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:
面向6G多维扩展的新型多址接入技术综述
逄小玮, 蒋旭, 卢华兵, 赵楠
, doi: 10.11999/JEIT231265
摘要:
随着移动通信技术的不断演进,第6代移动通信(6G)将实现从万物互联到万物智联的跨越,满足更高的数据需求和更广泛的应用场景。新型多址接入技术和多维扩展技术将在6G中协同发挥作用,为构建高效、智能、可靠的通信网络提供关键支持,满足未来通信的多重需求。该文旨在探讨新型多址接入技术在6G多维扩展通信网络中的应用潜力。首先,该文对比了传统多址接入技术与6G潜在新型多址接入技术,并重点阐述了非正交多址接入技术在提升频谱效率和系统容量方面的优势。然后,详细介绍了卫星通信、无人机(UAV)通信和智能反射面(IRS)等多维扩展技术在6G场景下的优势。进一步,讨论了新型多址技术与卫星通信、UAV以及IRS相结合的优势及协同应用。最后,探讨了基于新型多址接入技术的多维扩展网络中的关键技术挑战,包括大规模多入多出技术、太赫兹技术、通感算一体化、用户信息安全、不完美信道状态信息(CSI)估计,同时对新型编码技术、人工智能和机器学习等研究方向进行了展望。
基于不动点深度学习的IRS辅助毫米波移动通信系统全信道估计
褚宏云, 潘雪, 黄航, 郑凌, 杨梦瑶, 肖戈
, doi: 10.11999/JEIT230692
摘要:
将智能反射面(IRS)与大规模MIMO结合能够保证和提高毫米波通信系统性能。针对基站(BS)-用户直连信道与用户-IRS-BS反射信道混叠场景,该文提出一种自适应的全信道估计方法。首先,引入辅助变量,采用原子范数将直连信道与反射信道的稀疏角度域子空间进行关联;然后,利用原子范数最小化将全信道估计问题建模为连续角度域稀疏矩阵重建规划;最后,基于不动点深度学习网络设计低复杂度的问题求解算法。该算法不仅能够克服传统基于模型解法中非线性估计算子对先验知识的依赖还可根据移动场景变化自适应调节算法复杂度。仿真结果表明,所提算法能够避免传统时分估计策略引起的差错传播效应,具有更高的估计精度和更低的复杂度。
一种基于三角数分解的可配置2-D卷积器优化方法
黄继业, 肖强, 田大海, 高明裕, 王俊帆, 董哲康, 黄汐威
, doi: 10.11999/JEIT231123
摘要:
多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用。然而,目前缺少一种高效的可配置2-D卷积器设计方法,这限制了卷积神经网络(CNN)模型在边缘端的部署和应用。该文基于乘法管理以及奇平方数的三角数分解方法,提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器。所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元,前者负责运算任务,后者负责管理乘法运算的组合,二者结合以实现不同尺寸的卷积。具体地,首先根据应用场景确定一个奇数列表,列表中为2-D卷积器所支持的尺寸,并利用三角数分解得到对应的三角数列表;其次,根据三角数列表和计算需求,确定PE的总数量;最后,基于以小凑大的方法,确定PE的互连方式,完成电路设计。该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现,由Vivado 2022.2在XCZU7EG板卡上进行仿真和分析。实验结果表明,相比同类方法,该文所提可配置2-D卷积器,乘法资源利用率得到显著提升,由20%~50%提升至89%,并以514个逻辑单元实现1 500 MB/s的吞吐率,具有广泛的适用性。
体域网中基于多因子优先级的高效资源调度
张政, 易琛, 林金朝, 庞宇, 李国权, 李章勇, 李春国
, doi: 10.11999/JEIT230733
摘要:
媒体访问控制(MAC)在确保无线体域网(WBAN)的正常运行方面起着关键的作用。然而,动态环境下紧急数据低延迟和低能耗的高性能需求仍未很好的解决。该文提出一种多因子紧急调度方案(MESS)来满足这样一个严格的需求。首先,针对实际应用场景中数据异质性的特性,设计一种数据分类方法,该方法将数据分为周期数据和紧急数据,这对不同的节点来说更加符合实际情况;其次,设计一种多因子优先级划分方案,包括疾病相关因子、关键程度因子、健康严重程度因子和信息年龄因子,4个因子可以更全面地考虑节点的关键特征;此外,还设计了一种动态时隙分配和排序方法,将节点的时隙依据数据分类和多因子优先级进行动态分配和排序。理论分析和仿真实验结果表明,相较于传统方案所提方案在延迟和能效方面具有明显优势。
空中智能反射面辅助的无线供能通信网络轨迹优化研究
周毅, 晋占齐, 石华光, 田玉香, 石磊, 张延宇
, doi: 10.11999/JEIT230830
摘要:
由于无人机(UAV)良好的机动性、可靠性和快速部署等特性,无人机搭载智能反射面(IRS)可以有效解决复杂无线场景中混合接入点和节点之间由于障碍物遮挡导致信息传输和能量传输效率低的问题。该文提出一种基于时间划分的空中智能反射面辅助无线供能通信网络架构,充分利用空中智能反射面的灵活性提高网络性能。该架构针对每一个时隙,采用先收集能量后传输信息方案实现能量和数据的分时传输。在满足节点能量收集阈值的前提下,建立一个联合空中智能反射面飞行轨迹、节点选择关联变量、时隙分配比率和智能反射面相位的多变量耦合优化问题。采用块坐标下降算法把原始优化问题分解为四个子问题分别进行求解。首先根据波束对齐原理求解出智能反射面最优相位的闭式解,然后通过引入辅助变量并采用连续凸近似方法使非凸问题转变为凸问题,最后利用交替优化算法迭代求解。仿真结果表明,该文提出的联合优化方案具有很好的收敛性能并可以显著提高系统平均吞吐量。
小样本学习驱动的无线频谱状态感知
申滨, 李月, 王欣, 王紫昕
, doi: 10.11999/JEIT230377
摘要:
频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。
空地协同通信感知一体化系统的轨迹与资源分配联合优化
张广驰, 顾泽霖, 崔苗
, doi: 10.11999/JEIT230716
摘要:
该文研究空地协同通信感知一体化系统,其中无人车(UGV)基站和无人机(UAV)中继集群组成空地协同网络,为用户提供通信服务,同时对目标区域进行探测感知。在更加准确的莱斯衰落信道模型下,研究联合优化无人机集群的通信感知关联、发射功率和飞行轨迹以及无人车基站的发射功率和行进轨迹,在目标区域感知频率和有效感知功率阈值的约束下,最大化用户最小平均通信速率。为了解决变量高度耦合且非凸的整数优化问题,首先利用块坐标下降法将原问题分解成4个子问题;接着引入松弛变量并将整数约束转化为惩罚项,然后证明莱斯信道下的有效感知功率是关于轨迹变量和松弛变量凸复合函数的联合凸函数;再利用连续凸优化法处理非凸项,并提出一种双层迭代算法高效求解次优解。仿真结果表明,与本文几种基准方案相比,所提优化算法在相同感知性能下,提高了用户最小平均通信速率,更好地实现了通信与感知性能之间的权衡,并具有良好的收敛性。
一种适用于半互质阵的高精度波达方向估计方法
梁国龙, 腾远鑫, 王晋晋, 付进
, doi: 10.11999/JEIT231139
摘要:
在半互质阵列(SCA)下,经典波达方向估计(DoA)算法在面对邻近相干信源时估计性能退化。为了解决该问题,该文提出一种适用于半互质阵列的高精度波达方向估计方法。首先,将半互质阵划分为3个均匀线阵并利用常规波束形成算法对子阵1、子阵2和子阵3的阵列输出信号进行处理;然后,对子阵3的输出信号进行加权后与子阵1,2的输出信号加和构建和波束,利用子阵1与子阵2的输出信号做差构建差波束;最后,将上述和差波束做差得到最终输出信号,计算最终信号的功率得到方位谱。该方法基于半互质阵列特点构建和差波束,充分利用了3个子阵的重叠阵元实现估计精度的提高。通过仿真和湖上实测数据验证表明,该方法可以适用于半互质阵列实现波达方向估计,并且在面对邻近相干信源时其波达方向估计性能优于最小方差无失真估计算法(MVDR)和最小处理算法(MP)。
基于深度强化学习的空天地一体化网络资源分配算法
刘雪芳, 毛伟灏, 杨清海
, doi: 10.11999/JEIT231016
摘要:
空天地一体化网络(SAGIN)通过提高地面网络的资源利用率可以有效满足多种业务类型的通信需求,然而忽略了系统的自适应能力和鲁棒性及不同用户的服务质量(QoS)。针对这一问题,该文提出在空天地一体化网络架构下,面向城区和郊区通信的深度强化学习资源分配算法。基于第3代合作伙伴计划(3GPP)标准中定义的用户参考信号接收功率(RSRP),考虑地面同频干扰情况,以不同域中基站的时频资源作为约束条件,构建了最大化系统用户的下行吞吐量优化问题。利用深度Q网络(DQN)算法求解该优化问题时,定义了能够综合考虑用户服务质量需求、系统自适应能力及系统鲁棒性的奖励函数。仿真结果表明,综合考虑无人驾驶汽车,沉浸式服务及普通移动终端通信业务需求时,表征系统性能的奖励函数值在2 000次迭代下,相较于贪婪算法提升了39.1%;对于无人驾驶汽车业务,利用DQN算法进行资源分配后,相比于贪婪算法,丢包数平均下降38.07%,时延下降了6.05%。
基于混沌映射的抗机器学习攻击强物理不可克隆函数
汪鹏君, 方皓冉, 李刚
, doi: 10.11999/JEIT231129
摘要:
物理不可克隆函数(PUF)在硬件安全领域具有广阔的应用前景,然而易受到基于机器学习等建模攻击。通过对强PUF电路结构和混沌映射机理的研究,该文提出一种可有效抵御机器学习建模攻击的PUF电路。该电路将原始激励作为混沌映射初始值,利用PUF激励响应映射时间与混沌算法迭代深度之间的内在联系产生不可预测的混沌值,并采用PUF中间响应反馈加密激励,进一步提升激励与响应映射的复杂度,增强PUF的抗机器学习攻击能力。该PUF采用Artix-7 FPGA实现,测试结果表明,即使选用的激励响应对数量高达106组,基于逻辑回归、支持向量机和人工神经网络的攻击预测率仍接近50%的理想值,并具有良好的随机性、唯一性和稳定性。
针对电力线通信信道下脉冲噪声的鲁棒混沌传输系统优化设计综述
苗美媛, 田峰, 王琳, 代洲
, doi: 10.11999/JEIT231142
摘要:
随着用户的剧增,现有的无线资源已经难以为继。因此,电力线通信(PLC)的重新启用引起了各大研究单位及工业界的关注。其中PLC由于信道环境复杂,现有处理方案复杂度及成本较高,因而导致其发展缓慢。其中针对脉冲噪声的研究工作最为广泛,如何在低成本情况下针对脉冲噪声实现数据传输的鲁棒性尤为重要。该文首先介绍PLC环境中几种主流噪声以及分类,而后描述具有低成本低复杂度的差分混沌键控(DCSK)及多元DCSK(MDCSK)调制技术。分别介绍与分析该系统在PLC中的特性,以及针对各种脉冲噪声种类存在的优势以及改进方式。其次该文将介绍一些相关编码调制新方案以便于提高带限环境下的传输质量。结果表明这些优化工作显著地改善了系统性能,针对PLC整体信道特性系统参数的调制及编码调制传输优化方案将成为未来工作的研究热点。
用户请求感知的边端缓存与用户推荐联合优化策略
王汝言, 蒋昊, 唐桐, 吴大鹏, 钟艾玲
, doi: 10.11999/JEIT230898
摘要:
针对当前边缘缓存场景中普遍存在的用户偏好未知与高度异质问题,该文提出一种用户请求感知的边端缓存与用户推荐联合优化策略。首先,建立点击率(CTR)预测基本模型,引入对比学习方法生成高质量的特征表示,辅助因子分解机(FM)预测用户偏好;然后,基于用户偏好设计一种动态推荐机制,重塑不同用户的内容请求概率,从而影响缓存决策;最后,以用户平均内容获取时延最小化为目标建立边端缓存与用户推荐联合优化问题,将其解耦为边端缓存子问题和用户推荐子问题,分别基于区域贪婪算法和一对一交换匹配算法求解,并通过迭代更新获得收敛优化结果。仿真结果表明,相较于基准模型,引入对比学习方法的预测模型在曲线下面积(AUC)和准确率(ACC)上分别提升1.65%和1.30%,且联合优化算法能够有效降低用户平均内容获取时延,提升系统缓存性能。
面向6G全域融合的智能接入关键技术综述
王雪, 孟姝宇, 钱志鸿
, doi: 10.11999/JEIT231224
摘要:
针对空天地一体化接入网络,该文在总结相关研究的基础上,阐述了未来空天地一体化接入架构的关键技术,分析了空口技术、多址技术、干扰分析、计算技术和人工智能(Artificial Intelligence, AI)技术等几个重点方向的研究进展,提出了多种接入形式并存的灵活性网络架构。针对6G全域融合网络接入的重点研究问题,结合用户的服务质量需求,构建了一体化AI赋能架构,提出了大规模混合多址接入及弹性资源适配策略。基于网络架构立体化、网络协同传输、一体化网络资源管理、未来空天地接入技术以及网络协同计算等未来重点研究方向进行了讨论和展望。
全双工主动窃听非正交多址接入系统智能超表面辅助物理层安全传输技术
阔永红, 曹琳, 吕璐, 贺冰涛, 陈健
, doi: 10.11999/JEIT230296
摘要:
针对全双工被动窃听和主动干扰攻击下的多用户非正交多址接入(NOMA)系统,该文提出一种智能超表面(RIS)辅助的鲁棒波束赋形方案以实现物理层安全通信。考虑在仅已知窃听者统计信道状态信息的条件下,以系统传输中断概率和保密中断概率作为约束,通过联合优化基站发射波束赋形、RIS相移矩阵、传输速率和冗余速率,来最大化系统的保密速率。为解决上述多变量耦合非凸优化问题,提出一种有效的交替优化算法得到联合优化问题的次优解。仿真结果表明,所提方案可实现较高的保密速率,且通过增加RIS反射单元数,系统保密性能更佳。
基于时间调制阵列的共孔径干扰辅助短包隐蔽通信
马越, 马瑞谦, 杨炜伟, 林志, 缪晨, 吴文
, doi: 10.11999/JEIT231115
摘要:
该文首次研究了基于时间调制阵列(TMA)的共孔径干扰辅助短包隐蔽通信。首先提出并设计了共口径干扰的TMA架构,提出一种优化方法,能够在最大化目标方向信号增益的同时对非目标方向形成干扰。基于上述模型,推导出隐蔽性约束和隐蔽吞吐量的闭合表达式。在此基础上,该文进一步对发送功率和数据包长进行联合优化,以最大化隐蔽吞吐量。仿真结果表明,存在一个使隐蔽吞吐量最大化的最优包长,所提方案相比基准方案实现了更好的隐蔽通信性能。
三维空间位置服务中智能语义位置隐私保护方法
闵明慧, 杨爽, 胥俊怀, 李鑫, 李世银, 肖亮, 彭国军
, doi: 10.11999/JEIT230708
摘要:
针对大型医院、商场及其他3维(3D)空间位置服务中敏感语义位置(如药店、书店等)隐私泄露问题,该文研究了基于3D空间地理不可区分性(3D-GI)的智能语义位置隐私保护方法。为摆脱对特定环境和攻击模型的依赖,该文利用强化学习(RL)技术实现对用户语义位置隐私保护策略的动态优化,提出基于策略爬山算法(PHC)的3D语义位置扰动机制。该机制通过诱导攻击者推断较低敏感度的语义位置来减少高敏感语义位置的暴露。为解决复杂3D空间环境下的维度灾难问题,进一步提出基于近端策略优化算法(PPO)的3D语义位置扰动机制,利用神经网络捕获环境特征并采用离线策略梯度方法优化神经网络参数更新,提高语义位置扰动策略选择效率。仿真实验结果表明,所提方法可提升用户的语义位置隐私保护性能和服务体验。
