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/JEIT221500
摘要:
目前多数的视听分离模型，大多是基于视频特征和音频特征简单拼接，没有充分考虑各个模态的相互关系，导致视觉信息未被充分利用，该文针对此问题提出了新的模型。该文充分考虑视觉特征、音频特征之间的相互联系，采用多头注意力机制，结合稠密光流(Farneback)算法和U-Net网络，提出跨模态融合的光流-视听语音分离(Flow-AVSS)模型。该模型通过Farneback算法和轻量级网络ShuffleNet v2分别提取运动特征和唇部特征，然后将运动特征与唇部特征进行仿射变换，经过时间卷积模块(TCN)得到视觉特征。为充分利用到视觉信息，在进行特征融合时采用多头注意力机制，将视觉特征与音频特征进行跨模态融合，得到融合视听特征，最后融合视听特征经过U-Net分离网络得到分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及源失真比(SDR)评价指标，在AVspeech数据集进行实验测试。研究表明，该文所提方法与纯语音分离网络和仅采用特征拼接的视听分离网络相比，性能上分别提高了2.23 dB和1.68 dB。由此表明，采用跨模态注意力进行特征融合，能更加充分利用各个模态相关性，增加的唇部运动特征，能有效提高视频特征的鲁棒性，提高分离效果。
目前多数的视听分离模型，大多是基于视频特征和音频特征简单拼接，没有充分考虑各个模态的相互关系，导致视觉信息未被充分利用，该文针对此问题提出了新的模型。该文充分考虑视觉特征、音频特征之间的相互联系，采用多头注意力机制，结合稠密光流(Farneback)算法和U-Net网络，提出跨模态融合的光流-视听语音分离(Flow-AVSS)模型。该模型通过Farneback算法和轻量级网络ShuffleNet v2分别提取运动特征和唇部特征，然后将运动特征与唇部特征进行仿射变换，经过时间卷积模块(TCN)得到视觉特征。为充分利用到视觉信息，在进行特征融合时采用多头注意力机制，将视觉特征与音频特征进行跨模态融合，得到融合视听特征，最后融合视听特征经过U-Net分离网络得到分离语音。利用客观语音质量评估(PESQ)、短时客观可懂度(STOI)及源失真比(SDR)评价指标，在AVspeech数据集进行实验测试。研究表明，该文所提方法与纯语音分离网络和仅采用特征拼接的视听分离网络相比，性能上分别提高了2.23 dB和1.68 dB。由此表明，采用跨模态注意力进行特征融合，能更加充分利用各个模态相关性，增加的唇部运动特征，能有效提高视频特征的鲁棒性，提高分离效果。
, 最新更新时间 , doi: 10.11999/JEIT221536
摘要:
针对超密集组网中毫米波通信系统复杂的波束配置问题，该文提出一种基于分布式联邦学习(DFL)的波束配置算法(BMDFL)，旨在利用有限的波束资源实现用户覆盖率最大化。考虑到传统集中式学习存在用户数据安全问题，基于分布式联邦学习框架构建系统模型，从而减少用户隐私信息的泄露。为了实现波束的智能化配置，引入双深度Q学习算法(DDQN)训练系统模型，并通过马尔可夫决策过程将长期的动态优化问题转化为相应的数学模型进行求解。仿真结果从系统的网络吞吐量和用户覆盖率方面验证了该方法的有效性和鲁棒性。
针对超密集组网中毫米波通信系统复杂的波束配置问题，该文提出一种基于分布式联邦学习(DFL)的波束配置算法(BMDFL)，旨在利用有限的波束资源实现用户覆盖率最大化。考虑到传统集中式学习存在用户数据安全问题，基于分布式联邦学习框架构建系统模型，从而减少用户隐私信息的泄露。为了实现波束的智能化配置，引入双深度Q学习算法(DDQN)训练系统模型，并通过马尔可夫决策过程将长期的动态优化问题转化为相应的数学模型进行求解。仿真结果从系统的网络吞吐量和用户覆盖率方面验证了该方法的有效性和鲁棒性。
, 最新更新时间 , 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%。
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%。
, 最新更新时间 , 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。
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。
, 最新更新时间 , doi: 10.11999/JEIT221491
摘要:
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
基于脑电信号(EEG)的操作员认知负荷识别(CWR)在人机交互系统和被动式脑机接口中有重要价值，然而EEG的非稳态性和被试差异性极大阻碍了跨操作员CWR这一现实场景的快速应用。该文针对跨操作员CWR精度低等问题，提出一种基于卷积神经网络(CNN)和领域泛化(DG)的联合共享特征优化方法(CNN_DG)。该方法通过使用已有操作员(源域)的数据提高未知操作员(目标域)的CWR性能，其主要包括3个模块：深度特征提取器、标签分类器和领域泛化器。深度特征提取器学习可迁移的源域之间的共享知识表征；标签分类器进一步学习深层表征并预测负荷级别；领域泛化器通过与特征提取器进行对抗训练来减少源域间的数据分布差异，从而保证学习特征的共享性。该文在多属性任务组(MATB II)模拟飞行任务竞赛数据集1和2上进行两个三分类的跨操作员CWR实验，并采用留一被试交叉验证策略验证模型识别性能。实验结果表明所提CNN_DG方法显著优于比较方法，验证了其在跨操作员CWR领域的有效性和泛化性。
, 最新更新时间 , doi: 10.11999/JEIT221517
摘要:
由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负，边缘计算网络(ECN)被提出以减轻云服务器的负担。此外，在ECN中启用联邦学习(FL)，可以实现数据本地化处理，从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中，中央服务器容易受到单点攻击，导致系统性能下降，甚至任务失败。本文在ECN场景下，提出基于区块链技术的异步FL算法(AFLChain)，该算法基于ENs算力动态分配训练任务，以提高学习效率。此外，基于ENs算力、模型训练进度以及历史信誉值，引入熵权信誉机制评估ENs积极性并对其分级，淘汰低质EN以进一步提高AFLChain的性能。最后，提出基于次梯度的最优资源分配(SORA)算法，通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况，证明了所提算法的有效性。
由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负，边缘计算网络(ECN)被提出以减轻云服务器的负担。此外，在ECN中启用联邦学习(FL)，可以实现数据本地化处理，从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中，中央服务器容易受到单点攻击，导致系统性能下降，甚至任务失败。本文在ECN场景下，提出基于区块链技术的异步FL算法(AFLChain)，该算法基于ENs算力动态分配训练任务，以提高学习效率。此外，基于ENs算力、模型训练进度以及历史信誉值，引入熵权信誉机制评估ENs积极性并对其分级，淘汰低质EN以进一步提高AFLChain的性能。最后，提出基于次梯度的最优资源分配(SORA)算法，通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况，证明了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT221496
摘要:
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
目前基于稳态视觉诱发电位(SSVEP)的脑机接口在人机协作中受到广泛关注，但较短时长 SSVEP 信号仍面临信噪比较低、特征提取不充分的问题。该文从频域、时域以及空域3个角度分析并提取SSVEP信号特征。首先该方法从由频域实部信息和虚部信息整合的3维重校正特征矩阵中提取幅值和相位特征信息。然后在时域中通过训练多个刺激时窗尺度的样本增强模型表征能力。最后利用不同尺度的1维卷积核，并行提取通道空间和频域上的多尺度特征信息。该文在两种不同的视觉刺激频率和频率间隔的公开数据集上进行实验，在时窗为1 s时的平均准确率和平均信息传输率(ITR)均优于现有的其他方法。
, 最新更新时间 , doi: 10.11999/JEIT230072
摘要:
针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统，该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开，利用去噪卷积神经网络代替传统的去噪器，对含噪的时延多普勒信道进行去噪估计，然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明，相比于其他估计方案，该方案不仅在低信噪比条件下具有优越的性能表现，而且还具有非常好的鲁棒性，在信道路径总数不变时，增加OTFS 2维网格点数量，可以有效提升信道估计精确度。
针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统，该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开，利用去噪卷积神经网络代替传统的去噪器，对含噪的时延多普勒信道进行去噪估计，然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明，相比于其他估计方案，该方案不仅在低信噪比条件下具有优越的性能表现，而且还具有非常好的鲁棒性，在信道路径总数不变时，增加OTFS 2维网格点数量，可以有效提升信道估计精确度。
, 最新更新时间 , 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。
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。
, 最新更新时间 , doi: 10.11999/JEIT221386
摘要:
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
针对在新能源汽车有限的车载能源资源约束条件下，如何解决行驶时效性不足的问题，该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络，并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后，基于收敛型蛛网设计了非线性定价协商算法，联合区块链技术分布式存储车辆信誉值数据库，确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真，验证了所提算法在区块链下的有效性和收敛性，并求出该算法的最优步长及其系数。
, 最新更新时间 , doi: 10.11999/JEIT221563
摘要:
考虑时钟异步和声波分层效应的影响，该文研究了当测量过程受到未知噪声干扰，且锚节点位置不确定时水下目标节点的定位问题。首先构造了水下节点间飞行时间模型，设计了一种交互式异步通信协议，建立了最小化定位误差的优化目标函数。然后提出了一种基于深度强化学习的水下目标定位算法，并采用层归一化来改进深度神经网络，进一步提高模型的泛化能力。最后，仿真和实验结果验证所提方法的有效性。
考虑时钟异步和声波分层效应的影响，该文研究了当测量过程受到未知噪声干扰，且锚节点位置不确定时水下目标节点的定位问题。首先构造了水下节点间飞行时间模型，设计了一种交互式异步通信协议，建立了最小化定位误差的优化目标函数。然后提出了一种基于深度强化学习的水下目标定位算法，并采用层归一化来改进深度神经网络，进一步提高模型的泛化能力。最后，仿真和实验结果验证所提方法的有效性。
, 最新更新时间 , 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。
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。
, 最新更新时间 , doi: 10.11999/JEIT221507
摘要:
柱面毫米波合成孔径雷达(CSAR)是近距离非接触成像领域的重要技术之一。基于傅里叶变换理论的高分辨成像算法需要通过2维插值消除波数域数据在方位维和距离维的非均匀性。但是这两个维度呈现出同心圆环状的高度耦合，导致传统基于2维逐点遍历的插值方法时间复杂度高，成像算法效率低。为此，该文基于解析解的CSAR成像算法推导，提出了同心方形网格的插值分解方法。通过补零、径向1维插值和分区处理消除波数域方位维和距离维的强耦合性，并在两个分区进行独立的1维插值实现2维非均匀波数域的均匀重采样，获得最终同心方形环带均匀填充的波数域样式。通过实验验证了所提算法能有效降低2维插值的时间复杂度，并且所提算法插值处理时间提升了7倍，与算法复杂度理论分析结果吻合。
柱面毫米波合成孔径雷达(CSAR)是近距离非接触成像领域的重要技术之一。基于傅里叶变换理论的高分辨成像算法需要通过2维插值消除波数域数据在方位维和距离维的非均匀性。但是这两个维度呈现出同心圆环状的高度耦合，导致传统基于2维逐点遍历的插值方法时间复杂度高，成像算法效率低。为此，该文基于解析解的CSAR成像算法推导，提出了同心方形网格的插值分解方法。通过补零、径向1维插值和分区处理消除波数域方位维和距离维的强耦合性，并在两个分区进行独立的1维插值实现2维非均匀波数域的均匀重采样，获得最终同心方形环带均匀填充的波数域样式。通过实验验证了所提算法能有效降低2维插值的时间复杂度，并且所提算法插值处理时间提升了7倍，与算法复杂度理论分析结果吻合。
, 最新更新时间 , doi: 10.11999/JEIT220530
摘要:
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
时间敏感网络是智能工厂内网的核心技术之一。智能工厂内存在多种需求各异的业务流。为保证关键业务流的性能，同时提升网络带宽利用率，该文提出一种时隙感知循环排队转发流量整形机制(TSA-CQF)。TSA-CQF通过将低优先级流量插入CQF奇偶队列中剩余可用时隙中传输提高带宽利用率。TSA-CQF机制包括低优先级流量的时隙感知插入和全局流量规划两个部分。低优先级流量的时隙感知插入是在CQF队列出队时，通过感知奇偶队列剩余时隙的大小，将低优先级流量插入到奇偶队列的剩余时隙进行传输。将全局流量规划建模为多条件约束目标优化问题，通过模拟退火算法求解，完成全局流量的调度，提高可调度流数目，进一步提高资源利用率。仿真结果表明，在混合流量条件下TSA-CQF比传统CQF机制平均提高了带宽利用率11.29%。与传统的CQF相比，TSA-CQF在牺牲一定调度策略生成时间的前提下，能明显提高带宽利用率并且降低最坏端到端时延。
, 最新更新时间 , doi: 10.11999/JEIT220601
摘要:
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
行人重识别(ReID)旨在跨监控摄像头下检索出特定的行人目标。为聚合行人图像的多粒度特征并进一步解决深层特征映射相关性的问题，该文提出基于CNN和TransFormer多尺度学习行人重识别方法(CTM)进行端对端的学习。CTM网络由全局分支、深度聚合分支和特征金字塔分支组成，其中全局分支提取行人图像全局特征，提取具有不同尺度的层次特征；深度聚合分支循环聚合CNN的层次特征，提取多尺度特征；特征金字塔分支是一个双向的金字塔结构，在注意力模块和正交正则化操作下，能够显著提高网络的性能。大量实验结果表明了该文方法的有效性，在Market1501, DukeMTMC-reID和MSMT17数据集上，mAP/Rank-1分别达到了90.2%/96.0%, 82.3%/91.6%和63.2%/83.7%，优于其他现有方法。
, 最新更新时间 , doi: 10.11999/JEIT220667
摘要:
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
对于海上机动目标，采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题，为了使机动目标回波能量做最佳化的相参积累，需要反复搜索变换阶数，然而由于海上目标机动状态的随机性和时变性，难以搜索得到最佳变换阶数。针对这一问题，该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取，设计特征检测统计量，提出基于分数阶域奇异值的海杂波抑制与目标检测方法，在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下，所提方法在信杂比为–2.5 dB时可以达到60%的检测概率；经过实测数据验证，方法可以在信杂比为4.7 dB的条件下，稳定完成目标检测，具有较好的检测性能，且易于工程化实现。
, 最新更新时间 , doi: 10.11999/JEIT220529
摘要:
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
为了缓解联邦学习中跨不同用户终端数据非独立同分布(non-IID)引起的负面影响，该文提出一种基于谱聚类的傅里叶个性化联邦学习算法。具体地，构建一个面向图像分类识别的云边端协同个性化联邦学习模型，提出在云端协同下通过谱聚类将用户终端划分为多个聚类域，以充分利用相似用户终端学到的知识提升模型性能。其次，设计边端协同的局部联邦学习方法，通过代理模型在用户终端对个性化局部模型执行恢复与再更新的操作，可有效恢复聚合过程中丢失的本地知识。进一步地，设计云边协同的傅里叶个性化联邦学习方法，即云服务器通过傅里叶变换将局部模型参数转换到频域空间上进行聚合，为每个边缘节点定制高质量的个性化局部模型，可使全局模型更适用于各个分布式用户终端。最后，实验结果表明，与现有相关算法相比，所提算法收敛速度更快，准确率提高了3%～13%。
, 最新更新时间 , doi: 10.11999/JEIT220603
摘要:
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
作为深度学习技术的核心算法，深度神经网络容易对添加了微小扰动的对抗样本产生错误的判断，这种情况的出现对深度学习模型的安全性带来了新的挑战。深度学习模型对对抗样本的抵抗能力被称为鲁棒性，为了进一步提升经过对抗训练算法训练的模型的鲁棒性，该文提出一种基于信息瓶颈的深度学习模型对抗训练算法。其中，信息瓶颈以信息论为基础，描述了深度学习的过程，使深度学习模型能够更快地收敛。所提算法使用信息瓶颈理论提出的优化目标推导出的结论，将模型中输入到线性分类层的张量加入损失函数，通过样本交叉训练的方式将干净样本与对抗样本输入模型时得到的高层特征对齐，使模型在训练过程中能够更好地学习输入样本与其真实标签的关系，最终对对抗样本具有良好的鲁棒性。实验结果表明，所提算法对多种对抗攻击均具有良好的鲁棒性，并且在不同的数据集与模型中具有泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT220659
摘要:
智能反射面(IRS)能够实时调整无线传输环境提高通信效率，在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题：考虑功率和恒模约束以及IRS链路之间的相关性，以最大化安全传输速率为目标，构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明，相较于传统算法，该文算法具有较高处理效率有效提高系统安全性，也进一步表明分布式部署IRS比集中部署安全性能更优。
智能反射面(IRS)能够实时调整无线传输环境提高通信效率，在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题：考虑功率和恒模约束以及IRS链路之间的相关性，以最大化安全传输速率为目标，构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明，相较于传统算法，该文算法具有较高处理效率有效提高系统安全性，也进一步表明分布式部署IRS比集中部署安全性能更优。
, 最新更新时间 , doi: 10.11999/JEIT220596
摘要:
3维卷积神经网络(3D CNN)是近几年来深度学习研究中的热点，在计算机视觉领域取得了诸多成就。虽然研究多年且成果丰富，但目前仍缺少关于此内容全面、细致的综述。基于此，该文从以下几个方面对其进行综述：首先阐述3维卷积神经网络的基本原理和模型结构，接着从网络结构、网络内部和优化方法总结3维卷积神经网络的相关改进工作，然后对3维卷积神经网络在视频理解领域中的应用进行总结，最后总结全文内容并对未来发展方向进行展望。该文针对3维卷积神经网络的最新研究进展以及在视频理解领域中的应用进行了系统的综述，对3维卷积神经网络的研究发展具有一定的积极意义。
3维卷积神经网络(3D CNN)是近几年来深度学习研究中的热点，在计算机视觉领域取得了诸多成就。虽然研究多年且成果丰富，但目前仍缺少关于此内容全面、细致的综述。基于此，该文从以下几个方面对其进行综述：首先阐述3维卷积神经网络的基本原理和模型结构，接着从网络结构、网络内部和优化方法总结3维卷积神经网络的相关改进工作，然后对3维卷积神经网络在视频理解领域中的应用进行总结，最后总结全文内容并对未来发展方向进行展望。该文针对3维卷积神经网络的最新研究进展以及在视频理解领域中的应用进行了系统的综述，对3维卷积神经网络的研究发展具有一定的积极意义。
, 最新更新时间 , doi: 10.11999/JEIT220551
摘要:
低剂量CT(LDCT)图像可大幅降低X射线辐射剂量，但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像，以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果，导致该方法运行速度过慢。因此，该文提出一种用于LDCT降噪的目标偏移DIP加速算法，旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性，该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来，在上一切片对应的网络参数的基础上更新当前切片对应的网络参数，并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础；由于DIP网络的输入是固定的随机张量，与目标图像差距较大，该文利用传统降噪模型预处理后的LDCT图像作为网络输入，进一步提高网络迭代速度。实验表明，不使用传统模型预处理时，与原DIP网络运行速度相比，该文所提出的加速算法可以将迭代速度提高10.45%；当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时，图像峰值信噪比不仅可以达到29.13，而且总迭代速度可以提高94.31%。综上所述，该文算法可在保持DIP降噪效果的基础上，大幅度提高运行速度，特别是RTV模型预处理后的CT图像作为网络输入时，对提高运行速度的效果更加明显。
低剂量CT(LDCT)图像可大幅降低X射线辐射剂量，但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像，以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果，导致该方法运行速度过慢。因此，该文提出一种用于LDCT降噪的目标偏移DIP加速算法，旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性，该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来，在上一切片对应的网络参数的基础上更新当前切片对应的网络参数，并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础；由于DIP网络的输入是固定的随机张量，与目标图像差距较大，该文利用传统降噪模型预处理后的LDCT图像作为网络输入，进一步提高网络迭代速度。实验表明，不使用传统模型预处理时，与原DIP网络运行速度相比，该文所提出的加速算法可以将迭代速度提高10.45%；当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时，图像峰值信噪比不仅可以达到29.13，而且总迭代速度可以提高94.31%。综上所述，该文算法可在保持DIP降噪效果的基础上，大幅度提高运行速度，特别是RTV模型预处理后的CT图像作为网络输入时，对提高运行速度的效果更加明显。
, 最新更新时间 , doi: 10.11999/JEIT220503
摘要:
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能，该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法，阐释了3种方法的原理，搭建了对应的原理验证系统，对不同的移频方法进行了实验与分析。结果表明，3种移频方法都可以实现精准的微波信号移频，实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性：AOFS的工作频率、带宽和移频方向较为固定，可调谐性低；SPM移频与I/Q调制对输入驱动信号要求严格，系统稳定性较差。
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能，该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法，阐释了3种方法的原理，搭建了对应的原理验证系统，对不同的移频方法进行了实验与分析。结果表明，3种移频方法都可以实现精准的微波信号移频，实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性：AOFS的工作频率、带宽和移频方向较为固定，可调谐性低；SPM移频与I/Q调制对输入驱动信号要求严格，系统稳定性较差。
, 最新更新时间 , doi: 10.11999/JEIT220693
摘要:
针对空中匀速飞行运动目标所激发的水声信号特征，该文将传统的2维平面内估计目标飞行高度、速度等参数的问题扩展到3维空间，可以求解飞行时偏航距离，更符合实际情况，解决了空中快速飞行目标状态3维参数估计问题。该文首先以直升机离散线谱为特征声源，建立其在空气-水两层介质中声学多普勒的3维传播模型，考虑了目标的飞行速度、高度和偏离水听器的偏航距离。然后根据多普勒频移曲线及其1阶、2阶导数的不对称性，推导出水下探空应用中飞行器的3维参数估计方法。最后，通过分析单水听器接收的实测信号，验证了文章构建3维空间多普勒频移飞行参数估计模型的合理性及APP-LMS算法相较于短时傅里叶瞬时频率估计算法能够更准确反演直升机的航行参数。
针对空中匀速飞行运动目标所激发的水声信号特征，该文将传统的2维平面内估计目标飞行高度、速度等参数的问题扩展到3维空间，可以求解飞行时偏航距离，更符合实际情况，解决了空中快速飞行目标状态3维参数估计问题。该文首先以直升机离散线谱为特征声源，建立其在空气-水两层介质中声学多普勒的3维传播模型，考虑了目标的飞行速度、高度和偏离水听器的偏航距离。然后根据多普勒频移曲线及其1阶、2阶导数的不对称性，推导出水下探空应用中飞行器的3维参数估计方法。最后，通过分析单水听器接收的实测信号，验证了文章构建3维空间多普勒频移飞行参数估计模型的合理性及APP-LMS算法相较于短时傅里叶瞬时频率估计算法能够更准确反演直升机的航行参数。
, 最新更新时间 , doi: 10.11999/JEIT220561
摘要:
DNA存储因具有密度大、保存时间长及维护成本低等优点，为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景，DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型，给出了未来DNA存储文件系统模型及具备的特点；然后，系统性综述了DNA存储文件系统研究进展；最后，对未来DNA存储文件系统研究进行了展望。
DNA存储因具有密度大、保存时间长及维护成本低等优点，为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景，DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型，给出了未来DNA存储文件系统模型及具备的特点；然后，系统性综述了DNA存储文件系统研究进展；最后，对未来DNA存储文件系统研究进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT221361
摘要:
现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题，这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性，使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息，实现自适应的视觉信息处理，有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题，该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中，受生物视觉多通路特性启发，该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路，源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像，而后再通过可学习的加权网络生成最终的融合图像。此外，该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块，并将其应用于所提出框架中。定性与定量实验结果表明，该文所提方法在主观上能够显著提升融合图像的图像质量，同时在客观评估指标上优于现有融合算法。
现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题，这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性，使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息，实现自适应的视觉信息处理，有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题，该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中，受生物视觉多通路特性启发，该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路，源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像，而后再通过可学习的加权网络生成最终的融合图像。此外，该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块，并将其应用于所提出框架中。定性与定量实验结果表明，该文所提方法在主观上能够显著提升融合图像的图像质量，同时在客观评估指标上优于现有融合算法。
, 最新更新时间 , doi: 10.11999/JEIT230026
摘要:
针对水声传感器网络路由过程中的空洞问题和数据传输中能效低下的问题，该文提出了融合深度调整和自适应转发的水声网络机会路由(OR-DAAF)。针对路由空洞，区别于传统绕路策略，OR-DAAF提出一种基于拓扑控制的空洞恢复模式算法——利用剩余能量对空洞节点分级，先后调整空洞节点到新的深度以克服路由空洞，恢复网络联通。针对数据传输中的能效低下问题，OR-DAAF提出了转发区域划分机制，通过转发区域的选择自适应转发面积以抑制冗余包，并提出基于加权推进距离，能量和链路质量的多跳多目标路由决策指标，综合考虑区域能量，链路质量和推进距离实现能效平衡。实验数据表明，相比DVOR协议，OR-DAAF的包投递率和生命周期分别提高10%和48.7%，端到端时延减少22%。
针对水声传感器网络路由过程中的空洞问题和数据传输中能效低下的问题，该文提出了融合深度调整和自适应转发的水声网络机会路由(OR-DAAF)。针对路由空洞，区别于传统绕路策略，OR-DAAF提出一种基于拓扑控制的空洞恢复模式算法——利用剩余能量对空洞节点分级，先后调整空洞节点到新的深度以克服路由空洞，恢复网络联通。针对数据传输中的能效低下问题，OR-DAAF提出了转发区域划分机制，通过转发区域的选择自适应转发面积以抑制冗余包，并提出基于加权推进距离，能量和链路质量的多跳多目标路由决策指标，综合考虑区域能量，链路质量和推进距离实现能效平衡。实验数据表明，相比DVOR协议，OR-DAAF的包投递率和生命周期分别提高10%和48.7%，端到端时延减少22%。
, 最新更新时间 , doi: 10.11999/JEIT221582
摘要:
多无人车(multi-UGV)分散在军事作战任务中应用非常广泛，现有方法较为复杂，规划时间较长，且适用性不强。针对此问题，该文提出了一种基于拍卖多智能体深度确定性策略梯度(AU-MADDPG)算法的多无人车分散策略。在单无人车模型的基础上，建立基于深度强化学习的多无人车分散模型。对MADDPG结构进行优化，采用拍卖算法计算总路径最短时各无人车所对应的分散点，降低分散点分配的随机性，结合MADDPG算法规划路径，提高训练效率及运行效率；优化奖励函数，考虑训练过程中及结束两个阶段，全面考虑约束，将多约束问题转化为奖励函数设计问题，实现奖励函数最大化。仿真结果表明：与传统MADDPG算法相比，所提算法在训练时间上缩短了3.96%，路径总长度减少14.50%，解决分散问题时更为有效，可作为此类问题的通用解决方案。
多无人车(multi-UGV)分散在军事作战任务中应用非常广泛，现有方法较为复杂，规划时间较长，且适用性不强。针对此问题，该文提出了一种基于拍卖多智能体深度确定性策略梯度(AU-MADDPG)算法的多无人车分散策略。在单无人车模型的基础上，建立基于深度强化学习的多无人车分散模型。对MADDPG结构进行优化，采用拍卖算法计算总路径最短时各无人车所对应的分散点，降低分散点分配的随机性，结合MADDPG算法规划路径，提高训练效率及运行效率；优化奖励函数，考虑训练过程中及结束两个阶段，全面考虑约束，将多约束问题转化为奖励函数设计问题，实现奖励函数最大化。仿真结果表明：与传统MADDPG算法相比，所提算法在训练时间上缩短了3.96%，路径总长度减少14.50%，解决分散问题时更为有效，可作为此类问题的通用解决方案。
, 最新更新时间 , doi: 10.11999/JEIT230051
摘要:
车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式，然而边缘服务器在整合可再生能源方面的能力较差。因此，为了提高边缘服务器的能效，该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中，车辆配备能源收集(EH)设备，通过彼此间共享绿色能源和计算资源协作执行任务。为有效促进车辆的参与积极性，该文通过动态定价激励车辆，并综合考虑了车辆的移动性、任务优先级等。为了使卸载决策适应动态环境的变化，该文提出了一种基于双延迟深度确定性策略梯度(TD3)的任务卸载方法，以在最大化所有车辆平均任务完成效用的同时减少边缘端电网电力的使用。最后，仿真结果验证了该方法的有效性，相比基于深度确定性策略梯度(DDPG)和基于贪心原则(GPE)的方法在性能上分别提升了7.34%和37.47%。
车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式，然而边缘服务器在整合可再生能源方面的能力较差。因此，为了提高边缘服务器的能效，该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中，车辆配备能源收集(EH)设备，通过彼此间共享绿色能源和计算资源协作执行任务。为有效促进车辆的参与积极性，该文通过动态定价激励车辆，并综合考虑了车辆的移动性、任务优先级等。为了使卸载决策适应动态环境的变化，该文提出了一种基于双延迟深度确定性策略梯度(TD3)的任务卸载方法，以在最大化所有车辆平均任务完成效用的同时减少边缘端电网电力的使用。最后，仿真结果验证了该方法的有效性，相比基于深度确定性策略梯度(DDPG)和基于贪心原则(GPE)的方法在性能上分别提升了7.34%和37.47%。
, 最新更新时间 , doi: 10.11999/JEIT221599
摘要:
在车联网中，基于位置的服务(LBS)的兴趣点(POI)查询被广泛用于车载应用中。但是，由于攻击者容易获取车辆位置、查询内容以及其它额外信息，单独对位置隐私或查询隐私进行保护很难保障车载用户的隐私安全，使得对位置隐私和查询隐私开展联合保护越发关键。为此，该文提出一种基于虚拟序列的位置隐私和查询隐私联合保护机制。首先根据POI查询的限制，分析位置隐私和查询隐私的相关性，运用欧几里得距离和关联规则算法对其建模描述，得到相关性判断模型；然后基于虚拟序列，根据影响隐私保护的因素和真实查询的相关性值，将联合保护转化为虚拟序列的选择问题，建立联合保护优化模型，得到匿名程度高且匿名区域大的匿名查询集，防止攻击者识别出真实查询。最后，实验结果表明，与现有方案相比，提出的联合保护机制能抵御针对位置隐私和查询隐私的联合攻击(语义范围攻击、时间关联攻击和长期观察攻击)，能更有效地保护用户的LBS隐私。
在车联网中，基于位置的服务(LBS)的兴趣点(POI)查询被广泛用于车载应用中。但是，由于攻击者容易获取车辆位置、查询内容以及其它额外信息，单独对位置隐私或查询隐私进行保护很难保障车载用户的隐私安全，使得对位置隐私和查询隐私开展联合保护越发关键。为此，该文提出一种基于虚拟序列的位置隐私和查询隐私联合保护机制。首先根据POI查询的限制，分析位置隐私和查询隐私的相关性，运用欧几里得距离和关联规则算法对其建模描述，得到相关性判断模型；然后基于虚拟序列，根据影响隐私保护的因素和真实查询的相关性值，将联合保护转化为虚拟序列的选择问题，建立联合保护优化模型，得到匿名程度高且匿名区域大的匿名查询集，防止攻击者识别出真实查询。最后，实验结果表明，与现有方案相比，提出的联合保护机制能抵御针对位置隐私和查询隐私的联合攻击(语义范围攻击、时间关联攻击和长期观察攻击)，能更有效地保护用户的LBS隐私。
, 最新更新时间 , doi: 10.11999/JEIT221367
摘要:
相对于传统人工神经网络(ANN)，脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而，对于目标检测任务，SNN存在训练难度大、精度低等问题。针对上述问题，该文提出了一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先，设计了一种DT-LIF神经元模型，该模型可根据累积的膜电位动态调整神经元的阈值，以驱动深层网络的脉冲活动，提高推理速度。同时，以DT-LIF神经元为基元，构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone)，具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明，相对于LIF神经元网络，DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法，所提出方法的目标检测精度提高了17.9%。
相对于传统人工神经网络(ANN)，脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而，对于目标检测任务，SNN存在训练难度大、精度低等问题。针对上述问题，该文提出了一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先，设计了一种DT-LIF神经元模型，该模型可根据累积的膜电位动态调整神经元的阈值，以驱动深层网络的脉冲活动，提高推理速度。同时，以DT-LIF神经元为基元，构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone)，具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明，相对于LIF神经元网络，DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法，所提出方法的目标检测精度提高了17.9%。
, 最新更新时间 , doi: 10.11999/JEIT221537
摘要:
双功能雷达通信系统(DFRC)是有效解决未来网络频谱资源拥挤问题的理想技术之一，该文还引入了可重构智能表面(RIS)技术，旨在提升用户的加权和速率和系统的探测性能。首先在雷达功率约束和可重构智能表面的恒定模约束以及通信的整体功率预算下，构建了通信用户的加权和速率和系统探测性能最大化的优化模型。通过联合优化基站的主动波束和可重构智能表面的无源被动波束形成，该文设计了一种有效的基于加权最小均方误差、分式规划和流形优化的交替优化算法，将非凸优化问题转化为两个子问题并利用迭代进行求解。仿真结果表明，所提方案对解决该问题的有效性和对用户加权和速率在较低迭代次数下达到收敛，并且可使用户的加权和速率上限提升0.86 bit/(s·Hz)和使系统探测更具方向性。
