邮件订阅
2023年 第45卷 第8期
显示方式:
2023, 45(8): 2675-2688.
doi: 10.11999/JEIT221459
摘要:
类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点，因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。该文通过对SNN发展历史演进的分析，发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史，动态异步事件信息采集装置的成熟，如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用，使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势，并在一些传统典型的应用任务中崭露头角，如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比，生物大脑内部存在着一个特殊的生物脉冲世界，这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来，随着侵入式、高通量脑机接口设备的逐步成熟，脑内脉冲序列的在线识别和反向控制，将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来，并将最终应用到生物机制探索中去，相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。
类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点，因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。该文通过对SNN发展历史演进的分析，发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史，动态异步事件信息采集装置的成熟，如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用，使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势，并在一些传统典型的应用任务中崭露头角，如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比，生物大脑内部存在着一个特殊的生物脉冲世界，这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来，随着侵入式、高通量脑机接口设备的逐步成熟，脑内脉冲序列的在线识别和反向控制，将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来，并将最终应用到生物机制探索中去，相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。
2023, 45(8): 2689-2698.
doi: 10.11999/JEIT221368
摘要:
视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型，归纳为两类：生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性，总结了各自的优势、应用场景及所存在问题。最后，对视觉编码研究的现状以及未来面对的挑战进行了展望。
视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型，归纳为两类：生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性，总结了各自的优势、应用场景及所存在问题。最后，对视觉编码研究的现状以及未来面对的挑战进行了展望。
2023, 45(8): 2699-2709.
doi: 10.11999/JEIT221456
摘要:
事件相机是一种新型仿生视觉传感器，当像素点的亮度变化超过阈值后，会输出一系列事件信息。该类视觉传感器异步输出像素的坐标、时间戳以及事件的极性，因此具有低延迟、低功耗、高时间分辨率和高动态范围等特点。它能够捕捉到高速运动和高动态场景中的信息，可以用来重构高动态范围和高速运动场景。图像重构后可以应用在物体识别、分割、跟踪以及光流估计等任务中，是视觉领域重要的研究方向之一。该文从事件相机出发，首先简要叙述事件相机的现状、发展过程、优势与挑战，然后介绍了各种类型事件相机的工作原理和一些基于事件相机的图像重构算法，最后阐述了事件相机面对的挑战和未来趋势，并对文章进行了总结。
事件相机是一种新型仿生视觉传感器，当像素点的亮度变化超过阈值后，会输出一系列事件信息。该类视觉传感器异步输出像素的坐标、时间戳以及事件的极性，因此具有低延迟、低功耗、高时间分辨率和高动态范围等特点。它能够捕捉到高速运动和高动态场景中的信息，可以用来重构高动态范围和高速运动场景。图像重构后可以应用在物体识别、分割、跟踪以及光流估计等任务中，是视觉领域重要的研究方向之一。该文从事件相机出发，首先简要叙述事件相机的现状、发展过程、优势与挑战，然后介绍了各种类型事件相机的工作原理和一些基于事件相机的图像重构算法，最后阐述了事件相机面对的挑战和未来趋势，并对文章进行了总结。
2023, 45(8): 2710-2721.
doi: 10.11999/JEIT221418
摘要:
视觉光流计算是计算机视觉从处理2维图像走向加工3维视频的重要技术手段，是描述视觉运动信息的主要方式。光流计算技术已经发展了较长的时间，随着相关技术尤其是深度学习技术在近些年的迅速发展，光流计算的性能得到了极大提升，但仍然有大量的局限性问题没有解决，准确、快速且稳健的光流计算目前仍然是一个有挑战性的研究领域和业内研究热点。光流计算作为一种低层视觉信息处理技术，其技术进展也将有助于相关中高层级视觉任务的实现。该文主要内容是介绍基于计算机视觉的光流计算及其技术发展路线，从经典算法和深度学习算法这两个主流技术路线出发，总结了技术发展过程中产生的重要理论、方法与模型，着重介绍了各类方法与模型的核心思想，说明了各类数据集及相关性能指标，同时简要介绍了光流计算技术的主要应用场景，并对今后的技术方向进行了展望。
视觉光流计算是计算机视觉从处理2维图像走向加工3维视频的重要技术手段，是描述视觉运动信息的主要方式。光流计算技术已经发展了较长的时间，随着相关技术尤其是深度学习技术在近些年的迅速发展，光流计算的性能得到了极大提升，但仍然有大量的局限性问题没有解决，准确、快速且稳健的光流计算目前仍然是一个有挑战性的研究领域和业内研究热点。光流计算作为一种低层视觉信息处理技术，其技术进展也将有助于相关中高层级视觉任务的实现。该文主要内容是介绍基于计算机视觉的光流计算及其技术发展路线，从经典算法和深度学习算法这两个主流技术路线出发，总结了技术发展过程中产生的重要理论、方法与模型，着重介绍了各类方法与模型的核心思想，说明了各类数据集及相关性能指标，同时简要介绍了光流计算技术的主要应用场景，并对今后的技术方向进行了展望。
2023, 45(8): 2722-2730.
doi: 10.11999/JEIT221367
摘要:
相对于传统人工神经网络(ANN)，脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而，对于目标检测任务，SNN存在训练难度大、精度低等问题。针对上述问题，该文提出一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先，设计了一种DT-LIF神经元模型，该模型可根据累积的膜电位动态调整神经元的阈值，以驱动深层网络的脉冲活动，提高推理速度。同时，以DT-LIF神经元为基元，构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone)，具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明，相对于LIF神经元网络，DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法，所提方法的目标检测精度提高了17.9%。
相对于传统人工神经网络(ANN)，脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而，对于目标检测任务，SNN存在训练难度大、精度低等问题。针对上述问题，该文提出一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先，设计了一种DT-LIF神经元模型，该模型可根据累积的膜电位动态调整神经元的阈值，以驱动深层网络的脉冲活动，提高推理速度。同时，以DT-LIF神经元为基元，构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone)，具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明，相对于LIF神经元网络，DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法，所提方法的目标检测精度提高了17.9%。
2023, 45(8): 2731-2738.
doi: 10.11999/JEIT221478
摘要:
针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题，该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征；然后引入时空池化操作来消除事件在时间和空间上的冗余，保留显著的运动特征；最后，将特征事件流输入脉冲神经网络进行学习与识别。在基准的动态视觉数据集上的实验结果表明，动态视觉运动特征可显著提升SNN对于事件流的识别精度与计算速度。
针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题，该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征；然后引入时空池化操作来消除事件在时间和空间上的冗余，保留显著的运动特征；最后，将特征事件流输入脉冲神经网络进行学习与识别。在基准的动态视觉数据集上的实验结果表明，动态视觉运动特征可显著提升SNN对于事件流的识别精度与计算速度。
2023, 45(8): 2739-2748.
