邮件订阅
2024年 第46卷 第7期
2024, 46(7): 2681-2693.
doi: 10.11999/JEIT230882
摘要:
层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)成像技术可有效解决陡峭地形叠掩恢复难题，因此成为城市测绘技术的研究热点之一。基于公开数据集的评估是TomoSAR算法研究与系统论证的必要过程，但目前存在的公开数据集缺乏相应的地物模型真值，无法对算法进行定量验证。为解决这一问题，并进一步推动TomoSAR技术的发展，该文首先提出一种基于射线追踪的先进星载雷达模拟器(Ray Tracing Space Borne Radar Advanced Simulator, RT-SBRAS)，相较过往方法，该模拟器可快速稳定地模拟复杂建筑物星载SAR图像。基于此，构建了人造建筑物高分辨SAR三维成像仿真(3D SAR Building Simulation, 3DSARBuSim)数据集的1.0版本，其中包含8个典型建筑物场景的双频段多航过全链路仿真数据。最后给出正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法和双频OMP算法在所提数据集上的验证实验，该数据集可对算法进行清晰、准确的定量比较。
层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)成像技术可有效解决陡峭地形叠掩恢复难题，因此成为城市测绘技术的研究热点之一。基于公开数据集的评估是TomoSAR算法研究与系统论证的必要过程，但目前存在的公开数据集缺乏相应的地物模型真值，无法对算法进行定量验证。为解决这一问题，并进一步推动TomoSAR技术的发展，该文首先提出一种基于射线追踪的先进星载雷达模拟器(Ray Tracing Space Borne Radar Advanced Simulator, RT-SBRAS)，相较过往方法，该模拟器可快速稳定地模拟复杂建筑物星载SAR图像。基于此，构建了人造建筑物高分辨SAR三维成像仿真(3D SAR Building Simulation, 3DSARBuSim)数据集的1.0版本，其中包含8个典型建筑物场景的双频段多航过全链路仿真数据。最后给出正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法和双频OMP算法在所提数据集上的验证实验，该数据集可对算法进行清晰、准确的定量比较。
2024, 46(7): 2694-2702.
doi: 10.11999/JEIT231005
摘要:
针对电磁对抗过程中环境动态变化，多节点自主用频决策频谱利用率低的问题，该文开展面向非完全电磁信息的智能协同频谱分配技术研究，通过多节点智能协同提升频谱利用率。首先将复杂电磁环境频谱分配问题建模为最大化用频设备的优化问题，其次提出一种基于多节点协同分流经验回放机制的资源决策算法(Co-DDQN)，算法基于协同分流函数对历史经验数据进行评估，并通过分级经验池进行训练，使各智能体在仅观测自身状态信息条件下形成轻量级协同决策能力，解决低视度条件下多节点决策优化方向与整体优化目标不一致的问题，提升频谱利用率；设计了一种基于置信分配的混合奖励函数，各节点决策兼顾个体的奖励，能够减少惰性节点的出现，探索更优的整体动作策略，进一步提升系统效益。仿真结果表明：当节点数为20时，所提算法的可接入设备数优于全局贪婪算法与遗传算法，并与信息完全共享的集中式频谱分配算法的差距在5%内，更适用于低视度节点的协同频谱分配。
针对电磁对抗过程中环境动态变化，多节点自主用频决策频谱利用率低的问题，该文开展面向非完全电磁信息的智能协同频谱分配技术研究，通过多节点智能协同提升频谱利用率。首先将复杂电磁环境频谱分配问题建模为最大化用频设备的优化问题，其次提出一种基于多节点协同分流经验回放机制的资源决策算法(Co-DDQN)，算法基于协同分流函数对历史经验数据进行评估，并通过分级经验池进行训练，使各智能体在仅观测自身状态信息条件下形成轻量级协同决策能力，解决低视度条件下多节点决策优化方向与整体优化目标不一致的问题，提升频谱利用率；设计了一种基于置信分配的混合奖励函数，各节点决策兼顾个体的奖励，能够减少惰性节点的出现，探索更优的整体动作策略，进一步提升系统效益。仿真结果表明：当节点数为20时，所提算法的可接入设备数优于全局贪婪算法与遗传算法，并与信息完全共享的集中式频谱分配算法的差距在5%内，更适用于低视度节点的协同频谱分配。
2024, 46(7): 2703-2711.
doi: 10.11999/JEIT230999
摘要:
在雷达目标自适应检测问题当中，辅助数据存在杂波边缘的情况将导致杂波协方差矩阵(CCM)的估计性能出现严重下降，极大地影响目标检测性能。为了解决这一问题，该文提出一种杂波边缘检测方法，能够对辅助数据中杂波边缘数量与位置进行自适应判别。首先，假定辅助数据中存在杂波边缘，采用模型阶数选择算法和最大似然估计方法完成杂波参数估计，其中杂波边缘位置由循环搜索方法得到。之后将杂波参数估计结果应用到检测算法中，通过广义似然比检验方法来判断杂波边缘是否存在。此外为了进一步提升算法在小样本条件下的稳健性，引入CCM的特殊结构作为先验知识，将算法推广至CCM为斜对称、谱对称以及中心对称3种结构的情况。仿真及实测数据均表明该文所提算法能够高效地识别雷达辅助数据中的杂波边缘数量和位置，先验知识的引入更能进一步改善算法在辅助数据量较小时的性能。
在雷达目标自适应检测问题当中，辅助数据存在杂波边缘的情况将导致杂波协方差矩阵(CCM)的估计性能出现严重下降，极大地影响目标检测性能。为了解决这一问题，该文提出一种杂波边缘检测方法，能够对辅助数据中杂波边缘数量与位置进行自适应判别。首先，假定辅助数据中存在杂波边缘，采用模型阶数选择算法和最大似然估计方法完成杂波参数估计，其中杂波边缘位置由循环搜索方法得到。之后将杂波参数估计结果应用到检测算法中，通过广义似然比检验方法来判断杂波边缘是否存在。此外为了进一步提升算法在小样本条件下的稳健性，引入CCM的特殊结构作为先验知识，将算法推广至CCM为斜对称、谱对称以及中心对称3种结构的情况。仿真及实测数据均表明该文所提算法能够高效地识别雷达辅助数据中的杂波边缘数量和位置，先验知识的引入更能进一步改善算法在辅助数据量较小时的性能。
2024, 46(7): 2712-2720.
doi: 10.11999/JEIT230887
摘要:
受到复杂海洋环境的影响，雷达对海面慢速小目标难以实现高性能检测。对于这类目标，传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题，该文提出了基于互信息最大化框架下的海面小目标检测方法，实现海杂波背景下的无监督目标异常检测任务。首先，考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设，该文从图的角度重新建模数据，利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来，采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后，使用异常检测算法进行目标检测，并实现虚警可控。经实测数据验证，使用快速凸包学习算法时，相比三特征检测器，所提检测器性能提升了9.2%；相比时频三特征检测器，性能提升了7.9%。当网络输出更高维的表示向量时，使用孤立森林算法的检测器的性能提升了27.4%。
受到复杂海洋环境的影响，雷达对海面慢速小目标难以实现高性能检测。对于这类目标，传统的基于能量的统计检测方法存在着严重的性能损失。针对这一问题，该文提出了基于互信息最大化框架下的海面小目标检测方法，实现海杂波背景下的无监督目标异常检测任务。首先，考虑到高分辨雷达回波不满足传统神经网络对样本独立同分布的假设，该文从图的角度重新建模数据，利用回波的空时相关特性来构建图拓扑结构。该文提出相对最大节点度并联合7个已有特征作为节点的初始表示向量。接下来，采用图注意力网络作为互信息最大化框架中的编码器学习节点表示向量。最后，使用异常检测算法进行目标检测，并实现虚警可控。经实测数据验证，使用快速凸包学习算法时，相比三特征检测器，所提检测器性能提升了9.2%；相比时频三特征检测器，性能提升了7.9%。当网络输出更高维的表示向量时，使用孤立森林算法的检测器的性能提升了27.4%。
2024, 46(7): 2721-2731.
