邮件订阅
优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。本栏目内容尚未正式出版，未经编辑部许可，不得转载。
显示方式:
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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，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，构建引物索引矩阵，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，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，构建引物索引矩阵，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。
, 最新更新时间 , doi: 10.11999/JEIT240062
摘要:
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的 航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的 航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
, 最新更新时间 , doi: 10.11999/JEIT240297
摘要:
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
, 最新更新时间 , doi: 10.11999/JEIT231272
摘要:
在信息时代，信息安全是最不能忽视的重要问题，对密码设备的攻击和防护是该领域的研究热点。近年来，多种对密码设备的攻击已为人所知，其目的都是为了获取设备中的密钥，在众多攻击中，功耗侧信道攻击是最受关注的攻击技术之一 。掩码技术是对抗功耗侧信道攻击的有效方法，然而随着攻击手段的不断进步，一阶掩码的防护已经不足以应对二阶及以上的功耗分析攻击，因此对高阶掩码的研究具有重要的意义。为了提升加密电路抗攻击能力，该文基于秘密共享的思想，对分组密码算法的S盒变换实施了高阶掩码防护——共享型掩码，并基于Ishai等人在Crypto 2003上发表的安全方案(ISW框架)提出了有限域安全乘法的通用设计方法。通过实验表明，该文提出的共享型掩码方案不影响加密算法的功能，同时能抵御一阶和二阶相关功耗分析攻击。
在信息时代，信息安全是最不能忽视的重要问题，对密码设备的攻击和防护是该领域的研究热点。近年来，多种对密码设备的攻击已为人所知，其目的都是为了获取设备中的密钥，在众多攻击中，功耗侧信道攻击是最受关注的攻击技术之一 。掩码技术是对抗功耗侧信道攻击的有效方法，然而随着攻击手段的不断进步，一阶掩码的防护已经不足以应对二阶及以上的功耗分析攻击，因此对高阶掩码的研究具有重要的意义。为了提升加密电路抗攻击能力，该文基于秘密共享的思想，对分组密码算法的S盒变换实施了高阶掩码防护——共享型掩码，并基于Ishai等人在Crypto 2003上发表的安全方案(ISW框架)提出了有限域安全乘法的通用设计方法。通过实验表明，该文提出的共享型掩码方案不影响加密算法的功能，同时能抵御一阶和二阶相关功耗分析攻击。
, 最新更新时间 , doi: 10.11999/JEIT240130
摘要:
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
, 最新更新时间 , doi: 10.11999/JEIT240123
摘要:
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测方法。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，相比与已有检测方法，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测方法。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，相比与已有检测方法，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
, 最新更新时间 , doi: 10.11999/JEIT240318
摘要:
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
, 最新更新时间 , doi: 10.11999/JEIT240172
摘要:
深度学习的发展推动了高精度遥感图像智能解译模型的涌现。然而，目前遥感智能解译模型大多基于预先定义的静态数据集独立训练，难以适应环境开放和需求动态的实际应用，严重阻碍了遥感智能解译模型的广域和长期运用。增量学习能使模型持续学习新知识，并保持对旧知识的记忆，近年来，被广泛应用于推动遥感智能解译模型演化、提升模型智能解译性能。该文面向多模态遥感数据、不同类型解译任务，全面调研了遥感图像智能解译增量学习方法，从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上，从促进遥感图像解译模型进化研究的角度，展望和讨论了遥感领域增量学习的未来研究方向。
深度学习的发展推动了高精度遥感图像智能解译模型的涌现。然而，目前遥感智能解译模型大多基于预先定义的静态数据集独立训练，难以适应环境开放和需求动态的实际应用，严重阻碍了遥感智能解译模型的广域和长期运用。增量学习能使模型持续学习新知识，并保持对旧知识的记忆，近年来，被广泛应用于推动遥感智能解译模型演化、提升模型智能解译性能。该文面向多模态遥感数据、不同类型解译任务，全面调研了遥感图像智能解译增量学习方法，从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上，从促进遥感图像解译模型进化研究的角度，展望和讨论了遥感领域增量学习的未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT231470
摘要:
为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力，该文研究了SAR ATR的小样本类增量学习(FSCIL)问题，并提出了自监督解耦动态分类器(SDDC)。针对FSCIL 中“灾难性遗忘”和“过拟合”本质难点和SAR ATR领域挑战，根据SAR图像目标信息的部件化与方位角敏感性特点，于图像域构建了基于散射部件混淆与旋转模块(SCMR)的自监督学习任务，以提升目标表征的泛化性与稳健性。同时，设计了类印记交叉熵(CI-CE)损失并以参数解耦学习(PDL)策略对模型动态微调，以对新旧知识平衡判别。实验在由MSTAR和SAR-AIRcraft-1.0数据集分别构建的覆盖多种目标类别、观测条件和成像平台的FSCIL场景上验证了该算法开放动态环境的适应能力。
为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力，该文研究了SAR ATR的小样本类增量学习(FSCIL)问题，并提出了自监督解耦动态分类器(SDDC)。针对FSCIL 中“灾难性遗忘”和“过拟合”本质难点和SAR ATR领域挑战，根据SAR图像目标信息的部件化与方位角敏感性特点，于图像域构建了基于散射部件混淆与旋转模块(SCMR)的自监督学习任务，以提升目标表征的泛化性与稳健性。同时，设计了类印记交叉熵(CI-CE)损失并以参数解耦学习(PDL)策略对模型动态微调，以对新旧知识平衡判别。实验在由MSTAR和SAR-AIRcraft-1.0数据集分别构建的覆盖多种目标类别、观测条件和成像平台的FSCIL场景上验证了该算法开放动态环境的适应能力。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231274
摘要:
因具有突出的表征和融合能力，深度学习方法近年来越来越多地被应用于多模态情感分析领域。已有的研究大多利用文字、面部表情、语音语调等多模态信息对人物的情绪进行分析，并主要使用复杂的融合方法。然而，现有模型在长时间序列中未充分考虑情感的动态变化，导致情感分析性能不佳。针对这一问题，该文提出非语言信息增强和对比学习的多模态情感分析网络模型。首先，使用长程文本信息去促使模型学习音频和视频在长时间序列中的动态变化，然后，通过门控机制消除模态间的冗余信息和语义歧义。最后，使用对比学习加强模态间的交互，提升模型的泛化性。实验结果表明，在数据集CMU-MOSI上，该模型将皮尔逊相关系数(Corr)和F1值分别提高了3.7%和2.1%；而在数据集CMU-MOSEI上，该模型将“Corr”和“F1值”分别提高了1.4%和1.1%。因此，该文提出的模型可以有效利用模态间的交互信息，并去除信息冗余。
