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:
基于迭代最小二乘的水下三维高鲁棒性定位算法
李风从, 仝方遒, 孙思博, 冯翔, 赵宜楠
, doi: 10.11999/JEIT220792
摘要:
为解决基于空间角信息水下3维定位中,闭式解算法中定位性能无法达到克拉默-拉奥界和牛顿迭代算法初始值选取问题,该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值,将迭代结果修正闭式解算法的残差项,通过迭代最小二乘法的交替运算,得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性,消除伪线性加权最小二乘算法中残差项选取的不利影响,解决了迭代法初始值选取问题,得到与收敛情况下迭代法相近的定位性能。
具有隐私保护的细粒度智能家居远程数据安全更新方案
张应辉, 陈博文, 曹进, 郭瑞, 郑东
, doi: 10.11999/JEIT220957
摘要:
针对现存智能家居软件更新方案中存在的粗粒度访问控制、单点服务失效、用户解密效率低下等问题,该文提出一种具有隐私保护的细粒度智能家居远程数据安全更新方案。该方案通过属性基加密技术实现了细粒度访问控制,并结合区块链和星际文件系统(IPFS)技术对数据进行存储。通过对访问策略进行隐藏,该方案进一步保护了用户的隐私。此外,通过设计面向轻量级用户的外包解密算法,所提方案有效减轻了轻量级用户的计算负担,并结合区块链和智能合约技术实现了外包解密过程的公平支付。最后,基于判定的双线性迪菲赫尔曼 (DBDH)假设,证明了所提方案是选择明文攻击下的不可区分 (IND-CPA)安全的。仿真实验结果表明,所提方案与现有方案相比终端用户解密成本和通信开销明显降低。
基于电磁能量收集的无源WiFi物联网散射通信
刘鑫, 谢桂辉, 唐晓庆
, doi: 10.11999/JEIT220951
摘要:
为解决传统的物联网(IoT)通信设备功耗大、需要人工定期维护、频繁更换电池等问题,该文提出一种基于电磁波能量收集的无源WiFi物联网散射通信方法。该方法基于低功耗微处理器实现WiFi反向散射通信,同时利用自身收集的电磁波能量实现系统自供电,具有功耗低、无需电池、体积小、成本低、免人工维护、容易大量部署等诸多优势,可广泛用于物联网领域。
采用单水听器的匀速圆弧运动直升机三维参数估计算法
张华霞, 孙伟涛, 王惠刚, 荣少巍
, doi: 10.11999/JEIT210887
摘要:
针对空中匀速圆弧运动目标激发的水下声信号,该文采用单水听器解决该动目标3维运动参数的估计问题。首先以直升机离散线谱为声源特征,在空气-水介质中建立声源线谱特征在匀速圆弧运动下3维多普勒传播模型。然后根据多普勒频移曲线、声源运动模型以及声线传播几何关系,选取3个时间观测点计算目标多普勒,推导了单水听器估计空中匀速圆弧运动声源的3维参数估计算法。最后,通过仿真单水听器所接收的水声信号,验证了该算法估计匀速圆弧运动声源飞行参数的有效性和精度。
周期准互补序列集构造法
陈晓玉, 彭秀英, 王成瑞, 崔莉
, doi: 10.11999/JEIT210881
摘要:
该文基于2元序列支撑集和低相关序列集,提出一种新的周期准互补序列集构造框架。在此框架基础上,分别利用最优4元序列族A、族D和Luke序列集提出了3类渐近最优和渐近几乎最优周期准互补序列集,序列集参数由2元序列和低相关序列集共同决定。与传统的完备互补序列集相比,所构造的准互补序列集具有更多的序列数目,应用到多载波扩频通信系统中可以支持更多的用户。
融合注意力机制的雷达欺骗干扰域适应识别方法
孙闽红, 陈鑫伟, 仇兆炀, 滕旭阳
, doi: 10.11999/JEIT210871
摘要:
针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。
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。
基于改进盖尔-沙普利算法的自动识别系统与双频地波雷达断裂航迹关联
张晖, 曾显普, 高亮
, doi: 10.11999/JEIT220005
摘要:
高频地波雷达(HFSWR)可以实现大范围海上船只目标的连续探测,但是海杂波等干扰因素的影响容易造成跟踪航迹的断裂。目前关于地波雷达航迹关联的研究中,通常忽略了航迹断裂的情况,将航迹关联视为二分图匹配问题,这会导致可能将单一目标的断裂航迹判断为多个目标,从而引起目标的误关联。针对上述情况,该文结合模糊综合评判和迭代搜索算法,首次将盖尔-沙普利算法引入航迹关联领域,并且对其进行改进以满足航迹断裂时的多对多航迹关联情况。在该算法中,通过计算航迹之间的模糊综合评判值来得到航迹之间的倾向度序列,再由迭代搜索对航迹进行聚类以获得航迹集群,最后将航迹集群及倾向度序列输入盖尔-沙普利算法来进行数轮博弈以给出关联结果。利用双频率高频地波雷达和船只自动识别系统(AIS)的仿真数据与实测数据进行实验测试,实验结果表明:所提出的算法解决了在航迹断裂情况下的多传感器航迹关联问题,且在密集区域的航迹关联效果优于传统算法。
改善误码性能的索引调制正交频分复用混合映射方案
朱永佳, 贺昱曜, 姚如贵, 樊晔
, doi: 10.11999/JEIT220436
摘要:
为进一步提升索引调制正交频分复用(OFDM-IM)系统在高信噪比(SNR)条件下的误比特率(BER),该文提出一种混合映射方案。该方案利用高信噪比时索引比特比数据比特错误率更低的特性,混合使用两种不同位数的索引比特分配策略,提高了索引比特的占比。相应地,将子载波激活模式(SAPs)分为超级SAPs和普通SAPs,相比于普通SAPs,超级SAPs对应的索引比特和数据比特分别增加1 bit和减少1 bit。将超级SAP对应的数据比特采用奇偶校验的方式补齐,然后映射为数据符号,提高了系统的分集度,增大了数据符号间的最小欧氏距离。仿真结果表明,相比于以往的映射方案,混合映射方案在误比特率为10–4时可取得1~3 dB的性能增益,有效改善索引调制OFDM系统的误码性能。
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。
车载边缘计算中多任务部分卸载方案研究
王练, 闫润搏, 徐静
, doi: 10.11999/JEIT211620
摘要:
现有车载应用设备对时延有更严苛的要求,车载边缘计算(VEC)能够充分利用网络边缘设备,如路边单元(RSU)进行协作处理,可有效地降低时延。现有研究多假设RSU计算资源充足,可提供无限的服务,但实际其计算资源会随着所需处理任务数量的增加而受限,对时延敏感的车载应用造成限制。该文针对此问题,提出一种车载边缘计算中多任务部分卸载方案,该方案在充分利用RSU的计算资源条件下,考虑邻近车辆的剩余可用计算资源,以最小化总任务处理时延。首先在时延限制和资源约束下分配各任务在本地、RSU和邻近车辆的最优卸载决策变量比例,其次以最小处理时延为目的在一跳通信范围内选择合适的空闲车辆作为处理部分任务的邻近车辆。仿真结果表明所提车载边缘计算中多任务部分卸载方案相较现有方案能较好地降低时延。
基于光子学的微波移频方法研究
高永胜, 谭佳俊, 王瑞琼
, doi: 10.11999/JEIT220503
摘要:
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能,该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法,阐释了3种方法的原理,搭建了对应的原理验证系统,对不同的移频方法进行了实验与分析。结果表明,3种移频方法都可以实现精准的微波信号移频,实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性:AOFS的工作频率、带宽和移频方向较为固定,可调谐性低;SPM移频与I/Q调制对输入驱动信号要求严格,系统稳定性较差。
一种基于维度加权盲K近邻算法的数字预失真技术
蒋卫恒, 段耀星, 李明玉, 靳一, 徐常志, 李立
, doi: 10.11999/JEIT220302
摘要:
传统的数字预失真(DPD)模型通常在所有的输入信号功率上采用单一多项式模型和单一记忆深度对功率放大器(PA)进行线性化矫正。然而,功率放大器在不同的功率水平下会呈现出不同的非线性特性,并产生不同的记忆效应。针对这一问题,该文提出一种基于维度加权盲K近邻算法(KNN)算法的数字预失真模型,所提出的模型根据功放当前输入信号以及记忆输入信号的幅度对其进行维度加权的KNN分类,并为每一类输入信号序列建立子模型。所提方法用Doherty功率放大器进行实验验证,使用带宽为30 MHz、频点为2.2 GHz的三载波长期演进(LTE)信号作为输入,反馈端使用122.88 MHz的采样率进行采样。实验结果表明,所提维度加权盲KNN分类方法与记忆多项式(MP)模型结合时,功放正向建模效果和数字预失真效果均超过了广义记忆多项式(GMP)模型,并远超记忆多项式模型的效果,实验结果验证了所提模型的优良性能。
双域滤波三元组度量学习的行人再识别
肖进胜, 郭浩文, 张舒豪, 邹文涛, 王元方, 谢红刚
, doi: 10.11999/JEIT210385
摘要:
在图像的捕获、传输或者处理过程中都有可能产生噪声,当图像被大量噪声影响时,许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征,表现出较差的鲁棒性。该文主要针对低质图像的行人再识别问题,提出双域滤波分解构建3元组,用于训练度量学习模型。所提方法主要分为两个部分,首先分析了监控视频中不同图像噪声的分布特性,通过双域滤波进行图像增强。然后基于双域滤波分解对图像噪声具有很好的分离作用,该文提出一种新的3元组构建方式。在训练阶段,将双域滤波生成的低频原始图像和高频噪声图像,与原图一起作为输入3元组,网络可以进一步抑制噪声分量。同时优化了损失函数,将3元组损失和对比损失组合使用。最后利用re-ranking扩充排序表,提高识别的准确率。在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3%和21.7%,平均准确率均值(mAP)为66.9%和20.5%。加噪前后的Rank-1精度损失只有1.9%和7.8%,表明该文模型在含噪情况表现出较强的鲁棒性。
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。
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。
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。
基于二叉树的高效分组安全聚合方法
孙奕, 周传鑫, 汪德刚, 杨帆, 高琦
, doi: 10.11999/JEIT220745
摘要:
安全聚合是联邦学习安全共享过程中确保本地模型聚合安全性和隐私性的关键环节。然而,现有方法存在计算开销大、公平机制差、隐私泄露、无法抗量子攻击等问题。为此,该文提出一种基于二叉树的高效分组安全聚合方法(Tree-Aggregate)。首先,基于二叉树构建用户分组安全通信协议将计算开销从\begin{document}$ O\left( {N{\text{lo}}{{\text{g}}^2}{\text{log}}N{\text{logloglog}}N} \right) $\end{document}降到\begin{document}$O\left( {\log N{\text{log}}N} \right)$\end{document}量级,并通过均匀分摊机制保证了用户计算开销的公平性;然后,提出一种分组不均衡场景下的随机填充算法,解决单一用户引起的隐私泄露问题。最后,该文通过融入格密钥交换协议,为Tree-Aggregate方法增加了抗量子攻击的能力。通过理论分析,Tree-Aggregate将计算开销的增长速率由线性级别变为对数级别,并通过实验对比分析表明,当用户数量N ≥300时计算开销相较于现有方法减小了近15倍。
无人机群辅助的数据采集能耗优化方法
黄晓舸, 何勇, 陈前斌, 张杰
, doi: 10.11999/JEIT220554
摘要:
针对无线传感器网络(WSN)中数据采集的安全性和能耗问题,该文提出一种无人机(UAV)群辅助的数据采集能耗优化方法。该方法通过优化无人机的数量、高度和WSN中数据传输数量降低系统总能耗。首先,针对WSN数据采集,提出一种基于信誉值的数据双层压缩算法。该算法根据地理位置将传感器分簇,簇内传感器分为簇头和簇成员,簇成员负责训练预测模型并发送给簇头;簇头则负责模型的筛选、聚合以及信誉值更新,并将聚合结果发送给无人机;其次,针对无人机群数据收集,提出一种无人机优化部署算法,该算法将无人机部署问题转化为圆包装问题,通过动态调整无人机数量,最小化无人机群网络总能耗;同时,针对数据采集过程,在无人机群建立了私有区块链用于存储采集数据,保证了数据的安全性;最后,基于伯克利大学联合研究实验室数据集对所提方法进行验证,仿真结果表明该方法能实现无人机的最优部署,同时具有误差小、能耗低及安全性高的优势。
非理想条件下认知非正交多址接入系统中断性能研究
李兴旺, 李岩聪, 高向川, 于青萍, 黄高见
, doi: 10.11999/JEIT220721
摘要:
为满足网络需求,提高系统频谱利用率,该文提出一种覆盖式认知非正交多址接入(CR-NOMA)网络。考虑实际中非线性功率放大(NLPA)、非理想连续干扰消除(ipSIC)和非完美信道状态信息(CSI)等非理性因素,研究所提网络的可靠性能,推导出系统中断概率(OP)和系统吞吐量的解析表达式,并进一步分析高信噪比下中断概率的表达式、理想状态下中断概率的高信噪比(SNR)近似、分集阶数。分析及仿真结果表明:(1) NLPA, ipSIC和信道估计误差参数对系统中断概率性能有负面影响;(2) 中断概率随着信噪比的增加而减小,在高信噪比下收敛到一个固定常数;(3) 中断概率随着功率分配系数的改变也会产生相应的变化。
基于深度学习的LBlock安全性分析及其应用
杨小东, 李锴彬, 杜小妮, 梁丽芳, 贾美纯
, doi: 10.11999/JEIT221003
摘要:
目前通过深度学习对轻量级分组密码进行安全性分析正成为一个全新的研究热点。Goh在2019年的美密会上首次将深度学习应用于分组密码安全性分析,利用卷积神经网络学习固定输入差分的密文差分分布特征,从而构造出高精度的神经网络区分器。LBlock算法是一种具有优良软硬件实现效率的轻量级分组密码算法,自算法发表以来受到了研究者的广泛关注。本文基于残差网络,构造了减轮LBlock差分神经网络区分器,所得7轮和8轮区分器模型的精度分别是0.999和0.946。进一步利用构造的9轮区分器,提出了针对11轮LBlock的密钥恢复攻击方案。实验结果表明,当密码算法迭代轮数较少时,该方案进行攻击时无需单独考虑S盒,相比于传统攻击方案具有方案流程简单和易于实现等特点,并且在数据复杂度和时间复杂度方面具有较大的优越性。
移动边缘计算辅助智能驾驶中基于高效联邦学习的碰撞预警算法
唐伦, 文明艳, 单贞贞, 陈前斌
, doi: 10.11999/JEIT220797
摘要:
智能驾驶中的碰撞避免任务存在对时延要求极高和隐私保护等挑战。首先,该文提出一种基于自适应调整参数的半异步联邦学习(SFLAAP)的门控循环单元联合支持向量机(GRU_SVM)碰撞多级预警算法,SFLAAP可根据训练和资源情况动态调整两个训练参数:本地训练次数和参与聚合的局部模型数量。然后,为解决资源受限的移动边缘计算(MEC)下碰撞预警模型协作训练的效率问题,根据上述参数与SFLAAP训练时延的关系,建立训练总时延最小化模型,并将其转化为马尔可夫决策过程(MDP)。最后,在所建立的MDP中采用异步优势演员-评论家(A3C)学习求解,自适应地确定最优训练参数,从而减少碰撞预警模型的训练完成时间。仿真结果表明,所提算法有效地降低训练总时延并保证预测精度。
自适应脑机接口研究综述
肖晓琳, 辛风然, 梅杰, 李昂, 曹洪涛, 徐舫舟, 许敏鹏, 明东
, doi: 10.11999/JEIT220707
摘要:
脑机接口(BCI)不依赖于外周神经和肌肉,在大脑与外部设备之间建立起直接交流的通路。近年来,该技术在识别准确率和系统交互速率方面已取得巨大突破。然而,脑电(EEG)信号非平稳特性较强且用户主观状态波动较大,传统脑机接口技术对大脑活动的动态变化欠缺适应性,影响了脑机接口系统的控制稳定性,也限制了其智能化发展和应用。自适应脑机接口可根据大脑当前状态动态调整诱发范式和实时更新识别模型,从而增强脑控系统对非平稳大脑活动的适应性,提高其控制精度和鲁棒性,实现更加实用化的脑控系统,对推动脑机接口技术进一步发展极具意义。该文对自适应脑机接口的相关研究进行了回顾和总结,并对该技术未来发展的方向进行了展望。
基于大规模可重构智能表面的近远场混合信道模型
罗文宇, 马怡乐, 邵霞, 许丽, 南希茜
, doi: 10.11999/JEIT220663
摘要:
近来,可重构智能表面(RIS)作为一种全新的革命性技术引起了学术界和工业界的广泛关注。随着通信频率的提高以及RIS孔径的增大,RIS辅助无线通信的工作条件逐渐靠近天线的近场辐射模式,而非仅仅存在传统意义中的远场辐射。单独考虑远场或者近场的信道模型均无法准确刻画RIS辅助无线通信的传输特性,造成性能损失。针对此问题,该文梳理了大规模RIS辅助通信近场和远场信道模型,通过引入权重因子,构建了大规模RIS辅助无线通信场景下近远场混合信道模型。在此基础上,推导了近远场混合信道模型下系统的增益与损耗,并进行鲁棒性分析,仿真结果表明该混合模型带来的系统增益与模型鲁棒性均显著提升。
基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法
尹梓诺, 马海龙, 胡涛
, doi: 10.11999/JEIT220959
摘要:
针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。
一种中高轨混合的多层卫星骨干网络架构设计
李文屏, 白鹤峰, 赵毅, 冯旭哲, 邵富杰
, doi: 10.11999/JEIT211198
摘要:
卫星骨干网络将向宽带与中继融合方向发展,为陆、海、空、天基用户提供全球骨干传输、宽带接入、全域通联等服务。该文针对全域用户通联的新需求,创新采用“卫星骨干网络/全域用户接入”模型,提出一种具有层内、层间星间链路的中高轨混合的多层卫星骨干网络架构(3GEO+3IGSO/24MEO)。对该架构的全域覆盖性计算分析,得出该多层卫星骨干网络能够实现地球表面到地球同步轨道高度(约36000 km)全域100%覆盖,并为全域用户提供多重接入能力。进一步对路径数、最少跳数、最小时延等关键网络性能指标分析比较,说明了该架构中轨卫星与高轨卫星之间存在层间星间链路的必要性。分析结果表明:该架构能够满足全域宽带接入和全球骨干传输的需求。
基于概率假设密度滤波和动力学方程约束的空间群目标数量和位置分辨
修建娟, 董凯, 徐从安
, doi: 10.11999/JEIT211600
摘要:
空间目标具有射程远、速度快等特点,为了有效解决密集性高、可分性差的高速空间目标群饱和攻击问题,实现非合作空间群目标数量和位置的尽早分辨,该文基于随机有限集(RFS)理论和动力学方程约束研究了空间“团状”目标数量和位置分辨问题,提出目标监测早期解决大量距离靠近、运动特征差异不明显的高速空间群目标数量和位置估计的相关算法,该算法利用概率假设密度(PHD)滤波器能够解决未知时变环境下目标个数与状态估计的特点,将高斯混合PHD滤波和空间目标动力学方程相结合,在解决不可分辨空间群目标数量和位置估计问题的同时,充分利用空间目标动力学方程对群内目标状态进行实时调整,提高空间目标位置状态估计精度,解决不可分辨空间目标群边跟踪边分辨问题,相关算法可为空间群目标数量和群内特殊价值个体目标位置尽快分辨、连续稳定跟踪和可靠动向预报等提供数据基础。
基于超表面的超宽带线极化转换特性研究
王玥, 姚震宇, 崔子健, 朱永强, 张达篪, 胡辉, 张狂
, doi: 10.11999/JEIT220447
摘要:
极化转换在太赫兹调制领域具有重要的研究意义和应用价值。传统的极化转换器件存在尺寸大、集成度低、损耗高、带宽窄等诸多不足。该文提出一种对称“山”型超表面共振单元结构,可用于实现反射、透射极化转换器件的设计。其中反射型器件实现了极高极化转换率的宽带线极化转换,透射型器件实现了相对带宽达135.5%的超宽带线极化转换。采用各向异性理论分析了反射型器件产生极化转换的机制,并基于多重干涉理论对共振结构阵列与金属背板构成的类F-P腔进行了计算,计算结果与仿真吻合较好。进一步使用正交线栅类F-P腔与共振结构阵列,构成透射型器件,并深入分析了共振单元结构不同部分对宽带极化转换的贡献,讨论了不同结构形成的极化转换频段间的耦合方式。研究结果为基于固定相位差的超宽带偏振极化转换器件的实现以及超表面类F-P腔应用提供了新的思路。
一种三元线性补对偶码的构造方法
黄山, 朱士信, 李锦
, doi: 10.11999/JEIT211235
摘要:
线性补对偶(LCD)码在抵御侧信道分析和错误注入攻击方面具有重要应用。该文利用环\begin{document}$ {\mathbb{F}_3} + u{\mathbb{F}_3} $\end{document}(\begin{document}$ {u^2} = 0 $\end{document})上线性码,给出一种构造3元LCD码的方法。引入了\begin{document}$ {({\mathbb{F}_3} + u{\mathbb{F}_3})^n} $\end{document}\begin{document}$ \mathbb{F}_3^{2n} $\end{document}的等距Gray映射,给出了环\begin{document}$ {\mathbb{F}_3} + u{\mathbb{F}_3} $\end{document}上长度为\begin{document}$ n $\end{document}的线性码的Gray象是3元长度为\begin{document}$ 2n $\end{document}的LCD码的充分条件,利用环\begin{document}$ {\mathbb{F}_3} + u{\mathbb{F}_3} $\end{document}上循环码的Gray象,构造了4类参数好的3元LCD码。
多径信道下解调加权分数傅里叶变换加密的混沌直扩信号
袁国刚, 陈自力, 高喜俊
, doi: 10.11999/JEIT220426
摘要:
为了在多径信道下解调加权分数傅里叶变换加密的混沌直扩(WFRFT-CD3S)信号,该文提出一种广义信道差分解调算法。在WFRFT-CD3S系统的发射端先对信息码进行差分调制,接收端将差分码与信道的乘积视为广义信道,并通过本地扩频序列构建频域匹配滤波器以估计广义信道冲击响应。接收端通过解差分广义信道冲击响应的估计值来合并各径能量并恢复信息码。对所提算法的误码率进行了理论分析,数值仿真验证了理论分析结果。数值仿真结果表明提出的解调算法可以在低信噪比下解调多径WFRFT-CD3S信号,保证了WFRFT-CD3S系统抗能量检测的能力。
多扩展目标跟踪基于多特征优化的传感器控制方法
陈辉, 魏凤旗, 韩崇昭
, doi: 10.11999/JEIT211244
摘要:
针对多扩展目标的优化跟踪问题,该文在有限集统计(FISST)理论框架下,提出一种能够综合优化多扩展目标跟踪性能的传感器控制方法。首先,该文给出加权广义最优子模式分配(WGOSPA)距离构造多扩展目标跟踪多特征估计在其统计平均周围的广义离差,进而研究提出多特征融合下的传感器控制最优决策方法,并利用序贯蒙特卡罗(SMC)技术研究传感器控制最优决策过程的数值求解方法,然后利用伽马高斯逆威沙特多伯努利(GGIW-MBer)滤波器实现所提出的传感器控制策略。最后通过仿真实验验证了所提算法的有效性。
具有艾宾浩斯遗忘规则的忆阻联想记忆电路
李志军, 谭茂林, 王梦蛟, 马铭磷
, doi: 10.11999/JEIT210677
摘要:
忆阻器由于具有低功耗、记忆能力和纳米尺寸等特点,是实现人工神经突触的理想器件。为构建简洁、高效、功能全面地联想记忆电路,该文首先提出一种简单的神经元电路和基于压控阈值忆阻器的突触电路。然后根据巴甫洛夫联想记忆模型,设计了相应的联想记忆电路。电路结构简单,仅包含3个神经元电路和突触电路,可有效降低网络复杂度和功耗。尤为重要的是该电路可以模拟全功能的联想记忆行为,不但实现了学习、遗忘、加速学习、减速遗忘以及减速自然遗忘等功能,而且学习速率和自然遗忘速率能够根据学习的次数自动调整,使电路更具仿生性。此外,该电路与艾宾浩斯遗忘曲线相吻合,扩大了电路的适用范围。
一种脉冲重复间隔固定序列快速检测方法
樊甫华, 史英春, 秦立龙
, doi: 10.11999/JEIT220127
摘要:
针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题,该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算,只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP);之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定,并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值,进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。
基于联盟链的身份环签密方案
俞惠芳, 吕芝蕊
, doi: 10.11999/JEIT220284
摘要:
针对联盟链交易时存在的用户隐私泄露问题,该文提出基于联盟链的身份环签密(CB-IDRSC)方案。CB-IDRSC利用智能合约技术控制新交易加入,实现了公平可靠性;利用多个私钥生成器(PKGs)为用户生成私钥信息,满足联盟链部分去中心化要求和起到保护节点隐私的作用;并且具有机密性、不可伪造性和环签密者的无条件匿名性。性能分析中首先对CB-IDRSC中用到的智能合约进行部署;其次通过效率分析说明CB-IDRSC具有较高的计算效率;最后在忽略网络延时等因素影响的情况下,通过实验得出多私钥生成器的数量对系统参数生成和密钥生成阶段的效率影响不到3%。
基于围猎改进哈里斯鹰优化的粒子滤波方法
李冀, 周战洪, 贺红林, 刘文光, 李怡庆
, doi: 10.11999/JEIT220532
摘要:
针对标准粒子滤波过程的权值退化和样本贫化问题,该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先,引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境;其次,采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段;最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明,与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比,基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。
捕获效应对LTE授权辅助接入网络的影响
陈新虎, 张泰, 裴二荣, 邓炳光, 孙远欣
, doi: 10.11999/JEIT211450
摘要:
LTE授权辅助接入(LAA)和WiFi网络的共存性能已经被广泛研究。然而,这些工作忽略了捕获效应,即当两个以上的信号在相同信道上同时传输时,最强的信号仍然可能成功接收。这种现象在共存场景中可能比在WiFi网络中更频繁地发生。基于此,该文深入研究了LAA和WiFi网络在捕获效应下的共存性能。具体地说,在共存场景中首先提出了两个以上信号的捕获模型,并推导出了捕获概率;然后,将LAA接入方案建模为具有捕获效应的新的2维离散马尔可夫模型,其中退避计数器的减少不仅取决于空闲的时隙,还取决于捕获效应发生的时隙;最后推导出共存性能的表达式。大量的仿真和数值结果验证了所提出的马尔可夫链和捕获模型的有效性。而且,仿真结果也证明了考虑捕获效应的必要性。
面向多工作流的基于容器的边缘微服务选择机制
邵苏杰, 吴磊, 钟成, 郭少勇, 卜宪德
, doi: 10.11999/JEIT220267
摘要:
边缘计算已经成为物联网(IOT)的有效解决方案,微服务模型将物联网应用程序划分为一组松散耦合、相互依赖的细粒度微服务。由于边缘节点资源有限,并发请求争夺容器实例,如何在移动边缘计算环境下为复杂工作流应用的并发请求生成合适的微服务执行方案是一个需要解决的重要问题。为此,该文首先建立了基于容器的微服务选择架构,并构建了服务时延模型和网络资源消耗模型,以减少平均延迟和网络消耗。其次,提出一种基于优先级机制和改进蚁群的微服务选择算法(MS-PAC),利用任务截止时间优先分配紧急任务以保证延迟,并利用蚁群算法的信息素机制寻找全局最优解。实验表明,该算法能有效地降低平均时延和网络消耗。
基于改进的稀疏最小二乘双子支撑向量回归的数字预失真技术
代志江, 孔淑曼, 李明玉, 蔡天赋, 靳一, 徐常志
, doi: 10.11999/JEIT220372
摘要:
为了补偿大容量卫星通信射频前端的功率放大器的非线性,传统的数字预失真(DPD)模型需要更多的系数和更高的阶次,严重影响预失真前馈路径的资源消耗。为了解决这一问题,该文提出一种基于改进的稀疏最小二乘双子支撑向量回归(ISLSTSVR)的低复杂度DPD方法。首先通过构建原空间的决策函数解决最小二乘双子支撑向量回归(LSTSVR)模型解不稀疏的问题;同时引用截断最小二乘损失函数增加模型的鲁棒性;然后采用Nystrom逼近方法得到核矩阵的低秩近似,进一步采用Cholesky分解降低核矩阵的运算复杂度;最后由低秩的核矩阵求得模型稀疏解。实验选用基于单管氮化镓(GaN)器件的宽带AB类功率放大器,以40 MHz的32QAM信号进行激励。预失真实验表明,该方法能在保证模型精度的情况下大幅减少DPD模型系数和计算复杂度,为星载射频前端的预失真技术提供了有效的系数降维思路和方法。
基于离散分数阶傅里叶变换的二维跳频通信系统及性能分析
宁晓燕, 赵东旭, 朱云飞, 王震铎
, doi: 10.11999/JEIT211338
摘要:
传统跳频(FH)通信技术具有抗干扰能力强、截获概率低等优点,广泛应用在军民领域。针对检测传统跳频的手段越来越成熟,信息易被截获的问题,该文借鉴正交频分复用(OFDM)系统框架,提出一种基于离散分数阶傅里叶变换(DFrFT)的2维跳频通信系统,设计了一种新的系统框架,实现信息隐蔽传输的同时,通过DFrFT的工程实现规避传统跳频工程应用中跳速受频率合成器限制的问题。该系统通过两组不同伪随机序列选取时宽与起始频率跳变的Chirp基信号,实现系统参数的多维变换,打破系统的周期特性。此外,建立了系统发送与接收两端数学模型,并在此基础上推导了系统在白噪声信道下的理论误码率。仿真结果表明,该文所设计的系统有较好的抗衰落性能;且功率谱淹没在噪声之下,时频域特征无明显周期特性,有较好的隐蔽性。
基于规划路径约束的机器人定位方法
胡钊政, 许聪, 周哲, 邓泽武
, doi: 10.11999/JEIT210984
摘要:
路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。
基于复阻抗咽造影的吞咽事件检测与智能识别方法
杨宇祥, 余绍帅, 林海军, 李建闽, 张甫
, doi: 10.11999/JEIT210897
摘要:
吞咽障碍早期筛查是降低吞咽障碍发病率的重要手段,而对吞咽事件(SE)的准确识别是吞咽障碍筛查和治疗过程中的关键环节。阻抗咽造影(IPG)是一种新型非侵入式吞咽事件检测方法,但现有的IPG技术仅检测阻抗幅值而忽略了同样重要的相位信息。为了实现对吞咽事件的全面检测及智能识别,该文提出一种基于整周期数字锁相放大原理的复阻抗咽造影(CIPG)检测方法,设计了基于FPGA的CIPG检测系统以连续描记吞咽过程的复阻抗(阻抗幅值和相位)信息,并设计了基于连续小波变换(CWT)和GoogLeNet相结合的吞咽事件智能识别算法。设计了包含喝水、干咽、吃面包、吃酸奶、咳嗽等5种吞咽事件的识别实验,实验结果表明,仅利用阻抗幅值信息时的吞咽事件识别准确率为86.1%,而同时利用阻抗幅值和相位信息时的识别准确率为95.7%,后者的识别准确率高于其它算法。该研究证实了CIPG技术和吞咽事件智能识别算法的有效性与优越性,为下一步开发基于CIPG的吞咽障碍早期筛查方法奠定了理论和技术基础。
基于三阶统计量的欠定盲源分离方法
邹亮, 张鹏, 陈勋
, doi: 10.11999/JEIT210844
摘要:
盲源分离(BSS)在缺失源信号信息及信息混合方式信息的情况下,仅利用观测信号实现源信号恢复,是信号处理中的重要手段。欠定盲源分离(UBSS)中观测信号少于源信号数目,因此,相较于正定/超定情形,其更接近现实情况。然而,观测信号往往受到噪声干扰,传统基于2阶统计量和信号稀疏性的欠定盲源分离结果对噪声较为敏感。鉴于3阶统计量在处理对称分布噪声时的优势,该文利用观测信号的3阶统计信息实现混合矩阵的估计。考虑到源信号的自相关特性,计算多时延下观测信号一系列的3阶统计信息,并堆叠成4阶张量,进而将混合矩阵估计问题转化为4阶张量的典范双峰分解问题。该文进一步利用广义高斯模型和期望最大算法实现源信号的恢复。1000次蒙特卡罗实验表明该文算法能够有效抑制噪声的影响。针对3×4混合模型,当信噪比为15 dB时,该文算法对混合矩阵的平均估计误差达到–20.35 dB,所恢复出的源信号与真实源信号之间的平均绝对相关系数达0.84,与现有方法相比,取得了最好的分离结果。
基于背景光修正成像模型的水下图像复原
周妍, 顾鑫涛, 李庆武
, doi: 10.11999/JEIT211012
摘要:
光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。
基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法
刘柯, 杨东, 邓欣
, doi: 10.11999/JEIT210764
摘要:
脑电(EEG)是一种重要的脑功能成像技术,根据头皮记录的EEG信号重构皮层脑活动称为EEG源成像。然而脑源活动位置和尺寸的准确重构依然是一个挑战。为充分利用EEG和功能磁共振(fMRI)信号在时空分辨率上的互补信息,该文提出一个新的源成像方法——基于fMRI脑网络和时空约束的EEG源重构算法(FN-STCSI)。该方法在参数贝叶斯框架下,基于矩阵分解思想将源信号分解为若干时间基函数的线性组合。此外,为融合fMRI的高空间分辨率信息,FN-STCSI利用独立成分分析提取fMRI信号的功能网络,构建EEG源成像的空间协方差基,通过变分贝叶斯推断技术确定每个空间协方差基的相对贡献,实现EEG-fMRI融合。通过蒙特卡罗数值仿真和实验数据分析比较了FN-STCSI与现有算法在不同信噪比和不同先验条件下的性能,结果表明FN-STCSI能有效融合EEG-fMRI在时空上的互补信息,提高EEG弥散源成像的性能。
非理想正交波形下分布式ISAR运动目标二维成像方法
李媛媛, 付耀文, 张文鹏, 杨威
, doi: 10.11999/JEIT210775
摘要:
分布式ISAR成像中若发射波形非理想正交,传统的匹配滤波方法难以得到理想的距离像,进而会影响方位成像效果。基于稀疏的方法可代替匹配滤波进行距离像分离。该文在给出单次快拍时距离像稀疏表示模型后,通过调整收发阵元的时延,可以使多接收阵元的距离像具备联合块稀疏特性。随后采用1阶负指数函数(SOONE) 实现多观测向量联合块稀疏算法(MMV-JBlock)提升稀疏重构的效果。多次快拍时,在每个快拍时刻采取MMV-JBlock方法分离距离像。在对齐多通道距离像后,对方位相位中非关心方向运动和误差项进行补偿,最后也采用稀疏方法得到目标的方位像。仿真验证了在不同稀疏度和不同信噪比下所提算法的重构性能,并仿真实现了分布式ISAR对运动目标的成像,验证了所提方法的有效性。
差分混沌通信研究综述:信号设计与性能优化
蔡相明, 徐位凯, 王琳
, doi: 10.11999/JEIT220625
摘要:
作为一种低复杂度的非相干信息传输方案,差分混沌通信系统以其良好的抗多径衰落性能而受到广泛关注。近年来,研究者围绕着以差分混沌移位键控(DCSK)为代表的差分混沌通信开展了一系列富有成效的研究,逐渐发展了差分混沌通信的信号设计与性能优化方法。为此,该文从信号帧结构设计、正交多级信号设计、信号星座图设计和多载波信号设计4个层面详细综述了差分混沌通信信号设计的主要研究进展。此外,该文重点总结了面向差分混沌通信的噪声抑制辅助性能优化、索引调制辅助性能优化和混沌成形滤波辅助性能优化等方面的研究工作。
智能车载自组织网络中匿名在线注册与安全认证协议
张晓均, 王文琛, 付红, 牟黎明, 许春香
, doi: 10.11999/JEIT210882
摘要:
随着智能交通系统(ITS)的建立,车载自组织网络(VANETs)在提高交通安全和效率方面发挥着重要的作用。由于车载自组织网络具有开放性和脆弱性特点,容易遭受各种安全威胁与攻击,这将阻碍其广泛应用。针对当前车载自组织网络传输中数据的认证性与完整性,以及车辆身份的隐私保护需求,该文提出一种智能车载自组织网络中的匿名在线注册与安全认证协议。协议让智能车辆在公开信道以匿名的方式向交通系统可信中心(TA)在线注册。可信中心证实智能车辆的真实身份后,无需搭建安全信道,在开放网络中颁发用于安全认证的签名私钥。车辆可以匿名发送实时交通信息到附近路边基站单元(RSU),并得到有效认证与完整性检测。该协议使得可信中心可以有效追踪因发送伪造信息引起交通事故的匿名车辆。协议可以让路边基站单元同时对多个匿名车辆发送的交通信息进行批量认证。该协议做了详细的安全性分析和性能分析。性能比较结果表明,该协议在智能车辆端的计算开销以及在路边基站单元端的通信开销都具有明显优势,而且无需搭建安全信道就能够实现匿名在线注册,因此可以安全高效地部署在智能车载自组织网络环境。
一种基于无证书的多方合同签署协议的安全性分析与改进
杨小东, 李梅娟, 任宁宁, 田甜, 王彩芬
, doi: 10.11999/JEIT210878
摘要:
2019年,曹等人(doi: 10.11999/JEIT190166)提出了一个适用于多方合同签署环境中高效的无证书聚合签名方案,并证明了该方案在随机预言模型下存在不可伪造性。然而,通过安全性分析发现,该方案无法抵抗替换公钥攻击和内部签名者的联合攻击。为了解决上述安全缺陷,该文提出一个改进的无证书聚合签名方案。新方案不仅在随机预言模型下基于计算性Diffie-Hellman问题满足不可伪造性,同时也能够抵抗联合攻击。
VLC-WiFi异构网络QoS感知的跨层动态资源分配
刘焕淋, 张彤, 陈勇, 蒲欣, 黄冰川, 龚萧楠
, doi: 10.11999/JEIT210830
摘要:
VLC-WiFi异构网络已经成为广受欢迎的短距离无线通信方式之一。然而,有限的频谱资源导致VLC-WiFi异构网络容量难以满足井喷式增长的用户数据带宽需求。该文结合物理层的动态链路传输性能以及媒体访问控制层的队列缓冲延迟性能,定义链路传输性能和链路服务质量(QoS)感知等级评估公式,根据用户数据包QoS需求,设计QoS感知的跨层动态资源分配(QoS-CLDRA)方法,并引入非正交多址接入的用户匹配与功率分配策略,进一步提升系统的吞吐量。仿真结果表明:所提方法能够有效提升系统吞吐量和降低缓冲队列长度。
基于变步长约瑟夫遍历和DNA动态编码的图像加密算法的安全性分析
冯伟, 张靖, 秦振涛, 何怡刚
, doi: 10.11999/JEIT210791
摘要:
近年来,不断有新的图像加密算法被提出,其安全性却未得到充分的分析和验证。该文对一种最新报道的图像加密算法的安全性进行了分析。所分析算法通过基于变步长约瑟夫遍历的像素置乱、基于DNA动态编码的像素替换及像素行列扩散来完成图像加密。分析表明,该算法的秘密密钥设计不具有实用性,加密过程也存在缺陷。在选择明文攻击条件下,对该算法的加密过程进行了密码分析,并提出了相应的攻击算法。仿真实验和理论分析确认了所提攻击算法的有效性与可行性。最后,针对所分析算法及部分图像加密算法中存在的问题,提出了改进建议。
基于超宽带阵列与里程计的多机器人相对定位
刘冉, 曹志强, 邓天睿, 邓忠元, 肖宇峰
