邮件订阅
2024年 第46卷 第6期
2024, 46(6): 2299-2310.
doi: 10.11999/JEIT230921
摘要:
针对当前多数高分辨遥感卫星面向用户服务存在获取数据种类单一问题，该文公开了双清一号(珞珈三号01星)多模式成像样例数据集，涵盖了面阵推扫、面阵推帧和视频凝视等多种成像模式，包含城市、水体、山区、机场等不同目标区域的典型数据样本。该数据集由信号数据解码、Bayer插值、相对辐射校正、几何定位、视频稳像和3维重建等步骤处理构建；同时，对在轨定标、兴趣区产品快速生产、高清视频几何稳像和多角度3维重建等关键算法做了深入探讨和研究。最后，对样本数据集从图像标准产品、凝视视频产品和实景3维产品等3个方面进行了可视化展示和定量化精度评价。
针对当前多数高分辨遥感卫星面向用户服务存在获取数据种类单一问题，该文公开了双清一号(珞珈三号01星)多模式成像样例数据集，涵盖了面阵推扫、面阵推帧和视频凝视等多种成像模式，包含城市、水体、山区、机场等不同目标区域的典型数据样本。该数据集由信号数据解码、Bayer插值、相对辐射校正、几何定位、视频稳像和3维重建等步骤处理构建；同时，对在轨定标、兴趣区产品快速生产、高清视频几何稳像和多角度3维重建等关键算法做了深入探讨和研究。最后，对样本数据集从图像标准产品、凝视视频产品和实景3维产品等3个方面进行了可视化展示和定量化精度评价。
2024, 46(6): 2311-2322.
doi: 10.11999/JEIT230644
摘要:
在当前电磁频谱拥堵和无线电干扰严重的情况下，基于自由空间光(FSO)的无人机(UAV)通信网络作为推进空天地一体化进程的重要一环，得到了学术界和工业界的广泛关注。与传统射频通信相比，FSO通信具有高数据传输速率、低时延和高安全性等优势。然而，FSO链路易受大气信道条件影响，同时UAV高移动性、网络高动态性以及机载资源的有限性给FSO的稳定连接与可靠通信带来了巨大挑战。因此，该文在介绍了FSO传输特性的基础上，着重分析了提升基于FSO的UAV通信网络稳定性与通信质量的关键技术，在此基础上，归纳出高可靠、强智能、长续航的发展趋势，以期为基于FSO的UAV通信网络发展提供参考与借鉴。
在当前电磁频谱拥堵和无线电干扰严重的情况下，基于自由空间光(FSO)的无人机(UAV)通信网络作为推进空天地一体化进程的重要一环，得到了学术界和工业界的广泛关注。与传统射频通信相比，FSO通信具有高数据传输速率、低时延和高安全性等优势。然而，FSO链路易受大气信道条件影响，同时UAV高移动性、网络高动态性以及机载资源的有限性给FSO的稳定连接与可靠通信带来了巨大挑战。因此，该文在介绍了FSO传输特性的基础上，着重分析了提升基于FSO的UAV通信网络稳定性与通信质量的关键技术，在此基础上，归纳出高可靠、强智能、长续航的发展趋势，以期为基于FSO的UAV通信网络发展提供参考与借鉴。
2024, 46(6): 2323-2334.
doi: 10.11999/JEIT231265
摘要:
随着移动通信技术的不断演进，第6代移动通信(6G)将实现从万物互联到万物智联的跨越，满足更高的数据需求和更广泛的应用场景。新型多址接入技术和多维扩展技术将在6G中协同发挥作用，为构建高效、智能、可靠的通信网络提供关键支持，满足未来通信的多重需求。该文旨在探讨新型多址接入技术在6G多维扩展通信网络中的应用潜力。首先，该文对比了传统多址接入技术与6G潜在新型多址接入技术，并重点阐述了非正交多址接入技术在提升频谱效率和系统容量方面的优势。然后，详细介绍了卫星通信、无人机(UAV)通信和智能反射面(IRS)等多维扩展技术在6G场景下的优势。进一步，讨论了新型多址技术与卫星通信、UAV以及IRS相结合的优势及协同应用。最后，探讨了基于新型多址接入技术的多维扩展网络中的关键技术挑战，包括大规模多入多出技术、太赫兹技术、通感算一体化、用户信息安全、不完美信道状态信息(CSI)估计，同时对新型编码技术、人工智能和机器学习等研究方向进行了展望。
随着移动通信技术的不断演进，第6代移动通信(6G)将实现从万物互联到万物智联的跨越，满足更高的数据需求和更广泛的应用场景。新型多址接入技术和多维扩展技术将在6G中协同发挥作用，为构建高效、智能、可靠的通信网络提供关键支持，满足未来通信的多重需求。该文旨在探讨新型多址接入技术在6G多维扩展通信网络中的应用潜力。首先，该文对比了传统多址接入技术与6G潜在新型多址接入技术，并重点阐述了非正交多址接入技术在提升频谱效率和系统容量方面的优势。然后，详细介绍了卫星通信、无人机(UAV)通信和智能反射面(IRS)等多维扩展技术在6G场景下的优势。进一步，讨论了新型多址技术与卫星通信、UAV以及IRS相结合的优势及协同应用。最后，探讨了基于新型多址接入技术的多维扩展网络中的关键技术挑战，包括大规模多入多出技术、太赫兹技术、通感算一体化、用户信息安全、不完美信道状态信息(CSI)估计，同时对新型编码技术、人工智能和机器学习等研究方向进行了展望。
2024, 46(6): 2335-2351.
doi: 10.11999/JEIT230508
摘要:
果蝇嗅觉和视觉神经系统对于自然环境中嗅觉和视觉刺激具有高度的灵敏性，高灵敏的嗅视单模态感知决策和跨模态协同决策机制为仿生应用提供一定的启示作用。该文首先以果蝇嗅觉和视觉神经系统为基础，从嗅觉和视觉信号的捕获、加工、决策3个部分概述了果蝇嗅觉和视觉神经单模态感知决策生理机制与计算模型的研究现状，同时对果蝇嗅觉和视觉神经跨模态协同决策生理机制与计算模型进行阐述；然后对果蝇嗅觉和视觉的单模态感知和跨模态协同的典型仿生应用进行归纳；最后总结果蝇嗅视神经通路生理机制与计算建模当前面临的难题并展望未来发展趋势，为未来相关研究工作奠定了基础。
果蝇嗅觉和视觉神经系统对于自然环境中嗅觉和视觉刺激具有高度的灵敏性，高灵敏的嗅视单模态感知决策和跨模态协同决策机制为仿生应用提供一定的启示作用。该文首先以果蝇嗅觉和视觉神经系统为基础，从嗅觉和视觉信号的捕获、加工、决策3个部分概述了果蝇嗅觉和视觉神经单模态感知决策生理机制与计算模型的研究现状，同时对果蝇嗅觉和视觉神经跨模态协同决策生理机制与计算模型进行阐述；然后对果蝇嗅觉和视觉的单模态感知和跨模态协同的典型仿生应用进行归纳；最后总结果蝇嗅视神经通路生理机制与计算建模当前面临的难题并展望未来发展趋势，为未来相关研究工作奠定了基础。
2024, 46(6): 2352-2360.
doi: 10.11999/JEIT230627
摘要:
为了解决传统蜂窝网络中用户体验剧烈波动的问题，无蜂窝和传统蜂窝共存网络将大量接入点(Access Point, AP)部署到传统蜂窝网络中，显著改善边缘用户和盲区的覆盖信号质量。因此用户在覆盖区域的任何位置均获得良好、一致的用户体验，即一致覆盖是提升共存网络性能的首要目标。而AP部署方案是共存网络中用户传输速率和覆盖的决定性因素，该文提出了面向一致覆盖的AP部署优化方法。首先根据共存网络的联合传输模型推导得到用户的下行可达速率，然后以最大化平均吞吐量为目标，将AP部署建模为比率和规划问题，并基于分式规划和引入辅助变量将其转换为凸优化问题，进而通过迭代求解AP的最优位置。仿真结果表明，相比传统蜂窝网络，所提方案可显著提高边缘和盲区的平均吞吐量。
为了解决传统蜂窝网络中用户体验剧烈波动的问题，无蜂窝和传统蜂窝共存网络将大量接入点(Access Point, AP)部署到传统蜂窝网络中，显著改善边缘用户和盲区的覆盖信号质量。因此用户在覆盖区域的任何位置均获得良好、一致的用户体验，即一致覆盖是提升共存网络性能的首要目标。而AP部署方案是共存网络中用户传输速率和覆盖的决定性因素，该文提出了面向一致覆盖的AP部署优化方法。首先根据共存网络的联合传输模型推导得到用户的下行可达速率，然后以最大化平均吞吐量为目标，将AP部署建模为比率和规划问题，并基于分式规划和引入辅助变量将其转换为凸优化问题，进而通过迭代求解AP的最优位置。仿真结果表明，相比传统蜂窝网络，所提方案可显著提高边缘和盲区的平均吞吐量。
2024, 46(6): 2361-2371.
