，加强模型对信息偏差的容忍度。在此基础上，建立改进演化博弈模型，证明了模型能够收敛至纳什均衡解的微小\begin{document}$ \varepsilon $\end{document} ![]()
![]()
针对网络防御决策的误差干扰和实时响应问题，该文提出一种改进演化博弈模型(IEGM)和网络防御决策方法。首先，借鉴经典伺服系统模型，用微分假设量化表示防御方对攻击策略的短期预测效应，加快模型收敛速度，提升防御决策效率。其次，分析攻防博弈中的误差产生机理，量化定义网络防御中的观测误差，提出改进复制动力学方程，加强模型对信息偏差的容忍度。在此基础上，建立改进演化博弈模型，证明了模型能够收敛至纳什均衡解的微小
2023, 45(6): 1981-1989.
doi: 10.11999/JEIT220529
摘要:
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
2023, 45(6): 1990-1998.
doi: 10.11999/JEIT220547
摘要:
带内全双工技术可以缓解无线通信系统中频谱资源紧张的问题。为有效保障全双工通信系统的信息安全，针对全双工接入点(FD-AP)与上行用户、下行用户同时同频通信的系统模型，该文提出一种智能反射表面(IRS)辅助的物理层安全方案。考虑以最大化下行用户的安全速率为目标，在满足AP发射功率、AP信干噪比(SINR)以及IRS反射相移单位模的约束下，构建一个AP发射波束赋型和IRS反射相移联合优化问题。针对该变量耦合的非凸优化问题，该文采用交替优化(AO)算法迭代优化AP发射波束赋型和IRS反射相移，并提出一种基于精确罚函数法的黎曼流形优化算法，将反射相移优化子问题转换成黎曼流形上的无约束最小化问题进行求解。仿真结果表明，所提方案可以明显提升全双工通信系统的安全性能；并且相较于当前常用的半正定松弛(SDR)算法，所提算法有更低的计算复杂度。
带内全双工技术可以缓解无线通信系统中频谱资源紧张的问题。为有效保障全双工通信系统的信息安全，针对全双工接入点(FD-AP)与上行用户、下行用户同时同频通信的系统模型，该文提出一种智能反射表面(IRS)辅助的物理层安全方案。考虑以最大化下行用户的安全速率为目标，在满足AP发射功率、AP信干噪比(SINR)以及IRS反射相移单位模的约束下，构建一个AP发射波束赋型和IRS反射相移联合优化问题。针对该变量耦合的非凸优化问题，该文采用交替优化(AO)算法迭代优化AP发射波束赋型和IRS反射相移，并提出一种基于精确罚函数法的黎曼流形优化算法，将反射相移优化子问题转换成黎曼流形上的无约束最小化问题进行求解。仿真结果表明，所提方案可以明显提升全双工通信系统的安全性能；并且相较于当前常用的半正定松弛(SDR)算法，所提算法有更低的计算复杂度。
2023, 45(6): 1999-2006.
doi: 10.11999/JEIT220530
摘要:
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
2023, 45(6): 2007-2015.
doi: 10.11999/JEIT220513
摘要:
针对传统优化算法在求解长时间尺度内通信无人机(UAV)动态部署时复杂度过高且难以与动态环境信息匹配等缺陷，该文提出一种基于多智能体深度强化学习(MADRL)的UAV动态预部署策略。首先利用一种深度时空网络模型预测用户的预期速率需求以捕捉动态环境信息，定义用户满意度的概念以刻画用户所获得UAV提供服务的公平性，并以最大化长期总体用户满意度和最小化UAV移动及发射能耗为目标建立优化模型。其次，将上述模型转化为部分可观测马尔科夫博弈过程(POMG)，并提出一种基于MADRL的H-MADDPG算法求解该POMG中轨迹规划、用户关联和功率分配的最佳决策。该H-MADDPG算法使用混合网络结构以实现对多模态输入的特征提取，并采用集中式训练-分布式执行的机制以高效地训练和执行决策。最后仿真结果证明了所提算法的有效性。
针对传统优化算法在求解长时间尺度内通信无人机(UAV)动态部署时复杂度过高且难以与动态环境信息匹配等缺陷，该文提出一种基于多智能体深度强化学习(MADRL)的UAV动态预部署策略。首先利用一种深度时空网络模型预测用户的预期速率需求以捕捉动态环境信息，定义用户满意度的概念以刻画用户所获得UAV提供服务的公平性，并以最大化长期总体用户满意度和最小化UAV移动及发射能耗为目标建立优化模型。其次，将上述模型转化为部分可观测马尔科夫博弈过程(POMG)，并提出一种基于MADRL的H-MADDPG算法求解该POMG中轨迹规划、用户关联和功率分配的最佳决策。该H-MADDPG算法使用混合网络结构以实现对多模态输入的特征提取，并采用集中式训练-分布式执行的机制以高效地训练和执行决策。最后仿真结果证明了所提算法的有效性。
2023, 45(6): 2016-2023.
doi: 10.11999/JEIT220573
摘要:
去蜂窝大规模多输入多输出非正交多址(MIMO-NOMA)系统的接入点(AP)选择，对有效降低系统的回程链路开销、提高用户的下行可达速率影响较大。该文针对AP选择的去蜂窝大规模MIMO-NOMA系统下行链路建立了用户平均速率的表达式；在此基础上，提出了基于量子菌群优化(QBFO)的AP选择方案，将AP与用户的连接关系以量子比特的形式编码，利用自适应量子旋转门模拟细菌趋化，实现细菌位置更新，通过对量子细菌种群进行测量，获得AP与用户的选择解集，并引入驱散操作避免算法陷入局部最优。实验结果表明，所提方案能够在降低回程链路开销的同时显著提高用户的下行平均速率，相较于基于接收功率和基于信道估计均方误差的AP选择方案，该文所提方案在降低用户间干扰、提高系统总吞吐量方面表现更优。
去蜂窝大规模多输入多输出非正交多址(MIMO-NOMA)系统的接入点(AP)选择，对有效降低系统的回程链路开销、提高用户的下行可达速率影响较大。该文针对AP选择的去蜂窝大规模MIMO-NOMA系统下行链路建立了用户平均速率的表达式；在此基础上，提出了基于量子菌群优化(QBFO)的AP选择方案，将AP与用户的连接关系以量子比特的形式编码，利用自适应量子旋转门模拟细菌趋化，实现细菌位置更新，通过对量子细菌种群进行测量，获得AP与用户的选择解集，并引入驱散操作避免算法陷入局部最优。实验结果表明，所提方案能够在降低回程链路开销的同时显著提高用户的下行平均速率，相较于基于接收功率和基于信道估计均方误差的AP选择方案，该文所提方案在降低用户间干扰、提高系统总吞吐量方面表现更优。
2023, 45(6): 2024-2033.