doi: 10.11999/JEIT231012
摘要:
现有真-假目标智能识别算法大多基于监督学习，且在低信噪比条件下表现不好。针对上述问题，该文分别利用真、假目标在多个相参处理间隔(CPIs)内散射特性的时变性和唯一性，提出一种多相参处理间隔频响特征聚类的真、假目标无监督鉴别方法。首先，在快-慢时域中沿快时间维度对真、假目标进行加窗截断，提取快-慢时间域频率响应特征用于构建初步样本集；然后，通过Agglomerative聚类和特征融合网络组成的两步识别算法对真-假目标进行识别；最后，提出一种多相参处理间隔联合决策方法提升识别性能和可靠性。经仿真和实测数据检验，证明了所提方法可实现真实目标和多种有源假目标的有效分离。
现有真-假目标智能识别算法大多基于监督学习，且在低信噪比条件下表现不好。针对上述问题，该文分别利用真、假目标在多个相参处理间隔(CPIs)内散射特性的时变性和唯一性，提出一种多相参处理间隔频响特征聚类的真、假目标无监督鉴别方法。首先，在快-慢时域中沿快时间维度对真、假目标进行加窗截断，提取快-慢时间域频率响应特征用于构建初步样本集；然后，通过Agglomerative聚类和特征融合网络组成的两步识别算法对真-假目标进行识别；最后，提出一种多相参处理间隔联合决策方法提升识别性能和可靠性。经仿真和实测数据检验，证明了所提方法可实现真实目标和多种有源假目标的有效分离。
2024, 46(7): 2732-2739.
doi: 10.11999/JEIT230949
摘要:
针对飞行自组网(FANET)中节点间相对运动导致双向时间传递精度下降的问题，该文提出一种全双工双向时间传递(TWTT)方法。首先，根据全双工双向时间传递过程构造了需要求解的方程组，推导了单次时间传递的同步误差表达式；然后，分析了在无频偏和有频偏条件下，迭代进行全双工双向时间传递的收敛性；最后，通过仿真分析和实验验证比较了全双工双向时间传递方法和传统双向时间传递方法的性能。仿真和实验结果表明，全双工双向时间传递方法在节点高速机动下，时间同步精度可达到与物理层时间戳相同的精度，优于现有的运动补偿方法。
针对飞行自组网(FANET)中节点间相对运动导致双向时间传递精度下降的问题，该文提出一种全双工双向时间传递(TWTT)方法。首先，根据全双工双向时间传递过程构造了需要求解的方程组，推导了单次时间传递的同步误差表达式；然后，分析了在无频偏和有频偏条件下，迭代进行全双工双向时间传递的收敛性；最后，通过仿真分析和实验验证比较了全双工双向时间传递方法和传统双向时间传递方法的性能。仿真和实验结果表明，全双工双向时间传递方法在节点高速机动下，时间同步精度可达到与物理层时间戳相同的精度，优于现有的运动补偿方法。
2024, 46(7): 2740-2747.
doi: 10.11999/JEIT231061
摘要:
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题，该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先，通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹，构建满足时延约束下最小化系统平均总能耗的系统模型。其次，通过深度强化学习求解该优化问题，并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索，以增强算法的探索能力并加快训练的收敛速度。仿真结果表明，基于SAC的算法能有效降低系统的平均总能耗，并具有较好的收敛性。
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题，该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先，通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹，构建满足时延约束下最小化系统平均总能耗的系统模型。其次，通过深度强化学习求解该优化问题，并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索，以增强算法的探索能力并加快训练的收敛速度。仿真结果表明，基于SAC的算法能有效降低系统的平均总能耗，并具有较好的收敛性。
2024, 46(7): 2748-2756.
doi: 10.11999/JEIT230974
摘要:
装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务，因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止，绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化，对于面向多任务的资源分配和轨迹优化问题还未解决。为此，该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略，旨在通过联合优化传输占空比、用户发射功率与无人机轨迹，在满足目标位置采集数据实时广播的前提下，最大化用户卸载量。为了解决多变量耦合优化问题，提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法，将耦合优化问题分解为3个子问题进行迭代优化。最后，大量仿真结果表明，该算法在公平性和总卸载计算量方面都优于其他测试方案。
装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务，因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止，绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化，对于面向多任务的资源分配和轨迹优化问题还未解决。为此，该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略，旨在通过联合优化传输占空比、用户发射功率与无人机轨迹，在满足目标位置采集数据实时广播的前提下，最大化用户卸载量。为了解决多变量耦合优化问题，提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法，将耦合优化问题分解为3个子问题进行迭代优化。最后，大量仿真结果表明，该算法在公平性和总卸载计算量方面都优于其他测试方案。
2024, 46(7): 2757-2764.
doi: 10.11999/JEIT230992
摘要:
为克服现有无偏自同步扰码识别算法在低信噪比(SNR)下存在适应性差的缺点，该文提出一种基于对数条件似然比的软判决识别方法。该方法首先构建了线性分组码自同步加扰和卷积码自同步加扰的对偶向量积线性约束方程；然后推导了基于软判决的对数条件似然比函数衡量方程的成立概率，并分析了其均值和方差的分布特性；最后通过2元假设和推导的相应判别门限来完成两种自同步加扰的识别。仿真结果表明，所提算法能够在低信噪比下完成生成多项式的识别，具有较好的适应能力，与基于求解代价函数的识别方法相比，在信噪比低于3 dB时的算法识别率得到较大提高，识别率为90%时，约有3 dB的性能增益。
为克服现有无偏自同步扰码识别算法在低信噪比(SNR)下存在适应性差的缺点，该文提出一种基于对数条件似然比的软判决识别方法。该方法首先构建了线性分组码自同步加扰和卷积码自同步加扰的对偶向量积线性约束方程；然后推导了基于软判决的对数条件似然比函数衡量方程的成立概率，并分析了其均值和方差的分布特性；最后通过2元假设和推导的相应判别门限来完成两种自同步加扰的识别。仿真结果表明，所提算法能够在低信噪比下完成生成多项式的识别，具有较好的适应能力，与基于求解代价函数的识别方法相比，在信噪比低于3 dB时的算法识别率得到较大提高，识别率为90%时，约有3 dB的性能增益。
2024, 46(7): 2765-2772.
doi: 10.11999/JEIT231187
摘要:
为克服智能反射面(IRS)辅助通信系统的“双重路径损耗”，进一步提升系统的可靠性和频谱效率，该文提出一种基于有源IRS反射单元分组的反射调制(RM)系统方案，利用有源反射单元分组的数量来传输额外信息。然后基于矩母函数推导了最大似然检测算法下基站发射符号与有源反射单元分组数量的平均成对错误概率，获取到系统的理论比特错误概率(BEP)上界以及可达速率。仿真结果验证了理论推导的准确性，同时表明所提方案具有更优的误码性能和频谱效率。
为克服智能反射面(IRS)辅助通信系统的“双重路径损耗”，进一步提升系统的可靠性和频谱效率，该文提出一种基于有源IRS反射单元分组的反射调制(RM)系统方案，利用有源反射单元分组的数量来传输额外信息。然后基于矩母函数推导了最大似然检测算法下基站发射符号与有源反射单元分组数量的平均成对错误概率，获取到系统的理论比特错误概率(BEP)上界以及可达速率。仿真结果验证了理论推导的准确性，同时表明所提方案具有更优的误码性能和频谱效率。
2024, 46(7): 2773-2782.
doi: 10.11999/JEIT231103
摘要:
为了平衡新型电力系统中大规模多模Mesh网络的传输可靠性和效率，该文在对优化问题进行描述和分析的基础上提出一种基于强化学习的大规模多模Mesh网络联合路由选择及资源调度算法，分为两个阶段。在第1阶段中，根据网络拓扑结构信息和业务需求，利用一种多条最短路径路由算法，输出所有最短路径。在第2阶段中，提出一种基于多臂老虎机(MAB)的资源调度算法，该算法基于得到的最短路径集合构建MAB的摇臂，然后根据业务需求计算回报，最终给出最优的路由选择及资源调度方式用于业务传输。仿真结果表明，所提算法能够满足不同的业务传输需求，实现端到端路径的平均时延和平均传输成功率的高效平衡。
为了平衡新型电力系统中大规模多模Mesh网络的传输可靠性和效率，该文在对优化问题进行描述和分析的基础上提出一种基于强化学习的大规模多模Mesh网络联合路由选择及资源调度算法，分为两个阶段。在第1阶段中，根据网络拓扑结构信息和业务需求，利用一种多条最短路径路由算法，输出所有最短路径。在第2阶段中，提出一种基于多臂老虎机(MAB)的资源调度算法，该算法基于得到的最短路径集合构建MAB的摇臂，然后根据业务需求计算回报，最终给出最优的路由选择及资源调度方式用于业务传输。仿真结果表明，所提算法能够满足不同的业务传输需求，实现端到端路径的平均时延和平均传输成功率的高效平衡。
2024, 46(7): 2783-2792.