doi: 10.11999/JEIT230770
摘要:
无人机(UAVs)辅助移动边缘计算(MEC)架构是灵活处理车载计算密集、时延敏感型任务的有效模式。但是，如何在处理任务时延与能耗之间达到最佳均衡，一直是此类车联网应用中长期存在的挑战性问题。为了解决该问题，该文基于无人机辅助移动边缘计算架构，考虑无线信道时变特性及车辆高移动性等动态变化特征，构建出基于非正交多址(NOMA)的车载任务卸载与功率控制优化问题模型，然后将该问题建模成马尔可夫决策过程，并提出一种基于近端策略优化(PPO)的分布式深度强化学习算法，使得车辆只需根据自身获取局部信息，自主决策任务卸载量及相关发射功率，从而达到时延与能耗的最佳均衡性能。仿真结果表明，与现有方法相比较，本文所提任务卸载与功率控制近端策略优化方案不仅能够显著获得更优的时延与能耗性能，所提方案平均系统代价性能提升至少13%以上，而且提供一种性能均衡优化方法，能够通过调节用户偏好权重因子，达到系统时延与能耗水平之间的最佳均衡。
无人机(UAVs)辅助移动边缘计算(MEC)架构是灵活处理车载计算密集、时延敏感型任务的有效模式。但是，如何在处理任务时延与能耗之间达到最佳均衡，一直是此类车联网应用中长期存在的挑战性问题。为了解决该问题，该文基于无人机辅助移动边缘计算架构，考虑无线信道时变特性及车辆高移动性等动态变化特征，构建出基于非正交多址(NOMA)的车载任务卸载与功率控制优化问题模型，然后将该问题建模成马尔可夫决策过程，并提出一种基于近端策略优化(PPO)的分布式深度强化学习算法，使得车辆只需根据自身获取局部信息，自主决策任务卸载量及相关发射功率，从而达到时延与能耗的最佳均衡性能。仿真结果表明，与现有方法相比较，本文所提任务卸载与功率控制近端策略优化方案不仅能够显著获得更优的时延与能耗性能，所提方案平均系统代价性能提升至少13%以上，而且提供一种性能均衡优化方法，能够通过调节用户偏好权重因子，达到系统时延与能耗水平之间的最佳均衡。
2024, 46(6): 2372-2381.
doi: 10.11999/JEIT230672
摘要:
针对协作中继通信系统频谱效率低和链路利用率低的问题，面向多播、单播业务共存场景，该文提出一种反向散射NOMA赋能的混合多播-单播协作传输方案。机会式选择一个多播用户作为协作节点，将其接收信号的一部分功率用于自身解码，剩余功率反向散射以增强其余用户的接收质量。为提升系统性能，通过联合优化基站功率分配系数、协作用户反向散射系数和协作节点选择变量，在保障多播服务质量的前提下，实现单播用户最小可达速率的最大化。为解决上述高度非凸联合优化问题，该文设计一种协作用户选择准则并提出了一种迭代算法来获取原问题的最优解。仿真结果验证了所提迭代算法的快速收敛性，相较于传统非协作传输方案，所提方案可将单播用户最小可达速率提升11.5%，有效保证多业务服务质量。
针对协作中继通信系统频谱效率低和链路利用率低的问题，面向多播、单播业务共存场景，该文提出一种反向散射NOMA赋能的混合多播-单播协作传输方案。机会式选择一个多播用户作为协作节点，将其接收信号的一部分功率用于自身解码，剩余功率反向散射以增强其余用户的接收质量。为提升系统性能，通过联合优化基站功率分配系数、协作用户反向散射系数和协作节点选择变量，在保障多播服务质量的前提下，实现单播用户最小可达速率的最大化。为解决上述高度非凸联合优化问题，该文设计一种协作用户选择准则并提出了一种迭代算法来获取原问题的最优解。仿真结果验证了所提迭代算法的快速收敛性，相较于传统非协作传输方案，所提方案可将单播用户最小可达速率提升11.5%，有效保证多业务服务质量。
2024, 46(6): 2382-2390.
doi: 10.11999/JEIT230716
摘要:
该文研究空地协同通信感知一体化系统，其中无人车(UGV)基站和无人机(UAV)中继集群组成空地协同网络，为用户提供通信服务，同时对目标区域进行探测感知。在更加准确的莱斯衰落信道模型下，研究联合优化无人机集群的通信感知关联、发射功率和飞行轨迹以及无人车基站的发射功率和行进轨迹，在目标区域感知频率和有效感知功率阈值的约束下，最大化用户最小平均通信速率。为了解决变量高度耦合且非凸的整数优化问题，首先利用块坐标下降法将原问题分解成4个子问题；接着引入松弛变量并将整数约束转化为惩罚项，然后证明莱斯信道下的有效感知功率是关于轨迹变量和松弛变量凸复合函数的联合凸函数；再利用连续凸优化法处理非凸项，并提出一种双层迭代算法高效求解次优解。仿真结果表明，与几种基准方案相比，所提优化算法在相同感知性能下，提高了用户最小平均通信速率，更好地实现了通信与感知性能之间的权衡，并具有良好的收敛性。
该文研究空地协同通信感知一体化系统，其中无人车(UGV)基站和无人机(UAV)中继集群组成空地协同网络，为用户提供通信服务，同时对目标区域进行探测感知。在更加准确的莱斯衰落信道模型下，研究联合优化无人机集群的通信感知关联、发射功率和飞行轨迹以及无人车基站的发射功率和行进轨迹，在目标区域感知频率和有效感知功率阈值的约束下，最大化用户最小平均通信速率。为了解决变量高度耦合且非凸的整数优化问题，首先利用块坐标下降法将原问题分解成4个子问题；接着引入松弛变量并将整数约束转化为惩罚项，然后证明莱斯信道下的有效感知功率是关于轨迹变量和松弛变量凸复合函数的联合凸函数；再利用连续凸优化法处理非凸项，并提出一种双层迭代算法高效求解次优解。仿真结果表明，与几种基准方案相比，所提优化算法在相同感知性能下，提高了用户最小平均通信速率，更好地实现了通信与感知性能之间的权衡，并具有良好的收敛性。
2024, 46(6): 2391-2400.
doi: 10.11999/JEIT231389
摘要:
得益于丰富的频谱和光源，可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时，大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而，m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化，这使得传统方法难以快速准确地完成信道估计和定位。针对此，该文提出一种信道状态信息还原和定位(CSIRP)网络，该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征，同时能够应对信道状态的时变性，从而提高信道和位置估计的鲁棒性和动态适应性。具体而言，CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器，进而实现根据接收信号进行信道估计，接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明，采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法，这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。
得益于丰富的频谱和光源，可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时，大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而，m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化，这使得传统方法难以快速准确地完成信道估计和定位。针对此，该文提出一种信道状态信息还原和定位(CSIRP)网络，该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征，同时能够应对信道状态的时变性，从而提高信道和位置估计的鲁棒性和动态适应性。具体而言，CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器，进而实现根据接收信号进行信道估计，接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明，采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法，这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。
2024, 46(6): 2401-2408.
