邮件订阅
2023年 第45卷 第7期
显示方式:
2023, 45(7): 2293-2310.
doi: 10.11999/JEIT221219
摘要:
近年来，随着物联网(IoT)部署范围不断扩大，数以千亿计的智能设备将接入物联网，对网络接入能力、能量供应、成本等提出了极大挑战，无源物联网呼之欲出。该文梳理了无源物联网相关概念并给出其定义，首次系统研究了无源物联网面临的能量密度低、转化效率低、后向散射通信距离有限、能量信息同时传输兼顾难等4大挑战，详细分析了问题原因并对研究进展进行综述：针对能量密度低挑战，从波束成形、能量收集天线设计、智能反射表面3个方面综述；针对能量转换效率低挑战，从接收机架构优化、波形设计、阻抗匹配优化、整流器优化4个方面综述；针对后向散射通信距离有限挑战，从新的调制方式、频移型后向散射新机制、MIMO增强、新的信道编码机制、新的信号检测方法、智能反射表面增强以及半有源模式7个方面综述；针对能量信息同时传输兼顾难问题，从能量信息同时传输架构优化、能量信息兼容信道编码2个方面综述。针对每个优化方向，对比分析了各类方法的优劣并指出了未来研究方向。
近年来，随着物联网(IoT)部署范围不断扩大，数以千亿计的智能设备将接入物联网，对网络接入能力、能量供应、成本等提出了极大挑战，无源物联网呼之欲出。该文梳理了无源物联网相关概念并给出其定义，首次系统研究了无源物联网面临的能量密度低、转化效率低、后向散射通信距离有限、能量信息同时传输兼顾难等4大挑战，详细分析了问题原因并对研究进展进行综述：针对能量密度低挑战，从波束成形、能量收集天线设计、智能反射表面3个方面综述；针对能量转换效率低挑战，从接收机架构优化、波形设计、阻抗匹配优化、整流器优化4个方面综述；针对后向散射通信距离有限挑战，从新的调制方式、频移型后向散射新机制、MIMO增强、新的信道编码机制、新的信号检测方法、智能反射表面增强以及半有源模式7个方面综述；针对能量信息同时传输兼顾难问题，从能量信息同时传输架构优化、能量信息兼容信道编码2个方面综述。针对每个优化方向，对比分析了各类方法的优劣并指出了未来研究方向。
2023, 45(7): 2311-2316.
doi: 10.11999/JEIT221558
摘要:
近来无源反向散射通信技术作为绿色物联网的关键技术，引起了广泛的关注。在无源反向散射通信系统中，收发节点与反射节点的振荡器差异、相对运动以及环境变化，导致接收端和发送端存在载波频率偏移(CFO)。CFO对信号检测和系统性能有重要影响，而当前多数无源反向散射通信系统研究忽略了CFO。该文设计了一种适用于频移键控调制(FSK)的CFO快速检测方法，不需要导频就能快速有效检测出CFO是否存在并找出存在的位置。首先，根据信号在CFO存在与否的不同，采用去直流后取模方法对信号进行处理，而后根据处理后的信号的特点，基于累积和(CUSUM)设计快速检测算法对载波频偏出现的位置进行检测，并对理论分析结果进行仿真验证，仿真结果表明取模检测可以有效检测出CFO出现的位置。
近来无源反向散射通信技术作为绿色物联网的关键技术，引起了广泛的关注。在无源反向散射通信系统中，收发节点与反射节点的振荡器差异、相对运动以及环境变化，导致接收端和发送端存在载波频率偏移(CFO)。CFO对信号检测和系统性能有重要影响，而当前多数无源反向散射通信系统研究忽略了CFO。该文设计了一种适用于频移键控调制(FSK)的CFO快速检测方法，不需要导频就能快速有效检测出CFO是否存在并找出存在的位置。首先，根据信号在CFO存在与否的不同，采用去直流后取模方法对信号进行处理，而后根据处理后的信号的特点，基于累积和(CUSUM)设计快速检测算法对载波频偏出现的位置进行检测，并对理论分析结果进行仿真验证，仿真结果表明取模检测可以有效检测出CFO出现的位置。
2023, 45(7): 2317-2324.
doi: 10.11999/JEIT221195
摘要:
为了解决引入智能反射面(IRS)后反向散射通信(BackCom)信道的传播模拟问题，该文提出一种基于抛物方程(PE)和矩量法(MoM)的高效混合数值方法。该方法将电大场景下IRS辅助信道的传播建模问题分解为电波传播与电磁散射两个子问题，分别采用PE和MoM进行求解。通过对视距和非视距场景下IRS辅助的信道进行模拟，探讨了PE-MoM混合求解技术的高效性。仿真结果表明，与MoM相比，所提算法的计算速度提升了6.46倍，计算资源消耗也下降了81%，且相对均方根误差仅为3.89%。对比结果表明所提出的PE-MoM方法能够在兼顾计算精度和计算效率的同时，实现IRS辅助的BackCom信道的传播模拟。
为了解决引入智能反射面(IRS)后反向散射通信(BackCom)信道的传播模拟问题，该文提出一种基于抛物方程(PE)和矩量法(MoM)的高效混合数值方法。该方法将电大场景下IRS辅助信道的传播建模问题分解为电波传播与电磁散射两个子问题，分别采用PE和MoM进行求解。通过对视距和非视距场景下IRS辅助的信道进行模拟，探讨了PE-MoM混合求解技术的高效性。仿真结果表明，与MoM相比，所提算法的计算速度提升了6.46倍，计算资源消耗也下降了81%，且相对均方根误差仅为3.89%。对比结果表明所提出的PE-MoM方法能够在兼顾计算精度和计算效率的同时，实现IRS辅助的BackCom信道的传播模拟。
2023, 45(7): 2325-2333.
doi: 10.11999/JEIT221483
摘要:
为了提高频谱传输效率和抑制信道不确定性影响，该文提出一种基于不完美信道状态信息的认知反向散射通信吞吐量最大化算法。首先，考虑主基站最大发射功率、传输时间、用户服务质量、有界信道不确定性等约束，建立了联合优化主基站波束、传输时间、反射系数的多变量耦合的非线性鲁棒吞吐量最大化模型。其次，利用最坏准则、S-Procedure、连续凸近似和交替优化方法，将原问题转换为凸优化问题，并提出一种基于迭代的鲁棒资源分配算法。仿真结果表明，与非鲁棒算法对比，所提算法具有较好的吞吐量和鲁棒性，且中断概率减小2.39%。
为了提高频谱传输效率和抑制信道不确定性影响，该文提出一种基于不完美信道状态信息的认知反向散射通信吞吐量最大化算法。首先，考虑主基站最大发射功率、传输时间、用户服务质量、有界信道不确定性等约束，建立了联合优化主基站波束、传输时间、反射系数的多变量耦合的非线性鲁棒吞吐量最大化模型。其次，利用最坏准则、S-Procedure、连续凸近似和交替优化方法，将原问题转换为凸优化问题，并提出一种基于迭代的鲁棒资源分配算法。仿真结果表明，与非鲁棒算法对比，所提算法具有较好的吞吐量和鲁棒性，且中断概率减小2.39%。
2023, 45(7): 2334-2341.
doi: 10.11999/JEIT221062
摘要:
针对边缘计算网络中用户能量短缺问题，该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先，通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配，构建最小化无人机总能耗优化问题。其次，利用交替优化算法，将原非凸问题分解为两个子问题，并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明，所提算法使得无人机能耗显著减少，且具有良好的收敛性。
针对边缘计算网络中用户能量短缺问题，该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先，通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配，构建最小化无人机总能耗优化问题。其次，利用交替优化算法，将原非凸问题分解为两个子问题，并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明，所提算法使得无人机能耗显著减少，且具有良好的收敛性。
2023, 45(7): 2342-2349.