doi: 10.11999/JEIT231092
摘要:
针对车联网(VANETs)环境下车辆用户数字身份管理问题，该文提出基于区块链的去中心化可撤销隐私保护自主管理身份(SSI)方案。经可信机构(TA)授权后，路侧单元(RSU)组成委员会负责车辆用户身份注册、数字身份凭证颁发及维护。基于门限BLS签名和实用拜占庭容错(PBFT)共识机制实现数字身份凭证创建，解决凭证颁发机构去中心化问题；集成秘密共享和零知识证明技术，解决数字身份凭证颁发和验证过程中隐私保护问题；基于密码学累加器技术，解决分布式存储环境数字身份凭证撤销问题。最后，对该方案安全属性进行了详细分析，证明方案能够满足所提出的安全目标，同时基于本地以太坊私有链平台使用智能合约对所提方案进行了实现及性能分析，实验结果表明了设计的可靠性、可行性和有效性。
针对车联网(VANETs)环境下车辆用户数字身份管理问题，该文提出基于区块链的去中心化可撤销隐私保护自主管理身份(SSI)方案。经可信机构(TA)授权后，路侧单元(RSU)组成委员会负责车辆用户身份注册、数字身份凭证颁发及维护。基于门限BLS签名和实用拜占庭容错(PBFT)共识机制实现数字身份凭证创建，解决凭证颁发机构去中心化问题；集成秘密共享和零知识证明技术，解决数字身份凭证颁发和验证过程中隐私保护问题；基于密码学累加器技术，解决分布式存储环境数字身份凭证撤销问题。最后，对该方案安全属性进行了详细分析，证明方案能够满足所提出的安全目标，同时基于本地以太坊私有链平台使用智能合约对所提方案进行了实现及性能分析，实验结果表明了设计的可靠性、可行性和有效性。
2024, 46(7): 2793-2802.
doi: 10.11999/JEIT230984
摘要:
针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题，该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下，以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标，联合优化切片无线资源配置以及DTs传感信息同步问题。首先，在大时间尺度，利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题；在小时间尺度，通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性，进一步提高通信性能，建立更逼近于物理实体的DTs。其次，为了求解不同时间尺度的优化问题，该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互，其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后，仿真结果验证了所提策略的有效性。
针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题，该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下，以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标，联合优化切片无线资源配置以及DTs传感信息同步问题。首先，在大时间尺度，利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题；在小时间尺度，通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性，进一步提高通信性能，建立更逼近于物理实体的DTs。其次，为了求解不同时间尺度的优化问题，该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互，其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后，仿真结果验证了所提策略的有效性。
2024, 46(7): 2803-2811.
doi: 10.11999/JEIT230935
摘要:
针对非合作通信中时分多址(TDMA)信号的独特码(UW)盲识别问题，该文首次提出分布式独特码的盲识别算法。区别于比特层的独特码识别算法，该文分别针对集中式独特码和分布式独特码，提出面向调制数据不同窗口之间相关性的波形层独特码识别算法。算法利用独特码的一致性与相关性，分两步进行，首先通过差分累积消除不同突发信号间频偏与相偏的影响，来纵向对齐各个突发信号的独特码，然后通过多层差分共轭4阶相关算法识别出独特码的位置和长度。仿真分析了不同突发个数、信噪比和有无频偏相偏情况下算法的性能，验证了波形层识别独特码的有效性，针对集中式独特码和分布式独特码，所提算法在信噪比为5 dB时均达到了95%以上的识别率，具有一定的工程应用价值。
针对非合作通信中时分多址(TDMA)信号的独特码(UW)盲识别问题，该文首次提出分布式独特码的盲识别算法。区别于比特层的独特码识别算法，该文分别针对集中式独特码和分布式独特码，提出面向调制数据不同窗口之间相关性的波形层独特码识别算法。算法利用独特码的一致性与相关性，分两步进行，首先通过差分累积消除不同突发信号间频偏与相偏的影响，来纵向对齐各个突发信号的独特码，然后通过多层差分共轭4阶相关算法识别出独特码的位置和长度。仿真分析了不同突发个数、信噪比和有无频偏相偏情况下算法的性能，验证了波形层识别独特码的有效性，针对集中式独特码和分布式独特码，所提算法在信噪比为5 dB时均达到了95%以上的识别率，具有一定的工程应用价值。
2024, 46(7): 2812-2820.
doi: 10.11999/JEIT230830
摘要:
由于无人机(UAV)良好的机动性、可靠性和快速部署等特性，无人机搭载智能反射面(IRS)可以有效解决复杂无线场景中混合接入点和节点之间由于障碍物遮挡导致信息传输和能量传输效率低的问题。该文提出一种基于时间划分的空中智能反射面辅助无线供能通信网络架构，充分利用空中智能反射面的灵活性提高网络性能。该架构针对每一个时隙，采用先收集能量后传输信息方案实现能量和数据的分时传输。在满足节点能量收集阈值的前提下，建立一个联合空中智能反射面飞行轨迹、节点选择关联变量、时隙分配比率和智能反射面相位的多变量耦合优化问题。采用块坐标下降算法把原始优化问题分解为4个子问题分别进行求解。首先根据波束对齐原理求解出智能反射面最优相位的闭式解，然后通过引入辅助变量并采用连续凸近似方法使非凸问题转变为凸问题，最后利用交替优化算法迭代求解。仿真结果表明，该文提出的联合优化方案具有很好的收敛性能并可以显著提高系统平均吞吐量。
由于无人机(UAV)良好的机动性、可靠性和快速部署等特性，无人机搭载智能反射面(IRS)可以有效解决复杂无线场景中混合接入点和节点之间由于障碍物遮挡导致信息传输和能量传输效率低的问题。该文提出一种基于时间划分的空中智能反射面辅助无线供能通信网络架构，充分利用空中智能反射面的灵活性提高网络性能。该架构针对每一个时隙，采用先收集能量后传输信息方案实现能量和数据的分时传输。在满足节点能量收集阈值的前提下，建立一个联合空中智能反射面飞行轨迹、节点选择关联变量、时隙分配比率和智能反射面相位的多变量耦合优化问题。采用块坐标下降算法把原始优化问题分解为4个子问题分别进行求解。首先根据波束对齐原理求解出智能反射面最优相位的闭式解，然后通过引入辅助变量并采用连续凸近似方法使非凸问题转变为凸问题，最后利用交替优化算法迭代求解。仿真结果表明，该文提出的联合优化方案具有很好的收敛性能并可以显著提高系统平均吞吐量。
2024, 46(7): 2821-2830.
doi: 10.11999/JEIT230976
摘要:
联邦学习(FL)作为一种分布式训练方法，在车联网(IoV)中得到了广泛应用。区别于传统机器学习，FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型，从而保护CAV隐私和数据安全。为了提升联邦学习模型精度，降低通信开销，该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构，分别负责全局模型共享和本地模型训练。其次，设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型，教师模型的专业级网络结构可取得更高精度，学生模型的轻量级网络结构可降低通信开销，并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外，为了进一步提高模型精度，基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明，DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。
联邦学习(FL)作为一种分布式训练方法，在车联网(IoV)中得到了广泛应用。区别于传统机器学习，FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型，从而保护CAV隐私和数据安全。为了提升联邦学习模型精度，降低通信开销，该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构，分别负责全局模型共享和本地模型训练。其次，设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型，教师模型的专业级网络结构可取得更高精度，学生模型的轻量级网络结构可降低通信开销，并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外，为了进一步提高模型精度，基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明，DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。
2024, 46(7): 2831-2841.
