邮件订阅
优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。本栏目内容尚未正式出版，未经编辑部许可，不得转载。
显示方式:
, 最新更新时间 , doi: 10.11999/JEIT240091
摘要:
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
以洋葱路由器(Tor)为代表的匿名网络是目前使用最广泛的加密通信网络之一，违法分子利用加密网络以掩盖其违法行为，给网络监管和网络安全带来极大的挑战。网站指纹攻击技术的出现使得对加密流量的分析成为可能，监管者利用数据包方向等信息对Tor流量进行解密，推断用户正在访问的网页。该文对Tor网站指纹攻击与防御方法进行了调研和分析。首先，对Tor网站指纹攻击的相关技术进行总结与比较，重点分析基于传统机器学习和深度学习的Tor网站指纹攻击；其次，对目前多种防御方法进行全面调研和分析；针对现有Tor网站指纹攻击方法存在的局限性进行分析和总结，展望未来发展方向和前景。
, 最新更新时间 , doi: 10.11999/JEIT240364
摘要:
弱监督语义分割方法可以节省大量的人工标注成本，在病理全切片图像(WSI)的分析中有着广泛应用。针对弱监督多实例学习(MIL)方法在病理图像分析中存在的像素实例相互独立缺乏依赖关系，分割结果局部不一致和图像级标签监督信息不充分的问题，该文提出一种全局感知与稀疏特征关联图像级弱监督的端到端多实例学习方法(DASMob-MIL)。首先，为克服像素实例之间的独立性，使用局部感知网络提取特征以建立局部像素依赖，并级联交叉注意力模块构建全局信息感知分支(GIPB)以建立全局像素依赖关系。其次，引入像素自适应细化模块(PAR)，通过多尺度邻域局部稀疏特征之间的相似性构建亲和核，解决了弱监督语义分割结果局部不一致的问题。最后，设计深度关联监督模块(DAS)，通过对多阶段特征图生成的分割图进行加权融合，并使用权重因子关联损失函数以优化训练过程，以降低弱监督图像级标签监督信息不充分的影响。DASMob-MIL模型在自建的结直肠癌数据集YN-CRC和公共弱监督组织病理学图像数据集LUAD-HistoSeg-BC上与其他模型相比展示出了先进的分割性能，模型权重仅为14 MB，在YN-CRC数据集上F1 Score达到了89.5%，比先进的多层伪监督(MLPS)模型提高了3%。实验结果表明，DASMob-MIL仅使用图像级标签实现了像素级的分割，有效改善了弱监督组织病理学图像的分割性能。
弱监督语义分割方法可以节省大量的人工标注成本，在病理全切片图像(WSI)的分析中有着广泛应用。针对弱监督多实例学习(MIL)方法在病理图像分析中存在的像素实例相互独立缺乏依赖关系，分割结果局部不一致和图像级标签监督信息不充分的问题，该文提出一种全局感知与稀疏特征关联图像级弱监督的端到端多实例学习方法(DASMob-MIL)。首先，为克服像素实例之间的独立性，使用局部感知网络提取特征以建立局部像素依赖，并级联交叉注意力模块构建全局信息感知分支(GIPB)以建立全局像素依赖关系。其次，引入像素自适应细化模块(PAR)，通过多尺度邻域局部稀疏特征之间的相似性构建亲和核，解决了弱监督语义分割结果局部不一致的问题。最后，设计深度关联监督模块(DAS)，通过对多阶段特征图生成的分割图进行加权融合，并使用权重因子关联损失函数以优化训练过程，以降低弱监督图像级标签监督信息不充分的影响。DASMob-MIL模型在自建的结直肠癌数据集YN-CRC和公共弱监督组织病理学图像数据集LUAD-HistoSeg-BC上与其他模型相比展示出了先进的分割性能，模型权重仅为14 MB，在YN-CRC数据集上F1 Score达到了89.5%，比先进的多层伪监督(MLPS)模型提高了3%。实验结果表明，DASMob-MIL仅使用图像级标签实现了像素级的分割，有效改善了弱监督组织病理学图像的分割性能。
, 最新更新时间 , doi: 10.11999/JEIT240275
摘要:
为解决无人机(UAV)在非授权频段下频谱资源受限的瓶颈问题，针对城市环境中UAV辅助监测的通信网络，该文提出一种下垫式(Underlay)接入机制下的高谱效联合优化方案。基于UAV的高机动性将空地信道建模为概率性视距(LoS)信道，考虑同信道干扰和UAV最大速度约束建立联合功率分配-轨迹规划的混合资源优化模型，在主用户占用频谱情况下使UAV在给定任务时间内实现监测数据的快速传输。原始问题为NP-hard的混合整数非凸问题，首先将其解耦为双层规划问题，采用松弛变量和逐次凸逼近(SCA)技术将轨迹问题转换为凸规划问题后实现有效求解。仿真验证了所提联合优化方案相比改进粒子群优化(PSO)方案能够提升最高约19%的频谱效率，且对于维度较高的轨迹规划问题，所提基于SCA的算法具有更低的算法复杂度和更快的收敛性。
为解决无人机(UAV)在非授权频段下频谱资源受限的瓶颈问题，针对城市环境中UAV辅助监测的通信网络，该文提出一种下垫式(Underlay)接入机制下的高谱效联合优化方案。基于UAV的高机动性将空地信道建模为概率性视距(LoS)信道，考虑同信道干扰和UAV最大速度约束建立联合功率分配-轨迹规划的混合资源优化模型，在主用户占用频谱情况下使UAV在给定任务时间内实现监测数据的快速传输。原始问题为NP-hard的混合整数非凸问题，首先将其解耦为双层规划问题，采用松弛变量和逐次凸逼近(SCA)技术将轨迹问题转换为凸规划问题后实现有效求解。仿真验证了所提联合优化方案相比改进粒子群优化(PSO)方案能够提升最高约19%的频谱效率，且对于维度较高的轨迹规划问题，所提基于SCA的算法具有更低的算法复杂度和更快的收敛性。
, 最新更新时间 , doi: 10.11999/JEIT231348
摘要:
针对通信辐射源指纹特征难以提取和单一特征识别率不高的问题，并考虑到通信辐射源细微特征的非线性、非平稳特点，该文提出了一种基于改进变分模态分解和多特征的通信辐射源个体识别方法。首先，为了获得变分模态分解的分解层数和惩罚因子的最优组合，采用鲸鱼优化算法对通信辐射源符号波形信号的变分模态分解方法进行了改进，该方法以序列复杂度为停止准则，使每个符号波形信号能够自适应地分解出包含非线性指纹特征的高频信号分量和数据信息的低频分量；然后，根据相关阈值选取能够最佳表征辐射源非线性特征的高频信号分量层数，分别对其提取模糊熵、排列熵、Higuchi维数以及Katz维数并组成多域联合特征向量；最后，通过卷积神经网络实现通信辐射源个体识别分类，利用ORACLE公开数据集进行实验。实验结果表明：该方法有较高的识别精度且具有良好的抗噪声性能。
针对通信辐射源指纹特征难以提取和单一特征识别率不高的问题，并考虑到通信辐射源细微特征的非线性、非平稳特点，该文提出了一种基于改进变分模态分解和多特征的通信辐射源个体识别方法。首先，为了获得变分模态分解的分解层数和惩罚因子的最优组合，采用鲸鱼优化算法对通信辐射源符号波形信号的变分模态分解方法进行了改进，该方法以序列复杂度为停止准则，使每个符号波形信号能够自适应地分解出包含非线性指纹特征的高频信号分量和数据信息的低频分量；然后，根据相关阈值选取能够最佳表征辐射源非线性特征的高频信号分量层数，分别对其提取模糊熵、排列熵、Higuchi维数以及Katz维数并组成多域联合特征向量；最后，通过卷积神经网络实现通信辐射源个体识别分类，利用ORACLE公开数据集进行实验。实验结果表明：该方法有较高的识别精度且具有良好的抗噪声性能。
, 最新更新时间 , doi: 10.11999/JEIT240075
摘要:
信息年龄(AoI)是评价无线传感器网络(WSN)数据时效性的重要指标，无人机辅助WSN数据采集过程中采用优化飞行轨迹、提升速度等运动策略保障卸载至基站的数据满足各节点AoI限制。然而，不合理的运动策略易导致无人机因飞行距离过长、速度过快产生非必要能耗，造成数据采集任务失败。针对该问题，该文首先提出信息年龄约束的无人机数据采集能耗优化路径规划问题并进行数学建模；其次，设计一种协同混合近端策略优化(CH-PPO)强化学习算法，同时规划无人机对传感器节点或基站的访问次序、悬停位置和飞行速度，在满足各传感器节点信息年龄约束的同时，最大限度地减少无人机能量消耗。再次，设计一种融合离散和连续策略的损失函数，增强CH-PPO算法动作的合理性，提升其训练效果。仿真实验结果显示，CH-PPO算法在无人机能量消耗以及影响该指标因素的比较中均优于对比的3种强化学习算法，并具有良好的收敛性、稳定性和鲁棒性。
信息年龄(AoI)是评价无线传感器网络(WSN)数据时效性的重要指标，无人机辅助WSN数据采集过程中采用优化飞行轨迹、提升速度等运动策略保障卸载至基站的数据满足各节点AoI限制。然而，不合理的运动策略易导致无人机因飞行距离过长、速度过快产生非必要能耗，造成数据采集任务失败。针对该问题，该文首先提出信息年龄约束的无人机数据采集能耗优化路径规划问题并进行数学建模；其次，设计一种协同混合近端策略优化(CH-PPO)强化学习算法，同时规划无人机对传感器节点或基站的访问次序、悬停位置和飞行速度，在满足各传感器节点信息年龄约束的同时，最大限度地减少无人机能量消耗。再次，设计一种融合离散和连续策略的损失函数，增强CH-PPO算法动作的合理性，提升其训练效果。仿真实验结果显示，CH-PPO算法在无人机能量消耗以及影响该指标因素的比较中均优于对比的3种强化学习算法，并具有良好的收敛性、稳定性和鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT240067
摘要:
导航信号认证服务处于初步部署阶段，认证信号对地覆盖重数无法满足独立定位授时需求，现有研究对这一阶段利用部分通过认证的信号，即可信信号，实现欺骗检测的方法关注度较低。针对这一现状，该文根据欺骗攻击原理，提出以可信信号为基准，基于可信信号伪距残差的欺骗检测方法，建立该场景下的欺骗检测模型，并分析影响所提方法检测性能的因素。经过仿真，在可信卫星数目为3颗、用户定位精度约10 m条件下，当欺骗导致的定位偏差为100 m时，该方法的平均欺骗检测概率可达0.96。此外，该文对算法欺骗检测盲区进行了分析，证明所提算法对于绝大部分欺骗导致的定位结果均有效。
导航信号认证服务处于初步部署阶段，认证信号对地覆盖重数无法满足独立定位授时需求，现有研究对这一阶段利用部分通过认证的信号，即可信信号，实现欺骗检测的方法关注度较低。针对这一现状，该文根据欺骗攻击原理，提出以可信信号为基准，基于可信信号伪距残差的欺骗检测方法，建立该场景下的欺骗检测模型，并分析影响所提方法检测性能的因素。经过仿真，在可信卫星数目为3颗、用户定位精度约10 m条件下，当欺骗导致的定位偏差为100 m时，该方法的平均欺骗检测概率可达0.96。此外，该文对算法欺骗检测盲区进行了分析，证明所提算法对于绝大部分欺骗导致的定位结果均有效。
, 最新更新时间 , doi: 10.11999/JEIT240059
摘要:
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
近年来，因对电磁波具备灵活的调控能力，超表面天线技术受到来自通信、雷达以及天线领域学者的广泛关注。其中，超表面天线单元中所使用的有源调控器件，是决定整个系统性能的最关键部件之一。基于0.13 μm SiGe BiCMOS工艺设计了一个95～105 GHz的五位宽带数控衰减器芯片。该衰减器采用了反射式和简化T型两种拓扑结构，其中4 dB与8 dB反射式衰减单元采用交叉耦合宽带耦合器代替传统的3 dB耦合器或定向耦合器，同时获得了高衰减精度和低插入损耗；而0.5 dB, 1 dB, 2 dB三个衰减单元均采用简化T型结构。此外，利用RC正斜率和负斜率校正网络分别应用于不同的衰减单元进行相位补偿，极大地改善了衰减器的附加相移。经过仿真验证，在95～105 GHz的感兴趣工作频率内，衰减器芯片在0.12 mm2的紧凑的尺寸下实现了0～15.5 dB的衰减范围，步进为0.5 dB，基态插入损耗小于2.5 dB，幅度均方根误差小于0.31 dB，附加相移均方根误差小于2.2º。所提出的W波段衰减器可作为一个关键部件赋能集成T/R的辐散一体化超表面天线系统的硬件实现。
, 最新更新时间 , doi: 10.11999/JEIT240203
摘要:
针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象，传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测，易受到环境影响导致检测效果不理想，该文提出微多普勒辅助的城市环境无人机编队检测方法，充分利用无人机的微动特征，能够在复杂环境下提高检测精度。首先，参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号，利用YOLOv5s检测微多普勒闪烁脉冲，有效提取位置信息；然后，引入雷达信号分选方法的脉冲重复间隔(PRI)变换，分类获得无人机编队数量；最后，利用K-means算法验证无人机编队检测方法的准确性。结果表明，所提方法在信噪比2 dB时7架无人机的检测精度高于90%，能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。
针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象，传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测，易受到环境影响导致检测效果不理想，该文提出微多普勒辅助的城市环境无人机编队检测方法，充分利用无人机的微动特征，能够在复杂环境下提高检测精度。首先，参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号，利用YOLOv5s检测微多普勒闪烁脉冲，有效提取位置信息；然后，引入雷达信号分选方法的脉冲重复间隔(PRI)变换，分类获得无人机编队数量；最后，利用K-means算法验证无人机编队检测方法的准确性。结果表明，所提方法在信噪比2 dB时7架无人机的检测精度高于90%，能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。
