高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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:
基于相频特性的稳态视觉诱发电位深度学习分类模型
林艳飞, 臧博宇, 郭嵘骁, 刘志文, 高小榕
, doi: 10.11999/JEIT210816
摘要:
针对现有深度学习分类方法对稳态视觉诱发电位相位与频率信息利用不充分的问题,该文提出一种用于稳态视觉诱发电位分类的卷积神经网络模型。该模型以经过快速傅里叶变换后的复向量作为输入,首先对各个导联的实部向量和虚部向量进行卷积,学习相位信息;随后引入空间注意力机制,对判别频率信息进行增强;然后使用2维卷积和最大池化层进一步提取空域和频域信息;最后使用全连接层进行分类。实验结果表明利用该方法在跨受试情况下准确率可达到81.21%,通过在训练集增加标准正弦信号模板准确率可进一步提升至83.17%,相比典型相关分析方法获得了更好的分类效果。
基于稳态视觉诱发电位的脑机接口元素尺寸和间距工效学研究
牛亚峰, 王佳浩, 伍金春, 薛澄岐, 杨文骏
, doi: 10.11999/JEIT211040
摘要:
针对基于稳态视觉诱发电位的脑机接口系统,该文开展了屏显刺激界面元素尺寸和间距对识别效率和用户体验影响的工效学实验研究。本工效学实验使用红色正方形作为频闪刺激元素,刺激元素位于上、下、左、右等4个位置,自变量包含尺寸和间距两个因素。因素1为尺寸即正方形边长,分为100px,150px,200px3个水平;因素2为间距即元素中心与界面中心的垂直/水平距离,分为:200px/400px,300px/600px,400px/800px3个水平。因变量为任务的完成时和失败次数。实验后开展主观评价,基于ISO 9241可用性标准,使用李克特七分量表对界面的满意度进行评分。工效学实验结果显示:元素尺寸对识别效率有显著影响,边长尺寸为200px的刺激元素识别效率最高,元素间距对识别效率没有影响。主观评价结果显示:元素间距对用户满意度有显著影响,刺激元素的紧凑(200px/400px)或疏远(400px/800px)都会导致满意度的下降,300px/600px间距水平的满意度最好,尺寸对用户满意度没有显著影响。本研究从设计工效学角度出发,发现了刺激界面元素尺寸、间距分别对脑机接口系统效率、用户满意度具有影响,研究结论对于规范脑机接口界面设计,提升脑机接口系统效率,有重要的指导意义和借鉴价值。
面向中文搜索的网络加密流量侧信道分析方法
李玎, 林伟, 芦斌, 祝跃飞
, doi: 10.11999/JEIT210289
摘要:
搜索引擎中的增量式搜索服务通过发送实时请求为用户更新建议列表。针对搜索加密流量存在的信息泄露,该文提出一种面向中文搜索的侧信道分析方法,利用搜索请求数据包长度增量和时间间隔的可区分性,构建了3阶段的分析模型以实现对用户输入查询的识别。实验结果表明,该方法在4个常用中文搜索引擎中的识别性能均达到理论量化值,对包含1.4×105查询监控集的综合识别准确率达到76%。最后通过评估4种针对性的缓解机制,证明了通过阻断信息泄露来源可有效防御侧信道分析。
毫米波单用户多天线系统的混合预编码设计
刘文龙, 黄雯静, 王本巍, 金明录
, doi: 10.11999/JEIT202019
摘要:
在毫米波MIMO通信系统中,针对如何提升频谱效率的问题,该文提出一种有效的混合预编码双层交替迭代算法。外层交替使用分解的方法解耦收发端,减少1次计算中所求变量的个数;而内层交替只对接收或者发送端进行,利用模拟域矩阵按列分解,数字域矩阵按行分解,将频谱效率表达式化简为一系列子问题。考虑到模拟域矩阵中单个元素对函数的影响和模为1的限制,对列元素采取逐个优化的方案,并对每一次的解加上约束,使解始终处在收敛域内。实验结果表明,所提交替优化解决方案可以获得更好的性能且有着较低的复杂度。
基于CSI信息的三维联合参数估计算法
杨小龙, 佘媛, 周牧, 田增山, 王嘉诚
, doi: 10.11999/JEIT200698
摘要:
针对商用Wi-Fi设备中由于天线数量和信道带宽有限而导致的到达角(AoA)和飞行时间(ToF)估计精度受限问题,以及现有基于最大似然估计的3维参数估计算法容易收敛于局部最优值,且依次对参数进行估计的方式使参数之间会互相影响的问题,该文提出一种基于Wi-Fi信道状态信息(CSI)的AoA, ToF和多普勒频偏(DFS)的3维联合参数估计算法,以提高参数估计精度和信号分辨能力。首先,通过分析CSI数据,构造包含AoA, ToF和DFS信息的3维矩阵,并对构造的3维矩阵进行降维处理。其次,设计了一种3维空间平滑算法,以消除相干信号对参数估计的影响。最后,利用空间谱估计算法,同时估计出AoA, ToF和DFS 3个参数。实测结果表明该文所提3维联合参数估计算法的参数估计精度和信号分辨能力高于现有的子空间交替期望最大化算法(SAGE)和2维参数估计算法。
基于多层感知卷积和通道加权的图像隐写检测
叶学义, 郭文风, 曾懋胜, 张珂绅, 赵知劲
, doi: 10.11999/JEIT210537
摘要:
针对目前图像隐写检测模型中线性卷积层对高阶特征表达能力有限,以及各通道特征图没有区分的问题,该文构建了一个基于多层感知卷积和通道加权的卷积神经网络(CNN)隐写检测模型。该模型使用多层感知卷积(Mlpconv)代替传统的线性卷积,增强隐写检测模型对高阶特征的表达能力;同时引入通道加权模块,实现根据全局信息对每个卷积通道赋予不同的权重,增强有用特征并抑制无用特征,增强模型提取检测特征的质量。实验结果表明,该检测模型针对不同典型隐写算法及不同嵌入率,相比Xu-Net, Yedroudj-Net, Zhu-Net均有更高的检测准确率,与最优的Zhu-Net相比,准确率提高1.95~6.15%。
基于信用等级划分的医疗数据安全共识算法
陈友荣, 陈浩, 韩蒙, 刘半藤, 王章权, 任条娟
, doi: 10.11999/JEIT200893
摘要:
在基于区块链的医疗数据共享系统中为防御恶意节点攻击并且提高共识效率,该文提出基于信用等级划分的医疗数据安全共识算法(SCA_MD)。首先,在SCA_MD中,考虑由数据节点、共识节点和监管节点组成的医疗区块共识模型,提出相应的节点身份验证机制,实现快速验证。其次,提出基于海洋掠食者的自我优化信用等级划分算法(SCRD),以限制恶意节点共识权力。最后改进代表节点选举机制和共识机制,提高共识的效率。实验结果表明:不管恶意节点数量如何变化,SCA_MD都能提高交易吞吐量,降低平均交易时延和平均节点通信开销。
ResNet及其在医学图像处理领域的应用:研究进展与挑战
周涛, 刘赟璨, 陆惠玲, 叶鑫宇, 常晓玉
, doi: 10.11999/JEIT210914
摘要:
残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域。该文对残差神经网络从以下几个方面进行综述:首先,阐述残差神经网络的基本原理和模型结构;然后,从残差单元、残差连接和网络整体结构3方面总结了残差神经网络的改进机制;其次,从与DenseNet、U-Net、Inception结构和注意力机制结合4方面探讨残差神经网络在医学图像处理领域中的广泛应用;最后,讨论ResNet在医学图像处理领域中面临的主要挑战,并对未来的发展方向进行展望。该文系统梳理了残差神经网络的最新研究进展,以及在医学图像处理中的应用,对残差神经网络的研究具有重要的参考价值。
基于跨模态空间匹配的多模态肺部肿块分割网络
李家忻, 陈后金, 彭亚辉, 李艳凤
, doi: 10.11999/JEIT210710
摘要:
现有多模态分割方法通常先对图像进行配准,再对配准后的图像进行分割。对于成像特点差异较大的不同模态,两阶段的结构匹配与分割算法下的分割精度较低。针对该问题,该文提出一种基于跨模态空间匹配的多模态肺部肿块分割网络(MMSASegNet),其具有模型复杂度低和分割精度高的特点。该模型采用双路残差U型分割网络作为骨干分割网络,以充分提取不同模态输入特征,利用可学习的空间变换网络对其输出的多模态分割掩膜进行空间结构匹配;为实现空间匹配后的多模态特征图融合,形变掩膜和参考掩膜分别与各自模态相同分辨率的特征图进行矩阵相乘,并经特征融合模块,最终实现多模态肺部肿块分割。为提高端到端多模态分割网络的分割性能,采用深度监督学习策略,联合损失函数约束肿块分割、肿块空间匹配和特征融合模块,同时采用多阶段训练以提高不同功能模块的训练效率。实验数据采用T2权重磁共振图像(T2W)和扩散权重磁共振图像(DWI)肺部肿块分割数据集,该方法与其他多模态分割网络相比,Dice Similarity Coefficient (DSC)和Hausdorff Distance (HD)等评价指标均显著提高。
联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法
雷大江, 杜加浩, 张莉萍, 李伟生
, doi: 10.11999/JEIT200792
摘要:
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。
基于空间相关电离层模型的天波雷达目标跟踪
郭振, 王增福, 兰华, 潘泉
, doi: 10.11999/JEIT201030
摘要:
天波超视距雷达(简称天波雷达)(OTHR)通过电离层反射效应可实现对多种高价值目标的远程预警。天波雷达目标跟踪算法设计中,电离层建模对其跟踪性能至关重要。该文考虑现实中电离层的空间相关性,提出一种基于高斯马尔可夫随机场的电离层虚高模型,以及相应的天波雷达多路径目标跟踪方法。该方法在贝叶斯估计的基础上,对多路径杂波环境下目标状态估计与电离层虚高参数进行联合建模与估计。该方法有效建立起了不同电离层区域之间的相关性,能够在电离层量测有限的情况下推断未量测区域的电离层虚高,改善电离层虚高参数辨识精度,进而提高目标跟踪精度。仿真结果表明基于空间相关性的电离层模型可以有效改善天波雷达目标跟踪性能。
车联网环境下无证书匿名认证方案
刘雪艳, 王力, 郇丽娟, 杜小妮, 牛淑芬
, doi: 10.11999/JEIT201069
摘要:
通过信息共享,车联网(IoV)为车辆提供各种应用,以提高道路安全和交通效率。然而,车辆之间的公开通信导致了车辆隐私泄露和各种攻击。因而,安全且保护隐私的信息共享方法是非常必要的,并且对车辆间通信的安全性和保密性提出了更高的要求,所以该文提出了一种支持批量验证的非线性对的无证书匿名认证方案。在该方案中,首先,采用无证书签名机制避免了证书管理和密钥托管问题;其次结合区域管理局生成的长期伪身份和自己生成的短期伪身份保证车辆的强匿名性和签名的新鲜性,避免路侧单元计算伪身份造成的身份泄露和时延;再次,采用无对的聚合签名提供批验证,减少车联网环境中路侧单元的计算量;最后,当发生恶意事件时,区域管理局可以追踪车辆的真实身份并由可信中心撤销该用户。安全性证明和分析表明,该方案具有高的安全性,并满足完整性、可追踪性、匿名性、可撤销性等安全要求。将该方案与现有的方案进行了比较,效率分析表明该方案更有效。
周期为4v(几乎)平衡理想二进制序列构造研究
彭秀平, 冀惠璞, 林洪彬, 刘刚
, doi: 10.11999/JEIT200829
摘要:
具有理想自相关特性的序列在无线通信、雷达以及密码学中具有重要的作用。因此为了扩展更多可应用于通信系统的理想序列,该文基于2阶分圆类和中国剩余定理,提出3类新的周期为\begin{document}$T = 4v$\end{document}(v是奇素数)平衡或几乎平衡理想二进制序列构造方法。构造所得序列的周期自相关函数满足:当\begin{document}$v \equiv 3{\text{ }}\left( {\boldsymbolod 4} \right)$\end{document}时,序列的周期自相关函数旁瓣值取值集合为\begin{document}$\left\{ {0, - 4} \right\}$\end{document}\begin{document}$\left\{ {0, 4, - 4} \right\}$\end{document};当\begin{document}$v \equiv 1{\text{ }}\left( {\boldsymbolod 4} \right)$\end{document}时,相应的取值集合为\begin{document}$\left\{ {0, 4, - 4} \right\}$\end{document}。通过该文方法拓展了周期为4\begin{document}$v$\end{document}平衡理想二进制序列的存在范围,从而可为工程应用提供更多性能优良的理想序列。
基于改进U型神经网络的脑出血CT图像分割
胡敏, 周秀东, 黄宏程, 张光华, 陶洋
, doi: 10.11999/JEIT200996
摘要:
针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积块(ROC)应用到U型神经网络的跳跃连接部分,使不同层次的特征更好地融合;其次,对融合后的特征,分别引入混合注意力机制,用以提高对目标区域的特征提取能力;最后,通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性,在脑出血CT图像数据集上进行实验,同U-Net, Attention U-Net, UNet++以及CE-Net相比,mIoU指标分别提升了20.9%, 3.6%, 7.0%, 3.1%,表明AU-Net+模型具有更好的分割效果。
自适应空间异常的目标跟踪
姜文涛, 刘晓璇, 涂潮, 金岩
, doi: 10.11999/JEIT201025
摘要:
为了解决判别式空间正则项的目标跟踪算法在遮挡、旋转等因素干扰下失跟率较高的问题,该文提出一种自适应空间异常的目标跟踪算法。首先,在目标函数中加入自适应空间正则项,既缓解了边界效应带来的影响,又提高了滤波器对目标和背景区域的分辨能力;其次,根据每一帧的响应值计算验证分数,分析跟踪结果的可信度和异常情况;最后为目标模型和响应图模型的更新速率实现动态取值。大量实验结果表明,自适应空间异常的目标跟踪算法能够较好地处理背景模糊、形状变化等多种异常情况,具有较高的跟踪性能。
基于级联Dense-Unet和图割的肝脏肿瘤自动分割
杨振, 邸拴虎, 赵于前, 廖苗, 曾业战
, doi: 10.11999/JEIT210247
摘要:
腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。
基于旋磁非线性传输线的小型化强电磁脉冲源的仿真研究
朱丹妮, 孟进, 黄立洋, 崔言程, 袁玉章, 王海涛
, doi: 10.11999/JEIT200912
摘要:
与传统基于电真空器件的窄谱高功率微波源相比,基于旋磁非线性传输线(GNLTL)的宽谱强电磁脉冲源无需驱动电子束、导引磁场和真空条件,具有能量效率高、工作频率可调以及可重频运行等优势,是一种结构简单、适合小型化和固态化的技术方案。该文通过理论分析其产生射频振荡和脉冲陡化的工作机制,并利用商业软件建立一套可视化的2-D GNLTL仿真模型进行验证。通过仿真分别研究不同注入电压和不同轴向偏置磁场下的旋磁输出脉冲的时域和频域特性。模拟结果表明:随着注入电压增大,经调制的振荡电压峰值升高,而调制深度则是先增加后减小到几乎不变,输出电压上升沿减小后趋于稳定,而中心频率则随着注入电压增大而增加;随着偏置磁场增加,输出振荡峰值电压和调制深度均是先增大后减小,输出电压上升沿先减小后增大,而中心频率随着偏置磁场增加先减小后增大。
一种基于奇偶校验码级联极化码的低复杂度译码算法
刘顺兰, 王燕
, doi: 10.11999/JEIT200840
摘要:
极化码作为一种纠错码,具有较好的编译码性能,已成为 5G 短码控制信道的标准编码方案。但在码长较短时,其性能不够优异。作为一种新型级联极化码,奇偶校验码与极化码的级联方案提高了有限码长的性能,但是其译码算法有着较高的复杂度。该文针对这一问题,提出一种基于奇偶校验码级联极化码的串行抵消局部列表译码(PC-SCL)算法,该算法在编码前进行外码构造,通过高斯近似(GA)得到的子信道错误概率选取较不可靠的信息位,对选取的较不可靠的信息位进行串行抵消列表(SCL)译码和奇偶校验,其余信息比特仅进行串行抵消(SC)译码。仿真结果表明,在高斯信道下,当码长为512,码率为1/2,误帧率为10–3,最大列表长度为8时,该文提出的低复杂度译码算法比SCL译码算法获得了0.5 dB的增益;与基于奇偶校验的SCL译码算法性能相近,但是空间复杂度和时间复杂度分别降低了38.09%, 15.63%。
基于区块链的雾网络中的任务卸载优化方案研究
黄晓舸, 刘鑫, 何勇, 陈前斌
, doi: 10.11999/JEIT210413
摘要:
当前物联网(IoT)应用的快速增长对用户设备的计算能力是一个巨大的挑战。雾计算(FC)网络可为用户设备提供近距离、快速的计算服务,为资源紧张,计算能力有限的用户设备提供了解决方案。该文提出一个基于区块链的雾网络模型,该模型中用户设备可以将计算密集型任务卸载到计算能力强的节点处理。为最小化任务处理时延和能耗,引入两种任务卸载模型,即设备到设备(D2D)协作群组任务卸载和雾节点(FNs)任务卸载。此外,针对雾计算网络任务卸载过程的数据安全问题,引入区块链技术构建去中心化分布式账本,防止恶意节点修改交易信息,实现数据安全可靠传输。为降低共识机制时延和能耗,提出了改进的基于投票的委托权益证明(DPoS)共识机制,得票数超过阈值的FNs组成验证集,验证集中的FN轮流作为管理者生成新区块。最后,以最小化网络成本为目标,联合优化任务卸载决策、传输速率分配和计算资源分配,提出任务卸载决策和资源分配(TODRA)算法进行求解,并通过仿真实验验证了该算法的有效性。
行人轨迹预测条件端点局部目的地池化网络
毛琳, 解云娇, 杨大伟, 张汝波
, doi: 10.11999/JEIT210716
摘要:
轨迹预测是自动驾驶系统中的核心任务之一。现阶段基于深度学习的轨迹预测算法,涉及目标的信息表示、环境感知和运动推理。针对现有轨迹预测模型在运动推理过程中对行人社交动机考虑不足,无法有效预知场景中行人在不同社交条件下局部目的地的问题,该文提出一种条件端点局部目的地池化网络(CEPNET)。该网络通过条件变分自编码器推理潜在轨迹分布空间来学习历史观测轨迹在特定场景中的概率分布,构建条件端点局部特征推理算法,将条件端点作为局部目的地特征进行相似性特征编码,利用社交池化网络过滤掉场景中的干扰信号,融入自注意力社交掩码来增强行人的自我注意力。为验证算法各模块的可靠性,使用公开的行人鸟瞰数据集(BIWI)和塞浦路斯大学多人轨迹数据集(UCY)对CEPNET进行消融实验,并与平凡长短时记忆网络(Vanilla)、社交池化生成对抗网络(SGAN)和图注意力生成对抗网络(S-BiGAT)等先进轨迹预测算法进行对比分析。在Trajnet++基准上的实验结果表明,CEPNET算法性能优于现有先进算法,并且与基准算法Vanilla相比,平均位移误差(ADE)降低22.52%,最终位移误差(FDE)降低20%,预测碰撞率Col-I降低9.75%,真值碰撞率Col-II降低9.15%。
面向无人机自组网和车联网的媒体接入控制协议研究综述
董超, 陶婷, 冯斯梦, 屈毓锛, 刘青昕, 吴钰蕾, 张珉
, doi: 10.11999/JEIT210819
摘要:
随着移动通信技术的迭代更新,车联网(VANET)和无人机自组网(FANETs)已成为通信网络的重要组成部分,而媒体接入控制(MAC)协议则是移动自组织网络未来发展的核心研究内容之一。安全控制信息和用户业务信息是自组织网络最主要的两类信息,而两者不同的(QoS)需求对MAC机制的设计带来了严峻的考验。该文主要考虑车联网和无人机自组网,针对其网络特征,从不同的优化目标出发,对其使用的MAC协议进行分析与归纳,并对下一步的研究方向进行了思考与展望。
基于硬件损伤的智能反射面辅助安全通信系统能效优化算法
高俊鹏, 周继华, 赵涛, 徐勇军, 赵瑞莉
, doi: 10.11999/JEIT210976
摘要:
为了克服阴影衰落和障碍物阻挡的影响,智能反射面(IRS)已经成为一种提高无线通信系统能量效率(EE)和降低硬件成本的有效技术。然而,传统无线资源分配(RA)算法忽略了系统收发机硬件损伤(HIs)的影响,由于放大器非线性、相位噪声的影响使得接收信号失真,从而使得这类算法的系统性能下降。为解决该问题,通过考虑收发机的硬件损伤和网络窃听者的影响,该文研究基于硬件损伤的IRS辅助安全通信系统能效优化问题。首先,基于基站的最大发射功率约束和用户的最小安全速率约束,建立一个含硬件损伤的能效最大资源优化问题。其次,采用辅助变量替换、半正定松弛以及Dinkelbach等方法,将原非凸问题转化为凸问题进行求解。最后,数值仿真结果表明,该算法与传统资源分配算法相比,合法用户的平均中断概率降低了43.5%,该算法中系统的安全能效提高了8.3%,因此,该算法具有较好的抗硬件损伤性和安全性。
基于强化学习的非正交多址接入和移动边缘计算联合系统信息年龄更新
李保罡, 石泰, 陈静, 李诗璐, 王宇, 张天魁
, doi: 10.11999/JEIT211021
摘要:
物联网发展对信息时效性的需求越来越高,信息新鲜度变得至关重要。为了维持信息新鲜度,在非正交多址接入(NOMA)和移动边缘计算(MEC)的联合系统中,对多设备单边缘计算服务器的传输场景进行了研究。在该场景中,如何分配卸载任务量和卸载功率以最小化平均更新代价是一个具有挑战性的问题。该文考虑到现实中的信道状态变化情况,基于多代理深度确定性策略梯度(MADDPG)算法,考虑信息新鲜度影响,建立了最小化平均更新代价的优化问题,提出一种寻找最优的卸载因子和卸载功率决策。仿真结果表明,采用部分卸载的方式可以有效地降低平均更新代价,利用MADDPG算法可以进一步优化卸载功率,经比较,MADDPG算法在降低平均更新代价方面优于其它方案,并且适当的减少设备数量在降低平均更新代价方面效果更好。
融合语义路径与语言模型的元学习知识推理框架
段立, 封皓君, 张碧莹, 刘江舟, 刘海潮
, doi: 10.11999/JEIT211034
摘要:
针对传统推理方法无法兼顾计算能力与可解释性,同时在小样本场景下难以实现知识的快速学习等问题,本文设计一款融合语义路径与双向Transformer编码(BERT)的模型无关元学习(MAML)推理框架,该框架由基训练和元训练两个阶段构成。基训练阶段,将图谱推理实例用语义路径表示,并代入BERT模型微调计算链接概率,离线保存推理经验;元训练阶段,该框架基于多种关系的基训练过程获得梯度元信息,实现初始权值优化,完成小样本下知识的快速学习。实验表明,基训练推理框架在链接预测与事实预测任务中多项指标高于平均水平,同时元学习框架可以实现部分小样本推理问题的快速收敛。
一种深度学习辅助的探地雷达定位方法
倪志康, 叶盛波, 史城, 潘俊, 郑之杰, 方广有
, doi: 10.11999/JEIT211072
摘要:
在恶劣条件下,例如在雨、雪、沙尘、强光以及黑夜等环境下,自动驾驶方案中常用的视觉和激光传感器因为无法准确感知外界环境而面临失效问题。因此,该文提出一种通过深度学习辅助的探地雷达感知地下目标特征用于车辆定位的方法。所提方法分为离线建图和在线定位两个阶段。在离线建图阶段,首先利用探地雷达采集地下目标的回波数据,然后使用深度卷积神经网络(DCNN)提取采集的地下回波数据中的目标特征,同时存储提取的目标特征和当前地理位置信息,形成地下目标特征指纹地图。在定位阶段,首先利用DCNN提取探地雷达采集到的当前地下回波数据中的目标特征。然后基于粒子群优化方法搜索特征指纹地图中与当前提取的目标特征最相似的特征,并输出该特征的地理位置信息,作为探地雷达定位车辆的结果。最后利用卡尔曼滤波融合探地雷达定位结果和测距轮测量的里程信息,得到高精度的定位结果。实验选取地下目标丰富的场景和实际城市道路场景来测试所提方法的定位性能。实验结果表明,与单一使用探地雷达原始回波数据地图的定位方法相比,深度学习辅助的探地雷达定位方法能避免直接计算原始雷达回波数据间的相似度,减少数据计算量以及数据传输量,具有实时定位能力,同时特征指纹地图对回波数据的变化有鲁棒性,因此所提方法的平均定位误差减少约70 %。深度学习辅助的探地雷达定位方法可作为未来自动驾驶车辆在恶劣环境下感知定位方法的补充。
基于导向矢量双层估计和协方差矩阵重构的稳健波束形成算法
吕岩, 曹菲, 杨剑, 冯晓伟
, doi: 10.11999/JEIT211120
摘要:
针对干扰加噪声协方差矩阵(INCM)重构过程中Capon功率谱(CPS)估计分辨率低的问题,该文提出两种稳健自适应波束形成(RAB)算法。该算法首先通过搜索CPS的峰值确定积分区间,然后对各区间积分所得的协方差矩阵进行特征值分解。通过合理设置判定门限确定区间内所含的入射信源数量,并将较大特征值所对应的特征向量作为信源导向矢量(SV)的初步估计。而后通过最大化估计功率的方法,在初步估计SV的正交空间内搜索其与真实SV之间的误差。该算法1利用最小特征值所对应的特征向量,向初步估计的SV中添加正交比例梯度,得到双层估计的SV。与算法1不同,算法2通过求解2次优化(QP)问题得到修正的SV。最后通过重构INCM获得阵列最优权值矢量。通过计算机仿真实验,验证了所提算法有效解决了CPS估计分辨率低的问题,较其他算法综合性能更优,具备更高的稳健性。
面向工业检测的光场相机快速标定研究
王兴政, 刘杰豪, 韦国耀
, doi: 10.11999/JEIT211174
摘要:
由于光场数据量大,现有光场相机标定算法存在速度慢、无法快速校准工业检测中光场相机的参数变化、降低工业检测效率的问题。该文基于稀疏光场成像模型优化光场数据,提出光场相机快速标定算法。该算法以清晰度作为图像质量评价指标,从光场数据中选取高质量、具有代表性的稀疏视图,构建稀疏光场;接着利用稀疏光场求解相机参数初值并优化,得到最佳参数。实验结果表明,与现有最优标定算法相比,该方法不仅提高平均标定速度70%以上,在现有五个数据集的平均标定时间从101.27 s减少到30.99 s,而且保持标定精度在最优水平,在公开数据集PlenCalCVPR2013DatasetA的标定误差仅为0.0714 mm。
基于组合多臂赌博机的移动群智感知用户招募算法
蒋伟进, 陈萍萍, 张婉清, 孙永霞, 陈君鹏
, doi: 10.11999/JEIT210119
摘要:
在移动群智感知任务分配中,数据平台不知道用户的感知质量或成本值的前提下,如何建立合适的用户招募机制是该文需要解决的关键问题,不仅需要在用户执行的过程学习其感知质量值,还要尽可能保证移动群智感知平台的高效性和利润最大化。因此该文提出基于组合多臂赌博机(Combination Multi-Armed Bandit, CMAB)的移动群智感知用户招募算法来解决用户成本已知和未知的招募问题。首先把用户招募过程建模为组合多臂赌博机模型,每个摇臂代表选择不同的用户,所获得的收益代表用户的感知质量;其次提出基于上限置信区间 (UCB)算法的感知质量函数,根据任务完成情况更新用户的感知质量;然后在每轮的用户招募过程中,学习用户的感知质量和成本,并提出一种新颖的贪婪修复算法。该算法是将用户的感知质量值从高到低进行排序,再选择满足预算条件下感知质量值与招募成本最大比率的用户,最后分配任务和更新其感知质量。最后进行了大量基于真实数据集的实验仿真,以此验证算法的可行性与有效性。
穿墙雷达人体动作识别技术的研究现状与展望
丁一鹏, 厍彦龙
, doi: 10.11999/JEIT211051
摘要:
在人体目标的动作识别应用中,穿墙雷达(TWR)具有隐蔽性高、探测能力强和不易受环境因素限制等优点,同时兼具良好的目标隐私信息保护能力,在武装反恐、安保监控和医疗看护等领域发挥出重要作用。为了梳理穿墙雷达对人体目标动作识别技术的发展脉络以及预测该技术的未来发展趋势,该文首先简要介绍穿墙探测的工作原理,并对不同体制穿墙雷达的特点进行比较和讨论;然后,围绕穿墙雷达人体动作识别应用中的雷达成像、特征参数提取、和动作状态判决等关键技术,对国内外公开发表的相关文献进行了归纳分析;最后,对穿墙雷达的人体动作识别技术研究进行总结和展望,指出该技术在目前实际应用中所面临的潜在问题和挑战。
成像型可见光定位系统优化研究
刘翔宇, 刘保睿, 宋嵩, 郭磊
, doi: 10.11999/JEIT211019
摘要:
现有室内成像型可见光定位系统多注重定位精度的提高,而忽略了系统的解码识别成功率和定位算法的适用性。表现在:(1)接收端捕获带有模糊效应的图像会导致解码识别率变低;(2)定位系统移动状态下采用单一算法定位,且双灯算法的旋转角存在非确定性,导致定位精度大幅度变化,甚至定位系统失效。该文首先提出基于条纹宽度比的解码算法,消除人为设定硬阈值的缺陷;然后,提出基于旋转角优化的联合定位算法,利用方向传感器辅助确认旋转角并联合定位;此外,还设计了简易导航功能。实验结果表明,该算法使得解码识别率在1.5 m内可达99%,系统平均定位误差为3.998 cm。
面向边缘计算的可信协同框架
何欣枫, 田俊峰, 娄健
, doi: 10.11999/JEIT211045
摘要:
在边缘计算环境中,边缘节点种类多样,分布范围广,工作环境差异大,这使得数据安全保障变得非常复杂,难以对其传输数据的可信性进行有效评价,从而影响整个边缘计算环境的安全性。针对上述问题,基于可信计算中密封密钥及群数字签名技术,该文提出边缘可信计算基(ETCB)的概念,并给出了构建ETCB的算法集,设计了面向边缘计算的可信数据验证协议,并对算法正确性和协议安全性进行了证明。该框架结合可信计算技术的优势,在不改变原有边缘计算模式的前提下,实现了数据的分布式可信验证。
有噪声标注情况下的中医舌色分类方法
卓力, 孙亮亮, 张辉, 李晓光, 张菁
, doi: 10.11999/JEIT210935
摘要:
舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出一种有噪声标注情况下的中医舌色分类方法:首先,提出一种两阶段的数据清洗方法,对含有噪声的标注样本进行识别,并进行清洗;其次,设计一种基于通道注意力机制的轻型卷积神经网络,通过增强特征的表达能力,实现舌色的准确分类;最后,提出一种带有噪声样本过滤机制的知识蒸馏策略,该策略中加入了由教师网络主导的噪声样本过滤机制,进一步剔除噪声样本,同时利用教师网络指导轻型卷积神经网络的训练,提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明,该文提出的舌色分类方法能以较低的计算复杂度,显著提升分类的准确率,达到了93.88%。
基于改进深度生成对抗网络的心电信号重构算法
赵雅琴, 孙蕊蕊, 吴龙文, 聂雨亭, 何胜阳
, doi: 10.11999/JEIT210922
摘要:
心冲击图(BCG)信号中含有睡眠时期的心跳等生理参数,采用非接触式测量,但易受干扰影响应用受限;心电图(ECG)信号应用很广,但采用接触式测量,操作不便。为了实现非接触式测量并监测心电信号,该文将无参数尺度空间法引入并改进经验小波变换算法,从BCG信号中分解得到心跳分量,结果表明所提分解方法能有效地从BCG信号中最大限度地分解出心跳信号;并在此基础上通过改进的深度卷积生成对抗网络(DCGAN)重构出ECG信号。最终实验结果表明,该文所提信号重构算法能从心跳分量重构恢复出ECG信号,均方根误差为–16.8422 dB。
应急搜索UAV集群协同任务规划策略
鲁旭涛, 智超群, 张丽娜, 秦英伟, 李静, 王英
, doi: 10.11999/JEIT210219
摘要:
目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采用O-HPSO实现划分区域内的路径规划,以实现多UAV集群搜索总体任务的规划。仿真实验结果表明,采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比,在保证搜索区域全覆盖条件下,有源搜索与无源搜索过程中UAV决策时间分别降低了7%~21%、16%~31%,搜索效率分别提升了7%~13%、3%~7%。结果表明所提方法有效降低了UAV集群的决策时间,提升了搜索效率。
基于随机网格的视觉多秘密共享方案
高军涛, 岳浩, 曹菁
, doi: 10.11999/JEIT201093
摘要:
为了提高视觉秘密共享(VSS)的恢复效果,该文提出一种基于随机网格的视觉多秘密共享方案。通过使用一种基于圆柱面的随机网格阈值多秘密图像共享方案,使得用户一次可以共享多个秘密图像;部分份额图像受到篡改仍然可以恢复秘密图像,具有较好的鲁棒性;同时份额的数量和最后恢复图像的视觉质量成正相关。仿真结果表明所提出的多秘密视觉共享方案在恢复像素正确率方面是原有的单秘密视觉共享方案2 倍多,即在增加了多个秘密图像的同时,提高了恢复的正确率。
星载GNSS反射信号时-空性能仿真分析
王峰, 杨东凯, 张波
, doi: 10.11999/JEIT201034
摘要:
针对星载全球导航卫星系统(GNSS)反射信号时-空性能问题,该文从1阶统计量角度定义了平均空间覆盖次数、全球覆盖面积百分比和平均回访时间3个衡量星载GNSS反射信号时-空性能的指标,并通过建立GNSS和低轨卫星轨道仿真研究了低轨卫星轨道高度、倾角、升交点赤经以及天线波束对星载GNSS反射信号时-空性能的影响。结果表明:单颗卫星无法满足全球探测的任务需求,当轨道高度为1300 km,倾角为98.7°,天线波束为40°时,平均覆盖次数、平均覆盖面积百分比和平均回访时间分别为1.6, 36.5%和8 h;通过单一轨道的卫星组网可有效提高星载GNSS反射信号的时-空性能,当卫星数目为4,高度为635 km,倾角为98.7°,波束宽度为40°时,星载GNSS反射信号的时-空性能指标高于单颗ASCAT卫星一天覆盖地球65%的指标;当卫星数目增加至8颗时,星载GNSS反射信号可在平均4.5 h内观测地球88.9%的区域。
两类最优零相关区非周期互补序列集的构造
崔莉, 许成谦
, doi: 10.11999/JEIT210950
摘要:
该文基于正交矩阵,通过不同的矩阵变换的方法,提出两类零相关区(ZCZ)非周期互补序列集(ZACSS)的构造方法。在正交矩阵的阶能够被零相关区长度整除的条件下,所得序列集参数均能达到最优,且零相关区长度可以灵活选择。第1种方法构造的序列集具有理想的自相关互补性,通过进一步分组,可以得到多个组内互补的序列集。利用初始矩阵和正交矩阵的多样性能够构造出大量的最优零相关区非周期互补序列集,可应用于多载波码分多址(MC-CDMA)系统作为用户地址码来消除多径干扰和多址干扰。
基于图注意力网络的服务功能链路径优化研究
黄万伟, 李松, 张超钦, 王苏南, 张校辉
, doi: 10.11999/JEIT210458
摘要:
服务功能链(SFC)路径生成旨在为用户提供高速率、低延迟的多样化网络功能定制服务。现有的SFC路径选择算法大多都针对特定网络拓扑结构或使用单一评价指标,存在泛化性弱、评价标准单一的问题。针对此,该文提出基于图注意力网络(GAT)的SFC路径选择优化模型(SFC-GAT),其核心不再固定网络拓扑结构,而是将SFC路径选择问题建模为路径注意力问题。通过重新设计路径选择图和路径更新策略方式,增强模型泛化性;从时延和负载能力综合角度评价路径优化效果,解决路径性能单一评价问题。仿真实验结果表明:相比于约束下最短路径和最小过载路径选择策略,SFC-GAT至少能提高12%和7%选择路径综合性能。
基于多智能体模糊深度强化学习的跳频组网智能抗干扰决策算法
赵知劲, 朱家晟, 叶学义, 尚俊娜
, doi: 10.11999/JEIT210608
摘要:
为提高复杂电磁环境下跳频异步组网的抗干扰性能,该文提出一种基于集中式训练和分散式执行框架的多智能体模糊深度强化学习(MFDRL-CTDE)算法。针对多种干扰并存的复杂电磁环境和异步组网结构,设计了相应的状态-动作空间和奖赏函数。为应对Agent之间的相互影响和动态的环境,引入集中式训练和分散式执行(CTDE)框架。该文提出基于模糊推理系统的融合权重分配策略,用于解决网络融合过程中各Agent的权重分配问题。采用竞争性深度Q网络算法和优先经验回放技术以提高算法的效率。仿真结果表明,该算法在收敛速度和最佳性能方面都具有较大优势,且对多变复杂电磁环境具有较好的适应性。
基于多尺度特征结合细节恢复的单幅图像去雾方法
张世辉, 路佳琪, 宋丹丹, 张晓微
, doi: 10.11999/JEIT210868
摘要:
为提高单幅图像去雾方法的准确性及其去雾结果的细节可见性,该文提出一种基于多尺度特征结合细节恢复的单幅图像去雾方法。首先,根据雾在图像中的分布特性及成像原理,设计多尺度特征提取模块及多尺度特征融合模块,从而有效提取有雾图像中与雾相关的多尺度特征并进行非线性加权融合。其次,构造基于所设计多尺度特征提取模块和多尺度特征融合模块的端到端去雾网络,并利用该网络获得初步去雾结果。再次,构造基于图像分块的细节恢复网络以提取细节信息。最后,将细节恢复网络提取出的细节信息与去雾网络得到的初步去雾结果融合得到最终清晰的去雾图像,实现对去雾后图像视觉效果的增强。实验结果表明,与已有代表性的图像去雾方法相比,所提方法能够对合成图像及真实图像中的雾进行有效去除,且去雾结果细节信息保留完整。
奇异值分解域差异性度量的低景深图像显著性目标提取方法
章秀华, 程鉴, 洪汉玉, 张天序
, doi: 10.11999/JEIT210854
摘要:
针对低景深图像(DOF)目标提取过程中,容易出现目标提取不完整或背景被误识为目标等现象,该文提出一种奇异值分解 (SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊,以图像中每一个像素点为中心,利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解,再构造两奇异值之间的差异特征向量,针对此向量定义低中高全频段信息加权的差异性度量算子,计算对应像素点的显著性特征值,逐像素处理得到显著性结果图并进行阈值化处理,实现低景深图像目标的有效提取。对大量低景深图像进行处理,并与几种现有方法进行比较,提出方法的F度量值最大可提高54%,平均绝对误差减少76%~87%,可完整提取目标并有效去除背景,具有较强的可靠性。
考虑负载均衡和用户体验的垂直切换算法
马彬, 钟世林, 谢显中, 陈鑫
, doi: 10.11999/JEIT210958
摘要:
在超密集异构无线网络中,针对城区交通高峰期,大规模车载终端短时间聚集性移动引起的网络拥塞问题,该文提出一种考虑负载均衡和用户体验的垂直切换算法。首先,引入网络环境感知模型预测网络未来的拥塞程度,并提出一个融合自组织网络的网络架构,缓解网络拥塞。其次,定义业务适应度和负收益因子,并提出一种基于秩和比(RSR)的自适应切换判决算法,为用户筛选出当前环境下满意度最高的目标网络。实验结果表明,该算法能够有效降低终端接入网络的阻塞率和掉话率,实现网络间负载均衡并提升用户体验。
基于快速强化学习的无线通信干扰规避策略
李芳, 熊俊, 赵肖迪, 赵海涛, 魏急波, 苏曼
, doi: 10.11999/JEIT210965
摘要:
针对无线通信环境中存在未知且动态变化的干扰,该文联合考虑通信信道接入和发射功率控制提出了基于快速强化学习的未知干扰规避策略,以确保通信收发端的可靠通信。将干扰规避问题建模为马尔科夫决策过程,其优化目标为在保证通信质量的前提下同时降低系统发射功率和减少信道切换次数。随后,提出一种赢或学习快速策略爬山(WoLF-PHC)学习方法的干扰规避方案,从而实现快速规避干扰的目的。仿真结果表明,在不同干扰模式下,所提WoLF-PHC算法的抗干扰性能、收敛速度均优于传统的随机选择方法和Q学习算法。
基于匹配场处理的浅海水声目标深度分类方法研究
毕雪洁, 惠娟, 赵安邦, 王彪, 马林, 李晓曼
, doi: 10.11999/JEIT210848
摘要:
针对现有的浅海水声目标深度分类方法存在的频率适用范围有限、信噪比要求较高等问题,在已获得有效的测距结果的前提下,该文提出一种基于新匹配量的浅海水声目标深度分类算法。通过分析模态互相关项的深度分布特征,建立以垂直复声强为匹配量的目标深度分类模型。接收深度不同时,算法虽均使用垂直复声强为匹配量,但实际上影响深度分类效果的模态互相关项是不同的。根据目标深度分类需求的不同,通过指定双矢量传感器的接收深度,实现目标深度分类模型匹配量的优化选取,从而实现目标深度分类算法性能的提升。仿真结果表明:该算法适用于目标频率激发3阶简正波的情况,算法的频率适用范围得以扩展。算法在低信噪比(SNR)情况下(SNR= 0 dB)、复杂海洋波导中可以获得有价值的深度分类结果。
基于轻量级U-Net深度学习的人体安检隐匿违禁物的实时检测
李连伟, 秦世引
, doi: 10.11999/JEIT210787
摘要:
在高端智能安检系统研发中,如何使受检者在无接触正常行进过程中,对其实施人体是否携带隐匿违禁物的快速高效检测则是具有挑战性的关键性技术。被动毫米波成像以其安全无害、穿透性强等突出优势而成为安检成像的热门选项。该文利用被动毫米波成像和可见光成像的优势互补,通过轻量级U-Net的深度学习,研究提出人体安检隐匿违禁物的高性能实时检测算法。首先构建和训练轻量级U-Net分割网络,进行被动毫米波图像(PMMWI)和可见光图像(VI)中人体轮廓的快速分割,实现人体与背景的有效分离,以获取疑似隐匿违禁物的轮廓信息。进而,以轻量级U-Net为工具,通过基于相似性测度的无监督学习方法进行被动毫米波人体轮廓图像与可见光人体轮廓图像的配准,以滤除虚警目标,并在可见光图像中进行疑似目标定位,得到单帧图像的检测结果。最后,通过序列多帧图像之检测结果的综合集成与推断,给出最终检测结果。通过在专门构建的数据集上的实验结果表明,该文所提方法的F1指标达到92.3%,展现出良好的性能优势。
一种具有边缘增强特点的医学图像分割网络
孙军梅, 葛青青, 李秀梅, 赵宝奇
, doi: 10.11999/JEIT210784
摘要:
针对传统医学图像分割网络存在边缘分割不清晰、缺失值大等问题,该文提出一种具有边缘增强特点的医学图像分割网络(AS-UNet)。利用掩膜边缘提取算法得到掩膜边缘图,在UNet扩张路径的最后3层引入结合多尺度特征图的边缘注意模块(BAB),并提出组合损失函数来提高分割精度;测试时通过舍弃BAB来减少参数。在3种不同类型的医学图像分割数据集Glas, DRIVE, ISIC2018上进行实验,与其它分割方法相比,AS-UNet分割性能较优。
基于相关性和稀疏表示的运动想象脑电通道选择方法
孟明, 董芝超, 高云园, 孔万增
, doi: 10.11999/JEIT210778
摘要:
在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升。该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法。首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间模式和支持向量机分别进行特征提取和分类。在对BCI第3次竞赛数据集IVa和BCI第四次竞赛数据集I两个二分类MI任务的分类实验中,平均分类精度达到了88.61%和83.9%,表明所提通道选择方法的有效性和鲁棒性。
改进型Logistic混沌映射及其在图像加密与隐藏中的应用
刘公致, 吴琼, 王光义, 靳培培
, doi: 10.11999/JEIT210763
摘要:
鉴于原Logistic映射的映射范围有限、混沌参数范围小、分布不均匀等缺陷,该文提出一个新的改进型Logistic混沌映射。该映射有\begin{document}$ \mu $\end{document}\begin{document}$ \alpha $\end{document}两个参数,\begin{document}$ {x_{n - 1}} $\end{document}\begin{document}$ {x_n} $\end{document}的两个初值,参数和初值选取范围可扩展到任意实数,其混沌映射均为满映射,且映射范围可任意调控。将该映射应用到图像加密,其算法采用像素值异或加密、像素位置置乱处理。之后再把密文数据隐藏在与密文无关的载图之中。对密文图像做了一系列的分析,包括图像的相邻像素点相关性,直方图分析和密钥敏感性测试。分析结果表明,所提加密算法具有很好的安全性和加密效果。
基于移位窗口多头自注意力U型网络的低照度图像增强方法
孙帮勇, 赵兴运, 吴思远, 于涛
, doi: 10.11999/JEIT211131
摘要:
针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题,该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架,以移位窗口多头自注意力模型为基础,构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域,建立图像特征信息之间的长期依赖关系,能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验,主观感受上,该文方法显著提升了图像亮度,抑制图像噪声效果明显并较好的保持了纹理细节和颜色信息;在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面,该方法较其他方法的最优值分别提高了0.35 dB,0.041和0.031。实验结果表明,该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标,具有一定的应用价值。
基于多分支网络的深度图帧内编码单元快速划分算法
刘畅, 贾克斌, 刘鹏宇
, doi: 10.11999/JEIT211010
摘要:
3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU四叉树划分复杂度高的问题,该文提出一种基于深度学习的CU划分结构快速预测方案。首先,构建学习深度图CU划分结构信息的数据集;其次,搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型,并利用构建的数据集训练MB-CNN模型;最后,将MB-CNN模型嵌入3D-HEVC的测试平台,通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比,编码复杂度平均降低了37.4%。实验结果表明,在不影响合成视点质量的前提下,该文所提算法有效地降低了3D-HEVC的编码复杂度。
一种具有多对称同质吸引子的四维混沌系统的超级多稳定性研究
黄丽莲, 姚文举, 项建弘, 王霖郁
, doi: 10.11999/JEIT201095
摘要:
该文在一个经典3维混沌系统的基础上提出一个新的具有超级多稳定性的4维混沌系统。新系统具有一个线平衡点,可以产生无限多对称的同质吸引子。通过相轨图和庞加莱截面等方法分析了系统的混沌特性。重点利用相轨图、分岔图和Lyapunov指数谱等方法分析了初始条件对系统超级多稳定性的影响,分析表明该系统具有很大的初值变化范围,除零点外恒定的Lyapunov指数谱,中心对称的离散分岔图。进一步地,该文研究了系统初值对称性与吸引子对称性的关系,不同于现有混沌系统中的对称吸引子,该系统可以产生无限多对称的同质吸引子。最后,利用电路仿真软件搭建模拟电路捕捉该系统的混沌吸引子,其结果验证了数值仿真的正确性。
上下文信息融合与分支交互的SAR图像舰船无锚框检测
曲海成, 高健康, 刘万军, 王晓娜
, doi: 10.11999/JEIT201059
摘要:
SAR图像中舰船目标稀疏分布、锚框的设计,对现有基于锚框的SAR图像目标检测方法的精度和泛化性有较大影响,因此该文提出一种上下文信息融合与分支交互的SAR图像舰船目标无锚框检测方法,命名为CI-Net。考虑到SAR图中舰船尺度的多样性,在特征提取阶段设计上下文融合模块,以自底向上的方式融合高低层信息,结合目标上下文信息,细化提取到的待检测特征;其次,针对复杂场景中目标定位准确性不足的问题,提出分支交互模块,在检测阶段利用分类分支优化回归分支的检测框,改善目标定位框的精准性,同时将新增的IOU分支作用于分类分支,提高检测网络分类置信度,抑制低质量的检测框。实验结果表明:在公开的SSDD和SAR-Ship-Dataset数据集上,该文方法均取得了较好的检测效果,平均精度(AP)分别达到92.56%和88.32%,与其他SAR图舰船检测方法相比,该文方法不仅在精度上表现优异,在摒弃了与锚框有关的复杂计算后,较快的检测速度,对SAR图像实时目标检测也有一定的现实意义。
基于改进深度Q学习的网络选择算法
马彬, 陈海波, 张超
, doi: 10.11999/JEIT200930
摘要:
在引入休眠机制的超密集异构无线网络中,针对网络动态性增强,导致切换性能下降的问题,该文提出一种基于改进深度Q学习的网络选择算法。首先,根据网络的动态性分析,构建深度Q学习选网模型;其次,将深度Q学习选网模型中线下训练模块的训练样本与权值,通过迁移学习,将其迁移到线上决策模块中;最后,利用迁移的训练样本及权值加速训练神经网络,得到最佳选网策略。实验结果表明,该文算法显著改善了因休眠机制导致的高动态性网络切换性能下降问题,同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。
基于WFRFT的卫星信号掩盖方法研究
桑之昂, 刘亚南, 刘子威, 胡义鑫, 张更新
, doi: 10.11999/JEIT200922
摘要:
卫星信号掩盖技术利用具有强功率、特定参数特征的信号来掩盖信道中的通信信号,以达到保护信号波形安全的目的。但随着调制识别和串行干扰消除(SIC)技术的发展,采用常规调制方式的掩盖信号能够被非合作接收方破解。针对便携式卫星通信终端的安全通信需求,该文借鉴卫星成对载波多址(PCMA)中利用本地信号副本进行自干扰抵消的思想,分析了一种适用于便携式终端的卫星安全通信方法。同时引入加权类分数傅里叶变换(WFRFT)作为掩盖信号的调制方式,以增加非合作方识别与解调掩盖信号的难度。仿真表明该文所提方法提高了信号传输的安全性,且经过信号分离后系统的误码率损失在可接受范围内,适合实际使用。
基于平衡迭代规约层次聚类的无线传感器网络流量异常检测方案
郁滨, 熊俊
, doi: 10.11999/JEIT201004
摘要:
针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题,该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上,利用BIRCH算法对流量特征进行聚类,通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程,以提高算法的聚类质量和性能鲁棒性。进一步,设计基于拐点的综合判决机制,结合预测、聚类结果对流量进行异常检测,保证方案的检测准确性。实验结果表明,所提方案在检测效果和检测性能稳定性上具有较为明显的优势。
软件定义网络中基于时延和负载的多控制器部署策略研究
黄梅根, 袁雪, 吴令令, 孙培斯
, doi: 10.11999/JEIT200844
摘要:
多控制器体系结构的出现,解决了经典软件定义网络(SDN)架构控制层以单一集中控制器为主,在大规模网络环境中的可扩展性问题。在多控制器体系结构中,由于生成转发规则并将其填充到交换机的任务被委托给了控制器,网络的性能在很大程度上取决于控制器的放置。该文以降低总时延和均衡控制器间负载为目标,提出了一种基于子网划分的多控制器部署算法(MCPA)。该算法改造谱聚类算法以保证网络连通性并加入离群点处理算法和负载均衡处理算法。仿真结果表明,该算法能够有效地对网络进行划分,在保证网络总时延较低的情况下使各个控制器的负载保持均衡。
基于显著性权重的多曝光融合的单幅雾天图像复原算法
李红云, 施云, 高银
, doi: 10.11999/JEIT200931
摘要:
传统暗原色理论的相关算法,在处理雾天图像时会产生颜色的畸变和亮度的损失,针对该情况,该文提出基于权重多曝光融合的单幅雾天图像复原算法。首先通过雾天图像的直方图分析,获取全局大气背景光值的区域。其次构造一种新的Kirsh算子的高阶差分滤波方法,优化透射率图像。最后设计一种基于显著性权重的多曝光图像融合方法,提高处理后图像的视觉效果。本文采用自然图像和合成图像进行实验,与多种算法通过主观和客观评价,表明本文算法比现有的算法有更高的复原效果。
基于多样化局部注意力网络的行人重识别
徐胜军, 刘求缘, 史亚, 孟月波, 刘光辉, 韩九强
, doi: 10.11999/JEIT201003
摘要:
针对现实场景中行人图像被遮挡以及行人姿态或视角变化造成的未对齐问题,该文提出一种基于多样化局部注意力网络(DLAN)的行人重识别(Re-ID)方法。首先,在骨干网络后分别设计了全局网络和多分支局部注意力网络,一方面学习全局的人体空间结构特征,另一方面自适应地获取人体不同部位的显著性局部特征;然后,构造了一致性激活惩罚函数引导各局部分支学习不同身体区域的互补特征,从而获取行人的多样化特征表示;最后,将全局特征与局部特征集成到分类识别网络中,通过联合学习形成更全面的行人描述。在Market1501, DukeMTMC-reID和CUHK03行人重识别数据集上,DLAN模型的mAP值分别达到了88.4%, 79.5%和74.3%,Rank-1值分别达到了95.1%, 88.7%和76.3%,明显优于大多数现有方法,实验结果充分验证了所提方法的鲁棒性和判别能力。
基于知识图谱波纹网络的人机交互模型
黄宏程, 廖强, 胡敏, 陶洋, 寇兰
, doi: 10.11999/JEIT200817
摘要:
针对当前人机交互系统机器人存在背景知识缺乏、回复连贯性不高的问题,该文提出一种基于知识图谱波纹网络的人机交互模型。为实现更加自然且智能化的人机交互系统,该文模型模拟了真实的人与人交流过程。首先,通过计算人机交互情感评估值和人机交互情感确信度得到人机交互情感友好度。然后,引入外部知识图谱作为机器人的背景知识,将对话实体嵌入知识图谱波纹网络获取参与人潜在的感兴趣的实体内容。最后,综合考量情感友好度和内容友好度给出机器人回复。实验结果表明,与对比模型相比,拥有背景知识且加入情感度量的机器人在进行人机交互时,其情感友好度与连贯性能够得到有效提升。
基于类别转移加权张量分解模型的兴趣点分区推荐
李胜, 刘桂云, 何熊熊
, doi: 10.11999/JEIT200934
摘要:
基于位置社交网络的兴趣点(POI)推荐是人们发现有趣位置的重要途径,然而,现实中用户在不同区域的地点偏好侧重的差异,加之高维度的历史签到信息,使得精准而又个性化的POI推荐极富挑战性。对此,该文提出一种新型的基于类别转移加权张量分解模型的兴趣点分区推荐算法。通过结合用户连续行为和时间特征,来充分利用用户的历史访问信息,从而得到类别转移权重因子;接着改进用户-时间-类别张量模型,在此张量中加入类别转移权重,预测用户的喜好类别;最后,根据用户的历史访问区域划分出本地和异地,并基于用户的当前位置找出推荐区域范畴,进而引入位置因素和社交因素,结合候选类别作兴趣点分区推荐。通过在真实数据集上进行对比实验,实验结果表明,所提算法不仅具有通用性,而且在推荐性能上也优于其他对比算法。
基于滑动窗口和卷积神经网络的可穿戴人体活动识别技术
何坚, 郭泽龙, 刘乐园, 苏予涵
, doi: 10.11999/JEIT200942
摘要:
由于缺少统一人体活动模型和相关规范,造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同,并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征,建立基于笛卡尔坐标的人体活动模型,并规范了模型中活动传感器部署位置及活动数据的归一化方法;其次,引入滑动窗口技术建立将人体活动数据转换为RGB位图的映射方法,并设计了人体活动识别卷积神经网络(HAR-CNN);最后,依据公开人体活动数据集Opportunity创建HAR-CNN实例并进行了实验测试。实验结果表明,HAR-CNN对周期性重复活动和离散性人体活动识别的F1值分别达到了90%和92%,同时算法具有良好的运行效率。
融合深度情感分析和评分矩阵的推荐模型
李淑芝, 余乐陶, 邓小鸿
, doi: 10.11999/JEIT200779
摘要:
目前,大多数推荐系统都具有评分数据稀疏性的问题,它会限制模型的有效性。而用户对于某件商品撰写的评论中隐含了很多信息,对评论文本进行情感分析并提取关键的因素来用于模型的学习,可以有效地缓解数据稀疏问题,但仅使用评论数据而忽略了评分数据的主要因素会影响推荐精度。对此,为了进一步提高推荐精度,该文提出一个评论文本和评分矩阵交互(RTRM)的深度模型,该模型能够提取评论文本和评分矩阵的深层次特征,并结合它们进行评分预测;其次,通过使用预训练的Electra模型得到每条评论的隐表达,并结合深度情感分析及注意力机制实现从上下文语义层面对评论文本的分析,解决了短文本的语义难以分析的问题;同时,在融合层模块中,用户(物品)评论和评分矩阵进行交互,最终预测出用户对商品的评分;最后,在6组数据集上,采用均方误差(MSE)进行性能对比实验,实验结果表明该文模型性能优于其他系统,且平均预测误差最大降低了12.821%,该模型适用于向用户推荐精确的物品。
MEMS惯性测量单元航姿更新中的测量误差估算方法
马江华, 林炜轩, 万美琳, 王德志
, doi: 10.11999/JEIT210006
摘要:
利用MEMS惯性测量单元测量载体的航姿,需要借助精密转台且较难精确估算测量误差,导致成本高误差大。针对该问题,该文利用卡尔曼滤波器在线估算载体的姿态和陀螺仪的偏置,提出一种优化航姿精度的测量误差估算方法。通过推导测量误差的数学模型,分析航姿精度随测量误差变化的关系,得到最优航姿时的测量误差值。采用一种MEMS惯性测量单元,测试载体沿任意轨迹匀速运动5 min的航姿。实验结果表明优化后载体的航姿与参考航姿保持一致,且最后静止时段载体的俯仰角、横滚角和航向角仅偏离参考航姿0.008°, 0.006°和0.6°。
基于距离比较的AC自动机并行匹配算法
姜海洋, 李雪菲, 杨晔
, doi: 10.11999/JEIT210009
摘要:
随着网络带宽的快速增长,作为网络安全设备核心模块的多模式匹配(MPM)算法面临严峻的性能挑战。该文提出一种高效的数据包分割和并行匹配算法—距离比较并行匹配算法(DCPM)。和已有方法相比,并行的DCPM线程间不存在同步开销,引入的冗余检测开销达到理论最小。基于Aho-Corasick(AC)算法,在8核处理器平台上将DCPM算法与已有的数据包分割方法进行了性能比较。实验结果表明,和已有方法相比,DCPM算法的适应性更好,性能受网络流量中模式串占比、模式串长度及自动机状态数等因素的影响更小;在处理真实数据集时,DCPM算法的加速比提升1.3~3.5倍。
eLORAN系统的GRI组合设计研究
刘时尧, 张首刚, 华宇
, 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的罗兰C台站间的相对交叉干扰率进行一次筛选;之后通过排列组合进行两两比较并二次筛选;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。
5G上行链路中基于预测的紧急资源分配方法研究
许方敏, 伍丽娇, 王翔, 赵成林
, doi: 10.11999/JEIT201050
摘要:
作为5G uRLLC的典型应用场景,工业应用对于数据传输的延迟和可靠性要求越来越严苛,且多样化业务带来的多样性数据的融合传输是当前亟待解决的问题,其中高效的无线资源调度以保障各种数据共存互不干扰、稳定可靠地传输和系统安全稳定的运行是重要的挑战之一。为解决无线网络中周期性的监测数据与紧急数据的协同传输问题,该文针对工业多样化业务数据传输场景中的5G上行链路传输,提出一种基于预测的资源分配方案,该方案利用自回归滑动平均(ARMA)模型根据紧急数据的历史传输周期的激活率预测下一传输周期的紧急数据激活率,根据预测激活率动态的为周期数据和紧急数据预留资源,以在满足紧急数据传输条件的前提下最小化对周期数据传输的影响。仿真实验表明,与传统的资源分配方案相比本方案能有效降低紧急数据传输对周期数据的影响,并能提升频谱资源的利用率。