双因子更新的车联网双层异步联邦学习研究
王力立, 吴守林, 杨妮, 黄成
, doi: 10.11999/JEIT230918
摘要:
针对车联网(IoV)中节点资源异构、拓扑结构动态变化等特点,该文建立了一个双因子更新的双层异步联邦学习(TTAFL)框架。考虑到模型版本差和车辆参与联邦学习(FL)次数对局部模型更新的影响,提出基于陈旧因子和贡献因子的模型更新方案。同时,为了避免训练过程中,车辆移动带来路侧单元切换的问题,给出考虑驻留时间的节点选择方案。最后,为了减少精度损失与系统能耗,利用强化学习方法优化联邦学习的本地迭代次数与路侧单元局部模型更新次数。仿真结果表明,所提算法有效提高了联邦学习的训练效率和训练精度,降低了系统能耗。
面向边缘计算的可重构CNN协处理器研究与设计
李伟, 陈億, 陈韬, 南龙梅, 杜怡然
, doi: 10.11999/JEIT230509
摘要:
随着深度学习技术的发展,卷积神经网络模型的参数量和计算量急剧增加,极大提高了卷积神经网络算法在边缘侧设备的部署成本。因此,为了降低卷积神经网络算法在边缘侧设备上的部署难度,减小推理时延和能耗开销,该文提出一种面向边缘计算的可重构CNN协处理器结构。基于按通道处理的数据流模式,提出的两级分布式存储方案解决了片上大规模的数据搬移和重构运算时PE单元间的大量数据移动导致的功耗开销和性能下降的问题;为了避免加速阵列中复杂的数据互联网络传播机制,降低控制的复杂度,该文提出一种灵活的本地访存机制和基于地址转换的填充机制,使得协处理器能够灵活实现任意规格的常规卷积、深度可分离卷积、池化和全连接运算,提升了硬件架构的灵活性。本文提出的协处理器包含256个PE运算单元和176 kB的片上私有存储器,在55 nm TT Corner(25 °C,1.2 V)的CMOS工艺下进行逻辑综合和布局布线,最高时钟频率能够达到328 MHz,实现面积为4.41 mm2。在320 MHz的工作频率下,该协处理器峰值运算性能为163.8 GOPs,面积效率为37.14 GOPs/mm2,完成LeNet-5和MobileNet网络的能效分别为210.7 GOPs/W和340.08 GOPs/W,能够满足边缘智能计算场景下的能效和性能需求。
基于元学习算法的IRS-OTFS通信系统信道估计
张祖凡, 段佳慧, 王国仲
, doi: 10.11999/JEIT230669
摘要:
针对高多普勒场景下智能反射表面(IRS)辅助多用户通信系统存在的信道估计传输开销大的问题,该文结合正交时频空间(OTFS)调制特点构造一种IRS-OTFS通信系统,充分发挥IRS和OTFS的性能优势,并在此基础上提出一种学习率自适应的模型无关元学习(MAML)算法。对IRS-OTFS多用户信道估计任务做离线训练,根据各任务的收敛速度自适应地调整学习率,防止训练失衡,并利用信道之间的相关性和MAML算法的少样本、泛化特性得到全局模型和适应性模型,快速学习新用户信道的传输特性,降低传输开销,提高信道估计准确性。理论分析和仿真结果表明,该算法在信道传输条件相同的情况下,将传输开销降低了大约50%,并相对于基准算法有4.8dB左右的性能提升。
基于空时级联单脉冲的多目标高效参数估计算法
沈明威, 张永舒, 李建霓, 吴迪, 朱岱寅
, doi: 10.11999/JEIT230347
摘要:
幅度比较单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。
一种基于有限内存拟牛顿法的混合波束成形算法
严军荣, 江沛莲, 李沛
, doi: 10.11999/JEIT230656
摘要:
针对现有混合波束成形算法运行时间长、频谱效率低、误码率高的问题,该文提出一种基于有限内存拟牛顿法的混合波束成形算法(LBFGS)。该算法首先通过数字预编码器的最小二乘解构建单变量目标函数;然后采用目标函数的梯度近似黑塞矩阵的逆得到搜索方向并沿搜索方向更新模拟预编码器,直到满足停止条件;最后固定模拟预编码器得到数字预编码器。MATLAB仿真结果表明,LBFGS算法较现有MO算法减少了28%的运行时间,频谱效率提高了1.05%,误码率降低了1.06%。
RIS辅助MIMO NOMA系统中利用统计CSI的下行传输方法
陆佳程, 王斌, 张军, 倪艺洋
, doi: 10.11999/JEIT230630
摘要:
针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。
基于深层特征差异性网络的图像超分辨率算法
程德强, 袁航, 钱建生, 寇旗旗, 江鹤
, doi: 10.11999/JEIT230179
摘要:
传统深层神经网络通常以跳跃连接等方式堆叠深层特征,这种方式容易造成信息冗余。为了提高深层特征信息的利用率,该文提出一种深层特征差异性网络(DFDN),并将其应用于单幅图像超分辨率重建。首先,提出相互投影融合模块(MPFB)提取多尺度深层特征差异性信息并融合,以减少网络传输中上下文信息的损失。第二,提出了差异性特征注意力机制,在扩大网络感受野的同时进一步学习深层特征的差异。第三,以递归的形式连接各模块,增加网络的深度,实现特征复用。将DIV2K数据集作为训练数据集,用4个超分辨率基准数据集对预训练的模型进行测试,并通过与流行算法比较重建的图像获得结果。广泛的实验表明,与现有算法相比,所提算法可以学习到更丰富的纹理信息,并且在主观视觉效果和量化评价指标上都取得最好的排名,再次证明了其鲁棒性和优越性。
基于自由空间光的无人机通信网络关键技术与发展趋势
冯斯梦, 赵一迪, 董超, 吴启晖
, doi: 10.11999/JEIT230644
摘要:
在当前电磁频谱拥堵和无线电干扰严重的情况下,基于自由空间光(Free-Space Optical, FSO)的无人机(Unmanned Aerial Vehicle, UAV)通信网络作为推进空天地一体化进程的重要一环,得到了学术界和工业界的广泛关注。与传统射频通信相比,FSO通信具有高数据传输速率、低时延和高安全性等优势。然而,FSO链路易受大气信道条件影响,同时UAV高移动性、网络高动态性以及机载资源的有限性给FSO的稳定连接与可靠通信带来了巨大挑战。因此,该文在介绍了FSO传输特性的基础上,着重分析了提升基于FSO的UAV通信网络稳定性与通信质量的关键技术,在此基础上,归纳出高可靠、强智能、长续航的发展趋势,以期为基于FSO的UAV通信网络发展提供参考与借鉴。
非完美信道状态信息下分布式智能反射面辅助安全通信研究
冯友宏, 张彦峨, 董国青, 张然, 王晔, 徐龙珠
, doi: 10.11999/JEIT230942
摘要:
针对非完美信道状态信息(CSI)下分布式智能反射面(RIS)安全通信问题,该文构建基于基站波束成形、人工噪声(AN)和RISs相移的联合优化问题,并提出相对应优化方法和1维线性搜索的有效算法来求解所构建的非凸优化方程。仿真结果表明:相对于随机相位、无AN辅助的安全传输策略,所提方法在非完美CSI场景可取得更高的安全传输速率;在总反射单元数目固定情况下,随着分布单元数目越多所提算法优越性越明显;进一步,所提算法具有更强的鲁棒性,即本策略更好适应信道不确定性。
围长为8的较大列重准循环低密度奇偶校验码的行重普适代数构造
张国华, 秦煜, 娄蒙娟, 方毅
, doi: 10.11999/JEIT231111
摘要:
适合于任意行重(即行重普适(RWU))的无小环准循环(QC)低密度奇偶校验(LDPC)短码,对于LDPC码的理论研究和工程应用具有重要意义。具有行重普适特性且消除4环6环的现有构造方法,只能针对列重为3和4的情况提供QC-LDPC短码。该文在最大公约数(GCD)框架的基础上,对于列重为5和6的情况,提出了3种具有行重普适特性且消除4环6环的构造方法。与现有的行重普适方法相比,新方法提供的码长从目前的与行重呈4次方关系锐减至与行重呈3次方关系,因而可以为QC-LDPC码的复合构造和高级优化等需要较大列重基础码的场合提供行重普适的无4环无6环短码。此外,与基于计算机搜索的对称结构QC-LDPC码相比,新码不仅无需搜索、描述复杂度更低,而且具有更好的译码性能。
一种面向多任务的无人机辅助的通信网络资源分配与轨迹优化研究
裴二荣, 娄宇涵, 李永刚, 黎伟
, doi: 10.11999/JEIT230974
摘要:
装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务,因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止,绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化,对于面向多任务的资源分配和轨迹优化问题还未解决。为此,该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略,旨在通过联合优化传输占空比、用户发射功率与无人机轨迹,在满足目标位置采集数据实时广播的前提下,最大化用户卸载量。为了解决多变量耦合优化问题,提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法,将耦合优化问题分解为3个子问题进行迭代优化。最后,大量仿真结果表明,该算法在公平性和总卸载计算量方面都优于其他测试方案。
欠采样下的多频带通信信号高精度载频估计
黄翔东, 宋金水, 李燕平
, doi: 10.11999/JEIT230297
摘要:
为根本解决当前主流的基于调制宽带转化器(MWC )的欠采样频率估计方法存在的3个问题,即采样通道数目多、载频估计精度低、信源频带分布稀疏度条件高,该文提出基于互素谱相位差校正的通信信号载频估计方法。通过将两路互素欠采样取代多路调制宽带转化器欠采样,克服了其耗费欠采样通道数目多的缺陷;基于此,既推导出全景谱谱峰位置与两路互素输出IDFT支路序号对的映射关系,又推导出相邻快拍下该序号对的IDFT相位差与载频值的解析关系,从而克服了主流方法的载频估计精度低的缺陷;通过将最小尺寸全相位滤波器对半分解方法融入原型滤波器设计,构造出两路并行互素谱分析器,还彻底克服了对信源频带分布稀疏度条件高的依赖。仿真表明,相比于主流方法,该文方法仅需耗费不足其1/2的样本数量,载频估计的相对误差降至其1/20以下。
基于时间调制技术的可重构后向散射通信系统
倪刚, 陈瑞华, 贺冲, 金荣洪
, doi: 10.11999/JEIT230700
摘要:
近年来,时间调制阵列因其优越的矢量调控性能受到广泛关注。基于时间调制方法,该文提出一种可重构后向散射通信系统。该系统中后向散射节点将多类数字调制符号映射至控制信号波形的谐波分量中,以该波形控制后向散射节点对基站端来波的散射与吸收态;接收机采样后向散射信号并提取控制信号波形后,通过傅里叶变换计算谐波分量并恢复后向散射节点发射的数字调制符号。仿真结果验证了几种谐波解调方法的性能及与理论值的一致性。基于幅度、相位键控及正交振幅调制的可重构后向散射传输实验验证了所提系统和方法的可行性。相比较而言,该后向散射通信系统具有功耗低、结构简单、多类数字调制方式可重构的特点。
基于可重用任务的无人机辅助边缘计算系统能耗优化
李斌, 蔡海晨, 赵传信, 王俊义
, doi: 10.11999/JEIT231061
摘要:
针对复杂地形下时延敏感任务对终端用户的计算需求激增问题,该文提出一种无人机(UAV)辅助的移动边缘计算可重用任务的协同计算卸载方案。首先,通过联合优化用户卸载策略、用户传输功率、无人机上服务器分配、用户设备的计算频率和无人机服务器的计算频率以及无人机的飞行轨迹,构建满足时延约束下最小化系统平均总能耗的系统模型。其次,通过深度强化学习求解该优化问题,并提出了基于柔性动作-评价(SAC)的优化算法。该算法采用最大熵的策略来鼓励探索,以增强算法的探索能力并加快训练的收敛速度。仿真结果表明,基于SAC的算法能有效降低系统的平均总能耗,并具有较好的收敛性。
改进的减轮E2算法中间相遇攻击
杜小妮, 孙瑞, 郑亚楠, 梁丽芳
, doi: 10.11999/JEIT230655
摘要:
E2算法是AES首轮征集的15个候选算法之一,具有优良的软硬件实现效率和较强的安全性。该文利用多重集和差分枚举技术,对E2算法进行中间相遇攻击。首先以E2-128为例,改进了已有的4轮中间相遇区分器,将5轮密钥恢复攻击预计算复杂度降低为\begin{document}${2^{31}}$\end{document}次5轮算法加密。其次针对E2-256,将所得区分器向后增加两轮,构造了6轮中间相遇区分器,并实现了9轮中间相遇攻击,攻击所需的数据复杂度为\begin{document}${2^{105}}$\end{document}个选择明文,存储复杂度为\begin{document}${2^{200}}$\end{document} byte,时间复杂度为\begin{document}${2^{205}}$\end{document}次9轮算法加密。与现有对E2算法的安全性分析结果相比,该文实现了对E2-256最长轮数的攻击。
基于模型阶数选择准则的稳健杂波边缘检测方法
金禹希, 吴敏, 郝程鹏, 殷超然, 吴永清, 闫林杰
, doi: 10.11999/JEIT230999
摘要:
在雷达目标自适应检测问题当中,辅助数据存在杂波边缘的情况将导致杂波协方差矩阵(CCM)的估计性能出现严重下降,极大地影响目标检测性能。为了解决这一问题,该文提出一种杂波边缘检测方法,能够对辅助数据中杂波边缘数量与位置进行自适应判别。首先,假定辅助数据中存在杂波边缘,采用模型阶数选择算法和最大似然估计方法完成杂波参数估计,其中杂波边缘位置由循环搜索方法得到。之后将杂波参数估计结果应用到检测算法中,通过广义似然比检验方法来判断杂波边缘是否存在。此外为了进一步提升算法在小样本条件下的稳健性,引入CCM的特殊结构作为先验知识,将算法推广至CCM为斜对称、谱对称以及中心对称3种结构的情况。仿真及实测数据均表明该文所提算法能够高效地识别雷达辅助数据中的杂波边缘数量和位置,先验知识的引入更能进一步改善算法在辅助数据量较小时的性能。
基于亚稳态叠加单元的高吞吐量真随机数发生器设计
倪天明, 俞俊勇, 彭青松, 聂牧
, doi: 10.11999/JEIT231166
摘要:
真随机数发生器(TRNG)作为一类重要的硬件安全原语,在密钥生成、初始化向量和协议中的身份认证等加密领域得到应用。为设计出高吞吐量的轻量级TRNG,该文研究了利用多路选择器(MUX)和异或门(XOR gate)的开关特性来产生亚稳态的方法,提出一种基于亚稳态叠加单元(MS-cell)的TRNG(MS-TRNG)设计。它将MUX和异或门触发的亚稳态进行叠加,从而提高TRNG的熵。所提TRNG分别在Xilinx Virtex-7和Xilinx Artix-7 FPGA开发板中实现,无需后处理电路。与其他先进的TRNG相比,所提TRNG具有最高的吞吐量和极低的硬件开销,并且它所生成的随机序列通过了NIST测试和一系列性能测试。
考虑同层后道工序的柔性设备网络综合调度算法
谢志强, 刘冬梅
, doi: 10.11999/JEIT231067