, 最新更新时间 , doi: 10.11999/JEIT240359
摘要:
受观测条件和采集场景等因素影响，水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰，导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题，该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制，而且能够根据每个样本实际状态自适应学习到与之相匹配的权重，有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时，该文设计了一个快速非贪婪算法用于最优解的获取，其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明，DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。
受观测条件和采集场景等因素影响，水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰，导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题，该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制，而且能够根据每个样本实际状态自适应学习到与之相匹配的权重，有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时，该文设计了一个快速非贪婪算法用于最优解的获取，其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明，DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。
, 最新更新时间 , doi: 10.11999/JEIT240446
摘要:
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
未来6G将实现万物智能互联、虚拟和现实结合的全新时代，这离不开通信与感知技术的发展。但由于频率资源的稀缺，二者在频率资源上的共享是一个亟待解决的问题。通信感知一体化(ISAC)技术为解决这一问题提供了新的思路，它允许通信与感知共用一套设备、共享频率资源，可以同时完成目标探测和信息通信，被认为是6G的关键技术之一。同时我国是一个海洋大国，海洋资源丰富，海洋通信与海上目标感知需求急剧增加。该文对海洋环境下的ISAC技术进行了研究，提出一种海洋环境下的加权波形优化设计方法。通过仿真实验发现通信与感知的功率比值在[0.2, 0.5]区间内时，一体化波形不仅具有良好的通信性能，也具有不错的感知性能。最后对未来的工作内容进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT231099
摘要:
常开型智能视觉感算系统对图像边缘特征提取的精度和实时性要求更高，其硬件能耗也随之暴增。采用模拟减法器代替传统数字处理在模拟域同步实现感知和边缘特征提取，可有效降低感存算一体系统的整体能耗，但与此同时，突破10–7 s数量级的长计算时间也成为了模拟减法器设计的瓶颈。该文提出一种新型的模拟减法运算电路结构，由模拟域的信号采样和减法运算两个功能电路组成。信号采样电路进一步由经改进的自举采样开关和采样电容组成；减法运算则由所提出的一种新型开关电容式模拟减法电路执行，可在2次采样时间内实现3次减法运算的高速并行处理。基于TSMC 180 nm/1.8 V CMOS工艺，完成整体模拟减法运算电路的设计。仿真实验结果表明，该减法器能够实现在模拟域中信号采样与计算的同步并行处理，一次并行处理的周期仅为20 ns，具备高速计算能力；减法器的计算取值范围宽至–900～900 mV，相对误差小于1.65%，最低仅为0.1%左右，处理精度高；电路能耗为25～27.8 pJ，处于中等可接受水平。综上，所提模拟减法器具备良好的速度、精度和能耗的性能平衡，可有效适用于高性能常开型智能视觉感知系统。
常开型智能视觉感算系统对图像边缘特征提取的精度和实时性要求更高，其硬件能耗也随之暴增。采用模拟减法器代替传统数字处理在模拟域同步实现感知和边缘特征提取，可有效降低感存算一体系统的整体能耗，但与此同时，突破10–7 s数量级的长计算时间也成为了模拟减法器设计的瓶颈。该文提出一种新型的模拟减法运算电路结构，由模拟域的信号采样和减法运算两个功能电路组成。信号采样电路进一步由经改进的自举采样开关和采样电容组成；减法运算则由所提出的一种新型开关电容式模拟减法电路执行，可在2次采样时间内实现3次减法运算的高速并行处理。基于TSMC 180 nm/1.8 V CMOS工艺，完成整体模拟减法运算电路的设计。仿真实验结果表明，该减法器能够实现在模拟域中信号采样与计算的同步并行处理，一次并行处理的周期仅为20 ns，具备高速计算能力；减法器的计算取值范围宽至–900～900 mV，相对误差小于1.65%，最低仅为0.1%左右，处理精度高；电路能耗为25～27.8 pJ，处于中等可接受水平。综上，所提模拟减法器具备良好的速度、精度和能耗的性能平衡，可有效适用于高性能常开型智能视觉感知系统。
, 最新更新时间 , doi: 10.11999/JEIT240277
摘要:
针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题，该文提出一种新的端到端算法。在检测方面，首先基于特征金字塔网络，提出空间残差特征金字塔模块(SRFPN)，以提升特征融合和信息传递的效率。随后，引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息，增强多尺度特征的专注度，提高模型对目标尺度变化的适应性。在关联方面，引入角动量机制(AMM)，充分考虑目标运动方向，以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证，所提跟踪器的检测性能和关联性能均显著提升，并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。
针对多目标跟踪(MOT)算法性能对于检测准确度和数据关联策略的依赖性问题，该文提出一种新的端到端算法。在检测方面，首先基于特征金字塔网络，提出空间残差特征金字塔模块(SRFPN)，以提升特征融合和信息传递的效率。随后，引入全局局部特征交互模块(GLFIM)来平衡局部细节和全局上下文信息，增强多尺度特征的专注度，提高模型对目标尺度变化的适应性。在关联方面，引入角动量机制(AMM)，充分考虑目标运动方向，以提升连续帧之间目标匹配的精确性。在MOT17和UAVDT数据集上进行实验验证，所提跟踪器的检测性能和关联性能均显著提升，并且在目标遮挡、尺度变化和杂乱背景等复杂场景下表现出良好的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT240141
摘要:
车联网(IoVs)广泛用于获取车辆和道路状况等信息，但是这些信息都是在公共信道中进行传输，所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中，认证是解决数据安全最常用的方法，但是由于车联网的资源受限和对延迟敏感等特点，车辆认证需要在一定的消耗和延迟内完成。然而，现有方案容易遭受物理、伪造和共谋等攻击，同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证，抵御攻击者对实体的物理和共谋等攻击；采用车路云协同的架构，在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算，大大减轻了TA的计算压力，并将挑战响应对(CRPs)的更新应用到假名的构造更新中，保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中，通过与其它方案进行比较，表明该方案更加安全和高效。
车联网(IoVs)广泛用于获取车辆和道路状况等信息，但是这些信息都是在公共信道中进行传输，所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中，认证是解决数据安全最常用的方法，但是由于车联网的资源受限和对延迟敏感等特点，车辆认证需要在一定的消耗和延迟内完成。然而，现有方案容易遭受物理、伪造和共谋等攻击，同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证，抵御攻击者对实体的物理和共谋等攻击；采用车路云协同的架构，在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算，大大减轻了TA的计算压力，并将挑战响应对(CRPs)的更新应用到假名的构造更新中，保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中，通过与其它方案进行比较，表明该方案更加安全和高效。
, 最新更新时间 , doi: 10.11999/JEIT231440
摘要:
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
针对雷达对海探测过程中理论导向矢量与实际导向矢量之间不匹配导致的虚警概率升高的问题，该文在复合高斯模型(CGM)下设计自适应失配检测器。为了抑制失配信号，在零假设中引入与理论导向矢量正交的虚拟信号，从而给出存在失配信号的目标检测模型。将CGM的纹理分量建模为广义逆高斯分布，分别基于两步广义似然比(GLRT)和最大后验GLRT(MAP GLRT)准则发展类似于自适应波束形成器正交抑制检测(ABORT)的自适应失配检测器，并通过理论证明所提失配检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警(CFAR)特性。仿真和实测数据实验结果表明，所提失配检测器在导向矢量匹配情况下的检测性能和失配情况下的抗失配性能之间具有良好的折衷。
, 最新更新时间 , doi: 10.11999/JEIT240254
摘要:
面向恶劣自然环境下地面基础设施受损的铁路场景，该文提出一种无人机(UAV)通信感知一体化无线接入网络架构，实现对列车运行环境的实时感知及应急信息回传。考虑到无人机的续航能力有限，通过建立列车制动距离模型与无人机能耗模型，在满足信息回传通信性能与列车环境感知需求的情况下，联合调整无人机飞行速度和通信发射功率以优化无人机整体能耗。通过分析发现，该优化问题符合马尔可夫决策过程(MDP)，基于此，提出一种基于深度双Q网络(DDQN)的无人机通信感知一体化无线资源智能分配算法解决上述问题。最后，该文对所提算法的收敛性能、无人机环境感知距离和无人机能耗进行了仿真实验。仿真结果显示，所提算法具有良好的收敛性能，在满足铁路应急场景环境感知及信息回传需求的同时，能够最大化无人机通信作业时长。
面向恶劣自然环境下地面基础设施受损的铁路场景，该文提出一种无人机(UAV)通信感知一体化无线接入网络架构，实现对列车运行环境的实时感知及应急信息回传。考虑到无人机的续航能力有限，通过建立列车制动距离模型与无人机能耗模型，在满足信息回传通信性能与列车环境感知需求的情况下，联合调整无人机飞行速度和通信发射功率以优化无人机整体能耗。通过分析发现，该优化问题符合马尔可夫决策过程(MDP)，基于此，提出一种基于深度双Q网络(DDQN)的无人机通信感知一体化无线资源智能分配算法解决上述问题。最后，该文对所提算法的收敛性能、无人机环境感知距离和无人机能耗进行了仿真实验。仿真结果显示，所提算法具有良好的收敛性能，在满足铁路应急场景环境感知及信息回传需求的同时，能够最大化无人机通信作业时长。
, 最新更新时间 , doi: 10.11999/JEIT231436
摘要:
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma分布、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
在各种各样的合成孔径雷达图像舰船目标检测方法中，应用最广泛、最重要的就是具有自适应阈值的恒虚警率(CFAR)检测器。为了提高SAR图像中舰船目标的检测性能，人们试图通过各种统计分布模型对SAR图像中的杂波背景进行统计建模，如Gamma分布、K分布、对数正态分布、G0分布、alpha稳定分布等，再通过相应的统计分布模型以及各种样本筛选技术的CFAR检测器对舰船目标实施检测。SAR图像中杂波背景是复杂多变的，当实际杂波背景与假定统计分布失配时，参量型CFAR检测器的性能会恶化，非参数CFAR检测器就会显示出优势。该文提出了基于Wilcoxon非参数检测器的新途径对SAR图像中舰船目标进行检测，并在Radarsat-2, ICEYE-X6和Gaofen-3卫星的实测数据上，与几种典型的参量型CFAR检测方法进行了对比。实验结果表明，Wilcoxon非参数检测方法在这3种实测数据上的虚警控制能力具有良好的鲁棒性，还可以带来弱目标检测性能的改善，具有运算速度快、易于硬件实现的特点。
, 最新更新时间 , doi: 10.11999/JEIT240223
摘要:
深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中，显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此，该文提出一种多尺度多输入的互补分类网络(MCCN)来实现更高效且更准确的HEVC帧内CTU深度划分。首先，提出一种多尺度多输入的卷积神经网络(MMCNN)，通过融合不同尺度CU的特征来建立CU间的关联，进一步提升网络的表达能力。然后，提出一种互补的分类策略(CCS)，通过结合二分类和三分类，并采用投票机制来决定CTU中每个CU的最终深度值，有效避免了现有方法中存在的错误累积效应，实现了更准确的CTU深度划分。大量的实验结果表明，该文所提MCCN能够更大程度降低HEVC编码的复杂度，同时实现更准确的CTU深度划分: 仅以增加3.18%的平均增量比特率(BD-BR)为代价，降低了71.49%的平均编码复杂度。同时，预测32×32 CU和16×16 CU的深度准确率分别提升了0.65%～0.93%和2.14%～9.27%。
深度神经网络(DNN)已被广泛应用到高效视频编码(HEVC)编码树单元(CTU)的深度划分中，显著降低了编码复杂度。然而现有的基于DNN的CTU深度划分方法却忽略了不同尺度编码单元(CU)间的特征相关性和存在着分类错误累积等缺陷。基于此，该文提出一种多尺度多输入的互补分类网络(MCCN)来实现更高效且更准确的HEVC帧内CTU深度划分。首先，提出一种多尺度多输入的卷积神经网络(MMCNN)，通过融合不同尺度CU的特征来建立CU间的关联，进一步提升网络的表达能力。然后，提出一种互补的分类策略(CCS)，通过结合二分类和三分类，并采用投票机制来决定CTU中每个CU的最终深度值，有效避免了现有方法中存在的错误累积效应，实现了更准确的CTU深度划分。大量的实验结果表明，该文所提MCCN能够更大程度降低HEVC编码的复杂度，同时实现更准确的CTU深度划分: 仅以增加3.18%的平均增量比特率(BD-BR)为代价，降低了71.49%的平均编码复杂度。同时，预测32×32 CU和16×16 CU的深度准确率分别提升了0.65%～0.93%和2.14%～9.27%。
, 最新更新时间 , doi: 10.11999/JEIT240257
摘要:
针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题，该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先，设计了一种双层路由感知模块(BRPM)，通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野，使模型更加高效地整合不同窗口和尺寸之间的特征，从而提高模型在复杂场景中对目标的感知能力。其次，通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM)，将图像分解为低频和高频信息，以此来捕获图像中目标结构和细粒度信息，从而提高模型在复杂环境下的鲁棒性和准确性。在TNL2K, LaSOT, OTB99 3个跟踪数据集上分别取得了86.1%, 64.4%, 63.2%的精度，在RefCOCOg数据集上取得了70.21%的准确率，在跟踪和定位方面的性能均优于基准模型。
针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题，该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先，设计了一种双层路由感知模块(BRPM)，通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野，使模型更加高效地整合不同窗口和尺寸之间的特征，从而提高模型在复杂场景中对目标的感知能力。其次，通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM)，将图像分解为低频和高频信息，以此来捕获图像中目标结构和细粒度信息，从而提高模型在复杂环境下的鲁棒性和准确性。在TNL2K, LaSOT, OTB99 3个跟踪数据集上分别取得了86.1%, 64.4%, 63.2%的精度，在RefCOCOg数据集上取得了70.21%的准确率，在跟踪和定位方面的性能均优于基准模型。
, 最新更新时间 , doi: 10.11999/JEIT240218
摘要:
随着深度学习和计算机视觉技术的飞速发展，遥感场景分类任务对预训练模型的微调通常需要大量的计算资源。为了减少内存需求和训练成本，该文提出一种名为“多尺度融合适配器微调(MuFA)”的方法，用于遥感模型的微调。MuFA引入了一个多尺度融合模块，将不同下采样倍率的瓶颈模块相融合，并与原始视觉Transformer模型并联。在训练过程中，原始视觉Transformer模型的参数被冻结，只有MuFA模块和分类头会进行微调。实验结果表明，MuFA在UCM和NWPU-RESISC45两个遥感场景分类数据集上取得了优异的性能，超越了其他参数高效微调方法。因此，MuFA不仅保持了模型性能，还降低了资源开销，具有广泛的遥感应用前景。
随着深度学习和计算机视觉技术的飞速发展，遥感场景分类任务对预训练模型的微调通常需要大量的计算资源。为了减少内存需求和训练成本，该文提出一种名为“多尺度融合适配器微调(MuFA)”的方法，用于遥感模型的微调。MuFA引入了一个多尺度融合模块，将不同下采样倍率的瓶颈模块相融合，并与原始视觉Transformer模型并联。在训练过程中，原始视觉Transformer模型的参数被冻结，只有MuFA模块和分类头会进行微调。实验结果表明，MuFA在UCM和NWPU-RESISC45两个遥感场景分类数据集上取得了优异的性能，超越了其他参数高效微调方法。因此，MuFA不仅保持了模型性能，还降低了资源开销，具有广泛的遥感应用前景。
, 最新更新时间 , doi: 10.11999/JEIT231428
摘要:
该文研究了一种加载人工磁导体(AMC)的双频柔性可穿戴天线，天线的谐振频率为3.5 GHz和5.8 GHz。天线由双频单极子天线和4×4阵列的双频人工磁导体构成，均采用柔性材料作为介质基板。天线尺寸为0.70\begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document} \begin{document}$ {\lambda _0} $\end{document}
该文研究了一种加载人工磁导体(AMC)的双频柔性可穿戴天线，天线的谐振频率为3.5 GHz和5.8 GHz。天线由双频单极子天线和4×4阵列的双频人工磁导体构成，均采用柔性材料作为介质基板。天线尺寸为0.70
, 最新更新时间 , doi: 10.11999/JEIT240176
摘要:
该文针对地面中继辅助的星地融合网络(ISTNs)，分析了卫星采用不同解码方案时系统性能的差异。首先，提出一种新颖的用户配对方案，通过位置信息将卫星波束覆盖范围内的多个用户分为若干个组。接着，为了提高传输可靠性以及频谱利用率，用户采用混合多址接入技术与卫星进行通信。进一步，在考虑用户-地面中继链路服从Nakagami-m分布，地面中继-卫星链路服从相关阴影莱斯分布的情况下，分别推导出基于连续干扰消除(SIC)和联合解码(JD)两种解码方案的系统中断概率和吞吐量的闭合表达式。最后，计算机仿真验证了理论分析的正确性和所提方案相比正交多址(OMA)方案的优越性，并揭示了JD解码技术在ISTNs中的可行性。
该文针对地面中继辅助的星地融合网络(ISTNs)，分析了卫星采用不同解码方案时系统性能的差异。首先，提出一种新颖的用户配对方案，通过位置信息将卫星波束覆盖范围内的多个用户分为若干个组。接着，为了提高传输可靠性以及频谱利用率，用户采用混合多址接入技术与卫星进行通信。进一步，在考虑用户-地面中继链路服从Nakagami-m分布，地面中继-卫星链路服从相关阴影莱斯分布的情况下，分别推导出基于连续干扰消除(SIC)和联合解码(JD)两种解码方案的系统中断概率和吞吐量的闭合表达式。最后，计算机仿真验证了理论分析的正确性和所提方案相比正交多址(OMA)方案的优越性，并揭示了JD解码技术在ISTNs中的可行性。
, 最新更新时间 , doi: 10.11999/JEIT230879
摘要:
面向强干扰通信环境，区别于传统的无速率Luby变换(LT)码，该文提出一种基于伯努利随机构造的无速率编码方案，并在接收端采用高效的局部约束顺序统计量译码(LC-OSD)算法进行译码，从而有效对抗强干扰噪声，实现自适应超高可靠传输。为降低收发端通信资源消耗，提出了3个有效译码准则：(1) 基于随机码并集(RCU)界提出了启动准则，当接收符号数大于由RCU得到的阈值时才启动译码；(2) 基于软重量提出了早停准则，在译码过程中软重量超过一个预设的阈值则提前终止译码；(3) 基于码字与硬判决序列比较提出了跳过准则，当新接收序列的硬判决满足重编码校验时跳过当前译码。仿真结果显示，在块删除与加性噪声混合信道下，无速率随机码的性能显著优于LT码，且因无速率码具备自适应信道质量的能力，其性能同样显著优于固定速率码。仿真结果还显示了提出的启动、早停和跳过准则能够有效降低收发端的传输资源消耗和计算复杂度。
面向强干扰通信环境，区别于传统的无速率Luby变换(LT)码，该文提出一种基于伯努利随机构造的无速率编码方案，并在接收端采用高效的局部约束顺序统计量译码(LC-OSD)算法进行译码，从而有效对抗强干扰噪声，实现自适应超高可靠传输。为降低收发端通信资源消耗，提出了3个有效译码准则：(1) 基于随机码并集(RCU)界提出了启动准则，当接收符号数大于由RCU得到的阈值时才启动译码；(2) 基于软重量提出了早停准则，在译码过程中软重量超过一个预设的阈值则提前终止译码；(3) 基于码字与硬判决序列比较提出了跳过准则，当新接收序列的硬判决满足重编码校验时跳过当前译码。仿真结果显示，在块删除与加性噪声混合信道下，无速率随机码的性能显著优于LT码，且因无速率码具备自适应信道质量的能力，其性能同样显著优于固定速率码。仿真结果还显示了提出的启动、早停和跳过准则能够有效降低收发端的传输资源消耗和计算复杂度。
, 最新更新时间 , doi: 10.11999/JEIT240155
摘要:
随着人工智能技术的发展，基于深度神经网络的合成孔径雷达(SAR)目标识别得到了广泛关注。然而，SAR系统的成像机制导致了图像特性与成像参数之间的强相关性，因此深度学习框架下的目标识别算法精度极易受成像参数敏感性的干扰，这成为了制约先进智能算法部署到实际工程中的一大障碍。该文首先回顾了SAR图像目标识别技术的发展与相关数据集，从雷达工作的成像几何、载荷参数和噪声干扰3个角度，深入分析了成像参数变化对图像特性的影响；然后，从模型、数据、特征3个维度，总结归纳了现有文献关于深度学习技术对成像参数敏感性的鲁棒性与泛化性这一问题的研究进展；接下来，汇总并分析了典型方法的实验结果；最后讨论了在未来有望突破成像参数敏感性这一问题的深度学习技术研究方向。
随着人工智能技术的发展，基于深度神经网络的合成孔径雷达(SAR)目标识别得到了广泛关注。然而，SAR系统的成像机制导致了图像特性与成像参数之间的强相关性，因此深度学习框架下的目标识别算法精度极易受成像参数敏感性的干扰，这成为了制约先进智能算法部署到实际工程中的一大障碍。该文首先回顾了SAR图像目标识别技术的发展与相关数据集，从雷达工作的成像几何、载荷参数和噪声干扰3个角度，深入分析了成像参数变化对图像特性的影响；然后，从模型、数据、特征3个维度，总结归纳了现有文献关于深度学习技术对成像参数敏感性的鲁棒性与泛化性这一问题的研究进展；接下来，汇总并分析了典型方法的实验结果；最后讨论了在未来有望突破成像参数敏感性这一问题的深度学习技术研究方向。
, 最新更新时间 , doi: 10.11999/JEIT230116
摘要:
该文从降低现有的Wi-Fi室内定位技术算法成本、保证定位精度的角度出发，提出了联合Spline插值的Wi-Fi指纹匹配定位算法。在构建信号强度指纹数据库方面，该文提出了稀疏指纹库的构建，大大降低了数据采集的工作量和硬件需求，并且提出将混合滤波与Spline插值方法结合，对稀疏指纹数据库进行丰富。在信号强度指纹数据库的插值方面，经过相同程度的混合滤波后，与已知的反距离加权(IDW)插值算法相比，联合Spline插值方法能够实现对数据库的精确填充，实现更高的定位精度；在指纹匹配定位方面，采用K最邻近(KNN)等匹配算法实现高精度定位。通过仿真实验证明，该文所提出的联合Spline插值的Wi-Fi的指纹定位方法能够在仅需要构建低成本稀疏指纹数据库的前提下，保证较高的定位精度。
该文从降低现有的Wi-Fi室内定位技术算法成本、保证定位精度的角度出发，提出了联合Spline插值的Wi-Fi指纹匹配定位算法。在构建信号强度指纹数据库方面，该文提出了稀疏指纹库的构建，大大降低了数据采集的工作量和硬件需求，并且提出将混合滤波与Spline插值方法结合，对稀疏指纹数据库进行丰富。在信号强度指纹数据库的插值方面，经过相同程度的混合滤波后，与已知的反距离加权(IDW)插值算法相比，联合Spline插值方法能够实现对数据库的精确填充，实现更高的定位精度；在指纹匹配定位方面，采用K最邻近(KNN)等匹配算法实现高精度定位。通过仿真实验证明，该文所提出的联合Spline插值的Wi-Fi的指纹定位方法能够在仅需要构建低成本稀疏指纹数据库的前提下，保证较高的定位精度。
, 最新更新时间 , doi: 10.11999/JEIT240120
摘要:
蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率，然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此，该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法，即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU)，在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法，该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP)，其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题，并用图形规划找到最优功率解后，使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性，该文设计了MaxMinCU算法用以最大化所有CU速率中的最小值，该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明，与小区和速率最大化(MaxSumCell)设计相比，该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。
蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率，然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此，该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法，即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU)，在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法，该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP)，其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题，并用图形规划找到最优功率解后，使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性，该文设计了MaxMinCU算法用以最大化所有CU速率中的最小值，该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明，与小区和速率最大化(MaxSumCell)设计相比，该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。
, 最新更新时间 , doi: 10.11999/JEIT240309
摘要:
互补序列集凭借其理想的非周期自相关函数特性，在通信与感知领域得到广泛应用。针对互补序列集长度受限的问题，该文以基序列为初始序列，利用级联算子和交织算子提出两类二元互补序列集的新构造方法。所提构造填补了二元互补序列集在特定长度上的空白，并解决了由Adhikary和Majhi提出的公开问题。
互补序列集凭借其理想的非周期自相关函数特性，在通信与感知领域得到广泛应用。针对互补序列集长度受限的问题，该文以基序列为初始序列，利用级联算子和交织算子提出两类二元互补序列集的新构造方法。所提构造填补了二元互补序列集在特定长度上的空白，并解决了由Adhikary和Majhi提出的公开问题。
, 最新更新时间 , doi: 10.11999/JEIT240140
摘要:
在小样本条件下提升方法的泛化性能，是合成孔径雷达自动目标识别(SAR ATR)重要的研究方向。针对该方向中的基础理论问题，该文建立了一个SAR ATR因果模型，证明了SAR图像中背景、相干斑等干扰在充足样本条件下可以被忽略；但在小样本条件下，这些因素将成为识别中的混杂因子，会在提取的SAR图像特征中引入虚假相关性，影响SAR ATR识别性能。为了甄别和消除这些特征中的虚假效应，该文提出一个基于双重一致性的小样本SAR ATR方法，其中双重一致性包括类内一致性掩码和效应一致性损失。首先，基于鉴别特征应具有类内一致和类间差异的原则，利用类内一致性掩码，捕获目标的类内一致鉴别特征，反减出目标特征中的混淆部分，准确估计出干扰引入的虚假效应。其次，基于不变风险最小化的思想，利用效应一致性损失，将经验风险最小化数据量需求转变为对效应相似度的度量需求，降低虚假效应消除对数据量的需求，消除特征中的虚假效应。因而，所提基于双重一致性的小样本SAR ATR方法可实现特征提取中的真实因果，实现准确的识别性能。两个基准数据集上的识别实验，验证了该方法的合理性和有效性，可提升小样本条件下SAR目标识别的性能。
在小样本条件下提升方法的泛化性能，是合成孔径雷达自动目标识别(SAR ATR)重要的研究方向。针对该方向中的基础理论问题，该文建立了一个SAR ATR因果模型，证明了SAR图像中背景、相干斑等干扰在充足样本条件下可以被忽略；但在小样本条件下，这些因素将成为识别中的混杂因子，会在提取的SAR图像特征中引入虚假相关性，影响SAR ATR识别性能。为了甄别和消除这些特征中的虚假效应，该文提出一个基于双重一致性的小样本SAR ATR方法，其中双重一致性包括类内一致性掩码和效应一致性损失。首先，基于鉴别特征应具有类内一致和类间差异的原则，利用类内一致性掩码，捕获目标的类内一致鉴别特征，反减出目标特征中的混淆部分，准确估计出干扰引入的虚假效应。其次，基于不变风险最小化的思想，利用效应一致性损失，将经验风险最小化数据量需求转变为对效应相似度的度量需求，降低虚假效应消除对数据量的需求，消除特征中的虚假效应。因而，所提基于双重一致性的小样本SAR ATR方法可实现特征提取中的真实因果，实现准确的识别性能。两个基准数据集上的识别实验，验证了该方法的合理性和有效性，可提升小样本条件下SAR目标识别的性能。
, 最新更新时间 , doi: 10.11999/JEIT240048
摘要:
该文研究了无人机(UAV)辅助无线传感器网络的数据收集问题。首先提出基于均值漂移算法的传感器节点(SN)初始分簇策略，进而以簇间负载均衡为目标，设计SN切换算法。基于所得成簇策略，将UAV数据收集及轨迹规划问题建模为系统能耗最小化问题。由于该问题是一个非凸问题，难以直接求解，将其分为两个子问题，即数据调度子问题及UAV轨迹规划子问题。针对数据调度子问题，提出一种基于多时隙库恩-蒙克雷斯算法的时频资源调度策略。针对UAV轨迹规划子问题，将其建模为马尔可夫决策过程，并提出一种基于深度Q网络的UAV轨迹规划算法。仿真结果验证了所提算法的有效性。
该文研究了无人机(UAV)辅助无线传感器网络的数据收集问题。首先提出基于均值漂移算法的传感器节点(SN)初始分簇策略，进而以簇间负载均衡为目标，设计SN切换算法。基于所得成簇策略，将UAV数据收集及轨迹规划问题建模为系统能耗最小化问题。由于该问题是一个非凸问题，难以直接求解，将其分为两个子问题，即数据调度子问题及UAV轨迹规划子问题。针对数据调度子问题，提出一种基于多时隙库恩-蒙克雷斯算法的时频资源调度策略。针对UAV轨迹规划子问题，将其建模为马尔可夫决策过程，并提出一种基于深度Q网络的UAV轨迹规划算法。仿真结果验证了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240112
摘要:
针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性，该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下，以最大化蜂窝用户容量为目标，设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配，采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明，所提算法收敛性较好，且与基准方案相比能有效地提升用户信道容量。
针对城市街道场景下蜂窝用户和D2D通信用户共享频谱以及城市街道下无线信道特性，该文提出一种IRS辅助的联合波束成形设计方法。在D2D链路信号与干扰加噪声比的约束下，以最大化蜂窝用户容量为目标，设计了最优的波束形成向量、相移矩阵和D2D链路发射功率。引入松弛变量将非凸且变量耦合的优化问题转换为解耦后的凸优化问题和二分法搜索功率分配，采用黎曼共轭梯度算法对反射相移矩阵进行优化。仿真结果表明，所提算法收敛性较好，且与基准方案相比能有效地提升用户信道容量。
, 最新更新时间 , doi: 10.11999/JEIT240398
摘要:
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提出模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提出模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
, 最新更新时间 , doi: 10.11999/JEIT240518
摘要:
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
, 最新更新时间 , doi: 10.11999/JEIT240342
摘要:
在现代电子对抗中，将多部探通一体化系统进行组网，可以提高单站探通一体化系统探测效率和协同探测能力。由于探通一体化信号自身峰均比较高，信号易被截获，系统的生存能力受到严重威胁。为了提升探通一体化信号的低截获性能(LPI)，首先该文在滤波器组多载波的框架下，提出一种通信子载波分组功率优化和雷达子载波异置等功率优化的组网低截获探通一体化信号时频结构。然后，该文从信息论的角度出发，统一了系统的性能评估指标；将最小化截获信息距离作为优化目标函数，建立了组网探通一体化信号低截获优化模型。该文将此优化模型转换为凸优化问题，并利用Karush-Kuhn-Tucker条件对其进行求解。仿真结果表明，该文所设计的组网低截获探通一体化信号在探测动目标时，节点间雷达干扰低至近-60 dB，通信误码率满足10-6数量级，同时能有效降低截获信号的信噪比。
在现代电子对抗中，将多部探通一体化系统进行组网，可以提高单站探通一体化系统探测效率和协同探测能力。由于探通一体化信号自身峰均比较高，信号易被截获，系统的生存能力受到严重威胁。为了提升探通一体化信号的低截获性能(LPI)，首先该文在滤波器组多载波的框架下，提出一种通信子载波分组功率优化和雷达子载波异置等功率优化的组网低截获探通一体化信号时频结构。然后，该文从信息论的角度出发，统一了系统的性能评估指标；将最小化截获信息距离作为优化目标函数，建立了组网探通一体化信号低截获优化模型。该文将此优化模型转换为凸优化问题，并利用Karush-Kuhn-Tucker条件对其进行求解。仿真结果表明，该文所设计的组网低截获探通一体化信号在探测动目标时，节点间雷达干扰低至近-60 dB，通信误码率满足10-6数量级，同时能有效降低截获信号的信噪比。
, 最新更新时间 , doi: 10.11999/JEIT240316
摘要:
目前，传统显式场景表示的同时定位与地图构建(SLAM)系统对场景进行离散化，不适用于连续性场景重建。该文提出一种基于神经辐射场(NeRF)的混合场景表示的深度相机(RGB-D)SLAM系统，利用扩展显式八叉树符号距离函数(SDF)先验粗略表示场景，并通过多分辨率哈希编码以不同细节级别表示场景，实现场景几何的快速初始化，并使场景几何更易于学习。此外，运用外观颜色分解法，结合视图方向将颜色分解为漫反射颜色和镜面反射颜色，实现光照一致性的重建，使得重建结果更加真实。通过在Replica和TUM RGB-D数据集上进行实验，Replica数据集场景重建完成率达到93.65%，相较于Vox-Fusion定位精度，在Replica数据集上平均领先87.50%，在TUM RGB-D数据集上平均领先81.99%。
目前，传统显式场景表示的同时定位与地图构建(SLAM)系统对场景进行离散化，不适用于连续性场景重建。该文提出一种基于神经辐射场(NeRF)的混合场景表示的深度相机(RGB-D)SLAM系统，利用扩展显式八叉树符号距离函数(SDF)先验粗略表示场景，并通过多分辨率哈希编码以不同细节级别表示场景，实现场景几何的快速初始化，并使场景几何更易于学习。此外，运用外观颜色分解法，结合视图方向将颜色分解为漫反射颜色和镜面反射颜色，实现光照一致性的重建，使得重建结果更加真实。通过在Replica和TUM RGB-D数据集上进行实验，Replica数据集场景重建完成率达到93.65%，相较于Vox-Fusion定位精度，在Replica数据集上平均领先87.50%，在TUM RGB-D数据集上平均领先81.99%。
, 最新更新时间 , doi: 10.11999/JEIT240300
摘要:
物理不可克隆函数(PUF)和异或(XOR)运算在信息安全领域均发挥着重要作用。为突破PUF与逻辑运算之间的功能壁垒，通过对PUF工作机理和差分串联电压开关逻辑(DCVSL)的研究，该文提出一种基于DCVSL异或门级联单元随机工艺偏差的PUF和多位并行异或运算电路一体化设计方案。通过在DCVSL异或门差分输出端增加预充电管并在对地端设置管控门，可实现PUF特征信息提取、异或/同或(XOR/XNOR)运算和功率控制3种工作模式自由切换。此外，针对PUF响应稳定性问题，提出极端工作点和黄金工作点共同参与标记的不稳定位混合筛选技术。基于TSMC 65 nm工艺，对输入位宽为10位的电路进行全定制版图设计，面积为38.76 μm2。实验结果表明，PUF模式下，可产生1 024位输出响应，混合筛选后可获得超过512位稳定的密钥，且具有良好的随机性和唯一性；运算模式下，可同时实现10位并行异或和同或运算，功耗和延时分别为2.67 μW和593.52 ps。功控模式下，待机功耗仅70.5 nW。所提方法为突破PUF“功能墙”提供了一种新的设计思路。
物理不可克隆函数(PUF)和异或(XOR)运算在信息安全领域均发挥着重要作用。为突破PUF与逻辑运算之间的功能壁垒，通过对PUF工作机理和差分串联电压开关逻辑(DCVSL)的研究，该文提出一种基于DCVSL异或门级联单元随机工艺偏差的PUF和多位并行异或运算电路一体化设计方案。通过在DCVSL异或门差分输出端增加预充电管并在对地端设置管控门，可实现PUF特征信息提取、异或/同或(XOR/XNOR)运算和功率控制3种工作模式自由切换。此外，针对PUF响应稳定性问题，提出极端工作点和黄金工作点共同参与标记的不稳定位混合筛选技术。基于TSMC 65 nm工艺，对输入位宽为10位的电路进行全定制版图设计，面积为38.76 μm2。实验结果表明，PUF模式下，可产生1 024位输出响应，混合筛选后可获得超过512位稳定的密钥，且具有良好的随机性和唯一性；运算模式下，可同时实现10位并行异或和同或运算，功耗和延时分别为2.67 μW和593.52 ps。功控模式下，待机功耗仅70.5 nW。所提方法为突破PUF“功能墙”提供了一种新的设计思路。