doi: 10.11999/JEIT231001
摘要:
该文研究的反向散射通信(BackCom)系统由1个专用射频信号源、若干个标签及1个目的节点构成。在考虑了信道估计误差(CEE)的前提下，该文在Nakagami-m信道中，提出了能够最大化目的节点信噪比(SNR)的标签选择策略，推导了所提策略的中断概率和分集增益的解析表达式。该文的分析中，考虑了标签自身能耗对系统性能的影响。仿真结果验证了理论分析的正确性，同时考察了关键参数对系统性能的影响。理论分析和仿真结果均表明，信道估计误差的存在使得系统的分集增益为0。
该文研究的反向散射通信(BackCom)系统由1个专用射频信号源、若干个标签及1个目的节点构成。在考虑了信道估计误差(CEE)的前提下，该文在Nakagami-m信道中，提出了能够最大化目的节点信噪比(SNR)的标签选择策略，推导了所提策略的中断概率和分集增益的解析表达式。该文的分析中，考虑了标签自身能耗对系统性能的影响。仿真结果验证了理论分析的正确性，同时考察了关键参数对系统性能的影响。理论分析和仿真结果均表明，信道估计误差的存在使得系统的分集增益为0。
2024, 46(6): 2409-2417.
doi: 10.11999/JEIT231186
摘要:
针对非正交多址接入(NOMA)系统中，接收机使用串行干扰删除算法译码时需要已知干扰用户的调制方式而产生额外的信令开销问题，该文提出一种基于联合星座轨迹图和深度学习的NOMA短包传输干扰用户调制方式盲检测算法。考虑在通信设备部署神经网络时存在计算复杂度高和能量消耗大等不足，将原始卷积神经网络替换为深度加法网络，在调制检测准确率，计算延迟和能耗等方面进行了充分比较，使用时域过采样技术改善低信噪比下的识别率。最后分析并验证了功率分配，数据包长度对检测性能的影响。
针对非正交多址接入(NOMA)系统中，接收机使用串行干扰删除算法译码时需要已知干扰用户的调制方式而产生额外的信令开销问题，该文提出一种基于联合星座轨迹图和深度学习的NOMA短包传输干扰用户调制方式盲检测算法。考虑在通信设备部署神经网络时存在计算复杂度高和能量消耗大等不足，将原始卷积神经网络替换为深度加法网络，在调制检测准确率，计算延迟和能耗等方面进行了充分比较，使用时域过采样技术改善低信噪比下的识别率。最后分析并验证了功率分配，数据包长度对检测性能的影响。
2024, 46(6): 2418-2424.
doi: 10.11999/JEIT230625
摘要:
正交时频空(OTFS)调制可以将时间和频率选择性信道转换为时延-多普勒(DD)域的非选择性信道，这为高速移动场景建立可靠的无线通信提供了解决方案。然而，在车联网等复杂的多散射场景下，信道存在严重的多普勒间干扰(IDI)，这给OTFS接收机信号的准确解调带来了极大的挑战。针对上述问题，该文提出一种联合稀疏贝叶斯学习(SBL)和阻尼最小二乘最小残差(d-LSMR)的OTFS接收机设计。首先，根据OTFS时域和DD域的关系，采用基扩展模型(BEM)将信道估计问题转换为基系数恢复问题，精准估计包括多普勒采样点在内的DD域信道。然后，提出一种高效的转换算法将基系数转换为信道等效矩阵。其次，将信道估计中估计得到的噪声，用于d-LSMR均衡器中进行信道均衡，并利用DD域信道矩阵的稀疏性实现快速收敛。系统仿真结果表明，与目前代表性的OTFS接收机相比，该文所提方案实现了更好的误码率性能，同时降低了计算复杂度。
正交时频空(OTFS)调制可以将时间和频率选择性信道转换为时延-多普勒(DD)域的非选择性信道，这为高速移动场景建立可靠的无线通信提供了解决方案。然而，在车联网等复杂的多散射场景下，信道存在严重的多普勒间干扰(IDI)，这给OTFS接收机信号的准确解调带来了极大的挑战。针对上述问题，该文提出一种联合稀疏贝叶斯学习(SBL)和阻尼最小二乘最小残差(d-LSMR)的OTFS接收机设计。首先，根据OTFS时域和DD域的关系，采用基扩展模型(BEM)将信道估计问题转换为基系数恢复问题，精准估计包括多普勒采样点在内的DD域信道。然后，提出一种高效的转换算法将基系数转换为信道等效矩阵。其次，将信道估计中估计得到的噪声，用于d-LSMR均衡器中进行信道均衡，并利用DD域信道矩阵的稀疏性实现快速收敛。系统仿真结果表明，与目前代表性的OTFS接收机相比，该文所提方案实现了更好的误码率性能，同时降低了计算复杂度。
2024, 46(6): 2425-2433.
doi: 10.11999/JEIT230706
摘要:
漫散射传播与极化特性对于准确刻画、掌握毫米波(mmWave)信道传播机理，建立高精度毫米波通信信道模型至关重要。针对毫米波频段建筑材料粗糙面引起的漫散射传播和去极化特性表征不足，缺乏去极化理论模型的问题，该文提出一种基于有效粗糙度理论的漫散射去极化建模方法。从电磁波的极化维度分解粗糙面材料引起的漫散射辐射传播电场，引入去极化指数构建传播模型，利用40～50 GHz频段典型材料的实测数据，研究了功率角度谱、去极化指数和交叉极化鉴别比等漫散射传播及极化特性。结果表明，所提模型能够描述表面粗糙和光滑建筑材料的极化特性，去极化转化率分别高达39%和4%。
漫散射传播与极化特性对于准确刻画、掌握毫米波(mmWave)信道传播机理，建立高精度毫米波通信信道模型至关重要。针对毫米波频段建筑材料粗糙面引起的漫散射传播和去极化特性表征不足，缺乏去极化理论模型的问题，该文提出一种基于有效粗糙度理论的漫散射去极化建模方法。从电磁波的极化维度分解粗糙面材料引起的漫散射辐射传播电场，引入去极化指数构建传播模型，利用40～50 GHz频段典型材料的实测数据，研究了功率角度谱、去极化指数和交叉极化鉴别比等漫散射传播及极化特性。结果表明，所提模型能够描述表面粗糙和光滑建筑材料的极化特性，去极化转化率分别高达39%和4%。
2024, 46(6): 2434-2442.
doi: 10.11999/JEIT231395
摘要:
为满足日益增长的高效通信和可靠感知需求，该文提出可重构智能超表面(RIS)辅助无线携能通信(SWIPT)-非正交多址接入(NOMA)系统，该系统同时实现目标感知和信息传输。考虑非完美连续干扰消除(SIC)和信道估计误差(CEE)两种非理想因素，分析了所提系统的可靠性、有效性以及雷达感知性能，分别推导出系统中断概率(OP)、遍历速率(ER)、检测概率(PoD)以及雷达估计信息速率(REIR)的解析表达式。分析结果表明：非完美SIC和CEE对系统的性能有负面影响；中断概率随基站发射功率的增大而减小，在高信噪比区域趋于定值；遍历速率及雷达估计信息速率随基站发射功率增大而增加，在高信噪比区域稳定于一个上限值；在不同的检测阈值下，检测概率随基站发射功率的增大而增大；联合雷达检测和通信覆盖概率(JRDCCP)分别随中断阈值和检测阈值的升高而降低。
为满足日益增长的高效通信和可靠感知需求，该文提出可重构智能超表面(RIS)辅助无线携能通信(SWIPT)-非正交多址接入(NOMA)系统，该系统同时实现目标感知和信息传输。考虑非完美连续干扰消除(SIC)和信道估计误差(CEE)两种非理想因素，分析了所提系统的可靠性、有效性以及雷达感知性能，分别推导出系统中断概率(OP)、遍历速率(ER)、检测概率(PoD)以及雷达估计信息速率(REIR)的解析表达式。分析结果表明：非完美SIC和CEE对系统的性能有负面影响；中断概率随基站发射功率的增大而减小，在高信噪比区域趋于定值；遍历速率及雷达估计信息速率随基站发射功率增大而增加，在高信噪比区域稳定于一个上限值；在不同的检测阈值下，检测概率随基站发射功率的增大而增大；联合雷达检测和通信覆盖概率(JRDCCP)分别随中断阈值和检测阈值的升高而降低。
2024, 46(6): 2443-2451.