doi: 10.11999/JEIT231016
摘要:
空天地一体化网络(SAGIN)通过提高地面网络的资源利用率可以有效满足多种业务类型的通信需求，然而忽略了系统的自适应能力和鲁棒性及不同用户的服务质量(QoS)。针对这一问题，该文提出在空天地一体化网络架构下，面向城区和郊区通信的深度强化学习(DRL)资源分配算法。基于第3代合作伙伴计划(3GPP)标准中定义的用户参考信号接收功率(RSRP)，考虑地面同频干扰情况，以不同域中基站的时频资源作为约束条件，构建了最大化系统用户的下行吞吐量优化问题。利用深度Q网络(DQN)算法求解该优化问题时，定义了能够综合考虑用户服务质量需求、系统自适应能力及系统鲁棒性的奖励函数。仿真结果表明，综合考虑无人驾驶汽车，沉浸式服务及普通移动终端通信业务需求时，表征系统性能的奖励函数值在2 000次迭代下，相较于贪婪算法提升了39.1%；对于无人驾驶汽车业务，利用DQN算法进行资源分配后，相比于贪婪算法，丢包数平均下降38.07%，时延下降了6.05%。
空天地一体化网络(SAGIN)通过提高地面网络的资源利用率可以有效满足多种业务类型的通信需求，然而忽略了系统的自适应能力和鲁棒性及不同用户的服务质量(QoS)。针对这一问题，该文提出在空天地一体化网络架构下，面向城区和郊区通信的深度强化学习(DRL)资源分配算法。基于第3代合作伙伴计划(3GPP)标准中定义的用户参考信号接收功率(RSRP)，考虑地面同频干扰情况，以不同域中基站的时频资源作为约束条件，构建了最大化系统用户的下行吞吐量优化问题。利用深度Q网络(DQN)算法求解该优化问题时，定义了能够综合考虑用户服务质量需求、系统自适应能力及系统鲁棒性的奖励函数。仿真结果表明，综合考虑无人驾驶汽车，沉浸式服务及普通移动终端通信业务需求时，表征系统性能的奖励函数值在2 000次迭代下，相较于贪婪算法提升了39.1%；对于无人驾驶汽车业务，利用DQN算法进行资源分配后，相比于贪婪算法，丢包数平均下降38.07%，时延下降了6.05%。
2024, 46(7): 2842-2849.
doi: 10.11999/JEIT230918
摘要:
针对车联网(IoV)中节点资源异构、拓扑结构动态变化等特点，该文建立了一个双因子更新的双层异步联邦学习(TTAFL)框架。考虑到模型版本差和车辆参与联邦学习(FL)次数对局部模型更新的影响，提出基于陈旧因子和贡献因子的模型更新方案。同时，为了避免训练过程中，车辆移动带来路侧单元切换的问题，给出考虑驻留时间的节点选择方案。最后，为了减少精度损失与系统能耗，利用强化学习方法优化联邦学习的本地迭代次数与路侧单元局部模型更新次数。仿真结果表明，所提算法有效提高了联邦学习的训练效率和训练精度，降低了系统能耗。
针对车联网(IoV)中节点资源异构、拓扑结构动态变化等特点，该文建立了一个双因子更新的双层异步联邦学习(TTAFL)框架。考虑到模型版本差和车辆参与联邦学习(FL)次数对局部模型更新的影响，提出基于陈旧因子和贡献因子的模型更新方案。同时，为了避免训练过程中，车辆移动带来路侧单元切换的问题，给出考虑驻留时间的节点选择方案。最后，为了减少精度损失与系统能耗，利用强化学习方法优化联邦学习的本地迭代次数与路侧单元局部模型更新次数。仿真结果表明，所提算法有效提高了联邦学习的训练效率和训练精度，降低了系统能耗。
2024, 46(7): 2850-2859.
doi: 10.11999/JEIT230898
摘要:
针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题，该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先，建立点击率(CTR)预测基本模型，引入对比学习方法生成高质量的特征表示，辅助因子分解机(FM)预测用户偏好；然后，基于用户偏好设计一种动态推荐机制，重塑不同用户的内容请求概率，从而影响缓存决策；最后，以用户平均内容获取时延最小化为目标建立边端缓存与用户推荐联合优化问题，将其解耦为边端缓存子问题和用户推荐子问题，分别基于区域贪婪算法和一对一交换匹配算法求解，并通过迭代更新获得收敛优化结果。仿真结果表明，相较于基准模型，引入对比学习方法的预测模型在曲线下面积(AUC)和准确率(ACC)上分别提升1.65%和1.30%，且联合优化算法能够有效降低用户平均内容获取时延，提升系统缓存性能。
针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题，该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先，建立点击率(CTR)预测基本模型，引入对比学习方法生成高质量的特征表示，辅助因子分解机(FM)预测用户偏好；然后，基于用户偏好设计一种动态推荐机制，重塑不同用户的内容请求概率，从而影响缓存决策；最后，以用户平均内容获取时延最小化为目标建立边端缓存与用户推荐联合优化问题，将其解耦为边端缓存子问题和用户推荐子问题，分别基于区域贪婪算法和一对一交换匹配算法求解，并通过迭代更新获得收敛优化结果。仿真结果表明，相较于基准模型，引入对比学习方法的预测模型在曲线下面积(AUC)和准确率(ACC)上分别提升1.65%和1.30%，且联合优化算法能够有效降低用户平均内容获取时延，提升系统缓存性能。
2024, 46(7): 2860-2868.
doi: 10.11999/JEIT230942
摘要:
针对非完美信道状态信息(CSI)下分布式智能反射面(RIS)安全通信问题，该文构建基于基站波束成形、人工噪声(AN)和RISs相移的联合优化问题，并提出相对应优化方法和1维线性搜索的有效算法来求解所构建的非凸优化方程。仿真结果表明：相对于随机相位、无AN辅助的安全传输策略，所提方法在非完美CSI场景可取得更高的安全传输速率；在总反射单元数目固定情况下，分布单元数目越多，所提算法优越性越明显；进一步，所提算法具有更强的鲁棒性，即本策略能更好地适应信道不确定性。
针对非完美信道状态信息(CSI)下分布式智能反射面(RIS)安全通信问题，该文构建基于基站波束成形、人工噪声(AN)和RISs相移的联合优化问题，并提出相对应优化方法和1维线性搜索的有效算法来求解所构建的非凸优化方程。仿真结果表明：相对于随机相位、无AN辅助的安全传输策略，所提方法在非完美CSI场景可取得更高的安全传输速率；在总反射单元数目固定情况下，分布单元数目越多，所提算法优越性越明显；进一步，所提算法具有更强的鲁棒性，即本策略能更好地适应信道不确定性。
2024, 46(7): 2869-2878.
doi: 10.11999/JEIT230902
摘要:
针对网络功能虚拟化(NFV)环境下高维度服务功能链(SFC)部署的高可靠低成本问题，该文提出了一种基于近端策略优化的服务功能链部署算法(PPO-ISRC)。首先综合考虑底层物理服务器特征和服务功能链特征，将服务功能链部署建模为马尔可夫决策过程，然后，以最大化服务率和最小化资源消耗为优化目标设置奖励函数，最后，采用近端策略优化方法对服务功能链部署策略求解。仿真实验结果表明，与启发式算法(FFD)和深度确定性策略梯度算法(DDPG)相比，所提算法具有收敛速度快，稳定性高的特点。在满足服务质量的要求下，降低了部署成本，并提高了网络服务可靠性。
针对网络功能虚拟化(NFV)环境下高维度服务功能链(SFC)部署的高可靠低成本问题，该文提出了一种基于近端策略优化的服务功能链部署算法(PPO-ISRC)。首先综合考虑底层物理服务器特征和服务功能链特征，将服务功能链部署建模为马尔可夫决策过程，然后，以最大化服务率和最小化资源消耗为优化目标设置奖励函数，最后，采用近端策略优化方法对服务功能链部署策略求解。仿真实验结果表明，与启发式算法(FFD)和深度确定性策略梯度算法(DDPG)相比，所提算法具有收敛速度快，稳定性高的特点。在满足服务质量的要求下，降低了部署成本，并提高了网络服务可靠性。
2024, 46(7): 2879-2887.