doi: 10.11999/JEIT220673
摘要:
该文针对发送端由能量收集(EH)设备供电的无线通信系统，研究在能量收集和信道状态先验信息未知的条件下，以最大化实际可达传输速率为目标的发送功率、调制方式和信道编码码率的联合优化问题。基于Lyapunov优化框架，将能量使用的长期约束转换为能量虚队列的稳定性要求，将能量使用约束下的长期时间平均实际可达传输速率最大化问题转化为单时隙的、仅依赖于当前信道状态和电池状态的“漂移加惩罚”项上界的最小化问题。优化问题通过一个高效的数值方法求解。另外还给出了基于滑动窗口的K-means聚类方法的“漂移加惩罚”中权重和电池电量虚队列偏移量两个参数的自适应调整算法。在不同能量到达随机模型下与对比算法进行了性能的仿真对比，结果表明，该文所提算法在各种能量到达模型下都能获得更高的长期平均实际可达传输速率。另外，通过与参数固定为最优情况下算法性能的对比，证明参数自适应调整算法正确、有效。
该文针对发送端由能量收集(EH)设备供电的无线通信系统，研究在能量收集和信道状态先验信息未知的条件下，以最大化实际可达传输速率为目标的发送功率、调制方式和信道编码码率的联合优化问题。基于Lyapunov优化框架，将能量使用的长期约束转换为能量虚队列的稳定性要求，将能量使用约束下的长期时间平均实际可达传输速率最大化问题转化为单时隙的、仅依赖于当前信道状态和电池状态的“漂移加惩罚”项上界的最小化问题。优化问题通过一个高效的数值方法求解。另外还给出了基于滑动窗口的K-means聚类方法的“漂移加惩罚”中权重和电池电量虚队列偏移量两个参数的自适应调整算法。在不同能量到达随机模型下与对比算法进行了性能的仿真对比，结果表明，该文所提算法在各种能量到达模型下都能获得更高的长期平均实际可达传输速率。另外，通过与参数固定为最优情况下算法性能的对比，证明参数自适应调整算法正确、有效。
2023, 45(6): 2034-2044.
doi: 10.11999/JEIT220521
摘要:
迄今为止，基于有限字母输入的正交频分复用(OFDM)可见光(VLC)和射频(RF)聚合系统的信息理论界仍然是未知的。基于这种情况，该文推导出OFDM VLC-RF聚合系统的无闭式形式的可达速率及其下界闭式表达式，并且研究了满足平均光功率和总电功率约束的基于可达速率及其下界的频谱效率(SE)最大化问题。该文利用互信息与最小均方误差(MMSE)之间的关系对速率偏导数进行了处理，提出双重注水算法解决谱效最大化问题。由于谱效的非闭式形式导致双重注水方案计算复杂度高，该文进一步研究具有闭式形式的谱效最大化问题，并使用内点法解决。仿真结果表明聚合系统相比于单个链路在通信性能上的优越性，以及基于可达速率下界的频谱效率可以作为基于可达速率的频谱效率的一个很好的低复杂度近似。
迄今为止，基于有限字母输入的正交频分复用(OFDM)可见光(VLC)和射频(RF)聚合系统的信息理论界仍然是未知的。基于这种情况，该文推导出OFDM VLC-RF聚合系统的无闭式形式的可达速率及其下界闭式表达式，并且研究了满足平均光功率和总电功率约束的基于可达速率及其下界的频谱效率(SE)最大化问题。该文利用互信息与最小均方误差(MMSE)之间的关系对速率偏导数进行了处理，提出双重注水算法解决谱效最大化问题。由于谱效的非闭式形式导致双重注水方案计算复杂度高，该文进一步研究具有闭式形式的谱效最大化问题，并使用内点法解决。仿真结果表明聚合系统相比于单个链路在通信性能上的优越性，以及基于可达速率下界的频谱效率可以作为基于可达速率的频谱效率的一个很好的低复杂度近似。
2023, 45(6): 2045-2053.
doi: 10.11999/JEIT220531
摘要:
针对无线通信中存在的频谱资源有限、信道衰落和多径效应等问题，该文将可变长纠错(VLEC)编码和掺杂调制相结合，提出一种新的联合信源信道编码调制方法。该方法利用外信息转移(EXIT)图分析系统的迭代译码特性，优化设计可变长纠错编码和掺杂调制的参数。主要包括：设计有更大自由距离的可变长码，使其具有纠错能力；设计优化掺杂调制的掺杂和映射规则的方法，使掺杂调制EXIT曲线与可变长纠错编码EXIT曲线匹配，降低迭代译码收敛所需的信噪比(SNR)。仿真结果表明，在AWGN信道和瑞利衰落信道下，该联合信源信道编码调制方法与分离的信源信道编码调制方相比，迭代收敛所需的信噪比减小了1 dB以上，相比其他的联合信源信道编码调制方法，也有更好的误码率性能。在误码率为10–4时，该方法距离AWGN信道和瑞利衰落信道的香农限分别为0.7 dB和1.0 dB。
针对无线通信中存在的频谱资源有限、信道衰落和多径效应等问题，该文将可变长纠错(VLEC)编码和掺杂调制相结合，提出一种新的联合信源信道编码调制方法。该方法利用外信息转移(EXIT)图分析系统的迭代译码特性，优化设计可变长纠错编码和掺杂调制的参数。主要包括：设计有更大自由距离的可变长码，使其具有纠错能力；设计优化掺杂调制的掺杂和映射规则的方法，使掺杂调制EXIT曲线与可变长纠错编码EXIT曲线匹配，降低迭代译码收敛所需的信噪比(SNR)。仿真结果表明，在AWGN信道和瑞利衰落信道下，该联合信源信道编码调制方法与分离的信源信道编码调制方相比，迭代收敛所需的信噪比减小了1 dB以上，相比其他的联合信源信道编码调制方法，也有更好的误码率性能。在误码率为10–4时，该方法距离AWGN信道和瑞利衰落信道的香农限分别为0.7 dB和1.0 dB。
2023, 45(6): 2054-2062.