doi: 10.11999/JEIT230700
摘要:
近年来，时间调制阵列因其优越的矢量调控性能受到广泛关注。基于时间调制方法，该文提出一种可重构后向散射通信系统。该系统中后向散射节点将多类数字调制符号映射至控制信号波形的谐波分量中，以该波形控制后向散射节点对基站端来波的散射与吸收态；接收机采样后向散射信号并提取控制信号波形后，通过傅里叶变换计算谐波分量并恢复后向散射节点发射的数字调制符号。仿真结果验证了几种谐波解调方法的性能及与理论值的一致性。基于幅度、相位键控及正交振幅调制的可重构后向散射传输实验验证了所提系统和方法的可行性。相比较而言，该后向散射通信系统具有功耗低、结构简单、多类数字调制方式可重构的特点。
近年来，时间调制阵列因其优越的矢量调控性能受到广泛关注。基于时间调制方法，该文提出一种可重构后向散射通信系统。该系统中后向散射节点将多类数字调制符号映射至控制信号波形的谐波分量中，以该波形控制后向散射节点对基站端来波的散射与吸收态；接收机采样后向散射信号并提取控制信号波形后，通过傅里叶变换计算谐波分量并恢复后向散射节点发射的数字调制符号。仿真结果验证了几种谐波解调方法的性能及与理论值的一致性。基于幅度、相位键控及正交振幅调制的可重构后向散射传输实验验证了所提系统和方法的可行性。相比较而言，该后向散射通信系统具有功耗低、结构简单、多类数字调制方式可重构的特点。
2024, 46(6): 2452-2461.
doi: 10.11999/JEIT231057
摘要:
已有寄生反向散射通信网络依赖于收发机之间存在的直达链路，从而无法应用于直达链路深度衰落或不存在场景。针对上述问题，该文提出一种中继辅助的寄生反向散射通信网络，并分析所提网络的中断性能。具体而言，依据所提网络推导得到主系统和次系统的瞬时信噪比，并在考虑次用户能量因果约束的条件下定义了主次系统中断概率，接着利用数学知识推导得到瑞利衰落模型下的主次系统中断概率表达式，最后通过计算机仿真验证了所推导的主次系统中断概率表达式的准确性，并分析了不同系统参数对主、次系统中断概率的影响。
已有寄生反向散射通信网络依赖于收发机之间存在的直达链路，从而无法应用于直达链路深度衰落或不存在场景。针对上述问题，该文提出一种中继辅助的寄生反向散射通信网络，并分析所提网络的中断性能。具体而言，依据所提网络推导得到主系统和次系统的瞬时信噪比，并在考虑次用户能量因果约束的条件下定义了主次系统中断概率，接着利用数学知识推导得到瑞利衰落模型下的主次系统中断概率表达式，最后通过计算机仿真验证了所推导的主次系统中断概率表达式的准确性，并分析了不同系统参数对主、次系统中断概率的影响。
2024, 46(6): 2462-2469.
doi: 10.11999/JEIT230699
摘要:
能量效率(EE)是5G+/6G无线通信的重要设计指标，而智能反射面(RIS)被普遍认为是改善EE的潜在手段。不同于被动RIS，混合RIS由有源和无源元件组成，对来波移相的同时可放大信号强度，能够有效克服被动RIS引起的“乘性衰落”效应。鉴于此，该文提出一种混合RIS辅助通信感知一体化(ISAC)的下行链路传输系统。为探究数据传输速率与能耗之间的内在关联，该文以RIS辅助ISAC网络能量效率最大化为目标，在满足基站(BS)发射功率、波束图增益以及混合RIS功率和幅值约束的条件下，联合优化基站端的波束赋形和混合RIS的相移。为解决该复杂的分数规划问题，提出基于交替优化(AO)的算法来求解。为克服AO算法中引入辅助变量造成算法复杂度高的难题，利用耦合优化变量的关联，提出一种基于级联深度学习网络的求解算法。仿真结果表明，提出的混合RIS辅助ISAC方案在和速率、能效方面皆优于现有方案，且算法收敛速度快。
能量效率(EE)是5G+/6G无线通信的重要设计指标，而智能反射面(RIS)被普遍认为是改善EE的潜在手段。不同于被动RIS，混合RIS由有源和无源元件组成，对来波移相的同时可放大信号强度，能够有效克服被动RIS引起的“乘性衰落”效应。鉴于此，该文提出一种混合RIS辅助通信感知一体化(ISAC)的下行链路传输系统。为探究数据传输速率与能耗之间的内在关联，该文以RIS辅助ISAC网络能量效率最大化为目标，在满足基站(BS)发射功率、波束图增益以及混合RIS功率和幅值约束的条件下，联合优化基站端的波束赋形和混合RIS的相移。为解决该复杂的分数规划问题，提出基于交替优化(AO)的算法来求解。为克服AO算法中引入辅助变量造成算法复杂度高的难题，利用耦合优化变量的关联，提出一种基于级联深度学习网络的求解算法。仿真结果表明，提出的混合RIS辅助ISAC方案在和速率、能效方面皆优于现有方案，且算法收敛速度快。
2024, 46(6): 2470-2479.
doi: 10.11999/JEIT230641
摘要:
为了提升海上异构无线网络中移动节点业务完成率和网络资源配置效率，针对现有网络选择算法与业务需求匹配性较差、动态环境下业务完成率不高的问题，该文提出一种基于Hilbert空间向量赋权的网络接入选择算法。该算法采用基于Hilbert空间的网络-业务匹配模型，将网络特征与业务需求映射至同一空间，在同一坐标系内衡量网络是否满足业务需求；同时，采用基于优劣解距离法的预切换网络选择算法，引入网络-业务匹配权重对优劣解距离法标准化矩阵进行修正，确保所选网络与业务需求相匹配，克服传统网络选择中业务需求考虑较少、网络特征与业务需求难以进行统一衡量的问题。此外，采用基于空间距离的网络切换控制算法，将匹配权重、空间距离引入网络切换控制，保证业务传输连续性，提高动态环境下的业务完成率。仿真结果表明，相较于对比算法，该算法的业务平均完成率提高6.81%以上，有效提升了网络的业务传输能力和通畅度，间接实现了网络资源的有效配置。
为了提升海上异构无线网络中移动节点业务完成率和网络资源配置效率，针对现有网络选择算法与业务需求匹配性较差、动态环境下业务完成率不高的问题，该文提出一种基于Hilbert空间向量赋权的网络接入选择算法。该算法采用基于Hilbert空间的网络-业务匹配模型，将网络特征与业务需求映射至同一空间，在同一坐标系内衡量网络是否满足业务需求；同时，采用基于优劣解距离法的预切换网络选择算法，引入网络-业务匹配权重对优劣解距离法标准化矩阵进行修正，确保所选网络与业务需求相匹配，克服传统网络选择中业务需求考虑较少、网络特征与业务需求难以进行统一衡量的问题。此外，采用基于空间距离的网络切换控制算法，将匹配权重、空间距离引入网络切换控制，保证业务传输连续性，提高动态环境下的业务完成率。仿真结果表明，相较于对比算法，该算法的业务平均完成率提高6.81%以上，有效提升了网络的业务传输能力和通畅度，间接实现了网络资源的有效配置。
2024, 46(6): 2480-2487.
doi: 10.11999/JEIT230917
摘要:
无人机(UAV)辅助的空中计算(AirComp)系统为大范围、分布式数据的快速聚合提供了有效的解决方法。该文研究了通过无人机辅助空中计算系统联合轨迹规划与功率优化方法。UAV作为移动基站，通过调整其运动轨迹和地面传感器节点发射功率，实现AirComp系统聚合数据均方误差的最优化。在UAV轨迹、传感器功率限制下，联合优化UAV轨迹、去噪因子和传感器功率，使时间平均均方误差最小化。基于块坐标下降和逐次凸逼近方法，提出无人机飞行轨迹与功率联合优化算法，并通过仿真验证了所提算法的性能。
无人机(UAV)辅助的空中计算(AirComp)系统为大范围、分布式数据的快速聚合提供了有效的解决方法。该文研究了通过无人机辅助空中计算系统联合轨迹规划与功率优化方法。UAV作为移动基站，通过调整其运动轨迹和地面传感器节点发射功率，实现AirComp系统聚合数据均方误差的最优化。在UAV轨迹、传感器功率限制下，联合优化UAV轨迹、去噪因子和传感器功率，使时间平均均方误差最小化。基于块坐标下降和逐次凸逼近方法，提出无人机飞行轨迹与功率联合优化算法，并通过仿真验证了所提算法的性能。
2024, 46(6): 2488-2496.