doi: 10.11999/JEIT230986
摘要:
近年来，将移动边缘计算(MEC)服务器搭载在无人机(UAV)上为地面移动用户提供服务备受学术界和工业界广泛的关注。但在恶意干扰环境下，如何有效调度资源降低系统时延和能耗成为关键问题。为此，针对干扰机影响下无人机辅助边缘计算的问题，该文建立一个以最小化加权能耗与时延为目标的模型，联合优化无人机飞行轨迹、资源调度和任务分配来提升无人机辅助移动边缘计算系统性能。鉴于优化问题难求解以及恶意干扰行为动态多变，该文提出了一种基于双延迟深度确定性策略梯度(TD3)的资源调度算法，同时结合优先经验回放(PER)机制提高算法收敛速度和稳定性，高效对抗恶意干扰攻击。仿真结果表明所提算法较其他算法，能够有效降低系统的时延和能耗，并具有很好的收敛性与稳定性。
近年来，将移动边缘计算(MEC)服务器搭载在无人机(UAV)上为地面移动用户提供服务备受学术界和工业界广泛的关注。但在恶意干扰环境下，如何有效调度资源降低系统时延和能耗成为关键问题。为此，针对干扰机影响下无人机辅助边缘计算的问题，该文建立一个以最小化加权能耗与时延为目标的模型，联合优化无人机飞行轨迹、资源调度和任务分配来提升无人机辅助移动边缘计算系统性能。鉴于优化问题难求解以及恶意干扰行为动态多变，该文提出了一种基于双延迟深度确定性策略梯度(TD3)的资源调度算法，同时结合优先经验回放(PER)机制提高算法收敛速度和稳定性，高效对抗恶意干扰攻击。仿真结果表明所提算法较其他算法，能够有效降低系统的时延和能耗，并具有很好的收敛性与稳定性。
2024, 46(7): 2888-2897.
doi: 10.11999/JEIT231033
摘要:
该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件，通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量，建立一个系统能耗最小化优化问题。为了求解该问题，首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似，然后提出一个基于SCA的高效迭代算法来求解原问题，从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证，仿真结果表明相比于其他基准方案，该文所提方案能有效降低系统能耗。
该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件，通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量，建立一个系统能耗最小化优化问题。为了求解该问题，首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似，然后提出一个基于SCA的高效迭代算法来求解原问题，从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证，仿真结果表明相比于其他基准方案，该文所提方案能有效降低系统能耗。
2024, 46(7): 2898-2907.
doi: 10.11999/JEIT230652
摘要:
光学复眼在无人系统的精确定位制导、避障导航等任务中得到了越来越广泛的应用，其中光学复眼的高精度标定是保障上述任务质量的前提。通常经典的张氏棋盘格标定法要求光学复眼的每个子眼都必须观测到完整的棋盘格，然而，由于光学复眼结构的复杂性，在实际标定过程中难以满足这一要求。为解决张氏标定法的局限性， 该文提出一种基于随机噪声平板的光学复眼内外参联合标定算法，该算法通过子眼拍摄随机噪声平板的局部信息，可简单快速地实现任意构型和子眼数量的光学复眼内外参联合标定。为了提高光学复眼标定的稳定性，设置多阈值匹配机制解决子眼视场特征点数量稀疏导致图像匹配失效的问题。同时，给出了光学复眼内外参联合标定的误差模型，用来衡量所提出算法的精确度。在与张氏棋盘格标定法进行实验对比中，验证所提算法的稳定性和鲁棒性，并在光学复眼实物系统中，验证了所提联合标定算法具有较高的精度。
光学复眼在无人系统的精确定位制导、避障导航等任务中得到了越来越广泛的应用，其中光学复眼的高精度标定是保障上述任务质量的前提。通常经典的张氏棋盘格标定法要求光学复眼的每个子眼都必须观测到完整的棋盘格，然而，由于光学复眼结构的复杂性，在实际标定过程中难以满足这一要求。为解决张氏标定法的局限性， 该文提出一种基于随机噪声平板的光学复眼内外参联合标定算法，该算法通过子眼拍摄随机噪声平板的局部信息，可简单快速地实现任意构型和子眼数量的光学复眼内外参联合标定。为了提高光学复眼标定的稳定性，设置多阈值匹配机制解决子眼视场特征点数量稀疏导致图像匹配失效的问题。同时，给出了光学复眼内外参联合标定的误差模型，用来衡量所提出算法的精确度。在与张氏棋盘格标定法进行实验对比中，验证所提算法的稳定性和鲁棒性，并在光学复眼实物系统中，验证了所提联合标定算法具有较高的精度。
2024, 46(7): 2908-2917.
doi: 10.11999/JEIT230803
摘要:
基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象，会加剧灾难性遗忘。此外，数据常常由于隐私、安全等因素无法被存储导致模型失效。为此，该文提出基于门控机制与重放策略的持续语义分割方法。首先，在不存储旧数据的情况下，通过生成对抗网络生成及网页抓取作为数据来源，使用标签评估模块解决无监督问题、背景自绘模块解决背景漂移问题；接着，使用重放策略缓解灾难性遗忘；最后，将门控变量作为一种正则化手段增加模型稀疏性，研究了门控变量与持续学习重放策略结合的特殊情况。在Pascal VOC2012数据集上的评估结果表明，在复杂场景10-2， 生成对抗网络 (GAN)、Web的设置中，该文在全部增量步骤结束后的旧任务性能比基线分别提升了3.8%, 3.7%，在场景10-1中，相比于基线分别提升了2.7%, 1.3%。
基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象，会加剧灾难性遗忘。此外，数据常常由于隐私、安全等因素无法被存储导致模型失效。为此，该文提出基于门控机制与重放策略的持续语义分割方法。首先，在不存储旧数据的情况下，通过生成对抗网络生成及网页抓取作为数据来源，使用标签评估模块解决无监督问题、背景自绘模块解决背景漂移问题；接着，使用重放策略缓解灾难性遗忘；最后，将门控变量作为一种正则化手段增加模型稀疏性，研究了门控变量与持续学习重放策略结合的特殊情况。在Pascal VOC2012数据集上的评估结果表明，在复杂场景10-2， 生成对抗网络 (GAN)、Web的设置中，该文在全部增量步骤结束后的旧任务性能比基线分别提升了3.8%, 3.7%，在场景10-1中，相比于基线分别提升了2.7%, 1.3%。
2024, 46(7): 2918-2931.
doi: 10.11999/JEIT230719
摘要:
显著性目标检测目的是识别和分割图像中的视觉显著性目标，它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络(FCNs)的显著性目标检测方法已经取得了不错的性能，然而现实场景中的显著性目标类型多变且尺寸不固定，这使得准确检测并完整分割出显著性目标仍然是一个巨大的挑战。为此，该文提出集成多种上下文和混合交互的显著性目标检测方法，通过利用密集上下文信息探索模块和多源特征混合交互模块来高效预测显著性目标。密集上下文信息探索模块采用空洞卷积、不对称卷积和密集引导连接渐进地捕获具有强关联性的多尺度和多感受野上下文信息，通过集成这些信息来增强每个初始多层级特征的表达能力。多源特征混合交互模块包含多种特征聚合操作，可以自适应交互来自多层级特征中的互补性信息，以生成用于准确预测显著性图的高质量特征表示。此方法在5个公共数据集上进行了性能测试，实验结果表明，该文方法在不同的评估指标下与19种基于深度学习的显著性目标检测方法相比取得优越的预测性能。
显著性目标检测目的是识别和分割图像中的视觉显著性目标，它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络(FCNs)的显著性目标检测方法已经取得了不错的性能，然而现实场景中的显著性目标类型多变且尺寸不固定，这使得准确检测并完整分割出显著性目标仍然是一个巨大的挑战。为此，该文提出集成多种上下文和混合交互的显著性目标检测方法，通过利用密集上下文信息探索模块和多源特征混合交互模块来高效预测显著性目标。密集上下文信息探索模块采用空洞卷积、不对称卷积和密集引导连接渐进地捕获具有强关联性的多尺度和多感受野上下文信息，通过集成这些信息来增强每个初始多层级特征的表达能力。多源特征混合交互模块包含多种特征聚合操作，可以自适应交互来自多层级特征中的互补性信息，以生成用于准确预测显著性图的高质量特征表示。此方法在5个公共数据集上进行了性能测试，实验结果表明，该文方法在不同的评估指标下与19种基于深度学习的显著性目标检测方法相比取得优越的预测性能。
2024, 46(7): 2932-2941.