doi: 10.11999/JEIT220554
摘要:
针对无线传感器网络(WSN)中数据采集的安全性和能耗问题，该文提出一种无人机(UAV)群辅助的数据采集能耗优化方法。该方法通过优化无人机的数量、高度和WSN中数据传输数量降低系统总能耗。首先，针对WSN数据采集，提出一种基于信誉值的数据双层压缩(RDCC)算法。该算法根据地理位置将传感器分簇，簇内传感器分为簇头和簇成员，簇成员负责训练预测模型并发送给簇头；簇头则负责模型的筛选、聚合以及信誉值更新，并将聚合结果发送给无人机；其次，针对无人机群数据收集，提出一种无人机优化部署算法，该算法将无人机部署问题转化为圆包装问题，通过动态调整无人机数量，最小化无人机群网络总能耗；同时，针对数据采集过程，在无人机群建立了私有区块链用于存储采集数据，保证了数据的安全性；最后，基于伯克利大学联合研究实验室数据集对所提方法进行验证，仿真结果表明该方法能实现无人机的最优部署，同时具有误差小、能耗低及安全性高的优势。
针对无线传感器网络(WSN)中数据采集的安全性和能耗问题，该文提出一种无人机(UAV)群辅助的数据采集能耗优化方法。该方法通过优化无人机的数量、高度和WSN中数据传输数量降低系统总能耗。首先，针对WSN数据采集，提出一种基于信誉值的数据双层压缩(RDCC)算法。该算法根据地理位置将传感器分簇，簇内传感器分为簇头和簇成员，簇成员负责训练预测模型并发送给簇头；簇头则负责模型的筛选、聚合以及信誉值更新，并将聚合结果发送给无人机；其次，针对无人机群数据收集，提出一种无人机优化部署算法，该算法将无人机部署问题转化为圆包装问题，通过动态调整无人机数量，最小化无人机群网络总能耗；同时，针对数据采集过程，在无人机群建立了私有区块链用于存储采集数据，保证了数据的安全性；最后，基于伯克利大学联合研究实验室数据集对所提方法进行验证，仿真结果表明该方法能实现无人机的最优部署，同时具有误差小、能耗低及安全性高的优势。
2023, 45(6): 2063-2070.
doi: 10.11999/JEIT220457
摘要:
针对相控阵列辅助的无线通信系统中发射波束只依赖角度特性而导致的安全隐患问题，以及传统的迭代算法所带来的高计算复杂度问题，该文提出由深度学习(DL)和随机频率分集阵列(RFDA)辅助带有3维安全区域的安全传输方案。首先，推导在3维空间中带有安全区域的期望用户实现安全通信的传输条件。在此基础上，构建系统安全速率下界最大化问题。随后，提出基于深度学习的神经网络方案来设计最优的波束成形矢量和人工噪声(AN)矢量来降低计算复杂度。仿真结果表明：即便是在窃听者位于安全区域边缘的最差情况下，所提方案仍能够在实现3维安全传输，能够保证安全区域内接收到的信息不被窃听。
针对相控阵列辅助的无线通信系统中发射波束只依赖角度特性而导致的安全隐患问题，以及传统的迭代算法所带来的高计算复杂度问题，该文提出由深度学习(DL)和随机频率分集阵列(RFDA)辅助带有3维安全区域的安全传输方案。首先，推导在3维空间中带有安全区域的期望用户实现安全通信的传输条件。在此基础上，构建系统安全速率下界最大化问题。随后，提出基于深度学习的神经网络方案来设计最优的波束成形矢量和人工噪声(AN)矢量来降低计算复杂度。仿真结果表明：即便是在窃听者位于安全区域边缘的最差情况下，所提方案仍能够在实现3维安全传输，能够保证安全区域内接收到的信息不被窃听。
2023, 45(6): 2071-2080.
doi: 10.11999/JEIT220624
摘要:
着眼于解决小样本信号调制识别问题，该文首先研究了利用支持向量机(SVM)进行分类识别的理论可行性；其次根据统计学习理论，对利用生成对抗网络(GAN)生成数据增强支持向量机分类识别能力进行了理论分析；最后通过构建包含层归一化的深度卷积生成对抗网络(LDCGAN)，与普通深度卷积生成对抗网络相比，其生成数据映射至高维空间后特征更加明显，更有利于支持向量机的分类，实验验证了该生成对抗网络生成数据可以在小样本条件下实现对支持向量机分类识别能力的有效增强。
着眼于解决小样本信号调制识别问题，该文首先研究了利用支持向量机(SVM)进行分类识别的理论可行性；其次根据统计学习理论，对利用生成对抗网络(GAN)生成数据增强支持向量机分类识别能力进行了理论分析；最后通过构建包含层归一化的深度卷积生成对抗网络(LDCGAN)，与普通深度卷积生成对抗网络相比，其生成数据映射至高维空间后特征更加明显，更有利于支持向量机的分类，实验验证了该生成对抗网络生成数据可以在小样本条件下实现对支持向量机分类识别能力的有效增强。
2023, 45(6): 2081-2088.
doi: 10.11999/JEIT220659
摘要:
智能反射面(IRS)能够实时调整无线传输环境提高通信效率，在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题：考虑功率和恒模约束以及IRS链路之间的相关性，以最大化安全传输速率为目标，构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明，相较于传统算法，该文算法具有较高处理效率有效提高系统安全性，也进一步表明分布式部署IRS比集中部署安全性能更优。
智能反射面(IRS)能够实时调整无线传输环境提高通信效率，在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题：考虑功率和恒模约束以及IRS链路之间的相关性，以最大化安全传输速率为目标，构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明，相较于传统算法，该文算法具有较高处理效率有效提高系统安全性，也进一步表明分布式部署IRS比集中部署安全性能更优。
2023, 45(6): 2089-2097.