因具有突出的表征和融合能力，深度学习方法近年来越来越多地被应用于多模态情感分析领域。已有的研究大多利用文字、面部表情、语音语调等多模态信息对人物的情绪进行分析，并主要使用复杂的融合方法。然而，现有模型在长时间序列中未充分考虑情感的动态变化，导致情感分析性能不佳。针对这一问题，该文提出非语言信息增强和对比学习的多模态情感分析网络模型。首先，使用长程文本信息去促使模型学习音频和视频在长时间序列中的动态变化，然后，通过门控机制消除模态间的冗余信息和语义歧义。最后，使用对比学习加强模态间的交互，提升模型的泛化性。实验结果表明，在数据集CMU-MOSI上，该模型将皮尔逊相关系数(Corr)和F1值分别提高了3.7%和2.1%；而在数据集CMU-MOSEI上，该模型将“Corr”和“F1值”分别提高了1.4%和1.1%。因此，该文提出的模型可以有效利用模态间的交互信息，并去除信息冗余。
, 最新更新时间 , doi: 10.11999/JEIT231170
摘要:
为了深入挖掘伪装目标特征信息含量、充分发挥目标检测算法潜能，解决伪装目标检测精度低、漏检率高等问题，该文提出一种多模态图像特征级融合的伪装目标检测算法(CAFM-YOLOv5)。首先，构建伪装目标多波谱数据集用于多模态图像融合方法性能验证；其次，构建双流卷积通道用于可见光和红外图像特征提取；最后，基于通道注意力机制和空间注意力机制提出一种交叉注意力融合模块，以实现两种不同特征有效融合。实验结果表明，模型的检测精度达到96.4%、识别概率88.1%，优于YOLOv5参考网络；同时，在与YOLOv8等单模态检测算法、SLBAF-Net等多模态检测算法比较过程中，该算法在检测精度等指标上也体现出巨大优势。可见该方法对于战场军事目标检测具有实际应用价值，能够有效提升战场态势信息感知能力。
为了深入挖掘伪装目标特征信息含量、充分发挥目标检测算法潜能，解决伪装目标检测精度低、漏检率高等问题，该文提出一种多模态图像特征级融合的伪装目标检测算法(CAFM-YOLOv5)。首先，构建伪装目标多波谱数据集用于多模态图像融合方法性能验证；其次，构建双流卷积通道用于可见光和红外图像特征提取；最后，基于通道注意力机制和空间注意力机制提出一种交叉注意力融合模块，以实现两种不同特征有效融合。实验结果表明，模型的检测精度达到96.4%、识别概率88.1%，优于YOLOv5参考网络；同时，在与YOLOv8等单模态检测算法、SLBAF-Net等多模态检测算法比较过程中，该算法在检测精度等指标上也体现出巨大优势。可见该方法对于战场军事目标检测具有实际应用价值，能够有效提升战场态势信息感知能力。
, 最新更新时间 , doi: 10.11999/JEIT231234
摘要:
纵向联邦学习中，各个客户端持有的数据集中包含有重叠的样本ID和不同维度的样本特征，需要进行数据对齐以适应模型训练。现有数据对齐技术一般将各方样本ID交集作为公开信息，如何在不泄露样本ID交集的前提下实现数据对齐成为亟需解决的问题。基于可交换加密和同态加密技术，该文构造了隐私保护的数据对齐框架ALIGN，包括数据加密、密文盲化、密文求交和特征拼接等步骤，使得相同的原始样本ID经过双重可交换加密可变换为相同的密文，并且对样本特征经同态加密后又进行了盲化处理。ALIGN框架能够对参与方样本ID的密文求交，将交集内样本ID对应的全部特征数据进行拼接并以秘密分享形式分配给参与方。相比现有数据对齐技术，该框架不仅能够保护样本ID交集的隐私性，同时能安全地删除样本ID交集外的样本信息。对ALIGN框架的安全性证明表明，除数据规模外，各客户端不能通过数据对齐获得关于对方数据的任何信息，保证了隐私保护策略的有效性。与现有工作相比，每增加10%的冗余数据，ALIGN框架利用所得数据对齐结果可将模型训练时间缩短约1.3秒，将模型训练准确度稳定在85%以上。仿真实验结果表明，通过ALIGN框架进行纵向联邦学习数据对齐，有利于提升后续模型训练的效率和模型准确度。
纵向联邦学习中，各个客户端持有的数据集中包含有重叠的样本ID和不同维度的样本特征，需要进行数据对齐以适应模型训练。现有数据对齐技术一般将各方样本ID交集作为公开信息，如何在不泄露样本ID交集的前提下实现数据对齐成为亟需解决的问题。基于可交换加密和同态加密技术，该文构造了隐私保护的数据对齐框架ALIGN，包括数据加密、密文盲化、密文求交和特征拼接等步骤，使得相同的原始样本ID经过双重可交换加密可变换为相同的密文，并且对样本特征经同态加密后又进行了盲化处理。ALIGN框架能够对参与方样本ID的密文求交，将交集内样本ID对应的全部特征数据进行拼接并以秘密分享形式分配给参与方。相比现有数据对齐技术，该框架不仅能够保护样本ID交集的隐私性，同时能安全地删除样本ID交集外的样本信息。对ALIGN框架的安全性证明表明，除数据规模外，各客户端不能通过数据对齐获得关于对方数据的任何信息，保证了隐私保护策略的有效性。与现有工作相比，每增加10%的冗余数据，ALIGN框架利用所得数据对齐结果可将模型训练时间缩短约1.3秒，将模型训练准确度稳定在85%以上。仿真实验结果表明，通过ALIGN框架进行纵向联邦学习数据对齐，有利于提升后续模型训练的效率和模型准确度。
, 最新更新时间 , doi: 10.11999/JEIT240102
摘要:
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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
, 最新更新时间 , doi: 10.11999/JEIT240149
摘要:
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT231421
摘要:
非视距(NLOS)传输会引起全球卫星导航系统(GNSS)接收机的伪距测量误差，最终导致定位解出现较大误差，这一问题在城市峡谷等复杂环境下尤为突出。针对该问题，该文提出核密度估计的鲁棒定位方法，其核心思想是在定位解算中引入鲁棒估计来缓解NLOS的影响。考虑到NLOS引起的伪距观测误差偏离高斯分布，所提方法首先利用核密度估计(KDE)方法估计伪距观测误差的概率密度函数，并利用该概率密度函数来构造鲁棒代价函数用于导航解算，从而缓解NLOS引起的定位误差。实验结果表明所提方法在卫星存在NLOS传输时能够较好地减小GNSS的定位误差。
非视距(NLOS)传输会引起全球卫星导航系统(GNSS)接收机的伪距测量误差，最终导致定位解出现较大误差，这一问题在城市峡谷等复杂环境下尤为突出。针对该问题，该文提出核密度估计的鲁棒定位方法，其核心思想是在定位解算中引入鲁棒估计来缓解NLOS的影响。考虑到NLOS引起的伪距观测误差偏离高斯分布，所提方法首先利用核密度估计(KDE)方法估计伪距观测误差的概率密度函数，并利用该概率密度函数来构造鲁棒代价函数用于导航解算，从而缓解NLOS引起的定位误差。实验结果表明所提方法在卫星存在NLOS传输时能够较好地减小GNSS的定位误差。
, 最新更新时间 , doi: 10.11999/JEIT231324
摘要:
为解决基于信道先验知识的联合波束赋形方法受限于多变的车辆与交通基础设施(V2I)通信场景且信道估计开销过大等问题，该文结合环境态势感知，提出一种基于无线传播链路预测的联合波束赋形方法。该方法首先利用射线追踪模拟器构建了可重构智能表面(RIS)辅助的V2I毫米波通信系统模型，通过改变环境态势以获取多样的无线传播链路数据来构建数据集。其次，使用该数据集训练基于机器学习的无线传播链路预测模型。最后，在最大发射功率约束条件下，构建了联合波束赋形问题模型，并基于预测结果采用交替迭代优化方法(AIOA)优化基站波束赋形矩阵和RIS相移矩阵，以实现同步通信车辆用户最小信干噪比(SINR)的最大化。仿真结果验证了该方法的有效性，通过引入非信道先验知识驱动，降低了信道探测开销，提高了该方法在V2I场景中的可行性。