doi: 10.11999/JEIT221534
摘要:
环境反向散射蜂窝网络能同时支持蜂窝网通信和环境反向散射通信，具有良好的应用前景，但环境反向散射的信号与蜂窝网络信号之间存在严重的互相干扰。针对这一问题，该文提出环境反向散射蜂窝网络的级联干扰对齐(CIA)算法。为了分别对齐基站信号对阅读器和用户的干扰，设计两层级联的预编码矩阵。充分考虑到反向散射节点计算能力弱，无法自主进行预编码矩阵设计的限制，结合基站到反向散射节点的信道状态信息对反向散射信号进行了预编码。并设计了对应用户的两层级联干扰抑制矩阵和阅读器的3层级联干扰抑制矩阵，将不同来源的干扰分层消除。仿真结果表明，所提算法能够消除环境反向散射蜂窝网络中的复杂干扰，保证蜂窝网络信号和反向散射信号正常传输，提高了系统和速率。
环境反向散射蜂窝网络能同时支持蜂窝网通信和环境反向散射通信，具有良好的应用前景，但环境反向散射的信号与蜂窝网络信号之间存在严重的互相干扰。针对这一问题，该文提出环境反向散射蜂窝网络的级联干扰对齐(CIA)算法。为了分别对齐基站信号对阅读器和用户的干扰，设计两层级联的预编码矩阵。充分考虑到反向散射节点计算能力弱，无法自主进行预编码矩阵设计的限制，结合基站到反向散射节点的信道状态信息对反向散射信号进行了预编码。并设计了对应用户的两层级联干扰抑制矩阵和阅读器的3层级联干扰抑制矩阵，将不同来源的干扰分层消除。仿真结果表明，所提算法能够消除环境反向散射蜂窝网络中的复杂干扰，保证蜂窝网络信号和反向散射信号正常传输，提高了系统和速率。
2023, 45(7): 2350-2357.
doi: 10.11999/JEIT220778
摘要:
该文研究了基于能量收集的互惠共生无线电主、次系统的中断性能。首先，在考虑次用户能量因果约束的基础上给出了主、次系统解码信噪比，并定义了主、次系统的中断概率。在此基础上，推导得到瑞利信道衰落模型下主、次系统的中断概率封闭表达式，进而刻画了主、次系统的分集增益，其结果表明，次用户的接入可以给主系统带来有益的分集增益，即主系统的分集增益由1提升至2。最后，通过仿真验证了理论分析的正确性，并研究了不同系统参数对主、次系统中断概率的影响。
该文研究了基于能量收集的互惠共生无线电主、次系统的中断性能。首先，在考虑次用户能量因果约束的基础上给出了主、次系统解码信噪比，并定义了主、次系统的中断概率。在此基础上，推导得到瑞利信道衰落模型下主、次系统的中断概率封闭表达式，进而刻画了主、次系统的分集增益，其结果表明，次用户的接入可以给主系统带来有益的分集增益，即主系统的分集增益由1提升至2。最后，通过仿真验证了理论分析的正确性，并研究了不同系统参数对主、次系统中断概率的影响。
2023, 45(7): 2358-2365.
doi: 10.11999/JEIT221210
摘要:
无人机(UAV)、非正交多址(NOMA)和反向散射通信(BC)相结合，可以满足热点地区高容量需求，提高通信质量。该文提出一种无人机辅助的NOMA反向散射通信系统最小速率最大化资源分配算法。考虑无人机发射功率、能量收集、反射系数、传输速率以及连续干扰消除(SIC)解码顺序约束，建立基于系统最小速率最大化的资源分配模型。首先利用块坐标下降将原问题分解为无人机发射功率优化、反射系数优化和无人机位置与SIC解码顺序联合优化3个子问题，然后使用反证法给出无人机最优发射功率，再用变量替换法和连续凸逼近将剩余子问题进一步转化为凸优化问题进行求解。仿真结果表明，所提算法在系统和速率与用户公平性之间具有较好折中。
无人机(UAV)、非正交多址(NOMA)和反向散射通信(BC)相结合，可以满足热点地区高容量需求，提高通信质量。该文提出一种无人机辅助的NOMA反向散射通信系统最小速率最大化资源分配算法。考虑无人机发射功率、能量收集、反射系数、传输速率以及连续干扰消除(SIC)解码顺序约束，建立基于系统最小速率最大化的资源分配模型。首先利用块坐标下降将原问题分解为无人机发射功率优化、反射系数优化和无人机位置与SIC解码顺序联合优化3个子问题，然后使用反证法给出无人机最优发射功率，再用变量替换法和连续凸逼近将剩余子问题进一步转化为凸优化问题进行求解。仿真结果表明，所提算法在系统和速率与用户公平性之间具有较好折中。
2023, 45(7): 2366-2374.
doi: 10.11999/JEIT220951
摘要:
为解决传统的物联网(IoT)通信设备功耗大、需要人工定期维护、频繁更换电池等问题，该文提出一种基于电磁波能量收集的无源WiFi物联网散射通信方法。该方法基于低功耗微处理器实现WiFi反向散射通信，同时利用自身收集的电磁波能量实现系统自供电，具有功耗低、无需电池、体积小、成本低、免人工维护、容易大量部署等诸多优势，可广泛用于物联网领域。
为解决传统的物联网(IoT)通信设备功耗大、需要人工定期维护、频繁更换电池等问题，该文提出一种基于电磁波能量收集的无源WiFi物联网散射通信方法。该方法基于低功耗微处理器实现WiFi反向散射通信，同时利用自身收集的电磁波能量实现系统自供电，具有功耗低、无需电池、体积小、成本低、免人工维护、容易大量部署等诸多优势，可广泛用于物联网领域。
2023, 45(7): 2375-2385.
doi: 10.11999/JEIT220613
摘要:
头盔天线是指以特殊的人工结构或材料共形到单兵可穿戴头盔上的一种天线，它是单兵无线通信系统中的核心器件。当前的头盔天线研究仅关注辐射全向性、大宽带、高增益和低比吸收率(SAR)中的某一方面或两个方面，难以满足快速发展的战术通信要求。近年来各种基于人工磁导体、超构材料等新型材料/结构的天线设计和阻抗匹配方法被相继提出，使得头盔天线有望突破增益、带宽、尺寸、重量和电磁辐射之间相互制约的技术难题。该文旨在通过系统总结国内外对于头盔天线在控制辐射方向、扩展带宽、增益提高、抑制比吸收率的研究进展之基础上，展望未来头盔天线重点突破的技术方向，并提出一种基于非福斯特电路的圆形阵列头盔天线技术构想。
头盔天线是指以特殊的人工结构或材料共形到单兵可穿戴头盔上的一种天线，它是单兵无线通信系统中的核心器件。当前的头盔天线研究仅关注辐射全向性、大宽带、高增益和低比吸收率(SAR)中的某一方面或两个方面，难以满足快速发展的战术通信要求。近年来各种基于人工磁导体、超构材料等新型材料/结构的天线设计和阻抗匹配方法被相继提出，使得头盔天线有望突破增益、带宽、尺寸、重量和电磁辐射之间相互制约的技术难题。该文旨在通过系统总结国内外对于头盔天线在控制辐射方向、扩展带宽、增益提高、抑制比吸收率的研究进展之基础上，展望未来头盔天线重点突破的技术方向，并提出一种基于非福斯特电路的圆形阵列头盔天线技术构想。
2023, 45(7): 2386-2394.
doi: 10.11999/JEIT220707
摘要:
脑机接口(BCI)不依赖于外周神经和肌肉，在大脑与外部设备之间建立起直接交流的通路。近年来，该技术在识别准确率和系统交互速率方面已取得巨大突破。然而，脑电(EEG)信号非平稳特性较强且用户主观状态波动较大，传统脑机接口技术对大脑活动的动态变化欠缺适应性，影响了脑机接口系统的控制稳定性，也限制了其智能化发展和应用。自适应脑机接口可根据大脑当前状态动态调整诱发范式和实时更新识别模型，从而增强脑控系统对非平稳大脑活动的适应性，提高其控制精度和鲁棒性，实现更加实用化的脑控系统，对推动脑机接口技术进一步发展极具意义。该文对自适应脑机接口的相关研究进行了回顾和总结，并对该技术未来发展的方向进行了展望。
脑机接口(BCI)不依赖于外周神经和肌肉，在大脑与外部设备之间建立起直接交流的通路。近年来，该技术在识别准确率和系统交互速率方面已取得巨大突破。然而，脑电(EEG)信号非平稳特性较强且用户主观状态波动较大，传统脑机接口技术对大脑活动的动态变化欠缺适应性，影响了脑机接口系统的控制稳定性，也限制了其智能化发展和应用。自适应脑机接口可根据大脑当前状态动态调整诱发范式和实时更新识别模型，从而增强脑控系统对非平稳大脑活动的适应性，提高其控制精度和鲁棒性，实现更加实用化的脑控系统，对推动脑机接口技术进一步发展极具意义。该文对自适应脑机接口的相关研究进行了回顾和总结，并对该技术未来发展的方向进行了展望。
2023, 45(7): 2395-2405.