doi: 10.11999/JEIT221346
摘要:
该文基于现场可编程门阵列实现了受生物视觉机制启发的夜间图像增强模型，实时高效地对夜间低照度视频图像进行自适应增强。受初级视觉系统中大小细胞通路启发，该文采取独立的两条通路分别处理结构与细节信息，获得了较好的处理效果与处理效率。为了实现对高清视频的实时增强，基于现场可编程门阵列对该文算法进行了加速实现。通过滑动数据窗并行处理、相邻帧信息共享、多通道并行化等硬件设计保证高数据吞吐量。该设计在 XC7Z100现场可编程门阵列上达到对1080P@60 Hz彩色视频增强的实时性要求。与本领域已有设计相比，该文设计具有更高的数据吞吐量，适用于高分辨率实时图像增强应用。
该文基于现场可编程门阵列实现了受生物视觉机制启发的夜间图像增强模型，实时高效地对夜间低照度视频图像进行自适应增强。受初级视觉系统中大小细胞通路启发，该文采取独立的两条通路分别处理结构与细节信息，获得了较好的处理效果与处理效率。为了实现对高清视频的实时增强，基于现场可编程门阵列对该文算法进行了加速实现。通过滑动数据窗并行处理、相邻帧信息共享、多通道并行化等硬件设计保证高数据吞吐量。该设计在 XC7Z100现场可编程门阵列上达到对1080P@60 Hz彩色视频增强的实时性要求。与本领域已有设计相比，该文设计具有更高的数据吞吐量，适用于高分辨率实时图像增强应用。
2023, 45(8): 2749-2758.
doi: 10.11999/JEIT221361
摘要:
现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题，这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性，使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息，实现自适应的视觉信息处理，有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题，该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中，受生物视觉多通路特性启发，该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路，源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像，而后再通过可学习的加权网络生成最终的融合图像。此外，该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块，并将其应用于所提出框架中。定性与定量实验结果表明，该文所提方法在主观上能够显著提升融合图像的图像质量，同时在客观评估指标上优于现有融合算法。
现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题，这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性，使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息，实现自适应的视觉信息处理，有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题，该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中，受生物视觉多通路特性启发，该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路，源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像，而后再通过可学习的加权网络生成最终的融合图像。此外，该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块，并将其应用于所提出框架中。定性与定量实验结果表明，该文所提方法在主观上能够显著提升融合图像的图像质量，同时在客观评估指标上优于现有融合算法。
2023, 45(8): 2759-2769.
doi: 10.11999/JEIT221388
摘要:
尽管基于深度学习的非接触液位检测方法能够较好地完成检测任务，但其对计算资源的较高要求使其不适用于算力受限的嵌入式设备。为解决上述问题，该文首先提出了基于多层脉冲神经网络的非接触液位检测方法；其次，提出了单帧和帧差脉冲编码方法将视频流时间动态性编码成可重构的脉冲模式；最后在实际场景中对模型进行测试。实验结果表明，所提方法具有较高应用价值。
尽管基于深度学习的非接触液位检测方法能够较好地完成检测任务，但其对计算资源的较高要求使其不适用于算力受限的嵌入式设备。为解决上述问题，该文首先提出了基于多层脉冲神经网络的非接触液位检测方法；其次，提出了单帧和帧差脉冲编码方法将视频流时间动态性编码成可重构的脉冲模式；最后在实际场景中对模型进行测试。实验结果表明，所提方法具有较高应用价值。
2023, 45(8): 2770-2779.
doi: 10.11999/JEIT221122
摘要:
针对现有的评估被试主动参与度指标建模复杂以及训练强度与被试运动能力及参与度不匹配等问题，该文提出一种基于贝叶斯优化的挑战型力控制器自适应增强康复训练参与度的方法。首先使用基于表面肌电信号(sEMG)表征的肌肉激活度来评估被试者的参与度，其次采用基于轨迹误差放大的抗阻训练模式进行上肢训练，并构建归一化急动度和肌肉激活度相结合的综合目标函数，然后采用贝叶斯优化方法在训练过程中更新挑战型力场的抗阻系数和死区宽度两个超参数，逐次优化该目标函数，以提高运动轨迹的顺滑度并保持被试者的训练参与度。最后，将16名健康被试者随机分为实验组和对照组并以其非利手进行训练，验证所提方法的有效性。实验结果表明，训练过程中实验组的肌肉激活度维持在高于对照组2.51%的水平；训练后实验组的运动能力改善明显优于对照组(59.8% vs 40.7%)，验证了该文所提的自适应增强康复训练参与度策略比固定参数策略更有优势。
针对现有的评估被试主动参与度指标建模复杂以及训练强度与被试运动能力及参与度不匹配等问题，该文提出一种基于贝叶斯优化的挑战型力控制器自适应增强康复训练参与度的方法。首先使用基于表面肌电信号(sEMG)表征的肌肉激活度来评估被试者的参与度，其次采用基于轨迹误差放大的抗阻训练模式进行上肢训练，并构建归一化急动度和肌肉激活度相结合的综合目标函数，然后采用贝叶斯优化方法在训练过程中更新挑战型力场的抗阻系数和死区宽度两个超参数，逐次优化该目标函数，以提高运动轨迹的顺滑度并保持被试者的训练参与度。最后，将16名健康被试者随机分为实验组和对照组并以其非利手进行训练，验证所提方法的有效性。实验结果表明，训练过程中实验组的肌肉激活度维持在高于对照组2.51%的水平；训练后实验组的运动能力改善明显优于对照组(59.8% vs 40.7%)，验证了该文所提的自适应增强康复训练参与度策略比固定参数策略更有优势。
2023, 45(8): 2780-2787.
doi: 10.11999/JEIT221260
摘要:
持续的高水平心理负荷会导致不良的自我调节行为，但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务，基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下，不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明，在不同任务难度下，自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关，表现出P300振幅及theta,alpha频带功率增大，P600振幅减小。在中等难度任务下，自我调节引发的额外负荷较小，且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中，应考虑适合被试者的任务难度，减少不良自我调节行为的发生，提升被试者的绩效水平。
持续的高水平心理负荷会导致不良的自我调节行为，但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务，基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下，不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明，在不同任务难度下，自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关，表现出P300振幅及theta,alpha频带功率增大，P600振幅减小。在中等难度任务下，自我调节引发的额外负荷较小，且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中，应考虑适合被试者的任务难度，减少不良自我调节行为的发生，提升被试者的绩效水平。
2023, 45(8): 2788-2795.
doi: 10.11999/JEIT221496
摘要:
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
2023, 45(8): 2796-2805.
doi: 10.11999/JEIT221491
摘要:
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
2023, 45(8): 2806-2817.
doi: 10.11999/JEIT220923
摘要:
为满足高速铁路智能化发展对铁路移动通信系统提出的新需求，基于第5代(5G)无线通信技术的高铁移动网络将采用宽带毫米波频段以提高传输容量。基于此，该文首先结合高铁传输需求及场景特殊性，分析了定向毫米波通信在网络覆盖鲁棒性、移动支持能力及链路稳定性与管理方面的问题。然后，探讨了通过融合传统6 GHz以下频段(简称sub-6 GHz)与毫米波频段以兼顾网络覆盖与传输容量的新一代高铁无线接入网络架构，其中全向覆盖的sub-6GHz频段提供鲁棒覆盖，定向毫米波通信提升传输速率。最后，在该网络架构基础上，研究了如何利用深度学习算法进行业务特征与传输环境的预测，并智能决策sub-6 GHz与毫米波双频段的无线资源分配、波束对齐及切换优化，最终实现高可靠、低时延、大容量新一代高铁移动通信系统。
为满足高速铁路智能化发展对铁路移动通信系统提出的新需求，基于第5代(5G)无线通信技术的高铁移动网络将采用宽带毫米波频段以提高传输容量。基于此，该文首先结合高铁传输需求及场景特殊性，分析了定向毫米波通信在网络覆盖鲁棒性、移动支持能力及链路稳定性与管理方面的问题。然后，探讨了通过融合传统6 GHz以下频段(简称sub-6 GHz)与毫米波频段以兼顾网络覆盖与传输容量的新一代高铁无线接入网络架构，其中全向覆盖的sub-6GHz频段提供鲁棒覆盖，定向毫米波通信提升传输速率。最后，在该网络架构基础上，研究了如何利用深度学习算法进行业务特征与传输环境的预测，并智能决策sub-6 GHz与毫米波双频段的无线资源分配、波束对齐及切换优化，最终实现高可靠、低时延、大容量新一代高铁移动通信系统。
2023, 45(8): 2818-2827.