doi: 10.11999/JEIT220627
摘要:
量子成像(QI)具有抗侦察、抗干扰和高分辨力等特性，是量子光学领域重要的研究方向。为了解决实际量子成像过程中因环境光引起符合计数值异常所导致成像质量下降的问题，该文提出一种基于符合计数滤波优化的光量子成像方法。首先，对原始的符合计数值进行3层离散小波变换(DWT)得到相应的小波系数；然后，对小波系数中的高频成分进行高斯滤波去噪，并通过小波逆变换得到去噪后的符合计数值；最后，基于该符合计数值，利用线性映射方法实现对目标的量子成像。该文通过仿真分析了图像像素数、单像素曝光时间和符合门宽值对成像结果的影响，并搭建了实际的量子成像光路来验证仿真结果的有效性。
量子成像(QI)具有抗侦察、抗干扰和高分辨力等特性，是量子光学领域重要的研究方向。为了解决实际量子成像过程中因环境光引起符合计数值异常所导致成像质量下降的问题，该文提出一种基于符合计数滤波优化的光量子成像方法。首先，对原始的符合计数值进行3层离散小波变换(DWT)得到相应的小波系数；然后，对小波系数中的高频成分进行高斯滤波去噪，并通过小波逆变换得到去噪后的符合计数值；最后，基于该符合计数值，利用线性映射方法实现对目标的量子成像。该文通过仿真分析了图像像素数、单像素曝光时间和符合门宽值对成像结果的影响，并搭建了实际的量子成像光路来验证仿真结果的有效性。
2023, 45(6): 2098-2104.
doi: 10.11999/JEIT220541
摘要:
正交时序复用( Orthogonal Time Sequency Multiplexing, OTSM)通过级联时分和沃尔什-哈达玛(WHT)复用将信息符号在时延和序列域进行复用。由于WHT在调制解调过程不需要进行复杂的乘法运算，相比于正交时频空(OTFS)调制有更低的调制复杂度。该文针对高速移动环境下的OTSM系统提出了一种二级均衡器：首先利用信道矩阵的稀疏性和带状结构在时域逐块进行低复杂度MMSE检测；随后采用高斯-赛德尔(GS)迭代检测进一步消除残余符号干扰。仿真结果表明，所提算法与基于单抽头频域均衡的GS迭代检测算法相比，采用16QAM调制且误码率为10–4时有1.8 dB性能增益。
正交时序复用( Orthogonal Time Sequency Multiplexing, OTSM)通过级联时分和沃尔什-哈达玛(WHT)复用将信息符号在时延和序列域进行复用。由于WHT在调制解调过程不需要进行复杂的乘法运算，相比于正交时频空(OTFS)调制有更低的调制复杂度。该文针对高速移动环境下的OTSM系统提出了一种二级均衡器：首先利用信道矩阵的稀疏性和带状结构在时域逐块进行低复杂度MMSE检测；随后采用高斯-赛德尔(GS)迭代检测进一步消除残余符号干扰。仿真结果表明，所提算法与基于单抽头频域均衡的GS迭代检测算法相比，采用16QAM调制且误码率为10–4时有1.8 dB性能增益。
2023, 45(6): 2105-2114.
doi: 10.11999/JEIT220493
摘要:
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力，已成为空间态势感知的重要传感器。作为典型的人造目标，空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难，也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能，该文深入挖掘绕雷达视线的极化旋转域信息，提出一种空间目标散射结构极化旋转域辨识方法，共包含3个步骤。首先，对极化ISAR数据开展绕雷达视线的极化旋转域分析，导出极化相关方向图特征。其次，分析基本散射体的极化相关方向图特性，构造极化特征编码矢量。最后，基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究，所提方法相较于传统的Cameron分解方法性能更优，鲁棒性更高。
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力，已成为空间态势感知的重要传感器。作为典型的人造目标，空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难，也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能，该文深入挖掘绕雷达视线的极化旋转域信息，提出一种空间目标散射结构极化旋转域辨识方法，共包含3个步骤。首先，对极化ISAR数据开展绕雷达视线的极化旋转域分析，导出极化相关方向图特征。其次，分析基本散射体的极化相关方向图特性，构造极化特征编码矢量。最后，基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究，所提方法相较于传统的Cameron分解方法性能更优，鲁棒性更高。
2023, 45(6): 2115-2122.
doi: 10.11999/JEIT220520
摘要:
为了实现三极化平面阵列的高性能宽角扫描，提出一种基于三极化单元的平面阵列半空间扫描波束形成方法，并对相控阵扫描特性进行了分析。首先，在假设单元3个极化特性一致的前提下，从期望的合成波束指向出发，将与之正交的极化电场单位矢量沿3个极化方向分解，从而获得3个极化电场分量的相位和幅度，再依据功率与极化电场幅度平方成正比的关系，推导获得4种极化形式下极化合成所需的激励表达式，并通过仿真验证了该激励表达式的正确性。接着采用经典的阵因子控制方法，改变阵元相位差，使阵因子扫描角与单元波束指向一致，从而形成半空间任意方向扫描的阵列波束。最后，在不考虑阵元间互耦的情况下，对4种极化形式下的阵列扫描特性进行仿真分析与对比，结果表明，该阵列具有优越的半空间扫描特性，验证了该波束形成方法的有效性。
为了实现三极化平面阵列的高性能宽角扫描，提出一种基于三极化单元的平面阵列半空间扫描波束形成方法，并对相控阵扫描特性进行了分析。首先，在假设单元3个极化特性一致的前提下，从期望的合成波束指向出发，将与之正交的极化电场单位矢量沿3个极化方向分解，从而获得3个极化电场分量的相位和幅度，再依据功率与极化电场幅度平方成正比的关系，推导获得4种极化形式下极化合成所需的激励表达式，并通过仿真验证了该激励表达式的正确性。接着采用经典的阵因子控制方法，改变阵元相位差，使阵因子扫描角与单元波束指向一致，从而形成半空间任意方向扫描的阵列波束。最后，在不考虑阵元间互耦的情况下，对4种极化形式下的阵列扫描特性进行仿真分析与对比，结果表明，该阵列具有优越的半空间扫描特性，验证了该波束形成方法的有效性。
2023, 45(6): 2123-2133.