doi: 10.11999/JEIT220678
摘要:
为了降低正交时频空(OTFS)系统峰均比(PAPR)并且提升系统安全性，该文设计了一种基于酉矩阵变换的低峰均功率比OTFS安全传输方法。在该方法中，通过无线信道的时延多普勒(DD)域产生初始密钥，并将其作为混沌系统初始值进一步产生混沌序列。利用混沌序列进行酉矩阵设计，使得经过酉矩阵变换后的符号完全被混淆，具有类噪声的随机特性。此外通过索引控制酉矩阵选择，发射端将不同酉矩阵变换得到的OTFS时域信号进行排序并选择PAPR最低的信号进行发送。合法接收方获得索引值后可以正确解密和解调，而窃听者即使获得索引值信息，由于其没有相应的加密酉矩阵，为此无法正确解密。理论分析和仿真结果表明，所提方法在保证系统可靠性的前提下有效降低OTFS系统的PAPR。此外经过酉矩阵变换后的星座图呈现球状混乱，这使得调制方式和信息得以隐蔽，增大了窃听者的解密难度，系统的安全性得到保证。
为了降低正交时频空(OTFS)系统峰均比(PAPR)并且提升系统安全性，该文设计了一种基于酉矩阵变换的低峰均功率比OTFS安全传输方法。在该方法中，通过无线信道的时延多普勒(DD)域产生初始密钥，并将其作为混沌系统初始值进一步产生混沌序列。利用混沌序列进行酉矩阵设计，使得经过酉矩阵变换后的符号完全被混淆，具有类噪声的随机特性。此外通过索引控制酉矩阵选择，发射端将不同酉矩阵变换得到的OTFS时域信号进行排序并选择PAPR最低的信号进行发送。合法接收方获得索引值后可以正确解密和解调，而窃听者即使获得索引值信息，由于其没有相应的加密酉矩阵，为此无法正确解密。理论分析和仿真结果表明，所提方法在保证系统可靠性的前提下有效降低OTFS系统的PAPR。此外经过酉矩阵变换后的星座图呈现球状混乱，这使得调制方式和信息得以隐蔽，增大了窃听者的解密难度，系统的安全性得到保证。
2023, 45(7): 2406-2414.
doi: 10.11999/JEIT220797
摘要:
智能驾驶中的碰撞避免任务存在对时延要求极高和隐私保护等挑战。首先，该文提出一种基于自适应调整参数的半异步联邦学习(SFLAAP)的门控循环单元联合支持向量机(GRU_SVM)碰撞多级预警算法，SFLAAP可根据训练和资源情况动态调整两个训练参数：本地训练次数和参与聚合的局部模型数量。然后，为解决资源受限的移动边缘计算(MEC)下碰撞预警模型协作训练的效率问题，根据上述参数与SFLAAP训练时延的关系，建立训练总时延最小化模型，并将其转化为马尔可夫决策过程(MDP)。最后，在所建立的MDP中采用异步优势演员-评论家(A3C)学习求解，自适应地确定最优训练参数，从而减少碰撞预警模型的训练完成时间。仿真结果表明，所提算法有效地降低训练总时延并保证预测精度。
智能驾驶中的碰撞避免任务存在对时延要求极高和隐私保护等挑战。首先，该文提出一种基于自适应调整参数的半异步联邦学习(SFLAAP)的门控循环单元联合支持向量机(GRU_SVM)碰撞多级预警算法，SFLAAP可根据训练和资源情况动态调整两个训练参数：本地训练次数和参与聚合的局部模型数量。然后，为解决资源受限的移动边缘计算(MEC)下碰撞预警模型协作训练的效率问题，根据上述参数与SFLAAP训练时延的关系，建立训练总时延最小化模型，并将其转化为马尔可夫决策过程(MDP)。最后，在所建立的MDP中采用异步优势演员-评论家(A3C)学习求解，自适应地确定最优训练参数，从而减少碰撞预警模型的训练完成时间。仿真结果表明，所提算法有效地降低训练总时延并保证预测精度。
2023, 45(7): 2415-2422.
doi: 10.11999/JEIT220721
摘要:
为满足网络需求，提高系统频谱利用率，该文提出一种覆盖式认知非正交多址接入(CR-NOMA)网络。考虑实际中非线性功率放大(NLPA)、非理想连续干扰消除(ipSIC)和非完美信道状态信息(CSI)等非理性因素，研究所提网络的可靠性能，推导出系统中断概率(OP)和系统吞吐量的解析表达式，并进一步分析高信噪比下中断概率的表达式、理想状态下中断概率的高信噪比(SNR)近似、分集阶数。分析及仿真结果表明：NLPA, ipSIC和信道估计误差参数对系统中断概率性能有负面影响；中断概率随着信噪比的增加而减小，在高信噪比下收敛到一个固定常数；中断概率随着功率分配系数的改变也会产生相应的变化。
为满足网络需求，提高系统频谱利用率，该文提出一种覆盖式认知非正交多址接入(CR-NOMA)网络。考虑实际中非线性功率放大(NLPA)、非理想连续干扰消除(ipSIC)和非完美信道状态信息(CSI)等非理性因素，研究所提网络的可靠性能，推导出系统中断概率(OP)和系统吞吐量的解析表达式，并进一步分析高信噪比下中断概率的表达式、理想状态下中断概率的高信噪比(SNR)近似、分集阶数。分析及仿真结果表明：NLPA, ipSIC和信道估计误差参数对系统中断概率性能有负面影响；中断概率随着信噪比的增加而减小，在高信噪比下收敛到一个固定常数；中断概率随着功率分配系数的改变也会产生相应的变化。
2023, 45(7): 2423-2431.
doi: 10.11999/JEIT220719
摘要:
针对物联网(IoT)中智能应用快速增长导致的移动网络数据拥塞问题，该文构建了一种基于雾集群协作的云雾混合计算模型，在考虑集群负载均衡的同时引入权重因子以平衡计算时延和能耗，最终实现系统时延能耗加权和最小。为了解决该混合整数非线性规划问题，将原问题分解后采用库恩塔克(KKT)条件和二分搜索迭代法对资源配置进行优化，提出一种基于分支定界的开销最小化卸载算法(BB-OMOA)获得最优卸载决策。仿真结果表明，集群协作模式显著提高了系统负载均衡度，且所提策略在不同参数条件下明显优于其他基准方案。
针对物联网(IoT)中智能应用快速增长导致的移动网络数据拥塞问题，该文构建了一种基于雾集群协作的云雾混合计算模型，在考虑集群负载均衡的同时引入权重因子以平衡计算时延和能耗，最终实现系统时延能耗加权和最小。为了解决该混合整数非线性规划问题，将原问题分解后采用库恩塔克(KKT)条件和二分搜索迭代法对资源配置进行优化，提出一种基于分支定界的开销最小化卸载算法(BB-OMOA)获得最优卸载决策。仿真结果表明，集群协作模式显著提高了系统负载均衡度，且所提策略在不同参数条件下明显优于其他基准方案。
2023, 45(7): 2432-2442.