doi: 10.11999/JEIT221171
摘要:
面向无线体域网(WBAN)传输环境，该文主要论述信道编码与联合信源信道编码系统的码字设计。针对物理层的低功耗和高可靠传输需求，从低密度奇偶校验(LDPC)码的优化设计角度展开，主要在信道模型分类、传输系统构建、技术挑战与解决方案、信道适配性编码设计这4个层面进行梳理和总结。最后，对WBAN环境下LDPC码优化设计的未来研究工作进行展望，为构建下一代通信技术提供参考。
面向无线体域网(WBAN)传输环境，该文主要论述信道编码与联合信源信道编码系统的码字设计。针对物理层的低功耗和高可靠传输需求，从低密度奇偶校验(LDPC)码的优化设计角度展开，主要在信道模型分类、传输系统构建、技术挑战与解决方案、信道适配性编码设计这4个层面进行梳理和总结。最后，对WBAN环境下LDPC码优化设计的未来研究工作进行展望，为构建下一代通信技术提供参考。
2023, 45(8): 2828-2838.
doi: 10.11999/JEIT220815
摘要:
基于SRAM(静态随机存取)存储器的感存算一体化芯片架构将传感、存储和计算功能结合，通过使存储单元具备计算能力，避免了计算过程中数据的搬移，解决了冯诺依曼架构所面临的“存储墙”的问题。该结构与传感器部分结合，可以实现超高速、超低功耗的运算能力。SRAM存储器相较于其他存储器在速度方面具有较大优势，主要体现在该架构能够实现较高的能效比，在精度增强后可以保证较高精度，适用于低功耗高性能要求下的大算力场景设计。该文调研了近几年来关于感存算一体化的研究，介绍了传统感知系统和持续感知系统及感算共融系统，并介绍了基于SRAM存储器的感存算一体芯片最常见的几种计算单元结构，在电压域、电荷域和数字域考察了基于SRAM的感存算一体的研究发展，进行分析对比其优劣势，结合调研分析讨论了该领域的未来发展方向。
基于SRAM(静态随机存取)存储器的感存算一体化芯片架构将传感、存储和计算功能结合，通过使存储单元具备计算能力，避免了计算过程中数据的搬移，解决了冯诺依曼架构所面临的“存储墙”的问题。该结构与传感器部分结合，可以实现超高速、超低功耗的运算能力。SRAM存储器相较于其他存储器在速度方面具有较大优势，主要体现在该架构能够实现较高的能效比，在精度增强后可以保证较高精度，适用于低功耗高性能要求下的大算力场景设计。该文调研了近几年来关于感存算一体化的研究，介绍了传统感知系统和持续感知系统及感算共融系统，并介绍了基于SRAM存储器的感存算一体芯片最常见的几种计算单元结构，在电压域、电荷域和数字域考察了基于SRAM的感存算一体的研究发展，进行分析对比其优劣势，结合调研分析讨论了该领域的未来发展方向。
2023, 45(8): 2839-2846.
doi: 10.11999/JEIT220880
摘要:
随着无人机(UAV)应用场景的不断丰富，近年来利用无人机编队实现空地协同的任务日益增多。根据现阶段的编队体系和控制方法，该文设计一种基于行为策略的空地协同无人机编队控制算法：通过引入空地协同思想，为地面移动用户提供中继通信服务，扩大了无人机编队的通信覆盖范围。为7架无人机组成的编队设计了4种无人机队形，推导相应的单位中心站位标准，并使用Unity软件对空地协同无人机编队控制算法进行仿真，测试使用该算法的无人机编队在理想环境下的转弯性能和模拟实际环境下的避障、中继通信以及队形变化能力。基于所提出的空地协同算法，设计了两种任务方案：区域搜索覆盖主任务方案和用户失联搜救应急方案。实验仿真证明了改进的空地协同无人机编队控制算法及两种方案具有可行性。
随着无人机(UAV)应用场景的不断丰富，近年来利用无人机编队实现空地协同的任务日益增多。根据现阶段的编队体系和控制方法，该文设计一种基于行为策略的空地协同无人机编队控制算法：通过引入空地协同思想，为地面移动用户提供中继通信服务，扩大了无人机编队的通信覆盖范围。为7架无人机组成的编队设计了4种无人机队形，推导相应的单位中心站位标准，并使用Unity软件对空地协同无人机编队控制算法进行仿真，测试使用该算法的无人机编队在理想环境下的转弯性能和模拟实际环境下的避障、中继通信以及队形变化能力。基于所提出的空地协同算法，设计了两种任务方案：区域搜索覆盖主任务方案和用户失联搜救应急方案。实验仿真证明了改进的空地协同无人机编队控制算法及两种方案具有可行性。
2023, 45(8): 2847-2855.
doi: 10.11999/JEIT220914
摘要:
物联网(IoT)设备资源存在高度异构性，严重影响联邦学习(FL)的训练时间和精度。已有研究未充分考虑物联网设备资源的异构性，且缺乏异构设备间协同训练机制的设计，导致训练效果有限且设备的资源利用率较低。为此，该文提出资源高效的分层协同联邦学习方法(HCFL)，设计了端边云分层混合聚合机制，考虑边缘服务器的差异化参数聚合频率，提出自适应异步加权聚合方法，提高模型参数聚合效率。提出资源重均衡的客户端选择算法，考虑模型精度与数据分布特征动态选取客户端，缓解资源异构性对联邦学习性能的影响。设计自组织联邦协同训练算法，充分利用空闲物联网设备资源加速联邦学习训练进程。仿真结果表明，在不同资源异构状态下，与基线方法相比，模型训练时间平均降低15％，模型精度平均提高6％，设备平均资源利用率提高52％。
物联网(IoT)设备资源存在高度异构性，严重影响联邦学习(FL)的训练时间和精度。已有研究未充分考虑物联网设备资源的异构性，且缺乏异构设备间协同训练机制的设计，导致训练效果有限且设备的资源利用率较低。为此，该文提出资源高效的分层协同联邦学习方法(HCFL)，设计了端边云分层混合聚合机制，考虑边缘服务器的差异化参数聚合频率，提出自适应异步加权聚合方法，提高模型参数聚合效率。提出资源重均衡的客户端选择算法，考虑模型精度与数据分布特征动态选取客户端，缓解资源异构性对联邦学习性能的影响。设计自组织联邦协同训练算法，充分利用空闲物联网设备资源加速联邦学习训练进程。仿真结果表明，在不同资源异构状态下，与基线方法相比，模型训练时间平均降低15％，模型精度平均提高6％，设备平均资源利用率提高52％。
2023, 45(8): 2856-2866.