基于sECANet通道注意力机制的肾透明细胞癌病理图像ISUP分级预测
杨昆, 常世龙, 王尉丞, 高聪, 刘筱, 刘爽, 薛林雁
, doi: 10.11999/JEIT210900
摘要:
为了对肾透明细胞癌(ccRCC)进行准确核分级以改善肾癌的治疗和预后,该文提出一种新的通道注意力模块sECANet,通过计算特征图中当前通道与临近通道以及当前通道与远距离通道之间的信息交互来获取更多有用的特征。实验中收集了90例患者的肾组织病理图像,进行裁切和增强后采用五折交叉验证法对改进后的网络在Patch级别进行验证。实验结果表明,该文所提出的模型在Patch级别上鉴别ISUP分级的准确率为78.48±3.17%,精确率为79.95±4.37%,召回率为78.43±2.44%,F1分数为78.51±3.04%。进一步地,对每个病例所有Patch的预测结果采用多数投票法得到Image级别的分类结果,所有病例的准确率为88.89%,精确率为89.88%,召回率为87.65%,F1分数为88.51%。因此,sECANet在Patch级别和Image级别上均优于其他注意力机制和基本网络模型ResNet50。据此,该文所构建的病理图像ccRCC ISUP分级模型有良好的诊断效能,可以为患者的治疗和预后提供一定的参考。
基于希尔伯特黄变换和深度卷积神经网络的房颤检测
郭一楠, 邵慧杰, 巩敦卫, 李海泉, 陈丽
, doi: 10.11999/JEIT211171
摘要:
房颤是一种常见的心律失常,其发病率会随着年龄增长而升高。因此,从心电(ECG)信号中尽早识别出房颤,有助于降低中风风险和心源性死亡率。为有效提高其检测准确率,该文提出一种基于希尔伯特黄变换(HHT)和深度卷积神经网络的房颤检测方法。1维的时域心电信号通过希尔伯特黄变换,转换为时频域信号,旨在通过时频分析,丰富原始信号的特征。进而,采用DenseNet深度卷积神经网络来处理精细的时频图,并在迭代过程中选出最佳检测模型。该方法获得的最佳检测模型在麻省理工学院-贝斯以色列医院(MIT-BIH)和2017年生理信号竞赛(2017 PhysioNet Challenge)的房颤数据集上分别取得了99.11%和97.25%的检测准确率。此外,该文将希尔伯特黄变换与其他时频分析方法以及稠密网络(DenseNet)与其他卷积神经网络进行了对比。相比于其他检测方法,实验结果表明希尔伯特黄变换和深度卷积神经网络(DCNN)为房颤检测提供了更加准确的识别方式。
一种硅油填充术眼内硅油乳化过程模拟可视化方法
班晓娟, 王佳敏, 王笑琨, 张雅斓, 徐衍睿, 宋重明, 黄厚斌, 朱志鸿
, doi: 10.11999/JEIT210919
摘要:
眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中,预测术后硅油乳化情况,并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键。然而手术流程中医生无法直接观察眼球内部结构,很难对填充物质进行定量分析,手术完成后亦对硅油乳化状态缺乏可视化认知。该文提出一种基于光滑粒子流体动力学的体积不可压缩多相流体计算框架,结合表面张力模型对眼内环境中硅油和水的耦合进行数值计算;构建以力平衡散体动力学模型为基础的多相流体互溶扩散模拟方法,对硅油乳化过程进行可视量化分析。实验表明,该方法可以稳定模拟强表面张力作用下多相流体耦合以及可混溶多相流体相间交互效果,从而有效辅助医生判定所需硅油填充量,并预测评估硅油乳化状态对手术预后的影响。
智慧医疗中基于属性加密的云存储数据共享
牛淑芬, 宋蜜, 方丽芝, 王彩芬
, doi: 10.11999/JEIT210858
摘要:
在电子病历系统中,为了实现多用户环境下的数据搜索,该文提出一种属性基可搜索加密方案。该文将密文和安全索引存储在医疗云,当用户请求医疗数据时,利用属性基可搜索加密算法进行数据搜索,实现了细粒度访问控制。同时方案引入了密文验证算法,解决了半诚实且好奇的云服务器模型下搜索结果不正确的问题。利用数据去重技术实现了重复数据的消除,减少占用医疗云的存储空间。方案同时实现了访问策略的隐藏,保证了数据用户的隐私安全。安全性分析表明,所提方案能很好地保护用户的隐私以及数据的安全。性能分析表明,该方案具有较好的性能,更加适用于智慧医疗等多对多应用场景,有效实现了医生和第三方数据用户在不侵犯患者隐私的前提下共享患者电子病历。
基于强化学习的多自由度智能超声机器人系统
宁国琛, 张欣然, 廖洪恩
, doi: 10.11999/JEIT210879
摘要:
超声机器人作为一种典型的医疗机器人,在辅助诊断与外科引导中可以有效提高超声成像效率并降低人工长时间操作导致的疲劳。为了提升超声机器人在复杂动态环境中的成像效率与稳定性,该文提出一种基于深度强化学习的超声机器人多自由度成像控制方法与系统。首先基于近端策略梯度优化的成像动作决策方法,实时生成超声探头空间动作和姿态运动决策,并实现动态环境中对目标成像动作的持续生成过程。进一步,研究根据超声机器人成像任务中面临复杂柔性环境的特点,在超声机器人运动自主决策的基础上提出超声机器人运动空间优化策略。最终实现在避免参数调整和复杂动态环境的情况下,对不同人体部位进行自动的机器人超声成像。
基于梯度指导的生成对抗网络内镜图像去模糊重建
时永刚, 张岳, 周治国, 李祎, 夏卓岩
, doi: 10.11999/JEIT210920
摘要:
胃肠镜检查是目前临床上检查和诊断消化道疾病最重要的途径,内窥镜图像的运动模糊会对医生诊断和机器辅助诊断造成干扰。现有的去模糊网络由于缺乏对结构信息的关注,在处理内窥镜图像时普遍存在着伪影和结构变形的问题。为解决这一问题,提高胃镜图像质量,该文提出一种基于梯度指导的生成对抗网络,网络以多尺度残差网络(Res2net)结构作为基础模块,包含图像信息支路和梯度支路两个相互交互的支路,通过梯度支路指导图像去模糊重建,从而更好地保留图像结构信息,消除伪影、缓解结构变形;设计了类轻量化预处理网络来纠正过度模糊,提高训练效率。在传统胃镜和胶囊胃镜数据集上分别进行了实验,实验结果表明,该算法的峰值信噪比(PSNR)和结构相似度(SSIM)指标均优于对比算法,且复原后的视觉效果更佳,无明显伪影和结构变形。
基于深度学习的高分辨率食管测压图谱中食管收缩活力分类
贺福利, 戴渝卓, 李钊颖, 粟日, 曹聪, 王姣菊, 戴燎元, 侯木舟, 汪政
, doi: 10.11999/JEIT210909
摘要:
高分辨率食管测压技术(High-Resolution Manometry, HRM)作为检测食管动力障碍性疾病(Esophageal Motility Disorder, EMD)的金标准,已广泛应用于临床试验以辅助医生进行诊断治疗。随着患病率的上升,HRM图像的数据量爆炸式增长,加之EMD的诊断流程较为复杂,临床上EMD误诊事件时有发生。为了提高EMD诊断的准确性,我们希望搭建一个计算机辅助诊断(Computer Aided Diagnosis, CAD)系统帮助医生对HRM图像进行自动分析。由于食管收缩活力的异常是诊断EMD的重要依据,本文提出了一个深度学习模型(PoS-ClasNet)以完成对HRM图像的食管收缩活力分类任务,为今后机器代替人工诊断EMD奠定基础。PoS-ClasNet作为一个多任务卷积神经网络(Convolutional Neural Network, CNN)由PoSNet和S-ClasNet构成。前者用于HRM图像中吞咽框的检测和提取任务,后者根据食管吞咽特征鉴别收缩活力类型。实验使用了4000幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70%、20%和10%。在测试集上,食管收缩活力分类器PoS-ClasNet的分类准确率高达93.25%,精度和召回率分别为93.39%和93.60%。结果表明PoS-ClasNet能较好地适应HRM图像数据的特性,在智能诊断食管收缩活力的任务中表现出了不俗的准确性和稳健性。将它应用在临床上辅助医生诊疗,会带来巨大的社会效益。
基于阶梯结构的U-Net结肠息肉分割算法
时永刚, 李祎, 周治国, 张岳, 夏卓岩
, doi: 10.11999/JEIT210916
摘要:
结肠息肉的精确分割对结直肠癌的诊断和治疗具有重要意义,目前的分割方法普遍存在有伪影、分割精度低等问题。该文提出一种基于阶梯结构的U-Net结肠息肉分割算法(SU-Net),使用U-Net的U型结构,利用Kronecker乘积来扩展标准空洞卷积核,构成Kronecker空洞卷积下采样有效扩大感受野,弥补传统空洞卷积容易丢失的细节特征;应用具有阶梯结构的融合模块,遵循扩展和堆叠原则形成阶梯状的分层结构,有效捕获上下文信息并从多个尺度聚合特征;在解码器引入卷积重构上采样模块生成密集的像素级预测图,捕获双线性插值上采样中缺少的精细信息。在Kvasir-SEG数据集和CVC-EndoSceneStill数据集上对模型进行了测试,相似系数(Dice)指标和交并比(IoU)指标分别达到了87.51%, 88.75%和82.30%, 85.64%。实验结果表明,该文所提方法改善了因过度曝光、低对比度引起的分割精度低的问题,同时消除了边界外部的图像伪影和图像内部不连贯的现象,优于其他息肉分割方法。
2021年电子学与信息系统学科项目受理与资助情况
唐华, 边超, 钟财军, 刘军, 方乐缘
摘要:
该文首先简要介绍了2021年国家自然科学基金分类评审机制以及“负责任、讲信誉、计贡献”(RCC)评审机制等主要改革举措;其次按照四类科学问题属性对2021年信息一处面上、青年、地区、重点和优青项目申请的受理和资助情况进行了统计和分析;然后根据RCC试点方案,对科学处通讯评审的“负责任”、“计贡献”两项指标进行了相关信息的分析;最后分析了申请代码与研究方向选择中的问题,并对专家维护、更新专家库信息和评审意见撰写提出了建议。
LRSAR-Net语义分割模型用于新冠肺炎CT图片辅助诊断
张桃红, 郭徐徐, 张颖
, doi: 10.11999/JEIT210917
摘要:
自2019年末新型冠状病毒(Cvoid-19)疫情在全球爆发以来,世界各国都处于疫情的危害之下。新冠病毒通过入侵人体的呼吸系统,造成肺部感染,甚至死亡。CT(Computed Tomography)图是医生对肺炎患者进行诊断的常规方法。为了提高医生对新冠感染者进行诊断的效率,该文提出一种基于低秩张量自注意力重构的语义分割网络LRSAR-Net,其中低秩张量自注意力重构模块用来获取长范围的信息。低秩张量自注意力重构模块主要包括:低秩张量生成子模块、低秩自注意力子模块、高秩张量重构子模块3个部分。低秩张量自注意力模块先生成多个低秩张量,构建低秩自注意力特征图,然后将多个低秩张量注意力特征图重构成高秩注意力特征图。自注意力模块通过计算相似度矩阵来获取长范围的语义信息。与传统的自注意力模块Non-Local相比,低秩张量自注意力重构模块计算复杂度更低,计算速度更快。最后,该文与其他优秀的语义分割模型进行了对比,体现了模型的有效性。
基于高斯原型网络的小样本逆合成孔径雷达目标识别
杨敏佳, 白雪茹, 刘士豪, 曾磊, 周峰
, doi: 10.11999/JEIT210724
摘要:
针对现有基于深度卷积神经网络(DCNNs)的逆合成孔径雷达(ISAR)目标识别方法在训练样本不足时性能下降甚至失效等问题,该文提出基于高斯原型网络(GPN)的小样本ISAR目标识别方法。该方法通过嵌入网络将ISAR像映射为嵌入向量,进而根据加权嵌入向量构建高斯原型,最终根据测试样本到原型的马氏距离预测目标类别。3类飞机目标实测数据的识别结果表明,该方法在小样本条件下可获得更高的平均识别精度。
基于深度学习的点云分割研究进展分析
赵佳琦, 周勇, 何欣, 卜一凡, 姚睿, 郭睿
, doi: 10.11999/JEIT210972
摘要:
深度传感器及激光扫描技术的快速发展使人们可以轻易地采集到大量的点云数据。点云数据可以提供丰富的场景及对象信息,现已成为自动驾驶、虚拟现实、机器人导航等应用的首选研究对象。作为点云处理的有效手段,点云分割技术受到了各界的广泛关注。尤其是在深度学习的推动下,点云分割的精度和鲁棒性有了很大的提升。该文首先介绍了点云分割存在的问题与挑战,接着从间接、直接处理点云的角度对点云分割近年来的工作进行了对比分析,其中,间接的方法有基于多视图、基于体素的方法两类,对于直接的方法,该文将其归纳为5类,分别为基于点处理、基于优化卷积神经网络、基于图卷积、基于时序和基于无监督学习的方法。然后介绍了每个类别中具有代表性的方法的基本思想,并阐述了每个方法的优缺点。此外,该文还介绍了点云分割的常用数据集以及评价指标。最后对点云分类、分割技术的未来进行了展望。
基于信噪比分类网络的调制信号分类识别算法
郭业才, 姚文强
, doi: 10.11999/JEIT210825
摘要:
针对传统降噪算法损伤高信噪比信号而造成信号识别准确率下降的问题,该文提出基于卷积神经网络的信噪比分类算法,该算法利用卷积神经网络对信号进行特征提取,用固定K均值(FK-means)算法对提取的特征进行聚类处理,准确分类高低信噪比(SNR)信号。低信噪比信号采用改进的中值滤波算法降噪,改进的中值滤波算法在传统中值滤波的基础上增加了前后采样窗口的关联性机制,来改善传统中值滤波算法处理连续噪声效果不佳的问题。为充分提取信号的空间特征和时间特征,该文提出卷积神经网络和长短时记忆网络并联的并联卷积长短时(P-CL)网络,利用卷积神经网络和长短时记忆网络分别提取信号的空间特征和时间特征,并进行特征融合与分类。实验表明,该文提出的调制信号分类模型识别准确率为91%,相比于卷积长短时(CNN-LSTM)网络提高了6%。
基于复述增广的医疗领域机器翻译
安波, 龙从军
, doi: 10.11999/JEIT210926
摘要:
医疗机器翻译对于跨境医疗、医疗文献翻译等应用具有重要价值。汉英神经机器翻译依靠深度学习强大的建模能力和大规模双语平行数据取得了长足的进步。神经机器翻译通常依赖于大规模的平行句对来训练翻译模型。目前,汉英翻译数据主要以新闻、政策等领域数据为主,缺少医疗领域的数据,导致医疗领域的汉英机器翻译效果不佳。针对医疗垂直领域机器翻译训练数据不足的问题,该文提出利用复述生成技术对汉英医疗机器翻译数据进行增广,扩大汉英机器翻译的规模。通过多种主流的神经机器翻译模型的实验结果表明,通过复述生成对数据进行增广可以有效地提升机器翻译的性能,在RNNSearch、Transformer等多个主流模型上均取得了6个点以上的BLEU值提升,验证了复述增广方法对领域机器翻译的有效性。同时,基于MT5等大规模预训练语言模型可以进一步地提升机器翻译的性能。
基于新词发现的跨领域中文分词方法