doi: 10.11999/JEIT220692
摘要:
针对在有限的车载资源约束条件下，如何兼顾控制器域网络(CAN)异常检测准确度和时效性的问题，该文提出一种CAN网络异常检测自适应优化方法。首先，基于信息熵建立了CAN网络异常检测的准确度和时效性量化指标，并将CAN网络异常检测建模为多目标优化问题；然后，设计了求解多目标优化问题的第二代非支配排序遗传算法(NSGA-II)，将帕累托前沿作为CAN网络异常检测模型参数的优化调整空间，提出了满足不同场景需求的检测模型鲁棒控制机制。通过实验分析，深入剖析了优化参数对异常检测的影响，验证了所提方法能够在有限车载资源下适应多样化检测场景需求。
针对在有限的车载资源约束条件下，如何兼顾控制器域网络(CAN)异常检测准确度和时效性的问题，该文提出一种CAN网络异常检测自适应优化方法。首先，基于信息熵建立了CAN网络异常检测的准确度和时效性量化指标，并将CAN网络异常检测建模为多目标优化问题；然后，设计了求解多目标优化问题的第二代非支配排序遗传算法(NSGA-II)，将帕累托前沿作为CAN网络异常检测模型参数的优化调整空间，提出了满足不同场景需求的检测模型鲁棒控制机制。通过实验分析，深入剖析了优化参数对异常检测的影响，验证了所提方法能够在有限车载资源下适应多样化检测场景需求。
2023, 45(7): 2443-2450.
doi: 10.11999/JEIT220775
摘要:
针对太赫兹(THz)链路的严重传输衰减和宽带系统中波束斜视导致传统信道估计方案性能下降的问题，该文构建了可重构智能表面(RIS)辅助多用户THz通信模型，并提出一种低复杂度的两阶段级联信道估计方案。在第1阶段，利用THz的稀疏性和对数和函数，将信道估计问题转化为目标优化问题，通过梯度下降法优化目标函数，使待估信道参数迭代逼近最优解，从而估计出典型用户级联信道；在第2阶段，利用其他用户的级联信道与典型用户信道的强相关性，以较低的导频开销来估计其他用户的级联信道。仿真结果表明，所提方案相较于其他方案具有更好的性能。
针对太赫兹(THz)链路的严重传输衰减和宽带系统中波束斜视导致传统信道估计方案性能下降的问题，该文构建了可重构智能表面(RIS)辅助多用户THz通信模型，并提出一种低复杂度的两阶段级联信道估计方案。在第1阶段，利用THz的稀疏性和对数和函数，将信道估计问题转化为目标优化问题，通过梯度下降法优化目标函数，使待估信道参数迭代逼近最优解，从而估计出典型用户级联信道；在第2阶段，利用其他用户的级联信道与典型用户信道的强相关性，以较低的导频开销来估计其他用户的级联信道。仿真结果表明，所提方案相较于其他方案具有更好的性能。
2023, 45(7): 2451-2458.
doi: 10.11999/JEIT220724
摘要:
在假设通信收发机具有理想硬件特性的前提下，毫米波大规模多输入多输出(MIMO)系统的混合预编码问题已经获得了广泛的研究。然而，由通信收发机硬件非理想特性导致的残余硬件损伤在毫米波大规模MIMO系统中难以避免，并且会严重影响混合预编码的性能。针对这一问题，该文建立了在收发机残余硬件损伤影响下的毫米波大规模MIMO混合预编码模型，提出一种基于流形优化的混合预编码方案。首先根据收发信号之间的修正均方误差建立优化目标，进而推导出数字预编码矩阵与数字组合矩阵的闭合表达式，然后基于黎曼流形处理恒模约束问题获得模拟预编码矩阵与模拟组合矩阵，最后进行收发机交替迭代获得混合预编码的优化结果。仿真结果表明，该方案有效抑制了残余硬件损伤对毫米波大规模MIMO系统的不利影响，显著提升了系统的性能。
在假设通信收发机具有理想硬件特性的前提下，毫米波大规模多输入多输出(MIMO)系统的混合预编码问题已经获得了广泛的研究。然而，由通信收发机硬件非理想特性导致的残余硬件损伤在毫米波大规模MIMO系统中难以避免，并且会严重影响混合预编码的性能。针对这一问题，该文建立了在收发机残余硬件损伤影响下的毫米波大规模MIMO混合预编码模型，提出一种基于流形优化的混合预编码方案。首先根据收发信号之间的修正均方误差建立优化目标，进而推导出数字预编码矩阵与数字组合矩阵的闭合表达式，然后基于黎曼流形处理恒模约束问题获得模拟预编码矩阵与模拟组合矩阵，最后进行收发机交替迭代获得混合预编码的优化结果。仿真结果表明，该方案有效抑制了残余硬件损伤对毫米波大规模MIMO系统的不利影响，显著提升了系统的性能。
2023, 45(7): 2459-2466.
doi: 10.11999/JEIT220729
摘要:
车联网(IoV)边缘计算通过在网络边缘部署计算资源，可为车载用户提供低时延服务。该文通过随机网络演算(SNC)矩母函数(MGF)法分析车联网移动边缘计算的时延和数据积压性能。首先，分别对车辆高优先级和低优先级业务到达过程、单跳毫米波通信服务过程和边缘计算服务过程进行数学建模；其次，由服务级联定理获得不同优先级业务在多跳网络中的服务过程及其矩母函数表达式；接着，推导了车辆边缘网络不同优先级业务毫米波多跳通信任务卸载的时延和数据积压概率边界闭式解；最后通过蒙特卡罗仿真验证闭式解的准确性。
车联网(IoV)边缘计算通过在网络边缘部署计算资源，可为车载用户提供低时延服务。该文通过随机网络演算(SNC)矩母函数(MGF)法分析车联网移动边缘计算的时延和数据积压性能。首先，分别对车辆高优先级和低优先级业务到达过程、单跳毫米波通信服务过程和边缘计算服务过程进行数学建模；其次，由服务级联定理获得不同优先级业务在多跳网络中的服务过程及其矩母函数表达式；接着，推导了车辆边缘网络不同优先级业务毫米波多跳通信任务卸载的时延和数据积压概率边界闭式解；最后通过蒙特卡罗仿真验证闭式解的准确性。
2023, 45(7): 2467-2475.
doi: 10.11999/JEIT220786
摘要:
该文提出一种在室内无线定位中识别毫米波视距传输(LoS)的方法，在室内毫米波无线通信的波束训练框架下，实现了信道角功率谱(PAS)中视距角度簇的识别。该方法通过分水岭算法，将角功率谱聚类成簇，进而采用最大似然比和人工神经网络分析角度簇内5个不同信道指标，即空间对称性、冲激响应和传递函数的信号峰度、平均过度延迟和均方根(RMS)延迟扩展。仿真结果中可观察到视距和非视距(NLOS)角功率谱簇之间差异明显，并以实验验证了该识别方法的有效性。
该文提出一种在室内无线定位中识别毫米波视距传输(LoS)的方法，在室内毫米波无线通信的波束训练框架下，实现了信道角功率谱(PAS)中视距角度簇的识别。该方法通过分水岭算法，将角功率谱聚类成簇，进而采用最大似然比和人工神经网络分析角度簇内5个不同信道指标，即空间对称性、冲激响应和传递函数的信号峰度、平均过度延迟和均方根(RMS)延迟扩展。仿真结果中可观察到视距和非视距(NLOS)角功率谱簇之间差异明显，并以实验验证了该识别方法的有效性。
2023, 45(7): 2476-2483.