双功能雷达通信系统(DFRC)是有效解决未来网络频谱资源拥挤问题的理想技术之一，该文还引入了可重构智能表面(RIS)技术，旨在提升用户的加权和速率和系统的探测性能。首先在雷达功率约束和可重构智能表面的恒定模约束以及通信的整体功率预算下，构建了通信用户的加权和速率和系统探测性能最大化的优化模型。通过联合优化基站的主动波束和可重构智能表面的无源被动波束形成，该文设计了一种有效的基于加权最小均方误差、分式规划和流形优化的交替优化算法，将非凸优化问题转化为两个子问题并利用迭代进行求解。仿真结果表明，所提方案对解决该问题的有效性和对用户加权和速率在较低迭代次数下达到收敛，并且可使用户的加权和速率上限提升0.86 bit/(s·Hz)和使系统探测更具方向性。
, 最新更新时间 , doi: 10.11999/JEIT220513
摘要:
针对传统优化算法在求解长时间尺度内通信无人机(UAV)动态部署时复杂度过高且难以与动态环境信息匹配等缺陷，该文提出一种基于多智能体深度强化学习(MADRL)的UAV动态预部署策略。首先利用一种深度时空网络模型预测用户的预期速率需求以捕捉动态环境信息，定义用户满意度的概念以刻画用户所获得UAV提供服务的公平性，并以最大化长期总体用户满意度和最小化UAV移动及发射能耗为目标建立优化模型。其次，将上述模型转化为部分可观测马尔科夫博弈过程(POMG)，并提出一种基于MADRL的H-MADDPG算法求解该POMG中轨迹规划、用户关联和功率分配的最佳决策。该H-MADDPG算法使用混合网络结构以实现对多模态输入的特征提取，并采用集中式训练-分布式执行的机制以高效地训练和执行决策。最后仿真结果证明了所提算法的有效性。
针对传统优化算法在求解长时间尺度内通信无人机(UAV)动态部署时复杂度过高且难以与动态环境信息匹配等缺陷，该文提出一种基于多智能体深度强化学习(MADRL)的UAV动态预部署策略。首先利用一种深度时空网络模型预测用户的预期速率需求以捕捉动态环境信息，定义用户满意度的概念以刻画用户所获得UAV提供服务的公平性，并以最大化长期总体用户满意度和最小化UAV移动及发射能耗为目标建立优化模型。其次，将上述模型转化为部分可观测马尔科夫博弈过程(POMG)，并提出一种基于MADRL的H-MADDPG算法求解该POMG中轨迹规划、用户关联和功率分配的最佳决策。该H-MADDPG算法使用混合网络结构以实现对多模态输入的特征提取，并采用集中式训练-分布式执行的机制以高效地训练和执行决策。最后仿真结果证明了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT220541
摘要:
正交时序复用( Orthogonal Time Sequency Multiplexing, OTSM)通过级联时分和沃尔什-哈达玛(WHT)复用将信息符号在时延和序列域进行复用。由于WHT在调制解调过程不需要进行复杂的乘法运算，相比于正交时频空(OTFS)调制有更低的调制复杂度。该文针对高速移动环境下的OTSM系统提出了一种二级均衡器：首先利用信道矩阵的稀疏性和带状结构在时域逐块进行低复杂度MMSE检测；随后采用高斯-赛德尔(GS)迭代检测进一步消除残余符号干扰。仿真结果表明，所提算法与基于单抽头频域均衡的GS迭代检测算法相比，采用16QAM调制且误码率为10–4时有1.8 dB性能增益。
正交时序复用( Orthogonal Time Sequency Multiplexing, OTSM)通过级联时分和沃尔什-哈达玛(WHT)复用将信息符号在时延和序列域进行复用。由于WHT在调制解调过程不需要进行复杂的乘法运算，相比于正交时频空(OTFS)调制有更低的调制复杂度。该文针对高速移动环境下的OTSM系统提出了一种二级均衡器：首先利用信道矩阵的稀疏性和带状结构在时域逐块进行低复杂度MMSE检测；随后采用高斯-赛德尔(GS)迭代检测进一步消除残余符号干扰。仿真结果表明，所提算法与基于单抽头频域均衡的GS迭代检测算法相比，采用16QAM调制且误码率为10–4时有1.8 dB性能增益。
, 最新更新时间 , doi: 10.11999/JEIT220644
摘要:
尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题，该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network, MSIANet)。首先，设计了一个多尺度注意力模块，该模块使用4个具有不同感受野的分支提取不同尺度的特征，并将各分支提取的尺度特征进行交互，同时，使用注意力机制来限制多列网络的特征相似性问题。其次，在多尺度注意力模块的基础上设计了一个语义信息融合模块，该模块将主干网络的不同层次的语义信息进行交互，并将多尺度注意力模块分层堆叠，以充分利用多层语义信息。最后，基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络，该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明，与现有代表性的人群计数方法相比，该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。
尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题，该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network, MSIANet)。首先，设计了一个多尺度注意力模块，该模块使用4个具有不同感受野的分支提取不同尺度的特征，并将各分支提取的尺度特征进行交互，同时，使用注意力机制来限制多列网络的特征相似性问题。其次，在多尺度注意力模块的基础上设计了一个语义信息融合模块，该模块将主干网络的不同层次的语义信息进行交互，并将多尺度注意力模块分层堆叠，以充分利用多层语义信息。最后，基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络，该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明，与现有代表性的人群计数方法相比，该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT221509
摘要:
针对6G物联网中信道误差影响与用户采集能量的公平性问题，该文在用户信干噪比受限、发射功率约束和反射相位模一约束的条件下，研究了智能反射面(IRS)辅助的信息与能量同传(SWIPT)系统中公平性采集能量最大化问题。为了解决该非凸问题，分别运用Schur-Complement和S-Procedure将无限维约束转换为有限维的矩阵线性不等式，然后利用罚函数和连续凸逼近的方法将难以求解的原问题转化为标准的凸优化问题，进而提出了一种迭代的鲁棒公平性能量采集算法。数值结果表明，所提的鲁棒优化算法能够明显提升网络采集的公平性能量。
针对6G物联网中信道误差影响与用户采集能量的公平性问题，该文在用户信干噪比受限、发射功率约束和反射相位模一约束的条件下，研究了智能反射面(IRS)辅助的信息与能量同传(SWIPT)系统中公平性采集能量最大化问题。为了解决该非凸问题，分别运用Schur-Complement和S-Procedure将无限维约束转换为有限维的矩阵线性不等式，然后利用罚函数和连续凸逼近的方法将难以求解的原问题转化为标准的凸优化问题，进而提出了一种迭代的鲁棒公平性能量采集算法。数值结果表明，所提的鲁棒优化算法能够明显提升网络采集的公平性能量。
, 最新更新时间 , doi: 10.11999/JEIT221478
摘要:
针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题，该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征；然后引入时空池化操作来消除事件在时间和空间上的冗余，保留显著的运动特征；最后，将特征事件流输入脉冲神经网络进行学习与识别。在基准的动态视觉数据集上的实验结果表明，动态视觉运动特征可显著提升SNN对于事件流的识别精度与计算速度。
针对现有脉冲神经网络(SNN)对动态视觉事件流识别精度低与实时性差等问题，该文提出一种基于动态视觉运动特征的脉冲神经网络识别方法。首先利用基于事件的运动历史信息表示与梯度方向计算提取事件流中的动态运动特征；然后引入时空池化操作来消除事件在时间和空间上的冗余，保留显著的运动特征；最后，将特征事件流输入脉冲神经网络进行学习与识别。在基准的动态视觉数据集上的实验结果表明，动态视觉运动特征可显著提升SNN对于事件流的识别精度与计算速度。
, 最新更新时间 , doi: 10.11999/JEIT221435
摘要:
当前研究设计的超表面吸波器(MSA)具有良好的电磁(EM)波吸收特性，然而很少考虑入射电磁波形式和功率的影响。该文提出一种在相同频率下可以选择性吸收特定脉冲波的非线性电路MSA。设计的MSA单元结构由集成二极管与电阻电容并联的非线性电路的金属方环形谐振器，中间介质基板隔离层和底部接地层组成。结果显示该MSA对50 ns的短脉冲波在3.2 GHz吸收率可达97%，而对应同频率下的连续波吸收率只有21%。在3.2 GHz附近，该MSA对50 ns短脉冲波吸收率随着功率不同而动态调节且总保持在60%以上，而对应的连续波吸收率只固定在20%左右。当增大脉冲宽度时，设计的MSA吸收率先增大后显著减小。功率为0 dBm和–4 dBm的脉冲波TE模和TM模斜入射情况下，设计的MSA吸收率仍然超过60%。进一步的研究结果表明该MSA对短脉冲波吸收特性严重依赖于非线性电路电容以及单元结构几何参数设计。该研究在无线通信、抗电磁干扰、电磁兼容等领域具有潜在的应用前景。
当前研究设计的超表面吸波器(MSA)具有良好的电磁(EM)波吸收特性，然而很少考虑入射电磁波形式和功率的影响。该文提出一种在相同频率下可以选择性吸收特定脉冲波的非线性电路MSA。设计的MSA单元结构由集成二极管与电阻电容并联的非线性电路的金属方环形谐振器，中间介质基板隔离层和底部接地层组成。结果显示该MSA对50 ns的短脉冲波在3.2 GHz吸收率可达97%，而对应同频率下的连续波吸收率只有21%。在3.2 GHz附近，该MSA对50 ns短脉冲波吸收率随着功率不同而动态调节且总保持在60%以上，而对应的连续波吸收率只固定在20%左右。当增大脉冲宽度时，设计的MSA吸收率先增大后显著减小。功率为0 dBm和–4 dBm的脉冲波TE模和TM模斜入射情况下，设计的MSA吸收率仍然超过60%。进一步的研究结果表明该MSA对短脉冲波吸收特性严重依赖于非线性电路电容以及单元结构几何参数设计。该研究在无线通信、抗电磁干扰、电磁兼容等领域具有潜在的应用前景。
, 最新更新时间 , doi: 10.11999/JEIT221165
摘要:
针对飞行自组网(FANET)中无人机(UAVs)快速移动造成的网络拓扑管理困难问题，考虑实际场景中无人机位置变化引起的可用信道差异，该文提出一种自适应蜂鸟算法对网络拓扑进行优化。首先，建立一个针对分簇结构的无人机拓扑模型，并且形成一个以最小化簇数量、负载偏差和簇移动度为目标的优化问题。其次，通过调节人工蜂鸟的觅食动作、加入扰动变异的方式，提出寻优能力更强的自适应蜂鸟算法(ADHA)。然后，设计合理的蜂鸟个体编码方式，将拓扑优化的决策过程转化为自适应蜂鸟算法的寻优过程。最后，通过仿真验证所提算法的收敛性，并与基于其他群智能优化算法的拓扑优化方法进行对比。实验结果表明，所提算法得到的拓扑优化策略不仅能够有效减少网络拓扑的簇数量，而且能够得到负载均衡、结构稳定的簇群。
针对飞行自组网(FANET)中无人机(UAVs)快速移动造成的网络拓扑管理困难问题，考虑实际场景中无人机位置变化引起的可用信道差异，该文提出一种自适应蜂鸟算法对网络拓扑进行优化。首先，建立一个针对分簇结构的无人机拓扑模型，并且形成一个以最小化簇数量、负载偏差和簇移动度为目标的优化问题。其次，通过调节人工蜂鸟的觅食动作、加入扰动变异的方式，提出寻优能力更强的自适应蜂鸟算法(ADHA)。然后，设计合理的蜂鸟个体编码方式，将拓扑优化的决策过程转化为自适应蜂鸟算法的寻优过程。最后，通过仿真验证所提算法的收敛性，并与基于其他群智能优化算法的拓扑优化方法进行对比。实验结果表明，所提算法得到的拓扑优化策略不仅能够有效减少网络拓扑的簇数量，而且能够得到负载均衡、结构稳定的簇群。
, 最新更新时间 , doi: 10.11999/JEIT221459
摘要:
类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点，因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。本文通过对SNN发展历史演进的分析，发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史，动态异步事件信息采集装置的成熟，如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用，使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势，并在一些传统典型的应用任务中崭露头角，如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比，生物大脑内部存在着一个特殊的生物脉冲世界，这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来，随着侵入式、高通量脑机接口设备的逐步成熟，脑内脉冲序列的在线识别和反向控制，将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来，并将最终应用到生物机制探索中去，相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。
类脑脉冲神经网络(SNN)由于同时具有生物合理性和计算高效性等特点，因而在生物模拟计算和人工智能应用两个方向都受到了广泛关注。本文通过对SNN发展历史演进的分析，发现上述两个原本相对独立的研究方向正在朝向快速交叉融合的趋势发展。回顾历史，动态异步事件信息采集装置的成熟，如动态视觉相机(DVS)、动态音频传感(DAS)的成功应用，使得SNN可以有机会充分发挥其在脉冲时空编码、神经元异质性、功能环路特异性、多尺度可塑性等方面的优势，并在一些传统典型的应用任务中崭露头角，如动态视觉信号追踪、听觉信息处理、强化学习连续控制等。与这些物理世界的应用任务范式相比，生物大脑内部存在着一个特殊的生物脉冲世界，这个脉冲世界与外界物理世界互为映像且复杂度相似。展望未来，随着侵入式、高通量脑机接口设备的逐步成熟，脑内脉冲序列的在线识别和反向控制，将逐渐成为一个天然适合SNN最大化发挥其低能耗、鲁棒性、灵活性等优势的新型任务范式。类脑SNN从生物启发而来，并将最终应用到生物机制探索中去，相信这类正反馈式的科研方式将极大的加速后续相关的脑科学和类脑智能研究。