doi: 10.11999/JEIT230212
摘要:
卫星通信(SatCom)因其强大的生存能力和无缝覆盖的独特优势，能够弥补地面通信网络受地形限制、覆盖范围小等短板，在当前和未来的无线通信系统中具有重要的地位。此外，空中辅助通信由于其在星地网中的灵活性和可扩展性，具有很高的研究价值。为克服星空地网络(ISATN)中频谱短缺问题，认知无线电(CR)和非正交多址接入(NOMA)被用于提高频谱利用率和传输性能。因此，该文研究了基于NOMA的星空地认知网络(CISATN)的性能，考虑多用户场景，分别得到了主网络和次级网络的中断概率(OP)的准确表达式和高信噪比下的渐进表达式，并给出了这两个网络的分集增益。最后，通过蒙特卡罗仿真验证了理论推导的正确性，并分析了关键变量对系统指标的影响。
卫星通信(SatCom)因其强大的生存能力和无缝覆盖的独特优势，能够弥补地面通信网络受地形限制、覆盖范围小等短板，在当前和未来的无线通信系统中具有重要的地位。此外，空中辅助通信由于其在星地网中的灵活性和可扩展性，具有很高的研究价值。为克服星空地网络(ISATN)中频谱短缺问题，认知无线电(CR)和非正交多址接入(NOMA)被用于提高频谱利用率和传输性能。因此，该文研究了基于NOMA的星空地认知网络(CISATN)的性能，考虑多用户场景，分别得到了主网络和次级网络的中断概率(OP)的准确表达式和高信噪比下的渐进表达式，并给出了这两个网络的分集增益。最后，通过蒙特卡罗仿真验证了理论推导的正确性，并分析了关键变量对系统指标的影响。
2024, 46(6): 2497-2505.
doi: 10.11999/JEIT231388
摘要:
基于时隙ALOHA(S-ALOHA)的免授权上行随机接入能够显著降低卫星物联网(IoT)中的接入时延和复杂度。然而，随着物联网用户数量的增加，S-ALOHA碰撞概率会显著增加，从而影响系统性能。该文针对卫星物联网中存在海量设备上行接入的场景，专注于研究物联网终端的功率资源控制，以实现最大化系统和速率的目标。具体而言，该文提出基于S-ALOHA的柔性多址接入。当系统中存在碰撞时，采用非正交多址技术进行传输，从而避免了用户信息反复重传的问题，降低了传输时延。为了在终端功率受限的情况下实现系统和速率的最大化，该文将序列决策问题建模为马尔可夫决策过程，并采用优势演员-评论家算法(A2C)进行求解。仿真结果表明，所提出的柔性多址接入技术能够在海量物联网终端的场景下有效保证终端的接入成功率。同时，基于A2C的资源分配算法相较于传统的资源分配算法表现更为优越。
基于时隙ALOHA(S-ALOHA)的免授权上行随机接入能够显著降低卫星物联网(IoT)中的接入时延和复杂度。然而，随着物联网用户数量的增加，S-ALOHA碰撞概率会显著增加，从而影响系统性能。该文针对卫星物联网中存在海量设备上行接入的场景，专注于研究物联网终端的功率资源控制，以实现最大化系统和速率的目标。具体而言，该文提出基于S-ALOHA的柔性多址接入。当系统中存在碰撞时，采用非正交多址技术进行传输，从而避免了用户信息反复重传的问题，降低了传输时延。为了在终端功率受限的情况下实现系统和速率的最大化，该文将序列决策问题建模为马尔可夫决策过程，并采用优势演员-评论家算法(A2C)进行求解。仿真结果表明，所提出的柔性多址接入技术能够在海量物联网终端的场景下有效保证终端的接入成功率。同时，基于A2C的资源分配算法相较于传统的资源分配算法表现更为优越。
2024, 46(6): 2506-2514.
doi: 10.11999/JEIT230692
摘要:
将智能反射面(IRS)与大规模MIMO结合能够保证和提高毫米波通信系统性能。针对基站(BS)-用户直连信道与用户-IRS-BS反射信道混叠场景，该文提出一种自适应的全信道估计方法。首先，引入辅助变量，采用原子范数将直连信道与反射信道的稀疏角度域子空间进行关联；然后，利用原子范数最小化将全信道估计问题建模为连续角度域稀疏矩阵重建规划；最后，基于不动点深度学习网络设计低复杂度的问题求解算法。该算法不仅能够克服传统基于模型解法中非线性估计算子对先验知识的依赖还可根据移动场景变化自适应调节算法复杂度。仿真结果表明，所提算法能够避免传统时分估计策略引起的差错传播效应，具有更高的估计精度和更低的复杂度。
将智能反射面(IRS)与大规模MIMO结合能够保证和提高毫米波通信系统性能。针对基站(BS)-用户直连信道与用户-IRS-BS反射信道混叠场景，该文提出一种自适应的全信道估计方法。首先，引入辅助变量，采用原子范数将直连信道与反射信道的稀疏角度域子空间进行关联；然后，利用原子范数最小化将全信道估计问题建模为连续角度域稀疏矩阵重建规划；最后，基于不动点深度学习网络设计低复杂度的问题求解算法。该算法不仅能够克服传统基于模型解法中非线性估计算子对先验知识的依赖还可根据移动场景变化自适应调节算法复杂度。仿真结果表明，所提算法能够避免传统时分估计策略引起的差错传播效应，具有更高的估计精度和更低的复杂度。
2024, 46(6): 2515-2524.
doi: 10.11999/JEIT230817
摘要:
针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题，该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标，并以优劣解距离的评估结果作为分类标准，采用支持向量机训练评估模型。通过改进蚁群算法的全局搜索能力和迁移学习的知识传递特性分别解决了支持向量机中的参数优化问题和训练样本中的数据缺失问题。仿真实验结果表明，掌握源域数据集的支持向量机在模型准确度方面提升4.2%，牺牲初始收敛能力的参数优化与最优解的靠近程度提升4.7%，并且可以应用于数字通信系统的干扰效能评估。
针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题，该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标，并以优劣解距离的评估结果作为分类标准，采用支持向量机训练评估模型。通过改进蚁群算法的全局搜索能力和迁移学习的知识传递特性分别解决了支持向量机中的参数优化问题和训练样本中的数据缺失问题。仿真实验结果表明，掌握源域数据集的支持向量机在模型准确度方面提升4.2%，牺牲初始收敛能力的参数优化与最优解的靠近程度提升4.7%，并且可以应用于数字通信系统的干扰效能评估。
2024, 46(6): 2525-2532.
doi: 10.11999/JEIT230678
摘要:
针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题，该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法，基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题，并将其转化成马尔可夫决策过程(MDP)，使用深度确定性策略梯度算法(DDPG)进行求解；然后使用联邦学习(FL)保证车辆之间的协同合作，针对集中式的FL中存在的全局模型更新质量低的问题，使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题；最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练，利用孪生体可以从DT环境中学习的优点，快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明，与现有的方法相比，所提训练框架可以得到一个较高的奖励，有效地提高了车辆对其本身速度的利用率，与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。
针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题，该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法，基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题，并将其转化成马尔可夫决策过程(MDP)，使用深度确定性策略梯度算法(DDPG)进行求解；然后使用联邦学习(FL)保证车辆之间的协同合作，针对集中式的FL中存在的全局模型更新质量低的问题，使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题；最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练，利用孪生体可以从DT环境中学习的优点，快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明，与现有的方法相比，所提训练框架可以得到一个较高的奖励，有效地提高了车辆对其本身速度的利用率，与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。
2024, 46(6): 2533-2541.
doi: 10.11999/JEIT240070
摘要:
针对柔性极化阵列天线因其结构实时形变而难以波束重构以及性能受损的问题，该文提出一种基于柔性形变天线的极化波束在线重构技术。首先，基于无人机机翼模型的柔性形变状态进行阵列建模，借助于模态法得到实时形变数据，在线重构天线阵列模型；其次，基于矢量阵列天线的阵元响应，构建3维空间中的柔性阵列信号模型；最后，将循环算法(CA)与2阶锥规划(SOCP)进行深度结合设计以求解最优极化波束重构的动态优化问题。仿真结果表明：在一定的形变范围内，即在环境载荷对不同弧度与角度需求下，该文所提方法能够实现在线天线阵列重构，并根据所测量应变位移数据而实现最优极化波束在线重构，方向图增益、波束宽度以及极化匹配设计均能满足工程应用要求。
针对柔性极化阵列天线因其结构实时形变而难以波束重构以及性能受损的问题，该文提出一种基于柔性形变天线的极化波束在线重构技术。首先，基于无人机机翼模型的柔性形变状态进行阵列建模，借助于模态法得到实时形变数据，在线重构天线阵列模型；其次，基于矢量阵列天线的阵元响应，构建3维空间中的柔性阵列信号模型；最后，将循环算法(CA)与2阶锥规划(SOCP)进行深度结合设计以求解最优极化波束重构的动态优化问题。仿真结果表明：在一定的形变范围内，即在环境载荷对不同弧度与角度需求下，该文所提方法能够实现在线天线阵列重构，并根据所测量应变位移数据而实现最优极化波束在线重构，方向图增益、波束宽度以及极化匹配设计均能满足工程应用要求。
2024, 46(6): 2542-2548.