doi: 10.11999/JEIT220857
摘要:
车联网场景下的业务内容具有海量和高度动态的特性，使得传统缓存机制无法较好地感知内容动态变化，且巨量接入设备与边缘缓存设备的有限资源之间的矛盾会引起系统时延性能差的问题。针对上述问题，该文提出一种基于强化学习的联合内容缓存和功率分配算法。首先，考虑联合优化内容缓存和功率分配，建立最小化系统整体时延的优化模型。其次，将该优化问题建模为马尔可夫决策过程(MDP)，并进一步将内容缓存和内容提供者的选择映射为离散动作集，并将功率分配映射为与离散动作相对应的连续参数。最后，借助参数化深度Q-Networks (P-DQN)算法求解这个具有离散-连续混合动作空间的问题。仿真结果表明，相较对比算法，该文所提算法能提高本地缓存命中率并降低系统传输时延。
车联网场景下的业务内容具有海量和高度动态的特性，使得传统缓存机制无法较好地感知内容动态变化，且巨量接入设备与边缘缓存设备的有限资源之间的矛盾会引起系统时延性能差的问题。针对上述问题，该文提出一种基于强化学习的联合内容缓存和功率分配算法。首先，考虑联合优化内容缓存和功率分配，建立最小化系统整体时延的优化模型。其次，将该优化问题建模为马尔可夫决策过程(MDP)，并进一步将内容缓存和内容提供者的选择映射为离散动作集，并将功率分配映射为与离散动作相对应的连续参数。最后，借助参数化深度Q-Networks (P-DQN)算法求解这个具有离散-连续混合动作空间的问题。仿真结果表明，相较对比算法，该文所提算法能提高本地缓存命中率并降低系统传输时延。
2023, 45(7): 2484-2493.
doi: 10.11999/JEIT220798
摘要:
针对实用拜占庭容错(PBFT)算法中主节点可预测、通信复杂度高和作恶节点缺少惩罚机制的问题，该文提出一种基于完美二叉树通信拓扑的联盟链拜占庭容错算法(PBT-BFT)。首先设计了信誉评估模型对节点的行为进行评估，同时提出基于信誉的可验证随机函数(R-VRF)，使得随机抽取概率与信誉值呈正相关，保证了拥有不同信誉值的节点抽签的公平性和随机性。然后，设计了完美二叉树通信拓扑，将通信复杂度降低至线性复杂度，同时提出轮换主节点和流水线工作机制，提高了共识效率。实验结果表明，与PBFT相比，平均吞吐量提高了121.6%，平均时延降低了73.8%，能够很好地适用于大规模网络节点的联盟链。
针对实用拜占庭容错(PBFT)算法中主节点可预测、通信复杂度高和作恶节点缺少惩罚机制的问题，该文提出一种基于完美二叉树通信拓扑的联盟链拜占庭容错算法(PBT-BFT)。首先设计了信誉评估模型对节点的行为进行评估，同时提出基于信誉的可验证随机函数(R-VRF)，使得随机抽取概率与信誉值呈正相关，保证了拥有不同信誉值的节点抽签的公平性和随机性。然后，设计了完美二叉树通信拓扑，将通信复杂度降低至线性复杂度，同时提出轮换主节点和流水线工作机制，提高了共识效率。实验结果表明，与PBFT相比，平均吞吐量提高了121.6%，平均时延降低了73.8%，能够很好地适用于大规模网络节点的联盟链。
2023, 45(7): 2494-2501.
doi: 10.11999/JEIT220792
摘要:
为解决基于空间角信息水下3维定位中，闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题，该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值，将迭代结果修正闭式解算法的残差项，通过迭代最小二乘法的交替运算，得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性，消除伪线性加权最小二乘算法中残差项选取的不利影响，解决了迭代法初始值选取问题，得到与收敛情况下迭代法相近的定位性能。
为解决基于空间角信息水下3维定位中，闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题，该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值，将迭代结果修正闭式解算法的残差项，通过迭代最小二乘法的交替运算，得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性，消除伪线性加权最小二乘算法中残差项选取的不利影响，解决了迭代法初始值选取问题，得到与收敛情况下迭代法相近的定位性能。
2023, 45(7): 2502-2510.
doi: 10.11999/JEIT220757
摘要:
该文基于调频连续波(FMCW)信号对低轨星载双基合成孔径雷达(SAR)的成像方法进行研究。星载双基模型具有收发异置、结构灵活的特点，其非线性运动轨迹和双斜距不利于信号频谱的推导和分析。通过引入一个4阶多项式斜距模型对回波信号进行建模，接着用级数反演法得到信号两维频谱的表达式。详细分析高阶多项式系数的空变影响。对距离徙动项进行频域处理，对方位相位采用奇异值分解(SVD)的方法，将方位空变项与多普勒分离开，并引入非线性方位变标函数，通过两次连续的插值和重采样完成方位聚焦。仿真结果证明了该算法的有效性。
该文基于调频连续波(FMCW)信号对低轨星载双基合成孔径雷达(SAR)的成像方法进行研究。星载双基模型具有收发异置、结构灵活的特点，其非线性运动轨迹和双斜距不利于信号频谱的推导和分析。通过引入一个4阶多项式斜距模型对回波信号进行建模，接着用级数反演法得到信号两维频谱的表达式。详细分析高阶多项式系数的空变影响。对距离徙动项进行频域处理，对方位相位采用奇异值分解(SVD)的方法，将方位空变项与多普勒分离开，并引入非线性方位变标函数，通过两次连续的插值和重采样完成方位聚焦。仿真结果证明了该算法的有效性。
2023, 45(7): 2511-2518.
doi: 10.11999/JEIT220776
摘要:
多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量，在地物信息提取方面具有良好的应用潜力。然而数据维度增加，其数据处理和应用难度也随之增加，相较于处理单波段单极化SAR数据，处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标，依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据，引入SAR-SIFT方法解决了多维数据配准的问题。其次，该文提出一种基于目标散射机制的多维信息融合方法，改进了Ferro 等人(doi: 10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法，证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明，融合后的特征图像对比度增高，像素的空间连续性变好，且对单体建筑轮廓的识别更精准，自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环，并且为基于多维SAR的3维建筑结构重建研究创造了条件。
多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量，在地物信息提取方面具有良好的应用潜力。然而数据维度增加，其数据处理和应用难度也随之增加，相较于处理单波段单极化SAR数据，处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标，依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据，引入SAR-SIFT方法解决了多维数据配准的问题。其次，该文提出一种基于目标散射机制的多维信息融合方法，改进了Ferro 等人(doi: 10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法，证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明，融合后的特征图像对比度增高，像素的空间连续性变好，且对单体建筑轮廓的识别更精准，自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环，并且为基于多维SAR的3维建筑结构重建研究创造了条件。
2023, 45(7): 2519-2527.
doi: 10.11999/JEIT220794
摘要:
多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中，由于子载波间干扰(ICI)对信号的影响程度未知，导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题，该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计，信道估计时利用估计出的干扰深度重建各个信道的频域矩阵，避免对不同信道选择相同的干扰深度，在自适应信道变化的同时降低了计算复杂度。此外，将判决反馈均衡引入MIMO-OFDM水声通信系统，利用已均衡出的符号信息消除子载波间干扰。仿真结果表明，该接收机相比于干扰深度渐进的接收机，译码成功所需的时间更短。
多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中，由于子载波间干扰(ICI)对信号的影响程度未知，导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题，该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计，信道估计时利用估计出的干扰深度重建各个信道的频域矩阵，避免对不同信道选择相同的干扰深度，在自适应信道变化的同时降低了计算复杂度。此外，将判决反馈均衡引入MIMO-OFDM水声通信系统，利用已均衡出的符号信息消除子载波间干扰。仿真结果表明，该接收机相比于干扰深度渐进的接收机，译码成功所需的时间更短。
2023, 45(7): 2528-2536.
doi: 10.11999/JEIT220710
摘要:
模式识别技术已经广泛应用于海上目标检测，其中二分类的模式识别算法在处理该问题时会面临类别非均衡的困境。传统方法一般通过添加人工仿真目标回波扩充目标数据集，检测结果容易受到仿真精度的影响，且增加算法的复杂度。该文提出一种基于多分类思想的多特征海上小目标智能检测方法，先对海杂波数据与目标数据进行多维特征提取，构建高维特征空间；再基于多分类思想中的“1对1”方法，将海杂波特征空间划分成多个子空间，每个杂波子空间与目标数据特征空间等大，构造多个二分类器进行联合判决。该文选取的二分类器为改进的双参数K近邻 (K-NN)算法，可有效调节虚警率。经冰多参数成像X波段雷达(IPIX)数据集验证，所提方法在观测时间为1.024 s时获得了82.40%的检测概率，与基于K-NN的检测器做比较，获得了2%的性能提升。
模式识别技术已经广泛应用于海上目标检测，其中二分类的模式识别算法在处理该问题时会面临类别非均衡的困境。传统方法一般通过添加人工仿真目标回波扩充目标数据集，检测结果容易受到仿真精度的影响，且增加算法的复杂度。该文提出一种基于多分类思想的多特征海上小目标智能检测方法，先对海杂波数据与目标数据进行多维特征提取，构建高维特征空间；再基于多分类思想中的“1对1”方法，将海杂波特征空间划分成多个子空间，每个杂波子空间与目标数据特征空间等大，构造多个二分类器进行联合判决。该文选取的二分类器为改进的双参数K近邻 (K-NN)算法，可有效调节虚警率。经冰多参数成像X波段雷达(IPIX)数据集验证，所提方法在观测时间为1.024 s时获得了82.40%的检测概率，与基于K-NN的检测器做比较，获得了2%的性能提升。
2023, 45(7): 2537-2545.