, doi: 10.11999/JEIT210812
摘要:
精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中,视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置,但在非视距环境下难以工作。针对这一问题,该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先,利用每个机器人携带的多个UWB节点构成UWB阵列,通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度,利用里程计对非线性优化结果进行约束,通过图优化算法对滑动窗口内的相对位姿与里程计进行优化,保证了算法的实时性。然而,图优化过程中难以确定相对位姿估计的误差,对定位结果影响较大。因此,利用粒子滤波融合里程计和滑动窗口优化后的相对位姿,进一步提升相对姿态估计的精度。实验结果表明,该方法在12×6 m的室内环境中,能够达到0.312 m的平均定位误差以及4.903°平均角度误差,且具有良好的实时性。
基于多尺度级联网络的水下图像增强方法
米泽田, 晋洁, 李圆圆, 丁雪妍, 梁政, 付先平
, doi: 10.11999/JEIT220375
摘要:
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力。此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度 (SSIM) 联合损失函数。经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。
基于谐振器慢波传输线的小型化宽阻带谐波抑制功分器
黄文, 李靓, 董金生, 谭菲, 任仪
, doi: 10.11999/JEIT210781
摘要:
该文提出一种基于谐振器慢波传输线的小型化宽阻带谐波抑制功分器,该谐振器慢波传输线由矩形谐振器、T型谐振器和蛇形线构成,来取代功分器中的1/4波长传统微带传输线。所设计制作的功分器,其尺寸仅为传统微带功分器的37.4%。实验结果表明,该功分器回波损耗大于10 dB的带宽范围为0.1~1.19 GHz,在2.2~11.05 GHz频率范围内衰减大于20 dB,具有较宽的阻带从而具有抑制谐波效果。仿真和测试结果较为吻合,验证了所提设计方法的有效性。
两类极小二元线性码的构造
杜小妮, 胡金霞, 金文刚, 孙彦中
, doi: 10.11999/JEIT210720
摘要:
线性码在数据存储、信息安全以及秘密共享等领域具有重要的作用。而极小线性码是设计秘密共享方案的首选码,设计极小线性码是当前密码与编码研究的重要内容之一。该文首先选取恰当的布尔函数,研究了函数的Walsh谱值分布,并利用布尔函数的Walsh谱值分布构造了两类极小线性码,确定了码的参数及重量分布。结果表明,所构造的码是不满足Ashikhmin-Barg条件的极小线性码,可用作设计具有良好访问结构的秘密共享方案。
一种基于联邦学习资源需求预测的虚拟网络功能迁移算法
唐伦, 吴婷, 周鑫隆, 陈前斌
, doi: 10.11999/JEIT210743
摘要:
针对网络切片场景下时变网络流量引起的虚拟网络功能(VNF)迁移问题,该文提出一种基于联邦学习的双向门控循环单元(FedBi-GRU)资源需求预测的VNF迁移算法。该算法首先建立系统能耗和负载均衡的VNF迁移模型,然后提出一种基于分布式联邦学习框架协作训练预测模型,并在此框架的基础上设计基于在线训练的双向门控循环单元(Bi-GRU)算法预测VNF的资源需求。基于资源预测结果,联合系统能耗优化和负载均衡,提出一种分布式近端策略优化(DPPO)的迁移算法提前制定VNF迁移策略。仿真结果表明,两种算法的结合有效地降低了网络系统能耗并保证负载均衡。
基于特征解耦的无监督水下图像增强
刘彦呈, 董张伟, 朱鹏莅, 刘厶源
, doi: 10.11999/JEIT211517
摘要:
水介质的吸收和散射特性致使水下图像存在不同类型的失真,严重影响后续处理的准确性和有效性。目前有监督学习的水下图像增强方法依靠合成的水下配对图像集进行训练,然而由于合成的数据可能无法准确地模拟水下成像的基本物理机制,所以监督学习的方法很难应用于实际的应用场景。该文提出一种基于特征解耦的无监督水下图像增强方法,一方面,考虑获取同一场景下的清晰-非清晰配对数据集难度大且成本高,提出采用循环生成对抗网络将水下图像增强问题转换成风格迁移问题,实现无监督学习;另一方面,结合特征解耦方法分别提取图像的风格特征和结构特征,保证增强前后图像的结构一致性。实验结果表明,该方法可以在非配对数据训练的情况下,能够有效恢复水下图像的颜色和纹理细节。
多标签无线供电反向散射通信网络能效优化算法
徐勇军, 杨浩克, 李国军, 陈前斌
, doi: 10.11999/JEIT210772
摘要:
为了提高物联网(IoT)节点的运行周期和能量利用率,该文提出一种多标签无线供电反向散射通信网络能效最大化资源分配算法。考虑传输速率约束、能量收集约束以及发射功率约束,建立了基于系统能效最大化的资源分配模型。利用Dinkelbach理论、2次变换以及变量替换法,将原分式非凸问题转化为可求解的凸优化问题。通过拉格朗日对偶理论求得优化问题的全局最优解。仿真结果表明,该算法具有较好的收敛性和能效。
一种基于嵌套晶格码的MIMO中继多用户矢量预编码设计
姜华, 焦军彩, 都思丹
, doi: 10.11999/JEIT210729
摘要:
针对多输入多输出(MIMO)中继多用户系统的多址传输问题,为了提高系统可达速率和误码率性能,该文利用嵌套晶格码具有可达加性高斯白噪声信道容量的特性,设计一种基站和中继联合预编码的方法。基站端的嵌套晶格码结合矢量扰动(VP)预编码,以控制发送信号的功率。由于矢量扰动预编码和嵌套晶格码都存在相同的模运算步骤,因此在中继端的模运算抑制噪声功率的同时消除了冗余矢量。接着实现中继联合迫整数预编码方法,这种基站/中继混合预编码技术能够控制等效噪声功率,实现对蜂窝用户的有效信号传输。更进一步地,在给出整系数矩阵和扰动矢量矩阵的计算方法后,以最大化系统可达速率为目标对基站和中继的功率实现最优分配。实验结果表明,该方案在可达速率和误码性能方面优于现有方案。
小卫星健康状态自主模糊综合评估方法
周治国, 马文浩, 刘杰强, 冯荣尉
, doi: 10.11999/JEIT210657
摘要:
当前卫星地面测试系统实时属性突出,但由于对数据挖掘分析不足,难以实现卫星系统级的健康诊断,需人工完成综合评估,存在效率低、通用性差等问题。该文提出一种多层次异构卫星系统综合评估方法,依据数据中缓变量、急变量和关键变量的特性,分别实现基于高斯分布模型、长短期记忆模型(LSTM)和统计模型的单项评估生成单因素模糊向量,采用离差最大化方法实现层次分析法和熵权法的主客观权值向量组合,基于模糊综合评判的方法对卫星状态进行全面综合评价,实现评估流程的自动化和智能化。在小卫星半实物仿真平台进行系统验证,结果表明该评估方法能有效地对卫星系统的健康状态进行全面评估。
基于深度学习的YOLO目标检测综述
邵延华, 张铎, 楚红雨, 张晓强, 饶云波
, doi: 10.11999/JEIT210790
摘要:
目标检测是计算机视觉领域的一个基础任务和研究热点。YOLO将目标检测概括为一个回归问题,实现端到端的训练和检测,由于其良好的速度-精度平衡,近几年一直处于目标检测领域的领先地位,被成功地研究、改进和应用到众多不同领域。该文对YOLO系列算法及其重要改进、应用进行了详细调研。首先,系统地梳理了YOLO家族及重要改进,包含YOLOv1-v4, YOLOv5, Scaled-YOLOv4, YOLOR和最新的YOLOX。然后,对YOLO中重要的基础网络,损失函数进行了详细的分析和总结。其次,依据不同的改进思路或应用场景对YOLO算法进行了系统的分类归纳。例如,注意力机制、3D、航拍场景、边缘计算等。最后,总结了YOLO的特点,并结合最新的文献分析可能的改进思路和研究趋势。
基于迁移学习的三子网图像去雾方法
武明虎, 丁畅, 王娟, 陈关海, 刘子杉, 郭力权
, doi: 10.11999/JEIT211324
摘要:
目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现,对于不同风格或非均匀雾图数据集去雾效果较差,同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况,该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先,该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数,以加速模型训练收敛速度。其次,主干网络模型由3个子网组成:残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取,在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进,为衡量模型性能,模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题,可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。
基于天波重构技术的eLORAN信号周期识别算法
刘时尧, 华宇, 张首刚
, doi: 10.11999/JEIT210661
摘要:
针对增强型罗兰(eLORAN)系统在信号处理中的核心问题——周期识别,该文提出一种应对强天波干扰及低信噪比(SNR)等恶劣环境的联合算法。该方法首先在改进窗函数的基础上利用频谱相除技术估计信号特征参数,并根据大数理论的思想实现了天地波识别;其次,提出天地波时延差及幅度比的自适应2阶网格搜索匹配算法,在节省计算量的同时准确重构并去除天波;最后利用伪地波信号准确实现周期识别。仿真结果分析表明,该算法能够成功地克服现有技术中的一些弊端,实现小时延差及大强度天波干扰下的天波识别及分离,同时结合频谱相除技术的稳定性极大提高周期识别的正确率,进而为后续解调解码等流程提供保障。
基于国产密码算法SM9的可追踪属性签名方案
唐飞, 凌国玮, 单进勇
, doi: 10.11999/JEIT210747
摘要:
国产密码算法SM9是我国自主设计的标识密码方案,现已受到各界的广泛关注。为了解决现有属性签名(ABS)方案验签效率不高这一问题,该文基于国密SM9算法构造新的支持树形访问策略的属性签名方案,该方案的验签操作仅需1次双线性对映射和1次指数运算。此外,所提方案具有签名者身份可追踪功能,防止恶意签名者利用属性签名的匿名性进行非法签名操作,从而避免传统属性签名中无条件匿名性下的签名滥用问题。安全分析结果表明所提方案在随机谕言机模型下具有不可伪造性,同时也可抗合谋攻击。与现有的可追踪属性签名方案相比,所提方案的追踪算法效率更高,签名与验签开销也更低。实验结果表明,所提方案验签算法的计算复杂度与策略规模无关,完成1次验签算法仅需2 ms。
椭圆球面波信号Wigner-Ville分布显式渐近求解方法
王红星, 赵乐源, 陆发平, 刘传辉, 康家方
, doi: 10.11999/JEIT210820
摘要:
针对现有的椭圆球面波函数(PSWFs)信号时频分析无显式表达式、数值仿真误差不可控、时频分布结果对称性缺失等问题,该文引入Legendre多项式以及Wigner-Ville分布(WVD),提出一种PSWFs信号WVD显式渐近求解方法。该方法根据误差要求,生成所需阶数的Legendre多项式WVD自项、交叉项,进而与对应的WVD-Legendre系数相乘后线性叠加,获取PSWFs信号WVD显式渐近表达式。理论及数值仿真结果表明,所提方法能够产生满足误差要求的PSWFs信号WVD显式渐近表达式,且能够有效保持信号原有的时域、频域对称性。此外,在相同采样点数情况下,相对于基于数值解的PSWFs信号WVD,所提方法获得的PSWFs信号WVD频域分辨率更高。
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%。
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}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(XOR)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。
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(SNR)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与时间特征,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地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。
一种高效的前向纠错码桶分配DNA存储解码方法
昝乡镇, 姚翔宇, 许鹏, 陈智华, 石晓龙, 李树栋, 刘文斌
, doi: 10.11999/JEIT210697
摘要:
与传统存储方式相比,脱氧核糖核酸(DNA)存储的难点是测序序列中的插入和删除错误给信息解码过程带来了巨大挑战。针对具有1位纠错能力的前向纠错编码DNA存储,该文提出一种桶式分配策略提高解码的精度和效率。首先,搜索每个分组中所有测序读长的可识别DNA码,根据1位纠错能力确定其对应的合法编码;其次,根据每个可识别DNA码在测序读长的位置确定相应编码的最佳编码位置(即桶);最后,按照众数投票确定每个桶中的最终编码。仿真结果表明在0.10和0.05错误率条件下,平均解码准确率在20X测序深度时可达94%以上;在0.15错误率条件下,平均解码准确率在60X测序深度时可达90%以上。
基于变分模式分解和门循环单元的电子系统间歇故障严重程度评估方法
李晟, 徐飞洋, 李玉晓, 刘松华, 张文生, 郭肇禄
, doi: 10.11999/JEIT210795
摘要:
针对电子系统间歇故障信号受噪声影响大且冗余信息多,导致深度神经网络模型对间歇故障严重程度评估能力受限的问题,该文提出一种基于变分模式分解和门循环单元(VMD-GRU)的间歇故障严重程度评估方法。先通过变分模式分解(VMD)对间歇故障信号进行自适应分解得到所有固有模式函数(IMF)分量,再对IMF分量进行相似度分析选择敏感分量,并利用微分增强型能量算子构建严重程度敏感因子。最后,利用严重程度敏感因子训练门循环单元(GRU)循环神经网络评估模型。通过对电子系统的关键电路注入不同严重程度的间歇故障进行评估,结果表明该方法有较强的间歇故障严重程度评估能力,评估结果更加准确有效。
基于多先验约束和一致性正则的半监督图像去雾算法
苏延召, 何川, 崔智高, 姜柯, 蔡艳平, 李艾华
, doi: 10.11999/JEIT220381
摘要:
针对合成雾霾图像训练的去雾模型在真实场景中去雾效果不佳、对高层视觉任务性能提升不明显等问题,该文提出一种基于多先验约束和一致性正则的半监督图像去雾算法。该方法采用编码器-解码器网络结构,同时在合成雾霾图像与真实雾霾图像上学习去雾映射,并利用多种统计先验去雾结果作为真实雾霾图像参考真值进行半监督学习,同时通过多张真实雾霾图像的随机混合进行一致性正则约束,以消除多种先验去雾结果差异以及噪声干扰,提高图像去雾结果的视觉质量。实验对比结果表明,所提算法可比现有方法获得更好的真实场景去雾结果,并且能够显著提升高层视觉任务性能。
基于迭代交替优化的图像盲超分辨率重建
陈洪刚, 李自强, 张永飞, 王正勇, 卿粼波, 何小海
, doi: 10.11999/JEIT220380
摘要:
基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双三次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC, DASR, MANet, DAN等现有算法相比,提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。
一种基于YOLOv3的水下声呐图像目标检测方法
王非, 王欣宇, 周景春, 刘淼
, doi: 10.11999/JEIT220260
摘要:
将目标检测框架应用于水下声呐图像处理是近期的高热度话题,现有水下声呐目标检测方法多基于声呐图像的纹理特征识别不同物体,难以解决声呐图像中由于形状畸变造成的几何特征不稳定问题。为此,该文提出一种基于YOLOv3的水下物体检测模型YOLOv3F,该模型将从声呐图像中提取的纹理特征和从深度图中提取的空间几何特征相融合,利用深度图中相对稳定的空间几何特征弥补纹理特征表述能力的不足,再将融合后的特征用于目标检测。实验结果表明,所提改进模型的检测性能相较于3个基线模型在识别精度方面具有明显提升;在对单个类别的物体进行检测的情况下,与YOLOv3相比,改进模型也表现出了更出色的检测效果。
基于双重迭代的零样本低照度图像增强
向森, 王应锋, 邓慧萍, 吴谨, 喻莉
, doi: 10.11999/JEIT211593
摘要:
针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像。在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法。同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性。
基于联合特征参数的卫星单-混信号调制识别研究
杨洪娟, 时统志, 李博, 赵楠, 王钢
, doi: 10.11999/JEIT210768
摘要:
针对卫星通信中单-混信号调制类型识别效率低、准确性差等问题,该文提出一种基于高阶累积量和星座图聚类特性的调制识别算法。首先,根据4, 6阶累积量的属性特点构建3个特征参数,以识别多进制相移键控(MPSK)和部分多进制正交幅度调制(MQAM)调制类型,然后结合改进的星座图减法聚类算法分离出剩余调制样式,最后将参数联合,建立决策树分类器进行统一调度。该算法不依赖信号诸多先验信息,具有特征提取参数简单、识别种类多等特点。仿真结果表明,该算法在信噪比(SNR)10 dB下对卫星单-混信号的调制识别率仍能达到90%以上。
基于MIMO阵列的综合射频系统鲁棒波形设计算法研究
唐波, 吴文俊, 史英春, 王旭阳, 李达
, doi: 10.11999/JEIT220969
摘要:
基于多输入多输出(MIMO)阵列的综合射频(MFRF)系统通过优化多波形,可以在不同角度辐射不同的信号,进而同时实现多种功能。然而,当存在角度误差时,综合射频系统所合成的信号会出现畸变,这将导致系统性能下降。该文主要考虑存在角度误差时,对综合射频系统鲁棒波形设计算法进行研究。首先,提出基于最小最大化(Min-Max)框架的MIMO阵列多波形优化问题。同时,为减少非线性功放引起的波形失真,对发射波形施加了峰均比(PAPR)约束。为求解此问题,该文提出了基于交替方向乘子法(ADMM)和Majorization-Minimization(MM)方法的波形优化算法。仿真实验结果表明,当存在角度误差时,所提算法能够获得更好的性能。
数据驱动与知识引导结合下人工智能算法模型
金哲, 张引, 吴飞, 朱文武, 潘云鹤
, doi: 10.11999/JEIT220700
摘要:
当前人工智能的学习模式主要以数据驱动为主要手段,以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识,建立数据和知识双轮驱动的人工智能方法,将推动更通用计算范式的变革创新。该文将可用于引导人工智能算法模型知识归纳为4种——逻辑知识、视觉知识、物理定律知识和因果知识,探讨将这些知识与现有数据驱动模型相互结合的典型方法。
基于鲁棒视觉变换和多注意力的全景图像显著性检测
陈晓雷, 张鹏程, 卢禹冰, 曹宝宁
, doi: 10.11999/JEIT220684
摘要:
针对当前全景图像显著性检测方法存在检测精度偏低、模型收敛速度慢和计算量大等问题,该文提出一种基于鲁棒视觉变换和多注意力的全景图像显著性检测模型。该模型使用球形卷积提取全景图像的多尺度特征,减轻了全景图像经等矩形投影后的失真。使用鲁棒视觉变换模块提取4种尺度特征图所包含的显著信息,采用卷积嵌入的方式降低特征图的分辨率,增强模型的鲁棒性。使用多注意力模块,根据空间注意力与通道注意力间的关系,有选择地融合多维度注意力。最后逐步融合多层特征,形成全景图像显著图。纬度加权损失函数使该文模型具有更快的收敛速度。在两个公开数据集上的实验表明,该文所提模型因使用了鲁棒视觉变换模块和多注意力模块,其性能优于其他6种先进方法,能进一步提高全景图像显著性检测精度。
基于链路失效模型的多级电力业务路由规划
杨淑娜, 许嘉丽, 杨鸿珍, 赵玉虎, 池灏
, doi: 10.11999/JEIT220565
摘要:
该文从智能电网中电力业务多样性的角度出发,分析不同类型业务对网络的可靠性需求。建立链路失效函数模型,并基于该模型设计面向可靠性的路由规划方法。以网络阻塞率和资源利用率为指标,通过与传统链路失效路由算法的比较分析来验证所提出方法的有效性。传统链路失效路由规划算法忽略了电力业务多样性,对接入网络的业务请求无差别处理,路由规划约束条件相对单一,导致网络阻塞率较高。该文所提路由算法充分考虑了不同业务对网络需求的多样性,依据业务等级调整目标函数并分别进行路由分配,从而降低网络阻塞率,提升网络可靠性和资源利用率。
能量收集通信系统中发送功率与传输速率的在线控制算法
雷维嘉, 刘美玎, 雷宏江, 唐宏
, doi: 10.11999/JEIT220673
摘要:
该文针对发送端由能量收集(EH)设备供电的无线通信系统,研究在能量收集和信道状态先验信息未知的条件下,以最大化实际可达传输速率为目标的发送功率、调制方式和信道编码码率的联合优化问题。基于Lyapunov优化框架,将能量使用的长期约束转换为能量虚队列的稳定性要求,将能量使用约束下的长期时间平均实际可达传输速率最大化问题转化为单时隙的、仅依赖于当前信道状态和电池状态的“漂移加惩罚”项上界的最小化问题。优化问题通过一个高效的数值方法求解。另外还给出了基于滑动窗口的K-means聚类方法的“漂移加惩罚”中权重和电池电量虚队列偏移量两个参数的自适应调整算法。在不同能量到达随机模型下与对比算法进行了性能的仿真对比,结果表明,该文所提算法在各种能量到达模型下都能获得更高的长期平均实际可达传输速率。另外,通过与参数固定为最优情况下算法性能的对比,证明参数自适应调整算法正确、有效。
面向高铁毫米波通信智能资源管理研究综述
闫莉, 方旭明, 李毅, 薛青
, doi: 10.11999/JEIT220923
摘要:
为满足高速铁路智能化发展对铁路移动通信系统提出的新需求,基于第5代(5G)无线通信技术的高铁移动网络将采用宽带毫米波(mmWave)频段以提高传输容量。基于此,该文首先结合高铁传输需求及场景特殊性,分析了定向毫米波通信在网络覆盖鲁棒性、移动支持能力及链路稳定性与管理方面的问题。然后,探讨了通过融合传统6 GHz以下频段(简称sub-6 GHz)与毫米波频段以兼顾网络覆盖与传输容量的新一代高铁无线接入网络架构,其中全向覆盖的sub-6GHz频段提供鲁棒覆盖,定向毫米波通信提升传输速率。最后,在该网络架构基础上,研究了如何利用深度学习算法进行业务特征与传输环境的预测,并智能决策sub-6 GHz与毫米波双频段的无线资源分配、波束对齐及切换优化,最终实现高可靠、低时延、大容量新一代高铁移动通信系统。
基于算术平均融合的分布式多伯努利扩展目标跟踪
吴孙勇, 郑翔飞, 李天成, 胡青霜, 吕晓燕
, doi: 10.11999/JEIT220688
摘要:
在分布式传感网络中,由于同一扩展目标的方位角以及轴长等状态参数在不同传感器下估计结果不一致,导致多扩展目标估计关联困难,从而为后续密度信息融合带来了巨大挑战。相比于点目标后验密度信息,扩展目标后验密度同时包含了质心状态和外形信息。该文结合质心欧氏距离和外形矩阵非欧式尺寸-形状度量提出了椭圆距离,该椭圆距离同时考虑了扩展目标质心状态与外形信息,更好地实现了不同传感器下同一扩展目标后验密度关联。此外该文在算术平均(AA)融合规则下推导了融合空间密度的近似伽马高斯逆威夏特(GGIW)分布,实现了不同传感器下同一扩展目标后验信息AA融合。仿真实验表明,该文所提算法在分布式传感网络中能有效地进行多扩展目标跟踪。
医疗社交网络中基于云计算的属性基签密方案
牛淑芬, 周思玮, 吕锐曦, 闫森, 张美玲, 王彩芬
, doi: 10.11999/JEIT220070
摘要:
移动医疗社交网络的出现为患者之间互相交流病情提供了极大的便利,促进了患者之间高效、高质量的沟通与交流,但与此同时也产生了患者数据的保密性和隐私性问题。针对此问题,该文提出一种基于云计算的属性基签密方案,能够有效地保护患者数据的隐私性。患者将自己的病情信息签密后上传至云服务器,当数据用户要访问患者的信息时,云服务器帮助数据用户进行部分解密并验证数据的完整性,这在一定程度上减少了数据用户的计算量。同时,在随机预言机模型下,证明了该方案满足选择消息攻击下的不可伪造性、选择密文攻击下的不可区分性以及属性隐私安全性。理论分析和数值模拟实验结果表明,该方案在签密和解签密阶段比现存的方案有更高的效率。
多层多参数多项加权分数阶傅里叶变换复合调制通信信号设计方法
杨宇晓, 高萍
, doi: 10.11999/JEIT220266
摘要:
为提高卫星通信信号的安全性能,该文提出一种多层多参数多项加权分数阶傅里叶变换复合调制通信信号设计方法。该方法针对传统多项加权分数阶傅里叶变换(MWFRFT)单层结构的被扫描威胁,将MWFRFT扩展至不同加权系数的多层结构,降低了系统的被扫描概率。同时,多层多参数MWFRFT系统通过对控制参数集的优化设计,解决了多层结构下的通信信号调制特征模拟。针对复杂电磁环境场景中的目标寄生信号和窄带信号干扰,引入扩频机制,设计了多层多参数复合调制系统TL-MWFRFT-DSSS。仿真结果表明,该方法在保证较好通信性能的前提下,实现了多层通信信号的调制特征模拟,显著提高了系统的抗扫描性能。
一种基于酉矩阵变换的低峰均比正交时频空安全传输方法
鲁信金, 雷菁, 李为, 赖雄坤, 邓喆
, doi: 10.11999/JEIT220678
摘要:
为了降低正交时频空(OTFS)系统峰均比(PAPR)并且提升系统安全性,该文设计了一种基于酉矩阵变换的低峰均比OTFS安全传输方法。在该方法中,通过无线信道的时延多普勒(DD)域产生初始密钥,并将其作为混沌系统初始值进一步产生混沌序列。利用混沌序列进行酉矩阵设计,使得经过酉矩阵变换后的符号完全被混淆,具有类噪声的随机特性。此外通过索引控制酉矩阵选择,发射端将不同酉矩阵变换得到的OTFS时域信号进行排序并选择PAPR最低的信号进行发送。合法接收方获得索引值后可以正确解密和解调,而窃听者即使获得索引值信息,由于其没有相应的加密酉矩阵,为此无法正确解密。理论分析和仿真结果表明,所提方法在保证系统可靠性的前提下有效降低OTFS系统的PAPR。此外经过酉矩阵变换后的星座图呈现球状混乱,这使得调制方式和信息得以隐蔽,增大了窃听者的解密难度,系统的安全性得到保证。