doi: 10.11999/JEIT230656
摘要:
针对现有混合波束成形算法运行时间长、频谱效率低、误码率高的问题，该文提出一种基于有限内存拟牛顿法的混合波束成形算法(LBFGS)。该算法首先通过数字预编码器的最小二乘解构建单变量目标函数；然后采用目标函数的梯度近似黑塞矩阵的逆得到搜索方向并沿搜索方向更新模拟预编码器，直到满足停止条件；最后固定模拟预编码器得到数字预编码器。MATLAB仿真结果表明，LBFGS算法较现有MO算法减少了28%的运行时间，频谱效率提高了1.05%，误码率降低了1.06%。
针对现有混合波束成形算法运行时间长、频谱效率低、误码率高的问题，该文提出一种基于有限内存拟牛顿法的混合波束成形算法(LBFGS)。该算法首先通过数字预编码器的最小二乘解构建单变量目标函数；然后采用目标函数的梯度近似黑塞矩阵的逆得到搜索方向并沿搜索方向更新模拟预编码器，直到满足停止条件；最后固定模拟预编码器得到数字预编码器。MATLAB仿真结果表明，LBFGS算法较现有MO算法减少了28%的运行时间，频谱效率提高了1.05%，误码率降低了1.06%。
2024, 46(6): 2549-2557.
doi: 10.11999/JEIT230721
摘要:
针对大型带罩天线阵列系统的辐射特性仿真问题，基于等效原理和波导模式匹配法，建立了多层快速多极子算法的波端口模型，实现了对天线激励源和匹配负载的精确电磁建模，同时提出了一种适用于计算金属介质天线模型的多层快速多极子算法并行策略，通过建立多棵八叉树结构降低了计算过程中各进程间的通信量，实现了对大型带罩天线阵列系统的精确、高效一体化仿真计算。通过与高阶矩量法及有限元-边界积分方程法计算得到的天线方向图、S参数进行对比，验证了该方法的精确性及高效性。
针对大型带罩天线阵列系统的辐射特性仿真问题，基于等效原理和波导模式匹配法，建立了多层快速多极子算法的波端口模型，实现了对天线激励源和匹配负载的精确电磁建模，同时提出了一种适用于计算金属介质天线模型的多层快速多极子算法并行策略，通过建立多棵八叉树结构降低了计算过程中各进程间的通信量，实现了对大型带罩天线阵列系统的精确、高效一体化仿真计算。通过与高阶矩量法及有限元-边界积分方程法计算得到的天线方向图、S参数进行对比，验证了该方法的精确性及高效性。
2024, 46(6): 2558-2567.
doi: 10.11999/JEIT230247
摘要:
甚低频段由于低传播损耗特性，在远距离信号传输及军事通信方面有巨大潜力。传统天线庞大物理尺寸以及复杂网络匹配限制了低频天线通信的发展。磁电(ME)天线基于声波谐振原理可以突破尺寸极限且易于阻抗匹配，在甚低频段传输具有独特优势。基于此设计了P/T/P结构的发射天线和T/P/T结构的接收天线组成的新型ME天线系统。依据磁机电耦合模型分析天线在接收/发射电磁波时的规律；依据辐射模型研究近场范围内天线磁场分布情况；以声波介导激励，实现ME天线在甚低频段的发/收通信实验。实验得到在谐振频率下，ME发射/接收天线在压电占比分别在0.66, 0.34时，结构优化前较于优化后输出电压提升82.6%，通信距离提升42.2%；相较于同等尺寸电小天线辐射效率提高3个数量级；可实现传输速率为5bit/s的调制通信，依据结构优化实现了天线性能的提升。
甚低频段由于低传播损耗特性，在远距离信号传输及军事通信方面有巨大潜力。传统天线庞大物理尺寸以及复杂网络匹配限制了低频天线通信的发展。磁电(ME)天线基于声波谐振原理可以突破尺寸极限且易于阻抗匹配，在甚低频段传输具有独特优势。基于此设计了P/T/P结构的发射天线和T/P/T结构的接收天线组成的新型ME天线系统。依据磁机电耦合模型分析天线在接收/发射电磁波时的规律；依据辐射模型研究近场范围内天线磁场分布情况；以声波介导激励，实现ME天线在甚低频段的发/收通信实验。实验得到在谐振频率下，ME发射/接收天线在压电占比分别在0.66, 0.34时，结构优化前较于优化后输出电压提升82.6%，通信距离提升42.2%；相较于同等尺寸电小天线辐射效率提高3个数量级；可实现传输速率为5bit/s的调制通信，依据结构优化实现了天线性能的提升。
2024, 46(6): 2568-2577.
doi: 10.11999/JEIT230717
摘要:
DNA分子具有密度高和稳定性的优势，有望成为下一代海量数据存储需求的介质，近年来受到广泛关注。目前将引物作为文件的唯一标识，基于聚合酶链式反应(PCR)扩增技术可实现对DNA池存储文件的随机检索，但对引物与文件之间的分配和映射关系没有进行深入研究，仍然采用随机分配的方式来关联引物与文件，这会导致目标引物序列的查找效率降低，且保存引物与文件的映射关系表会造成大量的数据冗余。为了提供一种高效的硅基计算设备与碳基存储系统的连接桥梁，有效降低存储引物与文件映射关系所带来的数据冗余，该文提出一种基于引物索引矩阵的DNA存储随机检索方法。该方法通过将存储文件集按照文件的不同属性进行划分来构建引物索引矩阵，同时将引物库中的引物按照转换规则转化为有序引物库，最后优化引物与文件之间的映射关系，以实现对文件的高效、多维度检索。实验结果表明，在存储不同规模的文件集时，运用所提算法建立对应的引物索引矩阵，可将引物检索效率提高为常数级时间复杂度，并且存储引物与文件的映射关系所需要的额外存储空间从原来的线性增长优化为对数增长。
DNA分子具有密度高和稳定性的优势，有望成为下一代海量数据存储需求的介质，近年来受到广泛关注。目前将引物作为文件的唯一标识，基于聚合酶链式反应(PCR)扩增技术可实现对DNA池存储文件的随机检索，但对引物与文件之间的分配和映射关系没有进行深入研究，仍然采用随机分配的方式来关联引物与文件，这会导致目标引物序列的查找效率降低，且保存引物与文件的映射关系表会造成大量的数据冗余。为了提供一种高效的硅基计算设备与碳基存储系统的连接桥梁，有效降低存储引物与文件映射关系所带来的数据冗余，该文提出一种基于引物索引矩阵的DNA存储随机检索方法。该方法通过将存储文件集按照文件的不同属性进行划分来构建引物索引矩阵，同时将引物库中的引物按照转换规则转化为有序引物库，最后优化引物与文件之间的映射关系，以实现对文件的高效、多维度检索。实验结果表明，在存储不同规模的文件集时，运用所提算法建立对应的引物索引矩阵，可将引物检索效率提高为常数级时间复杂度，并且存储引物与文件的映射关系所需要的额外存储空间从原来的线性增长优化为对数增长。
2024, 46(6): 2578-2586.