doi: 10.11999/JEIT220735
摘要:
认证加密算法 MORUS是凯撒 (CAESAR)竞赛的优胜算法，抗差分分析性能是衡量认证加密算法安全性的重要指标之一。该文研究了MORUS算法初始化阶段的差分性质，首先给出了一个差分推导规则，可以快速获得一条概率较大的差分链。在此基础上利用混合整数线性规划(MILP)自动搜索技术求解更优的差分链。为了提高搜索速度，结合MORUS初始化阶段的结构特点给出了分而治之策略。根据\begin{document}$ \Delta {\text{IV}} $\end{document}
认证加密算法 MORUS是凯撒 (CAESAR)竞赛的优胜算法，抗差分分析性能是衡量认证加密算法安全性的重要指标之一。该文研究了MORUS算法初始化阶段的差分性质，首先给出了一个差分推导规则，可以快速获得一条概率较大的差分链。在此基础上利用混合整数线性规划(MILP)自动搜索技术求解更优的差分链。为了提高搜索速度，结合MORUS初始化阶段的结构特点给出了分而治之策略。根据
2023, 45(7): 2546-2553.
doi: 10.11999/JEIT220745
摘要:
安全聚合是联邦学习安全共享过程中确保本地模型聚合安全性和隐私性的关键环节。然而，现有方法存在计算开销大、公平机制差、隐私泄露、无法抗量子攻击等问题。为此，该文提出一种基于二叉树的高效分组安全聚合方法(Tree-Aggregate)。首先，基于二叉树构建用户分组安全通信协议将计算开销从\begin{document}$O\left( {N{\text{l}}{{\text{g}}^2}{\text{lg}}N{\text{lglglg}}N} \right)$\end{document} \begin{document}$O\left( {\lg N{\text{lg}}N} \right)$\end{document}
安全聚合是联邦学习安全共享过程中确保本地模型聚合安全性和隐私性的关键环节。然而，现有方法存在计算开销大、公平机制差、隐私泄露、无法抗量子攻击等问题。为此，该文提出一种基于二叉树的高效分组安全聚合方法(Tree-Aggregate)。首先，基于二叉树构建用户分组安全通信协议将计算开销从
2023, 45(7): 2554-2560.
doi: 10.11999/JEIT220804
摘要:
传统卫星测控通常采用加密认证安全机制，存在身份假冒、欺骗等安全问题，该文提出一种基于射频指纹的卫星测控地面站身份识别方法，并设计了一种面向星载平台的轻量化卷积神经网络。该网络首先使用IQ方向上的卷积层提取IQ信号相关特征，将2维数据降成了1维，再使用时序方向上的多层卷积提取信号的时域结构特征，之后使用最大池化层降低数据维度，在充分利用IQ信号中包含的原始特征信息的同时减小计算量，最后经过两层全连接层进行分类，实现对卫星测控地面站身份识别。仿真实验表明，该方法对21台发射机个体的平均准确率为93.8%，较传统的支持向量机方法提高了39.8%，较DLRF网络模型、ORACLE网络模型分别提高了11.5%, 29.8%，且具有鲁棒性强、轻量化的优点。该文所提方法对于提高卫星测控链路安全性具有一定的理论参考和工程应用价值。
传统卫星测控通常采用加密认证安全机制，存在身份假冒、欺骗等安全问题，该文提出一种基于射频指纹的卫星测控地面站身份识别方法，并设计了一种面向星载平台的轻量化卷积神经网络。该网络首先使用IQ方向上的卷积层提取IQ信号相关特征，将2维数据降成了1维，再使用时序方向上的多层卷积提取信号的时域结构特征，之后使用最大池化层降低数据维度，在充分利用IQ信号中包含的原始特征信息的同时减小计算量，最后经过两层全连接层进行分类，实现对卫星测控地面站身份识别。仿真实验表明，该方法对21台发射机个体的平均准确率为93.8%，较传统的支持向量机方法提高了39.8%，较DLRF网络模型、ORACLE网络模型分别提高了11.5%, 29.8%，且具有鲁棒性强、轻量化的优点。该文所提方法对于提高卫星测控链路安全性具有一定的理论参考和工程应用价值。
2023, 45(7): 2561-2570.
doi: 10.11999/JEIT220706
摘要:
目前基于深度卷积神经网络的显著性物体检测方法难以在非欧氏空间不规则结构数据中应用，在复杂视觉场景中易造成显著物体边缘及结构等高频信息损失，影响检测性能。为此，该文面向显著性物体检测任务提出一种端到端的多图神经网络协同学习框架，实现显著性边缘特征与显著性区域特征协同学习的过程。在该学习框架中，该文构造了一种动态信息增强图卷积算子，通过增强不同图节点之间和同一图节点内不同通道之间的信息传递，捕获非欧氏空间全局上下文结构信息，完成显著性边缘信息与显著性区域信息的充分挖掘；进一步地，通过引入注意力感知融合模块，实现显著性边缘信息与显著性区域信息的互补融合，为两种信息挖掘过程提供互补线索。最后，通过显式编码显著性边缘信息，指导显著性区域的特征学习，从而更加精准地定位复杂场景下的显著性区域。在4个公开的基准测试数据集上的实验表明，所提方法优于目前主流的基于深度卷积神经网络的显著性物体检测方法，具有较强的鲁棒性和泛化能力。
目前基于深度卷积神经网络的显著性物体检测方法难以在非欧氏空间不规则结构数据中应用，在复杂视觉场景中易造成显著物体边缘及结构等高频信息损失，影响检测性能。为此，该文面向显著性物体检测任务提出一种端到端的多图神经网络协同学习框架，实现显著性边缘特征与显著性区域特征协同学习的过程。在该学习框架中，该文构造了一种动态信息增强图卷积算子，通过增强不同图节点之间和同一图节点内不同通道之间的信息传递，捕获非欧氏空间全局上下文结构信息，完成显著性边缘信息与显著性区域信息的充分挖掘；进一步地，通过引入注意力感知融合模块，实现显著性边缘信息与显著性区域信息的互补融合，为两种信息挖掘过程提供互补线索。最后，通过显式编码显著性边缘信息，指导显著性区域的特征学习，从而更加精准地定位复杂场景下的显著性区域。在4个公开的基准测试数据集上的实验表明，所提方法优于目前主流的基于深度卷积神经网络的显著性物体检测方法，具有较强的鲁棒性和泛化能力。
2023, 45(7): 2571-2579.
doi: 10.11999/JEIT220753
摘要:
协同表示分类器及其变种在模式识别领域展现出优越的识别性能。然而，其成功很大程度上依赖于类别的平衡分布，高度非均衡的类别分布可能会严重影响其有效性。为弥补这一不足，该文把补子空间诱导的正则项引入到协同表示模型框架，使得改进后的正则化模型更具判别性。进一步，为提高非均衡数据集上少数类的识别准确率，根据每类训练样本的表示能力提出一种基于最近子空间的类权学习算法。该算法根据原始数据的先验信息自适应地获取每类的权重并且能够赋予少数类更大的权重，使得最终的分类结果对少数类更加公平。所提模型具有闭式解，这展示了该方法的计算效率。在权威公开的两类和多类非均衡数据集上的实验结果表明所提方法显著优于其他主流非均衡分类算法。
协同表示分类器及其变种在模式识别领域展现出优越的识别性能。然而，其成功很大程度上依赖于类别的平衡分布，高度非均衡的类别分布可能会严重影响其有效性。为弥补这一不足，该文把补子空间诱导的正则项引入到协同表示模型框架，使得改进后的正则化模型更具判别性。进一步，为提高非均衡数据集上少数类的识别准确率，根据每类训练样本的表示能力提出一种基于最近子空间的类权学习算法。该算法根据原始数据的先验信息自适应地获取每类的权重并且能够赋予少数类更大的权重，使得最终的分类结果对少数类更加公平。所提模型具有闭式解，这展示了该方法的计算效率。在权威公开的两类和多类非均衡数据集上的实验结果表明所提方法显著优于其他主流非均衡分类算法。
2023, 45(7): 2580-2594.