doi: 10.11999/JEIT230801
摘要:
为了解决多模态数据的对齐及手语翻译速度较慢的问题，该文提出一个基于自注意力机制模型Transformer的非自回归手语翻译模型(Trans-SLT-NA)，同时引入了对比学习损失函数进行多模态数据的对齐，通过学习输入序列(手语视频)和目标序列(文本)的上下文信息和交互信息，实现一次性地将手语翻译为自然语言。该文所提模型在公开数据集PHOENIX-2014T(德语)、CSL(中文)和How2Sign(英文)上进行实验评估，结果表明该文方法相比于自回归模型翻译速度提升11.6～17.6倍，同时在双语评估辅助指标(BLEU-4)、自动摘要评估指标(ROUGE)指标上也接近自回归模型。
为了解决多模态数据的对齐及手语翻译速度较慢的问题，该文提出一个基于自注意力机制模型Transformer的非自回归手语翻译模型(Trans-SLT-NA)，同时引入了对比学习损失函数进行多模态数据的对齐，通过学习输入序列(手语视频)和目标序列(文本)的上下文信息和交互信息，实现一次性地将手语翻译为自然语言。该文所提模型在公开数据集PHOENIX-2014T(德语)、CSL(中文)和How2Sign(英文)上进行实验评估，结果表明该文方法相比于自回归模型翻译速度提升11.6～17.6倍，同时在双语评估辅助指标(BLEU-4)、自动摘要评估指标(ROUGE)指标上也接近自回归模型。
2024, 46(7): 2942-2951.
doi: 10.11999/JEIT230966
摘要:
针对遥感图像背景噪声多，小目标多且密集排列，以及目标尺度分布广导致的遥感图像小目标难以检测的问题，该文提出一种根据不同尺度的特征信息自适应融合的混合锚检测器AEM-YOLO。首先，提出了一种结合目标宽高信息以及尺度宽高比信息的二坐标系k-means聚类算法，生成与遥感图像数据集匹配度较高的锚框。其次，设计了自适应增强模块，用于解决不同尺度特征之间的直接融合导致的信息冲突，并引入更低特征层沿自底向上的路径传播小目标细节信息。通过混合解耦检测头的多任务学习以及引入尺度引导因子，可以有效提高对宽高比大的目标召回率。最后，在DIOR数据集上进行实验表明，相较于原始模型，AEM-YOLO的AP提高了7.8%，在小中大目标的检测中分别提高了5.4%，7.2%，8.6%。
针对遥感图像背景噪声多，小目标多且密集排列，以及目标尺度分布广导致的遥感图像小目标难以检测的问题，该文提出一种根据不同尺度的特征信息自适应融合的混合锚检测器AEM-YOLO。首先，提出了一种结合目标宽高信息以及尺度宽高比信息的二坐标系k-means聚类算法，生成与遥感图像数据集匹配度较高的锚框。其次，设计了自适应增强模块，用于解决不同尺度特征之间的直接融合导致的信息冲突，并引入更低特征层沿自底向上的路径传播小目标细节信息。通过混合解耦检测头的多任务学习以及引入尺度引导因子，可以有效提高对宽高比大的目标召回率。最后，在DIOR数据集上进行实验表明，相较于原始模型，AEM-YOLO的AP提高了7.8%，在小中大目标的检测中分别提高了5.4%，7.2%，8.6%。
2024, 46(7): 2952-2960.
doi: 10.11999/JEIT231082
摘要:
针对大面阵CMOS图像传感器(CIS)中存在的斜坡信号不一致性问题，该文提出一种用于CMOS图像传感器的斜坡一致性校正方法。该误差校正方法基于误差存储和电平移位思想，在列级读出电路中引入用于存储各列斜坡不一致性误差的存储电容，根据存储的斜坡不一致性误差对各列的斜坡信号进行电平移位，确保斜坡信号的一致性。该文基于55 nm 1P4M CMOS工艺对提出的斜坡一致性校正方法完成了详细电路设计和全面仿真验证。在斜坡信号电压范围为1.4 V，斜坡信号斜率为71.908 V/ms，像素面阵规模为8 192(H)×8 192(V),单个像素尺寸为10 μm的设计条件下，该文提出的校正方法将斜坡不一致性误差从7.89 mV降低至36.8 μV。斜坡信号的微分非线性(DNL)为 +0.0013/–0.004 LSB，积分非线性(INL)为+0.045 /–0.02 LSB，列级固定模式噪声(CFPN)从1.9%降低到0.01%。该文提出的斜坡一致性校正方法在保证斜坡信号高线性度，不显著增加芯片面积和不引入额外功耗的基础上，斜坡不一致性误差降低了99.53%，为高精度CMOS图像传感器的设计提供了一定的理论支撑。
针对大面阵CMOS图像传感器(CIS)中存在的斜坡信号不一致性问题，该文提出一种用于CMOS图像传感器的斜坡一致性校正方法。该误差校正方法基于误差存储和电平移位思想，在列级读出电路中引入用于存储各列斜坡不一致性误差的存储电容，根据存储的斜坡不一致性误差对各列的斜坡信号进行电平移位，确保斜坡信号的一致性。该文基于55 nm 1P4M CMOS工艺对提出的斜坡一致性校正方法完成了详细电路设计和全面仿真验证。在斜坡信号电压范围为1.4 V，斜坡信号斜率为71.908 V/ms，像素面阵规模为8 192(H)×8 192(V),单个像素尺寸为10 μm的设计条件下，该文提出的校正方法将斜坡不一致性误差从7.89 mV降低至36.8 μV。斜坡信号的微分非线性(DNL)为 +0.0013/–0.004 LSB，积分非线性(INL)为+0.045 /–0.02 LSB，列级固定模式噪声(CFPN)从1.9%降低到0.01%。该文提出的斜坡一致性校正方法在保证斜坡信号高线性度，不显著增加芯片面积和不引入额外功耗的基础上，斜坡不一致性误差降低了99.53%，为高精度CMOS图像传感器的设计提供了一定的理论支撑。
2024, 46(7): 2961-2969.
doi: 10.11999/JEIT231067
摘要:
针对柔性设备网络综合调度算法，难以合理选择加工设备加工相关工序进而影响产品完工时间的问题，该文提出考虑同层后道工序的柔性设备网络综合调度算法(SP-FENIS)。首先，采用逆序层优先策略，将各工序分配至逆序层待调度工序集；然后，提出均值逆序紧后路径策略，确定了各逆序层待调度工序集中工序的调度顺序；最后，提出最早完工时间策略和设备空闲插入策略，当工序在柔性设备上最早完工时间相同时，考虑了在柔性设备上的加工时间和同层后道工序的加工设备，确定了目标工序的加工设备以及加工时间。实例表明，和已有算法相比，该算法能够缩短产品完工时间。
针对柔性设备网络综合调度算法，难以合理选择加工设备加工相关工序进而影响产品完工时间的问题，该文提出考虑同层后道工序的柔性设备网络综合调度算法(SP-FENIS)。首先，采用逆序层优先策略，将各工序分配至逆序层待调度工序集；然后，提出均值逆序紧后路径策略，确定了各逆序层待调度工序集中工序的调度顺序；最后，提出最早完工时间策略和设备空闲插入策略，当工序在柔性设备上最早完工时间相同时，考虑了在柔性设备上的加工时间和同层后道工序的加工设备，确定了目标工序的加工设备以及加工时间。实例表明，和已有算法相比，该算法能够缩短产品完工时间。
2024, 46(7): 2970-2980.
doi: 10.11999/JEIT231113
摘要:
风格迁移方法因其较好的域适应性，广泛应用于存在领域差异的计算机视觉领域。当前基于风格迁移的立体匹配任务存在如下挑战: (1)转换后的左右图像需满足配对的前提; (2)转换后图像的内容和空间信息要与原始图像保持一致。针对以上难点，该文提出一种基于边缘领域自适应的立体匹配方法(EDA-Stereo)。首先，构建了边缘引导的生成对抗网络(Edge-GAN)，通过空间特征转换(SFT)层融合边缘信息和合成域图像特征，引导生成器输出保留合成域图像结构特征的伪图像。其次，提出翘曲损失函数以迫使基于转换后的右图像所重建出的左图像向原始左图像进行逼近，防止转换后的左右图像对不匹配。最后，提出基于法线损失的立体匹配网络，通过表征局部深度变化来捕获更多的几何细节，有效提高了匹配精度。通过在合成数据集上训练，在真实数据集上与多种方法进行比较，结果表明本该方法能够有效缓解领域差异，在KITTI 2012和KITTI 2015数据集上的D1误差分别为3.9%和4.8%，比当前先进的域不变立体匹配网络(DSM-Net)方法分别相对降低了37%和26%。
风格迁移方法因其较好的域适应性，广泛应用于存在领域差异的计算机视觉领域。当前基于风格迁移的立体匹配任务存在如下挑战: (1)转换后的左右图像需满足配对的前提; (2)转换后图像的内容和空间信息要与原始图像保持一致。针对以上难点，该文提出一种基于边缘领域自适应的立体匹配方法(EDA-Stereo)。首先，构建了边缘引导的生成对抗网络(Edge-GAN)，通过空间特征转换(SFT)层融合边缘信息和合成域图像特征，引导生成器输出保留合成域图像结构特征的伪图像。其次，提出翘曲损失函数以迫使基于转换后的右图像所重建出的左图像向原始左图像进行逼近，防止转换后的左右图像对不匹配。最后，提出基于法线损失的立体匹配网络，通过表征局部深度变化来捕获更多的几何细节，有效提高了匹配精度。通过在合成数据集上训练，在真实数据集上与多种方法进行比较，结果表明本该方法能够有效缓解领域差异，在KITTI 2012和KITTI 2015数据集上的D1误差分别为3.9%和4.8%，比当前先进的域不变立体匹配网络(DSM-Net)方法分别相对降低了37%和26%。
2024, 46(7): 2981-2993.