, 最新更新时间 , doi: 10.11999/JEIT221476
摘要:
信道估计是智能反射表面(IRS)辅助太赫兹(THz)通信中的一大挑战。为了减少由收发端天线和IRS反射元件数增加引起的信道估计导频开销过大的问题，该文提出一种基于正则平行因子(CP)分解的信道估计算法。首先在分析信道特点的基础上对IRS阵元进行分组设计，然后将IRS辅助的无线通信信道表示为统一数学表达式，接着利用多天线THz信道固有的低秩结构将信号接收矩阵构建成一个3维张量，并且利用基于正则平行因子分解算法对张量进行分解，最后利用相关性对信道参数进行估计。通过蒙特卡罗仿真表明，该算法在信道传输条件相同的情况下相对于基准算法有4.28 dB和7.12 dB左右的性能提升，并且具有更低的计算复杂度。
信道估计是智能反射表面(IRS)辅助太赫兹(THz)通信中的一大挑战。为了减少由收发端天线和IRS反射元件数增加引起的信道估计导频开销过大的问题，该文提出一种基于正则平行因子(CP)分解的信道估计算法。首先在分析信道特点的基础上对IRS阵元进行分组设计，然后将IRS辅助的无线通信信道表示为统一数学表达式，接着利用多天线THz信道固有的低秩结构将信号接收矩阵构建成一个3维张量，并且利用基于正则平行因子分解算法对张量进行分解，最后利用相关性对信道参数进行估计。通过蒙特卡罗仿真表明，该算法在信道传输条件相同的情况下相对于基准算法有4.28 dB和7.12 dB左右的性能提升，并且具有更低的计算复杂度。
, 最新更新时间 , doi: 10.11999/JEIT221577
摘要:
针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题，该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度，采用2维分级处理架构：第1级处理在测角维进行，采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计，构造阻塞矩阵滤除主瓣干扰，获得仅含旁瓣干扰和噪声的协方差矩阵，进而对和、差波束方向图进行指向与鉴角曲线联合约束，完成测角维旁瓣干扰抑制与波束形成处理；第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗，并保持单脉冲测角的鉴角曲线线性度。仿真结果表明，TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制，具有高精度的单脉冲测角性能。
针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题，该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度，采用2维分级处理架构：第1级处理在测角维进行，采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计，构造阻塞矩阵滤除主瓣干扰，获得仅含旁瓣干扰和噪声的协方差矩阵，进而对和、差波束方向图进行指向与鉴角曲线联合约束，完成测角维旁瓣干扰抑制与波束形成处理；第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗，并保持单脉冲测角的鉴角曲线线性度。仿真结果表明，TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制，具有高精度的单脉冲测角性能。
, 最新更新时间 , doi: 10.11999/JEIT230021
摘要:
粗粒度可重构密码逻辑阵列(CGRCA)难以兼容细粒度序列密码算法，且在编码环节功能单元容易出现竞争冲突，进而导致阵列的资源利用率低和延迟大等问题。为此，利用与—异或-非图(AXIG)双逻辑表达的优势，该文提出一种混合粒度的可重构的多功能密码运算单元，并在晶体管级进行了实现验证，可兼容现有序列密码算法中非线性布尔函数，在延迟和面积-延迟积(ADP)方面均有提升。设计了可重构与、异或、与非(RAXN)逻辑元件，可同时重构“And, Xor, Nand”等逻辑功能，并提出了RAXN的晶体管级实现方法和版图结构；提出了基于RAXN的功能扩展方法，实现了全加器功能、与/异或3输入逻辑功能以及乘法部分积生成功能，并作为基本功能单元(RAXN_U)；结合动态配置和动态调度的思想，利用阵列中互联资源和RAXN_U，设计一种可同时实现32 bit加法、8 bit乘法、CF(28)有限域乘法，以及包括S盒在内的复杂非线性布尔函数的混合粒度多功能密码运算单元(RHMCA)。在CMOS 40 nm工艺进行后端定制化设计，实验结果表明，该文提出的多功能单元较传统的实现方法，延迟最好情况优化1.27 ns，面积-延迟积(ADP)值最大提升44.8%。
粗粒度可重构密码逻辑阵列(CGRCA)难以兼容细粒度序列密码算法，且在编码环节功能单元容易出现竞争冲突，进而导致阵列的资源利用率低和延迟大等问题。为此，利用与—异或-非图(AXIG)双逻辑表达的优势，该文提出一种混合粒度的可重构的多功能密码运算单元，并在晶体管级进行了实现验证，可兼容现有序列密码算法中非线性布尔函数，在延迟和面积-延迟积(ADP)方面均有提升。设计了可重构与、异或、与非(RAXN)逻辑元件，可同时重构“And, Xor, Nand”等逻辑功能，并提出了RAXN的晶体管级实现方法和版图结构；提出了基于RAXN的功能扩展方法，实现了全加器功能、与/异或3输入逻辑功能以及乘法部分积生成功能，并作为基本功能单元(RAXN_U)；结合动态配置和动态调度的思想，利用阵列中互联资源和RAXN_U，设计一种可同时实现32 bit加法、8 bit乘法、CF(28)有限域乘法，以及包括S盒在内的复杂非线性布尔函数的混合粒度多功能密码运算单元(RHMCA)。在CMOS 40 nm工艺进行后端定制化设计，实验结果表明，该文提出的多功能单元较传统的实现方法，延迟最好情况优化1.27 ns，面积-延迟积(ADP)值最大提升44.8%。
, 最新更新时间 , doi: 10.11999/JEIT221562
摘要:
天空背景下的红外弱小目标检测技术较为成熟，但在近地复杂背景下，红外弱小目标的检测存在准确率不高、虚警目标多、实时性差的问题。针对以上问题，该文提出一种基于改进顶帽变换的红外弱小目标检测算法(OTHOLCM)。该算法采用基于改进顶帽变换的图像预处理算法(OTH)，通过对不同灰度值的图像采取不同的策略针对性地处理图像，达到目标增强、背景抑制的效果。并在此基础上，采用基于改进多尺度局部对比度的红外弱小目标检测算法(OLCM)，通过针对目标尺寸特点进行尺度设计，使得在保证算法实时性的基础上扩大目标尺寸检测范围。实验证明：OTHOLCM算法可以保证实时性并明显提高目标检测准确率、减少虚警目标数量。与3层模板局部差异度量算法(TTLDM)、基于边角感知的时空张量模型(ECASTT)等先进算法相比，OTHOLCM算法可使真阳性率分别提高近79%, 61%，假阳性率分别降低近77%, 73%，目标检测速度达到每秒25帧。
天空背景下的红外弱小目标检测技术较为成熟，但在近地复杂背景下，红外弱小目标的检测存在准确率不高、虚警目标多、实时性差的问题。针对以上问题，该文提出一种基于改进顶帽变换的红外弱小目标检测算法(OTHOLCM)。该算法采用基于改进顶帽变换的图像预处理算法(OTH)，通过对不同灰度值的图像采取不同的策略针对性地处理图像，达到目标增强、背景抑制的效果。并在此基础上，采用基于改进多尺度局部对比度的红外弱小目标检测算法(OLCM)，通过针对目标尺寸特点进行尺度设计，使得在保证算法实时性的基础上扩大目标尺寸检测范围。实验证明：OTHOLCM算法可以保证实时性并明显提高目标检测准确率、减少虚警目标数量。与3层模板局部差异度量算法(TTLDM)、基于边角感知的时空张量模型(ECASTT)等先进算法相比，OTHOLCM算法可使真阳性率分别提高近79%, 61%，假阳性率分别降低近77%, 73%，目标检测速度达到每秒25帧。
, 最新更新时间 , doi: 10.11999/JEIT221260
摘要:
持续的高水平心理负荷会导致不良的自我调节行为，但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务，基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下，不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明，在不同任务难度下，自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关，表现出P300振幅及theta,alpha频带功率增大，P600振幅减小。在中等难度任务下，自我调节引发的额外负荷较小，且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中，应考虑适合被试者的任务难度，减少不良自我调节行为的发生，提升被试者的绩效水平。
持续的高水平心理负荷会导致不良的自我调节行为，但面向不同难度任务时自我调节行为对心理负荷的影响尚不明确。该文提出一种面向不同难度任务，基于自我调节行为的算术范式。被试者在每轮开始前可以根据自己的决策自行选择题目难度任务。范式可以观察在自我调节下，不同难度任务对被试者心理负荷的影响。该文使用事件相关电位(ERP)、功率谱密度(PSD)及脑电微状态进行分析。结果表明，在不同任务难度下，自我调节行为均引发了额外的心理负荷。自我调节行为主要与额叶区域有关，表现出P300振幅及theta,alpha频带功率增大，P600振幅减小。在中等难度任务下，自我调节引发的额外负荷较小，且促使被试者表现出更好的绩效水平。该文范式能够有效地识别出适合被试者的任务难度。在实际任务设计中，应考虑适合被试者的任务难度，减少不良自我调节行为的发生，提升被试者的绩效水平。
, 最新更新时间 , doi: 10.11999/JEIT221083
摘要:
近年来，基于忆阻器的非线性动力学问题备受关注。该文以二值和三值忆阻器为例分析了二值和多值忆阻器对于混沌系统动力特性的影响。首先，将二值忆阻器引入Chen系统，构建了一个4维的基于二值忆阻器的混沌系统(BMCS)。其次，使用三值忆阻器替换上述系统中的二值忆阻器，构建一个4维的基于三值忆阻器的混沌系统(TMCS)。通过理论分析与数值仿真，从多个角度对比了两个混沌系统之间的动力学特性差异，如Lyapunov指数、分岔图、系统的平衡点、系统稳定性、对初值的敏感性以及系统的复杂度分析等。结果表明，两个基于忆阻器的混沌系统都具有无穷多个平衡点，二者产生的吸引子均为隐藏吸引子，且都存在的暂态混沌现象，但三值忆阻混沌系统具有超混沌特性，且相比二值忆阻混沌系统具有更强的初值敏感性以及更大的参数取值区间。分析得出基于三值忆阻器构建的混沌系统比基于二值忆阻器的混沌系统能够产生更为复杂的动力学特性，混沌信号也更为复杂。
近年来，基于忆阻器的非线性动力学问题备受关注。该文以二值和三值忆阻器为例分析了二值和多值忆阻器对于混沌系统动力特性的影响。首先，将二值忆阻器引入Chen系统，构建了一个4维的基于二值忆阻器的混沌系统(BMCS)。其次，使用三值忆阻器替换上述系统中的二值忆阻器，构建一个4维的基于三值忆阻器的混沌系统(TMCS)。通过理论分析与数值仿真，从多个角度对比了两个混沌系统之间的动力学特性差异，如Lyapunov指数、分岔图、系统的平衡点、系统稳定性、对初值的敏感性以及系统的复杂度分析等。结果表明，两个基于忆阻器的混沌系统都具有无穷多个平衡点，二者产生的吸引子均为隐藏吸引子，且都存在的暂态混沌现象，但三值忆阻混沌系统具有超混沌特性，且相比二值忆阻混沌系统具有更强的初值敏感性以及更大的参数取值区间。分析得出基于三值忆阻器构建的混沌系统比基于二值忆阻器的混沌系统能够产生更为复杂的动力学特性，混沌信号也更为复杂。
, 最新更新时间 , doi: 10.11999/JEIT221468
摘要:
该文解决了超大规模多输入多输出(MIMO)系统中不同用户的可视区域(VR)存在相互交叠时的下行功率分配问题。考虑单个基站服务多个单天线用户的超大规模MIMO通信场景，由于基站配备的阵列较大，各个用户受障碍物遮挡仅能与基站部分天线进行通信，这部分天线即为各用户的可视区域。该文考虑不同用户的可视区域分布两两交叠，并依此划分子阵，并在各子阵上进行规则化迫零预编码以降低复杂度。接着基于大维随机矩阵理论，推导了系统下行遍历和速率的确定性近似表达式。然后，通过最大化该表达式，给出了基于统计信道状态信息的最优用户功率分配方法的闭式解。最后，仿真结果表明，和速率近似表达式的精度很高，所提功率分配方法能有效提高系统性能。
该文解决了超大规模多输入多输出(MIMO)系统中不同用户的可视区域(VR)存在相互交叠时的下行功率分配问题。考虑单个基站服务多个单天线用户的超大规模MIMO通信场景，由于基站配备的阵列较大，各个用户受障碍物遮挡仅能与基站部分天线进行通信，这部分天线即为各用户的可视区域。该文考虑不同用户的可视区域分布两两交叠，并依此划分子阵，并在各子阵上进行规则化迫零预编码以降低复杂度。接着基于大维随机矩阵理论，推导了系统下行遍历和速率的确定性近似表达式。然后，通过最大化该表达式，给出了基于统计信道状态信息的最优用户功率分配方法的闭式解。最后，仿真结果表明，和速率近似表达式的精度很高，所提功率分配方法能有效提高系统性能。
, 最新更新时间 , doi: 10.11999/JEIT230023
摘要:
信息年龄(AoI)是一种业界新兴的时间相关指标，其经常用于评估接收数据的新鲜度。该文考虑了一个视频数据与环境数据混合的多集群视频直播系统，并制定调度策略以联合优化系统数据价值与信息年龄。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文将优化问题的调度策略分解为相互关联的内外两层策略，外层策略利用深度强化学习实现集群间的信道分配，内层策略则基于构造的虚拟队列实现集群内的链路选择。双层调度策略将每个集群的内层策略嵌入到外层策略中进行训练，仿真结果显示，与现有调度策略相比，该文所提的调度策略可以提高时间平均的接收数据价值并降低时间平均的信息年龄。
信息年龄(AoI)是一种业界新兴的时间相关指标，其经常用于评估接收数据的新鲜度。该文考虑了一个视频数据与环境数据混合的多集群视频直播系统，并制定调度策略以联合优化系统数据价值与信息年龄。为克服优化问题中动作空间过大导致难以实现有效求解的问题，该文将优化问题的调度策略分解为相互关联的内外两层策略，外层策略利用深度强化学习实现集群间的信道分配，内层策略则基于构造的虚拟队列实现集群内的链路选择。双层调度策略将每个集群的内层策略嵌入到外层策略中进行训练，仿真结果显示，与现有调度策略相比，该文所提的调度策略可以提高时间平均的接收数据价值并降低时间平均的信息年龄。
, 最新更新时间 , doi: 10.11999/JEIT221402
摘要:
水下图像目标检测是水下智能化探测的核心技术之一，广泛应用于工业及军事领域。深度学习相关技术的突破为水下图像目标检测的发展带来了新的机遇，但是目前该领域的综述较为陈旧，并且缺乏一定的系统性和全面性。该文对基于深度学习的水下可见光图像和声呐图像目标检测研究工作进行了详细总结与分析。首先，对基于深度学习的通用目标检测算法框架进行了梳理，包含骨干网络、颈部模块、检测头部、训练算法、推理策略、数据集6项要素，并系统性地总结了每个要素存在的问题及最新研究工作；然后，调研了水下可见光图像目标检测最新进展，分别从数据集发展、模型设计、训练算法进行总结；同时，归纳并分析了水下声呐图像目标检测相关工作，包含前视、侧扫、合成孔径3种声呐。最后，结合深度学习最新研究探讨了该领域的研究趋势。
水下图像目标检测是水下智能化探测的核心技术之一，广泛应用于工业及军事领域。深度学习相关技术的突破为水下图像目标检测的发展带来了新的机遇，但是目前该领域的综述较为陈旧，并且缺乏一定的系统性和全面性。该文对基于深度学习的水下可见光图像和声呐图像目标检测研究工作进行了详细总结与分析。首先，对基于深度学习的通用目标检测算法框架进行了梳理，包含骨干网络、颈部模块、检测头部、训练算法、推理策略、数据集6项要素，并系统性地总结了每个要素存在的问题及最新研究工作；然后，调研了水下可见光图像目标检测最新进展，分别从数据集发展、模型设计、训练算法进行总结；同时，归纳并分析了水下声呐图像目标检测相关工作，包含前视、侧扫、合成孔径3种声呐。最后，结合深度学习最新研究探讨了该领域的研究趋势。
, 最新更新时间 , doi: 10.11999/JEIT221449
摘要:
基于运动意图的脑-机接口(BCI)对人体运动功能增强、替代和康复具有重要研究意义与应用价值。其中，运动想象(MI)是最常用的表征运动意图的BCI范式。然而，传统MI-BCI通常仅实现不同肢体部位运动意图解码，且识别正确率较低，制约着精细运动控制与康复效果。针对上述问题，近年来研究者在单一肢体特定部位、运动学与动力学意图诱发头皮脑电编解码以及运动意图错误相关电位检测3个方面开展了一系列有意义的探索，并在高自由度的运动指令控制和面向卒中患者的临床康复应用方面取得了较大的研究成果。该文从运动意图的头皮脑电(EEG)编解码相关范式及其BCI应用两个方面综述了本领域研究进展，并探讨当前研究存在的问题和可能的解决方案，以期促进运动意图BCI技术的深入研究及开发应用。
基于运动意图的脑-机接口(BCI)对人体运动功能增强、替代和康复具有重要研究意义与应用价值。其中，运动想象(MI)是最常用的表征运动意图的BCI范式。然而，传统MI-BCI通常仅实现不同肢体部位运动意图解码，且识别正确率较低，制约着精细运动控制与康复效果。针对上述问题，近年来研究者在单一肢体特定部位、运动学与动力学意图诱发头皮脑电编解码以及运动意图错误相关电位检测3个方面开展了一系列有意义的探索，并在高自由度的运动指令控制和面向卒中患者的临床康复应用方面取得了较大的研究成果。该文从运动意图的头皮脑电(EEG)编解码相关范式及其BCI应用两个方面综述了本领域研究进展，并探讨当前研究存在的问题和可能的解决方案，以期促进运动意图BCI技术的深入研究及开发应用。
, 最新更新时间 , doi: 10.11999/JEIT221393
摘要:
针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法，将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影，并引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量，利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型，并仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建，利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像，实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3，使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。
针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题，该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法，将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值，在目标函数中加入自适应加速惩罚项和L2范数惩罚项，提高算法每一步迭代的效率，减少重建图像的伪影，并引入投影算子P施加物理意义上的约束，提高收敛速度并改善成像质量，利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型，并仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建，利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml, 14 ml, 2 ml的脑出血进行磁感应断层成像，实验结果表明，所提算法相比其他5种算法重建图像的质量更高，成像时间平均只需NR算法的1/3，使用更少的迭代次数重建出更高质量的图像，并且能实现2 ml脑出血的图像重建，为脑出血的MIT检测提供一种新的有效算法。
, 最新更新时间 , doi: 10.11999/JEIT220753
摘要:
协同表示分类器及其变种在模式识别领域展现出优越的识别性能。然而，其成功很大程度上依赖于类别的平衡分布，高度非均衡的类别分布可能会严重影响其有效性。为弥补这一不足，该文把补子空间诱导的正则项引入到协同表示模型框架，使得改进后的正则化模型更具判别性。进一步，为提高非均衡数据集上少数类的识别准确率，根据每类训练样本的表示能力提出一种基于最近子空间的类权学习算法。该算法根据原始数据的先验信息自适应地获取每类的权重并且能够赋予少数类更大的权重，使得最终的分类结果对少数类更加公平。所提模型具有闭式解，这展示了该方法的计算效率。在权威公开的两类和多类非均衡数据集上的实验结果表明所提方法显著优于其他主流非均衡分类算法。
协同表示分类器及其变种在模式识别领域展现出优越的识别性能。然而，其成功很大程度上依赖于类别的平衡分布，高度非均衡的类别分布可能会严重影响其有效性。为弥补这一不足，该文把补子空间诱导的正则项引入到协同表示模型框架，使得改进后的正则化模型更具判别性。进一步，为提高非均衡数据集上少数类的识别准确率，根据每类训练样本的表示能力提出一种基于最近子空间的类权学习算法。该算法根据原始数据的先验信息自适应地获取每类的权重并且能够赋予少数类更大的权重，使得最终的分类结果对少数类更加公平。所提模型具有闭式解，这展示了该方法的计算效率。在权威公开的两类和多类非均衡数据集上的实验结果表明所提方法显著优于其他主流非均衡分类算法。
, 最新更新时间 , doi: 10.11999/JEIT220867
摘要:
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)地物分类作为合成孔径雷达(Synthetic Aperture Radar, SAR)图像解译的重要研究内容之一，越来越受到国内外学者的广泛关注。不同于自然图像，PolSAR数据集不仅具有独特的数据属性同时还属于小样本数据集，因此如何更充分地利用数据特性以及标签样本是需要重点考虑的内容。基于以上问题，该文在UNet基础上提出了一种新的用于PolSAR地物分类的网络架构——多尺度可分离残差UNet (Multiscale Separable Residual Unet, MSR-Unet)。该网络结构首先利用深度可分离卷积替代普通2D卷积，分别提取输入数据的空间特征和通道特征，降低特征的冗余度；其次提出改进的多尺度残差结构，该结构以残差结构为基础，通过设置不同大小的卷积核获得不同尺度的特征，同时采用密集连接对特征进行复用，使用该结构不仅能在一定程度上增加网络深度，获取更优特征，还能使网络充分利用标签样本，增强特征传递效率，从而提高PolSAR地物的分类精度。在3个标准数据集上的实验结果表明：与传统分类方法及其它主流深度学习网络模型如UNet相比，MSR-Unet网络结构能够在不同程度上提高平均准确率、总体准确率和Kappa系数且具有更好的鲁棒性。
极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)地物分类作为合成孔径雷达(Synthetic Aperture Radar, SAR)图像解译的重要研究内容之一，越来越受到国内外学者的广泛关注。不同于自然图像，PolSAR数据集不仅具有独特的数据属性同时还属于小样本数据集，因此如何更充分地利用数据特性以及标签样本是需要重点考虑的内容。基于以上问题，该文在UNet基础上提出了一种新的用于PolSAR地物分类的网络架构——多尺度可分离残差UNet (Multiscale Separable Residual Unet, MSR-Unet)。该网络结构首先利用深度可分离卷积替代普通2D卷积，分别提取输入数据的空间特征和通道特征，降低特征的冗余度；其次提出改进的多尺度残差结构，该结构以残差结构为基础，通过设置不同大小的卷积核获得不同尺度的特征，同时采用密集连接对特征进行复用，使用该结构不仅能在一定程度上增加网络深度，获取更优特征，还能使网络充分利用标签样本，增强特征传递效率，从而提高PolSAR地物的分类精度。在3个标准数据集上的实验结果表明：与传统分类方法及其它主流深度学习网络模型如UNet相比，MSR-Unet网络结构能够在不同程度上提高平均准确率、总体准确率和Kappa系数且具有更好的鲁棒性。
, 最新更新时间 , doi: 10.11999/220934
摘要:
针对毫米波多输入输出系统(MIMO)中的身份欺骗攻击问题，该文提出一种基于信道指纹的攻击检测方案。在波束域中，毫米波信道图样呈现波束的稀疏性和高方向特性，且这种波束域特性与终端位置有极高的相关性。该文将该波束域信道图样作为一种信道指纹，提出了一种基于信道指纹的身份欺骗攻击检测方案，将欺骗攻击中的终端身份认证问题建模成对其信道指纹的二分类问题，并使用基于监督学习的支持向量机算法求解该分类问题。为获得好的分类效果，基于对信道指纹的数值分析，比较了皮尔逊相关系数、余弦相似度、相关矩阵距离、欧氏距离等相似度指标。根据比较结果，选择最优的指标作为分类特征训练分类模型。仿真结果表明，即使在低信噪比条件下，该方案仍具有高认证准确性和鲁棒性。与现有相关机制相比，攻击检测精度显著提高。
针对毫米波多输入输出系统(MIMO)中的身份欺骗攻击问题，该文提出一种基于信道指纹的攻击检测方案。在波束域中，毫米波信道图样呈现波束的稀疏性和高方向特性，且这种波束域特性与终端位置有极高的相关性。该文将该波束域信道图样作为一种信道指纹，提出了一种基于信道指纹的身份欺骗攻击检测方案，将欺骗攻击中的终端身份认证问题建模成对其信道指纹的二分类问题，并使用基于监督学习的支持向量机算法求解该分类问题。为获得好的分类效果，基于对信道指纹的数值分析，比较了皮尔逊相关系数、余弦相似度、相关矩阵距离、欧氏距离等相似度指标。根据比较结果，选择最优的指标作为分类特征训练分类模型。仿真结果表明，即使在低信噪比条件下，该方案仍具有高认证准确性和鲁棒性。与现有相关机制相比，攻击检测精度显著提高。
, 最新更新时间 , doi: 10.11999/JEIT221084
摘要:
该文研究了无人机蜂群飞行同步的检测和干扰方案，把无人机蜂群飞行同步过程看作复杂系统的涌现效应，提出一种基于双阈值的涌现判定算法。通过同时监测目标系统飞行同步过程中的熵差和网络连通度，克服已有算法因忽略网络状态监控而误判的问题，准确及时地识别飞行同步的发生、达成和失败，为控制抑制时机提供坚实的前提基础。以平均功率为约束设计带内干扰行为，从使目标系统通信容量降低的角度建立干扰行为模型，并通过仿真分析其效能。研究发现，低强度持续干扰可有效迟滞目标系统同步过程、延长同步时间，且具有更好隐蔽性；中等强度持续干扰可快速终止飞行同步过程。基于以上分析，首次根据破坏和迟滞的不同作战意图设计了无人机蜂群飞行同步的反制方案。通过仿真验证了其有效性。
该文研究了无人机蜂群飞行同步的检测和干扰方案，把无人机蜂群飞行同步过程看作复杂系统的涌现效应，提出一种基于双阈值的涌现判定算法。通过同时监测目标系统飞行同步过程中的熵差和网络连通度，克服已有算法因忽略网络状态监控而误判的问题，准确及时地识别飞行同步的发生、达成和失败，为控制抑制时机提供坚实的前提基础。以平均功率为约束设计带内干扰行为，从使目标系统通信容量降低的角度建立干扰行为模型，并通过仿真分析其效能。研究发现，低强度持续干扰可有效迟滞目标系统同步过程、延长同步时间，且具有更好隐蔽性；中等强度持续干扰可快速终止飞行同步过程。基于以上分析，首次根据破坏和迟滞的不同作战意图设计了无人机蜂群飞行同步的反制方案。通过仿真验证了其有效性。