doi: 10.11999/JEIT220700
摘要:
当前人工智能的学习模式主要以数据驱动为主要手段，以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识，建立数据和知识双轮驱动的人工智能方法，将推动更通用计算范式的变革创新。该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识，探讨将这些知识与现有数据驱动模型相互结合的典型方法。
当前人工智能的学习模式主要以数据驱动为主要手段，以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识，建立数据和知识双轮驱动的人工智能方法，将推动更通用计算范式的变革创新。该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识，探讨将这些知识与现有数据驱动模型相互结合的典型方法。
2023, 45(7): 2595-2604.
doi: 10.11999/JEIT220711
摘要:
拓展触觉感知能力是智能机器人未来发展的重要方向之一，决定着机器人的应用场景范围。由触觉传感器采集的数据是机器人完成触觉感知任务基础，但触觉数据具有复杂的时空性。脉冲神经网络具有丰富的时空动力学特征和契合硬件的事件驱动性，能更好地处理时空信息和应用于人工智能芯片给机器人带来更高能效。该文针对脉冲神经网络神经元脉冲活动离散性导致网络训练过程反向传播失效的问题，从智能触觉机器人动态系统角度，引入脉冲活动近似函数使脉冲神经网络反向传播梯度下降法有效；针对触觉脉冲数据量少导致的过拟合问题，融合正则化方法加以缓解；最后，提出具有正则化约束的脉冲神经网络机器人触觉物体识别(Spiking neural network Tactile dropout, SnnTd; Spiking neural network Tactile dropout-l2-cosine annealing, SnnTdlc)算法。相较于经典方法TactileSGNet, Grid-based CNN, MLP和GCN, SnnTd正则化方法触觉物体识别率在EvTouch-Containers数据集上比最好方法TactileSGNet提升了5.00%，SnnTdlc正则化方法触觉物体识别率在EvTouch-Objects数据集上比最好方法TactileSGNet提升了3.16%。
拓展触觉感知能力是智能机器人未来发展的重要方向之一，决定着机器人的应用场景范围。由触觉传感器采集的数据是机器人完成触觉感知任务基础，但触觉数据具有复杂的时空性。脉冲神经网络具有丰富的时空动力学特征和契合硬件的事件驱动性，能更好地处理时空信息和应用于人工智能芯片给机器人带来更高能效。该文针对脉冲神经网络神经元脉冲活动离散性导致网络训练过程反向传播失效的问题，从智能触觉机器人动态系统角度，引入脉冲活动近似函数使脉冲神经网络反向传播梯度下降法有效；针对触觉脉冲数据量少导致的过拟合问题，融合正则化方法加以缓解；最后，提出具有正则化约束的脉冲神经网络机器人触觉物体识别(Spiking neural network Tactile dropout, SnnTd; Spiking neural network Tactile dropout-l2-cosine annealing, SnnTdlc)算法。相较于经典方法TactileSGNet, Grid-based CNN, MLP和GCN, SnnTd正则化方法触觉物体识别率在EvTouch-Containers数据集上比最好方法TactileSGNet提升了5.00%，SnnTdlc正则化方法触觉物体识别率在EvTouch-Objects数据集上比最好方法TactileSGNet提升了3.16%。
2023, 45(7): 2605-2613.
doi: 10.11999/JEIT220738
摘要:
在对高光谱图像采样重构的研究中，整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布，使用了相同的测量矩阵导致图像的重构质量较差。针对此问题，该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE)，该方法以图像2维熵作为高光谱图像纹理细节的度量，根据图像的纹理细节分布自适应改变图像子块的大小，然后为不同的图像块分配特定的采样值，根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量，将采样测量值代入重构算法中进行重构。实验结果表明，与整体采样重构和固定分块采样重构相比，将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后，重构的图像在视觉效果上有明显的提高，取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大，采样率为0.4时，PSNR提高了2～4 dB，SSIM最大提高了0.27，均方根误差(RMSE)和信息熵差值(ΔH)也有所降低，说明重构的图像更加接近原始图像。而且运算时间也减少了1～1.5 s。可见，该方法能充分利用高光谱图像的纹理特征，有效提高图像的重构质量，同时减少重构的运算时间。
在对高光谱图像采样重构的研究中，整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布，使用了相同的测量矩阵导致图像的重构质量较差。针对此问题，该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE)，该方法以图像2维熵作为高光谱图像纹理细节的度量，根据图像的纹理细节分布自适应改变图像子块的大小，然后为不同的图像块分配特定的采样值，根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量，将采样测量值代入重构算法中进行重构。实验结果表明，与整体采样重构和固定分块采样重构相比，将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后，重构的图像在视觉效果上有明显的提高，取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大，采样率为0.4时，PSNR提高了2～4 dB，SSIM最大提高了0.27，均方根误差(RMSE)和信息熵差值(ΔH)也有所降低，说明重构的图像更加接近原始图像。而且运算时间也减少了1～1.5 s。可见，该方法能充分利用高光谱图像的纹理特征，有效提高图像的重构质量，同时减少重构的运算时间。
2023, 45(7): 2614-2622.
doi: 10.11999/JEIT220758
摘要:
由于动态手势数据具有时间复杂性以及空间复杂性，传统的机器学习算法难以提取准确的手势特征；现有的动态手势识别算法网络设计复杂、参数量大、手势特征提取不充分。为解决以上问题，该文提出一种基于卷积视觉自注意力模型(CvT)的多尺度时空特征融合网络。首先，将图片分类领域的CvT网络引入动态手势分类领域，用于提取单张手势图片的空间特征，将不同空间尺度的浅层特征与深层特征融合。其次，设计一种多时间尺度聚合模块，提取动态手势的时空特征，将CvT网络与多时间尺度聚合模块结合，抑制无效特征。最后为了弥补CvT网络中dropout层的不足，将R-Drop模型应用于多尺度时空特征融合网络。在Jester数据集上进行实验验证，与多种基于深度学习的动态手势识别方法进行对比，实验结果表明，该文方法在识别率上优于现有动态手势识别方法，在动态手势数据集Jester上识别率达到92.26%。
由于动态手势数据具有时间复杂性以及空间复杂性，传统的机器学习算法难以提取准确的手势特征；现有的动态手势识别算法网络设计复杂、参数量大、手势特征提取不充分。为解决以上问题，该文提出一种基于卷积视觉自注意力模型(CvT)的多尺度时空特征融合网络。首先，将图片分类领域的CvT网络引入动态手势分类领域，用于提取单张手势图片的空间特征，将不同空间尺度的浅层特征与深层特征融合。其次，设计一种多时间尺度聚合模块，提取动态手势的时空特征，将CvT网络与多时间尺度聚合模块结合，抑制无效特征。最后为了弥补CvT网络中dropout层的不足，将R-Drop模型应用于多尺度时空特征融合网络。在Jester数据集上进行实验验证，与多种基于深度学习的动态手势识别方法进行对比，实验结果表明，该文方法在识别率上优于现有动态手势识别方法，在动态手势数据集Jester上识别率达到92.26%。
2023, 45(7): 2623-2633.