摘要:
针对柔性设备网络综合调度算法,难以合理选择加工设备加工相关工序进而影响产品完工时间的问题,该文提出考虑同层后道工序的柔性设备网络综合调度算法(SP-FENIS)。首先,采用逆序层优先策略,将各工序分配至逆序层待调度工序集;然后,提出均值逆序紧后路径策略,确定了各逆序层待调度工序集中工序的调度顺序;最后,提出最早完工时间策略和设备空闲插入策略,当工序在柔性设备上最早完工时间相同时,考虑了在柔性设备上的加工时间和同层后道工序的加工设备,确定了目标工序的加工设备以及加工时间。实例表明,和已有算法相比,该算法能够缩短产品完工时间。
结合时间注意力机制和单模态标签自动生成策略的自监督多模态情感识别
孙强, 王姝玉
, doi: 10.11999/JEIT231107
摘要:
大多数多模态情感识别方法旨在寻求一种有效的融合机制,构建异构模态的特征,从而学习到具有情感语义一致性的特征表示。然而,这些方法通常忽略了模态间语义的差异性信息。为解决这一问题,提出了一种多任务学习框架,联合训练1个多模态任务和3个单模态任务,分别学习多模态特征间的情感语义一致性信息和各个模态所含情感语义的差异性信息。首先,为了学习情感语义一致性信息,提出了一种基于多层循环神经网络的时间注意力机制(TAM),通过赋予特征向量不同的权重来描述情感特征的贡献度。然后,针对多模态融合,在语义空间进行了逐语义维度的细粒度特征融合。其次,为了有效学习各个模态所含情感语义的差异性信息,提出了一种基于模态间特征向量相似度的自监督单模态标签自动生成策略(ULAG)。通过在CMU-MOSI, CMU-MOSEI, CH-SIMS 3个数据集上的大量实验结果证实,提出的TAM-ULAG模型具有很强的竞争力:在分类指标(\begin{document}$ Ac{c_2} $\end{document}, \begin{document}$ {F_1} $\end{document}分数)和回归指标(MAE, Corr)上与当前先进模型的指标相比均有所提升;对于二分类识别准确率,在CMU-MOSI和CMU-MOSEI数据集上分别为87.2%和85.8%,而在CH-SIMS数据集上达到81.47%。这些研究结果表明, 同时学习多模态间的情感语义一致性信息和各模态情感语义的差异性信息,有助于提高自监督多模态情感识别方法的性能。
多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别
孙强, 陈远
, doi: 10.11999/JEIT231110
摘要:
在结合脑电(EEG)信号与人脸图像的双模态情感识别领域中,通常存在两个挑战性问题:(1)如何从EEG信号中以端到端方式学习到更具显著性的情感语义特征;(2)如何充分利用双模态信息,捕捉双模态特征中情感语义的一致性与互补性。为此,提出了多层次时空特征自适应集成与特有-共享特征融合的双模态情感识别模型。一方面,为从EEG信号中获得更具显著性的情感语义特征,设计了多层次时空特征自适应集成模块。该模块首先通过双流结构捕捉EEG信号的时空特征,再通过特征相似度加权并集成各层次的特征,最后利用门控机制自适应地学习各层次相对重要的情感特征。另一方面,为挖掘EEG信号与人脸图像之间的情感语义一致性与互补性,设计了特有-共享特征融合模块,通过特有特征的学习和共享特征的学习来联合学习情感语义特征,并结合损失函数实现各模态特有语义信息和模态间共享语义信息的自动提取。在DEAP和MAHNOB-HCI两种数据集上,采用跨实验验证和5折交叉验证两种实验手段验证了提出模型的性能。实验结果表明,该模型取得了具有竞争力的结果,为基于EEG信号与人脸图像的双模态情感识别提供了一种有效的解决方案。
集对论在人工智能中的若干应用与进展综述
赵克勤
, doi: 10.11999/JEIT230889
摘要:
集对论(SPT)把事物所在的时空视为一个既确定又不确定(D-U)时空,把事物的确定性与不确定性作为一个确定不确定系统处理,对不确定性“客观承认、系统描述、定量刻画、具体分析、实践检验”,在应用中不断发展。该文综述集对(SP)及其联系数(CN)的来源与性质,集对论的成对原理与不确定原理、不确定性系统理论与同异反系统理论和基本算法之后,概述集对论在智能定义、航天数据快速评估和多雷达信号分选、复杂系统智能预测、不确定性智能决策、以及自然数的联系数化与群体智能测算等涉及人工智能基础方面的若干应用,简介集对论在智能算法创新方面的若干进展,包括偏联系数计算与联系数系统能守恒计算在内的绿色智能计算等;期待“集对论+非集对论”集成的绿色智能算法在新一代人工智能中得到更多应用。
基于网络流量时空特征和自适应加权系数的异常流量检测方法
顾伟, 行鸿彦, 侯天浩
, doi: 10.11999/JEIT230825
摘要:
针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征,并引入MSE,多角度自适应特征加权,强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM,捕捉流量数据的时序依赖性,进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类,实验结果验证了所提模型在异常流量检测领域的有效性。
一种结构化双注意力混合通道增强的跨模态行人重识别方法
庄建军, 庄宇辰
, doi: 10.11999/JEIT230614
摘要:
在目前跨模态行人重识别技术的研究中,大部分现有的方法会通过单模态原始可见光图像或者对抗生成图像的局部共享特征来降低跨模态差异,导致在红外图像判别中由于底层特征信息丢失而缺乏稳定的识别准确率。为了解决该问题,该文提出一种结构化双注意力可交换混合随机通道增强的特征融合跨模态行人重识别方法,利用通道增强后的可视图像作为第三模态,通过图像通道可交换随机混合增强(I-CSA)模块对可见光图像进行单通道和三通道随机混合增强抽取,从而突出行人的姿态结构细节,在学习中减少模态间差异。结构化联合注意力特征融合 (SAFF)模块在注重模态间行人姿态结构关系的前提下,为跨模态表征学习提供更丰富的监督,增强了模态变化中共享特征的鲁棒性。在SYSU-MM01数据集全搜索模式单摄设置下Rank-1和mAP分别达到71.2%和68.1%,优于同类前沿方法。
联邦学习深度梯度反演攻防研究进展
孙钰, 严宇, 崔剑, 熊高剑, 刘建华
, doi: 10.11999/JEIT230541
摘要:
联邦学习作为一种“保留数据所有权,释放数据使用权”的分布式机器学习方法,打破了阻碍大数据建模的数据孤岛。然而,联邦学习在训练过程中只交换梯度而不交换训练数据的特点并不能保证用户训练数据的机密性。近年来新型的深度梯度反演攻击表明,敌手可从共享梯度中重建用户的私有训练数据,从而对联邦学习的私密性产生了严重威胁。随着梯度反演技术的演进,敌手从深层网络恢复大批量原始数据的能力不断增强,甚至对加密梯度的隐私保护联邦学习(PPFL)发起了挑战。而有效的针对性防御方法主要基于扰动变换,旨在混淆梯度、输入或特征以隐藏敏感信息。该文首先指出了隐私保护联邦学习的梯度反演漏洞,并给出了梯度反演威胁模型。之后从攻击范式、攻击能力、攻击对象3个角度对深度梯度反演攻击进行详细梳理。随后将基于扰动变换的防御方法依据扰动对象的不同分为梯度扰动、输入扰动、特征扰动3类,并对各类方法中的代表性工作进行分析介绍。最后,对未来研究工作进行展望。
基于伪监督注意力短期记忆与多尺度去伪影网络的图像分块压缩感知
李俊辉, 侯兴松
, doi: 10.11999/JEIT231069
摘要:
基于深度展开网络的分块压缩感知(BCS)方法,在迭代去块伪影时通常会同时去除部分信号和保留部分块伪影,不利于信号恢复。为了改善重建性能,在学习去噪的迭代阈值(LDIT) 算法基础上,该文提出基于伪监督注意力短期记忆与多尺度去伪影网络(MSD-Net)的图像BCS迭代方法(PSASM-MD)。首先,在每步迭代中,利用残差网络并行地对每个图像子块单独去噪后再拼接。然后,对拼接后的图像采用含有伪监督注意力模块(PSAM)的MSD-Net进行特征提取,以更好地去除块伪影以提高重建性能。其中,PSAM被用于从含有块伪影的残差中抽取部分有用信号,并传递到下一步迭代实现短期记忆,以尽量避免去除有用信号。实验结果表明,该文方法相比现有先进的同类BCS方法在主观视觉感知和客观评价指标上均取得了更优的结果。
基于脑电的快速序列视觉呈现脑-机接口系统研究进展综述
魏玮, 邱爽, 李叙锦, 毛嘉宇, 王妍紫, 何晖光
, doi: 10.11999/JEIT230952
摘要:
脑-机接口(BCI)系统建立大脑与外部设备之间的直接交流通路,结合快速序列视觉呈现(RSVP)范式能够实现利用人类视觉系统进行高流通量图像目标检索。近些年来,RSVP-BCI系统在范式编码、脑电(EEG)解码和系统应用方面的研究取得了长足的进步。对范式编码的研究揭示不同范式参数对系统性能的影响,促进提升系统性能;脑电解码的研究在提升算法分类性能的同时推动少训练、零训练样本、多模态等场景下的应用;对RSVP-BCI系统应用的研究实现推动系统走向实际应用并拓宽了应用领域。同时,系统仍面临着迈向实际时可应用领域范围窄、脑电跨域解码难题以及计算机视觉飞速进步带来的挑战。该文对RSVP-BCI近年来的相关研究进展进行了回顾与总结,并对未来的发展方向进行了展望。
聚类与信息共享的多智能体深度强化学习协同控制交通灯
杜同春, 王波, 程浩然, 罗乐, 曾能民
, doi: 10.11999/JEIT230857
摘要:
该文提出一种适用于多路口交通灯实时控制的多智能体深度循环Q-网络(MADRQN),目的是提高多个路口的联合控制效果。该方法将交通灯控制建模成马尔可夫决策过程,将每个路口的控制器作为智能体,根据位置和观测信息对智能体聚类,然后在聚类内部进行信息共享和中心化训练,并在训练过程中将评价值最高的值函数网络参数分享给其它智能体。在城市交通仿真软件(SUMO)下的仿真实验结果表明,所提方法能够减少通信的数据量,使得智能体之间的信息共享和中心化训练更加可行和高效,车辆平均等待时长少于当前最优的基于多智能体深度强化学习的交通灯控制方法,能够有效地缓解交通拥堵。
基于跨语种声学分析的帕金森病检测方法
季薇, 王传瑜, 吴迪, 李云, 郑慧芬
, doi: 10.11999/JEIT230981
摘要:
基于语音的帕金森病检测具有非介入式、成本较低和无创等优点。当前公开的帕金森病语音数据集大多来源于单一语种,存在数据容量不够大、受试者母语发音特点差异小等特点。单一语种数据集上训练的帕金森病检测模型在面对跨语种语音数据时,将出现性能下降。为避免语种差异带来的影响,提升模型在跨语种场景下的检测性能,该文引入对抗迁移学习和特征解耦的思想,提出一种帕金森病跨语种声学分析模型(CLSAM)。首先,将基于多头自注意力机制的Transformer编码块和多层神经网络级联,组成特征提取器模块,用于将从源域和目标域语音中提取的原始Fbank语音特征初步解耦为两个向量,即域不变病理信息表征向量和域信息表征向量;其次,设计了目标任务不一致的双重对抗训练模块,显式地分离域不变病理信息和域信息;最终,提取跨语种语音数据中的域不变病理信息用于帕金森病检测。该文在公开的MaxLittle帕金森病语音数据集以及自采的帕金森病语音数据集上,采用十折交叉验证的方法验证了所提方法的有效性。实验结果表明:与传统机器学习方法以及现有的迁移学习算法相比,所提模型在跨语种场景中的检测准确率、敏感度和F1分数等性能均有明显提升。
融合多源异构气象数据的光伏功率预测模型
谈玲, 康瑞星, 夏景明, 王越
, doi: 10.11999/JEIT230731
摘要:
高精度光伏功率预测对提高电力系统运行效率具有重要意义。光伏功率受多种因素影响,其中云层的变化是最主要的不确定因素。传统光伏功率预测方法没有充分考虑云的3维结构和气象要素对光伏功率的影响。因此,该文提出一种融合多源异构气象数据的多源变量光伏功率预测模型(MPPM)。MPPM的核心包括时空条件扩散模型(STCDM)、注意力堆叠LSTM网络(ASLSTM)和多维特征融合模块(MFFM)。STCDM模型通过对2维卫星云图进行精确预测,消除了云层边界处的模糊现象。ASLSTM模型则提取了3维天气研究与预报模式 (WRF)气象要素特征。MFFM模块将2维卫星云图特征和3维WRF气象要素特征进行融合,以得到未来1 h光伏功率预测结果。该文分别利用STCDM模型和MPPM模型开展卫星云图预测实验和光伏功率预测实验。实验结果显示,STCDM模型预测1 h内卫星云图的结构相似性指数(SSIM)达到0.914,MPPM模型预测1 h内光伏功率的相关系数(CORR)达到0.949,优于所有对比算法。
无人车集群协同围捕发展现状分析
徐友春, 郭宏达, 娄静涛, 叶鹏, 苏致远
, doi: 10.11999/JEIT230122
摘要:
无人车集群具有成本低、安全性好、自主程度高等优点,已成为无人驾驶领域的研究热点。基于无人车集群,研究人员提出多种不同协同策略以完成各类任务,其中协同围捕作为重要的应用方向,无论是在军用还是民用领域都受到了广泛关注。针对此问题,该文首先基于无人车集群的相关应用和架构,对协同围捕的策略机理进行了系统分析,并将协同围捕策略划分为搜索、追踪和围堵3个子模式。然后,从博弈论、概率分析和机器学习等角度梳理了协同围捕的关键方法,并对这些算法的优缺点进行了比较。最后,对未来研究提出了意见建议,为进一步提高无人车集群协同围捕的效率和性能提供参考和思路。
沉浸式视频编码技术综述
曾焕强, 孔庆玮, 陈婧, 朱建清, 施一帆, 侯军辉
, doi: 10.11999/JEIT230097
摘要:
随着虚拟现实、增强现实等沉浸式媒体技术的发展,沉浸式视频的表示、存储、传输和显示等各个环节都受到了科研及产业界的广泛关注。沉浸式视频更复杂的视频特性和庞大的数据量,对传统视频编码技术提出了挑战,新的编码技术应运而生。该文从视频自由度(DoF)出发,分别从3DoF和6DoF两个方面介绍沉浸式视频编码技术的最新成果。3DoF视频相关编码技术包括投影模型、运动估计模型和3DoF视频编码标准。6DoF视频相关编码技术包括视频表示形式、虚拟视点合成技术、6DoF视频编码技术及运动图像专家组沉浸式视频(MPEG, MIV)编码标准。最后,对沉浸式视频及其编码技术的发展进行总结和展望。
基于改进自适应协同控制方法的电力系统混沌控制
方洁, 张少辉, 江泳
, doi: 10.11999/JEIT230075
摘要:
针对4阶混沌电力系统,该文提出一种具有快速收敛特性的自适应协同控制方案。首先基于Lyapunov稳定性定理和全局快速收敛理论,设计了一种具有快速收敛特性的协同控制器,该控制器可使宏变量快速到达不变流形并可以得到平滑无抖振的控制输入,实现宏变量的精确收敛。然后将所设计的控制器应用于4阶电力系统的混沌控制中。由于电力系统中的能量过剩会引起混沌振荡,在控制回路中引入储能装置,通过控制储能装置吸收电力系统中多余的有功功率来抑制其混沌振荡。在此基础上通过设计自适应律,消除了控制器设计过程中出现的复杂项,增加了控制器的实用性。最后通过数值仿真,验证了该控制方案的有效性与优越性。
基于自适应光照初始化的弱光图像增强方法
刘波, 田广粮, 肖斌, 马建峰, 毕秀丽