, 最新更新时间 , doi: 10.11999/JEIT240217
摘要:
为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境，其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本，这会造成大量存储资源的浪费，同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题，本文提出了基于最大化非重合体积的样例挑选方法(ESMNV)，一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题，旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先，ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS)，并使用高阶矩来表示分布。然后，它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后，结合贪心算法，ESMNV逐步选择使样例分布与目标类别分布差异最小的样例，确保在有限数量的样例情况下最大化所选样例的非重合体积。
为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境，其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本，这会造成大量存储资源的浪费，同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题，本文提出了基于最大化非重合体积的样例挑选方法(ESMNV)，一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题，旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先，ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS)，并使用高阶矩来表示分布。然后，它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后，结合贪心算法，ESMNV逐步选择使样例分布与目标类别分布差异最小的样例，确保在有限数量的样例情况下最大化所选样例的非重合体积。
, 最新更新时间 , doi: 10.11999/JEIT240095
摘要:
自然界中的生物需要在其一生中不断地学习并适应环境，这种持续学习的能力是生物学习系统的基础。尽管深度学习方法在计算机视觉和自然语言处理领域取得了重要进展，但它们在连续学习任务时面临严重的灾难性遗忘问题，即模型在学习新知识时会遗忘旧知识，这在很大程度上限制了深度学习方法的应用。持续学习研究对人工智能系统的改进和应用具有重要意义。该文对深度模型的持续学习进行了全面回顾。首先介绍了持续学习的定义和典型设定，阐述了问题的关键。其次，将现有持续学习方法划分为基于正则化、基于回放、基于梯度和基于网络结构4类，分析了各类方法的优点和局限性。同时，该文强调并总结了持续学习领域的理论分析进展，建立了理论与方法之间的联系。此外，提供了常用的数据集和评价指标，以公正评判不同方法。最后，从多个领域的应用价值出发，讨论了深度持续方法面临的问题、挑战和未来研究方向。
自然界中的生物需要在其一生中不断地学习并适应环境，这种持续学习的能力是生物学习系统的基础。尽管深度学习方法在计算机视觉和自然语言处理领域取得了重要进展，但它们在连续学习任务时面临严重的灾难性遗忘问题，即模型在学习新知识时会遗忘旧知识，这在很大程度上限制了深度学习方法的应用。持续学习研究对人工智能系统的改进和应用具有重要意义。该文对深度模型的持续学习进行了全面回顾。首先介绍了持续学习的定义和典型设定，阐述了问题的关键。其次，将现有持续学习方法划分为基于正则化、基于回放、基于梯度和基于网络结构4类，分析了各类方法的优点和局限性。同时，该文强调并总结了持续学习领域的理论分析进展，建立了理论与方法之间的联系。此外，提供了常用的数据集和评价指标，以公正评判不同方法。最后，从多个领域的应用价值出发，讨论了深度持续方法面临的问题、挑战和未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT240167
摘要:
事件知识图谱(EKG)是一种可学习事件演化规律的特殊知识图谱，具有推理、预测等功能。针对电力调度业务数据量大、模态多、交互耦合等特点，该文详述了面向电力调度的事件知识图谱的数据集构建、主流方法、技术架构、评价指标、适用场景等，重点分析各场景的可行性，并在应用流程、输入输出、技术架构等方面给出方案，最后对其在电力调度业务长期发展面临的难点和可能的研究方向进行了展望。该文研究为研究电力调度领域特点、事件知识图谱优势和两者结合提供了参考，并为事件知识图谱在电力调度领域中的应用方向提供了指导性思路。
事件知识图谱(EKG)是一种可学习事件演化规律的特殊知识图谱，具有推理、预测等功能。针对电力调度业务数据量大、模态多、交互耦合等特点，该文详述了面向电力调度的事件知识图谱的数据集构建、主流方法、技术架构、评价指标、适用场景等，重点分析各场景的可行性，并在应用流程、输入输出、技术架构等方面给出方案，最后对其在电力调度业务长期发展面临的难点和可能的研究方向进行了展望。该文研究为研究电力调度领域特点、事件知识图谱优势和两者结合提供了参考，并为事件知识图谱在电力调度领域中的应用方向提供了指导性思路。
, 最新更新时间 , doi: 10.11999/JEIT240302
摘要:
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
随着无人机(UAV)系统的规模持续扩大以及对更高通信速率的需求增长，UAV光移动通信(UAV-OMC)已经成为一个有前景的技术方向。然而，传统的UAV-OMC难以支持多UAV之间的通信。该文基于光学智能反射表面(OIRS)技术，提出一个适用于UAV群的分布式OMC系统。通过在特定的UAV上设置OIRS，利用OIRS将光信号从单个UAV节点扩散到多个UAV节点。这一系统在保留UAV-OMC系统的高能效和高速度的同时，能够支持分布式UAV群的通信。对所提出的系统进行了数学建模，考虑了一系列现实因素，如OIRS的光束控制、UAV之间的相对运动和UAV的抖动等，这些因素都符合实际系统的特点。此外，该文还推导出了系统的误比特率(BER)和渐进中断概率的闭式表达式。基于理论分析和模拟结果，讨论了各个参数和系统设计的影响。
, 最新更新时间 , doi: 10.11999/JEIT240060
摘要:
种子自适应变异调度策略是基于变异的模糊测试中最新的技术，该技术能够根据种子的语法和语义特征自适应地调整变异算子的概率分布，然而其存在两个问题：(1)无法根据变异位置自适应地调整概率分布；(2)使用的汤普森采样算法在模糊测试场景中容易导致学习到的概率分布接近平均分布，进而导致变异调度策略失效。针对上述问题，该文提出一种位置自适应变异调度策略，通过一种自定义的双层多臂老虎机模型为变异位置和变异算子建立联系，并且采用置信区间上界算法选择变异算子，实现位置自适应的同时避免了出现平均分布的问题。基于American Fuzzy Lop(AFL)实现了位置自适应的模糊测试器 (PAMSSAFL)，实验结果表明位置自适应的变异调度策略能明显提升模糊测试器的bug发现能力和覆盖能力。
种子自适应变异调度策略是基于变异的模糊测试中最新的技术，该技术能够根据种子的语法和语义特征自适应地调整变异算子的概率分布，然而其存在两个问题：(1)无法根据变异位置自适应地调整概率分布；(2)使用的汤普森采样算法在模糊测试场景中容易导致学习到的概率分布接近平均分布，进而导致变异调度策略失效。针对上述问题，该文提出一种位置自适应变异调度策略，通过一种自定义的双层多臂老虎机模型为变异位置和变异算子建立联系，并且采用置信区间上界算法选择变异算子，实现位置自适应的同时避免了出现平均分布的问题。基于American Fuzzy Lop(AFL)实现了位置自适应的模糊测试器 (PAMSSAFL)，实验结果表明位置自适应的变异调度策略能明显提升模糊测试器的bug发现能力和覆盖能力。
, 最新更新时间 , doi: 10.11999/JEIT240028
摘要:
保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方字符串排序方案尚处于探索中，该文基于改进的SM2同态加密算法与门限密码算法，提出半诚实模型下的保密多方单字符排序协议，进一步构造基于权重的保密单字符排序协议以及保密多方字符串排序协议。使用模拟范例对3种协议进行安全性证明，并对协议进行性能分析与仿真实验，结果表明该文提出的保密多方单字符排序协议与保密多方字符串排序协议性能相较现有同类方案均有明显提升。
保密排序问题由百万富翁问题衍生而来，是安全多方计算研究的基本问题，多参与方字符串排序对于数据库保密查询及电子投票求和问题的研究具有重要意义。现有保密排序问题的研究多集中在私密数据排序或者两方字符串排序，高效的多参与方字符串排序方案尚处于探索中，该文基于改进的SM2同态加密算法与门限密码算法，提出半诚实模型下的保密多方单字符排序协议，进一步构造基于权重的保密单字符排序协议以及保密多方字符串排序协议。使用模拟范例对3种协议进行安全性证明，并对协议进行性能分析与仿真实验，结果表明该文提出的保密多方单字符排序协议与保密多方字符串排序协议性能相较现有同类方案均有明显提升。
, 最新更新时间 , doi: 10.11999/JEIT240003
摘要:
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)，飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
作为一种基于软硬件资源共享和信息共享的新型信息通信技术，通感一体化(ISAC)可将无线感知集成到Wi-Fi平台，为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题，该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先，对信道状态信息(CSI)数据进行分析，构建包含到达角(AoA)，飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次，对3维矩阵进行平滑处理并利用3维MP算法进行参数估计，通过聚类找到直达径。最后，利用双角定位法进行定位，验证该文所提算法的有效性。实验结果表明，与多重信号分类(MUSIC)参数估计算法相比，无需复杂的峰值搜索步骤，降低了90%计算复杂度。与2维MP算法相比，加入多普勒参数，使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此，该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。
, 最新更新时间 , doi: 10.11999/JEIT240086
摘要:
随着深度强化学习(DRL)技术的广泛应用，基于DRL的可重构智能表面(RIS)辅助的通信感知一体化(ISAC)展现出巨大的潜力。然而，由于数据卸载和模型训练的高成本，基于现有ISAC框架实现网络智能仍面临着巨大的挑战。为了克服该问题，该文深入分析了DRL技术在ISAC领域的应用，探讨了RIS辅助的ISAC建模及其解决方案，该技术能够解决覆盖区域受限、算法复杂度高以及高频传输等问题。为了推动这些技术的实施，该文进一步讨论了RIS辅助ISAC网络中DRL技术的未来发展趋势，包括潜在的应用和需要解决的问题。
随着深度强化学习(DRL)技术的广泛应用，基于DRL的可重构智能表面(RIS)辅助的通信感知一体化(ISAC)展现出巨大的潜力。然而，由于数据卸载和模型训练的高成本，基于现有ISAC框架实现网络智能仍面临着巨大的挑战。为了克服该问题，该文深入分析了DRL技术在ISAC领域的应用，探讨了RIS辅助的ISAC建模及其解决方案，该技术能够解决覆盖区域受限、算法复杂度高以及高频传输等问题。为了推动这些技术的实施，该文进一步讨论了RIS辅助ISAC网络中DRL技术的未来发展趋势，包括潜在的应用和需要解决的问题。
, 最新更新时间 , doi: 10.11999/JEIT240236
摘要:
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当IRS相移元件数为 4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bits/(s·Hz)。
作为一种通过算法智能地控制信号反射来重构无线通信环境的新技术，智能反射面(IRS)近年来受到了广泛关注。与传统的中继系统相比，IRS辅助的中继系统可有效节约成本和能耗，并显著提高系统性能。然而，配备离散移相器的IRS会导致相位量化误差，从而降低接收机的接收性能。为了分析IRS相位量化误差导致的性能损失，该文基于弱大数定律和瑞利分布，在瑞利信道下，推导了关于移相器量化比特数的双IRS辅助放大转发中继网络的信噪比性能损失与可达速率的闭合表达式。此外，基于Taylor级数展开表达式，推导了其近似性能损失闭合表达式。仿真结果表明，系统的信噪比和可达速率性能损失随着量化比特数的增加而逐渐减小，而随着 IRS 相移元件数的增加而逐渐增大。当IRS相移元件数为 4时，系统的信噪比和可达速率性能损失分别小于0.06 dB 和0.03 bits/(s·Hz)。
, 最新更新时间 , doi: 10.11999/JEIT231408
摘要:
浅海中传播的低频声波具有多模态特征和频散效应。对接收声信号消频散变换(DDT)可以消除频散效应，实现被动估计声源距离。针对消频散变换存在的测距多值问题，该文提出一种利用功率谱密度消频散变换的被动测距方法(PSD-DDT)。首先使用声场模型KRAKEN计算模态的水平波数；其次在只知道波导不变量大概范围的情况下，估计两个模态之间的频散常数；然后对保留了模态间干涉项的功率谱密度进行消频散变换；最后获得目标距离的估计值为PSD-DDT极大值对应的自变量与频散常数的比值。另外，当海洋参数未知时，需要分别对待测声源和引导声源进行PSD-DDT，利用自变量的比值确定声源距离，这种方法不需要估计频散常数。通过仿真和海试验证了PSD-DDT方法被动测距的有效性，并分析了波导不变量、模态阶数、噪声等因素对距离估计结果的影响。基于黄海试验结果，与DDT方法相比，PSD-DDT的测距误差下降了约49.2%。在35 km范围内最优波导不变量对应的平均相对误差约2.55%，被动测距精度较高。
浅海中传播的低频声波具有多模态特征和频散效应。对接收声信号消频散变换(DDT)可以消除频散效应，实现被动估计声源距离。针对消频散变换存在的测距多值问题，该文提出一种利用功率谱密度消频散变换的被动测距方法(PSD-DDT)。首先使用声场模型KRAKEN计算模态的水平波数；其次在只知道波导不变量大概范围的情况下，估计两个模态之间的频散常数；然后对保留了模态间干涉项的功率谱密度进行消频散变换；最后获得目标距离的估计值为PSD-DDT极大值对应的自变量与频散常数的比值。另外，当海洋参数未知时，需要分别对待测声源和引导声源进行PSD-DDT，利用自变量的比值确定声源距离，这种方法不需要估计频散常数。通过仿真和海试验证了PSD-DDT方法被动测距的有效性，并分析了波导不变量、模态阶数、噪声等因素对距离估计结果的影响。基于黄海试验结果，与DDT方法相比，PSD-DDT的测距误差下降了约49.2%。在35 km范围内最优波导不变量对应的平均相对误差约2.55%，被动测距精度较高。
, 最新更新时间 , doi: 10.11999/JEIT231470
摘要:
为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力，该文研究了SAR ATR的小样本类增量学习(FSCIL)问题，并提出了自监督解耦动态分类器(SDDC)。针对FSCIL 中“灾难性遗忘”和“过拟合”本质难点和SAR ATR领域挑战，根据SAR图像目标信息的部件化与方位角敏感性特点，于图像域构建了基于散射部件混淆与旋转模块(SCMR)的自监督学习任务，以提升目标表征的泛化性与稳健性。同时，设计了类印记交叉熵(CI-CE)损失并以参数解耦学习(PDL)策略对模型动态微调，以对新旧知识平衡判别。实验在由MSTAR和SAR-AIRcraft-1.0数据集分别构建的覆盖多种目标类别、观测条件和成像平台的FSCIL场景上验证了该算法开放动态环境的适应能力。
为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力，该文研究了SAR ATR的小样本类增量学习(FSCIL)问题，并提出了自监督解耦动态分类器(SDDC)。针对FSCIL 中“灾难性遗忘”和“过拟合”本质难点和SAR ATR领域挑战，根据SAR图像目标信息的部件化与方位角敏感性特点，于图像域构建了基于散射部件混淆与旋转模块(SCMR)的自监督学习任务，以提升目标表征的泛化性与稳健性。同时，设计了类印记交叉熵(CI-CE)损失并以参数解耦学习(PDL)策略对模型动态微调，以对新旧知识平衡判别。实验在由MSTAR和SAR-AIRcraft-1.0数据集分别构建的覆盖多种目标类别、观测条件和成像平台的FSCIL场景上验证了该算法开放动态环境的适应能力。
, 最新更新时间 , doi: 10.11999/JEIT240030
摘要:
智能交通领域中实时准确地交通流预测一直是城市发展中的重中之重，这对提高路网运行效率起着至关重要的作用。现有的交通流预测方法大多是基于机器学习的，忽略了客户端不愿意参与预测任务或者为获得高奖励而撒谎的情况，从而在模型聚合时导致交通流预测的准确率下降。该文提出一种基于区块链和联邦学习融合的交通流预测方法(TFPM-BFL)来解决这一问题。在该方法中，利用加入了注意机制的长短期记忆网络(LSTM)模型进行本地预测，提高预测准确率；设计了基于信誉评定的激励机制，通过评估客户端上传的模型质量得到本地和局部信誉值，根据信誉值评定结果进行奖励分配，从而激励客户端参与联邦学习(FL)；边缘服务器(ES)采用基于信誉值和压缩率的模型聚合方法来提高模型聚合质量。仿真结果表明，TFPM-BFL能够实现准确、及时地交通流预测，在保证底层数据私密的同时可以有效地激励客户端参与联邦学习任务，而且可以实现高质量的模型聚合。
智能交通领域中实时准确地交通流预测一直是城市发展中的重中之重，这对提高路网运行效率起着至关重要的作用。现有的交通流预测方法大多是基于机器学习的，忽略了客户端不愿意参与预测任务或者为获得高奖励而撒谎的情况，从而在模型聚合时导致交通流预测的准确率下降。该文提出一种基于区块链和联邦学习融合的交通流预测方法(TFPM-BFL)来解决这一问题。在该方法中，利用加入了注意机制的长短期记忆网络(LSTM)模型进行本地预测，提高预测准确率；设计了基于信誉评定的激励机制，通过评估客户端上传的模型质量得到本地和局部信誉值，根据信誉值评定结果进行奖励分配，从而激励客户端参与联邦学习(FL)；边缘服务器(ES)采用基于信誉值和压缩率的模型聚合方法来提高模型聚合质量。仿真结果表明，TFPM-BFL能够实现准确、及时地交通流预测，在保证底层数据私密的同时可以有效地激励客户端参与联邦学习任务，而且可以实现高质量的模型聚合。
, 最新更新时间 , doi: 10.11999/JEIT240050
摘要:
无线环境地图(REM)是呈现电磁态势的一种有效形式，考虑实际观测的不完整频谱地图受到干扰和噪声污染的问题，该文对频谱地图进行重构，并在此基础上完成辐射源识别。首先，将复杂电磁环境下的频谱地图建模为高维张量，在预处理中通过线性插值对其初始化补全。然后，使用视觉Transformer模型解决语义分割问题以识别频谱语义区域，区域中仅单一辐射源功率占主导，每个语义张量的低秩性得以保留。提出了一种压缩式张量分解算法，并采用交替方向乘子法(ADMM)在语义区域中重构期望信号频谱和干扰；最后，在重构的频谱地图上检测未知辐射源的位置。该方法能够充分利用频谱数据的低秩性，适用于广域多辐射源个体的电磁场景。实验结果表明，所提方法比现有方法具有更优的重构性能，降低了达到相同频谱地图恢复精度时对观测样本比例的要求，并能够准确检测辐射源。
无线环境地图(REM)是呈现电磁态势的一种有效形式，考虑实际观测的不完整频谱地图受到干扰和噪声污染的问题，该文对频谱地图进行重构，并在此基础上完成辐射源识别。首先，将复杂电磁环境下的频谱地图建模为高维张量，在预处理中通过线性插值对其初始化补全。然后，使用视觉Transformer模型解决语义分割问题以识别频谱语义区域，区域中仅单一辐射源功率占主导，每个语义张量的低秩性得以保留。提出了一种压缩式张量分解算法，并采用交替方向乘子法(ADMM)在语义区域中重构期望信号频谱和干扰；最后，在重构的频谱地图上检测未知辐射源的位置。该方法能够充分利用频谱数据的低秩性，适用于广域多辐射源个体的电磁场景。实验结果表明，所提方法比现有方法具有更优的重构性能，降低了达到相同频谱地图恢复精度时对观测样本比例的要求，并能够准确检测辐射源。
, 最新更新时间 , doi: 10.11999/JEIT231439
摘要:
在复杂水下环境中，主动声纳的量测值在距离和方位分辨率上存在较大的不确定性，即一个目标回波的能量可能覆盖声纳距离-方位能量谱的多个相邻位置网格。并且，当环境中混响较强时，上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差，基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度，跟踪的实时性急剧降低。针对上述问题，该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF)，对主动声纳量测值进行区间表示，即用一个表示距离和方位区间的箱粒子代替点值量测，用区间表示这种量测不确定性，在提高状态估计稳定性的同时，极大程度地减少了后验概率密度估计所需的粒子数，从而进一步提高计算效率。实验结果表明，所提IBPF与PF相比，能以更高的计算效率获得更优的跟踪性能，对目标的跟踪时间缩短了18.06%，跟踪成功帧数增加了4.29%。
在复杂水下环境中，主动声纳的量测值在距离和方位分辨率上存在较大的不确定性，即一个目标回波的能量可能覆盖声纳距离-方位能量谱的多个相邻位置网格。并且，当环境中混响较强时，上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差，基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度，跟踪的实时性急剧降低。针对上述问题，该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF)，对主动声纳量测值进行区间表示，即用一个表示距离和方位区间的箱粒子代替点值量测，用区间表示这种量测不确定性，在提高状态估计稳定性的同时，极大程度地减少了后验概率密度估计所需的粒子数，从而进一步提高计算效率。实验结果表明，所提IBPF与PF相比，能以更高的计算效率获得更优的跟踪性能，对目标的跟踪时间缩短了18.06%，跟踪成功帧数增加了4.29%。
, 最新更新时间 , doi: 10.11999/JEIT231434
摘要:
DNA折纸结构是蕴含复杂序列折叠信息的纳米结构，为发展具有超大密钥空间的信息加密技术提供了新思路。该文设计了一种能够充分发挥DNA折纸结构信息特征的信息加密策略，与先前利用DNA折纸骨架链折叠的思路不同，该文基于订书钉链集合的非线性组合特征，提出通过探索其更为广阔的折叠多样性来实现更大的密钥空间。该策略的密钥空间计算模型分解为订书钉链的结合域模式、协同折叠以及独立性3个因素，分别考虑了订书钉链的链内区段分布性、链间排布多样性以及序列特异性。以上3种因素的组合，使单位几何空间内DNA折纸的折叠多样性更有效地转化为密钥空间。该策略是一种基于生物分子热力学的加密方式，为扩展信息安全的应用场景提供了新的可能。
DNA折纸结构是蕴含复杂序列折叠信息的纳米结构，为发展具有超大密钥空间的信息加密技术提供了新思路。该文设计了一种能够充分发挥DNA折纸结构信息特征的信息加密策略，与先前利用DNA折纸骨架链折叠的思路不同，该文基于订书钉链集合的非线性组合特征，提出通过探索其更为广阔的折叠多样性来实现更大的密钥空间。该策略的密钥空间计算模型分解为订书钉链的结合域模式、协同折叠以及独立性3个因素，分别考虑了订书钉链的链内区段分布性、链间排布多样性以及序列特异性。以上3种因素的组合，使单位几何空间内DNA折纸的折叠多样性更有效地转化为密钥空间。该策略是一种基于生物分子热力学的加密方式，为扩展信息安全的应用场景提供了新的可能。
, 最新更新时间 , doi: 10.11999/JEIT231426
摘要:
开放动态环境下目标类别不断丰富，遥感目标检测问题不能局限于已知类目标的鉴别，还需要对未知类目标做出有效判决。该文设计一种基于自适应预筛选的遥感开集目标检测网络，首先，提出面向目标候选框的自适应预筛选模块，依据筛选出的候选框坐标得到具有丰富语义信息和空间特征的查询传递至解码器。然后，结合原始图像中目标边缘信息提出一种伪标签选取方法，并以开集判决为目的构造损失函数，提高网络对未知新类特征的学习能力。最后，采用MAR20飞机目标识别数据集模拟不同的开放动态遥感目标检测环境，通过广泛的对比实验和消融实验，验证了该文方法能够实现对已知类目标的可靠检测和未知类目标的有效检出。
开放动态环境下目标类别不断丰富，遥感目标检测问题不能局限于已知类目标的鉴别，还需要对未知类目标做出有效判决。该文设计一种基于自适应预筛选的遥感开集目标检测网络，首先，提出面向目标候选框的自适应预筛选模块，依据筛选出的候选框坐标得到具有丰富语义信息和空间特征的查询传递至解码器。然后，结合原始图像中目标边缘信息提出一种伪标签选取方法，并以开集判决为目的构造损失函数，提高网络对未知新类特征的学习能力。最后，采用MAR20飞机目标识别数据集模拟不同的开放动态遥感目标检测环境，通过广泛的对比实验和消融实验，验证了该文方法能够实现对已知类目标的可靠检测和未知类目标的有效检出。
, 最新更新时间 , doi: 10.11999/JEIT240171
摘要:
受辐射源硬件失真和接收机硬件失真的耦合作用，实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”，导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应，该文将接收机影响作为单独作用域，提出了一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离，利用多部接收机数据预先训练网络对两种作用域的分离能力，聚焦辐射源指纹信息提取，从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式，所提方法能够真正适应实际无监督场景，且参与训练的源域接收机数目越多，域适应效果越好，不需要重复训练即可直接推广应用于新接收系统，具有较高的实际应用价值。
受辐射源硬件失真和接收机硬件失真的耦合作用，实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”，导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应，该文将接收机影响作为单独作用域，提出了一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离，利用多部接收机数据预先训练网络对两种作用域的分离能力，聚焦辐射源指纹信息提取，从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式，所提方法能够真正适应实际无监督场景，且参与训练的源域接收机数目越多，域适应效果越好，不需要重复训练即可直接推广应用于新接收系统，具有较高的实际应用价值。