doi: 10.11999/JEIT220655
摘要:
病理图像分析对胃癌的诊断和预后具有重要意义，但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此，该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先，对患者不同分辨率下的病理图像进行切分、筛选等预处理；然后，采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合，以此获得患者层面(Patient-level)的单分辨率子分类器预测结果；最终，采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像，并以远处转移预测为例进行验证，实验结果表明，所提方法在测试集上的预测准确率为89.10%，敏感度为89.57%，特异度为88.61%，马修斯相关系数为78.19%，相比于单模型预测结果获得了显著提升，可为胃癌患者的治疗和预后提供重要参考。
病理图像分析对胃癌的诊断和预后具有重要意义，但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此，该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先，对患者不同分辨率下的病理图像进行切分、筛选等预处理；然后，采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合，以此获得患者层面(Patient-level)的单分辨率子分类器预测结果；最终，采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像，并以远处转移预测为例进行验证，实验结果表明，所提方法在测试集上的预测准确率为89.10%，敏感度为89.57%，特异度为88.61%，马修斯相关系数为78.19%，相比于单模型预测结果获得了显著提升，可为胃癌患者的治疗和预后提供重要参考。
2023, 45(7): 2634-2641.
doi: 10.11999/JEIT220744
摘要:
针对大规模无线传感器网络(WSN)中的事件检测问题(EDP)，传统的方法通常依赖先验信息，阻碍了实际应用。该文为 EDP 提出了一种基于深度学习的算法，称为交替方向乘子法网络(ADMM-Net)。首先，采用低秩稀疏矩阵分解来建模事件的时空相关性。之后，EDP 被表述为一个带约束的优化问题并用交替方向乘子法(ADMM)求解。然而，优化算法收敛慢且算法的性能依赖于对先验参数的仔细选择。该文基于深度学习中“展开”的概念，提出了一种用于EDP的深度神经网络ADMM-Net。通过“展开”ADMM算法的方式得到。 ADMM-Net 具有固定层数，其参数可以通过监督学习训练获得。无需先验信息。相比于传统算法，提出的 ADMM-Net 收敛快且不需先验信息。人造数据集和真实数据集的仿真结果验证了ADMM-Net 的有效性。
针对大规模无线传感器网络(WSN)中的事件检测问题(EDP)，传统的方法通常依赖先验信息，阻碍了实际应用。该文为 EDP 提出了一种基于深度学习的算法，称为交替方向乘子法网络(ADMM-Net)。首先，采用低秩稀疏矩阵分解来建模事件的时空相关性。之后，EDP 被表述为一个带约束的优化问题并用交替方向乘子法(ADMM)求解。然而，优化算法收敛慢且算法的性能依赖于对先验参数的仔细选择。该文基于深度学习中“展开”的概念，提出了一种用于EDP的深度神经网络ADMM-Net。通过“展开”ADMM算法的方式得到。 ADMM-Net 具有固定层数，其参数可以通过监督学习训练获得。无需先验信息。相比于传统算法，提出的 ADMM-Net 收敛快且不需先验信息。人造数据集和真实数据集的仿真结果验证了ADMM-Net 的有效性。
2023, 45(7): 2642-2649.
doi: 10.11999/JEIT220725
摘要:
针对煤矿井下环境多利用红外相机感知周边环境温度成像，但形成的图像存在纹理信息少、噪声多、图像模糊等问题，该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进，首先使用PP-LCNet作为主干网络，用于加强CPU端的推理速度；其次取消Focus模块，使用shuffle_block模块替代C3模块，在去除冗余操作的同时减少了计算量；最后优化Anchor同时引入H-swish作为激活函数。实验结果表明，Ucm-YOLOv5比YOLOv5的模型参数量减少了41%，模型缩小了86%，该算法在煤矿井下具有更高的检测精度，同时在CPU端的检测速度达到实时检测标准，满足煤矿井下目标检测的工作要求。
针对煤矿井下环境多利用红外相机感知周边环境温度成像，但形成的图像存在纹理信息少、噪声多、图像模糊等问题，该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进，首先使用PP-LCNet作为主干网络，用于加强CPU端的推理速度；其次取消Focus模块，使用shuffle_block模块替代C3模块，在去除冗余操作的同时减少了计算量；最后优化Anchor同时引入H-swish作为激活函数。实验结果表明，Ucm-YOLOv5比YOLOv5的模型参数量减少了41%，模型缩小了86%，该算法在煤矿井下具有更高的检测精度，同时在CPU端的检测速度达到实时检测标准，满足煤矿井下目标检测的工作要求。
2023, 45(7): 2650-2658.
doi: 10.11999/JEIT220702
摘要:
现有基于时空信息的跨社交网络用户匹配方案，存在着难以耦合时空信息、特征提取困难问题，导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法(DLUMCN)，首先对用户签到数据进行时空尺度的网格映射，生成包含用户特征的签到矩阵集合，对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图，利用深度可分离卷积对特征图权重变换和特征融合，对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证，实验结果表明，与现有相关算法相比，所提算法在匹配的准确率以及F1-值均得到提升，验证了所提算法的有效性。
现有基于时空信息的跨社交网络用户匹配方案，存在着难以耦合时空信息、特征提取困难问题，导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法(DLUMCN)，首先对用户签到数据进行时空尺度的网格映射，生成包含用户特征的签到矩阵集合，对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图，利用深度可分离卷积对特征图权重变换和特征融合，对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证，实验结果表明，与现有相关算法相比，所提算法在匹配的准确率以及F1-值均得到提升，验证了所提算法的有效性。
2023, 45(7): 2659-2666.
doi: 10.11999/JEIT220733
摘要:
基于惠普(HP)忆阻器的元件特性，该文分析了惠普忆阻器的数学关系式，惠普忆阻元件的内部状态变量与忆阻阻值之间存在增量线性关系，在外加电压下惠普忆阻器阻值的变化可叠加，得出了惠普忆阻电路具有线性叠加性的结论。通过PSpice电路仿真验证上述结论的有效性和正确性，为叠加定理在含惠普忆阻器及线性元件的线性电路中的使用提供了理论分析支撑。
基于惠普(HP)忆阻器的元件特性，该文分析了惠普忆阻器的数学关系式，惠普忆阻元件的内部状态变量与忆阻阻值之间存在增量线性关系，在外加电压下惠普忆阻器阻值的变化可叠加，得出了惠普忆阻电路具有线性叠加性的结论。通过PSpice电路仿真验证上述结论的有效性和正确性，为叠加定理在含惠普忆阻器及线性元件的线性电路中的使用提供了理论分析支撑。
2023, 45(7): 2667-2674.
doi: 10.11999/JEIT220709
摘要:
忆阻因具有阻值可调、记忆特性以及纳米尺寸等特点，非常适合作为实现神经网络突触的电子元器件。为构建出更加符合真实物理忆阻器特性的忆阻器模型，该文在现有忆阻器模型的基础之上，克服了边界锁定、正负电压调整速率问题以及电路结构通用性问题，提出一种改进忆阻器模型。然后结合Pavlov联想记忆实验和Hopfield神经网络理论设计出了该文的字符联想记忆电路。电路结构主要有输入信号模块、突触阵列模块、激活函数模块以及反馈控制模块。该电路可以解决因传统阵列模块使用电阻作为突触模块的灵活性问题，而且还可以实现对3阶字符模糊图像的自联想功能。此外，该电路与深度学习相关的卷积计算模块原理类似，为实现基于忆阻的智能硬件奠定了理论基础。
忆阻因具有阻值可调、记忆特性以及纳米尺寸等特点，非常适合作为实现神经网络突触的电子元器件。为构建出更加符合真实物理忆阻器特性的忆阻器模型，该文在现有忆阻器模型的基础之上，克服了边界锁定、正负电压调整速率问题以及电路结构通用性问题，提出一种改进忆阻器模型。然后结合Pavlov联想记忆实验和Hopfield神经网络理论设计出了该文的字符联想记忆电路。电路结构主要有输入信号模块、突触阵列模块、激活函数模块以及反馈控制模块。该电路可以解决因传统阵列模块使用电阻作为突触模块的灵活性问题，而且还可以实现对3阶字符模糊图像的自联想功能。此外，该电路与深度学习相关的卷积计算模块原理类似，为实现基于忆阻的智能硬件奠定了理论基础。