, doi: 10.11999/JEIT230056
摘要:
由于光照分量分解估计的高度不确定性,如何准确估计图像的光照分量一直是基于Retinex模型的图像增强方法需要解决的难题。该文提出一个简单有效的方法,准确估计图像的初始光照分量,进而实现弱光图像增强。具体地,首先根据输入图像得到其对应的光照权重矩阵,以指导光照分量的自适应初始化估计;随后在光照结构约束下,对初始光照分量优化估计,并进一步执行非线性光照调整;最终结合Retinex模型得到增强结果。实验表明,该方法不仅能够实现准确的图像分解估计,而且与现有的弱光图像增强方法相比,该文所提方法在多个数据集上的主观视觉效果和客观评价指标都有更好的表现,同时也保持着良好的运行效率。
基于动态规整与改进变分自编码器的异常电池在线检测方法
郭铁峰, 贺建军, 申帅, 王翔, 张彬汉
, doi: 10.11999/JEIT230084
摘要:
针对电池生产成组过程中,传统异常检测方法对混入的容量及压差异常电池检测精度低及生产结束后离线异常检测方法效率低等问题,该文提出一种集合长短期记忆变分自编码器与动态时间规整评价的锂电池异常在线检测方法(VAE-LSTM-DTW),实现了异常电池的在线检测,避免了离线异常检测所造成的时间和能源的浪费。该方法首先将长短期记忆网络(LSTM)引入变分自编码器(VAE)模型,训练电池时序数据重构模型;其次,在电池异常检测的度量标准中引入动态时间规整值(DTW),并基于贝叶斯寻优获得最优检测阈值,对每个单体电池重构数据的动态规整值进行异常辨别。实验结果表明,相较该领域传统异常检测方法,VAE-LSTM-DTW模型性能优越,查准率和F1值都得到了较大的提升,具有较高的有效性和实用性。
基于跨模态轻量级YOLOv5模型的PET/CT肺部肿瘤检测
周涛, 叶鑫宇, 刘凤珍, 陆惠玲
, doi: 10.11999/JEIT230052
摘要:
多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、 计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络;然后,设计跨模态交互式增强块充分学习多模态语义相关性,余弦重加权计算Transformer高效学习全局特征关系,交互式增强网络提取病灶的能力;最后,提出双分支轻量块, 激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性,另一分支为密集连接的递进重参卷积,特征传递达到最大化,递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中,该文模型获得94.76% mAP最优性能和3238 s最高效率,以及0.81 M参数量,较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍,多模态对比实验中总体上优于现有的先进方法,消融实验和热力图可视化进一步验证。
区块链隐私众包中的数据验证与可控匿名方案
薛开平, 范茂, 王峰, 罗昕怡
, doi: 10.11999/JEIT230106
摘要:
针对隐私众包场景下出现的数据验证、匿名作恶检测和跨平台资源交互等需求,该文基于区块链技术,并结合零知识证明与环签名技术,提出一种联盟链架构下的隐私众包方案。该方案依靠零知识证明实现对加密数据的验证,依靠链接可撤销环签名改进方案实现工人身份的可控匿名,引入联盟链架构实现众包实体之间的资源交互。在完成众包完整流程的同时,实现隐私众包所需的数据保护与身份保护。安全性分析表明,该方案具有隐私性、可验证性、可控匿名性与公平性。实验结果验证了方案在效率与性能方面的有效性。
多接入边缘计算赋能的AI质检系统任务实时调度策略
周晓天, 孙上, 张海霞, 邓伊琴, 鲁彬彬
, doi: 10.11999/JEIT230129
摘要:
AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,提升任务执行效率。然而,系统中存在信道变化和任 务随机到达等动态因素,极大影响卸载效率,给任务调度带来了挑战。该文面向多接入边缘计算赋能的AI质检任务调度系统,研究了联合任务调度与资源分配的长期时延最小化问题。由于该问题状态空间大、动作空间包含连续变量,该文提出运用深度确定性策略梯度(DDPG)进行实时任务调度算法设计。所设计算法可基于系统实时状态信息给出最优决策。仿真结果表明,与基准算法相比,该文所提算法具有更好的性能表现和更小的任务执行时延。
基于视觉自注意力模型与轨迹滤波器的篮球战术识别
许国良, 沈刚, 梁旭鹏, 雒江涛
, doi: 10.11999/JEIT230079
摘要:
通过机器学习分析球员轨迹数据获得进攻或防守战术,是篮球视频内容理解的关键组成部分。传统机器学习方法需要人为设定特征变量,灵活性大大降低,因此如何自动获取可用于战术识别的特征信息成为关键问题。为此,该文基于美国职业篮球联赛(NBA)比赛中球员轨迹数据设计了一个篮球战术识别模型(TacViT),该模型以视觉自注意力模型(ViT)作为主干网络,利用多头注意力模块提取丰富的全局轨迹特征信息,同时并入轨迹滤波器来加强球场线与球员轨迹之间的特征信息交互,增强球员位置特征表示,其中轨迹滤波器以对数线性复杂度学习频域中的长期空间相关性。该文将运动视觉系统(SportVU)的序列数据转化为轨迹图,自建篮球战术数据集(PlayersTrack),在该数据集上的实验表明,TacViT的准确率达到了82.5%,相对未做更改的视觉自注意力S模型 (ViT-S),精度上提升了16.7%。
定向接收低冲突率水声网络媒体接入控制协议
郑茂醇, 韩笑, 葛威, 孙瑶, 殷敬伟
, doi: 10.11999/JEIT230153
摘要:
在全向水声通信网络场景中,较大的传播时延和较高的数据包碰撞率严重影响了网络性能。相比全向接收技术,声矢量传感器的声压和振速通过线性加权组合可以形成单边指向性,实现定向接收某个方向上的信号,进而提高网络的空间复用率。该文首先分析了声矢量传感器定向接收模式下的网络中断概率,验证定向接收技术网络应用的可行性。然后,提出了定向接收低冲突概率媒体接入控制协议(DRLCP-MAC)。该协议利用指向性接收波束握手机制建立稳定的数据传输链路,通过状态转移策略构建多对并行通信链路,缩小虚拟载波监听范围,提高网络的空间复用度。仿真结果表明,与水下冲突避免多址接入协议(MACA-U)和时隙地面多址接入协议(Slotted-FAMA)协议相比,DRLCP-MAC协议使信道接入成本降低了约50%和60%,网络吞吐量提升了约60%和400%,端到端时延降低了约50%和85%。
基于数字孪生的多自动驾驶车辆分布式协同路径规划算法
唐伦, 戴军, 成章超, 张鸿鹏, 陈前斌
, doi: 10.11999/JEIT230678
摘要:
针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔科夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。
无人机辅助MEC车辆任务卸载与功率控制近端策略优化算法
谭国平, 易文雄, 周思源, 胡鹤轩
, doi: 10.11999/JEIT230770
摘要:
无人机(UAVs)辅助移动边缘计算(MEC)架构是灵活处理车载计算密集、时延敏感型任务的有效模式。但是,如何在处理任务时延与能耗之间达到最佳均衡,一直是此类车联网应用中长期存在的挑战性问题。为了解决该问题,该文基于无人机辅助移动边缘计算架构,考虑无线信道时变特性及车辆高移动性等动态变化特征,构建出基于非正交多址(NOMA)的车载任务卸载与功率控制优化问题模型,然后将该问题建模成马尔可夫决策过程,并提出一种基于近端策略优化(PPO)的分布式深度强化学习算法,使得车辆只需根据自身获取局部信息,自主决策任务卸载量及相关发射功率,从而达到时延与能耗的最佳均衡性能。仿真结果表明,与现有方法相比较,本文所提任务卸载与功率控制近端策略优化方案不仅能够显著获得更优的时延与能耗性能,所提方案平均系统代价性能提升至少13%以上,而且提供一种性能均衡优化方法,能够通过调节用户偏好权重因子,达到系统时延与能耗水平之间的最佳均衡。
集成多种上下文与混合交互的显著性目标检测
夏晨星, 陈欣雨, 孙延光, 葛斌, 方贤进, 高修菊, 张艳
, doi: 10.11999/JEIT230719
摘要:
显著性目标检测目的是识别和分割图像中的视觉显著性目标,它是计算机视觉任务及其相关领域的重要研究内容之一。当下基于全卷积网络的显著性目标检测方法已经取得了不错的性能,然而现实场景中的显著性目标类型多变且尺寸不固定,这使得准确检测并完整分割出显著性目标仍然是一个巨大的挑战。为此,该文提出集成多种上下文和混合交互的显著性目标检测方法,通过利用密集上下文信息探索模块和多源特征混合交互模块来高效预测显著性目标。密集上下文信息探索模块采用空洞卷积、不对称卷积和密集引导连接渐进地捕获具有强关联性的多尺度和多感受野上下文信息,通过集成这些信息来增强每个初始多层级特征的表达能力。多源特征混合交互模块包含多种特征聚合操作,可以自适应交互来自多层级特征中的互补性信息,以生成用于准确预测显著性图的高质量特征表示。此方法在5个公共数据集上进行了性能测试,实验结果表明,该文方法在不同的评估指标下与19种基于深度学习的显著性目标检测方法相比取得优越的预测性能。
基于Hilbert空间向量赋权的网络选择算法
毛忠阳, 王婷婷, 陆发平, 张治霖, 康家方
, doi: 10.11999/JEIT230641
摘要:
为了提升海上异构无线网络中移动节点业务完成率和网络资源配置效率,针对现有网络选择算法与业务需求匹配性较差、动态环境下业务完成率不高的问题,该文提出一种基于Hilbert空间向量赋权的网络接入选择算法。该算法采用基于Hilbert空间的网络-业务匹配模型,将网络特征与业务需求映射至同一空间,在同一坐标系内衡量网络是否满足业务需求;同时,采用基于优劣解距离法的预切换网络选择算法,引入网络-业务匹配权重对优劣解距离法标准化矩阵进行修正,确保所选网络与业务需求相匹配,克服传统网络选择中业务需求考虑较少、网络特征与业务需求难以进行统一衡量的问题。此外,采用基于空间距离的网络切换控制算法,将匹配权重、空间距离引入网络切换控制,保证业务传输连续性,提高动态环境下的业务完成率。仿真结果表明,相较于对比算法,该算法的业务平均完成率提高6.81%以上,有效提升了网络的业务传输能力和通畅度,间接实现了网络资源的有效配置。
基于硬件损伤的认知反向散射通信网络鲁棒安全资源分配算法
徐勇军, 姜思巧, 张海波, 王正强, 周继华
, doi: 10.11999/JEIT230117
摘要:
为了提高反向散射通信网络频谱效率、传输鲁棒性及信息安全性,该文提出一种基于硬件损伤的认知反向散射通信网络鲁棒安全资源分配算法。首先,考虑认知反向散射用户的最小安全速率、传输时间、能量收集和反射系数等约束,基于有界信道不确定性和频谱感知误差模型,建立一个多变量耦合的吞吐量最大化非凸资源分配问题。其次,利用最坏准则、连续凸近似和交替优化方法,将原问题转换为凸优化问题,并提出一种基于迭代的鲁棒资源分配算法。仿真结果表明,与现有算法对比,所提算法具有较好的鲁棒性。
结合上下文特征融合的虚拟视点图像空洞填充
周洋, 蔡毛毛, 黄晓峰, 殷海兵
, doi: 10.11999/JEIT230181
摘要:
由于参考纹理视图的前景遮挡和不同视点间的视角差异,基于深度图的虚拟视点合成会产生大量空洞, 先前的空洞填充方法耗时较长且填充区域与合成图像缺乏纹理一致性。该文首先对深度图进行预处理来减少空洞填充时的前景渗透;然后,针对经3D warping后输出合成图像中的空洞,设计了一种基于生成对抗网络(GAN)架构的图像生成网络来填充空洞。该网络模型由2级子网络构成,第1级网络生成空洞区域的纹理结构信息,第2级网络采用了一种结合上下文特征融合的注意力模块来提升空洞填充质量。提出的网络模型能有效解决当虚拟视点图像中的前景对象存在快速运动时,空洞填充区易产生伪影的问题。在多视点深度序列上的实验结果表明,提出方法在主客观质量上均优于已有的虚拟视点图像空洞填充方法。
认知相对论——通向强人工智能之路
李玉鑑
, doi: 10.11999/JEIT230749
摘要:
人工智能(AI)的发展如火如荼,大有超越人类之势,以致很多人认为奇点就要来临,强人工智能即将实现。这是一种对强人工智能的误解,因为强人工智能的核心并不在于其功能是否强大,而在于它是否具有意识。该文首先解释了强人工智能的内涵,讨论了与之相关的意识问题;然后,阐述了旨在揭开意识奥秘的认知相对论思想,包括:世界的相对性原理和符号的相对性原理,以及世界、语言和心灵的关系。接着,提出了另一条新原理,即意识的等效原理,用以说明意识从物质产生所需要的物理条件,解决主观体验或现象意识的困难问题,推导意识能力受限于感觉能力且以感觉容量为上界的认知基本定理,并分析意识在哪里和自我是什么的可能性。最后,在认知相对论的框架下,给出了研究意识问题的新纲领和实现机器意识的新思路,并展望了强人工智能的未来。
面向可穿戴式的基于LSTM神经网络的智能心音异常诊断芯片
周维新, 高肇岗, 肖宛昂
, doi: 10.11999/JEIT230934
摘要:
心血管疾病是造成全球死亡人数最多的疾病之一,因此对心血管疾病的预防与提前诊断至关重要。人工听诊技术与计算机心音诊断技术无法满足对心音长时间听诊的需求,因而可穿戴式听诊设备越来越受到关注,但是其具有高精度与低功耗的要求。该文设计了低功耗的面向可穿戴式的基于长短期记忆网络(Long Short-Term Memory, LSTM)的智能心音异常诊断芯片,提出了包括预处理、特征提取以及异常诊断的心音异常诊断系统,并搭建了基于听诊器的心音采集FPGA系统,采用了数据增强的方法解决数据集的不平衡问题。基于预训练模型设计了智能心音异常诊断芯片,在SMIC180 nm工艺下完成了版图设计和MPW流片。后仿真结果表明,智能心音异常诊断芯片的诊断准确率为98.6%,功耗为762 μW,面积为3.06 mm × 2.45 mm,满足可穿戴式智能心音异常诊断设备的高性能与低功耗的需求。
基于离散时间聚合图的无人机编队最短时延路由协议
李博, 王改芳, 杨洪娟, 茹雪菲, 张敬淳, 王钢
, doi: 10.11999/JEIT230707
摘要:
针对传统的无人机编队路由算法无法有效利用拓扑变化的可提前预知特性、以发送探测包的方式获取链路的连接情况会导致开销大等问题,该文引入时变图模型,提出了基于离散时间聚合图的无人机编队最短时延路由协议。首先,利用无人机编队网络的先验知识,如节点的运动轨迹以及网络拓扑变化情况,使用离散时间聚合图对网络的链路资源和拓扑进行表征。其次,基于该图模型设计路由决策算法,即在路由探索阶段将链路时延作为链路权重求解网络的源节点到目的节点的最短时延路由。最后,性能仿真结果表明,该路由协议与传统按需距离矢量路由协议相比提高了网络的分组投递率、降低了端到端时延和网络的控制开销。
中继辅助的寄生反向散射通信网络中断性能分析
宋曦, 韩东升
, doi: 10.11999/JEIT231057
摘要:
已有寄生反向散射通信网络依赖于收发机之间存在的直达链路,从而无法应用于直达链路深度衰落或不存在场景。针对上述问题,该文提出一种中继辅助的寄生反向散射通信网络,并分析所提网络的中断性能。具体而言,依据所提网络推导得到主系统和次系统的瞬时信噪比,并在考虑次用户能量因果约束的条件下定义了主次系统中断概率,接着利用数学知识推导得到瑞利衰落模型下的主次系统中断概率表达式,最后通过计算机仿真验证了所推导的主次系统中断概率表达式的准确性,并分析了不同系统参数对主、次系统中断概率的影响。
格上基于身份的变色龙签名方案
张彦华, 陈岩, 刘西蒙, 尹毅峰, 胡予濮
, doi: 10.11999/JEIT230155
摘要:
变色龙签名(CS)是一种比较理想的指定验证者签名,其采用变色龙哈希函数来实现签名的不可传递性,使得任意第三方不信任指定验证者所披露的内容,且避免了不可否认签名必须在线交互验证的缺陷。在满足不可传递性的同时,变色龙签名还要求满足不可伪造性以及签名者可拒绝性和不可抵赖性等。针对基于大整数分解或离散对数等数论难题的变色龙签名无法抵御量子计算机攻击,以及用户对公钥数字证书依赖的问题,该文给出了格上基于身份的变色龙签名(IBCS),新方案避免了已有方案存在的签名者无法拒绝指定验证者伪造的签名的安全性漏洞,并将最终签名的传输开销由平方级降为线性级;进一步地,针对变色龙签名在仲裁阶段不可传递性失效的问题,给出了格上抗消息暴露的基于身份的变色龙签名,新方案使得签名者能够在不暴露消息内容的条件下拒绝任意敌手伪造的变色龙签名。特别地,基于格上经典的小整数解问题,两个方案在随机预言机模型下是可证明安全的。
基于不完美CSI的低轨卫星通信系统鲁棒资源分配算法
吴翠先, 董燚恒, 徐勇军, 张海波, 薛青
, doi: 10.11999/JEIT230086
摘要:
为了解决低轨卫星通信系统因资源受限导致的能量与速率不平衡的问题,同时考虑信道不确定性对实际卫星通信系统性能衰退的影响,该文提出一种基于最大化最小能效的鲁棒资源分配算法。首先,考虑每个用户中断速率约束、功率分配系数约束和最大发射功率约束,基于高斯信道不确定性,构建了联合优化卫星波束成形向量与功率分配因子的鲁棒资源分配模型。所描述的问题是一个含参数摄动的非凸、非确定性多项式难问题,很难直接求解。为此,基于丁克尔巴赫、伯恩斯坦不等式、半正定松弛和交替优化等方法将其转化为等价的凸优化问题,并提出一种基于迭代的混合鲁棒波束成形与功率分配算法。仿真结果表明,该文算法具有较好的能效和较强的鲁棒性。
PPNet:基于预先预测的降雨短时预测模型
宋毅, 张晗奕, 孙丰, 张敬林, 白琮
, doi: 10.11999/JEIT230547
摘要:
降雨短时预测一直以来都是气象预测问题中的热点问题。传统的预测方法基于数值天气预测模型展开预报,但近些年利用深度学习展开基于雷达回波图的降雨短时预测方法受到了广大研究者的关注。其中,时序预测网络存在不能并行计算导致耗时过长的问题且存在梯度爆炸问题。而全卷积网络可以解决上述两个问题,但是却不具备时序信息提取的能力。因此,该文以泰勒冻结假设为理论依据,提出一个基于预先预测辅助推断结构的2维全卷积网络(PPNet)。网络先行提取粗粒度时序信息与空间信息,然后利用全卷积结构细化特征粒度,有效缓解2维卷积网络不能提取时序信息的缺陷。此外,该文还提供一种时序特征约束器对预先预测特征进行时间维度的特征约束,使预测特征更倾向于真实特征。消融实验证明所提预先预测辅助推断结构和时序特征约束器具有优秀的时序特征能力,可以提升网络对时序信息的敏感度。与目前最好的降雨预测算法或视频预测算法相比,该文网络均取得较好结果,特别在暴雨指标上达到最优。
一种面向联邦学习对抗攻击的选择性防御策略
陈卓, 江辉, 周杨
, doi: 10.11999/JEIT230137
摘要:
联邦学习(FL)基于终端本地的学习以及终端与服务器之间持续地模型参数交互完成模型训练,有效地解决了集中式机器学习模型存在的数据泄露和隐私风险。但由于参与联邦学习的多个恶意终端能够在进行本地学习的过程中通过输入微小扰动即可实现对抗性攻击,并进而导致全局模型输出不正确的结果。该文提出一种有效的联邦防御策略-SelectiveFL,该策略首先建立起一个选择性联邦防御框架,然后通过在终端进行对抗性训练提取攻击特性的基础上,在服务器端对上传的本地模型更新的同时根据攻击特性进行选择性聚合,最终得到多个适应性的防御模型。该文在多个具有代表性的基准数据集上评估了所提出的防御方法。实验结果表明,与已有研究工作相比能够提升模型准确率提高了2%~11%。
基于总体最小二乘-旋转不变算法的地表核磁共振信号参数估计
于晓辉, 冯海, 田宝凤, 孙海欣, 孙晓东
, doi: 10.11999/JEIT230102
摘要:
在地表核磁共振(SNMR)找水系统中,根据SNMR信号的参数能够预估地下含水层的储水量、导电性以及孔隙结构等信息。然而在实际应用中探测现场采集的SNMR信号十分微弱,易受到环境噪声干扰,导致无法直接获取SNMR信号的参数。针对这一问题,该文提出基于总体最小二乘-旋转不变法(TLS-ESPRIT)的地表核磁共振信号参数估计方法。基于谐波噪声与SNMR信号的相似信号特征构成一个由多个正弦衰减信号叠加的混合信号模型,使用TLS-ESPRIT将混合信号参数提取问题转换为旋转不变矩阵的广义特征值求解,从而获得SNMR信号的拉莫尔频率和弛豫时间,并结合最小二乘法求得其初始振幅和相位。仿真信号和实测信号实验结果表明此方法能够估计出混有随机噪声和工频谐波噪声的SNMR信号的参数,相比传统的谐波建模方法,在参数提取精度上效果更好。
基于改进子载波预留算法的正交频分复用信号峰均比抑制方法研究
刘子威, 杨彪, 赵珊珊, 杜鸿飞
, doi: 10.11999/JEIT230475
摘要:
由于系统对线性元器件的要求非常严格,导致目前正交频分复用(OFDM)系统产生峰值平均功率比(PAPR)过高的问题,引起OFDM和基于OFDM的雷达一体化系统的信号失真,影响系统性能。针对该问题,该文提出了基于加权最小二乘法的子载波预留法(TR)。该算法首先将OFDM设计方案中的子载波分为数据子载波和预留的空白子载波,数据子载波调制数据子载波,空白子载波调制空白数据。然后利用原始数据通过加权最小二乘法得到最佳削峰系数和削峰数据,并将削峰数据调制在空白子载波上面。最后将削峰数据叠加到原始数据上,完成PAPR的抑制。仿真表明,基于加权最小二乘法的TR算法能够在1~3次迭代下实现良好的PAPR抑制效果,并且它的收敛速度相比于传统算法有了明显的提高。
长时视觉跟踪中基于双模板Siamese结构的目标漂移判定网络
侯志强, 王卓, 马素刚, 赵佳鑫, 余旺盛, 范九伦
, doi: 10.11999/JEIT230496
摘要:
在长时视觉跟踪中,大部分目标丢失判定方法需要人为确定阈值,而最优阈值的选取通常较为困难,造成长时跟踪算法的泛化能力较弱。为此,该文提出一种无需人为选取阈值的目标漂移判定网络(DNet)。该网络采用Siamese结构,利用静态模板和动态模板共同判定跟踪结果是否丢失,其中,引入动态模板有效提高算法对目标外观变化的适应能力。为了对所提目标漂移判定网络进行训练,建立了样本丰富的数据集。为验证所提网络的有效性,将该网络与基础跟踪器和重检测模块相结合,构建了一个完整的长时跟踪算法。在UAV20L, LaSOT, VOT2018-LT和VOT2020-LT等经典的视觉跟踪数据集上进行了测试,实验结果表明,相比于基础跟踪器,在UAV20L数据集上,跟踪精度和成功率分别提升了10.4%和7.5%。
基于生成式对抗网络和多模态注意力机制的扩频与常规调制信号识别方法
王华华, 张睿哲, 黄永洪
, doi: 10.11999/JEIT230518
摘要:
针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现TFIs降噪处理;然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入,并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路;最后,在模型中添加注意力机制,增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明,该文所提方法相较于单模态识别模型以及其它基线模型,整体分类精度有效提升2%~7%,并在低信噪比条件下具备更强的特征表达能力和鲁棒性。
面向6G无线网络的全息多输入多输出技术综述
陈晓明, 魏建川, 黄崇文
, doi: 10.11999/JEIT231140
摘要:
未来的第6代(6G)无线通信系统需要支持超大规模的用户需求,且对频谱效率和能源效率的要求越来越高。在此背景下,全息多输入多输出(MIMO)技术由于其具有智能可重构、电磁可调控、高方向性增益、成本低廉和部署灵活等潜力而愈发受到关注。在全息MIMO系统中,大量微小而廉价的天线单元被紧密集成,使其在低硬件成本的情况下能够实现高方向性增益,同时其可以对电磁波进行灵活的调控,从而有效提升了无线通信性能。该文从全息MIMO技术出发,首先简要介绍了全息MIMO的发展过程、技术现状、分类和特点,然后对全息MIMO在视距场景和空间平稳散射的非视距场景的信道模型进行了介绍,最后阐述了全息MIMO面对的挑战和未来趋势,并进行了总结。
面向低轨卫星的星地信道模型综述
苏昭阳, 刘留, 艾渤, 周涛, 韩紫杰, 段相龙, 张嘉驰
, doi: 10.11999/JEIT230941
摘要:
低轨卫星(LEO)具备通信时延低、部署成本低、覆盖范围广的特点,已经成为了建设未来空天地一体化网络的重要组成部分。然而卫星通信中端到端传播距离长、经历衰落复杂、终端移动速度快,其信道特性与地面蜂窝网络信道具有很大差异。基于此,为了对低轨卫星星地信道特性以及信道模型有较为全面的认识,该文总结了目前国际标准组织对星地信道的标准化进展,讨论了星地信道在不同传播位置处的衰落特性,根据建模方法对已有的重要信道模型进行了划分与阐述,最后对未来的工作提出了展望。
基于边缘领域自适应的立体匹配算法
厉行, 樊养余, 郭哲, 段昱, 刘诗雅
, doi: 10.11999/JEIT231113
摘要:
风格迁移方法因其较好的域适应性,广泛应用于存在领域差异的计算机视觉领域。当前基于风格迁移的立体匹配任务存在如下挑战: (1)转换后的左右图像需满足配对的前提; (2)转换后图像的内容和空间信息要与原始图像保持一致。针对以上难点,该文提出一种基于边缘领域自适应的立体匹配方法(EDA-Stereo)。首先,构建了边缘引导的生成对抗网络(Edge-GAN),通过空间特征转换(SFT)层融合边缘信息和合成域图像特征,引导生成器输出保留合成域图像结构特征的伪图像。其次,提出翘曲损失函数以迫使基于转换后的右图像所重建出的左图像向原始左图像进行逼近,防止转换后的左右图像对不匹配。最后,提出基于法线损失的立体匹配网络,通过表征局部深度变化来捕获更多的几何细节,有效提高了匹配精度。通过在合成数据集上训练,在真实数据集上与多种方法进行比较,结果表明本该方法能够有效缓解领域差异,在KITTI 2012和KITTI 2015数据集上的D1误差分别为3.9%和4.8%,比当前先进的域不变立体匹配网络(DSM-Net)方法分别相对降低了37%和26%。
基于Transformer和多模态对齐的非自回归手语翻译技术研究
邵舒羽, 杜垚, 范晓丽
, doi: 10.11999/JEIT230801
摘要:
为了解决多模态数据的对齐及手语翻译速度较慢的问题,该文提出一个基于自注意力机制模型Transformer的非自回归手语翻译模型(Trans-SLT-NA),同时引入了对比学习损失函数进行多模态数据的对齐,通过学习输入序列(手语视频)和目标序列(文本)的上下文信息和交互信息,实现一次性地将手语翻译为自然语言。该文所提模型在公开数据集PHOENIX-2014T(德语)、CSL(中文)和How2Sign(英文)上进行实验评估,结果表明该文方法相比于自回归模型翻译速度提升11.6~17.6倍,同时在双语评估辅助指标(BLEU-4)、自动摘要评估指标(ROUGE)指标上也接近自回归模型。
基于JAYA算法的紫外光通信无人机编队路由优化
郝锐, 王建萍, 陈丹阳, 路慧敏
, doi: 10.11999/JEIT230206
摘要:
紫外光通信由于其灵活性高、安全性好和全天候工作等优点,被认为是应急通信用无人机编队(UAV)的有潜力通信解决方案。为了提升紫外光通信无人机编队的有效作业时间,该文基于低功耗自适应集簇分层(LEACH)算法,并结合JAYA智能优化算法提出一种新颖的路由优化算法(RJLEACH)。该方法被用来改善紫外光通信无人机编队的有效操作时间。应用该算法对不同结构的紫外光通信无人机编队路由优化,并与其它算法得到的结果进行了比较分析。结果表明,RJLEACH算法在簇首选举阶段降低了无人机节点间的剩余能量方差,并且通过搜索最优路由降低了簇间通信的能量消耗。最终使网络出现第1个死亡节点和出现1/2死亡节点的时间相比经典LEACH算法分别延长了31.8%和13.8%,同时明显提高了能量利用率,能够为灾区救援和应急通信等任务争取宝贵的时间。
基于皮肤-脂肪模型的太赫兹体内多输入多输出信道特性分析与建模
张杰, 尹镜涵, 邵羽, 廖希, 王洋, 余子明
, doi: 10.11999/JEIT230578
摘要:
为探究太赫兹(THz)频段体内多输入多输出(MIMO)通信系统的传输特性,该文在0.8~1.2 THz下构建了精确的皮肤-脂肪模型,对皮肤-脂肪模型中垂直方向和水平方向的链路进行全波电磁仿真,分析太赫兹体内信道特性,建立路径损耗模型。首先,结合太赫兹频段人体组织的介电特性和人体皮肤的解剖学结构构建皮肤-脂肪模型。其次,对比分析了3条链路的路径损耗和阴影衰落,提出带有等效吸收因子的太赫兹体内路径损耗模型。最后,对3条链路的莱斯K因子、均方根时延扩展、MIMO容量进行分析。仿真分析表明,带有等效吸收因子的太赫兹体内路径损耗模型可以更准确地描述加长距离垂直链路2的路径损耗,发射端在体表可以增强MIMO容量。该文的工作可以为太赫兹体内通信系统的设计和优化提供参考。
基于点云分割网络的雷达信号分选方法
陈涛, 邱宝传, 肖易寒, 杨博溢
, doi: 10.11999/JEIT230622
摘要:
针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络 (PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明:所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。
反向散射通信中标签选择策略中断性能分析
刘英挺, 周治洋, 耿梦丹, 李兴旺
, doi: 10.11999/JEIT231001
摘要:
该文研究的反向散射通信(BackCom)系统由1个专用射频信号源、若干个标签及1个目的节点构成。在考虑了信道估计误差(CEE)的前提下,该文在Nakagami-m信道中,提出了能够最大化目的节点信噪比(SNR)的标签选择策略,推导了所提策略的中断概率和分集增益的解析表达式。该文的分析中,考虑了标签自身能耗对系统性能的影响。仿真结果验证了理论分析的正确性,同时考察了关键参数对系统性能的影响。理论分析和仿真结果均表明,信道估计误差的存在使得系统的分集增益为0。