, 最新更新时间 , doi: 10.11999/JEIT240178
摘要:
多模态融合方法能够利用不同模态的互补特性有效提升地物分类的准确性，近年来成为各领域的研究热点。现有多模态融合方法被成功应用于面向高光谱图像(HSI)和激光雷达(LiDAR)的联合分类任务。然而，现有的研究仍面临许多挑战，包括地物间空间依赖关系难捕获，多模态数据中判别性信息难获取等。为应对上述挑战，该文将多模态、多尺度、多视角特征融合整合到一个统一的框架中，提出一种尺度自适应融合网络(SAFN)。首先，提出动态多尺度图模块以捕获地物复杂的空间依赖关系，提升模型对不规则地物以及尺度迥异地物的适应能力。其次，基于激光雷达和高光谱图像的互补特性，约束同一空间近邻区域内的地物具有相近的特征表示，获取判别性遥感特征。然后，提出多模态空-谱融合模块，建立多模态、多尺度、多视角特征间的信息交互，捕获各特征间可共享的类辨识信息，为地物分类任务提供具有判别性的融合特征。最后，将融合特征输入分类器中得到类别概率得分，对地物类别进行预测。为验证方法的有效性，该文在3个数据集(Houston, Trento, MUUFL)上进行了实验。实验结果表明，与现有主流算法相比较，SAFN在多源遥感数据分类任务中取得了最佳的视觉效果和最高精度。
多模态融合方法能够利用不同模态的互补特性有效提升地物分类的准确性，近年来成为各领域的研究热点。现有多模态融合方法被成功应用于面向高光谱图像(HSI)和激光雷达(LiDAR)的联合分类任务。然而，现有的研究仍面临许多挑战，包括地物间空间依赖关系难捕获，多模态数据中判别性信息难获取等。为应对上述挑战，该文将多模态、多尺度、多视角特征融合整合到一个统一的框架中，提出一种尺度自适应融合网络(SAFN)。首先，提出动态多尺度图模块以捕获地物复杂的空间依赖关系，提升模型对不规则地物以及尺度迥异地物的适应能力。其次，基于激光雷达和高光谱图像的互补特性，约束同一空间近邻区域内的地物具有相近的特征表示，获取判别性遥感特征。然后，提出多模态空-谱融合模块，建立多模态、多尺度、多视角特征间的信息交互，捕获各特征间可共享的类辨识信息，为地物分类任务提供具有判别性的融合特征。最后，将融合特征输入分类器中得到类别概率得分，对地物类别进行预测。为验证方法的有效性，该文在3个数据集(Houston, Trento, MUUFL)上进行了实验。实验结果表明，与现有主流算法相比较，SAFN在多源遥感数据分类任务中取得了最佳的视觉效果和最高精度。
, 最新更新时间 , doi: 10.11999/JEIT240189
摘要:
为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题，该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先，引入迭代扩展卷积模块(IDC)作为编码器的主体，提取远距离像素的相关性；其次，设计方向感知增强模块(DAE)增强垂直方向的特征提取，为深度估计模型提供更多的深度线索；此外，通过聚合视差图特征改善解码器上采样过程中的细节丢失问题；最后，采用特征注意力模块(FAM)连接编解码器，有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明，该文模型参数量仅2.9M，取得\begin{document}$ \delta $\end{document}
为解决现有单目深度估计网络复杂度高、在弱纹理区域精度低等问题，该文提出一种基于方向感知增强的轻量级自监督单目深度估计方法(DAEN)。首先，引入迭代扩展卷积模块(IDC)作为编码器的主体，提取远距离像素的相关性；其次，设计方向感知增强模块(DAE)增强垂直方向的特征提取，为深度估计模型提供更多的深度线索；此外，通过聚合视差图特征改善解码器上采样过程中的细节丢失问题；最后，采用特征注意力模块(FAM)连接编解码器，有效利用全局上下文信息解决弱纹理区域的不适应问题。在KITTI数据集上的实验结果表明，该文模型参数量仅2.9M，取得
, 最新更新时间 , doi: 10.11999/JEIT240297
摘要:
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
随着新兴应用的不断涌现，频谱拥堵问题日益严重。通信雷达一体化(DFRC)是解决频谱拥堵问题的关键技术之一。然而，如何解决通信与雷达之间的相互干扰并实现高通信速率是通信雷达一体化亟待解决的基础难题。该文以多载波互补码分多址技术为基础，设计一种适用于多用户场景的新型通信雷达一体化信号。理论分析和仿真结果表明，与典型的扩频方案相比，所提方案可以实现通信雷达的无扰传输，并具有低的误码率与高的通信速率。
, 最新更新时间 , doi: 10.11999/JEIT240062
摘要:
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的 航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
数字高程模型(DEM)校正一直是遥感地学研究中的重要内容，近年来蓬勃发展的机器学习新方法为DEM高程误差校正提供了新的解决途径。由于机器学习等人工智能方法依赖大量的训练数据，考虑到目前缺少大区域公开的、统一的、大规模和规范化多源 DEM 高程误差预测数据集，针对数据集缺失的问题，该文公开了多源DEM高程误差预测数据集(DEEP-Dataset)。该数据集包括4个子数据集，分别基于中国广东省研究区域的 数字高程测量的 TerraSAR-X 附加组件(TanDEM-X) DEM和先进陆地观测卫星世界3D-30米(AW3D30) DEM以及澳大利亚北领地研究区域的 航天飞机雷达地形测绘任务(SRTM) DEM和先进星载热发射和反射辐射计全球数字高程模型 (ASTER) DEM构成。其中，广东省研究区域的样本数量约为40 000，北领地研究区域的样本数约量为1 600 000。数据集中的每个样本均由10个特征组成，涵盖了地理空间、地物种类以及地表形态等特征信息。通过设置机器学习模型测试、DEM校正以及特征重要性评估等对比实验，验证了DEEP-Dataset在实际模型训练和DEM校正中的有效性，也证明了该数据集的合理性和丰富性。
, 最新更新时间 , doi: 10.11999/JEIT240123
摘要:
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离维上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测器。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，相比与已有检测方法，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
传统的海杂波背景雷达目标自适应检测器通常假设杂波纹理在距离维上独立同分布，忽略了纹理在距离维的相关性信息。为了改善纹理距离相关海杂波环境下雷达目标自适应检测性能，该文首先将复合高斯海杂波的纹理分量建模为对数正态随机变量，然后基于广义似然比检验提出一种基于均匀对数正态纹理的广义似然比检测器。提出的雷达目标自适应检测器融合了纹理的先验分布知识及其在距离维的相关性信息。仿真和所用实测数据表明，相比与已有检测方法，所提方法对纹理距离相关海杂波背景下的雷达目标具有更高的检测概率。
, 最新更新时间 , doi: 10.11999/JEIT240318
摘要:
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
对于可见光-红外跨模态行人重识别(Re-ID)，大多数方法采用基于模态转换的策略，通过对抗网络生成图像，以此建立不同模态间的相互联系。然而这些方法往往不能有效降低模态间的差距，导致重识别性能不佳。针对此问题，该文提出一种基于视觉文本匹配和图嵌入的双阶段跨模态行人重识别方法。该方法通过上下文优化方案构建可学习文本模板，生成行人描述作为模态间的关联信息。具体而言，在第1阶段基于图片-文本对的预训练(CLIP)模型实现同一行人不同模态间的统一文本描述作为先验信息辅助降低模态差异。同时在第2阶段引入基于图嵌入的跨模态约束框架，设计模态间自适应损失函数，提升行人识别准确率。为了验证所提方法的有效性，在SYSU-MM01和RegDB数据集上进行了大量实验，其中SYSU-MM01数据集上的首次命中(Rank-1)和平均精度均值(mAP)分别达到64.2%, 60.2%。实验结果表明，该文所提方法能够提升可见光-红外跨模态行人重识别的准确率。
, 最新更新时间 , doi: 10.11999/JEIT240025
摘要:
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
深度伪造技术在社交网络上的滥用引发了人们对视觉内容真实性与可靠性的严重担忧。已有检测算法未充分考虑社交网络上深度伪造视频的退化现象，导致深度伪造检测性能受以压缩为主的伪影信息干扰与上下文相关信息缺失等挑战性问题的限制。压缩编码与深度伪造生成算法上采样操作会在视频上留下伪影，这些伪影可导致真实视频与深度伪造视频间的细粒度差异。该文通过分析压缩伪影与深度伪造伪影的共性机理，揭示了二者间的结构相似性，为深度伪造检测模型抗压缩鲁棒性的增强提供了可靠理论依据。首先，针对压缩噪声对深度伪造特征的干扰，基于压缩伪影与深度伪造伪影频域表示的结构相似性，设计了频域自适应陷波滤波器以消除特定频带上压缩伪影的干扰。其次，为削弱深度伪造检测模型对未知噪声的敏感，设计了基于残差学习的去噪分支。采用基于注意力机制的特征融合方法增强深度伪造判别特征，结合度量学习策略优化网络模型，实现了具有抗压缩鲁棒性的深度伪造检测。理论分析与实验结果表明，与基线方法相比，该文算法在压缩深度伪造视频上的检测性能具有明显提升，并可作为一种即插即用模型与现有检测方法结合以提高其抗压缩鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT240102
摘要:
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型(LSTMs)并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
城市智能交通管理中经常查询路段的当前和未来交通速度，该文提出一种车载边缘为主(VED)的城市路段速度查询和预测方法：车载端在速度低于一定阈值时，与其它车载端交换收集到的数据，并在本地构建轻量级的当前和历史速度索引，以支持当前速度查询。为了用尽可能少的模型支持速度预测，提出根据路段拓扑同构将路网划分成若干路段等价类，根据周期性时窗和路段等价类将整个时空划分成若干模型等价类，同一个模型等价类的路段在给定时窗呈现相似的交通运行模式。针对每个模型等价类，车载端和数据中心配合进行联邦学习，训练长短期记忆模型(LSTMs)并存储在车载端，以响应车载端对附近未来交通状况的查询。每个车载端本地索引数据、本地响应查询，避免了查询响应延迟和通信拥塞；数据保存在车载端，而非集中存放，避免了安全攻击导致的隐私泄漏。
, 最新更新时间 , doi: 10.11999/JEIT240130
摘要:
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
该文以高空无人机(UAV)飞艇载双光电传感器，无人机载两坐标雷达对航空目标的精确定位跟踪为研究背景，针对参与融合的传感器均无法独立获得目标位置信息导致传统点迹关联、定位方法失效等问题，提出一种基于多平台异构信息融合的航空目标跟踪算法。首先，在坐标系转换的基础上提出基于角度-距离两级点迹关联算法，从而实现多传感器量测关联。其次，提出基于线面交汇融合定位算法，通过最小二乘法、交汇点投影、距离最近点解算及同源数据压缩确定目标的航迹起始位置。在此基础上，利用空基多平台侦察的异构信息，结合传统无迹卡尔曼滤波器(UKF)设计扩维UKF对航空目标进行跟踪。仿真结果表明，该算法实现了对航空高速目标的高精度跟踪。
, 最新更新时间 , doi: 10.11999/JEIT240210
摘要:
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
, 最新更新时间 , doi: 10.11999/JEIT240007
摘要:
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
对于两个同时透射和反射的智能可重构表面(STAR-RIS)辅助的下行非正交多址接入(NOMA)系统，该文提出一种最大化和速率的方法。首先构建最大化和速率的优化问题，优化参数为STAR-RIS相移、功率分配和时间分配；然后用半正定规划法(SDP)优化双STAR-RIS相移；最后，用迭代的方法交替优化功率分配和时间分配，在每次迭代过程中分别用拉格朗日对偶分解法优化功率分配和函数极值法优化时间分配。仿真结果显示，双STAR-RIS辅助的NOMA系统的和速率高于单STAR-RIS辅助的NOMA系统。
, 最新更新时间 , doi: 10.11999/JEIT240149
摘要:
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
无源智能反射面在增强无线通信系统和提高物理层安全方面极具潜力，但是其存在严重的“双衰落”和半区域覆盖的缺点。为此，该文研究了一种有源同时反射和透射智能反射面(STAR-RIS)，并在考虑反射和透射相移互耦合条件下，建立一个联合优化基站波束和有源STAR-RIS波束的安全能效最大化问题。为求解所形成的非凸优化问题，利用连续凸近似、罚函数法、半正定松弛、交替优化技术将原问题转化为凸问题，并提出一种基于惩罚对偶分解算法。仿真结果验证了该文所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240172