为解决基于信道先验知识的联合波束赋形方法受限于多变的车辆与交通基础设施(V2I)通信场景且信道估计开销过大等问题，该文结合环境态势感知，提出一种基于无线传播链路预测的联合波束赋形方法。该方法首先利用射线追踪模拟器构建了可重构智能表面(RIS)辅助的V2I毫米波通信系统模型，通过改变环境态势以获取多样的无线传播链路数据来构建数据集。其次，使用该数据集训练基于机器学习的无线传播链路预测模型。最后，在最大发射功率约束条件下，构建了联合波束赋形问题模型，并基于预测结果采用交替迭代优化方法(AIOA)优化基站波束赋形矩阵和RIS相移矩阵，以实现同步通信车辆用户最小信干噪比(SINR)的最大化。仿真结果验证了该方法的有效性，通过引入非信道先验知识驱动，降低了信道探测开销，提高了该方法在V2I场景中的可行性。
, 最新更新时间 , doi: 10.11999/JEIT230945
摘要:
该文针对漂流浮标的轨迹预测问题，提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异，针对海面漂流浮标的流体载荷计算也较为复杂。因此，该文根据漂流浮标历史轨迹形成的多维时间序列，提出更具有普适性的基于数据驱动的轨迹预测模型。该模型将粒子群优化算法(PSO)与门控循环单元(GRU)结合，使用PSO算法对GRU神经网络的超参数进行初始化，经过多次迁移迭代训练后获得最优漂流浮标轨迹预测模型。最后使用多个北大西洋真实漂流浮标轨迹数据进行验证，结果表明PSOGRU算法能够实现准确的漂流浮标轨迹预测。
该文针对漂流浮标的轨迹预测问题，提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异，针对海面漂流浮标的流体载荷计算也较为复杂。因此，该文根据漂流浮标历史轨迹形成的多维时间序列，提出更具有普适性的基于数据驱动的轨迹预测模型。该模型将粒子群优化算法(PSO)与门控循环单元(GRU)结合，使用PSO算法对GRU神经网络的超参数进行初始化，经过多次迁移迭代训练后获得最优漂流浮标轨迹预测模型。最后使用多个北大西洋真实漂流浮标轨迹数据进行验证，结果表明PSOGRU算法能够实现准确的漂流浮标轨迹预测。
, 最新更新时间 , doi: 10.11999/JEIT240210
摘要:
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
, 最新更新时间 , doi: 10.11999/JEIT231436
摘要:
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
, 最新更新时间 , doi: 10.11999/JEIT240007
摘要:
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
, 最新更新时间 , doi: 10.11999/JEIT240025
摘要:
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT240142
摘要:
无监督持续学习(UCL)是指能够随着时间的推移而学习，同时在没有监督的情况下记住以前的模式。虽然在这个方向上取得了很大进展，但现有工作通常假设对于即将到来的数据有强大的先验知识(例如，知道类别边界)，在复杂和不可预测的开放环境中可能无法获得这些知识。受到现实场景的启发，该文提出一个更实际的问题设置，称为无先验知识的在线自监督持续学习。所提设置具有挑战性，因为数据是非独立同分布的且缺乏外部监督、没有先验知识。为了解决这些挑战，该文提出一种进化网络模型(英文名EvolveNet)，它是一种无先验知识的自适应自监督持续学习方法，能够纯粹地从数据连续体中提取和记忆表示。EvolveNet围绕3个主要组件设计：对抗伪监督学习损失、自监督遗忘损失和在线记忆更新，以进行均匀子集选择。这3个组件的设计旨在协同工作，以最大化学习性能。该文在5个公开数据集上对EvolveNet进行了全面实验。结果显示，在所有设置中，EvolveNet优于现有算法，在CIFAR-10,CIFAR-100和TinyImageNet数据集上的准确率显著提高，同时在针对增量学习的多模态数据集Core-50和iLab-20M上也表现最佳。该文还进行了跨数据集的泛化实验，结果显示EvolveNet在泛化方面更加稳健。最后，在Github上开源了EvolveNet模型和核心代码，促进了无监督持续学习的进展，并为研究社区提供了有用的工具和平台。
无监督持续学习(UCL)是指能够随着时间的推移而学习，同时在没有监督的情况下记住以前的模式。虽然在这个方向上取得了很大进展，但现有工作通常假设对于即将到来的数据有强大的先验知识(例如，知道类别边界)，在复杂和不可预测的开放环境中可能无法获得这些知识。受到现实场景的启发，该文提出一个更实际的问题设置，称为无先验知识的在线自监督持续学习。所提设置具有挑战性，因为数据是非独立同分布的且缺乏外部监督、没有先验知识。为了解决这些挑战，该文提出一种进化网络模型(英文名EvolveNet)，它是一种无先验知识的自适应自监督持续学习方法，能够纯粹地从数据连续体中提取和记忆表示。EvolveNet围绕3个主要组件设计：对抗伪监督学习损失、自监督遗忘损失和在线记忆更新，以进行均匀子集选择。这3个组件的设计旨在协同工作，以最大化学习性能。该文在5个公开数据集上对EvolveNet进行了全面实验。结果显示，在所有设置中，EvolveNet优于现有算法，在CIFAR-10,CIFAR-100和TinyImageNet数据集上的准确率显著提高，同时在针对增量学习的多模态数据集Core-50和iLab-20M上也表现最佳。该文还进行了跨数据集的泛化实验，结果显示EvolveNet在泛化方面更加稳健。最后，在Github上开源了EvolveNet模型和核心代码，促进了无监督持续学习的进展，并为研究社区提供了有用的工具和平台。
, 最新更新时间 , doi: 10.11999/JEIT240151
摘要:
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT240083
摘要:
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
, 最新更新时间 , doi: 10.11999/JEIT240012
摘要:
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
, 最新更新时间 , doi: 10.11999/JEIT240091
摘要:
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231240
摘要:
面对工业生产过程中大规模、多样且随时间增长的数据和机器学习任务，该文提出一种基于信息熵的联邦增量学习(FIL)与优化方法。基于联邦框架，各本地计算节点可利用本地数据进行模型训练，并计算信息平均熵上传至服务器，以此辅助识别类增任务；全局服务器则根据本地反馈的平均熵选择参与当前轮次训练的本地节点，并判决任务是否产生增量后，进行全局模型下发与聚合更新。所提方法结合平均熵和阈值进行不同情况下的节点选择，实现低平均熵下的模型稳定学习和高平均熵下的模型增量式扩展。在此基础上，采用凸优化，在资源有限的情况下自适应地调整聚合频率和资源分配，最终实现模型的有效收敛。仿真结果表明，在不同的情景下，该文所提方法都可以加速模型收敛并提升训练精度。
面对工业生产过程中大规模、多样且随时间增长的数据和机器学习任务，该文提出一种基于信息熵的联邦增量学习(FIL)与优化方法。基于联邦框架，各本地计算节点可利用本地数据进行模型训练，并计算信息平均熵上传至服务器，以此辅助识别类增任务；全局服务器则根据本地反馈的平均熵选择参与当前轮次训练的本地节点，并判决任务是否产生增量后，进行全局模型下发与聚合更新。所提方法结合平均熵和阈值进行不同情况下的节点选择，实现低平均熵下的模型稳定学习和高平均熵下的模型增量式扩展。在此基础上，采用凸优化，在资源有限的情况下自适应地调整聚合频率和资源分配，最终实现模型的有效收敛。仿真结果表明，在不同的情景下，该文所提方法都可以加速模型收敛并提升训练精度。
, 最新更新时间 , doi: 10.11999/JEIT231376
摘要:
针对最大似然DOA估计算法需要多维搜索、计算量大且面临着在网格估计的问题，该文提出一种基于泰勒展开的离网格交替投影最大似然算法。该方法首先利用交替投影将多维搜索转化为多个1维搜索，获得对应预设大网格的粗估计结果，再利用矩阵求导理论将1维代价函数在粗估计结果处进行2阶泰勒展开，最后，通过对2阶泰勒展开求偏导并令导数等于零，求得离网参数的闭式解。与交替投影最大似然算法相比，该方法突破了搜索网格大小的限制，在保证算法精度的同时，有效减少了算法的在网格计算点数，提升了运算效率。仿真结果证明了该算法的有效性。