doi: 10.11999/JEIT220929
摘要:
无线电能传输系统的稳定运行离不开信息传输技术的实现，该文针对无线信号与电能共享通道传输时存在耦合干扰及频谱利用率低的问题，提出一种基于正交频分复用技术(OFDM)的信号与电能反向同步传输新方法。该方法将电能载波等效为搭载全1信息的信号载波，采用OFDM技术实现信号的同步解耦与高速可靠传输时，即可减少电能传输过程对信号传输过程产生的串扰。电能通道采用串联谐振(S/LCC)补偿拓扑结构，使负载在一定范围内变化时输出电压稳定。松耦合变压器作为电能和信号传输的共同通道，可以同时、反向传输信号与电能两种不同频率的载波。首先介绍了系统的结构和OFDM基本原理；其次，对系统进行数学建模，分析研究信号与电能的传输特性；在此基础上，给出了信号调制与解调的设计方法。最后搭建电能传输功率为20 W、信号传输速率为85 kbit/s的实验平台，验证了所提方法的正确性。
无线电能传输系统的稳定运行离不开信息传输技术的实现，该文针对无线信号与电能共享通道传输时存在耦合干扰及频谱利用率低的问题，提出一种基于正交频分复用技术(OFDM)的信号与电能反向同步传输新方法。该方法将电能载波等效为搭载全1信息的信号载波，采用OFDM技术实现信号的同步解耦与高速可靠传输时，即可减少电能传输过程对信号传输过程产生的串扰。电能通道采用串联谐振(S/LCC)补偿拓扑结构，使负载在一定范围内变化时输出电压稳定。松耦合变压器作为电能和信号传输的共同通道，可以同时、反向传输信号与电能两种不同频率的载波。首先介绍了系统的结构和OFDM基本原理；其次，对系统进行数学建模，分析研究信号与电能的传输特性；在此基础上，给出了信号调制与解调的设计方法。最后搭建电能传输功率为20 W、信号传输速率为85 kbit/s的实验平台，验证了所提方法的正确性。
2023, 45(8): 2867-2875.
doi: 10.11999/JEIT220894
摘要:
为解决无线信道开放性导致的信息传输安全及信道估计误差等不确定性带来的系统传输性能恶化问题，该文提出一种存在用户窃听的可重构智能超表面(RIS)辅助多输入单输出(MISO)系统的Charnes-Cooper鲁棒波束赋形算法。针对窃听用户建立有界信道不确定性模型，并通过约束最大发射功率以及RIS相移，联合优化基站波束和RIS相移来最大化用户保密率。为求解该非凸问题，首先通过变量替换、Charnes-Cooper方法和S-procedure方法将其转换为凸优化问题，进而采用间接交替优化耦合变量来获得鲁棒波束赋形矩阵和RIS相移。仿真结果表明，该文提出的基于RIS的联合优化算法具有更好的用户保密率和鲁棒性。
为解决无线信道开放性导致的信息传输安全及信道估计误差等不确定性带来的系统传输性能恶化问题，该文提出一种存在用户窃听的可重构智能超表面(RIS)辅助多输入单输出(MISO)系统的Charnes-Cooper鲁棒波束赋形算法。针对窃听用户建立有界信道不确定性模型，并通过约束最大发射功率以及RIS相移，联合优化基站波束和RIS相移来最大化用户保密率。为求解该非凸问题，首先通过变量替换、Charnes-Cooper方法和S-procedure方法将其转换为凸优化问题，进而采用间接交替优化耦合变量来获得鲁棒波束赋形矩阵和RIS相移。仿真结果表明，该文提出的基于RIS的联合优化算法具有更好的用户保密率和鲁棒性。
2023, 45(8): 2876-2884.
doi: 10.11999/JEIT220915
摘要:
太赫兹通信作为6G研究的关键技术之一，将在下一代巨型近地轨道(LEO)星座网络中与其他频段链路共存，在这样增量部署太赫兹的巨型LEO星座网络中，星间链路扭曲窗口期的路径次优问题将变得更加明显，现有的路由算法仅依赖于最短时延路径难以解决这个问题。为此该文提出一种增量部署太赫兹链路的时空图建模，以及考虑弯管转发和星间链路相结合的自适应选择路由算法(ATLS)。在Hypatia网络模拟器中的测试表明，与已有的路由方式相比，ATLS路由能够将任务完成时间降低了17.14%，端到端时延降低16.67%。
太赫兹通信作为6G研究的关键技术之一，将在下一代巨型近地轨道(LEO)星座网络中与其他频段链路共存，在这样增量部署太赫兹的巨型LEO星座网络中，星间链路扭曲窗口期的路径次优问题将变得更加明显，现有的路由算法仅依赖于最短时延路径难以解决这个问题。为此该文提出一种增量部署太赫兹链路的时空图建模，以及考虑弯管转发和星间链路相结合的自适应选择路由算法(ATLS)。在Hypatia网络模拟器中的测试表明，与已有的路由方式相比，ATLS路由能够将任务完成时间降低了17.14%，端到端时延降低16.67%。
2023, 45(8): 2885-2892.
doi: 10.11999/JEIT220907
摘要:
最新研究表明，高速传输导致的手机温度变化会影响相应的传输性能。针对高速传输下未考虑与手机温度有关的能耗中断而导致传输性能降低的问题，该文提出一种基于深度强化学习的资源管理方案去考虑无人机(UAV)通信场景下的能耗中断。首先，给出无人机通信的网络模型与智能手机热传递模型的分析；其次，将能耗中断的影响以约束条件的形式整合到无人机场景的优化问题中，并通过联合考虑带宽分配、功率分配和轨迹设计优化系统吞吐量；最后，采用马尔可夫决策过程描述相应的优化问题并通过名为归一化优势函数的深度强化学习算法求解。仿真表明，所提方案能有效提升系统吞吐量并得到合理的无人机飞行轨迹。
最新研究表明，高速传输导致的手机温度变化会影响相应的传输性能。针对高速传输下未考虑与手机温度有关的能耗中断而导致传输性能降低的问题，该文提出一种基于深度强化学习的资源管理方案去考虑无人机(UAV)通信场景下的能耗中断。首先，给出无人机通信的网络模型与智能手机热传递模型的分析；其次，将能耗中断的影响以约束条件的形式整合到无人机场景的优化问题中，并通过联合考虑带宽分配、功率分配和轨迹设计优化系统吞吐量；最后，采用马尔可夫决策过程描述相应的优化问题并通过名为归一化优势函数的深度强化学习算法求解。仿真表明，所提方案能有效提升系统吞吐量并得到合理的无人机飞行轨迹。
2023, 45(8): 2893-2901.
doi: 10.11999/JEIT220803
摘要:
针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题，该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先，建立资源负载惩罚、SFC部署成本和时延成本最小化的模型，同时受限于SFC端到端时延和网络资源预留阈值约束。其次，将随机优化问题转化为马尔可夫决策过程(MDP)，实现SFC动态部署和资源的均衡调度，还进一步提出基于业务分工的多决策者编排方案。最后，在分布式多智能体系统中采用柔性演员-评论家(SAC)算法以增强探索能力，并引入了中央注意力机制和优势函数，能够动态和有选择性地关注获取更大部署回报的信息。仿真结果表明，所提算法可以实现负载惩罚、时延和部署成本的优化，并随业务请求量的增加能更好地扩展。
针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题，该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先，建立资源负载惩罚、SFC部署成本和时延成本最小化的模型，同时受限于SFC端到端时延和网络资源预留阈值约束。其次，将随机优化问题转化为马尔可夫决策过程(MDP)，实现SFC动态部署和资源的均衡调度，还进一步提出基于业务分工的多决策者编排方案。最后，在分布式多智能体系统中采用柔性演员-评论家(SAC)算法以增强探索能力，并引入了中央注意力机制和优势函数，能够动态和有选择性地关注获取更大部署回报的信息。仿真结果表明，所提算法可以实现负载惩罚、时延和部署成本的优化，并随业务请求量的增加能更好地扩展。
2023, 45(8): 2902-2910.