摘要:
深度学习的发展推动了高精度遥感图像智能解译模型的涌现。然而，目前遥感智能解译模型大多基于预先定义的静态数据集独立训练，难以适应环境开放和需求动态的实际应用，严重阻碍了遥感智能解译模型的广域和长期运用。增量学习能使模型持续学习新知识，并保持对旧知识的记忆，近年来，被广泛应用于推动遥感智能解译模型演化、提升模型智能解译性能。该文面向多模态遥感数据、不同类型解译任务，全面调研了遥感图像智能解译增量学习方法，从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上，从促进遥感图像解译模型进化研究的角度，展望和讨论了遥感领域增量学习的未来研究方向。
深度学习的发展推动了高精度遥感图像智能解译模型的涌现。然而，目前遥感智能解译模型大多基于预先定义的静态数据集独立训练，难以适应环境开放和需求动态的实际应用，严重阻碍了遥感智能解译模型的广域和长期运用。增量学习能使模型持续学习新知识，并保持对旧知识的记忆，近年来，被广泛应用于推动遥感智能解译模型演化、提升模型智能解译性能。该文面向多模态遥感数据、不同类型解译任务，全面调研了遥感图像智能解译增量学习方法，从遗忘问题解决思路、解译模型进化应用两个层面梳理了现有研究工作。在此基础上，从促进遥感图像解译模型进化研究的角度，展望和讨论了遥感领域增量学习的未来研究方向。
, 最新更新时间 , doi: 10.11999/JEIT240151
摘要:
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
“泛在覆盖”将成为6G的主流网络形式，完成在高山、丘陵、沙漠等网络盲区的通信部署，实现全域无线覆盖，但在远区大规模部署地面基站较为困难。为此，该文将无人机(UAV)通信与非正交多址接入(NOMA)相结合，提出一种高能效立体覆盖方案最大化网络吞吐量能效。首先，建立系统模型，基于K-Means算法与Gale-Shapley算法提出用户配对方案。其次，在用户配对完成后，将初始问题拆分为两个优化子问题并分别转化为凸。最后，利用块坐标上升法交替优化无人机轨迹和发射功率最大化能量效率。仿真结果表明，相较于其它基准方案，该文方案可以显著提高大规模无线覆盖下空地网络的吞吐量能效。
, 最新更新时间 , doi: 10.11999/JEIT240083
摘要:
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
为了解决6G通感一体化系统(ISAC)中信息传输安全以及频谱紧张的问题，该文提出一种智能反射面(IRS)辅助ISAC系统安全资源分配算法。首先，在IRS-ISAC系统中，用户受到窃听者的恶意攻击时，通过干扰机发射的干扰信号和IRS智能地调节反射相移，重新配置传输环境，以提高系统的物理层安全。其次，考虑在基站和干扰机的最大发射功率约束，IRS反射相移约束以及雷达的信干噪比约束下，建立一个联合优化基站发射波束成形、干扰机预编码和IRS相移的系统保密率最大化优化问题。然后，利用交替优化和半正定松弛(SDR)算法等方法对原非凸优化问题进行转换，求出一个能够得到确定解的凸优化问题。最后提出一种基于交替迭代的安全资源分配算法。仿真结果验证了所提算法的安全性和有效性以及IRS-ISAC系统的优越性。
, 最新更新时间 , doi: 10.11999/JEIT240012
摘要:
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
通信感知一体化(ISAC)需要通信和感知共用无线电频段和硬件资源。多频段、大带宽、通信感知对硬件的要求不同等特点对通信感知一体化硬件设计提出更高要求。该文对后5G, 6G, WiFi等通信感知一体化的硬件设计、验证技术，以及硬件系统性验证平台进行归纳，对国内外近年相关硬件设计研究及其验证情况进行综述，关注通信感知两种系统对硬件的需求矛盾、带内全双工(IBFD)自干扰消除(SIC)、功放(PA)效率、电路性能对建模要求更高等硬件设计挑战。首先，总结、比较已有研究中通信感知一体化收发信机架构设计。然后，介绍、分析现有通信感知一体化带内全双工自干扰抑制方案、低峰均功率比(PAPR)波形与高性能PA设计、器件高精度建模方法以及硬件系统性验证平台。最后，总结全文并对未来通信感知一体化硬件设计所面临的开放性问题进行展望。
, 最新更新时间 , doi: 10.11999/JEIT231064
摘要:
针对类增量学习(CIL)中的灾难性遗忘问题，该文提出一种不同类的数据流和特征空间双分离的类增量学习算法。双分离(S2)算法在1次增量任务中包含2个阶段。第1个阶段通过分类损失、蒸馏损失和对比损失的综合约束训练网络。根据模块功能对各类的数据流进行分离，以增强新网络对新类别的识别能力。通过对比损失的约束，增大各类数据在特征空间中的距离，避免由于旧类样本的不完备性造成特征空间被新类侵蚀。第2个阶段对不均衡的数据集进行动态均衡采样，利用得到的均衡数据集对新网络进行动态微调。利用实测和仿真数据构建了一个飞机目标高分辨率距离像增量学习数据集，实验结果表明该算法相比其它几种对比算法在保持高可塑性的同时，具有更高的稳定性，综合性能更优。
针对类增量学习(CIL)中的灾难性遗忘问题，该文提出一种不同类的数据流和特征空间双分离的类增量学习算法。双分离(S2)算法在1次增量任务中包含2个阶段。第1个阶段通过分类损失、蒸馏损失和对比损失的综合约束训练网络。根据模块功能对各类的数据流进行分离，以增强新网络对新类别的识别能力。通过对比损失的约束，增大各类数据在特征空间中的距离，避免由于旧类样本的不完备性造成特征空间被新类侵蚀。第2个阶段对不均衡的数据集进行动态均衡采样，利用得到的均衡数据集对新网络进行动态微调。利用实测和仿真数据构建了一个飞机目标高分辨率距离像增量学习数据集，实验结果表明该算法相比其它几种对比算法在保持高可塑性的同时，具有更高的稳定性，综合性能更优。
, 最新更新时间 , doi: 10.11999/JEIT240057
摘要:
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
针对3维微弱多目标检测问题，该文提出一种双重积累自反馈优化的3级平行线坐标变换(PT)检测前跟踪(TBD)算法。通过将平行线坐标变换引入至TBD技术，依次在规格化的径向距离-时间、方位角-时间和俯仰角-时间平面对量测点进行投影变换和双重非相参积累，同时利用功率累积结果反馈优化二值积累，有效缓解强目标淹没弱目标和编队目标串扰问题。仿真结果表明，当整体信杂比达到10 dB时，所提算法的全局检测概率接近80%，证明了该算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT240010
摘要:
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
忆阻具有天然的可塑性，可实现与生物神经元和突触所具有的相似或相同机制的硅基神经元和纳米突触。将忆阻用作突触耦合两个异构的忆阻细胞神经网络，该文构建了一个忆阻耦合异构忆阻细胞神经网络。该耦合网络含有一个与忆阻突触初值条件和子网初值条件相关的空间平衡点集，可呈现出复杂的动力学演化。利用数值仿真方法，揭示了耦合网络依赖于初值条件而存在的稳定点、周期、混沌、超混沌以及无界振荡等多稳态行为。此外，在忆阻突触的调控下，两个异构子网可达成相位同步。最后，基于STM32单片机硬件平台完成了电路实验验证。
, 最新更新时间 , doi: 10.11999/JEIT231457
摘要:
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
逻辑综合在现代电子设计自动化流程中扮演着至关重要的角色。随着计算能力的不断增强以及新的计算范式的涌现，各种高效的布尔可满足性(SAT)求解器和电路仿真器(Simulator)得以开发，并在逻辑综合的领域取得了显著的应用。该文首先对布尔可满足性问题和电路逻辑仿真器进行了简要介绍；其次回顾了矩阵半张量积的发展历程，并根据半张量积的基本原理深入阐述了其在推理引擎和逻辑综合方面的研究进展；最后，对未来可能对逻辑综合产生重大影响的新技术进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT240051
摘要:
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
针对可重构智能超表面(RIS)辅助多用户系统中基站和RIS联合波束成形设计问题，该文提出通用低复杂度联合波束成形设计方案。首先，分析RIS辅助多用户系统以最大化和数据速率为目标的联合波束成形非凸优化问题。其次，利用波束导向矢量近似正交性设计RIS反射矩阵，进一步利用迫零方法设计基站发射波束成形，并对多用户进行功率分配优化。最后，讨论该方案适用性并对比该方案的计算复杂度相比现有方案降低了一个数量级。仿真结果表明，所提通用低复杂度波束成形设计可以获得较高和数据速率，并且采用最优功率分配可以进一步提高和数据速率。此外，仿真结果和理论分析都表明系统和数据速率随RIS位置的变化而变化，该结论为RIS位置的选择提供参考依据。
, 最新更新时间 , doi: 10.11999/JEIT231460
摘要:
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器 (DAC)的实现方法，存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法，设计了相位闭环动态控制环路，通过实时调整高速信号发射时钟相位，可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明：正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时，相位同步精度小于2 ps，误差矢量幅度(EVM)小于8% ；5 Gbit/s光通信速率误码率为10–7，接收灵敏度优于–47 dBm，测距精度优于2 mm。与传统方法相比，其灵敏度与测距精度均得到明显改善。
, 最新更新时间 , doi: 10.11999/JEIT231047
摘要:
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
针对变电设备红外图像复杂背景下多目标、小目标及遮挡目标识别效果差的问题，该文提出一种基于中心点网络(CenterNet)的变电设备红外图像识别方法。通过将自适应特征融合模块(ASFF)和特征金字塔(FPN)相结合, 构建ASFF+FPN结构的特征融合网络，增强了模型对多目标和小目标的跨尺度特征融合能力，排除背景信息；针对网络对遮挡目标特征捕捉能力差的问题，在特征融合网络中添加全局注意力机制，增强目标显著度；为实现模型轻量化，引入深度可分离卷积，减少参数量和推理时间；最后，通过引入分布焦点损失函数，克服了原损失函数对遮挡目标敏感性差的问题，提升了模型收敛速度和识别精度。在包含7种红外变电设备图像的自建数据集上进行测试。实验表明该算法与原始算法相比，识别精度提升了3.55%，达到了95.19%，模型参数量仅为32.52M，与4种主流目标识别算法对比，该算法在识别精度和算法复杂度上具有明显优势。
, 最新更新时间 , doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中，每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟，然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响，量化所下载软预测对本地个性化学习效果的累计贡献值，以此确定联盟中每个客户端的最佳聚合系数，从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型，并在隐私数据集上进行本地训练。仿真结果表明，与其他算法相比，pFedCK算法可以将个性化精度提升约10%。
, 最新更新时间 , doi: 10.11999/JEIT210265
摘要:
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
应用频控阵式多输入多输出(FDA-MIMO)雷达实现目标距离-角度联合估计越来越受到人们的重视，利用FDA同时获得发射波束图在角度和距离的自由度。但其性能因波束图的周期性和时变性而降低。因此，该文基于时间调制和距离补偿FDA-MIMO(TMRC-FDA-MIMO)雷达的新波形合成模型，提出了一种改进的基于旋转不变技术的信号参数估计(ESPRIT)算法。最后，通过距离和角度估计的克拉美罗下界和均方根误差，与固定频偏FDA-MIMO、对数频偏FDA-MIMO雷达系统和多信号分类(MUSIC)算法进行了对比，验证了所提方法的优异性能。
, 最新更新时间 , doi: 10.11999/JEIT201066
摘要:
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
针对增强型罗兰(eLORAN)系统增补发射台站建设中的组重复周期(GRI)选择问题，该文主要从数学的角度出发，提出一种基于交叉干扰率的筛选算法。该算法首先考虑了最小可用组重复周期以及秒信息量的要求，并在此基础上通过比较与临近的罗兰C台站间的相对交叉干扰率进行1次筛选；之后通过排列组合进行两两比较并2次筛选；最后，综合考虑数据率要求、系统规范、无交叉干扰等条件，得到最优组重复周期组合。随后，鉴于新型eLORAN系统的高精度授时要求，在GRI最优组合中进行了优选。分析结果表明，该方法得出的优选组合的平均交叉干扰率与现有导航台链相当，同时可兼顾授时需求，可以为高精度地基授时系统建设提供参考性建议和理论依据。