, 最新更新时间 , doi: 10.11999/JEIT220973
摘要:
针对计算、能量和内存资源受限的矿山物联网设备和大量时延敏感型计算任务需求的智慧矿山场景，该文提出一种能量收集(EH)辅助的矿山物联网智能计算卸载方法。通过采用移动边缘计算(MEC)技术协助矿山物联网设备任务计算，同时利用能量收集技术为能量受限的矿山物联网设备供电。基于Q-learning的智能计算卸载机制实现在不可精确获取矿井系统模型的情况下动态探索最优计算卸载策略。此外，为处理复杂矿井环境下的维度灾难问题并减小策略离散化导致的离散化误差，该文还提出一种基于深度确定性策略梯度(DDPG)的计算卸载机制来进一步提高井下任务计算卸载性能。理论分析与仿真结果表明所提机制可降低系统的能量损耗、计算时延和任务处理失败率，有助于保障矿山物联网的安全和高效生产。
针对计算、能量和内存资源受限的矿山物联网设备和大量时延敏感型计算任务需求的智慧矿山场景，该文提出一种能量收集(EH)辅助的矿山物联网智能计算卸载方法。通过采用移动边缘计算(MEC)技术协助矿山物联网设备任务计算，同时利用能量收集技术为能量受限的矿山物联网设备供电。基于Q-learning的智能计算卸载机制实现在不可精确获取矿井系统模型的情况下动态探索最优计算卸载策略。此外，为处理复杂矿井环境下的维度灾难问题并减小策略离散化导致的离散化误差，该文还提出一种基于深度确定性策略梯度(DDPG)的计算卸载机制来进一步提高井下任务计算卸载性能。理论分析与仿真结果表明所提机制可降低系统的能量损耗、计算时延和任务处理失败率，有助于保障矿山物联网的安全和高效生产。
, 最新更新时间 , doi: 10.11999/JEIT220991
摘要:
遥感图像中的目标检测技术是计算机视觉领域的热点研究之一。为了适应遥感图像中的复杂背景和任意方向的目标，主流的目标检测模型均采用旋转检测方法。然而，用于旋转检测的定位损失函数通常存在变化趋势与实际偏斜交并比(Intersection-over-Union, IoU)的变化趋势不一致的问题。为此，该文提出一种新的面向旋转目标检测的双向衰减损失方法。具体而言，该方法通过高斯乘积模拟偏斜IoU，并依据预测位置的偏差从两个方向衰减乘积。双向衰减损失能够反映由位置偏差引起的偏斜IoU变化，其变化趋势与偏斜IoU有着更强的一致性，并且与其他相关方法相比性能更好。在DOTAv1.0数据集上的实验表明，所提方法在多种基底函数和不同精度条件下都是有效的。
遥感图像中的目标检测技术是计算机视觉领域的热点研究之一。为了适应遥感图像中的复杂背景和任意方向的目标，主流的目标检测模型均采用旋转检测方法。然而，用于旋转检测的定位损失函数通常存在变化趋势与实际偏斜交并比(Intersection-over-Union, IoU)的变化趋势不一致的问题。为此，该文提出一种新的面向旋转目标检测的双向衰减损失方法。具体而言，该方法通过高斯乘积模拟偏斜IoU，并依据预测位置的偏差从两个方向衰减乘积。双向衰减损失能够反映由位置偏差引起的偏斜IoU变化，其变化趋势与偏斜IoU有着更强的一致性，并且与其他相关方法相比性能更好。在DOTAv1.0数据集上的实验表明，所提方法在多种基底函数和不同精度条件下都是有效的。
, 最新更新时间 , doi: 10.11999/JEIT221097
摘要:
传统的压缩感知模型和重构方法，虽能有效减少数据量，但压缩和重构性能不佳，故该文提出一种基于自适应分块和联合优化光滑l0范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配，同时对压缩模型改进，使用混沌循环矩阵作为测量矩阵，提升了压缩性能。重构过程基于SL0算法，采用陡峭性更高的拟合函数，结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%，平均计算时间仅需1.59 s，表明该算法能稳定、快速地实现图像的压缩感知和精确重构，为压缩感知和图像重构提供了新方法。
传统的压缩感知模型和重构方法，虽能有效减少数据量，但压缩和重构性能不佳，故该文提出一种基于自适应分块和联合优化光滑l0范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配，同时对压缩模型改进，使用混沌循环矩阵作为测量矩阵，提升了压缩性能。重构过程基于SL0算法，采用陡峭性更高的拟合函数，结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%，平均计算时间仅需1.59 s，表明该算法能稳定、快速地实现图像的压缩感知和精确重构，为压缩感知和图像重构提供了新方法。
, 最新更新时间 , doi: 10.11999/JEIT221158
摘要:
时分复用(Time-Division Multiplexing, TDM)技术被广泛地运用于解决IO瓶颈问题，以提高现场可编程门阵列(Field Programmable Gate Array, FPGA)系统的可布线性，但TDM比率的增大会导致系统时延的显著增加。因此，为了优化FPGA系统时延以及可布线性，该文提出一种用于时分复用技术的多阶段协同优化FPGA布线(Multi-Stage Co-Optimization FPGA Router, MSCOFRouter)方法。首先，设计自适应布线算法，以减少布线拥塞情况，提高可布线性，解决FPGA间的布线优化问题，为后续的TDM比率分配提供高质量的布线结果。其次，为了避免因大规模线网组的TDM比率过大而导致系统时延劣化的情况，提出基于拉格朗日松弛(Lagrangian Relaxation, LR)的TDM比率分配算法，为布线图的边分配系统时延更小的初始TDM比率。此外，为了进一步减小最大线网组的TDM比率，通过一种多层次的TDM比率优化算法，缩减线网组和FPGA连接对的TDM比率。同时，为了提高MSCOFRouter的运行效率，在上述3个算法中使用多线程并行化方法，有效缩减运行时间。实验结果表明，MSCOFRouter可以获得满足TDM比率约束的结果，取得同类工作中最佳的布线优化结果和TDM比率分配结果。
时分复用(Time-Division Multiplexing, TDM)技术被广泛地运用于解决IO瓶颈问题，以提高现场可编程门阵列(Field Programmable Gate Array, FPGA)系统的可布线性，但TDM比率的增大会导致系统时延的显著增加。因此，为了优化FPGA系统时延以及可布线性，该文提出一种用于时分复用技术的多阶段协同优化FPGA布线(Multi-Stage Co-Optimization FPGA Router, MSCOFRouter)方法。首先，设计自适应布线算法，以减少布线拥塞情况，提高可布线性，解决FPGA间的布线优化问题，为后续的TDM比率分配提供高质量的布线结果。其次，为了避免因大规模线网组的TDM比率过大而导致系统时延劣化的情况，提出基于拉格朗日松弛(Lagrangian Relaxation, LR)的TDM比率分配算法，为布线图的边分配系统时延更小的初始TDM比率。此外，为了进一步减小最大线网组的TDM比率，通过一种多层次的TDM比率优化算法，缩减线网组和FPGA连接对的TDM比率。同时，为了提高MSCOFRouter的运行效率，在上述3个算法中使用多线程并行化方法，有效缩减运行时间。实验结果表明，MSCOFRouter可以获得满足TDM比率约束的结果，取得同类工作中最佳的布线优化结果和TDM比率分配结果。
, 最新更新时间 , doi: 10.11999/JEIT221046
摘要:
时空覆盖类感知任务对参与者的时间与空间约束使得传统单参与者模式难以适用。为此，该文提出群组协作的移动群智感知任务分配方法，以群组模式替代传统单参与者模式。设计层次化群组协作的任务分配框架，提出偏好感知的社交群组生成方法，引入社交关系生成社交群组，提高任务完成率。提出效用优化的任务群组匹配方法，采用网络流理论进行群组-任务匹配，保证平台效用最大化。仿真结果表明所提方法在任务完成率与平台效用方面均有较大提升。
时空覆盖类感知任务对参与者的时间与空间约束使得传统单参与者模式难以适用。为此，该文提出群组协作的移动群智感知任务分配方法，以群组模式替代传统单参与者模式。设计层次化群组协作的任务分配框架，提出偏好感知的社交群组生成方法，引入社交关系生成社交群组，提高任务完成率。提出效用优化的任务群组匹配方法，采用网络流理论进行群组-任务匹配，保证平台效用最大化。仿真结果表明所提方法在任务完成率与平台效用方面均有较大提升。
, 最新更新时间 , doi: 10.11999/JEIT221282
摘要:
LEA算法是面向软件的轻量级加密算法，在2019年成为 ISO/IEC 国际标准轻量级加密算法，具有快速加密、占用运算资源少等优点。该文基于多条输入输出差分相同的路径计算了差分概率，首次对LEA-128进行了13轮和14轮的密钥恢复攻击；采用提前抛弃技术，分别在12轮和13轮差分特征后面添加了1轮，恢复了96 bit密钥；其中13轮的密钥恢复攻击数据复杂度为298个明文，时间复杂度为286.7次13轮LEA-128解密；14轮的密钥恢复攻击数据复杂度为2118个明文，时间复杂度为2110.6次14轮LEA-128解密。
LEA算法是面向软件的轻量级加密算法，在2019年成为 ISO/IEC 国际标准轻量级加密算法，具有快速加密、占用运算资源少等优点。该文基于多条输入输出差分相同的路径计算了差分概率，首次对LEA-128进行了13轮和14轮的密钥恢复攻击；采用提前抛弃技术，分别在12轮和13轮差分特征后面添加了1轮，恢复了96 bit密钥；其中13轮的密钥恢复攻击数据复杂度为298个明文，时间复杂度为286.7次13轮LEA-128解密；14轮的密钥恢复攻击数据复杂度为2118个明文，时间复杂度为2110.6次14轮LEA-128解密。
, 最新更新时间 , doi: 10.11999/JEIT221418
摘要:
视觉光流计算是计算机视觉从处理2维图像走向加工3维视频的重要技术手段，是描述视觉运动信息的主要方式。光流计算技术已经发展了较长的时间，随着相关技术尤其是深度学习技术在近些年的迅速发展，光流计算的性能得到了极大提升，但仍然有大量的局限性问题没有解决，准确、快速且稳健的光流计算目前仍然是一个有挑战性的研究领域和业内研究热点。光流计算作为一种低层视觉信息处理技术，其技术进展也将有助于相关中高层级视觉任务的实现。该文主要内容是介绍基于计算机视觉的光流计算及其技术发展路线，从经典算法和深度学习算法这两个主流技术路线出发，总结了技术发展过程中产生的重要理论、方法与模型，着重介绍了各类方法与模型的核心思想，说明了各类数据集及相关性能指标，同时简要介绍了光流计算技术的主要应用场景，并对今后的技术方向进行了展望。
视觉光流计算是计算机视觉从处理2维图像走向加工3维视频的重要技术手段，是描述视觉运动信息的主要方式。光流计算技术已经发展了较长的时间，随着相关技术尤其是深度学习技术在近些年的迅速发展，光流计算的性能得到了极大提升，但仍然有大量的局限性问题没有解决，准确、快速且稳健的光流计算目前仍然是一个有挑战性的研究领域和业内研究热点。光流计算作为一种低层视觉信息处理技术，其技术进展也将有助于相关中高层级视觉任务的实现。该文主要内容是介绍基于计算机视觉的光流计算及其技术发展路线，从经典算法和深度学习算法这两个主流技术路线出发，总结了技术发展过程中产生的重要理论、方法与模型，着重介绍了各类方法与模型的核心思想，说明了各类数据集及相关性能指标，同时简要介绍了光流计算技术的主要应用场景，并对今后的技术方向进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT220804
摘要:
传统卫星测控通常采用加密认证安全机制，存在身份假冒、欺骗等安全问题，该文提出一种基于射频指纹的卫星测控地面站身份识别方法，并设计了一种面向星载平台的轻量化卷积神经网络。该网络首先使用IQ方向上的卷积层提取IQ信号相关特征，将2维数据降成了1维，再使用时序方向上的多层卷积提取信号的时域结构特征，之后使用最大池化层降低数据维度，在充分利用IQ信号中包含的原始特征信息的同时减小计算量，最后经过两层全连接层进行分类，实现对卫星测控地面站身份识别。仿真实验表明，该方法对21台发射机个体的平均准确率为93.8%，较传统的支持向量机方法提高了39.8%，较DLRF网络模型、ORACLE网络模型分别提高了11.5%, 29.8%，且具有鲁棒性强、轻量化的优点。该文所提方法对于提高卫星测控链路安全性具有一定的理论参考和工程应用价值。
传统卫星测控通常采用加密认证安全机制，存在身份假冒、欺骗等安全问题，该文提出一种基于射频指纹的卫星测控地面站身份识别方法，并设计了一种面向星载平台的轻量化卷积神经网络。该网络首先使用IQ方向上的卷积层提取IQ信号相关特征，将2维数据降成了1维，再使用时序方向上的多层卷积提取信号的时域结构特征，之后使用最大池化层降低数据维度，在充分利用IQ信号中包含的原始特征信息的同时减小计算量，最后经过两层全连接层进行分类，实现对卫星测控地面站身份识别。仿真实验表明，该方法对21台发射机个体的平均准确率为93.8%，较传统的支持向量机方法提高了39.8%，较DLRF网络模型、ORACLE网络模型分别提高了11.5%, 29.8%，且具有鲁棒性强、轻量化的优点。该文所提方法对于提高卫星测控链路安全性具有一定的理论参考和工程应用价值。
, 最新更新时间 , doi: 10.11999/JEIT220531
摘要:
针对无线通信中存在的频谱资源有限、信道衰落和多径效应等问题，该文将可变长纠错(VLEC)编码和掺杂调制相结合，提出一种新的联合信源信道编码调制方法。该方法利用外信息转移(EXIT)图分析系统的迭代译码特性，优化设计可变长纠错编码和掺杂调制的参数。主要包括：(1)设计有更大自由距离的可变长码，使其具有纠错能力；(2)设计优化掺杂调制的掺杂和映射规则的方法，使掺杂调制EXIT曲线与可变长纠错编码EXIT曲线匹配，降低迭代译码收敛所需的信噪比(SNR)。仿真结果表明，在AWGN信道和瑞利衰落信道下，该联合信源信道编码调制方法与分离的信源信道编码调制方相比，迭代收敛所需的信噪比减小了1 dB以上，相比其他的联合信源信道编码调制方法，也有更好的误码率性能。在误码率为10–4时，该方法距离AWGN信道和瑞利衰落信道的香农限分别为0.7 dB和1.0 dB。