doi: 10.11999/JEIT220846
摘要:
针对当前车联网(IoV)中的分布式认证协议直接依赖于半可信路边单元(RSU)的问题，该文提出一种新的分布式认证模型。该模型中的RSU通过3阶段广播自发建立边缘认证区，利用区域内的RSU同步保存车辆的认证记录，RSU可以通过校验节点同步保存的认证记录来防止恶意RSU的异常认证行为。然后，利用切比雪夫混沌映射设计了IoV中的分布式匿名认证协议，通过车辆发送消息不直接携带身份信息的方式来避免假名机制所带来的存储负担。最后，利用随机预言机对协议安全性进行了证明。仿真结果表明所提方案具有更低的认证时延和通信成本。
针对当前车联网(IoV)中的分布式认证协议直接依赖于半可信路边单元(RSU)的问题，该文提出一种新的分布式认证模型。该模型中的RSU通过3阶段广播自发建立边缘认证区，利用区域内的RSU同步保存车辆的认证记录，RSU可以通过校验节点同步保存的认证记录来防止恶意RSU的异常认证行为。然后，利用切比雪夫混沌映射设计了IoV中的分布式匿名认证协议，通过车辆发送消息不直接携带身份信息的方式来避免假名机制所带来的存储负担。最后，利用随机预言机对协议安全性进行了证明。仿真结果表明所提方案具有更低的认证时延和通信成本。
2023, 45(8): 2911-2918.
doi: 10.11999/JEIT220875
摘要:
针对可重构智能表面(RIS)中的毫米波通信系统，用户至RIS端信道角度参数的缓慢变化，该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链，首先使用2维快速傅里叶变换 (2D-FFT)算法初始化估计角度，并且使用最大似然算法估计路径增益。在后续时隙中，使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变，若检测到信道突变，则再次初始化参数，否则使用牛顿算法继续追踪角度参数。仿真结果表明，该方案在具有优良性能的前提下复杂度可以达到最低，极大节约算力资源，在计算复杂度和性能之间可以取得很好的平衡。
针对可重构智能表面(RIS)中的毫米波通信系统，用户至RIS端信道角度参数的缓慢变化，该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链，首先使用2维快速傅里叶变换 (2D-FFT)算法初始化估计角度，并且使用最大似然算法估计路径增益。在后续时隙中，使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变，若检测到信道突变，则再次初始化参数，否则使用牛顿算法继续追踪角度参数。仿真结果表明，该方案在具有优良性能的前提下复杂度可以达到最低，极大节约算力资源，在计算复杂度和性能之间可以取得很好的平衡。
2023, 45(8): 2919-2926.
doi: 10.11999/JEIT221533
摘要:
针对1点对多点同时激光通信光端机的小型化、轻量化、网络化的技术需求，该文简化了光端机上的多个陀螺，提出一种利用单陀螺实现多个光学视轴同时稳定的方案。为求解多光学视轴姿态，根据欧拉定理重新定义了每个指向镜的坐标系，建立了基于转动4元数的多光学视轴姿态数学模型。为了求解该数学模型的参数，给出了相对应的4阶龙格库塔解算方法，并进行了“三子样”算法优化。最后，将数值解算结果与3种典型圆锥运动的真值进行比较，获得了不同指向镜视轴姿态的解算误差曲线。结果表明，在60 s仿真时间内4阶龙格库塔法对4个光学视轴姿态的联合解算精度优于10–4 μrad，验证了该模型的有效性。经过“三子样”算法优化后，3种典型圆锥运动的解算精度分别提高了3个数量级、3个数量级和1个数量级，达到了精度优化的目的。该方法的提出，为捷联稳定技术在激光通信组网中的应用提供了理论依据。
针对1点对多点同时激光通信光端机的小型化、轻量化、网络化的技术需求，该文简化了光端机上的多个陀螺，提出一种利用单陀螺实现多个光学视轴同时稳定的方案。为求解多光学视轴姿态，根据欧拉定理重新定义了每个指向镜的坐标系，建立了基于转动4元数的多光学视轴姿态数学模型。为了求解该数学模型的参数，给出了相对应的4阶龙格库塔解算方法，并进行了“三子样”算法优化。最后，将数值解算结果与3种典型圆锥运动的真值进行比较，获得了不同指向镜视轴姿态的解算误差曲线。结果表明，在60 s仿真时间内4阶龙格库塔法对4个光学视轴姿态的联合解算精度优于10–4 μrad，验证了该模型的有效性。经过“三子样”算法优化后，3种典型圆锥运动的解算精度分别提高了3个数量级、3个数量级和1个数量级，达到了精度优化的目的。该方法的提出，为捷联稳定技术在激光通信组网中的应用提供了理论依据。
2023, 45(8): 2927-2935.
doi: 10.11999/JEIT220838
摘要:
雷达目标散射中心建模是雷达目标特性分析与雷达目标识别中的关键步骤，光滑流线型结构在雷达目标上的广泛应用，给传统散射中心建模带来了巨大挑战。该文针对滑动散射中心建模开展研究，首先分别基于曲面边缘散射和曲面散射两种情况，推导了滑动散射中心的位置表达式；其次，提出一种基于扩展1维-高维(2维/3维)散射映射图(One–Two/Three Dimensional Scattering Mapping, OTSM)的滑动散射中心估计方法，通过相邻视角的投影几何关系推导滑动散射中心的位置；然后，综合RANSAC算法获取的固定散射中心，获得目标完备的散射中心模型。利用暗室测量数据对算法进行了验证，结果表明了该文算法的有效性。
雷达目标散射中心建模是雷达目标特性分析与雷达目标识别中的关键步骤，光滑流线型结构在雷达目标上的广泛应用，给传统散射中心建模带来了巨大挑战。该文针对滑动散射中心建模开展研究，首先分别基于曲面边缘散射和曲面散射两种情况，推导了滑动散射中心的位置表达式；其次，提出一种基于扩展1维-高维(2维/3维)散射映射图(One–Two/Three Dimensional Scattering Mapping, OTSM)的滑动散射中心估计方法，通过相邻视角的投影几何关系推导滑动散射中心的位置；然后，综合RANSAC算法获取的固定散射中心，获得目标完备的散射中心模型。利用暗室测量数据对算法进行了验证，结果表明了该文算法的有效性。
2023, 45(8): 2936-2944.
doi: 10.11999/JEIT220873
摘要:
基于数字射频存储器产生的移频干扰是一种针对线性调频信号(LFM)脉冲雷达的欺骗干扰，所产生的导前或滞后假目标由于诸多特性与真实目标相似因而难以鉴别。为有效对抗移频干扰，该文通过研究移频干扰信号的脉冲压缩过程，得出存在频率差的两信号进行时域卷积后输出能量与频率差呈负相关的结论。该文利用这一结论设计带有正、负频率偏移的失配滤波器，滤波器在与雷达回波信号进行时域卷积、相参积累后将出现真实目标和干扰信号的峰值差异，进而鉴别移频干扰。该文提出的移频干扰鉴别方法工程实用性强，是在以自卫式干扰条件下常规LFM脉冲多普勒雷达对抗移频干扰的有效方法。通过仿真试验验证了所提方法的有效性。
基于数字射频存储器产生的移频干扰是一种针对线性调频信号(LFM)脉冲雷达的欺骗干扰，所产生的导前或滞后假目标由于诸多特性与真实目标相似因而难以鉴别。为有效对抗移频干扰，该文通过研究移频干扰信号的脉冲压缩过程，得出存在频率差的两信号进行时域卷积后输出能量与频率差呈负相关的结论。该文利用这一结论设计带有正、负频率偏移的失配滤波器，滤波器在与雷达回波信号进行时域卷积、相参积累后将出现真实目标和干扰信号的峰值差异，进而鉴别移频干扰。该文提出的移频干扰鉴别方法工程实用性强，是在以自卫式干扰条件下常规LFM脉冲多普勒雷达对抗移频干扰的有效方法。通过仿真试验验证了所提方法的有效性。
2023, 45(8): 2945-2954.