车载资源约束下的控制器域网络异常检测自适应优化方法
张金锋, 张震, 刘少勋, 邬江兴
, doi: 10.11999/JEIT220692
摘要:
针对在有限的车载资源约束条件下,如何兼顾控制器域网络(CAN)异常检测准确度和时效性的问题,该文提出一种CAN网络异常检测自适应优化方法。首先,基于信息熵建立了CAN网络异常检测的准确度和时效性量化指标,并将CAN网络异常检测建模为多目标优化问题;然后,设计了求解多目标优化问题的第二代非支配排序遗传算法(NSGA-II),将帕累托前沿作为CAN网络异常检测模型参数的优化调整空间,提出了满足不同场景需求的检测模型鲁棒控制机制。通过实验分析,深入剖析了优化参数对异常检测的影响,验证了所提方法能够在有限车载资源下适应多样化检测场景需求。
基于主从博弈的分层联邦学习激励机制研究
贾云健, 黄宇, 梁靓, 万杨亮, 周继华
, doi: 10.11999/JEIT220175
摘要:
为了优化分层联邦学习全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,提出了一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同,设计了基于主从博弈的可变激励训练加速算法,使得一次全局模型训练时延达到最小。仿真结果显示,所提出的算法能够有效降低终端设备自私性带来的影响,提高分层联邦学习全局模型的训练速度。
DNA存储文件系统研究进展
昝乡镇, 姚翔宇, 许鹏, 鲍振申, 李先彬, 李晓焱, 刘文斌
, doi: 10.11999/JEIT220561
摘要:
DNA存储因具有密度大、保存时间长及维护成本低等优点,为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景,DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型,给出了未来DNA存储文件系统模型及具备的特点;然后,系统性综述了DNA存储文件系统研究进展;最后,对未来DNA存储文件系统研究进行了展望。
小样本图像处理方法赋能的宽带频谱感知
周金, 李玉芝, 李斌
, doi: 10.11999/JEIT220084
摘要:
针对强噪声环境下频谱感知方法计算复杂度高、难以获取大量标注样本、检测准确率低等问题,该文提出由图像去噪和图像分类思想驱动的频谱感知方法(IDCSS)。首先,对感知用户的接收信号进行时频变换,将无线电数值信号转换为图像。强噪声环境下感知用户接收信号图像与噪声图像相关度高,因此搭建生成对抗网络(GAN)来增加低信噪比下接收信号样本的数量,提高图像的质量。在生成器中,利用残差-长短时记忆网络取代生成网络U-Net结构中的跳跃连接,对图像进行去噪、提取感知用户接收信号图像的多尺度特征、建立基于熵的损失函数来构建网络的抗噪能力;在判决器中,设计适用无线电图像信号的多维度判决器来增强生成图像的质量、保留低信噪比感知用户信号的图像细节。最后利用分类器识别频谱占用状态。仿真结果表明,与现有频谱感知算法相比,所提算法具有较好的检测性能。
复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法
李海, 谢瑞杰, 谢伶莉, 孟凡旺
, doi: 10.11999/JEIT211500
摘要:
针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出了一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。
基于空间探索和认知图构建的生物启发式目标导向导航模型
周阳, 吴德伟, 宋毅, 代传金
, doi: 10.11999/JEIT220578
摘要:
为实现智能自主运行体面向目标的导航知识生成及运行控制,该文研究了一种基于空间探索和认知图构建的生物启发式目标导向(GO)导航模型,该模型由空间探索、认知图构建和GO导航控制3个部分组成。在空间探索中,将网格细胞(GCs)到位置细胞(PCs)模型和视觉位置细胞生成模型融合后生成的位置细胞表征当前状态,利用Q学习算法实现状态-动作的建立及更新,以此学习面向目标运行的导航知识;然后,在认知图构建中,利用重心估计原理对空间探索得到的知识进行处理,生成各位置细胞状态下面向目标的方向信息;最后,运行体在朝目标的运行中,根据得到的认知图实时控制运行方向,以此实现GO导航。仿真结果表明,该GO模型有效,运行体进行充分的空间探索可生成认知图,并以此实现GO导航,且在运行过程中能有效规避障碍物。
基于病理图像集成深度学习的胃癌预后预测方法
金怀平, 薛飞跃, 李振辉, 陶海波, 王彬
, doi: 10.11999/JEIT220655
摘要:
病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先,对患者不同分辨率下的病理图像进行切分、筛选等预处理;然后,采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合,以此获得患者层面(Patient-level)的单分辨率子分类器预测结果;最终,采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得Patient-level的预后预测结果。实验中收集了250例胃癌患者的组织病理图像,并以远处转移预测为例进行验证,实验结果表明,所提方法在测试集上的预测准确率为89.10%,敏感度为89.57%,特异度为88.61%,马修斯相关系数为78.19%,相比于单模型预测结果获得了显著提升,可为胃癌患者的治疗和预后提供重要参考。
采用单水听器匀速直线运动直升机三维参数估计算法
张华霞, 王惠刚, 孙伟涛, 古清月, 荣少巍
, doi: 10.11999/JEIT220693
摘要:
针对空中匀速飞行运动目标所激发的水声信号特征,该文将传统的2维平面内估计目标飞行高度、速度等参数的问题扩展到3维空间,可以求解飞行时偏航距离,更符合实际情况,解决了空中快速飞行目标状态3维参数估计问题。该文首先以直升机离散线谱为特征声源,建立其在空气-水两层介质中声学多普勒的3维传播模型,考虑了目标的飞行速度、高度和偏离水听器的偏航距离。然后根据多普勒频移曲线及其1阶、2阶导数的不对称性,推导出水下探空应用中飞行器的3维参数估计方法。最后,通过分析单水听器接收的实测信号,验证了文章构建3维空间多普勒频移飞行参数估计模型的合理性及APP-LMS算法相较于短时傅里叶瞬时频率估计算法能够更准确反演直升机的航行参数。
空间目标散射结构极化旋转域辨识
崔兴超, 李郝亮, 付耀文, 陈思伟, 粟毅
, doi: 10.11999/JEIT220493
摘要:
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力,已成为空间态势感知的重要传感器。作为典型的人造目标,空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难的同时,也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能,该文深入挖掘绕雷达视线的极化旋转域信息,提出一种空间目标散射结构极化旋转域辨识方法,共包含3个步骤。首先,对极化ISAR数据开展绕雷达视线的极化旋转域分析,导出极化相关方向图特征。其次,分析基本散射体的极化相关方向图特性,构造极化特征编码矢量。最后,基于极化特征编码矢量距离度量实现散射结构极化辨识,围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究,研究表明,所提方法相较于传统的Cameron分解方法性能更优,鲁棒性更高。
MSIANet:多尺度交互注意力人群计数网络
张世辉, 赵维勃, 王磊, 王威, 李群鹏
, doi: 10.11999/JEIT220644
摘要:
尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题,该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network, MSIANet)。首先,设计了一个多尺度注意力模块,该模块使用4个具有不同感受野的分支提取不同尺度的特征,并将各分支提取的尺度特征进行交互,同时,使用注意力机制来限制多列网络的特征相似性问题。其次,在多尺度注意力模块的基础上设计了一个语义信息融合模块,该模块将主干网络的不同层次的语义信息进行交互,并将多尺度注意力模块分层堆叠,以充分利用多层语义信息。最后,基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络,该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明,与现有代表性的人群计数方法相比,该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。
海杂波中目标分数域谱范数特征检测方法
关键, 姜星宇, 刘宁波, 黄勇, 丁昊
, doi: 10.11999/JEIT220667
摘要:
对于海上机动目标,采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题,为了使机动目标回波能量做最佳化的相参积累,需要反复搜索变换阶数,然而由于海上目标机动状态的随机性和时变性,难以搜索得到最佳变换阶数。针对这一问题,该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取,设计特征检测统计量,提出基于分数阶域奇异值的海杂波抑制与目标检测方法,在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下,所提方法在信杂比为–2.5 dB时可以达到60%的检测概率;经过实测数据验证,方法可以在信杂比为4.7 dB的条件下,稳定完成目标检测,具有较好的检测性能,且易于工程化实现。
基于分布式智能反射面的物理层安全通信研究
冯友宏, 张彦峨, 董国青
, doi: 10.11999/JEIT220659
摘要:
智能反射面(IRS)能够实时调整无线传输环境提高通信效率,在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题:考虑功率和恒模约束以及IRS链路之间的相关性,以最大化安全传输速率为目标,构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明,相较于传统算法,该文算法具有较高处理效率有效提高系统安全性,也进一步表明分布式部署IRS比集中部署安全性能更优。
基于布尔可满足性的精确逻辑综合综述
储著飞, 潘鸿洋
, doi: 10.11999/JEIT220391
摘要:
逻辑综合是电子设计自动化的重要步骤,随着算力逐渐提升和新的计算范式不断涌现,传统基于全局启发式算法的逻辑综合面临新的挑战。启发式算法面临的主要问题是得到一个次优解,随着算力的提升,逻辑优化越来越追求精确解而不满足于次优解。该文首先简述逻辑函数表达方法和布尔可满足性(SAT)问题;其次针对精确综合的算法、编码等方面介绍了在布尔逻辑网络的面积优化和深度优化方面的精确综合研究进展;最后对精确综合的未来发展趋势进行讨论。
标签敏感的多重集正交相关特征融合方法
赵前进, 平昕瑞, 苏树智, 谢军
, doi: 10.11999/JEIT210323
摘要:
典型相关分析(CCA)作为一种经典的特征融合方法,广泛用于模式识别领域,其目标是学习相关投影方向使两组变量间的相关性最大,但其没有考虑样本的类标签信息和样本间的信息冗余,从而影响了融合后特征的监督敏感性和鉴别力。为此,该文提出一种标签敏感的多重集正交相关特征融合方法,该方法在典型相关分析理论基础上,将类标签信息嵌入到特征融合框架,同时加入正交约束确保融合特征最大限度的不相关,减少特征信息冗余,提高鉴别力。在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法。
两方有理数多重集的保密计算
王维琼, 谢琼, 许豪杰, 崔萌
, doi: 10.11999/JEIT220712
摘要:
集合的安全多方计算(SMC)在联合数据分析、敏感数据安全查询、数据可信交换等场景有着广泛的应用。该文基于有理数的几何编码,结合保密内积协议,首次提出了有理数域上两方多重集交集和并集的保密计算协议。应用模拟范例证明了协议在半诚实模型下的安全性,分别通过理论分析和仿真测试验证了协议的高效性。与现有协议相比,所设计协议无需给定包含所有集合元素的全集,可以保护集合势的隐私性,且在协议执行过程主要使用乘法运算,达到了信息论安全。
惠普忆阻电路的线性叠加分析
丁芝侠, 黄莎莉, 李赛, 杨乐
, doi: 10.11999/JEIT220733
摘要:
基于惠普(HP)忆阻器的元件特性,该文分析了惠普忆阻器的数学关系式,惠普忆阻元件的内部状态变量与忆阻阻值之间存在增量线性关系,在外加电压下惠普忆阻器阻值的变化可叠加,得出了惠普忆阻电路具有线性叠加性的结论。通过PSpice电路仿真验证上述结论的有效性和正确性,为叠加定理在含惠普忆阻器及线性元件的线性电路中的使用提供了理论分析支撑。