张军, 赖志鹏, 李学, 宁更新, 杨萃
, doi: 10.11999/JEIT210675
摘要:
深度神经网络(DNN)是目前中文分词的主流方法,但将针对于某一领域训练的网络模型用于其他领域时,会因存在跨领域的未登录词(OOV)和表达鸿沟而造成性能显著下降,而在实际中对所有未知领域的训练语料进行人工标注和训练模型并不可行。为了解决这个问题,该文构建了一个基于新词发现的跨领域中文分词系统,可以自动完成从目标领域语料中提取新词、标注语料和训练网络模型的工作。此外,针对现有新词发现算法提取出的词表垃圾词串多、以及自动标注语料中存在噪声样本的问题,提出了一种基于向量增强互信息和加权邻接熵的无监督新词发现算法和一种基于对抗式训练的中文分词模型。实验中将使用北大开源新闻语料训练的网络模型提取出的特征迁移到医疗、发明专利和小说领域,结果表明本文所提方法在未登录词率、准确率、召回率和分词F值方面均优于现有方法。
基于融合边缘变化信息全卷积神经网络的遥感图像变化检测
王鑫, 张香梁, 吕国芳
, doi: 10.11999/JEIT210389
摘要:
高分辨率遥感图像变化检测是了解地表变化的关键,是遥感图像处理领域的一个重要分支。现有很多基于深度学习的变化检测方法,取得了良好的效果,但是不易获得高分辨率遥感图像中的结构细节且检测精度有待提高。因此,该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet),分为边缘结构变化信息检测、深度特征提取和变化区域判别3个模块。首先,为了得到双时相图像的边缘变化信息,对其进行边缘检测得到边缘图,并将边缘图相减得到边缘差异图;其次,考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特征,为了充分提取单个图像的深度特征,构建基于VGG-16网络的3支路模型,分别提取双时相图像和边缘差异图的深度特征;第三,为了提高检测精度,提出将通道注意力机制嵌入到模型中,以关注信息量大的通道特征来更好地进行变化区域的判别。实验结果表明,无论从视觉解释或精度衡量上看,提出算法与目前已有的一些方法相比,具有一定的优越性。
基于两通道深度卷积神经网络的图像隐藏方法
段新涛, 王文鑫, 李磊, 邵志强, 王鲜芳, 秦川
, doi: 10.11999/JEIT210280
摘要:
现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含一个隐藏网络和两个结构相同的提取网络,实现了在一幅载体图像上同时对两幅全尺寸秘密图像进行有效的隐藏和提取;其次,为了提高图像的视觉质量,在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明,所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升,载体图像PSNR和SSIM分别提高了3.75 dB和3.61 %,实现的相对容量为2,同时具有良好的泛化能力。
正交多用户CD-DCSK方案的设计及性能分析
贺利芳, 董江涛, 张刚
, doi: 10.11999/JEIT210263
摘要:
为了进一步提升现有多用户混沌键控系统的信息传输速率和误码率(BER) 性能,该文提出一种正交多用户CD-DCSK(OMU-CD-DCSK)系统。该系统在DCSK的基础上结合了相关延迟移位键控(CDSK),每个时隙中利用正交的Walsh码序列可以传输N bit的多用户信息,然后通过正交调制技术进一步提升传输速率。在接收端,采用滑动平均滤波器降低噪声方差,改善误码性能,之后进行相关解调即可恢复多用户信息比特。推导了多径瑞利衰落信道下系统的理论BER,并通过蒙特卡洛仿真实验进行了验证。此外,还定义了系统的综合效用,用于评估混沌系统的综合性能。与其它混沌键控系统相比,OMU-CD-DCSK的综合性能有明显优势,因此具有较好的实用价值。
面向移动边缘计算中多应用服务的虚拟机部署算法
李光辉, 周辉, 胡世红
, doi: 10.11999/JEIT210415
摘要:
移动边缘计算(MEC)通过在用户近端以虚拟机(VM)形式部署应用服务,能有效降低服务响应延迟并减少核心网络数据流量。然而,当前MEC中虚拟机部署的大多数研究尚未具体考虑用户对多种应用服务的需求。因此,该文针对MEC中多应用服务的虚拟机部署问题,提出两种启发式算法,即基于适应度的启发式部署算法(FHPA)和基于分治的启发式部署算法(DCBHPA),通过在边缘网络中配置支持多种应用服务的虚拟机来最大程度地减少网络中的数据流量。FHPA和DCBHPA分别基于边缘服务器的网络连接特征和用户对应用请求的差异性,定义了不同的适应度计算模型。在此基础上,通过子问题划分机制实现VM配置。仿真结果表明,相比于基准算法,所提算法能更好地控制系统数据流量,有效地提高边缘网络服务资源的利用率。
基于强化学习的无人机基站多播通信系统的飞行路线在线优化
张广驰, 严雨琳, 崔苗, 陈伟, 张景
, doi: 10.11999/JEIT210429
摘要:
针对于无人机(UAV)基站(BS)多播通信系统的通信时延最小化问题,该文提出飞行路线在线优化算法。在该系统中无人机基站向多个地面用户同时发送公共信息,其中每次通信任务中地面用户位置是随机的。为了保证地面用户能够接收完整的公共信息以及考虑到无人机的能量有限性,该文以最小化无人机基站完成通信任务的平均时间为目标。首先将问题转化成一个马尔可夫决策过程(MDP);然后把通信时延引入到动作价值函数中;最后提出使用Q-Learning算法对无人机飞行路线进行学习和在线优化,从而实现平均通信时延最小化。仿真结果显示,与其他基准方案相比,该文所提方案能够有效地为无人机多播通信系统飞行路线实现在线优化,并有效降低通信任务的完成时间。
基于“梁膜一体化”结构的30 MPa量程硅谐振式高压传感器设计
尉洁, 鲁毓岚, 李磊, 张中飞, 陈德勇, 王军波, 谢波, 郑宇
, doi: 10.11999/JEIT210419
摘要:
为了满足高压高精度测量领域的应用需求,该文基于双谐振器“梁膜一体化”结构,设计了一种量程30 MPa的硅谐振式高压传感器。为了提高传感器整体结构的耐压强度、保证谐振器在压力测量范围内的线性敏感特性,以确保传感器的综合性能,该文通过建立有限元力学条件分析模型,对传感器的结构尺寸和灵敏度进行优化,设计出了传感器敏感微结构。同时,设计了基于绝缘体上硅的微加工工艺的流程,制备了传感器芯片。在压力、温度多参数测试平台上对该传感器进行测试,结果显示:双谐振器的压力灵敏度分别为0.43 kHz/MPa和0.16 kHz/MPa,线性相关系数为0.9999。结果表明该传感器可以满足30 MPa压力测量的应用需求。
一种基于欧氏距离的种群规模动态控制方法
季伟东, 倪婉璐
, doi: 10.11999/JEIT210322
摘要:
种群规模是决定算法性能最重要的参数,其大小会引发算法过早收敛或效率低下等问题。该文提出一种基于欧氏距离的种群规模动态控制方法,通过引入欧氏距离建立核心圆域,利用核心圆域反馈的信息动态控制种群规模,提出基于核心圆域的增加/删除个体数目的方法。将该方法运用到粒子群算法、遗传算法和差分进化算法中,对收敛性进行分析,在测试函数上对其性能进行测试,实验结果表明了所提新策略的有效性。
基于关键特征信息感知和在线自适应掩膜的孪生网络目标跟踪
何志伟, 聂佳浩, 杜晨杰, 高明煜, 董哲康
, doi: 10.11999/JEIT210296
摘要:
近年来,孪生网络在视觉目标跟踪的应用给跟踪器性能带来了极大的提升,可以同时兼顾准确率和实时性。然而,孪生网络跟踪器的准确率在很大程度上受到限制。为了解决上述问题,该文基于通道注意力机制,创新地提出了关键特征信息感知模块来增强网络模型的判别能力,使网络聚焦于目标的卷积特征变化;在此基础上,该文还提出了一种在线自适应掩膜策略,根据在线学习到的互相关层输出状态,自适应掩膜后续帧,以此来突出前景目标。在OTB100、GOT-10k数据集上进行实验验证,所提跟踪器在不影响实时性的前提下,准确率相较于基准有了显著提升,并且在遮挡、尺度变化以及背景杂乱等复杂场景下具有鲁棒的跟踪效果。
基于轻量化渐进式残差网络的图像快速去模糊
杨爱萍, 李磊磊, 张兵, 何宇清
, doi: 10.11999/JEIT210298
摘要:
基于深度学习的去模糊方法已经取得了较大进展,但是随着网络层数加深,去模糊网络需要更多的计算资源和内存消耗,难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题,该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型,可充分利用图像的局部特征信息,加强反向传播时的信息流通。同时,通过多阶段递归调用残差网络并进行参数共享,可大大简化网络模型,减少网络参数。为了进一步提高去模糊网络的特征重建能力,该文引入特征重标定模块进行特征融合,对输入图像与各个残差网络的输出特征图进行通道加权,并对特征图的空间信息进行自适应选择,实现更好的特征重建。实验结果表明,所提算法网络模型参数量小、运行速度快,大幅度领先于现有算法,且对各种空域可变模糊去除均可实现理想复原效果。
高效的隐私保护在线开票服务认证方案
马如慧, 曹进, 李晖, 杨朝中
, doi: 10.11999/JEIT210049
摘要:
近年来,发票形式由传统的纸质凭据向电子凭据转变。相比于开具纸质凭据,在线开具电子凭据具有流程简化、成本降低以及便于存储等优势。但是,如何保证在线开具电子凭据服务中实体身份的合法性以及身份信息的隐私性是当前研究的重点问题。为了解决此问题,利用预共享密钥机制,该文提出一种隐私保护在线开具电子凭据的认证方案。在此方案中,合法用户与企业完成交易后可以本地在线发起开票申请,国家税务总局的电子凭据系统成功核验实体身份和交易信息后可为该用户提供电子凭据。安全和性能分析结果表明提出方案可以在耗费较少认证开销的情况下提供健壮的安全属性。
有线无线融合的卫星时间敏感网络流调度研究
徐川, 刘俊斌, 邢媛, 石东, 赵国锋
, doi: 10.11999/JEIT210063
摘要:
随着空间通信任务日趋复杂化,尤其是对时间敏感的需求不断提升,一方面要求星内系统的高带宽、可靠性和实时性;另一方面星间无线链路也应具备低时延和高可靠性。但由于卫星内部有线链路与星间无线链路差异大,业务数据经过有线和无线链路联合传输时,容易引发节点拥塞,而无法保障时敏业务的时延有界需求。为了提升数据在空间网络传输的实时性,该文提出了一种有线无线融合的时间敏感网络(TSN)流调度方案,首先对有线和无线链路资源分配与终端时延关系进行分析建模,并通过TSN控制器收集终端时敏需求,构建以全网时敏业务端到端最小平均时延为优化目标,然后采用基于增强精英保留遗传算法进行方案的快速求解。通过Pycharm对比测试时隙分配算法的性能,同时设计实现基于EXata网络仿真平台的低轨卫星TSN系统,并搭建实验场景进行试验验证。测试结果表明,该文所提出的流联合调度方案能够为空间时敏任务提供有界、稳定的时延保障。
无线供能移动边缘网络中计算时延最小化资源分配方法研究
叶迎晖, 施丽琴, 卢光跃
, doi: 10.11999/JEIT210228
摘要:
针对无线供能移动边缘计算(MEC)网络,该文将计算时延定义为数据卸载与计算所消耗的时间,并提出一种节点计算时延之和最小化的多维资源分配方法。首先,在节点能量因果约束下,通过联合优化专用能量站工作时长、任务分割系数、节点计算频率和发射功率来建立一个计算时延之和最小化的多维资源分配问题。由于存在优化变量耦合与max-max函数,所建问题非凸且无法采用凸优化工具获取最优解。为此,通过引入一系列松弛变量和辅助变量来进行优化问题简化以及优化变量解耦,并在此基础上,通过深入分析简化问题的结构特性,提出一种基于二分法的迭代算法来求解原问题的最优解。最后,计算机仿真验证了所提迭代算法的正确性以及所提资源分配方法在计算时延方面的优越性。
窃听者随机分布下智能反射面辅助的MISO系统物理层安全性能分析
杨杰, 季新生, 王飞虎, 金梁, 杨金梅
, doi: 10.11999/JEIT210209
摘要:
针对窃听节点随机分布的MISO系统通信场景,该文分析了智能反射面(IRS)辅助下的安全通信性能。采用随机几何理论,将窃听节点建模为均匀泊松点过程(PPP)。合法发送节点采用天线选择策略,选择最优链路发射信号,并部署智能反射面实时调控反射相移增强链路质量,然后以传输安全中断概率为性能指标,推导了其闭式表达式,分析了反射单元数量、发射天线数量等参数对中断概率的影响,最后给出了最大化安全性能的参数选择策略。仿真结果验证了理论分析的正确性,并表明部署反射面可以在低能耗下提升安全性能。
基于元学习的畸变雷达电磁信号识别
颜康, 金炜东, 黄颖坤, 葛鹏, 朱劼昊
, doi: 10.11999/JEIT210190
摘要:
畸变雷达电磁信号会严重影响雷达侦察装备的探测性能。如何有效地识别畸变信号类型对侦察系统的精确感知具有重要现实意义。针对畸变雷达信号往往存在样本稀缺的问题,该文提出一种基于模型无关元学习的残差网络,算法首先利用正常雷达信号样本训练元学习器,然后在畸变信号样本进行精调,最后在仅有少量畸变信号样本下,实现畸变信号的识别。实验结果表明该算法有效地提高了在小样本数据下畸变信号的识别准确率。
有色噪声下GNSS空时抗干扰算法的性能分析和改进
赵辰乾, 刘益辰, 刘欣
, doi: 10.11999/JEIT210174
摘要:
在全球卫星导航(GNSS)阵列天线抗干扰理论中,系统噪声通常被视为理想白噪声(AWGN)。但在实际工程中发现系统噪声通常是有色噪声且会影响空时抗干扰(STAP)算法的性能。该文首先推导得出了有色噪声功率谱与空时抗干扰后卫星导航信号相关峰的理论关系,然后通过仿真实验验证了该理论关系的正确性,同时分析了噪声功率谱的等效带宽和谱峰偏移对相关峰的影响,最后发现噪声功率谱能量越集中于卫星导航信号的功率谱谱峰处,空时抗干扰后的卫星导航信号相关峰衰减越大。针对上述问题,该文提出了对角加载和子空间投影方法,两种方法通过对噪声协方差矩阵的特征值进行一致化处理实现有色噪声的白化,从而消除了有色噪声的影响。最后通过仿真实验验证了所提方法的有效性。
加权能耗最小化的无人机辅助移动边缘计算资源分配策略
李安, 戴龙斌, 余礼苏, 王振
, doi: 10.11999/JEIT210832
摘要:
针对无人机(UAV)辅助的移动边缘计算(MEC)系统,考虑到无人机能耗与地面设备能耗不在一个数量级,该文提出通过给地面设备能耗增加一个权重因子以平衡无人机能耗与地面设备能耗。同时在满足地面设备的任务需求下,通过联合优化无人机轨迹、系统资源分配以最小化无人机和地面设备的加权能耗。该问题高度非凸,为此提出一个基于交替优化算法的两阶段资源分配策略解决该非凸问题。第1阶段在给定地面设备的卸载功率下,利用连续凸逼近(SCA)方法求解无人机轨迹规划、CPU频率资源分配及卸载时间分配;第2阶段求解地面设备的卸载功率分配。通过两阶段的交替和迭代优化找到原问题的次优解。仿真结果验证了所提算法在降低系统能耗方面的有效性。