doi: 10.11999/JEIT220503
摘要:
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能，该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法，阐释了3种方法的原理，搭建了对应的原理验证系统，对不同的移频方法进行了实验与分析。结果表明，3种移频方法都可以实现精准的微波信号移频，实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性：AOFS的工作频率、带宽和移频方向较为固定，可调谐性低；SPM移频与I/Q调制对输入驱动信号要求严格，系统稳定性较差。
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能，该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法，阐释了3种方法的原理，搭建了对应的原理验证系统，对不同的移频方法进行了实验与分析。结果表明，3种移频方法都可以实现精准的微波信号移频，实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性：AOFS的工作频率、带宽和移频方向较为固定，可调谐性低；SPM移频与I/Q调制对输入驱动信号要求严格，系统稳定性较差。
2023, 45(6): 2134-2143.
doi: 10.11999/JEIT220687
摘要:
疫情常态化背景下，非接触式人机交互在医疗、健康领域蕴藏着巨大的应用前景，其中利用手势识别方法实现非接触式的仪器操控逐渐成为研究热点。对此，该文提出一种利用毫米波雷达双视角时序特征融合来实现手势数字识别的方法，以提高手势识别的鲁棒性和准确性。首先，该文同步采集正面、侧面视角的毫米波雷达手势数字0～9的时序回波数据；接着，对各视角的数据进行预处理，实现杂波抑制、数据压缩；随后提取两方向的距离、速度的时序特征，并就特征的时间相关性构建嵌入注意力机制的双视角时序特征融合网络(ADVFNet)；最后，基于实测数据集完成了网络训练、时序特征融合、手势数字识别等步骤。实验结果表明，该文所提方法在实测数据集上识别准确率达到95%，网络收敛速度快、模型泛化能力好，与现有方法相比具有一定优势，为后续毫米波雷达人机交互提供了新思路。
疫情常态化背景下，非接触式人机交互在医疗、健康领域蕴藏着巨大的应用前景，其中利用手势识别方法实现非接触式的仪器操控逐渐成为研究热点。对此，该文提出一种利用毫米波雷达双视角时序特征融合来实现手势数字识别的方法，以提高手势识别的鲁棒性和准确性。首先，该文同步采集正面、侧面视角的毫米波雷达手势数字0～9的时序回波数据；接着，对各视角的数据进行预处理，实现杂波抑制、数据压缩；随后提取两方向的距离、速度的时序特征，并就特征的时间相关性构建嵌入注意力机制的双视角时序特征融合网络(ADVFNet)；最后，基于实测数据集完成了网络训练、时序特征融合、手势数字识别等步骤。实验结果表明，该文所提方法在实测数据集上识别准确率达到95%，网络收敛速度快、模型泛化能力好，与现有方法相比具有一定优势，为后续毫米波雷达人机交互提供了新思路。
2023, 45(6): 2144-2152.
doi: 10.11999/JEIT220579
摘要:
针对快速扩展随机树(RRP)算法计算效率低、不具备渐进最优性等问题，该文提出一种基于搜索规则和交叉熵优化的改进RRT(IRRT)算法。在路径搜索过程中根据当前节点位置及搜索规则，调整搜索步长及搜索方向，实现高效、快速的初始路径规划。然后，利用交叉熵理论优化初始路径，使得路径具备渐进最优性。仿真实验1结果表明所提方法的有效性和收敛性，仿真实验2将该文所提算法与多种变体RRT算法进行比较，结果表明所提算法能够保证计算效率，同时使得路径具备渐进最优性。
针对快速扩展随机树(RRP)算法计算效率低、不具备渐进最优性等问题，该文提出一种基于搜索规则和交叉熵优化的改进RRT(IRRT)算法。在路径搜索过程中根据当前节点位置及搜索规则，调整搜索步长及搜索方向，实现高效、快速的初始路径规划。然后，利用交叉熵理论优化初始路径，使得路径具备渐进最优性。仿真实验1结果表明所提方法的有效性和收敛性，仿真实验2将该文所提算法与多种变体RRT算法进行比较，结果表明所提算法能够保证计算效率，同时使得路径具备渐进最优性。
2023, 45(6): 2153-2161.
doi: 10.11999/JEIT220558
摘要:
有限新息率(FRI)采样理论可以远低于信号Nyquist频率的采样速率实现对脉冲流信号的欠采样。经典的FRI重构算法大多基于傅里叶系数进行运算，其中存在大量的对复数矩阵的奇异值分解，降低了算法的执行效率。针对该问题，该文提出基于傅里叶系数实部的脉冲流信号FRI采样及重构方法。首先利用离散余弦变换从脉冲流信号的低速采样值中获取其傅里叶系数实部信息，并在重构算法中使用实部的Toeplitz矩阵以提高奇异值分解(SVD)的效率；其次，为了提升经典的零化滤波器算法的鲁棒性，该文从傅里叶系数实部协方差矩阵的旋转不变特性以及零空间特性出发，提出基于离散余弦变换的协方差矩阵分解算法以及基于离散余弦变换的零空间搜索算法来估计脉冲流信号的特征参数，并针对出现的共轭根问题，提出基于交替方向乘子法的去共轭算法。仿真结果表明：在信号新息率较高的情况下，使用傅里叶系数实部信息会极大提高算法的执行效率，同时保证参数估计的准确性。
有限新息率(FRI)采样理论可以远低于信号Nyquist频率的采样速率实现对脉冲流信号的欠采样。经典的FRI重构算法大多基于傅里叶系数进行运算，其中存在大量的对复数矩阵的奇异值分解，降低了算法的执行效率。针对该问题，该文提出基于傅里叶系数实部的脉冲流信号FRI采样及重构方法。首先利用离散余弦变换从脉冲流信号的低速采样值中获取其傅里叶系数实部信息，并在重构算法中使用实部的Toeplitz矩阵以提高奇异值分解(SVD)的效率；其次，为了提升经典的零化滤波器算法的鲁棒性，该文从傅里叶系数实部协方差矩阵的旋转不变特性以及零空间特性出发，提出基于离散余弦变换的协方差矩阵分解算法以及基于离散余弦变换的零空间搜索算法来估计脉冲流信号的特征参数，并针对出现的共轭根问题，提出基于交替方向乘子法的去共轭算法。仿真结果表明：在信号新息率较高的情况下，使用傅里叶系数实部信息会极大提高算法的执行效率，同时保证参数估计的准确性。
2023, 45(6): 2162-2170.