针对最大似然DOA估计算法需要多维搜索、计算量大且面临着在网格估计的问题，该文提出一种基于泰勒展开的离网格交替投影最大似然算法。该方法首先利用交替投影将多维搜索转化为多个1维搜索，获得对应预设大网格的粗估计结果，再利用矩阵求导理论将1维代价函数在粗估计结果处进行2阶泰勒展开，最后，通过对2阶泰勒展开求偏导并令导数等于零，求得离网参数的闭式解。与交替投影最大似然算法相比，该方法突破了搜索网格大小的限制，在保证算法精度的同时，有效减少了算法的在网格计算点数，提升了运算效率。仿真结果证明了该算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT231267
摘要:
利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展，多模态遥感影像间良好的优势互补性受到广泛关注，对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据，并针对现实场景中完全配准的高程数据不足导致两类数据融合分类精度不足的问题，提出一种基于多模态遥感数据的多任务协同模型(UR-PSPNet)，该模型提取光学图像的深层特征，预测语义标签和高程值，并将高程数据作为监督信息嵌入，以提升目标分割的准确性。该文设计了基于ISPRS的对比实验，证明了该算法可以更好地融合多模态数据特征，提升了光学遥感影像目标分割的精度。
利用语义分割技术提取的高分辨率遥感影像目标分割具有重要的应用前景。随着多传感器技术的飞速发展，多模态遥感影像间良好的优势互补性受到广泛关注，对其联合分析成为研究热点。该文同时分析光学遥感影像和高程数据，并针对现实场景中完全配准的高程数据不足导致两类数据融合分类精度不足的问题，提出一种基于多模态遥感数据的多任务协同模型(UR-PSPNet)，该模型提取光学图像的深层特征，预测语义标签和高程值，并将高程数据作为监督信息嵌入，以提升目标分割的准确性。该文设计了基于ISPRS的对比实验，证明了该算法可以更好地融合多模态数据特征，提升了光学遥感影像目标分割的精度。
, 最新更新时间 , doi: 10.11999/JEIT231064
摘要:
针对类增量学习(CIL)中的灾难性遗忘问题，该文提出一种不同类的数据流和特征空间双分离的类增量学习算法。双分离(S2)算法在1次增量任务中包含2个阶段。第1个阶段通过分类损失、蒸馏损失和对比损失的综合约束训练网络。根据模块功能对各类的数据流进行分离，以增强新网络对新类别的识别能力。通过对比损失的约束，增大各类数据在特征空间中的距离，避免由于旧类样本的不完备性造成特征空间被新类侵蚀。第2个阶段对不均衡的数据集进行动态均衡采样，利用得到的均衡数据集对新网络进行动态微调。利用实测和仿真数据构建了一个飞机目标高分辨率距离像增量学习数据集，实验结果表明该算法相比其它几种对比算法在保持高可塑性的同时，具有更高的稳定性，综合性能更优。
针对类增量学习(CIL)中的灾难性遗忘问题，该文提出一种不同类的数据流和特征空间双分离的类增量学习算法。双分离(S2)算法在1次增量任务中包含2个阶段。第1个阶段通过分类损失、蒸馏损失和对比损失的综合约束训练网络。根据模块功能对各类的数据流进行分离，以增强新网络对新类别的识别能力。通过对比损失的约束，增大各类数据在特征空间中的距离，避免由于旧类样本的不完备性造成特征空间被新类侵蚀。第2个阶段对不均衡的数据集进行动态均衡采样，利用得到的均衡数据集对新网络进行动态微调。利用实测和仿真数据构建了一个飞机目标高分辨率距离像增量学习数据集，实验结果表明该算法相比其它几种对比算法在保持高可塑性的同时，具有更高的稳定性，综合性能更优。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT240057
摘要:
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT231290
摘要:
在3维空间机动目标跟踪过程中，目标运动先验未知和坐标耦合误差会引起运动模型-模式失配，而模型-模式失配会引起状态估计有偏。该文根据目标运动速度正交条件修正状态转移矩阵，利用原始-对偶正则约束空间测量到球面可行域，结合自适应转弯率模型和无迹卡尔曼滤波(UKF)，进行模型状态滤波并融合状态估计的一致输出，推导3维变结构多模型无迹卡尔曼滤波(VSMMUKF)算法。实验结果表明，相比多模重要性无迹卡尔曼滤波(MIUKF)算法，VSMMUKF计算量相当，能够更准确地拟合3维空间点目标机动运动。相比于交互多模型最大最小粒子滤波(IMM-MPF)算法，VSMMUKF跟踪固定翼无人机(UAV)的滤波精度提升了2.8%～59.9%，整体算法负担减小了1个数量级。
在3维空间机动目标跟踪过程中，目标运动先验未知和坐标耦合误差会引起运动模型-模式失配，而模型-模式失配会引起状态估计有偏。该文根据目标运动速度正交条件修正状态转移矩阵，利用原始-对偶正则约束空间测量到球面可行域，结合自适应转弯率模型和无迹卡尔曼滤波(UKF)，进行模型状态滤波并融合状态估计的一致输出，推导3维变结构多模型无迹卡尔曼滤波(VSMMUKF)算法。实验结果表明，相比多模重要性无迹卡尔曼滤波(MIUKF)算法，VSMMUKF计算量相当，能够更准确地拟合3维空间点目标机动运动。相比于交互多模型最大最小粒子滤波(IMM-MPF)算法，VSMMUKF跟踪固定翼无人机(UAV)的滤波精度提升了2.8%～59.9%，整体算法负担减小了1个数量级。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT240010
摘要:
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
, 最新更新时间 , doi: 10.11999/JEIT231335
摘要:
由于机载气象雷达前视阵下存在非均匀性地杂波，导致难以获得足够的独立同分布样本，影响杂波协方差矩阵准确估计，进而影响风速估计。对此，该文提出一种基于卷积神经网络STAP的低空风切变风速估计方法，通过少量样本就能够实现高分辨杂波空时谱估计。首先，基于卷积神经网络模型训练好高分辨杂波空时谱卷积神经网络，接着计算杂波协方差矩阵，进而计算卷积神经网络STAP最优权矢量进行杂波抑制，达到对低空风切变风速精确估计。该文在小样本情况下，将稀疏恢复问题通过卷积神经网络实现，完成对高分辨杂波空时谱有效估计，仿真实验结果表明该方法可以有效估计空时谱，并完成风速估计。
由于机载气象雷达前视阵下存在非均匀性地杂波，导致难以获得足够的独立同分布样本，影响杂波协方差矩阵准确估计，进而影响风速估计。对此，该文提出一种基于卷积神经网络STAP的低空风切变风速估计方法，通过少量样本就能够实现高分辨杂波空时谱估计。首先，基于卷积神经网络模型训练好高分辨杂波空时谱卷积神经网络，接着计算杂波协方差矩阵，进而计算卷积神经网络STAP最优权矢量进行杂波抑制，达到对低空风切变风速精确估计。该文在小样本情况下，将稀疏恢复问题通过卷积神经网络实现，完成对高分辨杂波空时谱有效估计，仿真实验结果表明该方法可以有效估计空时谱，并完成风速估计。
, 最新更新时间 , 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，使得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，可简单快速的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，使得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，可简单快速的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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231273
摘要:
可视区域(VR)信息可用于降低超大规模多输入多输出(XL-MIMO)系统传输设计复杂度，但现有理论分析与传输设计多基于简化的VR统计分布模型。为评估分析XL-MIMO在实际物理传播场景中的性能，该文公开了XL-MIMO阵列VR空间分布数据集，其由环境参数设置、射线追踪仿真、天线场强数据预处理和VR判定准则等步骤构建。该数据集针对典型城区无线传播场景，建立了用户位置采样与场强数据、VR数据之间的关联，总数据条目数量达上亿级。进一步对其中VR形态、VR分布进行了可视化展示与分析，并以基于VR的XL-MIMO用户接入协议为例，利用该数据集对其在真实传播场景中的性能进行了仿真，为该数据集的应用提供了典型样例。