基于身份的具有否认认证的关键字可搜索加密方案
曹素珍, 丁宾宾, 丁晓晖, 窦凤鸽, 王彩芬
, doi: 10.11999/JEIT210155
摘要:
云存储技术的发展实现了资源共享,为用户节省了数据管理开销。可搜索加密技术,既保护用户隐私又支持密文检索,方便了用户查找云端密文数据。现有的公钥关键字可搜索加密方案虽然支持身份认证,但未实现否认的属性。为了更好地保护发送者的身份隐私,该文将否认认证与公钥关键字可搜索加密技术相结合,提出一种基于身份的具有否认认证的关键字可搜索加密方案(IDAPKSE)。在该方案中,发送者上传密文后,能够对自己上传密文这一通信行为进行否认,与此同时,接收者可以确认密文数据的来源,但是,即使与第三方合作,接收者也不能向第三方证明其所掌握的事实。在随机预言模型下,基于双线性Diffie-Hellman(BDH)和决策双线性Diffie-Hellman(DBDH)数学困难问题,证明了该文方案满足不可伪造性、密文和陷门的不可区分性。
基于鲁棒主成分分析的多域联合杂波抑制算法
李相平, 王明泽, 但波, 李蔚, 马俊伟
, doi: 10.11999/JEIT210676
摘要:
奇异值分解等传统算法在处理穿墙成像中的杂波抑制问题时,杂波消除不够彻底,目标成像质量不高,严重影响后续的目标检测与识别。为解决这一问题,该文基于鲁棒主成分分析理论,在回波域和图像域分别建立联合低秩稀疏模型,以光滑化快速交替线性化方法来求解模型,并对目标图像进行指数加权联乘多域图像融合处理,从而得到最终成像结果。仿真结果表明,该算法速度快、精度高,可有效改善目标成像质量,并能较好地满足穿墙成像的实时性和准确性要求。
基于分组可裂设计的分裂认证码的构造
王秀丽, 晋霓, 江雨杭
, doi: 10.11999/JEIT210683
摘要:
分裂认证码是研究带仲裁的认证码的一种重要手段,相对无分裂认证码而言,有分裂认证码大大提高了编码规则的利用率,该文主要通过可分组设计构造分裂认证码。首先给出了通过可分组设计(GDD)构造分裂认证码的定理,利用可分组设计构造可裂可分组设计,再由可裂可分组设计构造可裂平衡不完全区组设计(BIBD),进而得到分裂认证码;验证在该文给定的条件下,通过可分组设计构造分裂认证码的可行性,在此基础上设计了一种可裂设计,构造了一组分裂认证码。计算所构造的分裂认证码的信源个数、编码规则个数、消息个数和假冒攻击成功概率及替代攻击成功概率等参数,并证明所构造的分裂认证码为最优分裂认证码。给出所构造的分裂认证码的具体例子,计算其假冒攻击成功概率、替代攻击成功概率,通过模拟仿真验证构造的合理性,并验证其满足最优性。
射频集成电路校准技术综述
李松亭, 颜盾
, doi: 10.11999/JEIT210886
摘要:
射频集成电路(RFICs)对工艺偏差、器件失配、器件非线性等引入的静态非理想因素以及温度变化、增益改变、输入/输出频率变动等引入的动态非理想因素所表现出的鲁棒性较差。该文深入挖掘影响射频集成电路性能的关键因素,并对典型的校准算法进行归纳和总结,为高性能射频集成电路设计提供理论支撑。
改进的减轮MIBS-80密码的中间相遇攻击
任炯炯, 侯泽洲, 李曼曼, 林东东, 陈少真
, doi: 10.11999/JEIT210441
摘要:
MIBS密码算法是一个Feistel结构的轻量级分组密码,广泛适用于资源严格受限的环境。该文利用多重集和有效的差分枚举方法,构造了8轮MIBS中间相遇区分器,并在新区分器的基础上,实现了12轮和13轮MIBS-80密码的中间相遇攻击。攻击过程利用差分传递的性质筛选明文对,利用MIBS-80密钥扩展算法中主密钥和轮密钥的关系减少密钥的猜测量,攻击12轮MIBS-80的时间复杂度为253.2,攻击13轮MIBS-80的时间复杂度为262。与已有中间相遇攻击的结果相比,该文对MIBS-80中间相遇攻击的轮数提高了2轮。
改善用户体验的垂直切换算法
吴利平, 王双双, 马彬
, doi: 10.11999/JEIT210523
摘要:
针对由超密集异构无线网络的超高动态性而引起掉话率不断增长的问题,并考虑到以往基于模糊逻辑相关垂直切换算法的较大时间开销,该文提出一种改善用户体验的垂直切换算法。首先利用5G核心访问和移动管理功能发现终端附近的所有候选网络,同时,利用自组织网络技术的环境感知能力,随时监测网络的运行状况,主动维护网络之间的邻居关系表。然后,引入动态模糊神经网络算法来执行切换判决,将获取到的网络参数数据作为该系统的输入,动态生成对垂直切换有效的规则库,经学习之后,计算得到输出判决值,从而为终端选择最佳接入网络。最后,仿真结果表明,该算法能够明显改善垂直切换过程中的掉话情况,降低切换失败概率。同时,与其他同类算法的时间消耗相比,该算法能够维持在一个较低的水平。
基于改进SSD的水下光学图像感兴趣目标检测算法研究
李宝奇, 黄海宁, 刘纪元, 刘正君, 韦琳哲
, doi: 10.11999/JEIT210761
摘要:
针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。
基于3D电子地图和信道实测数据的市区路径损耗机器学习模型研究
耿绥燕, 胡玮, 丁海成, 钱肇钧, 赵雄文
, doi: 10.11999/JEIT210802
摘要:
随着5G移动通信系统的发展部署以及网络性能的优化,高精度和低复杂度的路径损耗预测模型尤为重要。该文针对大型城市场景,使用目前5G热点频段700 MHz, 2.4 GHz, 3.5 GHz的实测数据,将收发端位置、3维距离、相对余隙、建筑物密度、平均高度等作为环境特征,建立了基于3D电子地图的机器学习路径损耗预测模型,结果表明在复杂城市环境下,该文方法因其预测精度高而优于传统的基于收发端距离的路径损耗模型。另外,该文提出了基于频率迁移学习的路径损耗预测模型,并用均方误差、平均绝对百分比误差、均方根误差、决定系数等指标对其性能进行评估。该文方法可以解决建筑物遮挡严重的复杂城市环境以及在无大量测试数据的路径损耗预测问题,精确地预测城市环境中视距非视距混合信道的路径损耗值。
一种无重叠频带的自适应非对称并联图示均衡器校正方法
李亚, 杨俊杰, 冯奇, 秦先清
, doi: 10.11999/JEIT210220
摘要:
针对车载音响的声场校正精度低、效率低的问题,该文提出一种无重叠频带的自适应非对称并联图示均衡器校正方法。在车载音响声场动态变化情况下,该方法考虑了有效均衡范围和自适应增益,而不是经典方法中的固定均衡范围和人工给定的增益。通过对实测数据进行实验分析,所提方法比经典方法所用均衡滤波器个数平均减少大约20%,拟合目标增益更准确,校正后频谱曲线更平坦。
基于周期截断数据矩阵奇异值分解的干扰抑制技术
戚连刚, 申振恒, 王亚妮, 国强, KaliuzhnyMykola
, doi: 10.11999/JEIT210397
摘要:
针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。
增强现实场景下基于稳态视觉诱发电位的机械臂控制系统
陈玲玲, 陈鹏飞, 谢良, 许敏鹏, 徐登科, 闫慧炯, 罗治国, 闫野, 印二威
, doi: 10.11999/JEIT210465
摘要:
目前脑控机械臂在医疗康复等多个领域展现出了宽广的应用前景,但也存在灵活性较差、使用者易疲劳等不足之处。针对上述不足,该文设计一套增强现实(AR)环境下基于稳态视觉诱发电位(SSVEP)的机械臂异步控制系统。利用滤波器组典型相关分析方法(FBCCA)实现对12个目标的识别;提出基于投票策略和差值预测的动态窗口,实现刺激时长的自适应调节;利用伪密钥实现机械臂异步控制,完成拼图任务。试验结果表明,动态窗口可以根据受试者状态自动调整刺激时长,离线平均准确度为(93.11±5.85)%,平均信息传输速率(ITR)为(59.69±8.11) bits·min–1。在线单次命令平均选择时间为2.18 s,有效地减轻受试者的视觉疲劳。每位受试者均能迅速完成拼图任务,证明了该人机交互方法的可行性。
面向6G的无人机通信综述
陈新颖, 盛敏, 李博, 赵楠
, doi: 10.11999/JEIT210789
摘要:
5G的成功商用为日常生活带来了实质性的变化,如自动驾驶、万物互联等,然而随之也产生了更大的数据量需求,进而催生了第6代移动通信。相较于5G,6G在带宽、时延、覆盖等性能方面均需要有更大的提升。因此,该文针对全域覆盖、场景智联、信息耦合的6G网络中无人机(UAVs)的应用场景进行了综述。首先,针对无人机在空天地海一体化网络架构中的应用进行了陈述,重点讨论了无人机在不同场景中可能承担的角色及功能,如蜂群基站、全息投影部署、远距离中继通信以及数据采集等。然后,对6G中应用于无人机通信的太赫兹、超大规模天线、内生人工智能、智能反射面(IRS)、智能边缘计算、区块链、通信感知一体化等潜在关键技术进行了探讨。最后,对6G场景下无人机通信面临的续航时间、网络融合性、智能反射面兼容性、太赫兹通信研发以及用户安全等方面的技术挑战进行了展望。
一种镜像抑制双输出的微波光子信道化接收机
陈博, 樊养余, 王武营, 高永胜
, doi: 10.11999/JEIT210035
摘要:
微波光子信道化接收机可将待接收的射频信号转化到光域进行传输和处理,有效避免了电子瓶颈的限制,可实现超大带宽信号或多频点信号的瞬时接收,非常适用于雷达系统和电子战。该文提出一种镜像抑制双输出的微波光子信道化接收机,信号路和本振路都采用光分路器分为3路,光本振利用声光移频器实现左右移频后与信号路进入镜像抑制混频器,最终可将一个6 GHz带宽的射频信号划分到6个带宽为1 GHz的子信道完成接收。该方案无需用到光频梳且信道化效率提高一倍,子信道的信道串扰均超过22 dB,镜像抑制比约为24 dB左右,系统的无杂散动态范围可达到106.7 dB·Hz 2∕3
基于阶梯型特征空间分割与局部注意力机制的行人重识别
石跃祥, 周玥
, doi: 10.11999/JEIT201006
摘要:
为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部注意力机制的多分支网络来关注局部图像的显著信息。首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重。其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合。最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明,该文所提出的网络模型能够提高行人重识别准确率。
时频空域混叠脉冲串辐射源信号直接定位算法
钟华, 阮怀林, 孙兵, 张奎
, doi: 10.11999/JEIT200913
摘要:
当既定侦察区域存在多个数目未知且信号参数相似的脉冲串辐射源信号时,采用经典的多目标定位算法和直接定位算法均无法对多个辐射源信号进行精确定位。该文提出了一种基于位置信息累积的脉冲串直接定位算法。算法采用多个运动侦察站对固定目标辐射源进行信号接收,充分利用脉冲串信号的位置信息并联合各脉冲的时延、频移信息对目标进行直接定位,解决了经典的直接定位法无法对时频空域混叠信号有效定位的问题。同时该文推导了高斯白噪声背景下相参脉冲信号直接定位算法的克拉美罗界。仿真分析表明,算法可以对时频空域混叠信号进行高分辨高精度定位。
基于兴趣倾向机制的仿生SLAM算法
陈孟元, 张玉坤, 田德红, 丁陵梅
, doi: 10.11999/JEIT210313
摘要:
该文针对SLAM闭环检测算法易受复杂环境因素干扰,导致定位误差较大、闭环检测精度低等问题,受哺乳动物空间认知机理启发,提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模,通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值,减小冗余显著性区域带来的影响,提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试,测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。
基于基扩展模型的UKF-RTSS高可靠鲁棒V2V信道估计
廖勇, 陈颖
, doi: 10.11999/JEIT210239
摘要:
车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求,特别是车辆对车辆(Vehicle to Vehicle, V2V)场景。针对V2V高速移动场景,时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,该文提出了一种基于基扩展模型(Basis Expansion Model, BEM)的UKF-RTSS (Unscented Kalman Filter- Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道,将信道参数的估计转化为基函数系数的估计;通过无迹卡尔曼滤波(UKF),联合估计数据处信道冲激响应与时域自相关系数,用于追踪快时变的信道响应。为了进一步提升信道估计的精度,引入RTSS对后向信道状态信息进行信道估计和插值,与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明,在不同速度的快时变条件下,所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性,特别适用于车联网下的无线通信场景。
基于电磁模型的宽带雷达海杂波信号建模与分析
王童, 童创明, 许光飞, 彭鹏, 王宜进
, doi: 10.11999/JEIT210180
摘要:
该文针对时变海洋面雷达回波信号模拟问题,建立了一种包含电磁散射机理与雷达波形调制特征的海杂波雷达回波信号模型。该模型首先建立一组具有时变特征的海面几何样本,通过对改进双尺度面元模型的加速处理,实现各时刻海面散射数据的高效模拟,并通过与测试数据的对比证实了电磁计算方法的准确性,然后采用子脉冲形式建立宽带回波信号模型,并以各面元散射数据代替其复幅度从而完成雷达回波信号建模。通过仿真验证了模型的合理性与高效性,对海杂波数据的统计分析展示了脉冲压缩处理对杂波的抑制效果。该海杂波模型既考虑了海洋的复杂散射机理与运动特性,又具有一般宽带信号的形式,因此可同时为海洋散射现象的解释和信号处理算法的分析提供完备数据源。
基于离散鲸鱼群算法的物资应急调度研究
蒋华伟, 郭陶, 杨震, 赵丽科
, doi: 10.11999/JEIT210173
摘要:
针对鲸鱼群算法求解多配送中心带时间窗的物资应急调度问题时存在的易陷入局部极值等缺点,该文提出一种改进离散鲸鱼群算法(IDWSA)。首先采用混合初始化策略提高初始种群的质量;然后构建以相似配送顺序和相同配送中心为比较项的两种移动规则,并设计自适应柯西变异算子和路径选择策略对个体进行移动;最后构造全局评价函数用于选择个体以维持种群多样性。在Solomon标准测试集上,IDWSA所求最好解的距离与MAPSO, GA, HACO, ABC相比分别减少了2.25%, 13.4%, 6%, 1.46%,有效缩短了车辆的行驶距离。