doi: 10.11999/JEIT230686
摘要:
为了减轻背景和遮挡等干扰信息对行人身份重识别(ReID)准确率的影响以及充分利用细粒度和粗粒度信息之间的互补性，该文提出关键细粒度信息指导的多尺度遮挡行人重识别网络。首先，将图像划分为两种不同尺寸的重叠图像块，构建同时包含细粒度和粗粒度信息提取分支的多尺度识别网络，以更好模拟人类观察图像时的多尺度特性以及观察相邻区域时的连续性特性。然后，考虑到细粒度分支能够提取更多的图像细节信息且细粒度和粗粒度信息之间存在一定的共性与差异，进一步通过细粒度注意力模块实现细粒度信息对粗粒度信息学习分支的指导。其中，参与指导的细粒度信息是通过干扰信息剔除(IIE)模块滤除干扰信息后保留的关键信息。最后，通过双次差分获取与行人身份识别相关的关键信息，并通过标签和特征等多维度的联合监督，实现行人身份的预测。在多个公开的行人重识别数据库进行的大量实验证明了该算法的性能优越性以及其中各个模块的有效性和必要性。
为了减轻背景和遮挡等干扰信息对行人身份重识别(ReID)准确率的影响以及充分利用细粒度和粗粒度信息之间的互补性，该文提出关键细粒度信息指导的多尺度遮挡行人重识别网络。首先，将图像划分为两种不同尺寸的重叠图像块，构建同时包含细粒度和粗粒度信息提取分支的多尺度识别网络，以更好模拟人类观察图像时的多尺度特性以及观察相邻区域时的连续性特性。然后，考虑到细粒度分支能够提取更多的图像细节信息且细粒度和粗粒度信息之间存在一定的共性与差异，进一步通过细粒度注意力模块实现细粒度信息对粗粒度信息学习分支的指导。其中，参与指导的细粒度信息是通过干扰信息剔除(IIE)模块滤除干扰信息后保留的关键信息。最后，通过双次差分获取与行人身份识别相关的关键信息，并通过标签和特征等多维度的联合监督，实现行人身份的预测。在多个公开的行人重识别数据库进行的大量实验证明了该算法的性能优越性以及其中各个模块的有效性和必要性。
2024, 46(6): 2587-2595.
doi: 10.11999/JEIT230551
摘要:
在一个以人为中心的智能工厂中，感知和理解工人的行为是至关重要的，不同工种类别往往与工作时间和工作内容相关。该文通过结合自适应图和Transformer两种方式使模型更关注骨架的时空信息来提高模型识别的准确率。首先，采用一个自适应的图方法去关注除人体骨架之外的连接关系。进一步，采用Transformer框架去捕捉工人骨架在时间维度上的动态变化信息。为了评估模型性能，制作了智能生产线装配任务中6种典型的工人动作数据集，并进行验证，结果表明所提模型在Top-1精度上与主流动作识别模型相当。最后，在公开的NTU-RGBD和Skeleton-Kinetics数据集上，将该文模型与一些主流方法进行对比，实验结果表明，所提模型具有良好鲁棒性。
在一个以人为中心的智能工厂中，感知和理解工人的行为是至关重要的，不同工种类别往往与工作时间和工作内容相关。该文通过结合自适应图和Transformer两种方式使模型更关注骨架的时空信息来提高模型识别的准确率。首先，采用一个自适应的图方法去关注除人体骨架之外的连接关系。进一步，采用Transformer框架去捕捉工人骨架在时间维度上的动态变化信息。为了评估模型性能，制作了智能生产线装配任务中6种典型的工人动作数据集，并进行验证，结果表明所提模型在Top-1精度上与主流动作识别模型相当。最后，在公开的NTU-RGBD和Skeleton-Kinetics数据集上，将该文模型与一些主流方法进行对比，实验结果表明，所提模型具有良好鲁棒性。
2024, 46(6): 2596-2604.
doi: 10.11999/JEIT230705
摘要:
尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式，被认为是实现大脑启发计算的重要途径。但是，目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发，该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法，通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系，使用替代梯度的方法解决反传过程中不连续可微的问题。不同于现有基于尖峰放电速率标识的学习算法，该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性。因此，所提算法非常适合应用于需要较长时间序列标识的计算任务，例如行为的时间脉冲序列控制。该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性，在所有这些数据集上都显示出良好的性能，这有助于进一步研究基于时间脉冲序列应用的大脑启发计算。
尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式，被认为是实现大脑启发计算的重要途径。但是，目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发，该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法，通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系，使用替代梯度的方法解决反传过程中不连续可微的问题。不同于现有基于尖峰放电速率标识的学习算法，该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性。因此，所提算法非常适合应用于需要较长时间序列标识的计算任务，例如行为的时间脉冲序列控制。该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性，在所有这些数据集上都显示出良好的性能，这有助于进一步研究基于时间脉冲序列应用的大脑启发计算。
2024, 46(6): 2605-2618.
doi: 10.11999/JEIT231108
摘要:
融合先验物理知识的深度时空序列预测方法通常使用偏微分方程(PDE)进行建模，这种做法通常存在两大问题：(1)偏微分方程的近似精度低；(2)无法在循环网络中有效捕捉多种空间尺度的时空特征和时空序列的边缘相关空间信息。为此，该文提出了融合泰勒微分的卷积循环神经网络(TDI-CRNN)。首先，为了提高高阶偏微分方程的近似精度并缓解偏微分方程应用的局限性，设计了一种多阶泰勒近似物理模块。该模块首先使用泰勒展开式对输入序列作微分逼近，再将不同阶数之间的微分卷积层使用微分系数耦合，最后动态调整泰勒展开结果的截断阶数与微分项数。其次，为了捕获循环网络隐藏状态的多种空间尺度特征并更好地捕捉时空序列的边缘相关空间信息，设计了一种多尺度注意力循环模块(MSARM)，在该模块的多尺度卷积空间注意力UNet(即MCSA-UNet)的卷积层中使用了多尺度卷积和空间注意力机制，目的是关注时空序列的局部空间区域。在Moving MNIST, KTH以及CIKM数据集上开展了大量实验，Moving MNIST数据集的均方误差(MSE)指标下降到42.7，结构相似性指数(SSIM)提高到0.912；KTH数据集的SSIM和峰值信噪比(PSNR)分别提高到0.882和29.03；CIKM数据集上的临界成功指数(CSI)提高到0.515。最终的可视化和定量预测结果均验证了TDI-CRNN模型的合理性和有效性。
融合先验物理知识的深度时空序列预测方法通常使用偏微分方程(PDE)进行建模，这种做法通常存在两大问题：(1)偏微分方程的近似精度低；(2)无法在循环网络中有效捕捉多种空间尺度的时空特征和时空序列的边缘相关空间信息。为此，该文提出了融合泰勒微分的卷积循环神经网络(TDI-CRNN)。首先，为了提高高阶偏微分方程的近似精度并缓解偏微分方程应用的局限性，设计了一种多阶泰勒近似物理模块。该模块首先使用泰勒展开式对输入序列作微分逼近，再将不同阶数之间的微分卷积层使用微分系数耦合，最后动态调整泰勒展开结果的截断阶数与微分项数。其次，为了捕获循环网络隐藏状态的多种空间尺度特征并更好地捕捉时空序列的边缘相关空间信息，设计了一种多尺度注意力循环模块(MSARM)，在该模块的多尺度卷积空间注意力UNet(即MCSA-UNet)的卷积层中使用了多尺度卷积和空间注意力机制，目的是关注时空序列的局部空间区域。在Moving MNIST, KTH以及CIKM数据集上开展了大量实验，Moving MNIST数据集的均方误差(MSE)指标下降到42.7，结构相似性指数(SSIM)提高到0.912；KTH数据集的SSIM和峰值信噪比(PSNR)分别提高到0.882和29.03；CIKM数据集上的临界成功指数(CSI)提高到0.515。最终的可视化和定量预测结果均验证了TDI-CRNN模型的合理性和有效性。
2024, 46(6): 2619-2626.
doi: 10.11999/JEIT230617
摘要:
边缘计算网络中，为了激励边缘计算节点(ECNs)参与计算卸载，以缓解计算服务供应商(SP)的计算压力，研究面向远期交易的激励机制。考虑到SP与ECNs之间的信息不对称，且ECN闲置计算资源的不确定性易导致合作风险，基于合同理论，该文提出一种计及风险偏好的计算卸载远期合同激励机制。首先，建立节点风险偏好模型；接着，定义个人理性(IR)约束和激励相容(IC)约束，将激励问题建模为最大化SP收益的远期合同设计问题；最后，化简约束并求解最优远期合同。仿真结果验证了所设计的远期合同的可行性和合理性，并证明该合同能有效激励ECNs参与计算卸载，提升了SP的收益。
边缘计算网络中，为了激励边缘计算节点(ECNs)参与计算卸载，以缓解计算服务供应商(SP)的计算压力，研究面向远期交易的激励机制。考虑到SP与ECNs之间的信息不对称，且ECN闲置计算资源的不确定性易导致合作风险，基于合同理论，该文提出一种计及风险偏好的计算卸载远期合同激励机制。首先，建立节点风险偏好模型；接着，定义个人理性(IR)约束和激励相容(IC)约束，将激励问题建模为最大化SP收益的远期合同设计问题；最后，化简约束并求解最优远期合同。仿真结果验证了所设计的远期合同的可行性和合理性，并证明该合同能有效激励ECNs参与计算卸载，提升了SP的收益。
2024, 46(6): 2627-2637.