doi: 10.11999/JEIT231004
摘要:
为了实现多个蛇形机器人的编队控制，该文提出一种基于误差约束的抗干扰路径跟随方法。该方法使用高度耦合的动态频率补偿器来调整每个机器人的运动速度，以确保编队成员之间位置和速度的一致性。在动力学控制中，通过障碍函数的等效原则消除了虚拟变量的奇异现象，提高了路径跟随的稳定性。此外，该文设计了模型不确定性和外界干扰的预测值，以此来提前补偿机器人的关节偏移量和扭矩输入，从而进一步提高了跟随误差的收敛速度和稳态性能。最后，利用Lyapunov理论证明了该方法的一致最终有界性(UUB)。仿真数据表明，相对于其他经典方法，该文所提模型和控制策略具有更高的跟随精度。
为了实现多个蛇形机器人的编队控制，该文提出一种基于误差约束的抗干扰路径跟随方法。该方法使用高度耦合的动态频率补偿器来调整每个机器人的运动速度，以确保编队成员之间位置和速度的一致性。在动力学控制中，通过障碍函数的等效原则消除了虚拟变量的奇异现象，提高了路径跟随的稳定性。此外，该文设计了模型不确定性和外界干扰的预测值，以此来提前补偿机器人的关节偏移量和扭矩输入，从而进一步提高了跟随误差的收敛速度和稳态性能。最后，利用Lyapunov理论证明了该方法的一致最终有界性(UUB)。仿真数据表明，相对于其他经典方法，该文所提模型和控制策略具有更高的跟随精度。
2024, 46(7): 2994-3001.
doi: 10.11999/JEIT230763
摘要:
多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展，在继承VMD优点的同时，也存在其分解性能很大程度上依赖于两个预置参数——模态数量K 和惩罚系数\begin{document}$ \alpha $\end{document} \begin{document}$ \alpha $\end{document} \begin{document}$ \alpha $\end{document}
多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展，在继承VMD优点的同时，也存在其分解性能很大程度上依赖于两个预置参数——模态数量K 和惩罚系数
2024, 46(7): 3002-3009.
doi: 10.11999/JEIT231093
摘要:
作为一种比较理想的指定验证者签名，变色龙签名(CS)通过在签名算法中嵌入变色龙哈希函数(CHF)对消息进行散列，更简便地解决了签名的2次传递问题。在获得不可传递性的同时，变色龙签名还要求满足不可伪造性、签名者可拒绝性以及不可抵赖性等特性。针对基于大整数分解或离散对数等传统数论难题的CS无法抵御量子计算机攻击，以及随机预言机模型下可证明安全的数字签名方案在实际具体实现中未必安全的问题，该文给出了标准模型下基于格的变色龙签名；进一步地，针对签名者可拒绝性的获得需要耗费其较大的本地存储的问题，给出了标准模型下基于格的无需本地存储的变色龙签名，新方案彻底消除了签名者对本地签名库的依赖，使得签名者能够在不存储原始消息与签名的条件下辅助仲裁者拒绝任意敌手伪造的变色龙签名。特别地，基于格上经典的小整数解问题和差错学习问题，两个方案在标准模型下是可证明安全的。
作为一种比较理想的指定验证者签名，变色龙签名(CS)通过在签名算法中嵌入变色龙哈希函数(CHF)对消息进行散列，更简便地解决了签名的2次传递问题。在获得不可传递性的同时，变色龙签名还要求满足不可伪造性、签名者可拒绝性以及不可抵赖性等特性。针对基于大整数分解或离散对数等传统数论难题的CS无法抵御量子计算机攻击，以及随机预言机模型下可证明安全的数字签名方案在实际具体实现中未必安全的问题，该文给出了标准模型下基于格的变色龙签名；进一步地，针对签名者可拒绝性的获得需要耗费其较大的本地存储的问题，给出了标准模型下基于格的无需本地存储的变色龙签名，新方案彻底消除了签名者对本地签名库的依赖，使得签名者能够在不存储原始消息与签名的条件下辅助仲裁者拒绝任意敌手伪造的变色龙签名。特别地，基于格上经典的小整数解问题和差错学习问题，两个方案在标准模型下是可证明安全的。
2024, 46(7): 3010-3018.
doi: 10.11999/JEIT230923
摘要:
联邦学习作为一种新兴的分布式机器学习框架，通过在用户私有数据不出域的情况下进行联合建模训练，有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而，联邦学习存在着训练滞后的客户端拖累全局训练速度的问题，异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中，而无需等待其他用户训练完成。然而，异步联邦学习也存在着无法识别恶意用户上传的错误模型，以及泄露用户隐私的问题。针对这些问题，该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略，对本地训练的模型添加扰动并上传到服务端，服务端通过投毒检测算法剔除恶意用户，以实现安全聚合(SA)。最后，理论分析和实验表明在异步联邦学习的场景下，提出的方案能够有效识别出恶意用户，保护用户的本地模型隐私，减少隐私泄露风险，并相对于其他方案在模型的准确率上有较大的提升。
联邦学习作为一种新兴的分布式机器学习框架，通过在用户私有数据不出域的情况下进行联合建模训练，有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而，联邦学习存在着训练滞后的客户端拖累全局训练速度的问题，异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中，而无需等待其他用户训练完成。然而，异步联邦学习也存在着无法识别恶意用户上传的错误模型，以及泄露用户隐私的问题。针对这些问题，该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略，对本地训练的模型添加扰动并上传到服务端，服务端通过投毒检测算法剔除恶意用户，以实现安全聚合(SA)。最后，理论分析和实验表明在异步联邦学习的场景下，提出的方案能够有效识别出恶意用户，保护用户的本地模型隐私，减少隐私泄露风险，并相对于其他方案在模型的准确率上有较大的提升。
2024, 46(7): 3019-3025.
doi: 10.11999/JEIT231111
摘要:
适合于任意行重(即行重普适(RWU))的无小环准循环(QC)低密度奇偶校验(LDPC)短码，对于LDPC码的理论研究和工程应用具有重要意义。具有行重普适特性且消除4环6环的现有构造方法，只能针对列重为3和4的情况提供QC-LDPC短码。该文在最大公约数(GCD)框架的基础上，对于列重为5和6的情况，提出了3种具有行重普适特性且消除4环6环的构造方法。与现有的行重普适方法相比，新方法提供的码长从目前的与行重呈4次方关系锐减至与行重呈3次方关系，因而可以为QC-LDPC码的复合构造和高级优化等需要较大列重基础码的场合提供行重普适的无4环无6环短码。此外，与基于计算机搜索的对称结构QC-LDPC码相比，新码不仅无需搜索、描述复杂度更低，而且具有更好的译码性能。
适合于任意行重(即行重普适(RWU))的无小环准循环(QC)低密度奇偶校验(LDPC)短码，对于LDPC码的理论研究和工程应用具有重要意义。具有行重普适特性且消除4环6环的现有构造方法，只能针对列重为3和4的情况提供QC-LDPC短码。该文在最大公约数(GCD)框架的基础上，对于列重为5和6的情况，提出了3种具有行重普适特性且消除4环6环的构造方法。与现有的行重普适方法相比，新方法提供的码长从目前的与行重呈4次方关系锐减至与行重呈3次方关系，因而可以为QC-LDPC码的复合构造和高级优化等需要较大列重基础码的场合提供行重普适的无4环无6环短码。此外，与基于计算机搜索的对称结构QC-LDPC码相比，新码不仅无需搜索、描述复杂度更低，而且具有更好的译码性能。
2024, 46(7): 3026-3035.