doi: 10.11999/JEIT220667
摘要:
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
2023, 45(6): 2171-2179.
doi: 10.11999/JEIT220688
摘要:
在分布式传感网络中，由于同一扩展目标的方位角以及轴长等状态参数在不同传感器下估计结果不一致，因此多扩展目标估计关联困难，从而为后续密度信息融合带来了巨大挑战。相比于点目标后验密度信息，扩展目标后验密度同时包含了质心状态和外形信息。该文结合质心欧氏距离和外形矩阵非欧氏尺寸-形状度量提出了椭圆距离(ED)，该椭圆距离同时考虑了扩展目标质心状态与外形信息，更好地实现了不同传感器下同一扩展目标后验密度关联。此外该文在算术平均(AA)融合规则下推导了融合空间密度的近似伽马高斯逆威沙特(GGIW)分布，实现了不同传感器下同一扩展目标后验信息AA融合。仿真实验表明，该文所提算法在分布式传感网络中能有效地进行多扩展目标跟踪。
在分布式传感网络中，由于同一扩展目标的方位角以及轴长等状态参数在不同传感器下估计结果不一致，因此多扩展目标估计关联困难，从而为后续密度信息融合带来了巨大挑战。相比于点目标后验密度信息，扩展目标后验密度同时包含了质心状态和外形信息。该文结合质心欧氏距离和外形矩阵非欧氏尺寸-形状度量提出了椭圆距离(ED)，该椭圆距离同时考虑了扩展目标质心状态与外形信息，更好地实现了不同传感器下同一扩展目标后验密度关联。此外该文在算术平均(AA)融合规则下推导了融合空间密度的近似伽马高斯逆威沙特(GGIW)分布，实现了不同传感器下同一扩展目标后验信息AA融合。仿真实验表明，该文所提算法在分布式传感网络中能有效地进行多扩展目标跟踪。
2023, 45(6): 2180-2187.
doi: 10.11999/JEIT220693
摘要:
针对空中匀速飞行运动目标所激发的水声信号特征，该文将传统的2维平面内估计目标飞行高度、速度等参数的问题扩展到3维空间，可以求解飞行时偏航距离，更符合实际情况，解决了空中快速飞行目标状态3维参数估计问题。该文首先以直升机离散线谱为特征声源，建立其在空气-水两层介质中声学多普勒的3维传播模型，考虑了目标的飞行速度、高度和偏离水听器的偏航距离。然后根据多普勒频移曲线及其1阶、2阶导数的不对称性，推导出水下探空应用中飞行器的3维参数估计方法。最后，通过分析单水听器接收的实测信号，验证了文章构建3维空间多普勒频移飞行参数估计模型的合理性及APP-LMS算法相较于短时傅里叶瞬时频率估计算法能够更准确反演直升机的航行参数。
针对空中匀速飞行运动目标所激发的水声信号特征，该文将传统的2维平面内估计目标飞行高度、速度等参数的问题扩展到3维空间，可以求解飞行时偏航距离，更符合实际情况，解决了空中快速飞行目标状态3维参数估计问题。该文首先以直升机离散线谱为特征声源，建立其在空气-水两层介质中声学多普勒的3维传播模型，考虑了目标的飞行速度、高度和偏离水听器的偏航距离。然后根据多普勒频移曲线及其1阶、2阶导数的不对称性，推导出水下探空应用中飞行器的3维参数估计方法。最后，通过分析单水听器接收的实测信号，验证了文章构建3维空间多普勒频移飞行参数估计模型的合理性及APP-LMS算法相较于短时傅里叶瞬时频率估计算法能够更准确反演直升机的航行参数。
2023, 45(6): 2188-2196.
doi: 10.11999/JEIT220551
摘要:
低剂量CT(LDCT)图像可大幅降低X射线辐射剂量，但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像，以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果，导致该方法运行速度过慢。因此，该文提出一种用于LDCT降噪的目标偏移DIP加速算法，旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性，该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来，在上一切片对应的网络参数的基础上更新当前切片对应的网络参数，并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础；由于DIP网络的输入是固定的随机张量，与目标图像差距较大，该文利用传统降噪模型预处理后的LDCT图像作为网络输入，进一步提高网络迭代速度。实验表明，不使用传统模型预处理时，与原DIP网络运行速度相比，该文所提出的加速算法可以将迭代速度提高10.45%；当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时，图像峰值信噪比不仅可以达到29.13，而且总迭代速度可以提高94.31%。综上所述，该文算法可在保持DIP降噪效果的基础上，大幅度提高运行速度，特别是RTV模型预处理后的CT图像作为网络输入时，对提高运行速度的效果更加明显。
低剂量CT(LDCT)图像可大幅降低X射线辐射剂量，但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像，以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果，导致该方法运行速度过慢。因此，该文提出一种用于LDCT降噪的目标偏移DIP加速算法，旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性，该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来，在上一切片对应的网络参数的基础上更新当前切片对应的网络参数，并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础；由于DIP网络的输入是固定的随机张量，与目标图像差距较大，该文利用传统降噪模型预处理后的LDCT图像作为网络输入，进一步提高网络迭代速度。实验表明，不使用传统模型预处理时，与原DIP网络运行速度相比，该文所提出的加速算法可以将迭代速度提高10.45%；当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时，图像峰值信噪比不仅可以达到29.13，而且总迭代速度可以提高94.31%。综上所述，该文算法可在保持DIP降噪效果的基础上，大幅度提高运行速度，特别是RTV模型预处理后的CT图像作为网络输入时，对提高运行速度的效果更加明显。
2023, 45(6): 2197-2204.
doi: 10.11999/JEIT220603
摘要:
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
2023, 45(6): 2205-2215.