可视区域(VR)信息可用于降低超大规模多输入多输出(XL-MIMO)系统传输设计复杂度，但现有理论分析与传输设计多基于简化的VR统计分布模型。为评估分析XL-MIMO在实际物理传播场景中的性能，该文公开了XL-MIMO阵列VR空间分布数据集，其由环境参数设置、射线追踪仿真、天线场强数据预处理和VR判定准则等步骤构建。该数据集针对典型城区无线传播场景，建立了用户位置采样与场强数据、VR数据之间的关联，总数据条目数量达上亿级。进一步对其中VR形态、VR分布进行了可视化展示与分析，并以基于VR的XL-MIMO用户接入协议为例，利用该数据集对其在真实传播场景中的性能进行了仿真，为该数据集的应用提供了典型样例。
, 最新更新时间 , doi: 10.11999/JEIT231440
摘要:
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
, 最新更新时间 , doi: 10.11999/JEIT231236
摘要:
为实现雷达辐射源个体识别不受信号参数、调制方式的影响，该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号；其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵；最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明，该方法具有较高的识别准确率，提取的“指纹特征”具备稳定性、鲁棒性。
为实现雷达辐射源个体识别不受信号参数、调制方式的影响，该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号；其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵；最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明，该方法具有较高的识别准确率，提取的“指纹特征”具备稳定性、鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT231257
摘要:
随着技术尺寸的缩小，静态功耗在片上网络 (NoC)的功耗开销中占据主导地位。功率门控作为一种通用的功耗节约技术，将NoC中空闲模块关闭以降低静态功耗。然而，传统的功率门控技术带来了诸如数据包唤醒延迟，盈亏平衡时间等问题。为了解决上述问题，该文提出代替功率门控路由器进行数据包传输的分区旁路传输机制 (PBTI)，并基于该旁路机制设计了低延迟低功耗的功率门控方案。PBTI使用相互独立的旁路分别处理东西方向传输的数据包，并在旁路内部使用公共的缓冲区以提高缓冲区利用率。PBTI可以在路由器断电时实现数据包的注入，传输和弹出。即使网络中所有的路由器均处于功率门控状态，数据包也可以从源节点传输到目的节点。当流量增大超过PBTI的传输能力时，路由器以列为单位进行统一的唤醒。实验结果表明与不使用功率门控的NoC相比，所提方案降低了83.4%的静态功耗和17.2%的数据包延迟，同时只额外增加了6.2%的面积开销。相较于常规的功率门控方案该文功率门控设计实现了更低的功耗和延迟，具有显著的优势。
随着技术尺寸的缩小，静态功耗在片上网络 (NoC)的功耗开销中占据主导地位。功率门控作为一种通用的功耗节约技术，将NoC中空闲模块关闭以降低静态功耗。然而，传统的功率门控技术带来了诸如数据包唤醒延迟，盈亏平衡时间等问题。为了解决上述问题，该文提出代替功率门控路由器进行数据包传输的分区旁路传输机制 (PBTI)，并基于该旁路机制设计了低延迟低功耗的功率门控方案。PBTI使用相互独立的旁路分别处理东西方向传输的数据包，并在旁路内部使用公共的缓冲区以提高缓冲区利用率。PBTI可以在路由器断电时实现数据包的注入，传输和弹出。即使网络中所有的路由器均处于功率门控状态，数据包也可以从源节点传输到目的节点。当流量增大超过PBTI的传输能力时，路由器以列为单位进行统一的唤醒。实验结果表明与不使用功率门控的NoC相比，所提方案降低了83.4%的静态功耗和17.2%的数据包延迟，同时只额外增加了6.2%的面积开销。相较于常规的功率门控方案该文功率门控设计实现了更低的功耗和延迟，具有显著的优势。
, 最新更新时间 , doi: 10.11999/JEIT231202
摘要:
卫星通信与地面移动通信的互补融合已成为趋势，这意味着以功率放大器(功放)为核心的无线射频前端需要应对大带宽和高效率的双重挑战。该文提出的输入谐波相位控制方法可以有效突破功放带宽和效率相互制约的瓶颈，并以连续逆F类工作模式为基础，通过控制输入端二次谐波相位来重构晶体管漏极时域波形，在保证高效率的同时获得阻抗设计空间的大幅提升。利用这一拓展的阻抗设计空间，研制了一款1.7～3.0 GHz的连续逆F类功放，实测结果表明在该工作频段内可以实现40.6～42.8 dBm的输出功率和72.2%～78.6%的漏极效率，同时增益可达10.6～14.8 dB。
卫星通信与地面移动通信的互补融合已成为趋势，这意味着以功率放大器(功放)为核心的无线射频前端需要应对大带宽和高效率的双重挑战。该文提出的输入谐波相位控制方法可以有效突破功放带宽和效率相互制约的瓶颈，并以连续逆F类工作模式为基础，通过控制输入端二次谐波相位来重构晶体管漏极时域波形，在保证高效率的同时获得阻抗设计空间的大幅提升。利用这一拓展的阻抗设计空间，研制了一款1.7～3.0 GHz的连续逆F类功放，实测结果表明在该工作频段内可以实现40.6～42.8 dBm的输出功率和72.2%～78.6%的漏极效率，同时增益可达10.6～14.8 dB。
, 最新更新时间 , doi: 10.11999/JEIT231332
摘要:
完备互补序列是一类具有理想相关函数性质的信号，在多址接入通信系统、雷达波形设计等领域具有广泛的应用。然而完备互补序列集合大小不超过其子序列数目。为扩展互补序列数目，该文研究了非周期低相关区互补序列集的构造方法，首先提出了两类有限域上的映射函数，进而得到两类参数渐近达到最优的低相关区互补序列集。该类低相关区互补序列集相比完备互补序列集具有更多的序列数目，在通信系统中可支持更多的用户。
完备互补序列是一类具有理想相关函数性质的信号，在多址接入通信系统、雷达波形设计等领域具有广泛的应用。然而完备互补序列集合大小不超过其子序列数目。为扩展互补序列数目，该文研究了非周期低相关区互补序列集的构造方法，首先提出了两类有限域上的映射函数，进而得到两类参数渐近达到最优的低相关区互补序列集。该类低相关区互补序列集相比完备互补序列集具有更多的序列数目，在通信系统中可支持更多的用户。
, 最新更新时间 , doi: 10.11999/JEIT231291
摘要:
信息传播模型的研究是物联网领域的重要组成部分，它有助于提高物联网系统的性能和效率，促进物联网技术的进一步发展，针对物联网通信中影响信息传播的因素复杂且不稳定的问题，该文提出一种双层耦合信息传播模型SIVR-UAD，通过分析物联网中不同状态的设备和用户对信息传播的影响，建立了六种耦合状态，并利用马尔科夫方法分析耦合节点的状态变化过程，找到信息传播平衡点，最后通过理论分析证明了模型的平衡点的唯一性以及稳定性。仿真结果表明，在3组不同的初始耦合节点数下，SIVR-UAD模型中的六种耦合节点数量变化始终趋向同一稳定水平，证明了该模型的平衡点和稳定性。
信息传播模型的研究是物联网领域的重要组成部分，它有助于提高物联网系统的性能和效率，促进物联网技术的进一步发展，针对物联网通信中影响信息传播的因素复杂且不稳定的问题，该文提出一种双层耦合信息传播模型SIVR-UAD，通过分析物联网中不同状态的设备和用户对信息传播的影响，建立了六种耦合状态，并利用马尔科夫方法分析耦合节点的状态变化过程，找到信息传播平衡点，最后通过理论分析证明了模型的平衡点的唯一性以及稳定性。仿真结果表明，在3组不同的初始耦合节点数下，SIVR-UAD模型中的六种耦合节点数量变化始终趋向同一稳定水平，证明了该模型的平衡点和稳定性。
, 最新更新时间 , 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研究。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研究。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。
, 最新更新时间 , doi: 10.11999/JEIT230966
摘要:
针对遥感图像背景噪音多，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音多，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%。