doi: 10.11999/JEIT231118
摘要:
5G车联网(5G-V2X)中，内容提供者通过以点对多的传输方式向属于特定区域的一组车辆提供服务消息。针对于车辆获取组播服务遭受的安全威胁与隐私泄露问题，该文提出一种认证和密钥协商方案用于内容提供者与车辆之间的组播服务消息传输。首先，采用无证书聚合签名技术批量验证群组内所有车辆，提高了认证请求的效率。其次，基于多项式密钥管理技术实现安全的密钥协商，使得非法用户或核心网络无法获取共享会话密钥。最后，实现了群组内车辆的动态密钥更新机制，当车辆加入或离开群组时，内容提供者只需要发送1条密钥更新消息即可更新会话密钥。基于形式化验证工具和进一步安全性分析表明，所提方案可以保证匿名性、不可链接性、前向和后向安全性以及抗共谋攻击等安全需求。与现有方案相比，计算效率提高了约34.2%。
5G车联网(5G-V2X)中，内容提供者通过以点对多的传输方式向属于特定区域的一组车辆提供服务消息。针对于车辆获取组播服务遭受的安全威胁与隐私泄露问题，该文提出一种认证和密钥协商方案用于内容提供者与车辆之间的组播服务消息传输。首先，采用无证书聚合签名技术批量验证群组内所有车辆，提高了认证请求的效率。其次，基于多项式密钥管理技术实现安全的密钥协商，使得非法用户或核心网络无法获取共享会话密钥。最后，实现了群组内车辆的动态密钥更新机制，当车辆加入或离开群组时，内容提供者只需要发送1条密钥更新消息即可更新会话密钥。基于形式化验证工具和进一步安全性分析表明，所提方案可以保证匿名性、不可链接性、前向和后向安全性以及抗共谋攻击等安全需求。与现有方案相比，计算效率提高了约34.2%。
2024, 46(7): 3036-3045.
doi: 10.11999/JEIT231074
摘要:
针对智能交通系统(ITS)中车载用户出行信息容易被非法盗用、交通系统云端服务器存储的交通数据被恶意用户非法滥用等问题，该文提出一种新的属性基可搜索加密(ABSE)方案，该方案具有隐私保护、密钥聚合和轻量计算等功能。该方案在密钥生成阶段、访问控制阶段和部分解密阶段实现了全隐私保护；将搜索关键字嵌入到访问结构中，在实现部分策略隐藏的同时保证了关键字安全；通过密钥聚合技术，将所有满足搜索条件和访问策略的文件标识聚合成一个聚合密钥，减轻用户的密钥存储负担，保障文件密钥安全的同时进一步保障了数据安全。安全性分析表明，该方案具有隐藏访问结构安全、关键字密文不可区分安全和陷门不可区分安全。理论分析和数值模拟显示所提方案在通信和计算方面的开销是高效且实用的。
针对智能交通系统(ITS)中车载用户出行信息容易被非法盗用、交通系统云端服务器存储的交通数据被恶意用户非法滥用等问题，该文提出一种新的属性基可搜索加密(ABSE)方案，该方案具有隐私保护、密钥聚合和轻量计算等功能。该方案在密钥生成阶段、访问控制阶段和部分解密阶段实现了全隐私保护；将搜索关键字嵌入到访问结构中，在实现部分策略隐藏的同时保证了关键字安全；通过密钥聚合技术，将所有满足搜索条件和访问策略的文件标识聚合成一个聚合密钥，减轻用户的密钥存储负担，保障文件密钥安全的同时进一步保障了数据安全。安全性分析表明，该方案具有隐藏访问结构安全、关键字密文不可区分安全和陷门不可区分安全。理论分析和数值模拟显示所提方案在通信和计算方面的开销是高效且实用的。
2024, 46(7): 3046-3053.
doi: 10.11999/JEIT230953
摘要:
随着智能设备的普及，数字媒体内容的传播和分享变得更加便捷，人们可以通过手机拍摄屏幕等简单方式轻松获取未经授权的信息，导致屏幕拍摄传播成为版权侵权的热点问题。为此，该文针对屏幕盗摄版权保护任务提出一种端到端的基于可逆神经网络和逆梯度注意力的抗屏摄攻击图像水印框架，实现屏幕盗摄场景下版权维护的目标。该文将水印的嵌入和提取视为相互关联的逆问题，利用可逆神经网络实现编解码网络的一体化，有助于减少信息传递损失。进一步地，通过引入逆梯度注意模块，捕捉载体图像中鲁棒性强且视觉质量高的像素值，并将水印信息嵌入到载体图像中不易被察觉和破坏的区域，保证水印的不可见性和模型的鲁棒性。最后，通过可学习感知图像块相似度(LPIPS)损失函数优化模型参数，指导模型最小化水印图像感知差异。实验结果表明，所提方法在鲁棒性和水印图像视觉质量上优于目前同类的基于深度学习的抗屏摄攻击水印方法。
随着智能设备的普及，数字媒体内容的传播和分享变得更加便捷，人们可以通过手机拍摄屏幕等简单方式轻松获取未经授权的信息，导致屏幕拍摄传播成为版权侵权的热点问题。为此，该文针对屏幕盗摄版权保护任务提出一种端到端的基于可逆神经网络和逆梯度注意力的抗屏摄攻击图像水印框架，实现屏幕盗摄场景下版权维护的目标。该文将水印的嵌入和提取视为相互关联的逆问题，利用可逆神经网络实现编解码网络的一体化，有助于减少信息传递损失。进一步地，通过引入逆梯度注意模块，捕捉载体图像中鲁棒性强且视觉质量高的像素值，并将水印信息嵌入到载体图像中不易被察觉和破坏的区域，保证水印的不可见性和模型的鲁棒性。最后，通过可学习感知图像块相似度(LPIPS)损失函数优化模型参数，指导模型最小化水印图像感知差异。实验结果表明，所提方法在鲁棒性和水印图像视觉质量上优于目前同类的基于深度学习的抗屏摄攻击水印方法。
2024, 46(7): 3054-3062.
doi: 10.11999/JEIT231123
摘要:
多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用。然而，目前缺少一种高效的可配置2-D卷积器设计方法，这限制了卷积神经网络(CNN)模型在边缘端的部署和应用。该文基于乘法管理以及奇平方数的三角数分解方法，提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器。所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元，前者负责运算任务，后者负责管理乘法运算的组合，二者结合以实现不同尺寸的卷积。具体地，首先根据应用场景确定一个奇数列表，列表中为2-D卷积器所支持的尺寸，并利用三角数分解得到对应的三角数列表；其次，根据三角数列表和计算需求，确定PE的总数量；最后，基于以小凑大的方法，确定PE的互连方式，完成电路设计。该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现，由Vivado 2022.2在XCZU7EG板卡上进行仿真和分析。实验结果表明，相比同类方法，该文所提可配置2-D卷积器，乘法资源利用率得到显著提升，由20%～50%提升至89%，并以514个逻辑单元实现1 500 MB/s的吞吐率，具有广泛的适用性。
多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用。然而，目前缺少一种高效的可配置2-D卷积器设计方法，这限制了卷积神经网络(CNN)模型在边缘端的部署和应用。该文基于乘法管理以及奇平方数的三角数分解方法，提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器。所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元，前者负责运算任务，后者负责管理乘法运算的组合，二者结合以实现不同尺寸的卷积。具体地，首先根据应用场景确定一个奇数列表，列表中为2-D卷积器所支持的尺寸，并利用三角数分解得到对应的三角数列表；其次，根据三角数列表和计算需求，确定PE的总数量；最后，基于以小凑大的方法，确定PE的互连方式，完成电路设计。该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现，由Vivado 2022.2在XCZU7EG板卡上进行仿真和分析。实验结果表明，相比同类方法，该文所提可配置2-D卷积器，乘法资源利用率得到显著提升，由20%～50%提升至89%，并以514个逻辑单元实现1 500 MB/s的吞吐率，具有广泛的适用性。