doi: 10.11999/JEIT220830
摘要:
该文提出一种机载双极化气象雷达多种降水粒子回波仿真方法。该方法基于T-Matrix方法以及天气预报模式(Weather Research and Forecasting, WRF)，首先利用WRF建模仿真气象场景；其次考虑降水粒子为球形条件下，结合T-Matrix方法和微物理特性计算6种降水粒子反射率因子；最后应用雷达气象方程获得6种类型降水粒子回波信号，实现机载极化气象雷达降水粒子回波信号仿真。仿真结果表明，该方法的仿真结果可准确反映气象特征，与实测数据的对比分析进一步证实了所提方法的有效性、可靠性。
该文提出一种机载双极化气象雷达多种降水粒子回波仿真方法。该方法基于T-Matrix方法以及天气预报模式(Weather Research and Forecasting, WRF)，首先利用WRF建模仿真气象场景；其次考虑降水粒子为球形条件下，结合T-Matrix方法和微物理特性计算6种降水粒子反射率因子；最后应用雷达气象方程获得6种类型降水粒子回波信号，实现机载极化气象雷达降水粒子回波信号仿真。仿真结果表明，该方法的仿真结果可准确反映气象特征，与实测数据的对比分析进一步证实了所提方法的有效性、可靠性。
2023, 45(8): 2955-2964.
doi: 10.11999/JEIT220811
摘要:
紧凑型地波雷达发射功率低、回波信噪比低，目标检测难度大，在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能，提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时，将当前目标预测状态反馈至检测器；检测器在距离-多普勒谱上建立局部检测波门，采用二元假设检验法感知波门内的检测背景，根据不同的检测背景选取适用的检测门限调整方法，降低恒虚警检测的门限，判定是否有弱目标被检出。若能够检出目标，对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验，结果表明：与先检测后跟踪方法相比，该方法得到的目标航迹时长增加了29.76%，平均延长了19.25 min。
紧凑型地波雷达发射功率低、回波信噪比低，目标检测难度大，在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能，提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时，将当前目标预测状态反馈至检测器；检测器在距离-多普勒谱上建立局部检测波门，采用二元假设检验法感知波门内的检测背景，根据不同的检测背景选取适用的检测门限调整方法，降低恒虚警检测的门限，判定是否有弱目标被检出。若能够检出目标，对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验，结果表明：与先检测后跟踪方法相比，该方法得到的目标航迹时长增加了29.76%，平均延长了19.25 min。
2023, 45(8): 2965-2974.
doi: 10.11999/JEIT220992
摘要:
在对抗电磁环境中，机载合成孔径雷达(SAR)容易受到电子干扰，造成若干回波脉冲不可用，导致SAR回波部分数据丢失，成像性能受限。由此，该文提出了一种基于低秩矩阵补全的特征重建SAR(FR-SAR)成像算法。考虑到SAR回波数据的低秩特性，引入矩阵分解获取行或列的非零数，应用因式组稀疏正则化(FGSR)算法对非零列数取凸优化，可获取SAR回波数据之间的相关性，从而实现SAR回波数据的补全。同时为了提升该算法的抑噪声性能和高分辨能力，将稀疏先验引入正则化模型。利用交替方向多乘子法(ADMM)实现矩阵补全和稀疏特征增强协同求解。FR-SAR算法由于未使用奇异值分解(SVD)，运算效率更高。仿真和实测实验验证了FR-SAR算法的有效性，同时利用相变分析方法(PTD)对所提算法和传统算法的恢复能力进行定量对比，均验证了FR-SAR算法的优越性。
在对抗电磁环境中，机载合成孔径雷达(SAR)容易受到电子干扰，造成若干回波脉冲不可用，导致SAR回波部分数据丢失，成像性能受限。由此，该文提出了一种基于低秩矩阵补全的特征重建SAR(FR-SAR)成像算法。考虑到SAR回波数据的低秩特性，引入矩阵分解获取行或列的非零数，应用因式组稀疏正则化(FGSR)算法对非零列数取凸优化，可获取SAR回波数据之间的相关性，从而实现SAR回波数据的补全。同时为了提升该算法的抑噪声性能和高分辨能力，将稀疏先验引入正则化模型。利用交替方向多乘子法(ADMM)实现矩阵补全和稀疏特征增强协同求解。FR-SAR算法由于未使用奇异值分解(SVD)，运算效率更高。仿真和实测实验验证了FR-SAR算法的有效性，同时利用相变分析方法(PTD)对所提算法和传统算法的恢复能力进行定量对比，均验证了FR-SAR算法的优越性。
2023, 45(8): 2975-2985.
doi: 10.11999/JEIT220867
摘要:
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)地物分类作为合成孔径雷达(Synthetic Aperture Radar, SAR)图像解译的重要研究内容之一，越来越受到国内外学者的广泛关注。不同于自然图像，PolSAR数据集不仅具有独特的数据属性同时还属于小样本数据集，因此如何更充分地利用数据特性以及标签样本是需要重点考虑的内容。基于以上问题，该文在UNet基础上提出了一种新的用于PolSAR地物分类的网络架构——多尺度可分离残差UNet (Multiscale Separable Residual Unet, MSR-Unet)。该网络结构首先利用深度可分离卷积替代普通2D卷积，分别提取输入数据的空间特征和通道特征，降低特征的冗余度；其次提出改进的多尺度残差结构，该结构以残差结构为基础，通过设置不同大小的卷积核获得不同尺度的特征，同时采用密集连接对特征进行复用，使用该结构不仅能在一定程度上增加网络深度，获取更优特征，还能使网络充分利用标签样本，增强特征传递效率，从而提高PolSAR地物的分类精度。在3个标准数据集上的实验结果表明：与传统分类方法及其它主流深度学习网络模型如UNet相比，MSR-Unet网络结构能够在不同程度上提高平均准确率、总体准确率和Kappa系数且具有更好的鲁棒性。
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)地物分类作为合成孔径雷达(Synthetic Aperture Radar, SAR)图像解译的重要研究内容之一，越来越受到国内外学者的广泛关注。不同于自然图像，PolSAR数据集不仅具有独特的数据属性同时还属于小样本数据集，因此如何更充分地利用数据特性以及标签样本是需要重点考虑的内容。基于以上问题，该文在UNet基础上提出了一种新的用于PolSAR地物分类的网络架构——多尺度可分离残差UNet (Multiscale Separable Residual Unet, MSR-Unet)。该网络结构首先利用深度可分离卷积替代普通2D卷积，分别提取输入数据的空间特征和通道特征，降低特征的冗余度；其次提出改进的多尺度残差结构，该结构以残差结构为基础，通过设置不同大小的卷积核获得不同尺度的特征，同时采用密集连接对特征进行复用，使用该结构不仅能在一定程度上增加网络深度，获取更优特征，还能使网络充分利用标签样本，增强特征传递效率，从而提高PolSAR地物的分类精度。在3个标准数据集上的实验结果表明：与传统分类方法及其它主流深度学习网络模型如UNet相比，MSR-Unet网络结构能够在不同程度上提高平均准确率、总体准确率和Kappa系数且具有更好的鲁棒性。
2023, 45(8): 2986-2990.