doi: 10.11999/JEIT220413
摘要:
针对目前深度学习单阶段检测算法综合性能不平衡以及在嵌入式设备难以部署等问题，该文提出一种面向嵌入式平台的高性能目标检测算法。基于只看1次5代 (YOLOv5)网络，改进算法首先在主干网络部分采用设计的空间颈块代替原有的焦点模块，结合改进的混洗网络2代替换原有的跨级局部暗网络，减小空间金字塔池化 (SPP)的内核尺寸，实现了主干网络的轻量化。其次，颈部采用了基于路径聚合网络 (PAN)设计的增强型路径聚合网络 (EPAN)，增加了P6大目标输出层，提高了网络的特征提取能力。然后，检测头部分采用以自适应空间特征融合 (ASFF)为基础设计的自适应空洞空间特征融合 (A-ASFF)来替代原有的检测头，解决了物体尺度变化问题，在少量增加额外开销情况下大幅提升检测精度。最后，函数部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)损失函数，采用S型加权线性单元 (SiLU)代替HardSwish激活函数，提升了模型的综合性能。实验结果表明，与YOLOv5-S相比，该文提出的同版本算法在mAP@.5，mAP@.5:.95上分别提高了4.6%和6.3%，参数量降低了43.5%，计算复杂度降低了12.0%，在Jetson Nano平台上使用原模型和TensorRT加速模型进行速度评估，分别减少了8.1%和9.8%的推理延迟。该文所提算法的综合指标超越了众多优秀的目标检测网络，对嵌入式平台更为友好，具有实际应用意义。
针对目前深度学习单阶段检测算法综合性能不平衡以及在嵌入式设备难以部署等问题，该文提出一种面向嵌入式平台的高性能目标检测算法。基于只看1次5代 (YOLOv5)网络，改进算法首先在主干网络部分采用设计的空间颈块代替原有的焦点模块，结合改进的混洗网络2代替换原有的跨级局部暗网络，减小空间金字塔池化 (SPP)的内核尺寸，实现了主干网络的轻量化。其次，颈部采用了基于路径聚合网络 (PAN)设计的增强型路径聚合网络 (EPAN)，增加了P6大目标输出层，提高了网络的特征提取能力。然后，检测头部分采用以自适应空间特征融合 (ASFF)为基础设计的自适应空洞空间特征融合 (A-ASFF)来替代原有的检测头，解决了物体尺度变化问题，在少量增加额外开销情况下大幅提升检测精度。最后，函数部分采用高效交并比 (EIoU)代替完整交并比 (CIoU)损失函数，采用S型加权线性单元 (SiLU)代替HardSwish激活函数，提升了模型的综合性能。实验结果表明，与YOLOv5-S相比，该文提出的同版本算法在mAP@.5，mAP@.5:.95上分别提高了4.6%和6.3%，参数量降低了43.5%，计算复杂度降低了12.0%，在Jetson Nano平台上使用原模型和TensorRT加速模型进行速度评估，分别减少了8.1%和9.8%的推理延迟。该文所提算法的综合指标超越了众多优秀的目标检测网络，对嵌入式平台更为友好，具有实际应用意义。
2023, 45(6): 2216-2225.
doi: 10.11999/JEIT220645
摘要:
该文针对迁移聚类问题，提出一种基于最大平均差异的迁移模糊C均值(TFCM-MMD)聚类算法。TFCM-MMD解决了迁移模糊C均值聚类算法在源域与目标域数据分布差异大的情况下迁移学习效果减弱的问题。 该算法基于最大平均差异准则度量域间差异，通过学习源域和目标域的投影矩阵，以减小源域和目标域数据在公共子空间分布的差异，进而提升迁移学习的效果。最后，通过基于合成数据集和医学图像分割数据集的实验，进一步验证了TFCM-MMD算法在解决域间差异大的迁移聚类问题上的有效性。
该文针对迁移聚类问题，提出一种基于最大平均差异的迁移模糊C均值(TFCM-MMD)聚类算法。TFCM-MMD解决了迁移模糊C均值聚类算法在源域与目标域数据分布差异大的情况下迁移学习效果减弱的问题。 该算法基于最大平均差异准则度量域间差异，通过学习源域和目标域的投影矩阵，以减小源域和目标域数据在公共子空间分布的差异，进而提升迁移学习的效果。最后，通过基于合成数据集和医学图像分割数据集的实验，进一步验证了TFCM-MMD算法在解决域间差异大的迁移聚类问题上的有效性。
2023, 45(6): 2226-2235.
doi: 10.11999/JEIT220563
摘要:
对抗样本生成是一种通过添加较小扰动信息，使得神经网络产生误判的技术，可用于检测文本分类模型的鲁棒性。目前，中文领域对抗样本生成方法主要有繁体字和同音字替换等，这些方法都存在对抗样本扰动幅度大，生成对抗样本质量不高的问题。针对这些问题，该文提出一种字符级对抗样本生成方法(PGAS)，通过对多音字进行替换可以在较小扰动下生成高质量的对抗样本。首先，构建多音字字典，对多音字进行标注；然后对输入文本进行多音字替换；最后在黑盒模式下进行对抗样本攻击实验。实验在多种情感分类数据集上，针对多种最新的分类模型验证了该方法的有效性。
对抗样本生成是一种通过添加较小扰动信息，使得神经网络产生误判的技术，可用于检测文本分类模型的鲁棒性。目前，中文领域对抗样本生成方法主要有繁体字和同音字替换等，这些方法都存在对抗样本扰动幅度大，生成对抗样本质量不高的问题。针对这些问题，该文提出一种字符级对抗样本生成方法(PGAS)，通过对多音字进行替换可以在较小扰动下生成高质量的对抗样本。首先，构建多音字字典，对多音字进行标注；然后对输入文本进行多音字替换；最后在黑盒模式下进行对抗样本攻击实验。实验在多种情感分类数据集上，针对多种最新的分类模型验证了该方法的有效性。
2023, 45(6): 2236-2245.