, 最新更新时间 , doi: 10.11999/JEIT231235
摘要:
针对可重构智能表面(Reconfigurable Intelligent Reflecting Surface, RIS)辅助的物理层安全通信，该文设计了基于混合有源-无源RIS和人工噪声(Artificial Noise, AN)辅助的安全传输方案。考虑基站和RIS的功率约束以及RIS无源反射元件的反射系数恒模约束，以最大化系统安全传输速率为目标，构建基站发射波束成形、AN波束向量、RIS反射系数矩阵联合优化问题。使用交替优化(Alternating Optimization, AO)、权值最小均方误差(Weighted Minimum Mean Square Error, WMMSE)和半定松弛(Semi-definite Relaxation, SDR)算法，求解所构建的变量高度耦合的非凸优化问题。仿真结果表明，混合RIS辅助安全传输方案，能够有效提高系统的安全速率，与无源RIS相比，能够有效克服“双衰落”效应导致的安全速率降低，与有源RIS相比，具有更高的能量效率。
针对可重构智能表面(Reconfigurable Intelligent Reflecting Surface, RIS)辅助的物理层安全通信，该文设计了基于混合有源-无源RIS和人工噪声(Artificial Noise, AN)辅助的安全传输方案。考虑基站和RIS的功率约束以及RIS无源反射元件的反射系数恒模约束，以最大化系统安全传输速率为目标，构建基站发射波束成形、AN波束向量、RIS反射系数矩阵联合优化问题。使用交替优化(Alternating Optimization, AO)、权值最小均方误差(Weighted Minimum Mean Square Error, WMMSE)和半定松弛(Semi-definite Relaxation, SDR)算法，求解所构建的变量高度耦合的非凸优化问题。仿真结果表明，混合RIS辅助安全传输方案，能够有效提高系统的安全速率，与无源RIS相比，能够有效克服“双衰落”效应导致的安全速率降低，与有源RIS相比，具有更高的能量效率。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , doi: 10.11999/JEIT231161
摘要:
目前，基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力，然而3维模型和文本之间存在巨大的模态鸿沟，影响了分类准确率的进一步提高。针对以上问题，该文提出一种语义增强CLIP的零样本3维模型分类方法。该方法首先将3维模型表示成多视图；然后为了增强零样本学习对未知类别的识别能力，通过视觉语言生成模型获得每张视图及其类别的语义描述性文本，并将其作为视图和类别提示文本之间的语义桥梁，语义描述性文本采用图像字幕和视觉问答两种方式获取；最后微调语义编码器将语义描述性文本具化为类别的语义描述，其拥有丰富的语义信息和较好的可解释性，有效减小了视图和类别提示文本的语义鸿沟。实验表明，该文方法在ModelNet10和ModelNet40数据集上的分类性能优于现有的零样本分类方法。
目前，基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力，然而3维模型和文本之间存在巨大的模态鸿沟，影响了分类准确率的进一步提高。针对以上问题，该文提出一种语义增强CLIP的零样本3维模型分类方法。该方法首先将3维模型表示成多视图；然后为了增强零样本学习对未知类别的识别能力，通过视觉语言生成模型获得每张视图及其类别的语义描述性文本，并将其作为视图和类别提示文本之间的语义桥梁，语义描述性文本采用图像字幕和视觉问答两种方式获取；最后微调语义编码器将语义描述性文本具化为类别的语义描述，其拥有丰富的语义信息和较好的可解释性，有效减小了视图和类别提示文本的语义鸿沟。实验表明，该文方法在ModelNet10和ModelNet40数据集上的分类性能优于现有的零样本分类方法。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231457
摘要:
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT231367
摘要:
该文提出一种综合孔径微波辐射计射频干扰源(RFI)空间稀疏贝叶斯估计方法。首先建立了综合孔径微波辐射计可见度函数干涉测量模型，观测数据表示为综合孔径天线基线对相关导向矢量观测矩阵与视场亮温的乘积，由于相关导向矢量观测矩阵的正交性和RFI空间角度分布的稀疏性，亮温在基线对相关导向矢量观测矩阵正交基所构成的支撑域中的变换系数是稀疏的。该文在稀疏贝叶斯学习(SBL)框架下对亮温进行稀疏重构。该方法在无需稀疏度和正则化参数等先验信息前提下也能获得较高的重构性能。计算机仿真验证了该方法的有效性。
该文提出一种综合孔径微波辐射计射频干扰源(RFI)空间稀疏贝叶斯估计方法。首先建立了综合孔径微波辐射计可见度函数干涉测量模型，观测数据表示为综合孔径天线基线对相关导向矢量观测矩阵与视场亮温的乘积，由于相关导向矢量观测矩阵的正交性和RFI空间角度分布的稀疏性，亮温在基线对相关导向矢量观测矩阵正交基所构成的支撑域中的变换系数是稀疏的。该文在稀疏贝叶斯学习(SBL)框架下对亮温进行稀疏重构。该方法在无需稀疏度和正则化参数等先验信息前提下也能获得较高的重构性能。计算机仿真验证了该方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT231423
摘要:
针对全球导航卫星系统(GNSS)拒止环境下定位精度难以保证的问题，该文设计了一种基于新无线电(NR)机会信号的定位方案，并提出一种基于干扰消除子空间追踪(ICSP)算法，解决超密集网络(UDNs)和异构网络(HetNets)环境中同频干扰对定位观测量提取精度不足的问题。通过仿真实验和通用软件无线电外设(USRP)半实物仿真，验证了ICSP算法在复杂网络环境中优化5G机会信号接收机性能、提高定位精度上的有效性。
针对全球导航卫星系统(GNSS)拒止环境下定位精度难以保证的问题，该文设计了一种基于新无线电(NR)机会信号的定位方案，并提出一种基于干扰消除子空间追踪(ICSP)算法，解决超密集网络(UDNs)和异构网络(HetNets)环境中同频干扰对定位观测量提取精度不足的问题。通过仿真实验和通用软件无线电外设(USRP)半实物仿真，验证了ICSP算法在复杂网络环境中优化5G机会信号接收机性能、提高定位精度上的有效性。
, 最新更新时间 , 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了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了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。
, 最新更新时间 , doi: 10.11999/JEIT231374
摘要:
针对复杂场景中存在电磁波不可穿透的障碍物导致电磁频谱地图(REMs)构建性能不佳、反距离加权(IDW)算法受限于插值邻域的人工选择等问题，该文提出一种基于Voronoi图的反障碍距离加权(VIODW)的复杂场景电磁频谱地图构建算法。该算法通过创建包含障碍物的Voronoi图，为每一个待插值点自适应选定插值邻域用于电磁频谱数据构建，并利用任意角度路径寻优(ANYA)算法计算得到待插值点与插值邻域内每个监测站点之间的障碍距离，最后以障碍距离的反幂次作为权重加权获得待插值点处的电磁频谱数据，实现高精度的复杂场景电磁频谱地图构建。理论分析和仿真结果表明，该方法具有良好的构建精度，能够准确拟合出电磁波在复杂场景中的功率分布情况，为复杂场景下电磁频谱地图高精度构建提供了一种有效方法。
针对复杂场景中存在电磁波不可穿透的障碍物导致电磁频谱地图(REMs)构建性能不佳、反距离加权(IDW)算法受限于插值邻域的人工选择等问题，该文提出一种基于Voronoi图的反障碍距离加权(VIODW)的复杂场景电磁频谱地图构建算法。该算法通过创建包含障碍物的Voronoi图，为每一个待插值点自适应选定插值邻域用于电磁频谱数据构建，并利用任意角度路径寻优(ANYA)算法计算得到待插值点与插值邻域内每个监测站点之间的障碍距离，最后以障碍距离的反幂次作为权重加权获得待插值点处的电磁频谱数据，实现高精度的复杂场景电磁频谱地图构建。理论分析和仿真结果表明，该方法具有良好的构建精度，能够准确拟合出电磁波在复杂场景中的功率分布情况，为复杂场景下电磁频谱地图高精度构建提供了一种有效方法。