doi: 10.11999/JEIT220918
摘要:
针对有幅相误差的互质阵列，提出了一种基于协方差矩阵重构的鲁棒自适应波束形成方法。该方法的主要思想是重构信号的协方差矩阵。如果幅相误差存在且无法被忽视，协方差矩阵重构的精度会受到幅相误差的影响。为了消除幅相误差的影响，准确地重构信号的协方差矩阵，提出了一种基于最小二乘(TLS)的方法。首先，建立了含有幅相误差的协方差矩阵重构的基本模型。然后，将问题转化为变量误差(EIV)模型。再将幅相误差的校准转换为与幅相误差相关的误差矩阵的估计，再利用估计结果得到信号协方差矩阵的有效估计。为了解决误差矩阵估计问题，提出了一种交替下降算法。仿真结果表明，即使在存在幅相误差的情况下，该方法仍能提高协方差矩阵的重建精度，并且自适应波束的性能优于现有算法。
针对有幅相误差的互质阵列，提出了一种基于协方差矩阵重构的鲁棒自适应波束形成方法。该方法的主要思想是重构信号的协方差矩阵。如果幅相误差存在且无法被忽视，协方差矩阵重构的精度会受到幅相误差的影响。为了消除幅相误差的影响，准确地重构信号的协方差矩阵，提出了一种基于最小二乘(TLS)的方法。首先，建立了含有幅相误差的协方差矩阵重构的基本模型。然后，将问题转化为变量误差(EIV)模型。再将幅相误差的校准转换为与幅相误差相关的误差矩阵的估计，再利用估计结果得到信号协方差矩阵的有效估计。为了解决误差矩阵估计问题，提出了一种交替下降算法。仿真结果表明，即使在存在幅相误差的情况下，该方法仍能提高协方差矩阵的重建精度，并且自适应波束的性能优于现有算法。
2023, 45(8): 2991-3001.
doi: 10.11999/JEIT220895
摘要:
针对航迹交叉条件下被动声呐目标跟踪困难的问题，该文将现有运动特征关联方法和信号特征辅助关联方法进行改进融合，提出一种基于历史运动特征约束和支持向量机(His-SVM)频谱分类的被动声呐目标关联跟踪方法。首先，利用目标的历史航迹点提取历史方位变化率，作为重合条件下点航迹关联的主要特征；其次，将方位靠近目标的点迹关联问题转化为点迹频谱的分类问题，利用目标航迹点频谱训练的SVM模型完成待关联点迹频谱的分类，根据分类结果实现方位靠近目标的点航迹关联；最后，将两种方法有机融合，构建了被动声呐交叉重合目标关联跟踪的算法框架。仿真实验结果表明，该算法能够有效完成靠近目标的点迹分类和交叉重合目标的关联跟踪，其跟踪性能优于传统运动特征关联跟踪算法。
针对航迹交叉条件下被动声呐目标跟踪困难的问题，该文将现有运动特征关联方法和信号特征辅助关联方法进行改进融合，提出一种基于历史运动特征约束和支持向量机(His-SVM)频谱分类的被动声呐目标关联跟踪方法。首先，利用目标的历史航迹点提取历史方位变化率，作为重合条件下点航迹关联的主要特征；其次，将方位靠近目标的点迹关联问题转化为点迹频谱的分类问题，利用目标航迹点频谱训练的SVM模型完成待关联点迹频谱的分类，根据分类结果实现方位靠近目标的点航迹关联；最后，将两种方法有机融合，构建了被动声呐交叉重合目标关联跟踪的算法框架。仿真实验结果表明，该算法能够有效完成靠近目标的点迹分类和交叉重合目标的关联跟踪，其跟踪性能优于传统运动特征关联跟踪算法。
2023, 45(8): 3002-3011.
doi: 10.11999/JEIT220919
摘要:
为提高红外图像小目标检测的性能，融合传统方法的先验知识和深度学习方法的特征学习能力，该文设计了一种融合多尺度分形注意力的红外小目标端到端检测模型。首先，在对适用于红外图像弱小目标检测的多尺度分形特征分析基础上，给出了基于深度学习算子对其进行加速计算的过程。其次，设计卷积神经网络(CNN)学习度量得到目标显著性分布图，结合特征金字塔注意力模块和金字塔池化下采样模块，提出了一种基于多尺度分形特征的注意力模块。将其嵌入到红外目标语义分割模型时，采用非对称上下文融合机制提高浅层特征和深层特征的融合效果，并利用非对称金字塔非局部模块获取全局注意力，以提高红外小目标检测性能。最后，采用单帧红外小目标(SIRST)数据集验证提出算法的性能，所提模型交并比(IoU)和归一化交并比(nIoU)分别达到了77.4%和76.1%，优于目前已知方法的性能。同时通过迁移实验进一步验证了提出模型的有效性。由于有效地融合了传统方法和深度学习方法的优势，所提模型适用于复杂环境下的红外小目标检测。
为提高红外图像小目标检测的性能，融合传统方法的先验知识和深度学习方法的特征学习能力，该文设计了一种融合多尺度分形注意力的红外小目标端到端检测模型。首先，在对适用于红外图像弱小目标检测的多尺度分形特征分析基础上，给出了基于深度学习算子对其进行加速计算的过程。其次，设计卷积神经网络(CNN)学习度量得到目标显著性分布图，结合特征金字塔注意力模块和金字塔池化下采样模块，提出了一种基于多尺度分形特征的注意力模块。将其嵌入到红外目标语义分割模型时，采用非对称上下文融合机制提高浅层特征和深层特征的融合效果，并利用非对称金字塔非局部模块获取全局注意力，以提高红外小目标检测性能。最后，采用单帧红外小目标(SIRST)数据集验证提出算法的性能，所提模型交并比(IoU)和归一化交并比(nIoU)分别达到了77.4%和76.1%，优于目前已知方法的性能。同时通过迁移实验进一步验证了提出模型的有效性。由于有效地融合了传统方法和深度学习方法的优势，所提模型适用于复杂环境下的红外小目标检测。
2023, 45(8): 3012-3021.
doi: 10.11999/JEIT220819
摘要:
为了使融合图像保留更多源图像的信息，该文提出一种端到端的双融合路径生成对抗网络(GAN)。首先，在生成器中采用结构相同、参数独立的双路径密集连接网络，构建红外差值路径和可见光差值路径以提高融合图像的对比度，引入通道注意力机制以使网络更聚焦于红外典型目标和可见光纹理细节；其次，将两幅源图像直接输入到网络的每一层，以提取更多的源图像特征信息；最后，考虑损失函数之间的互补，加入差值强度损失函数、差值梯度损失函数和结构相似性损失函数，以获得更具对比度的融合图像。实验表明，与多分类约束的生成对抗网络(GANMcC)、残差融合网络(RFnest)等相关融合算法相比，该方法得到的融合图像不仅在多个评价指标上均取得了最好的效果，而且具有更好的视觉效果，更符合人类视觉感知。
为了使融合图像保留更多源图像的信息，该文提出一种端到端的双融合路径生成对抗网络(GAN)。首先，在生成器中采用结构相同、参数独立的双路径密集连接网络，构建红外差值路径和可见光差值路径以提高融合图像的对比度，引入通道注意力机制以使网络更聚焦于红外典型目标和可见光纹理细节；其次，将两幅源图像直接输入到网络的每一层，以提取更多的源图像特征信息；最后，考虑损失函数之间的互补，加入差值强度损失函数、差值梯度损失函数和结构相似性损失函数，以获得更具对比度的融合图像。实验表明，与多分类约束的生成对抗网络(GANMcC)、残差融合网络(RFnest)等相关融合算法相比，该方法得到的融合图像不仅在多个评价指标上均取得了最好的效果，而且具有更好的视觉效果，更符合人类视觉感知。
2023, 45(8): 3022-3031.