基于改进宽度模型迁移学习的不同负载下滚动轴承状态快速分类方法
康守强, 杨佳轩, 王玉静, 王庆岩, 梁欣涛, V.I.MIKULOVICH
, doi: 10.11999/JEIT220401
摘要:
针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域幅值序列数据集,并选取某种或某些负载数据集作为源域,其他负载数据集作为目标域;其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口,并在增强层引入Maxout激活函数构建改进的BLS网络,同时引入遗传算法优化网络节点结构,建立基于源域数据的预训练模型;最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络,并利用少量目标域样本微调网络建立状态分类模型。实验结果表明,所提方法平均训练时间为32.6 s,平均测试准确率为98.9%。对比其他方法,所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。
面向人脸验证的可迁移对抗样本生成方法
孙军梅, 潘振雄, 李秀梅, 袁珑, 张鑫
, doi: 10.11999/JEIT220358
摘要:
在人脸识别模型的人脸验证任务中,传统的对抗攻击方法无法快速生成真实自然的对抗样本,且对单模型的白盒攻击迁移到其它人脸识别模型上时攻击效果欠佳。该文提出一种基于生成对抗网络的可迁移对抗样本生成方法TAdvFace。TAdvFace采用注意力生成器提高面部特征的提取能力,利用高斯滤波操作提高对抗样本的平滑度,并用自动调整策略调节身份判别损失权重,能够根据不同的人脸图像快速地生成高质量可迁移的对抗样本。实验结果表明,TAdvFace通过单模型的白盒训练,生成的对抗样本能够在多种人脸识别模型和商业API模型上都取得较好的攻击效果,拥有较好的迁移性。
基于渐进式学习与多尺度增强的客体视觉注意力估计方法
丰江帆, 何中鱼
, doi: 10.11999/JEIT220218
摘要:
视觉注意力机制已引起学界和产业界的广泛关注,但既有工作主要从场景观察者的视角进行注意力检测。然而,现实中不断涌现的智能应用场景需要从客体视角进行视觉注意力检测。例如,检测监控目标的视觉注意力有助于预测其后续行为,智能机器人需要理解交互对象的意图才能有效互动。该文结合客体视觉注意力的认知机制,提出了一种基于渐进式学习与多尺度增强的客体视觉注意力估计方法。该方法把客体视域视为几何结构和几何细节的组合,构建层次自注意力模块获取深层特征之间的长距离依赖关系,适应几何特征的多样性;并利用方向向量和视域生成器得到注视点的概率分布,构建特征融合模块将多分辨率特征进行结构共享、融合与增强,更好地获取空间上下文特征;最后构建综合损失函数来估计注视方向、视域和焦点预测的相关性。实验结果表明,该文所提方法在公开数据集和自建数据集上对客体视觉注意力估计的不同精度评价指标都优于目前的主流方法。
可寄生式双极电感绝对角度传感器研究
张波, 陈小丽, 郭赫男, 瞿金晨, 李杰, 李建华, 姜勇, 闻小龙
, doi: 10.11999/JEIT220610
摘要:
角度传感器作为电机的核心定位部件,对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器,该传感器通过周期性改变线圈中感应电压的大小来测量角度,敏感结构主要包括转子和定子,可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成,形成双极布局,定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈,一组线圈由8个回路组成,对应为外沿多周期扇形铜箔,另一组由2个回路组成,对应中心180°扇形(半圆形)铜箔,两组线圈相互独立,互不影响。当转子在接收线圈上方转动时,转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高,但360°内会出现多个周期信号,无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号,通过2回路线圈为8回路线圈提供周期数鉴别,进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算,以高精度转台为基准对样机进行测试,结果表明,传感器测量误差可以达到0.04°,满足电机位置控制精度要求,验证了该方案的可行性。
基于深度学习的跨社交网络用户匹配方法
马强, 戴军
, doi: 10.11999/JEIT220702
摘要:
现有基于时空信息的跨社交网络用户匹配方案,存在着难以耦合时空信息、特征提取困难问题,导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法,首先对用户签到数据进行时空尺度的网格映射,生成包含用户特征的签到矩阵集合,对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图,利用深度可分离卷积对特征图权重变换和特征融合,对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证,实验结果表明,与现有相关算法相比,所提算法在匹配的准确率以及F1-值均得到提升,验证了所提算法的有效性。
基于回归分析理论的辐射源个体识别技术
赵雅琴, 杨荣乾, 吴龙文, 何胜阳, 牛金鹏, 赵亮
, doi: 10.11999/JEIT220190
摘要:
针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。
Anchor free与Anchor base算法结合的拥挤行人检测方法
谢明鸿, 康斌, 李华锋, 张亚飞
, doi: 10.11999/JEIT220444
摘要:
由于精度相对较高,Anchor base算法目前已成为拥挤场景下行人检测的研究热点。但是,该算法需要手工设计锚框,限制了其通用性。同时,单一的非极大值抑制(NMS)筛选阈值作用于不同密度的人群区域会导致一定程度的漏检和误检。为此,该文提出一种Anchor free与Anchor base检测器相结合的双头检测算法。具体地,先利用Anchor free检测器对图像进行粗检测,将粗检测结果进行自动聚类生成锚框后反馈给区域建议网络(RPN)模块,以代替RPN阶段手工设计锚框的步骤。同时,通过对粗检测结果信息的统计可得到不同区域人群的密度信息。该文设计一个行人头部-全身互监督检测框架,利用头部检测结果与全身的检测结果互相监督,从而有效减少被抑制与漏检的目标实例。提出一种新的NMS算法,该方法可以自适应地为不同密度的人群区域选择合适的筛选阈值,从而最大限度地减少NMS处理引起的误检。所提出的检测器在CrowdHuman数据集和CityPersons数据集进行了实验验证,取得了与目前最先进的行人检测方法相当的性能。
支持条件身份匿名的云存储医疗数据轻量级完整性验证方案
张晓均, 王鑫, 廖文才, 赵芥, 付兴兵
, doi: 10.11999/JEIT210971
摘要:
医疗云存储服务是云计算技术的一个重要应用,同时外包医疗数据的完整性和用户的身份隐私保护已变得越来越重要。该文提出适用于无线医疗传感器网络的支持条件身份匿名的外包云存储医疗数据轻量级完整性验证方案。方案结合同态哈希函数设计了聚合签名,通过第三方审计者(TPA)对外包云存储医疗数据进行完整性验证,在TPA端存放审计辅助信息,利用同态哈希函数的同态性质将TPA端的计算优化为常量运算,大大降低了第三方审计者的计算开销,同时支持TPA对多个数据文件执行批量验证,其验证开销几乎是恒定的,与医疗数据文件的数量无关。方案有效防止了第三方审计者通过求解线性方程恢复原始医疗数据,并且设计了条件身份匿名算法,密钥生成中心(PKG)根据用户唯一标识的身份信息为用户生成匿名身份及对应的签名私钥。即使攻击者截获到用户传输的医疗数据,也无法获知拥有此数据的真实身份,有效避免了对公钥证书的复杂管理,同时使得密钥生成中心可以有效追踪医疗信息系统中具有恶意行为的用户。安全性分析与性能评估结果表明该方案能够安全高效地部署在云辅助无线医疗传感器网络。
基于多尺度残差双域注意力网络的乳腺动态对比度增强磁共振成像肿瘤分割方法
刘侠, 吕志伟, 李博, 王波, 王狄
, doi: 10.11999/JEIT220362
摘要:
针对乳腺肿瘤大小形态多变、边界模糊以及前景与背景间严重类不平衡的问题,该文提出一种多尺度残差双域注意力融合网络。该网络以多尺度卷积构成的多尺度残差块作为基本搭建模块,通过提取多尺度特征和优化梯度传播通道提高其识别不同尺寸目标的能力,同时融入双域注意力单元,提高网络的边缘识别和边界保持能力。另外该文提出一种混合自适应权重损失函数改善网络优化方向,缓解正负样本极度不均衡的影响。实验结果表明,该文所提方法的平均骰子相似系数(Dice)值达到0.8063,较U形网络(UNet)提高5.3%,参数量下降73.36%,具有更优的分割性能。
基于密度分类引导的双阶段雨天图像复原方法
梅天灿, 曹敏, 杨宏, 高智, 易国洪
, doi: 10.11999/JEIT220157
摘要:
雨天作为最常见的恶劣天气,对图像造成的退化效应主要包括雨线对背景的遮挡、雨线累积形成的雨雾效应,从而导致很多为清晰成像条件设计的视觉系统运行效果大打折扣。为了实现雨线和雨雾同时去除、更鲁棒地处理各种真实雨天场景,该文提出了一种雨密度分类引导的双阶段雨天图像复原方法。该方法结合雨天物理模型先验与cGAN网络优化,综合考虑不同模式的雨线与雨雾,利用单独的雨密度分类网络为优化阶段提供引导信息,可以实现不同密度的雨线和雨雾图像复原。在公开合成数据集和真实雨天图像上进行了大量实验,定量和定性的结果均表明了所提方法在去雨有效性和泛化性上的优势。
数字孪生电网的特性、架构及应用综述
王鑫, 王霖, 余芸, 敖知琪, 孙凌云
, doi: 10.11999/JEIT220629
摘要:
数字孪生电网旨在利用新兴的数字孪生技术帮助电网企业构建物理电网的数字孪生体。该文总结了数字孪生电网的3大特性:数据知识混合驱动、实时双向交互、虚实相融共生。讨论了规范化孪生电网项目的评价标准。回顾了数字孪生电网的典型架构设计,基于数字孪生5维模型提出了包含物理电网、孪生数据、孪生电网、孪生应用4层结构的通用性参考架构。归纳了孪生电网在系统分析、状态评估、数据预测、健康维护、仿真建模等方面的应用,探讨了孪生电网未来向孪生能源互联网、智慧能源系统等演进的意义和价值;最后从数据管理、模型构建、可视化、信息物理安全、标准确立、生态建设6个角度总结了数字孪生电网的挑战性问题。
异构物联网下资源高效的分层协同联邦学习方法
王汝言, 陈伟, 张普宁, 吴大鹏, 杨志刚
, doi: 10.11999/JEIT220914
摘要:
物联网(IoT)设备资源存在高度异构性,严重影响联邦学习(FL)的训练时间和精度。已有研究未充分考虑物联网设备资源的异构性,且缺乏异构设备间协同训练机制的设计,导致训练效果有限且设备的资源利用率较低。为此,该文提出资源高效的分层协同联邦学习方法(HCFL),设计了端边云分层混合聚合机制,考虑边缘服务器的差异化参数聚合频率,提出自适应异步加权聚合方法,提高模型参数聚合效率。提出资源重均衡的客户端选择算法,考虑模型精度与数据分布特征动态选取客户端,缓解资源异构性对联邦学习性能的影响。设计自组织联邦协同训练算法,充分利用空闲物联网设备资源加速联邦学习训练进程。仿真结果表明,在不同资源异构状态下,与基线方法相比,模型训练时间平均降低15%,模型精度平均提高6%,设备平均资源利用率提高52%。
一种抑制相位噪声的多通道变时延下变频全双工收发方法
全欣, 刘颖, 范平志, 唐友喜
, doi: 10.11999/JEIT220464
摘要:
相位噪声会限制全双工(FD)收发机的自干扰抑制能力,恶化有用信号解调性能,即使全双工收发机采用发射机、接收机共用本振的结构,也无法消除相位噪声的限制作用。为了降低多径自干扰(SI)分量中相位噪声的影响,该文提出一种多通道变时延下变频全双工收发方法,具体包括可以补偿相位噪声的全双工收发机设计和能够抑制残余相位噪声的自干扰抑制算法。多通道变时延下变频全双工收发机采用多条通道接收同一天线的信号,各接收本振信号为经过不同延时调整的发射本振信号,可以在下变频时补偿多径自干扰中的相位噪声。自干扰抑制算法利用不同接收信号估计相位噪声参数,进一步降低残余相位噪声的影响。此外,该文推导了这种全双工收发方法的自干扰抑制能力,并给出了其随发射功率、接收通道数量的变化关系。分析与仿真结果表明,当接收通道数量高于自干扰信道强径数量时,多通道变时延下变频全双工接收方法不受相位噪声影响。
基于相似性传播的天波雷达多路径量测聚类
白向龙, 兰华, 张卓, 王增福, 潘泉
, doi: 10.11999/JEIT220193
摘要:
电离层多层结构特性使得天波雷达(OTHR)与目标之间存在多条信号传播路径,进而可能对单目标产生多路径量测。该文考虑了天波雷达多路径量测聚类问题,其需要同时对多路径量测进行电离层传播路径辨识和聚类。由于天波雷达量测模型假设1个目标通过1种电离层传播路径至多产生1个量测,因此需要考虑多路径聚类约束。该文将相似性传播聚类扩展到多路径约束模型,并提出一种新的多路径相似性传播聚类算法。该算法通过构建多路径量测聚类的概率图模型,将聚类问题转化为概率图模型隐变量的推断问题,采用最大和置信传播算法近似求解聚类变量的最大后验概率。算法优点包括可以自动识别聚类团数目,单次消息传播的时间复杂度为量测个数和传播路径个数乘积的平方。仿真实验分析表明,所提算法较多路径多假设聚类算法具有更好的聚类性能。