doi: 10.11999/JEIT220644
摘要:
尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题，该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network, MSIANet)。首先，设计了一个多尺度注意力模块，该模块使用4个具有不同感受野的分支提取不同尺度的特征，并将各分支提取的尺度特征进行交互，同时，使用注意力机制来限制多列网络的特征相似性问题。其次，在多尺度注意力模块的基础上设计了一个语义信息融合模块，该模块将主干网络的不同层次的语义信息进行交互，并将多尺度注意力模块分层堆叠，以充分利用多层语义信息。最后，基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络，该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明，与现有代表性的人群计数方法相比，该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。
尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题，该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network, MSIANet)。首先，设计了一个多尺度注意力模块，该模块使用4个具有不同感受野的分支提取不同尺度的特征，并将各分支提取的尺度特征进行交互，同时，使用注意力机制来限制多列网络的特征相似性问题。其次，在多尺度注意力模块的基础上设计了一个语义信息融合模块，该模块将主干网络的不同层次的语义信息进行交互，并将多尺度注意力模块分层堆叠，以充分利用多层语义信息。最后，基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络，该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明，与现有代表性的人群计数方法相比，该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。
2023, 45(6): 2246-2255.
doi: 10.11999/JEIT220684
摘要:
针对当前全景图像显著性检测方法存在检测精度偏低、模型收敛速度慢和计算量大等问题，该文提出一种基于鲁棒视觉变换和多注意力的U型网络(URMNet)模型。该模型使用球形卷积提取全景图像的多尺度特征，减轻了全景图像经等矩形投影后的失真。使用鲁棒视觉变换模块提取4种尺度特征图所包含的显著信息，采用卷积嵌入的方式降低特征图的分辨率，增强模型的鲁棒性。使用多注意力模块，根据空间注意力与通道注意力间的关系，有选择地融合多维度注意力。最后逐步融合多层特征，形成全景图像显著图。纬度加权损失函数使该文模型具有更快的收敛速度。在两个公开数据集上的实验表明，该文所提模型因使用了鲁棒视觉变换模块和多注意力模块，其性能优于其他6种先进方法，能进一步提高全景图像显著性检测精度。
针对当前全景图像显著性检测方法存在检测精度偏低、模型收敛速度慢和计算量大等问题，该文提出一种基于鲁棒视觉变换和多注意力的U型网络(URMNet)模型。该模型使用球形卷积提取全景图像的多尺度特征，减轻了全景图像经等矩形投影后的失真。使用鲁棒视觉变换模块提取4种尺度特征图所包含的显著信息，采用卷积嵌入的方式降低特征图的分辨率，增强模型的鲁棒性。使用多注意力模块，根据空间注意力与通道注意力间的关系，有选择地融合多维度注意力。最后逐步融合多层特征，形成全景图像显著图。纬度加权损失函数使该文模型具有更快的收敛速度。在两个公开数据集上的实验表明，该文所提模型因使用了鲁棒视觉变换模块和多注意力模块，其性能优于其他6种先进方法，能进一步提高全景图像显著性检测精度。
2023, 45(6): 2256-2263.
doi: 10.11999/JEIT220601
摘要:
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
2023, 45(6): 2264-2272.
doi: 10.11999/JEIT221252
摘要:
3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义。但是，由于肾脏器官的结构复杂性以及邻近部位的灰度相似性，3维肾脏的准确分割仍具有挑战性。该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点，结合模糊连接度(FC)算法，提出一种3维肾脏CT图像的自动分割算法。主要贡献为：将SPCNN的2维模型扩展为3维模型，可以充分利用3维CT图像的层间信息；提出了一种基于感兴趣区域质心的3维种子点自动生成策略，可以有效提高算法的自动分割效率；实现了3维FC响应图与3维SPCNN的有效耦合。所提算法在自制数据集和公开数据集上进行了验证实验，结果表明该算法的性能优于现有的主流算法，其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095, 0.9969, 0.8517, 0.1749和0.8536。
3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义。但是，由于肾脏器官的结构复杂性以及邻近部位的灰度相似性，3维肾脏的准确分割仍具有挑战性。该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点，结合模糊连接度(FC)算法，提出一种3维肾脏CT图像的自动分割算法。主要贡献为：将SPCNN的2维模型扩展为3维模型，可以充分利用3维CT图像的层间信息；提出了一种基于感兴趣区域质心的3维种子点自动生成策略，可以有效提高算法的自动分割效率；实现了3维FC响应图与3维SPCNN的有效耦合。所提算法在自制数据集和公开数据集上进行了验证实验，结果表明该算法的性能优于现有的主流算法，其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095, 0.9969, 0.8517, 0.1749和0.8536。
2023, 45(6): 2273-2283.
doi: 10.11999/JEIT220596
摘要:
3维卷积神经网络(3D CNN)是近几年来深度学习研究中的热点，在计算机视觉领域取得了诸多成就。虽然研究多年且成果丰富，但目前仍缺少关于此内容全面、细致的综述。基于此，该文从以下几个方面对其进行综述：首先阐述3维卷积神经网络的基本原理和模型结构，接着从网络结构、网络内部和优化方法总结3维卷积神经网络的相关改进工作，然后对3维卷积神经网络在视频理解领域中的应用进行总结，最后总结全文内容并对未来发展方向进行展望。该文针对3维卷积神经网络的最新研究进展以及在视频理解领域中的应用进行了系统的综述，对3维卷积神经网络的研究发展具有一定的积极意义。
3维卷积神经网络(3D CNN)是近几年来深度学习研究中的热点，在计算机视觉领域取得了诸多成就。虽然研究多年且成果丰富，但目前仍缺少关于此内容全面、细致的综述。基于此，该文从以下几个方面对其进行综述：首先阐述3维卷积神经网络的基本原理和模型结构，接着从网络结构、网络内部和优化方法总结3维卷积神经网络的相关改进工作，然后对3维卷积神经网络在视频理解领域中的应用进行总结，最后总结全文内容并对未来发展方向进行展望。该文针对3维卷积神经网络的最新研究进展以及在视频理解领域中的应用进行了系统的综述，对3维卷积神经网络的研究发展具有一定的积极意义。
2023, 45(6): 2284-2292.
doi: 10.11999/JEIT220532
摘要:
针对标准粒子滤波过程的权值退化和样本贫化问题，该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先，引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境；其次，采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段；最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明，与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比，基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。
针对标准粒子滤波过程的权值退化和样本贫化问题，该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先，引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境；其次，采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段；最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明，与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比，基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。