全同态加密软硬件加速研究进展
边松, 毛苒, 朱永清, 傅云濠, 张舟, 丁林, 张吉良, 张博, 陈弈, 董进, 关振宇
, doi: 10.11999/JEIT230448
摘要:
全同态加密(FHE)是一种重计算、轻交互的多方安全计算协议。在基于全同态加密的计算协议中,尽管计算参与方之间无需多轮交互与大量通信,加密状态下的密态数据处理通常要比明文计算慢\begin{document}$ {10}^{3}\mathrm{~}{10}^{6} $\end{document}倍,极大地阻碍了这类计算协议的实际落地;而密态数据上的主要处理负担是大规模的并行密码运算和运算所必须的密文及密钥数据搬运需求。该文聚焦软、硬件两个层面上的全同态加密加速这一研究热点,通过系统性地归类及整理当前领域中的文献,讨论全同态加密计算加速的研究现状与展望。
基于统计信道状态信息的智能反射面辅助反向散射通信系统鲁棒资源分配算法
徐勇军, 徐娟, 田秦语, 黄崇文
, doi: 10.11999/JEIT231169
摘要:
为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、反射节点的能量中断约束和吞吐量中断约束、反射系数约束、RIS相移约束和信息传输时间约束,建立了系统加权和吞吐量最大化的鲁棒资源分配模型;利用伯恩斯坦不等式、交替优化和半正定松弛方法,将原非凸问题转换成凸优化问题求解,并提出一种基于迭代的鲁棒吞吐量最大化算法。仿真结果表明,与传统非鲁棒资源分配算法和无RIS资源分配算法相比,所提算法具有更强的鲁棒性和更高的吞吐量。
端接复杂电路传输线网络的电磁耦合时域并行计算方法
叶志红, 张玉, 鲁唱唱
, doi: 10.11999/JEIT230098
摘要:
针对端接复杂电路传输线(TL)网络的电磁耦合问题,仍缺乏高效的场路协同仿真技术。该文将传输线方程与时域有限差分(FDTD)方法、诺顿定理和置换定理以及NGSPICE软件相结合,并引入消息传递接口(MPI)并行技术,提出一种高效的时域混合并行算法(FDTDTL-NGSPICE)。首先,根据诺顿定理和置换定理,将传输线网络分解为传输线子系统和复杂电路子系统,并构建对应的等效电路模型。然后,使用FDTDTL并行算法计算传输线子系统沿线各点的电压和电流,并获取对应诺顿等效电路的电流源和等效导纳大小。最后,使用NGSPICE对复杂电路子系统进行传导干扰分析,获得复杂电路各元件上的瞬态响应,并将端口电压反馈给传输线子系统作为边界,实现传输线网络电磁耦合的场线路联合协同仿真。通过对3类典型场景的计算实例,分别使用时域混合并行算法和电磁仿真软件CST电缆工作室(CS)进行数值模拟并对比,验证所提算法的置信度。
5G车联网中安全高效的组播服务认证与密钥协商方案
张应辉, 李国腾, 韩刚, 曹进, 郑东
, doi: 10.11999/JEIT231118
摘要:
5G车联网(5G-V2X)中,内容提供者通过以点对多的传输方式向属于特定区域的一组车辆提供服务消息。针对于车辆获取组播服务遭受的安全威胁与隐私泄露问题,该文提出一种认证和密钥协商方案用于内容提供者与车辆之间的组播服务消息传输。首先,采用无证书聚合签名技术批量验证群组内所有车辆,提高了认证请求的效率。其次,基于多项式密钥管理技术实现安全的密钥协商,使得非法用户或核心网络无法获取共享会话密钥。最后,实现了群组内车辆的动态密钥更新机制,当车辆加入或离开群组时,内容提供者只需要发送1条密钥更新消息即可更新会话密钥。基于形式化验证工具和进一步安全性分析表明,所提方案可以保证匿名性、不可链接性、前向和后向安全性以及抗共谋攻击等安全需求。与现有方案相比,计算效率提高了约34.2%。
基于深度学习的时间序列分类研究综述
任利强, 贾舒宜, 王海鹏, 王子玲
, doi: 10.11999/JEIT231222
摘要:
时间序列分类(TSC)是数据挖掘领域中最重要且最具有挑战性的任务之一。深度学习技术在自然语言处理和计算机视觉领域已取得革命性进展,同时在时间序列分析等其他领域也显示出巨大的潜力。该文对基于深度学习的时间序列分类的最新研究成果进行了详细综述。首先,定义了关键术语和相关概念。其次,从多层感知机、卷积神经网络、循环神经网络和注意力机制四个网络架构角度分类总结了当前最新的时间序列分类模型,及各自优点和局限性。然后,概述了时间序列分类在人体活动识别和脑电图情绪识别两个关键领域的最新进展和挑战。最后,讨论了将深度学习应用于时间序列数据时未解决的问题和未来研究方向。该文为研究者了解最新基于深度学习的时间序列分类研究动态、新技术和发展趋势提供了参考。
星下点观测的星载卫星导航反射信号海面风矢量极大似然估计
王峰, 李建强, 张国栋, 张琦, 杨东凯
, doi: 10.11999/JEIT230464
摘要:
该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题,分析非镜向海面散射信号特征,提出星下点非镜向观测模式,定义该模式下海面风矢量敏感特征观测量,在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演,并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明:所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向;多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解,但无法消除海浪谱的对称性导致的海面风向模糊解。在2~25 m/s的风速内,当信噪比(SNR)大于11 dB时,3星观测的风速均方根误差(RMSE)优于2 m/s,风向的均方根误差优于15°。
基于智能分层切片技术的数字孪生传感信息同步策略
唐伦, 李质萱, 文雯, 成章超, 陈前斌
, doi: 10.11999/JEIT230984
摘要:
针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标,联合优化切片无线资源配置以及DTs传感信息同步问题。首先,在大时间尺度,利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题;在小时间尺度,通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性,进一步提高通信性能,建立更逼近于物理实体的DTs。其次,为了求解不同时间尺度的优化问题,该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互,其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后,仿真结果验证了所提策略的有效性。
基于本地差分隐私的异步横向联邦安全梯度聚合方案
魏立斐, 张无忌, 张蕾, 胡雪晖, 王绪安
, doi: 10.11999/JEIT230923
摘要:
联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成。然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题。针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA)。最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升。
基于汉字拆分嵌入和二部图的残损碑文识别
蔺广逢, 吴娜, 贺梦兰, 张二虎, 孙强
, doi: 10.11999/JEIT230893
摘要:
古籍碑刻承载着丰富的历史文化信息,但是由于自然风化浸蚀和人为破坏使得碑石上的文字信息残缺不全。古碑文语义信息多样化且样例不足,使得学习行文语义补全识别残损文字变得十分困难。该文试图从字形空间语义建模解决补全残损汉字进行识别理解这一挑战性任务。该文在层级拆分嵌入(HDE)编码方法的基础上使用动态图修补嵌入(DynamicGrape),对待识别汉字的图像进行特征映射并判别是否残损。如未残损直接转化为层级拆分编码,输入二部图推理字节点到部件节点的边权重,比对字库编码识别理解;如残损需要在字库里检索可能字和部件,对汉字编码的特征维度进行选择,输入二部图推理预测可能的汉字结果。在自建的数据集以及中文自然文本(CTW)数据集中进行验证,结果表明二部图网络可以有效迁移和推理出残损文字字形信息,该文方法可以有效对残损汉字进行识别理解,为残损结构信息处理开拓出了新的思路和途径。
基于对数条件似然比的无偏自同步扰码识别
钟兆根, 谭继远, 谢存祥
, doi: 10.11999/JEIT230992
摘要:
为克服现有无偏自同步扰码识别算法在低信噪比(SNR)下存在适应性差的缺点,该文提出一种基于对数条件似然比的软判决识别方法。该方法首先构建了线性分组码自同步加扰和卷积码自同步加扰的对偶向量积线性约束方程;然后推导了基于软判决的对数条件似然比函数衡量方程的成立概率,并分析了其均值和方差的分布特性;最后通过2元假设和推导的相应判别门限来完成两种自同步加扰的识别。仿真结果表明,所提算法能够在低信噪比下完成生成多项式的识别,具有较好的适应能力,与基于求解代价函数的识别方法相比,在信噪比低于3 dB时的算法识别率得到较大提高,识别率为90%时,约有3 dB的性能增益。
空地一体化网络服务连续性保障的低功耗通信与控制联合优化方法
蔡自伟, 盛敏, 刘俊宇, 赵晨曦, 李建东
, doi: 10.11999/JEIT231192
摘要:
空地一体化网络(AGIN)充分利用了空中基站(ABSs)灵活部署的特点,为热点地区提供了按需覆盖与高质量服务。然而,空中基站的高动态性使得网络的服务连续性难以保障。而且,空中基站能量受限,提升服务连续性和降低功耗通常又对应不同的飞行动作,因此,低功耗的服务连续性保障尤为困难。针对上述问题,该文基于联邦深度强化学习(FDRL)提出了一种面向低功耗服务连续性保障的通信与控制联合优化方法。所提方法通过联合优化空中基站的移动控制、用户关联和功率分配来保障网络服务的连续性。针对空中基站的高动态性,通过在所提方法中设计了环境状态经验池来利用信道的时空相关性,并在奖励函数中引入速率方差来保障网络服务连续性。考虑到不同飞行动作的功耗差异,所提方法通过优化空中基站的飞行动作来降低网络功耗。仿真结果说明,该文所提算法在满足用户速率需求和速率方差需求的前提下,能够减小网络功耗,并且所提联邦深度强化学习的性能接近中心式强化学习的性能。
无人机辅助空中计算的轨迹和功率联合优化方法
李松, 李佳琦, 王博文, 陈瑞瑞, 孙彦景, 张晓光
, doi: 10.11999/JEIT230917
摘要:
无人机(UAV)辅助的空中计算(AirComp)系统为大范围、分布式数据的快速聚合提供了有效的解决方法。该文研究了通过无人机辅助空中计算系统联合轨迹规划与功率优化方法。UAV作为移动基站,通过调整其运动轨迹和地面传感器节点发射功率,实现AirComp系统聚合数据均方误差的最优化。在UAV轨迹、传感器功率限制下,联合优化UAV轨迹、去噪因子和传感器功率,使时间平均均方误差最小化。基于块坐标下降和逐次凸逼近方法,提出无人机飞行轨迹与功率联合优化算法,并通过仿真验证了所提算法的性能。
基于多尺度非对称密集网络的高光谱图像分类
蔡轶珩, 谭美伶, 潘建军, 何楷祺
, doi: 10.11999/JEIT230651
摘要:
近年来,基于有限标记样本的高光谱图像(HSI)分类方法取得了重大进展。然而,由于高光谱图像的特殊性,冗余的信息和有限的标记样本给提取强判别特征带来了巨大挑战。此外,由于各类别像素分布不均,如何强化中心像素的作用,减弱不同类别的周围像素的负面影响也是提高分类性能的关键。为了克服上述局限性,该文提出一种基于多尺度非对称密集网络(MS-ADNet)的高光谱图像分类方法。首先,提出一个多尺度样本构建模块,通过在每个像素周围提取多个尺度的图像块,并进行反卷积和拼接以构建输入样本,使其既包含详细的结构区域,又包含较大的同质区域;然后,提出一个非对称密集连接结构,在空间和光谱特征联合提取中实现核骨架增强,即增强了方形卷积核的中心十字区域部分提取的特征,有效地促进了特征重用。此外,为了提高光谱特征的鉴别性,提出一种精简的元素光谱注意力机制,并将其置于密集连接网络的前端和后端。在每类仅采用5个样本进行网络训练的情况下,该方法在Indiana Pines, Pavia University和Salinas数据集上的总体准确率分别达到了77.66%, 84.54%和92.39%,取得了极具竞争力的分类结果。
基于自适应特征融合和注意力机制的变电设备红外图像识别
王媛彬, 吴冰超
, 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。
飞行自组织网的全双工双向时间传递技术研究
陈聪, 徐强, 赵宏志, 邵士海, 唐友喜
, doi: 10.11999/JEIT230949
摘要:
针对飞行自组网(FANET)中节点间相对运动导致双向时间传递精度下降的问题,该文提出一种全双工双向时间传递(TWTT)方法。首先,根据全双工双向时间传递过程构造了需要求解的方程组,推导了单次时间传递的同步误差表达式;然后,分析了在无频偏和有频偏条件下,迭代进行全双工双向时间传递的收敛性;最后,通过仿真分析和实验验证比较了全双工双向时间传递方法和传统双向时间传递方法的性能。仿真和实验结果表明,全双工双向时间传递方法在节点高速机动下,时间同步精度可达到与物理层时间戳相同的精度,优于现有的运动补偿方法。
基于门控机制与重放策略的持续语义分割方法
杨静, 何瑶, 李斌, 李少波, 胡建军, 溥江
, doi: 10.11999/JEIT230803
摘要:
基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象,会加剧灾难性遗忘。此外,数据常常由于隐私、安全等因素无法被存储导致模型失效。为此,该文提出基于门控机制与重放策略的持续语义分割方法。首先,在不存储旧数据的情况下,通过生成对抗网络生成及网页抓取作为数据来源,使用标签评估模块解决无监督问题、背景自绘模块解决背景漂移问题;接着,使用重放策略缓解灾难性遗忘;最后,将门控变量作为一种正则化手段增加模型稀疏性,研究了门控变量与持续学习重放策略结合的特殊情况。在Pascal VOC2012数据集上的评估结果表明,在复杂场景10-2, 生成对抗网络 (GAN)、Web的设置中,该文在全部增量步骤结束后的旧任务性能比基线分别提升了3.8%, 3.7%,在场景10-1中,相比于基线分别提升了2.7%, 1.3%。
智能交通感知新范式:面向元宇宙的交通标志检测架构
王俊帆, 陈毅, 高明煜, 何志伟, 董哲康, 缪其恒
, doi: 10.11999/JEIT230357
摘要:
交通标志检测对智能交通系统和智能驾驶的安全稳定运行具有重要作用。数据分布不平衡、场景单一会对模型性能造成较大影响,而建立一个完备的真实交通场景数据集需要昂贵的时间成本和人工成本。基于此,该文提出一个面向元宇宙的交通标志检测新范式以缓解现有方法对真实数据的依赖。首先,通过建立元宇宙和物理世界之间的场景映射和模型映射,实现检测算法在虚实世界之间的高效运行。元宇宙作为一个虚拟化的数字世界,能够基于物理世界完成自定义场景构建,为模型提供海量多样的虚拟场景数据。同时,该文结合知识蒸馏和均值教师模型建立模型映射,应对元宇宙和物理世界之间存在的数据差异问题。其次,为进一步提高元宇宙下的训练模型对真实驾驶环境的适应性,该文提出启发式注意力机制,通过对特征的定位和学习来提高检测模型的泛化能力。所提架构在CURE-TSD, KITTI, Virtual KITTI (VKITTI)数据集上进行实验验证。实验结果表明,所提面向元宇宙的交通标志检测器在物理世界具有优异的检测效果而不依赖大量真实场景,检测准确率达到89.7%,高于近年来其他检测方法。
面向一致覆盖的无蜂窝和传统蜂窝共存网络AP部署优化
姜静, 陶莎, 王伟, 褚宏云, Worakrin Sutthiphan, 李春国
, doi: 10.11999/JEIT230627
摘要:
为了解决传统蜂窝网络中用户体验剧烈波动的问题,无蜂窝和传统蜂窝共存网络将大量接入点(Access Point, AP)部署到传统蜂窝网络中,显著改善边缘用户和盲区的覆盖信号质量。因此用户在覆盖区域的任何位置均获得良好、一致的用户体验,即一致覆盖是提升共存网络性能的首要目标。而AP部署方案是共存网络中用户传输速率和覆盖的决定性因素,该文提出了面向一致覆盖的AP部署优化方法。首先根据共存网络的联合传输模型推导得到用户的下行可达速率,然后以最大化平均吞吐量为目标,将AP部署建模为比率和规划问题,并基于分式规划和引入辅助变量将其转换为凸优化问题,进而通过迭代求解AP的最优位置。仿真结果表明,相比传统蜂窝网络,所提方案可显著提高边缘和盲区的平均吞吐量。
基于无线电极化特征的跳频网台分选方法
齐子森, 张梓轩, 许华, 史蕴豪
, doi: 10.11999/JEIT230315
摘要:
针对现有方法在跳频通信用户“空时频能”域特征相近、跳频参数捷变等条件下,跳频网台分类识别效果不佳的问题,该文提出一种基于无线电极化特征的跳频用户分选方法。该方法将无线电双极化特征引入到跳频侦察,充分利用各用户的交叉极化鉴别度差异,实现了跳频网台精准分选。针对同类用户交叉极化鉴别度参数易受噪声污染的问题,构建了双通道双极化接收系统,抑制了信号噪声,保证了极化特征提取的精度。在此基础上,基于谱聚类思想,完成了极化特征的分类软判决,进一步提升了跳频网台分选效果,实现了跳频信号的精准识别。仿真实验表明,在5 dB信噪比条件下,所提方法可对同步正交和非正交组网方式下的多跳频网台准确识别,识别分类成功率达99%以上,验证了新方法的有效性。
基于香农熵代表性特征和投票机制的三维模型分类
高雪瑶, 闫少康, 张春祥
, doi: 10.11999/JEIT230405
摘要:
目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题,且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题,该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先,通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征,在特征提取网络中引入通道注意力机制;然后,针对Softmax函数输出的视图判别性特征,使用香农熵来选择代表性特征,从而避免多视图特征冗余;最后,基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明:该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%,分类性能突出。
基于改进特征子空间投影的SAR脉冲式直达波干扰抑制方法
舒高峰, 刘明月, 李宁
, doi: 10.11999/JEIT230665
摘要:
射频干扰(RFI)会污染合成孔径雷达(SAR)回波信号,增加SAR图像解译难度。脉冲式直达波干扰(PDWI)作为典型的RFI,在原始回波域以明亮条纹状掩盖SAR回波信息,对SAR成像质量产生严重影响。现有的干扰抑制方法中,传统的特征子空间投影(ESP)方法对整条含干扰脉冲进行干扰抑制,造成了脉冲中非干扰位置有用信号损失。为了保护有用信号,该文提出一种改进ESP的SAR脉冲式直达波干扰抑制方法。首先,通过2次检测干扰,获取PDWI在时域中的具体位置。其次,仅对检测的干扰位置数据,采用ESP将有用信号和干扰信号分离。最后,从原始数据中减去ESP重构的干扰数据以实现干扰抑制。仿真和实测数据处理表明,与现有方法相比,该方法能够有效避免SAR原始数据中有用信号的损失,抑制了脉冲式直达波干扰。
基于四阶相关的时分多址调制数据独特码盲识别
江桦, 宋凯飞, 邹坤衡, 孙鹏, 巩克现, 张玲, 王玮
, doi: 10.11999/JEIT230935
摘要:
针对非合作通信中时分多址(TDMA)信号的独特码(UW)盲识别问题,该文首次提出分布式独特码的盲识别算法。区别于比特层的独特码识别算法,该文分别针对集中式独特码和分布式独特码,提出面向调制数据不同窗口之间相关性的波形层独特码识别算法。算法利用独特码的一致性与相关性,分两步进行,首先通过差分累积消除不同突发信号间频偏与相偏的影响,来纵向对齐各个突发信号的独特码,然后通过多层差分共轭4阶相关算法识别出独特码的位置和长度。仿真分析了不同突发个数、信噪比和有无频偏相偏情况下算法的性能,验证了波形层识别独特码的有效性,针对集中式独特码和分布式独特码,所提算法在信噪比为5 dB时均达到了95%以上的识别率,具有一定的工程应用价值。
具有可重构特征的轨道角动量天线技术研究进展
吴杰, 胡俊, 张忠祥, 沙威, 黄志祥, 吴先良
, doi: 10.11999/JEIT230847
摘要:
轨道角动量(OAM)因其模式具有理论上无穷且正交互不干扰的特点,在扩展信道容量方面展现出良好的优势,为解决日趋紧张的频谱资源提供了一种新型设计自由度。面对复杂多样的无线通信场景,设计具有可重构特征的OAM天线,是实现多模态复用、智能信息感知和人工智能天线的物理层基础。该文首先结合可重构天线实现机理,给出了OAM可重构天线设计的方法及具备的特点;然后,系统性综述了具有可重构特征的OAM天线的研究进展;最后,对未来设计具有可重构特征的OAM天线研究进行了展望。
基于多相参处理间隔频响特征聚类的有源假目标鉴别方法
韦文斌, 彭锐晖, 孙殿星, 谭顺成, 宋颖娟, 张家林
, doi: 10.11999/JEIT231012
摘要:
现有真-假目标智能识别算法大多基于监督学习,且在低信噪比条件下表现不好。针对上述问题,该文分别利用真、假目标在多个相参处理间隔(CPIs)内散射特性的时变性和唯一性,提出一种多相参处理间隔频响特征聚类的真、假目标无监督鉴别方法。首先,在快-慢时域中沿快时间维度对真、假目标进行加窗截断,提取快-慢时间域频率响应特征用于构建初步样本集;然后,通过Agglomerative聚类和特征融合网络组成的两步识别算法对真-假目标进行识别;最后,提出一种多相参处理间隔联合决策方法提升识别性能和可靠性。经仿真和实测数据检验,证明了所提方法可实现真实目标和多种有源假目标的有效分离。
基于通感融合的无人机预编码及飞行轨迹设计
柴蓉, 崔相霖, 孙瑞锦, 陈前斌
, doi: 10.11999/JEIT230515
摘要:
无人机具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。
大型带罩天线阵列的精确高效电磁仿真算法
殷磊, 侯鹏, 丁宁, 林中朝, 赵勋旺, 张玉, 焦永昌
, doi: 10.11999/JEIT230721
摘要:
针对大型带罩天线阵列系统的辐射特性仿真问题,基于等效原理和波导模式匹配法,建立了多层快速多极子算法的波端口模型,实现了对天线激励源和匹配负载的精确电磁建模,同时提出了一种适用于计算金属介质天线模型的多层快速多极子算法并行策略,通过建立多棵八叉树结构降低了计算过程中各进程间的通信量,实现了对大型带罩天线阵列系统的精确、高效一体化仿真计算。通过与高阶矩量法及有限元-边界积分方程法计算得到的天线方向图、S参数进行对比,验证了该方法的精确性及高效性。
一种基于RIS的宽带毫米波SISO定位方法
孙俊倡, 谷荣妍, 马帅, 柴进晋, 李世银
, doi: 10.11999/JEIT230401
摘要:
针对毫米波定位过程中空间宽带效应产生的影响,该文基于可重构智能超表面(RIS)和单输入单输出(SISO)毫米波系统提出了一种新颖的3维(3D)定位估计方法。首先,通过设计RIS相位,利用快速傅里叶逆变换(IFFT)粗略地估计直射路径的视距(LoS)时延、RIS路径的虚拟视距(VLoS)时延以及RIS与用户之间的出发角(AoD)等信道参数。然后,利用拟牛顿法修正上述参数进而估计用户的位置坐标。通过仿真模拟对比了所提宽带估计方法和传统的窄带估计方法的定位性能,结果表明,通过考虑空间宽带效应,带宽为240 MHz时定位精度大约可提高10%,随着带宽增大超过800 MHz时定位性能可提高超过20%。
基于电压调控自旋轨道矩器件多数决定逻辑门的存内华莱士树乘法器设计
惠亚娟, 李青朕, 王雷敏, 刘成
, doi: 10.11999/JEIT230815
摘要:
在使用新型非易失性存储阵列进行存内计算的研究中,存内乘法器的延迟往往随着位宽的增加呈指数增长,严重影响计算性能。该文设计一种电压调控自旋轨道矩磁随机存储器(VGSOT-MRAM)单元交叉阵列,并提出一种存内华莱士树乘法器的电路设计方法。所提串联存储单元结构通过电阻求和的方式,有效解决磁存储器单元阻值较低的问题;其次提出基于电压调控自旋轨道矩磁存储器单元交叉阵列的存内计算架构,利用在“读”操作期间实现的5输入多数决定逻辑门,进一步降低华莱士树乘法器的逻辑深度。与现有乘法器设计方法相比,所提方法延迟开销从O(n2)降低为O(log2 n),在大位宽时延迟更低。
基于智能反射面辅助的多入单出共生无线电鲁棒安全资源分配算法
吴翠先, 周春宇, 徐勇军, 陈前斌
, doi: 10.11999/JEIT230426
摘要:
针对信道不确定性影响、无线信息泄露和障碍物阻挡导致通信质量下降等问题,该文提出一种基于智能反射面(RIS)辅助的多输入单输出(MISO)共生无线电(SR)鲁棒安全资源分配算法。考虑主用户的安全速率约束、次用户的最小速率约束、RIS最小能量收集约束,基于有界信道不确定性,建立了一个联合主被动波束赋形优化的资源分配问题。利用半正定松弛、S-procedure和变量替换法将含参数摄动的非凸问题转化为确定性的凸优化问题,并提出一种基于半正定松弛的鲁棒资源分配算法。仿真结果表明,与现有算法相比,该文算法具有较好的收敛性和鲁棒性。
多目标跟踪中基于次模优化的轨迹片段生成方法
孙瑾, 杜官明
, doi: 10.11999/JEIT230208
摘要:
作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文将轨迹片段的生成问题转化为运筹学中的设施选址问题,并进而提出基于次模优化的轨迹片段生成方法。该方法融合梯度(HOG)和颜色(CN)两个互补特征进行目标表征,并根据运动信息设计权重系数提高目标匹配准确度,最后提出具有约束的次模最大化算法实现全局范围内的数据关联生成轨迹片段。通过在多个基准数据集上的对比实验,表明该文算法在保证性能的同时能有效处理遮挡问题。
基于超球面三元组编码的干扰模式开集识别
高玉龙, 王国强, 王钢
, doi: 10.11999/JEIT230145
摘要:
干扰模式识别是现代军事通信对抗中必不可少的一环,随着复杂电磁环境当中各种新型恶意干扰样式层出不穷,对于未知型干扰的判决也变得愈发重要。因此,要求干扰模式识别算法保持对于已知型干扰高精度识别的同时,也能够完成对于未知型干扰的判决,以排除未知型恶意干扰的影响。基于此,该文将未知型干扰存在时的干扰模式识别问题建模为开集识别问题,并提出一种基于超球面3元组编码的干扰模式开集识别方法。所提方法基于超球面3元组对输入的时频图像进行降维编码以提高识别精度,然后采用元识别分类器准确地完成干扰模式开集识别任务。通过仿真试验证明该算法在干信比大于–2 dB时能够高效地完成开放空间中的干扰模式识别任务。
基于深度强化学习的多用户计算卸载优化模型和算法
李志华, 余自立
, doi: 10.11999/JEIT230445
摘要:
在移动边缘计算(MEC)密集部署场景中,边缘服务器负载的不确定性容易造成边缘服务器过载,从而导致计算卸载过程中时延和能耗显著增加。针对该问题,该文提出一种多用户计算卸载优化模型和基于深度确定性策略梯度(DDPG)的计算卸载算法。首先,考虑时延和能耗的均衡优化建立效用函数,以最大化系统效用作为优化目标,将计算卸载问题转化为混合整数非线性规划问题。然后,针对该问题状态空间大、动作空间中离散和连续型变量共存,对DDPG深度强化学习算法进行离散化改进,基于此提出一种多用户计算卸载优化方法。最后,使用该方法求解非线性规划问题。仿真实验结果表明,与已有算法相比,所提方法能有效降低边缘服务器过载概率,并具有很好的稳定性。
ErlangShen: 基于流水线低访问开销的图式区块链高效事务执行机制
肖江, 吴恩平, 张世桀, 伏子豪, 金海
, doi: 10.11999/JEIT230874
摘要:
基于有向无环图(DAG)的图式区块链能够显著提升系统性能,已成为近年来业界的研究热点。相较于传统串行化的链式区块链,图式区块链可在单位时间内并发处理大量事务从而提升吞吐量。随着事务量的激增,图式区块链面临事务执行效率低的瓶颈问题,即海量事务执行对状态数据访问的需求大幅增加,导致高昂的输入/输出(I/O)开销。实现低I/O访问主要包括两方面的全新挑战:一方面,图式区块链若直接采用传统的事务预取机制,将因执行逻辑不一致引入大量的陈旧读;另一方面,针对不同账户的状态访问会在默克尔树的高层节点中造成重复的I/O开销。为此,本文设计基于流水线的图式区块链高效事务执行机制—ErlangShen,包括Epoch粒度的状态预取机制和默克尔高层路径缓存机制来分别减少陈旧读的数量和重复的I/O开销。具体而言,ErlangShen充分分析并利用了事务访问频次的冷热特征,将访问热事务的逻辑执行与冷事务的状态预取并行化,以避免状态预取对事务执行的影响。此外,为了进一步提升事务执行的吞吐量,根据访问冷热状态事务的特性设计了定制化的并发控制方法。实验结果表明,ErlangShen机制能够减少约90%的陈旧读数量,与最新图式区块链事务处理机制Nezha相比,可将性能提升3~4倍。
Dice系数前向预测的快速正交正则回溯匹配追踪算法
陈平平, 陈家辉, 王宣达, 方毅, 王锋
, doi: 10.11999/JEIT230558
摘要:
为了提高压缩感知重构算法的成功率与重构精度,该文提出基于Dice前向预测的正交正则回溯匹配追踪算法 (DLARBOMP)。在该算法中,首先从匹配准则与预选阶段原子选取的角度,利用Dice系数代替原子内积计算相关度,保留原始信号信息的特性,以此选择与残差最匹配的原子,提高算法的重构精度。同时,针对信号重构过程回溯算法的时间过长问题,在每次原子迭代过程中,该文利用正则化选择多个原子而非单个原子,实现重构精度与重构时间的平衡。最后,通过稀疏1维信号与2维图像信号重构的实验结果,显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率,在2维压缩图像信号重构时提高其峰值信噪比(PSNR),优于正交匹配追踪(OMP)及其最新改进贪婪类算法。
非完全信息下无人机集群对抗研究综述
薛健, 赵琳, 向贤财, 吕科, 宏晨, 张宝琳, 岩延, 王泳
, doi: 10.11999/JEIT230544
摘要:
无人机集群以其具备的应用优势及发展前景,成为当前人工智能领域研究者关注的热点之一,而非完全信息下的无人机集群对抗技术,因其集群结构变化的高动态性以及环境信息复杂多变且不能完全感知的特点,成为对集群协同性与智能性要求最高的研究方向之一,其研究成果可以促进智能化无人系统的快速发展和广泛应用。该文全面回顾了非完全信息环境下无人机集群对抗研究的最新进展,按照包以德循环理论的思路将无人机集群对抗过程划分为态势评估、意图推断、任务规划与机动决策4个相互衔接的关键组成部分,并进一步将其细分为8个子研究目标。通过分析比较近年来的相关研究,着重阐述了无人机集群对抗领域各项任务的研究重点和难点以及已取得的成果,并讨论了无人机集群对抗技术所面临的挑战,包括大规模异构集群的协同控制、非完全信息的处理、复杂决策过程的建模以及实际应用任务的应对等。
基于断面水边线定向的视频测流摄像机标定
张振, 姜天生, 赵丽君, 程泽
, doi: 10.11999/JEIT230573
摘要:
针对现有基于直接线性变化法(DLT)的图像法测流技术依赖于地面控制点,存在效率低、风险高、宽断面天然河流操作难度大等问题,该文提出一种基于断面水边线定向的摄像机姿态角标定方法(CSWO)。该方法将标定过程分解为实验室内参标定和现场外参标定两步,其中后者又被划分为摄像机定位和定向两个环节。定向环节中首先在摄像机安装时将光轴与断面方向对齐,使方位角置零。然后利用无畸变图像中人工标注的平直断面水边线的斜率计算出横滚角。接下来通过计算水边线与图像纵轴交点作为其亚像素像方坐标。最后依据透视投影成像模型,联合水位与插值断面高程求得的物方坐标解算出俯仰角。该方法应用于时空图像测速法(STIV),实现了200 m宽河流的免像控表面流速测量。结果表明:起点距的最大绝对误差为0.59 m,最大相对误差为0.45%,表面流速的最大相对误差小于6.3%。
基于改进自适应IMM算法的高速列车组合定位
王小敏, 雷筱, 张亚东
, doi: 10.11999/JEIT230251
摘要:
针对列车高精度定位问题,该文提出基于改进自适应交互多模型(IMM)的高速列车高精度组合定位方法。首先,根据列车定位需求和各传感器特点,设计了卫星接收器、轮轴测速传感器、测速雷达以及单轴陀螺仪4种传感器的组合定位方案。然后,针对IMM融合滤波算法因先验信息不准导致固定参数设置不当的问题,引入Sage-Husa自适应滤波和转移概率矩阵(TPM)自适应更新集成为自适应IMM算法。针对多模型切换的滞后问题,利用子模型似然函数值能快速反映模型变化趋势的特点,将似然函数值设为判定标志,并引入判定窗对TPM矩阵元素进行修正,有效提升了模型的切换速度。最后,基于改进自适应IMM算法对4种传感器定位信息进行融合滤波,实现高速列车的高精度组合定位。仿真结果表明:改进后的算法相比其他自适应IMM算法提升定位精度1.6%~14.7%,并且能通过提高模型间切换速度来有效降低位置误差峰值,同时具备较好的抗噪性能。
考虑信息年龄的无人机辅助智能交通系统计算卸载优化
钟伟锋, 黄旭民, 康嘉文, 谢胜利
, doi: 10.11999/JEIT230459
摘要:
该文考虑无人机(UAV)交通监测与移动边缘计算(MEC)技术结合的智能交通系统。为了保障系统中数据时效性并且降低系统能耗,提出计及信息年龄(AoI)的UAV计算卸载优化方法。首先,建立UAV辅助的MEC系统模型,允许MEC服务器缓存常用的应用程序并为UAV提供计算卸载,以支持UAV执行交通监测任务。通过联合优化UAV任务卸载决策、UAV上下行通信带宽分配以及被卸载任务的计算资源分配,最小化所有UAV与MEC服务器的总能耗,同时满足AoI与资源容量等约束条件。其次,系统能耗最小化问题是混合整数非凸优化问题,因此采用离散化和线性化手段,快速获得问题的近似最优解,并设计离散点生成算法来调节近似误差。最后,仿真结果表明,即使对于大型的非凸问题,所提方法也能够快速得到近似最优解,并且可以在不同的任务场景中满足AoI等约束条件,最大限度降低系统能耗。仿真结果验证了所提方法的有效性。
特征反馈机制优化的超声图像病灶检测算法
丁建睿, 王凌涛, 汤丰赫, 宁春平
, doi: 10.11999/JEIT230385
摘要:
该文提出一种基于特征反馈机制的超声图像病灶检测方法,以实现超声病灶的实时精确定位与检测。所提方法由基于特征反馈机制的特征提取网络和基于分治策略的自适应检测头两部分组成。特征反馈网络通过反馈特征选取和加权融合计算,充分学习超声图像的全局上下文信息和局部低级语义细节以提高局部病灶特征的识别能力。自适应检测头对特征反馈网络所提取的多级特征进行分治预处理,通过将生理先验知识与特征卷积相结合的方式对各级特征分别进行病灶形状和尺度特征的自适应建模,增强检测头对不同大小病灶在多级特征下的检测效果。所提方法在甲状腺超声图像数据集上进行了测试,得到了70.3%的AP,99.0%的AP50和88.4%的AP75,实验结果表明,相较于主流检测算法,所提算法能实现更精准的实时超声图像病灶检测和定位。
基于信息分形的行人轨迹预测方法
杨田, 王钢, 赖健, 汪洋
, doi: 10.11999/JEIT230726
摘要:
行人轨迹预测应用十分广泛,比如自动驾驶、机器人导航等。在轨迹预测中,一些不确定信息给轨迹预测任务带来了挑战,比如判别器中对轨迹信息判别的不确定,复杂的交互信息。在非线性科学领域,信息分形能有效处理不确定信息的不确定性和复杂性。受此启发,为了充分处理判别器中轨迹信息判别的不确定性,提升预测精度,该文提出了基于信息分形的轨迹预测方法。首先,场景信息和历史轨迹信息被特征提取模块提取。然后,通过注意力模块获取到场景-行人之间的交互信息与行人-行人之间的交互信息。最后基于生成对抗网络和信息分形生成合理的轨迹。在两个公共数据集ETH/UCY上实验表明,该方法能有效处理轨迹信息的不确定性,提高轨迹预测的精度。比如突然转弯、从后方超越前人、避让等行为的轨迹都能有效预测。在平均位移误差(ADE)和终点位移误差(FDE)上相比基准模型误差平均降低了11.11%和23.48%。
混合智能反射面辅助的通信感知一体化:高能效波束成形设计
褚宏云, 杨梦瑶, 黄航, 郑凌, 潘雪, 肖戈
, doi: 10.11999/JEIT230699
摘要:
能量效率(EE)是5G+/6G无线通信的重要设计指标,而智能反射面(RIS)被普遍认为是改善EE的潜在手段。不同于被动RIS,混合RIS由有源和无源元件组成,对来波移相的同时可放大信号强度,能够有效克服被动RIS引起的“乘性衰落”效应。鉴于此,该文提出一种混合RIS辅助通信感知一体化(ISAC)的下行链路传输系统。为探究数据传输速率与能耗之间的内在关联,该文以RIS辅助ISAC网络能量效率最大化为目标,在满足基站(BS)发射功率、波束图增益以及混合RIS功率和幅值约束的条件下,联合优化基站端的波束赋形和混合RIS的相移。为解决该复杂的分数规划问题,提出基于交替优化(AO)的算法来求解。为克服AO算法中引入辅助变量造成算法复杂度高的难题,利用耦合优化变量的关联,提出一种基于级联深度学习网络的求解算法。仿真结果表明,提出的混合RIS辅助ISAC方案在和速率、能效方面皆优于现有方案,且算法收敛速度快。
基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法
周宸颢, 温利嫄, 钱骅, 康凯
, doi: 10.11999/JEIT230239
摘要:
大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),能够获得较优的系统性能,但相应的计算复杂度较高,阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题,该文提出了一个模型驱动的神经网络,在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言,将迭代算法展开为一个神经网络,并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明,该方法能够自动更新参数,与传统的预编码算法相比,收敛速度更快,计算复杂度更低。
基于迁移学习和参数优化的干扰效能评估方法
孙志国, 肖硕, 吴毅杰, 李诗铭, 王震铎
, doi: 10.11999/JEIT230817
摘要:
针对数字通信系统中传统误码率评估导致干扰效能评估结果单一的问题,该文提出了一种基于迁移学习和参数优化的干扰效能评估方法。该方法选取各信号处理模块的核心参数作为机器学习的训练指标,并以优劣解距离的评估结果作为分类标准,采用支持向量机训练评估模型。通过改进蚁群算法的全局搜索能力和迁移学习的知识传递特性分别解决了支持向量机中的参数优化问题和训练样本中的数据缺失问题。仿真实验结果表明,掌握源域数据集的支持向量机在模型准确度方面提升4.2%,牺牲初始收敛能力的参数优化与最优解的靠近程度提升4.7%,并且可以应用于数字通信系统的干扰效能评估。
结合深度强化学习的边缘计算网络服务功能链时延优化部署方法
孙春霞, 杨丽, 王小鹏, 龙良
, doi: 10.11999/JEIT230632
摘要:
该文针对边缘网络资源受限且对业务流端到端时延容忍度低的问题,结合深度强化学习与基于时延的Dijkstra寻路(DDRL)算法提出一种面向时延优化的服务功能链(SFC)部署方法。首先,设计一种基于注意力机制的序列到序列(Seq2Seq)代理网络和基于时延的Dijkstra寻路算法,用于产生虚拟网络功能(VNF)的部署以及服务功能链(SFC)的链路映射,同时考虑了时延优化模型的约束问题,采用拉格朗日松弛技术将其纳入强化学习目标函数中;其次,为了辅助网络代理快速收敛,采用基线评估器网络评估部署策略的预期奖励值;最后,在测试阶段,通过贪婪搜索及抽样技术降低网络收敛到局部最优的概率,从而改进模型的部署。对比实验表明,该方法在网络资源受限的情况下,比First-Fit算法与TabuSearch算法的时延分别降低了约10%和86.3%,且较这两种算法稳定约74.2%与84.4%。该方法能较稳定地提供更低时延的端到端服务,使时延敏感类业务获得更好体验。
高效前缀约简的三维Hilbert空间填充曲线编解码算法
贾连印, 范瑶, 丁家满, 李晓武, 游进国
, doi: 10.11999/JEIT230013
摘要:
3维Hilbert空间填充曲线(3D HSFC)的编码和解码效率对空间查询处理、图像处理等领域的应用举足轻重。现有的3维编解码算法独立编解码每一个点,忽略了Hilbert曲线的局部保持特性。为了提高编解码效率,该文设计了高效的3D状态视图,并提出一种新的前缀约简的3D HSFC编码算法(PR-3HE)和前缀约简3D HSFC解码算法(PR-3HD),这两个算法通过公共前缀的定义和识别、公共前缀约简及多种优化技术来最小化需要编码的阶数,从而提高3D HSFC的编解码效率。理论上证明:当编码或解码一个\begin{document}$k$\end{document}阶的窗体(窗体内总共含有\begin{document}${2^k} \times {2^k} \times {2^k}$\end{document}个点)时,PR-3HE平均每个点的编码阶数不超过2,PR-3HD平均解码阶数不超过8/7。相对于传统的基于迭代的方法,编解码时间复杂度从\begin{document}$O(k)$\end{document}降低到了\begin{document}$O(1)$\end{document}。实验结果表明,该文算法在模拟数据集和真实数据集上的表现显著优于现有算法。
分数阶光敏神经元的动力学特性分析及其同步研究
杨宁宁, 孟诗悦, 吴朝俊
, doi: 10.11999/JEIT230283
摘要:
神经元是神经系统的基本单位,神经元模型的准确性影响对其本质特征的分析和理解。该文研究了由分数阶电容和电感构成的分数阶光敏FitzHugh-Nagumo(FHN)神经元电路。利用分岔图、相轨迹图和时间序列图分析了分数阶光敏神经元模型的动力学特性。研究发现,随着分数阶阶次的降低,分数阶光敏神经元的活跃度增加。当选取不同参数时,神经元系统可以诱发不同的放电模式,如周期放电态、混沌放电态和尖峰放电态。此外,利用电突触耦合的方式连接两个分数阶光敏神经元。通过调整耦合强度,可以实现分数阶光敏神经元系统之间的相位同步和完全同步。最后,采用dSPACE验证了外部光信号对神经元兴奋性的调制作用。
基于二阶统计特性的方向向量估计算法的DOA估计
侯进, 盛尧宝, 张波
, doi: 10.11999/JEIT230172
摘要:
为了减小天线阵流形误差对波达方向(DOA)估计结果的影响,以及克服基于传统盲源分离算法的DOA估计算法不能应用于少通道测向设备的不足,提出一种基于2阶统计特性的方向向量估计算法的DOA估计算法。首先,根据确定性最大似然(DML)估计算法谱函数的特征,构造关于协方差矩阵的酉约束下的优化问题;然后,通过优化该问题获得各个单信号的实际方向向量;最后,将各个单信号的实际方向向量输入到空间谱算法中实现DOA估计。由于将多信号的DOA估计转化为多个单信号的DOA估计,因此在天线阵列流形存在误差时,所提算法比传统的DOA方法具有更好的DOA估计性能。由于所提算法仅需使用协方差矩阵,因此所提算法可应用于少通道测向设备。由仿真实验结果可知,在阵列流形存在误差以及测向设备为少通道测向设备时,与传统DOA方法相比,所提算法的DOA估计的准确度、抗扰度以及分辨率更高。
基于多分量LFM信号时频分析的水声多普勒和时延估计研究
宁更新, 肖若君, 谢靓
, doi: 10.11999/JEIT230068
摘要:
在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。
面向无线传感器网络信息年龄的多无人机轨迹优化算法
胡昊南, 韩铭, 李文鹏, 张杰
, doi: 10.11999/JEIT230458
摘要:
由于无线传感器网络(WSN)中传感器的传输功率有限,同时可能与基站(BS)传输距离较远,造成无法及时交付数据,数据新鲜度过低,影响时延敏感型业务决策质量。因此,采用无人机(UAV)辅助收集传感器数据,成为提升无线传感器网络数据新鲜度的有效手段。该文通过信息年龄(AoI)性能指标评估无线传感器网络数据新鲜度,并基于集中式训练分布式执行框架的多智能体近端策略优化(MAPPO)方法研究了无人机轨迹优化算法。通过联合优化所有无人机的飞行轨迹,实现地面节点平均加权信息年龄的最小化。仿真结果验证了所提多无人机路径规划算法在降低无线传感器网络信息年龄方面的有效性。