多分辨率融合输入的U型视网膜血管分割算法
梁礼明, 詹涛, 雷坤, 冯骏, 谭卢敏
, doi: 10.11999/JEIT220470
摘要:
针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络,旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。
双基地雷达栅栏覆盖的二维布站优化方法
李海鹏, 冯大政, 王晓辉, 贺龙, 周亚鹏
, doi: 10.11999/JEIT220215
摘要:
为解决双基地雷达栅栏覆盖的优化问题,该文提出一种基于相邻部署线的2维布站优化方法。该方法首先将感兴趣区域用矩形区域近似替代,再将矩形区域划分为多个相同的子栅栏覆盖区域;其次为了充分发挥发射器的效能,该方法不仅利用同条部署线上的发射器与接收器组成双基地雷达,同时也采用相邻部署线之间的发射器与接收器组成双基地雷达。为此提出一种新的基本布站模式,并以该模式为基础建立2维布站的优化模型。该模型以布站成本最小为准则,覆盖区域为约束条件。为了求解该优化模型,该文提出一种基于贪婪算法的求解方法,该方法可以确定2维布站中发射器与接收器的数量及其位置。最后,仿真试验和分析表明本文方法可以有效降低布站成本,减少发射器的使用数量,证明了该文布站优化方法的有效性。
多用户认知非正交多址接入系统中断性能分析及功率分配算法
申滨, 张楠, 蒋慧林, 董坤明
, doi: 10.11999/JEIT220278
摘要:
非正交多址接入(NOMA)是5G网络关键候选技术之一,其与认知无线电(CR)技术相结合形成系统(CR-NOMA),能够实现更高的频谱效率及更大的吞吐量。该文将直传与中继协同传输(CDRT)方案引入多用户CR-NOMA系统,其中CDRT表示次级源(SS)直接与近端次级用户通信,而仅通过中继(R)与多个远端次级用户通信。在非理想自干扰消除和全双工(FD)中继情况下,推导了每个NOMA用户中断概率(OP)的精确闭式表达。此外,在该系统模型下分析SS, R和用户的收益最优化问题,提出一种基于收益的两阶段迭代功率分配算法。仿真结果显示,在高信噪比(30 dB)条件下,与随机功率分配及平均功率分配方案相比,该文所提算法的用户和速率、SS总收益、R总收益分别可最高提升13%, 56%及26%。蒙特卡罗仿真验证了理论分析与实验结果的一致性。
一种考虑预测电价和碳排放成本的大规模机组检修决策方法
梅竞成, 齐冬莲, 张建良, 王震宇, 陈郁林
, doi: 10.11999/JEIT220491
摘要:
随着国内电力市场和碳市场改革的持续深入,发电机组检修决策对于保证电力系统安全可靠运行和发电厂商经济收益的影响越来越深,同时机组检修优化问题的整数变量规模和约束条件规模急剧增加对优化问题的求解带来巨大挑战。对此,该文在考虑电力系统可靠性机组检修优化模型上,提出通过贝叶斯优化的方法训练检修优化模型,进而获得最佳分支打分因子值,然后加速整数规划中分支定界求解过程的方法,适用于大规模电力系统机组检修问题。此外,进一步剖析了发电机组发电收益和碳排放成本核算机理,提出一种电力市场环境下考虑碳排放成本的发电机组检修协调机制,在保证电力系统安全运行基础上,最大化各发电厂商检修机组的电能量市场和碳市场利益。最后,通过IEEE-118节点标准算例验证了该方法的有效性和工程实用性。
面向电力开关柜的轻量型GB-YOLOv5m状态检测方法
崔昊杨, 杨可欣, 葛海华, 许永鹏, 王浩然, 杨程, 戴莹莹
, doi: 10.11999/JEIT220288
摘要:
电力开关柜状态灯及仪表具有布局高密、异位同像的特点,从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求,为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法。采用加权双向特征金字塔(BiFPN)结构,赋予特征层不同权重以传递更多有效特征信息;增加一个检测层尺度,提升网络对于小目标的检测精度,解决状态灯高密布局引起的小目标识别难问题;利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构,实现模型的轻量化,为在边端部署模型提供有利条件;通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充,并通过迁移学习实现算法高速收敛。经10kV开关柜实测,结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高,均值平均精度(mAP)达97.3%,FPS为37.533帧;相较于YOLOv5m算法,在模型大小缩小了37.04%的基础上,mAP提升了10.2%,说明所提方法对灯体与表体的检测能力大幅提升,且轻量识别效率提升明显,对于开关柜电力状态的实时核验与数字孪生信息交互,具有一定的现实意义。
基于骨架动作识别的协作卷积Transformer网络
石跃祥, 朱茂清
, doi: 10.11999/JEIT220270
摘要:
近年来,基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中,将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系,这种联系偏向于局部并且受到卷积核大小的限制,无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络,通过引入Transformer中的自注意力机制建立远程依赖关系,并将其与图卷积神经网络(GCNs)相结合进行动作识别,使模型既能通过图卷积神经网络提取局部信息,也能通过Transformer捕获丰富的远程依赖项。另外,Transformer的自注意力机制在像素级进行计算,因此产生了极大的计算代价,该模型通过将整个网络分为两个阶段,第1阶段使用纯卷积来提取浅层空间特征,第2阶段使用所提出的ConvT块捕获高层语义信息,降低了计算复杂度。此外,原始Transformer中的线性嵌入被替换为卷积嵌入,获得局部空间信息增强,并由此去除了原始模型中的位置编码,使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证,该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明,该模型的性能有了很大的提高。
考虑工人培养的移动群智感知任务分配机制
吕翊, 王燕, 崔亚平, 何鹏, 吴大鹏, 王汝言
, doi: 10.11999/JEIT220249
摘要:
移动群智感知通过大量感知工人的移动性和工人随身携带的感知设备来收集数据,是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题,使感知数据质量得以提高,但忽略了缺乏优质工人的感知任务,导致任务完成质量降低。为了解决上述问题,对于缺乏优质工人的感知任务,该文关注将经验不足的工人培养为优质工人,并令其执行这些感知任务,实现工人的长期复用,提高感知数据质量和长期平台效用。具体来说,该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型,并据此应用稳定匹配算法选择待培养工人,提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明,相比基于区块链的非确定团队协作(BNTC)算法,该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%,长期平台效用提高17%。
基于脚点热度图和双向连接图的遥感影像建筑物提取方法
张利利, 张津铭, 刘雄飞, 乔海浪, 王宏琦
, doi: 10.11999/JEIT220201
摘要:
目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。
基于机器学习的FPGA电子设计自动化技术研究综述
田春生, 陈雷, 王源, 王硕, 周婧, 庞永江, 杜忠
, doi: 10.11999/JEIT220183
摘要:
随着后摩尔时代的来临,现场可编程门阵列(FPGA)凭借其灵活的重复可编程特性、开发成本低的特点,现已被广泛应用于物联网 (IoTs)、5G通信、航空航天以及武器装备等各个领域。作为FPGA设计开发过程中所必备的手段,FPGA电子设计自动化(EDA)技术的研究在各界得到了广泛的关注。尤其是在机器学习方法的推动下,FPGA EDA工具的运行效率和结果质量(QoR)得到了很大的提升。该文首先对FPGA EDA技术与机器学习技术的概念内涵进行了简要概述,随后综述了机器学习技术在FPGA EDA高层次综合(HLS)、逻辑综合、布局与布线等各个不同阶段应用的研究现状。最后,对基于机器学习的FPGA EDA技术的发展进行了展望。以期为本领域及相关领域的专家和学者提供参考,为后摩尔时代我国集成电路产业的发展提供技术支持。
基于线性映射场的fNIRS信号特征提取与分析
姚宇轩, 孙兆辉, 高毓兵, 吴奇
, doi: 10.11999/JEIT220120
摘要:
大脑功能性激活的相关研究普遍存在特征提取依赖人工经验、深层次生理学信息难以挖掘两大问题。针对这两个问题,该文通过引入变分模态分解(VMD)技术,提出自适应VMD算法。该算法考虑了脑血氧信号在不同频段下的生理意义,降低了传统VMD对超参数选取的依赖。实验结果表明自适应VMD算法能够精确地提取出fNIRS中富有生理学意义的有效模态分量,进而提升数据预处理效果。在此基础上,基于将时间序列映射成图像并使用深度卷积神经网络进行特征学习的思路,提出线性映射场(LMF)。基于LMF,该文以较低的运算量将fNIRS序列映射成2维图像,辅以深度卷积神经网络,实现了fNIRS生理信号深层次特征的提取。实验结果证明了所提出LMF的优势。最后,该文对提出方法的有效性进行了讨论与分析,说明了不同于循环神经网络仅能“顺序”地感知时间序列,卷积神经网络对时间序列的“跳跃”感知是其取得优异效果的关键。
一种结合三重注意力机制的双路径网络胸片疾病分类方法
李锵, 王旭, 关欣
, doi: 10.11999/JEIT220172
摘要:
近年来,利用CNN进行医学图像处理,在胸片疾病分类任务中取得显著研究进展。然而,与单一结构CNN相比,双路径网络可结合不同CNN特点,从而提高疾病分类能力。其次,对于不同疾病,其位置、大小、形态、密度、纹理等特征均有不同,而注意力机制有助于模型提取不同病理特征,提升分类精度。因此针对胸片疾病分类问题,该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN),TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络,并利用3种不同形式的注意力机制改进DPN,在维持参数量稳定的同时提高网络复杂度,进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验,并与目前较为先进的6种算法对比,14种疾病的平均AUC值达到0.8185,较前人提升1.1%,表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。
优化参考图谱发育指征的CHN智能骨龄评估方法研究
毛科技, 武坤秀, 陆伟, 陈立建, 毛家发
, doi: 10.11999/JEIT211577
摘要:
骨龄(BA)是评估儿童生长发育是否正常的重要指标之一。中国人手腕骨发育标准-CHN计分法是目前中国儿童生长发育中骨龄评估(BAA)最常用的方法之一。但是在CHN计分法中,某些参照骨图谱的发育指征跨度较大,导致专家依据个人经验主观判断它的发育分期而影响评估准确度。在利用深度学习对该类图谱的发育分期进行评估时,会导致它的评估结果产生随机性。该文基于专家评估过的2万余张儿童手腕部X线片,在CHN计分法的基础上,在相邻发育分期间隔跨度较大的参照骨标准图谱之间勾绘新的成熟度指征,产生细化图谱,并利用层次分析法为其分配对应的成熟度得分,提高骨龄评价的准确率。该文在AlexNet网络的基础上融合Harris特征和卷积注意力模块,对各参照骨的发育分期进行评估。在自制的年龄分布为5-11岁的数据集上,采用优化后的CHN法得到的骨龄在容忍度为0.5岁和1岁时的准确率分别达到了94.6%和99.13%。实验结果表明所提方法可以更加精细地分辨儿童手腕骨发育程度,大幅提高骨龄评估的准确率,辅助临床应用。
云环境下对称可搜索加密研究综述
黄一才, 李森森, 郁滨
, doi: 10.11999/JEIT211572
摘要:
云存储技术是解决大容量数据存储、交互、管理的有效途径,加密存储是保护远程服务器中用户数据隐私安全的重要手段,而可搜索加密技术能在保证用户数据安全前提下提高系统可用性。对称可搜索加密以其高效的搜索效率得到人们的广泛关注。总体而言,相关研究可归纳为系统模型、效率与安全、功能性3个层次。该文首先介绍了对称可搜索加密(SSE)系统典型模型,然后深入分析了搜索效率优化、安全性分析的常用手段和方法,最后从场景适应能力、语句表达能力、查询结果优化3个方面对方案功能性研究进行了梳理,重点对当前研究的热点和难点进行了总结。在此基础上,进一步分析了未来可能的研究方向。