doi: 10.11999/JEIT230708
摘要:
针对大型医院、商场及其他3维(3D)空间位置服务中敏感语义位置(如药店、书店等)隐私泄露问题，该文研究了基于3D空间地理不可区分性(3D-GI)的智能语义位置隐私保护方法。为摆脱对特定环境和攻击模型的依赖，该文利用强化学习(RL)技术实现对用户语义位置隐私保护策略的动态优化，提出基于策略爬山算法(PHC)的3D语义位置扰动机制。该机制通过诱导攻击者推断较低敏感度的语义位置来减少高敏感语义位置的暴露。为解决复杂3D空间环境下的维度灾难问题，进一步提出基于近端策略优化算法(PPO)的3D语义位置扰动机制，利用神经网络捕获环境特征并采用离线策略梯度方法优化神经网络参数更新，提高语义位置扰动策略选择效率。仿真实验结果表明，所提方法可提升用户的语义位置隐私保护性能和服务体验。
针对大型医院、商场及其他3维(3D)空间位置服务中敏感语义位置(如药店、书店等)隐私泄露问题，该文研究了基于3D空间地理不可区分性(3D-GI)的智能语义位置隐私保护方法。为摆脱对特定环境和攻击模型的依赖，该文利用强化学习(RL)技术实现对用户语义位置隐私保护策略的动态优化，提出基于策略爬山算法(PHC)的3D语义位置扰动机制。该机制通过诱导攻击者推断较低敏感度的语义位置来减少高敏感语义位置的暴露。为解决复杂3D空间环境下的维度灾难问题，进一步提出基于近端策略优化算法(PPO)的3D语义位置扰动机制，利用神经网络捕获环境特征并采用离线策略梯度方法优化神经网络参数更新，提高语义位置扰动策略选择效率。仿真实验结果表明，所提方法可提升用户的语义位置隐私保护性能和服务体验。
2024, 46(6): 2638-2646.
doi: 10.11999/JEIT230679
摘要:
异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行，因此检测和分析云服务器中的异常至关重要。为此，该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先，提出带时空信息提取模块的双向Wasserstein 生成对抗网络算法(BiWGAN-GTN)，该算法在具有梯度惩罚的双向Wasserstein 生成对抗网络(BiWGAN-GP)算法的基础上，将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN)，实现对数据空时信息的提取；其次，提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常，以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解，然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明，MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。
异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行，因此检测和分析云服务器中的异常至关重要。为此，该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先，提出带时空信息提取模块的双向Wasserstein 生成对抗网络算法(BiWGAN-GTN)，该算法在具有梯度惩罚的双向Wasserstein 生成对抗网络(BiWGAN-GP)算法的基础上，将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN)，实现对数据空时信息的提取；其次，提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常，以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解，然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明，MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。
2024, 46(6): 2647-2654.
doi: 10.11999/JEIT230825
摘要:
针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题，该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征，并引入MSE，多角度自适应特征加权，强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM，捕捉流量数据的时序依赖性，进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类，实验结果验证了所提模型在异常流量检测领域的有效性。
针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题，该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征，并引入MSE，多角度自适应特征加权，强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM，捕捉流量数据的时序依赖性，进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类，实验结果验证了所提模型在异常流量检测领域的有效性。
2024, 46(6): 2655-2662.
doi: 10.11999/JEIT230655
摘要:
E2算法是AES首轮征集的15个候选算法之一，具有优良的软硬件实现效率和较强的安全性。该文利用多重集和差分枚举技术，对E2算法进行中间相遇攻击。首先以E2-128为例，改进了已有的4轮中间相遇区分器，将5轮密钥恢复攻击预计算复杂度降低为\begin{document}${2^{31}}$\end{document} \begin{document}${2^{105}}$\end{document} \begin{document}${2^{200}}$\end{document} \begin{document}${2^{205}}$\end{document}
E2算法是AES首轮征集的15个候选算法之一，具有优良的软硬件实现效率和较强的安全性。该文利用多重集和差分枚举技术，对E2算法进行中间相遇攻击。首先以E2-128为例，改进了已有的4轮中间相遇区分器，将5轮密钥恢复攻击预计算复杂度降低为
2024, 46(6): 2663-2672.
doi: 10.11999/JEIT230713
摘要:
针对计算机视觉领域中基于现场可编程逻辑门阵列(FPGA)的传统卷积神经网(CNN)络加速器不适配视觉Transformer网络的问题，该文提出一种面向卷积神经网络和Transformer的通用FPGA加速器。首先，根据卷积和注意力机制的计算特征，提出一种面向FPGA的通用计算映射方法；其次，提出一种非线性与归一化加速单元，为计算机视觉神经网络模型中的多种非线性和归一化操作提供加速支持；然后，在Xilinx XCVU37P FPGA上实现了加速器设计。实验结果表明，所提出的非线性与归一化加速单元在提高吞吐量的同时仅造成很小的精度损失，ResNet-50和ViT-B/16在所提FPGA加速器上的性能分别达到了589.94 GOPS和564.76 GOPS。与GPU实现相比，能效比分别提高了5.19倍和7.17倍；与其他基于FPGA的大规模加速器设计相比，能效比有明显提高，同时计算效率较对比FPGA加速器提高了8.02%～177.53%。
针对计算机视觉领域中基于现场可编程逻辑门阵列(FPGA)的传统卷积神经网(CNN)络加速器不适配视觉Transformer网络的问题，该文提出一种面向卷积神经网络和Transformer的通用FPGA加速器。首先，根据卷积和注意力机制的计算特征，提出一种面向FPGA的通用计算映射方法；其次，提出一种非线性与归一化加速单元，为计算机视觉神经网络模型中的多种非线性和归一化操作提供加速支持；然后，在Xilinx XCVU37P FPGA上实现了加速器设计。实验结果表明，所提出的非线性与归一化加速单元在提高吞吐量的同时仅造成很小的精度损失，ResNet-50和ViT-B/16在所提FPGA加速器上的性能分别达到了589.94 GOPS和564.76 GOPS。与GPU实现相比，能效比分别提高了5.19倍和7.17倍；与其他基于FPGA的大规模加速器设计相比，能效比有明显提高，同时计算效率较对比FPGA加速器提高了8.02%～177.53%。
2024, 46(6): 2673-2680.
doi: 10.11999/JEIT230815
摘要:
在使用新型非易失性存储阵列进行存内计算的研究中，存内乘法器的延迟往往随着位宽的增加呈指数增长，严重影响计算性能。该文设计一种电压调控自旋轨道矩磁随机存储器(VGSOT-MRAM)单元交叉阵列，并提出一种存内华莱士树乘法器的电路设计方法。所提串联存储单元结构通过电阻求和的方式，有效解决磁存储器单元阻值较低的问题；其次提出基于电压调控自旋轨道矩磁存储器单元交叉阵列的存内计算架构，利用在“读”操作期间实现的5输入多数决定逻辑门，进一步降低华莱士树乘法器的逻辑深度。与现有乘法器设计方法相比，所提方法延迟开销从O(n2)降低为O(log2 n)，在大位宽时延迟更低。
在使用新型非易失性存储阵列进行存内计算的研究中，存内乘法器的延迟往往随着位宽的增加呈指数增长，严重影响计算性能。该文设计一种电压调控自旋轨道矩磁随机存储器(VGSOT-MRAM)单元交叉阵列，并提出一种存内华莱士树乘法器的电路设计方法。所提串联存储单元结构通过电阻求和的方式，有效解决磁存储器单元阻值较低的问题；其次提出基于电压调控自旋轨道矩磁存储器单元交叉阵列的存内计算架构，利用在“读”操作期间实现的5输入多数决定逻辑门，进一步降低华莱士树乘法器的逻辑深度。与现有乘法器设计方法相比，所提方法延迟开销从O(n2)降低为O(log2 n)，在大位宽时延迟更低。