能量收集通信系统中功率和调制方式的在线联合优化策略
雷维嘉, 孙嘉琳, 谢显中, 雷宏江
, doi: 10.11999/JEIT210145
摘要:
针对源节点配备能量收集装置的点对点能量收集无线通信系统,该文以最大化长期平均传输速率为目标,提出一种基于Lyapunov优化框架的在线功率控制和自适应调制联合优化策略。由于能量到达和信道状态的随机性,优化问题是一个随机优化问题。利用Lyapunov优化框架将电池操作和可用能量约束下的长期时间优化问题转化为每时隙以虚队列“漂移加惩罚”最小化为目标的发送功率、调制方式和帧长的联合优化问题,并求解。该算法仅依赖当前的电池状态和信道状态信息做出决策,计算复杂度低,实用性强。仿真结果显示,所提算法通过联合优化发送功率、调制方式和帧长,能够高效地利用收集的能量,适应信道变化,长期平均实际可达的信息传输速率要明显优于贪婪和半功率算法,即使相比较以信道容量最大化为目标的离线注水算法和其他对比算法,在实际可达的信息传输速率上也有优势。
音频标记一致性约束CRNN声音事件检测
杨利平, 郝峻永, 辜小花, 侯振威
, doi: 10.11999/JEIT210131
摘要:
级联卷积神经网络(Convolutional Neural Network, CNN)结构和循环神经网络(Recurrent Neural Network, RNN)结构的卷积循环神经网络(Convolutional Recurrent Neural Network, CRNN)及其改进是当前主流的声音事件检测模型。然而,以端到端方式训练的CRNN声音事件检测模型无法从功能上约束CNN和RNN结构的作用。针对这一问题,该文提出了音频标记一致性约束CRNN声音事件检测方法(Audio Tagging Consistency Constraint CRNN, ATCC-CRNN)。该方法在CRNN模型的声音事件分类网络中添加了CRNN音频标记分支,同时增加了CNN音频标记网络对CRNN网络CNN结构输出的特征图进行音频标记。然后,通过在模型训练阶段限定CNN和CRNN的音频标记预测结果一致使CRNN模型的CNN结构更关注音频标记任务,RNN结构更关注建立音频样本的帧间关系。从而使CRNN模型的CNN和RNN结构具备了不同的特征描述功能。该文在IEEE DCASE 2019国际竞赛家庭环境声音事件检测任务(任务4)的数据集上进行了实验。实验结果显示:提出的ATCC-CRNN方法显著提高了CRNN模型的声音事件检测性能,在验证集和评估集上的F1得分提高了3.7%以上。这表明提出的ATCC-CRNN方法促进了CRNN模型的功能划分,有效改善了CRNN声音事件检测模型的泛化能力。
基于新型多尺度注意力机制的密集人群计数算法
万洪林, 王晓敏, 彭振伟, 白智全, 杨星海, 孙建德
, doi: 10.11999/JEIT210163
摘要:
密集人群计数是计算机视觉领域的一个经典问题,仍然受制于尺度不均匀、噪声和遮挡等因素的影响。该文提出一种基于新型多尺度注意力机制的密集人群计数方法。深度网络包括主干网络、特征提取网络和特征融合网络。其中,特征提取网络包括特征支路和注意力支路,采用由并行卷积核函数组成的新型多尺度模块,能够更好地获取不同尺度下的人群特征,以适应密集人群分布的尺度不均匀特性;特征融合网络利用注意力融合模块对特征提取网络的输出特征进行增强,实现了注意力特征与图像特征的有效融合,提高了计数精度。在ShanghaiTech、 UCF_CC_50、Mall和UCSD等公开数据集的实验表明,提出的方法在MAE和MSE两项指标上均优于现有方法。
基于注意力机制的全海深声速剖面预测方法
王同, 苏林, 任群言, 王文博, 贾雨晴, 马力
, doi: 10.11999/JEIT210078
摘要:
海水中的声速剖面具有明显的时间演化特性,其预测问题可以看作一个非线性的时间序列预测问题。解决此类问题的常用方法大多使用预定义的非线性形式,无法捕捉真正潜在的非线性关系。循环神经网络作为一种为序列建模特别设计的深度神经网络,在捕捉非线性关系上具有极大的灵活性,在非线性自回归的时间序列预测这一问题上展现了它的有效性;注意力机制能够从众多信息中选择出对当前任务目标最关键的信息,对多变量时间序列在时空维度上的非线性关系进行捕捉。该文利用深度学习中的循环神经网络,添加双层注意力机制构建多变量时间序列预测模型,对浅海环境下时变的全海深声速剖面进行预测。多个模型的预测结果表明,该模型相对于单纯的编码-解码模型有着明显的预测性能提升,并且注意力权重的分布能够与实际物理现象相关联,为水声学中物理模型与机器学习的结合提供了新的思路。
基于循环生成对抗网络的超分辨率重建算法研究
蔡文郁, 张美燕, 吴岩, 郭嘉豪
, doi: 10.11999/JEIT201046
摘要:
为了提高图像超分辨率重建的效果,该文将注意力机制引入多级残差网络(Multi-level Residual Attention Network, MRAN)作为CycleGAN的重建网络,提出了基于循环生成对抗网络(CycleGAN)的超分辨率重建模型MRA-GAN。MRA-GAN模型中重建网络负责将低分辨率(Low Resolution, LR)图像重建为高分辨率(High Resolution, HR)图像,退化网络负责将HR图像降采样为LR图像,LR判别器负责鉴别真实LR图像和通过退化网络降采样得到的LR图像,HR判别器负责鉴别真实HR图像和通过重建网络重建得到的HR图像,并且改进了CycleGAN原有的判别器判别方式和损失函数。实验结果验证了MRA-GAN模型与现有算法相比,在峰值信噪比(Peak Signal to Noise Ratio, PSNR)和结构相似性(Structural SIMilarity, SSIM)等指标上都有所改进。
基于互质阵列孔洞分析的稀疏阵列设计方法
刘可, 朱泽政, 于军, 马俊达
, doi: 10.11999/JEIT201024
摘要:
针对互质阵列产生连续延迟较少且冗余度高的问题,该文提出了两种基于互质阵列的稀疏设计方法。首先,通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响,得出互质阵列在去掉特定阵元后,将不改变连续延迟拓扑。然后,优化传感器阵列布局,在保持整个阵列的阵元数不变的条件下,增加阵列连续延迟数量。其后,分别推得了两种提出阵列设计方法的连续延迟和自由度相关的数学表达式。最后,以相同物理传感器和相同估计方法开展对比仿真,验证提出稀疏阵列设计的DOA估计性能。
基于XGBoost和SHAP的急性肾损伤可解释预测模型
罗妍, 王枞, 叶文玲
, doi: 10.11999/JEIT210931
摘要:
重症监护病房(ICU)住院期间发生的急性肾损伤(AKI)与患者发病率和死亡率的增加有关。该研究的目的是提出一个基于机器学习的框架,用于危重病患者的可解释AKI预测,该框架能够同时实现良好的预测和解释能力。该文从重症监护医学信息数据库Ⅲ(MIMIC-III)中提取的数据包括患者的年龄、性别、生命体征和ICU入院第1天及随后的化验值。在该研究中,通过将XGBoost模型与其他4种机器学习模型进行比较,证明了XGBoost模型的预测性能。此外,SHAP(SHapley Additive exPlanation)模型可解释器用于提供个性化评估和解释,以实现个性化的临床决策支持。结果表明,XGBoost能较好地预测AKI,与以往的预测模型相比,此模型更为简单有效,仅用21个特征变量即得到了更稳定的预测结果,预测精度高,模型准确率和受试者工作特征曲线下面积(AUC)分别为0.824和0.840,均高于既往研究结果。此外,我们对两组指标进行了特征依赖分析,发现24h尿量减少和血尿素氮升高可增加AKI风险。综上所述,该可解释预测模型可能有助于临床医生更准确快速地识别重症监护中存在AKI风险的患者,为患者提供更好的治疗。此外,可解释性框架的使用增加了模型透明度,便于临床医生分析预测模型的可靠性。
可重构智能表面辅助的非正交多址接入网络鲁棒能量效率资源分配算法
刘期烈, 辛雅楠, 高俊鹏, 周继华, 黄东, 赵涛
, doi: 10.11999/JEIT210521
摘要:
为提高非正交多址接入(NOMA)网络的鲁棒性和系统能效(EE),考虑了不完美信道状态信息,该文提出一种可重构智能表面辅助的NOMA网络鲁棒能效最大资源分配算法。考虑用户信干噪比(SINR)中断概率约束、基站的最大发射功率约束以及连续相移约束,建立了一个非线性的能效最大化资源分配模型。用Dinkelbach方法将分式形式的目标函数转换为线性的参数相减的形式,利用S-procedure方法将含有信道不确定性的SINR中断概率约束转换成确定性形式,利用交替优化算法将多变量耦合的非凸优化问题分解成多个凸优化子问题,最后用CVX对分解出的子问题进行求解。仿真结果表明,在EE方面,所提算法比无可重构智能表面(RIS)算法提高了7.4%。在SINR中断概率方面,所提算法比非鲁棒算法降低了85.5%。
一种稳健的视频SAR动目标阴影检测与跟踪处理方法
何志华, 陈兴, 于春锐, 栗子涵, 余安喜, 董臻
, doi: 10.11999/JEIT210853
摘要:
视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。
偏光片细微外观缺陷偏振成像检测方法
黄广俊, 列智豪, 王兴政, 钟小品, 邓元龙
, doi: 10.11999/JEIT210870
摘要:
针对偏光片细微外观缺陷难以成像、难以检测的问题,该文提出一种基于偏振成像的外观缺陷检测新方法。通过缺陷偏振态指标测量结果,定性描述了对比度增强机理。利用缺陷与正常区域之间透射光偏振态的显著差异,大幅提高缺陷的成像对比度,从而简化后续图像处理算法,提高检测速度和准确率。实验结果表明,偏光片外观缺陷平均检出率达到97.3%,平均单个样品检测时间约为0.22 s,基本满足产业化应用要求。
CAEFi:基于卷积自编码器降维的信道状态信息指纹室内定位方法
王旭东, 刘帅, 吴楠
, doi: 10.11999/JEIT210663
摘要:
针对提高Wi-Fi指纹室内定位技术性能,该文首先提出一种基于卷积神经网络(CNN)的信道状态信息(CSI)指纹室内定位方法。该方法在离线阶段联合CSI幅度差和相位差信息对CNN模型进行训练。在廊厅和实验室两种不同室内定位场景进行了定位实验,分别获得了25 cm和48 cm的平均定位误差;然后,在此基础上重点针对提高基于CNN的CSI室内定位时效性,引入卷积自编码器(CAE)实现CSI的降维处理,在保证原始定位方法精度的前提下,定位时间提高了40%,同时将内存消耗降低到原算法的1/15,实验结果验证了所提算法的有效性。
基于调频连续波雷达的多维信息特征融合人体姿势识别方法
冯心欣, 李文龙, 何兆, 郑海峰
, doi: 10.11999/JEIT210696
摘要:
为实现在复杂多样的环境下人体姿势的识别,该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息,在采用具有噪声的基于密度的聚类算法(DBSCAN)和 Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取,然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征,并通过域鉴别器进一步获得与环境无关的特征,最终使用活动识别器获得姿势识别结果。为了实用性,在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明,在复杂的环境下该方法的识别精度可达到91.5%。
基于指数-余弦离散混沌映射的图像加密算法研究
刘思聪, 李春彪, 李泳新
, doi: 10.11999/JEIT210270
摘要:
为了增强图像数据传输的安全性,该文提出一种新型的2维指数-余弦离散混沌映射系统。该系统通过向1维余弦混沌系统中引入指数和高次幂非线性项来构造新型混沌映射。引入的非线性项对1维余弦混沌系统的迭代过程进行扰动得到更饱满的混沌相轨。利用Lyapunov指数谱、系统分岔图等对该系统的混沌动力学性质进行了验证。基于此混沌映射,该文提出一种新型的混沌图像加密算法。该算法通过“置乱-扩散-置乱”等加密环节,使得加密后的数据具有很好的数据安全性。加密图像数据的安全性分析也表明2维指数-余弦混沌映射具有较强的算法鲁棒性以及加密安全性。
一种三元线性互补对偶码与自正交码的构造方法
李平, 张嘉媛, 孙中华
, doi: 10.11999/JEIT210979
摘要:
有限域上线性互补对偶(LCD)码有良好的相关特性和正交特性,并能够防御信道攻击。自正交码是编码理论中一类非常重要的码,可以用于构造量子纠错码。该文研究了有限域F3上的LCD码。通过选取4种合适的定义集,利用有限域F3上线性码是LCD码或自正交码的判定条件,构造了4类3元LCD码和一些自正交码,并研究了这4类线性码的对偶码,得到了一些3元最优线性码。
基于Sinkhorn距离特征缩放的多约束非负矩阵分解算法
李松涛, 李维刚, 甘平, 蒋林
, doi: 10.11999/JEIT210946
摘要:
为了减少原始特征对非负矩阵分解(NMF)算法的共适应性干扰,并提高NMF的子空间学习能力与聚类性能,该文提出一种基于Sinkhorn距离特征缩放的多约束半监督非负矩阵分解算法。首先该算法通过Sinkhorn距离对原始输入矩阵进行特征缩放,提高空间内同类数据特征之间的关联性,然后结合样本标签信息的双图流形结构与范数稀疏约束作为双正则项,使分解后的基矩阵具有稀疏特性和较强的空间表达能力,最后,通过KKT条件对所提算法目标函数的进行优化推导,得到有效的乘法更新规则。通过在多个图像数据集以及平移噪声数据上的聚类实验结果对比分析,该文所提算法具有较强的子空间学习能力,且对平移噪声有更强的鲁棒性。
脑启发式持续学习方法:技术、应用与发展
杨静, 李斌, 李少波, 王崎, 于丽娅, 胡建军, 袁坤
, doi: 10.11999/JEIT210932
摘要:
深度学习模型面对非独立同分布数据流时,新知识会覆盖旧知识,造成其性能大幅度下降。而持续学习(CL)技术可以从非独立同分布数据流中获取增量可用知识,不断积累新知识的同时无需从头学习,通过模仿类脑的学习与记忆机制达到类人智能。该文针对脑启发式持续学习方法进行综述。首先,回顾持续学习发展历程;其次,从类脑持续学习机制的角度,将持续学习研究方法分为经典方法与脑启发方法两类,对重放、正则化与稀疏化3种经典持续学习方法的研究现状进行总结,分析了其所面临困境。为此,针对更接近类脑持续学习能力的突触、双系统、睡眠及模块化4类脑启发方法进行阐述分析与对比总结;最后,概述脑启发式持续学习的应用现状,并探讨了在现有技术条件下实现脑启发式持续学习所面临的挑战及其未来发展方向。
超宽带雷达人体行为感知研究进展