, 最新更新时间 , doi: 10.11999/JEIT231283
摘要:
为了更好地利用红外与可见光图像中互补的图像信息，得到符合人眼感知特性的融合图像，该文采用两阶段训练策略提出一种基于预训练固定参数和深度特征调制的红外与可见光图像融合网络(PDNet)。具体地，在自监督预训练阶段，以大量清晰的自然图像分别作为U型网络结构(UNet)的输入和输出，采用自编码器技术完成预训练。所获得编码器模块能有效提取输入图像的多尺度深度特征功能，而解码器模块则能将其重构为与输入图像差异极小的输出图像；在无监督融合训练阶段，将预训练编码器和解码器模块的网络参数保持固定不变，而在两者之间新增包含Transformer结构的融合模块。其中，Transformer结构中的多头自注意力机制能对编码器分别从红外和可见光图像提取到的深度特征权重进行合理分配，从而在多个尺度上将两者融合调制到自然图像深度特征的流型空间上来，进而保证融合特征经解码器重构后所获得融合图像的视觉感知效果。大量实验表明：与当前主流的融合模型(算法)相比，所提PDNet模型在多个客观评价指标方面具有显著优势，而在主观视觉评价上，也更符合人眼视觉感知特点。
为了更好地利用红外与可见光图像中互补的图像信息，得到符合人眼感知特性的融合图像，该文采用两阶段训练策略提出一种基于预训练固定参数和深度特征调制的红外与可见光图像融合网络(PDNet)。具体地，在自监督预训练阶段，以大量清晰的自然图像分别作为U型网络结构(UNet)的输入和输出，采用自编码器技术完成预训练。所获得编码器模块能有效提取输入图像的多尺度深度特征功能，而解码器模块则能将其重构为与输入图像差异极小的输出图像；在无监督融合训练阶段，将预训练编码器和解码器模块的网络参数保持固定不变，而在两者之间新增包含Transformer结构的融合模块。其中，Transformer结构中的多头自注意力机制能对编码器分别从红外和可见光图像提取到的深度特征权重进行合理分配，从而在多个尺度上将两者融合调制到自然图像深度特征的流型空间上来，进而保证融合特征经解码器重构后所获得融合图像的视觉感知效果。大量实验表明：与当前主流的融合模型(算法)相比，所提PDNet模型在多个客观评价指标方面具有显著优势，而在主观视觉评价上，也更符合人眼视觉感知特点。
, 最新更新时间 , doi: 10.11999/JEIT240051
摘要:
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
, 最新更新时间 , doi: 10.11999/JEIT231460
摘要:
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
, 最新更新时间 , doi: 10.11999/JEIT231232
摘要:
窄带雷达因其成本低、作用距离远的优点在防空制导领域有着广泛应用，随着高速机动平台的发展，传统的基于长时间观测回波序列特征建模的目标识别方法已不再适用。针对窄带雷达对短时间观测回波(OEST)序列特征识别能力较差，并且易受诱饵目标干扰，导致识别结果可靠性不高的问题，该文提出一种采用多特征自适应融合的窄带雷达OEST序列空中目标识别方法。首先，对编码层和分类层进行训练，通过构建通道-空间注意力模块，自适应地突出高可分性特征，然后，构建最大边缘正交损失函数，增大不同类别特征间距，缩小同类特征间距，并使类间特征正交，以此提升分类性能；最后，固定编码层与分类层参数，利用重构误差对解码层进行训练，确保模型具备对诱饵等库外目标的准确鉴别能力。实验部分在观测序列长度为100的条件下，分类准确率和鉴别率分别达到94.37%和96.78%，由此可得，所提方法能够有效提升窄带雷达的分类性能和对诱饵目标的鉴别能力，进而提高识别结果的可靠性。
窄带雷达因其成本低、作用距离远的优点在防空制导领域有着广泛应用，随着高速机动平台的发展，传统的基于长时间观测回波序列特征建模的目标识别方法已不再适用。针对窄带雷达对短时间观测回波(OEST)序列特征识别能力较差，并且易受诱饵目标干扰，导致识别结果可靠性不高的问题，该文提出一种采用多特征自适应融合的窄带雷达OEST序列空中目标识别方法。首先，对编码层和分类层进行训练，通过构建通道-空间注意力模块，自适应地突出高可分性特征，然后，构建最大边缘正交损失函数，增大不同类别特征间距，缩小同类特征间距，并使类间特征正交，以此提升分类性能；最后，固定编码层与分类层参数，利用重构误差对解码层进行训练，确保模型具备对诱饵等库外目标的准确鉴别能力。实验部分在观测序列长度为100的条件下，分类准确率和鉴别率分别达到94.37%和96.78%，由此可得，所提方法能够有效提升窄带雷达的分类性能和对诱饵目标的鉴别能力，进而提高识别结果的可靠性。
, 最新更新时间 , doi: 10.11999/JEIT231338
摘要:
实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点，该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息，再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野，提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM)，可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验，所设计的AAFNet以32帧/s(Cityscapes) 和52帧/s (CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU)，且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比，AAFNet平均分割精度最高。
实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点，该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息，再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野，提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM)，可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验，所设计的AAFNet以32帧/s(Cityscapes) 和52帧/s (CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU)，且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比，AAFNet平均分割精度最高。
, 最新更新时间 , doi: 10.11999/JEIT231165
摘要:
为了缓解联邦学习(FL)中客户端之间由于完全重叠特征偏移所带来的数据异构问题影响，该文提出一种融合通道个性标准化的本地自适应联邦学习算法。具体地，构建了一个面向数据特征偏移的联邦学习模型，在训练开始之前先对客户端中的图像数据集进行一系列随机增强操作。其次，客户端分别按颜色通道单独计算数据集的均值和标准差，实现通道个性标准化。进一步地，设计本地自适应更新联邦学习算法，即自适应地聚合全局模型和本地模型以进行本地初始化，该聚合方法的独特之处在于既保留了客户端模型的个性化特征，同时又能从全局模型中捕获必要信息，以提升模型的泛化性能。最后，实验结果表明，该文所提算法与现有相关算法相比，收敛速度更快，准确率提高了3%～19%。
为了缓解联邦学习(FL)中客户端之间由于完全重叠特征偏移所带来的数据异构问题影响，该文提出一种融合通道个性标准化的本地自适应联邦学习算法。具体地，构建了一个面向数据特征偏移的联邦学习模型，在训练开始之前先对客户端中的图像数据集进行一系列随机增强操作。其次，客户端分别按颜色通道单独计算数据集的均值和标准差，实现通道个性标准化。进一步地，设计本地自适应更新联邦学习算法，即自适应地聚合全局模型和本地模型以进行本地初始化，该聚合方法的独特之处在于既保留了客户端模型的个性化特征，同时又能从全局模型中捕获必要信息，以提升模型的泛化性能。最后，实验结果表明，该文所提算法与现有相关算法相比，收敛速度更快，准确率提高了3%～19%。