doi: 10.11999/JEIT220749
摘要:
针对骨架行为识别不能充分挖掘时空特征的问题，该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先，介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构，其次，采用空域上的图注意力机制，根据邻居节点的重要性程度分配不同的权重系数，生成可充分挖掘空域结构特征的注意力系数矩阵，并结合非局部网络生成的全局邻接矩阵，提出一种新的空域自适应邻接矩阵，以期增强对人体空域结构特征的提取；然后，时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征，并结合时域卷积提取的特征，以期增强对行为信息中时域特征的提取。再者，在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强，更有利于模型提取样本的时空特征，同时结合空域特征增强、时域特征增强和通道注意力，构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练，以期实现时空特征的充分挖掘。最后，在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究，实验结果表明该模型具有优秀的识别准确率和泛化能力，也进一步验证了该模型充分挖掘时空特征的有效性。
针对骨架行为识别不能充分挖掘时空特征的问题，该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先，介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构，其次，采用空域上的图注意力机制，根据邻居节点的重要性程度分配不同的权重系数，生成可充分挖掘空域结构特征的注意力系数矩阵，并结合非局部网络生成的全局邻接矩阵，提出一种新的空域自适应邻接矩阵，以期增强对人体空域结构特征的提取；然后，时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征，并结合时域卷积提取的特征，以期增强对行为信息中时域特征的提取。再者，在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强，更有利于模型提取样本的时空特征，同时结合空域特征增强、时域特征增强和通道注意力，构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练，以期实现时空特征的充分挖掘。最后，在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究，实验结果表明该模型具有优秀的识别准确率和泛化能力，也进一步验证了该模型充分挖掘时空特征的有效性。
2023, 45(8): 3032-3039.
doi: 10.11999/JEIT220802
摘要:
在医疗领域中，实体识别能够从大规模电子病历文本中提取有价值信息，由于缺乏定位实体边界的特征以及存在语义信息提取不完整等问题，中文的命名实体识别(NER)实现更加困难。该文提出一种针对中文电子病历的结合多特征嵌入和多网络融合的模型(MFE-MNF)。该模型嵌入多粒度特征，即字符、单词、部首和外部知识，扩展字符的特征表示，明确实体边界。将特征向量分别输入到双向长短期记忆神经网络(BiLSTM)和该文构建的自适应图卷积网络等双通路中，全面深入地捕获上下文语义信息和全局语义信息，缓解语义信息提取不完整问题。在CCKS2019和CCKS2020数据集上进行实验验证，结果表明，相比于传统实体识别模型，该文模型能够准确且有效地提取实体。
在医疗领域中，实体识别能够从大规模电子病历文本中提取有价值信息，由于缺乏定位实体边界的特征以及存在语义信息提取不完整等问题，中文的命名实体识别(NER)实现更加困难。该文提出一种针对中文电子病历的结合多特征嵌入和多网络融合的模型(MFE-MNF)。该模型嵌入多粒度特征，即字符、单词、部首和外部知识，扩展字符的特征表示，明确实体边界。将特征向量分别输入到双向长短期记忆神经网络(BiLSTM)和该文构建的自适应图卷积网络等双通路中，全面深入地捕获上下文语义信息和全局语义信息，缓解语义信息提取不完整问题。在CCKS2019和CCKS2020数据集上进行实验验证，结果表明，相比于传统实体识别模型，该文模型能够准确且有效地提取实体。
2023, 45(8): 3040-3046.
doi: 10.11999/JEIT220882
摘要:
针对温度和应力变化带来的电场传感器灵敏度漂移和测量误差问题，该文提出一种具有灵敏度漂移自补偿功能的微机电系统(MEMS)谐振式电场传感器。传感器结构中，感应电极用于测量外部电场，参考电极用于监测可动结构振动信息；基于振动相位和锁相环技术实现传感器谐振频率自动跟踪，利用参考电极输出信号对感应电极输出信号进行实时补偿，提高传感器灵敏度的稳定性。该文开展了敏感结构设计和理论分析，研制出传感器样机，并进行了样机标定测试。测试结果表明，在±18 kV/m电场范围内，传感器线性度达到0.21%，3个往返行程总不确定度达到1.34%；在–40°C～70°C温度范围内，灵敏度相对漂移量小于3.0%，具有良好的灵敏度漂移自补偿效果。
针对温度和应力变化带来的电场传感器灵敏度漂移和测量误差问题，该文提出一种具有灵敏度漂移自补偿功能的微机电系统(MEMS)谐振式电场传感器。传感器结构中，感应电极用于测量外部电场，参考电极用于监测可动结构振动信息；基于振动相位和锁相环技术实现传感器谐振频率自动跟踪，利用参考电极输出信号对感应电极输出信号进行实时补偿，提高传感器灵敏度的稳定性。该文开展了敏感结构设计和理论分析，研制出传感器样机，并进行了样机标定测试。测试结果表明，在±18 kV/m电场范围内，传感器线性度达到0.21%，3个往返行程总不确定度达到1.34%；在–40°C～70°C温度范围内，灵敏度相对漂移量小于3.0%，具有良好的灵敏度漂移自补偿效果。
2023, 45(8): 3047-3056.
doi: 10.11999/JEIT220718
摘要:
忆阻器(Memristor)或者阻变存储器(ReRAM)是一种具有存储和计算功能的新型非易失性存储器(NVM)，可以用作存算一体(PIM)的非冯·诺依曼计算机体系架构的基础器件。针对可重构阵列处理器数据计算速度和存储速度不匹配的问题，该文采用电压阈值自适应忆阻器(VTEAM)模型，经过凌力尔特通用模拟电路仿真器(LTSPICE)仿真验证，可以实现布尔逻辑完备集。在此基础上，设计了一种1T1M忆阻器交叉阵列，具有结构简单、可重构性和高并行性的特点，利用蒙特卡罗(MC)法进行容差分析，计算精度达到0.998。该阵列与现有的先进阵列相比，能有效提升芯片的性能，降低处理延迟与能耗，可以与可重构阵列处理器结合以应对“存储墙”问题。
忆阻器(Memristor)或者阻变存储器(ReRAM)是一种具有存储和计算功能的新型非易失性存储器(NVM)，可以用作存算一体(PIM)的非冯·诺依曼计算机体系架构的基础器件。针对可重构阵列处理器数据计算速度和存储速度不匹配的问题，该文采用电压阈值自适应忆阻器(VTEAM)模型，经过凌力尔特通用模拟电路仿真器(LTSPICE)仿真验证，可以实现布尔逻辑完备集。在此基础上，设计了一种1T1M忆阻器交叉阵列，具有结构简单、可重构性和高并行性的特点，利用蒙特卡罗(MC)法进行容差分析，计算精度达到0.998。该阵列与现有的先进阵列相比，能有效提升芯片的性能，降低处理延迟与能耗，可以与可重构阵列处理器结合以应对“存储墙”问题。