, 最新更新时间 , doi: 10.11999/JEIT231262
摘要:
针对低分辨率随机遮挡人脸图像，该文提出一种端到端的4倍超分辨率修复生成对抗网络(SRIGAN)。SRIGAN生成网络由编码器、特征补偿子网络和含有金字塔注意力模块的解码器构成；判别网络为改进的Patch判别网络。该网络通过特征补偿子网络和两阶段训练策略有效学习遮挡区域的缺失特征，通过在解码器中引入金字塔注意力模块和多尺度重建损失增强信息重构，从而实现低分辨率随机遮挡图像与4倍高分辨率完整图像的映射。同时，通过损失函数设计和改进Patch判别网络，确保网络训练的稳定性，提升生成网络性能。对比实验和模块验证实验验证了该算法的有效性。
针对低分辨率随机遮挡人脸图像，该文提出一种端到端的4倍超分辨率修复生成对抗网络(SRIGAN)。SRIGAN生成网络由编码器、特征补偿子网络和含有金字塔注意力模块的解码器构成；判别网络为改进的Patch判别网络。该网络通过特征补偿子网络和两阶段训练策略有效学习遮挡区域的缺失特征，通过在解码器中引入金字塔注意力模块和多尺度重建损失增强信息重构，从而实现低分辨率随机遮挡图像与4倍高分辨率完整图像的映射。同时，通过损失函数设计和改进Patch判别网络，确保网络训练的稳定性，提升生成网络性能。对比实验和模块验证实验验证了该算法的有效性。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231145
摘要:
脉冲干扰和离群量测信息等因素通常会导致异常的厚尾噪声，这使得以高斯假设为前提的扩展目标跟踪(ETT)估计器的性能急剧降低，针对该问题该文提出一种基于扩展目标随机矩阵模型(RMM)的Student’s t逆Wishart平滑(StIWS)算法。首先，将目标的运动状态以及过程噪声和量测噪声建模为Student’s t分布以表征异常噪声对扩展目标概率分布的影响，将目标扩展状态建模为服从逆Wishart分布的随机矩阵。然后，在Student’s t贝叶斯平滑框架下，详细推导了能在扩展目标的多重特征动态演变的过程中有效估计目标状态的StIWS算法。最后，通过扩展目标跟踪的仿真实验结果和真实场景实验结果验证了所提算法的有效性。
脉冲干扰和离群量测信息等因素通常会导致异常的厚尾噪声，这使得以高斯假设为前提的扩展目标跟踪(ETT)估计器的性能急剧降低，针对该问题该文提出一种基于扩展目标随机矩阵模型(RMM)的Student’s t逆Wishart平滑(StIWS)算法。首先，将目标的运动状态以及过程噪声和量测噪声建模为Student’s t分布以表征异常噪声对扩展目标概率分布的影响，将目标扩展状态建模为服从逆Wishart分布的随机矩阵。然后，在Student’s t贝叶斯平滑框架下，详细推导了能在扩展目标的多重特征动态演变的过程中有效估计目标状态的StIWS算法。最后，通过扩展目标跟踪的仿真实验结果和真实场景实验结果验证了所提算法的有效性。
, 最新更新时间 , 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。
, 最新更新时间 , 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，随着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，即本策略更好适应信道不确定性。
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，随着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，即本策略更好适应信道不确定性。
, 最新更新时间 , 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99.54%，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99.54%，为高精度CMOS图像传感器的设计提供了一定的理论支撑。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231139
摘要:
在半互质阵列(SCA)下，经典波达方向估计(DoA)算法在面对邻近相干信源时估计性能退化。为了解决该问题，该文提出一种适用于半互质阵列的高精度波达方向估计方法。首先，将半互质阵划分为3个均匀线阵并利用常规波束形成算法对子阵1、子阵2和子阵3的阵列输出信号进行处理；然后，对子阵3的输出信号进行加权后与子阵1,2的输出信号加和构建和波束，利用子阵1与子阵2的输出信号做差构建差波束；最后，将上述和差波束做差得到最终输出信号，计算最终信号的功率得到方位谱。该方法基于半互质阵列特点构建和差波束，充分利用了3个子阵的重叠阵元实现估计精度的提高。通过仿真和湖上实测数据验证表明，该方法可以适用于半互质阵列实现波达方向估计，并且在面对邻近相干信源时其波达方向估计性能优于最小方差无失真估计算法(MVDR)和最小处理算法(MP)。
在半互质阵列(SCA)下，经典波达方向估计(DoA)算法在面对邻近相干信源时估计性能退化。为了解决该问题，该文提出一种适用于半互质阵列的高精度波达方向估计方法。首先，将半互质阵划分为3个均匀线阵并利用常规波束形成算法对子阵1、子阵2和子阵3的阵列输出信号进行处理；然后，对子阵3的输出信号进行加权后与子阵1,2的输出信号加和构建和波束，利用子阵1与子阵2的输出信号做差构建差波束；最后，将上述和差波束做差得到最终输出信号，计算最终信号的功率得到方位谱。该方法基于半互质阵列特点构建和差波束，充分利用了3个子阵的重叠阵元实现估计精度的提高。通过仿真和湖上实测数据验证表明，该方法可以适用于半互质阵列实现波达方向估计，并且在面对邻近相干信源时其波达方向估计性能优于最小方差无失真估计算法(MVDR)和最小处理算法(MP)。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , doi: 10.11999/JEIT231222
摘要:
时间序列分类(TSC)是数据挖掘领域中最重要且最具有挑战性的任务之一。深度学习技术在自然语言处理和计算机视觉领域已取得革命性进展，同时在时间序列分析等其他领域也显示出巨大的潜力。该文对基于深度学习的时间序列分类的最新研究成果进行了详细综述。首先，定义了关键术语和相关概念。其次，从多层感知机、卷积神经网络、循环神经网络和注意力机制四个网络架构角度分类总结了当前最新的时间序列分类模型，及各自优点和局限性。然后，概述了时间序列分类在人体活动识别和脑电图情绪识别两个关键领域的最新进展和挑战。最后，讨论了将深度学习应用于时间序列数据时未解决的问题和未来研究方向。该文为研究者了解最新基于深度学习的时间序列分类研究动态、新技术和发展趋势提供了参考。
时间序列分类(TSC)是数据挖掘领域中最重要且最具有挑战性的任务之一。深度学习技术在自然语言处理和计算机视觉领域已取得革命性进展，同时在时间序列分析等其他领域也显示出巨大的潜力。该文对基于深度学习的时间序列分类的最新研究成果进行了详细综述。首先，定义了关键术语和相关概念。其次，从多层感知机、卷积神经网络、循环神经网络和注意力机制四个网络架构角度分类总结了当前最新的时间序列分类模型，及各自优点和局限性。然后，概述了时间序列分类在人体活动识别和脑电图情绪识别两个关键领域的最新进展和挑战。最后，讨论了将深度学习应用于时间序列数据时未解决的问题和未来研究方向。该文为研究者了解最新基于深度学习的时间序列分类研究动态、新技术和发展趋势提供了参考。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT231047
摘要:
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
, 最新更新时间 , 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。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , 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%。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , 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。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