针对无线通信中存在的频谱资源有限、信道衰落和多径效应等问题，该文将可变长纠错(VLEC)编码和掺杂调制相结合，提出一种新的联合信源信道编码调制方法。该方法利用外信息转移(EXIT)图分析系统的迭代译码特性，优化设计可变长纠错编码和掺杂调制的参数。主要包括：(1)设计有更大自由距离的可变长码，使其具有纠错能力；(2)设计优化掺杂调制的掺杂和映射规则的方法，使掺杂调制EXIT曲线与可变长纠错编码EXIT曲线匹配，降低迭代译码收敛所需的信噪比(SNR)。仿真结果表明，在AWGN信道和瑞利衰落信道下，该联合信源信道编码调制方法与分离的信源信道编码调制方相比，迭代收敛所需的信噪比减小了1 dB以上，相比其他的联合信源信道编码调制方法，也有更好的误码率性能。在误码率为10–4时，该方法距离AWGN信道和瑞利衰落信道的香农限分别为0.7 dB和1.0 dB。
, 最新更新时间 , doi: 10.11999/JEIT220907
摘要:
最新研究表明，高速传输导致的手机温度变化会影响相应的传输性能。针对高速传输下未考虑与手机温度有关的能耗中断而导致传输性能降低的问题，该文提出一种基于深度强化学习的资源管理方案去考虑无人机(UAV)通信场景下的能耗中断。首先，给出无人机通信的网络模型与智能手机热传递模型的分析；其次，将能耗中断的影响以约束条件的形式整合到无人机场景的优化问题中，并通过联合考虑带宽分配、功率分配和轨迹设计优化系统吞吐量；最后，采用马尔可夫决策过程描述相应的优化问题并通过名为归一化优势函数的深度强化学习算法求解。仿真表明，所提方案能有效提升系统吞吐量并得到合理的无人机飞行轨迹。
最新研究表明，高速传输导致的手机温度变化会影响相应的传输性能。针对高速传输下未考虑与手机温度有关的能耗中断而导致传输性能降低的问题，该文提出一种基于深度强化学习的资源管理方案去考虑无人机(UAV)通信场景下的能耗中断。首先，给出无人机通信的网络模型与智能手机热传递模型的分析；其次，将能耗中断的影响以约束条件的形式整合到无人机场景的优化问题中，并通过联合考虑带宽分配、功率分配和轨迹设计优化系统吞吐量；最后，采用马尔可夫决策过程描述相应的优化问题并通过名为归一化优势函数的深度强化学习算法求解。仿真表明，所提方案能有效提升系统吞吐量并得到合理的无人机飞行轨迹。
, 最新更新时间 , doi: 10.11999/JEIT220532
摘要:
针对标准粒子滤波过程的权值退化和样本贫化问题，该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先，引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境；其次，采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段；最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明，与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比，基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。
针对标准粒子滤波过程的权值退化和样本贫化问题，该文结合融入围猎策略的哈里斯鹰优化算法设计一种群智能优化粒子滤波方法(EHHOPF)。首先，引入围猎策略替代哈里斯鹰优化算法全局搜索策略以适配粒子滤波环境；其次，采用Sigmoid函数构建非线性猎物逃逸能量平衡算法的探索阶段和开发阶段；最后构建选择比例因子融合开发阶段捕猎策略并采用非线性猎物跳跃强度保证算法收敛效率。仿真结果表明，与标准粒子滤波以及磷虾算法、蝙蝠算法、布谷鸟算法、灰狼算法优化的粒子滤波方法相比，基于围猎改进哈里斯鹰优化的粒子滤波方法有效提升了系统状态估计精度、滤波稳定性和滤波实时性。
, 最新更新时间 , doi: 10.11999/JEIT220778
摘要:
该文研究了基于能量收集的互惠共生无线电主、次系统的中断性能。首先，在考虑次用户能量因果约束的基础上给出了主、次系统解码信噪比，并定义了主、次系统的中断概率。在此基础上，推导得到瑞利信道衰落模型下主、次系统的中断概率封闭表达式，进而刻画了主、次系统的分集增益，其结果表明，次用户的接入可以给主系统带来有益的分集增益，即主系统的分集增益由1提升至2。最后，通过仿真验证了理论分析的正确性，并研究了不同系统参数对主、次系统中断概率的影响。
该文研究了基于能量收集的互惠共生无线电主、次系统的中断性能。首先，在考虑次用户能量因果约束的基础上给出了主、次系统解码信噪比，并定义了主、次系统的中断概率。在此基础上，推导得到瑞利信道衰落模型下主、次系统的中断概率封闭表达式，进而刻画了主、次系统的分集增益，其结果表明，次用户的接入可以给主系统带来有益的分集增益，即主系统的分集增益由1提升至2。最后，通过仿真验证了理论分析的正确性，并研究了不同系统参数对主、次系统中断概率的影响。
, 最新更新时间 , doi: 10.11999/JEIT220857
摘要:
车联网场景下的业务内容具有海量和高度动态的特性，使得传统缓存机制无法较好地感知内容动态变化，且巨量接入设备与边缘缓存设备的有限资源之间的矛盾会引起系统时延性能差的问题。针对上述问题，该文提出一种基于学习的联合内容缓存和功率分配算法。首先，考虑联合优化内容缓存和功率分配，建立最小化系统整体时延的优化模型。其次，将该优化问题建模为马尔可夫决策过程(MDP)，并进一步将内容缓存和内容提供者的选择映射为离散动作集，并将功率分配映射为与离散动作相对应的连续参数。最后，借助参数化深度Q-Networks (P-DQN)算法求解这个具有离散-连续混合动作空间的问题。仿真结果表明，相较对比算法，该文所提算法能提高本地缓存命中率并降低系统传输时延。
车联网场景下的业务内容具有海量和高度动态的特性，使得传统缓存机制无法较好地感知内容动态变化，且巨量接入设备与边缘缓存设备的有限资源之间的矛盾会引起系统时延性能差的问题。针对上述问题，该文提出一种基于学习的联合内容缓存和功率分配算法。首先，考虑联合优化内容缓存和功率分配，建立最小化系统整体时延的优化模型。其次，将该优化问题建模为马尔可夫决策过程(MDP)，并进一步将内容缓存和内容提供者的选择映射为离散动作集，并将功率分配映射为与离散动作相对应的连续参数。最后，借助参数化深度Q-Networks (P-DQN)算法求解这个具有离散-连续混合动作空间的问题。仿真结果表明，相较对比算法，该文所提算法能提高本地缓存命中率并降低系统传输时延。
, 最新更新时间 , doi: 10.11999/JEIT220610
摘要:
角度传感器作为电机的核心定位部件，对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器，该传感器通过周期性改变线圈中感应电压的大小来测量角度，敏感结构主要包括转子和定子，可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成，形成双极布局，定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈，一组线圈由8个回路组成，对应为外沿多周期扇形铜箔，另一组由2个回路组成，对应中心180°扇形(半圆形)铜箔，两组线圈相互独立，互不影响。当转子在接收线圈上方转动时，转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高，但360°内会出现多个周期信号，无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号，通过2回路线圈为8回路线圈提供周期数鉴别，进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算，以高精度转台为基准对样机进行测试，结果表明，传感器测量误差可以达到0.04°，满足电机位置控制精度要求，验证了该方案的可行性。
角度传感器作为电机的核心定位部件，对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器，该传感器通过周期性改变线圈中感应电压的大小来测量角度，敏感结构主要包括转子和定子，可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成，形成双极布局，定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈，一组线圈由8个回路组成，对应为外沿多周期扇形铜箔，另一组由2个回路组成，对应中心180°扇形(半圆形)铜箔，两组线圈相互独立，互不影响。当转子在接收线圈上方转动时，转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高，但360°内会出现多个周期信号，无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号，通过2回路线圈为8回路线圈提供周期数鉴别，进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算，以高精度转台为基准对样机进行测试，结果表明，传感器测量误差可以达到0.04°，满足电机位置控制精度要求，验证了该方案的可行性。
, 最新更新时间 , doi: 10.11999/JEIT220776
摘要:
多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量，在地物信息提取方面具有良好的应用潜力。然而数据维度增加，其数据处理和应用难度也随之增加，相较于处理单波段单极化SAR数据，处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标，依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据，引入SAR-SIFT方法解决了多维数据配准的问题。其次，该文提出一种基于目标散射机制的多维信息融合方法，改进了Ferro 等人(10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法，证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明，融合后的特征图像对比度增高，像素的空间连续性变好，且对单体建筑轮廓的识别更精准，自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环，并且为基于多维SAR的3维建筑结构重建研究创造了条件。
多波段全极化合成孔径雷达(Multiband-PolSAR)可以获得地物目标在频率、极化两个维度上的多个观测量，在地物信息提取方面具有良好的应用潜力。然而数据维度增加，其数据处理和应用难度也随之增加，相较于处理单波段单极化SAR数据，处理Multiband-PolSAR数据需要额外考虑多维数据配准和融合的问题。该文选择以建筑轮廓自动提取应用为目标，依托中国科学院空天信息创新研究院在国家高分辨率观测系统重大专项支持下牵头研制的一部机载多维度SAR系统获得的数据，引入SAR-SIFT方法解决了多维数据配准的问题。其次，该文提出一种基于目标散射机制的多维信息融合方法，改进了Ferro 等人(10.1109/TGRS.2012.2205156)提出的全自动非监督建筑轮廓提取方法，证明了多波段多极化信息融合方法的作用。多波段多极化信息融合前后的实验结果表明，融合后的特征图像对比度增高，像素的空间连续性变好，且对单体建筑轮廓的识别更精准，自动提取的多边形矢量与真实建筑轮廓的吻合度更高。该文是连接多维SAR技术与建筑提取应用的重要一环，并且为基于多维SAR的3维建筑结构重建研究创造了条件。
, 最新更新时间 , doi: 10.11999/JEIT220725
摘要:
针对煤矿井下环境多利用红外相机感知周边环境温度成像，但形成的图像存在纹理信息少、噪声多、图像模糊等问题，该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进，首先使用PP-LCNet作为主干网络，用于加强CPU端的推理速度；其次取消Focus模块，使用shuffle_block模块替代C3模块，在去除冗余操作的同时减少了计算量；最后优化Anchor同时引入H-swish作为激活函数。实验结果表明，Ucm-YOLOv5比YOLOv5的模型参数量减少了41%，模型缩小了86%，该算法在煤矿井下具有更高的检测精度，同时在CPU端的检测速度达到实时检测标准，满足煤矿井下目标检测的工作要求。
针对煤矿井下环境多利用红外相机感知周边环境温度成像，但形成的图像存在纹理信息少、噪声多、图像模糊等问题，该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进，首先使用PP-LCNet作为主干网络，用于加强CPU端的推理速度；其次取消Focus模块，使用shuffle_block模块替代C3模块，在去除冗余操作的同时减少了计算量；最后优化Anchor同时引入H-swish作为激活函数。实验结果表明，Ucm-YOLOv5比YOLOv5的模型参数量减少了41%，模型缩小了86%，该算法在煤矿井下具有更高的检测精度，同时在CPU端的检测速度达到实时检测标准，满足煤矿井下目标检测的工作要求。
, 最新更新时间 , doi: 10.11999/JEIT220702
摘要:
现有基于时空信息的跨社交网络用户匹配方案，存在着难以耦合时空信息、特征提取困难问题，导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法，首先对用户签到数据进行时空尺度的网格映射，生成包含用户特征的签到矩阵集合，对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图，利用深度可分离卷积对特征图权重变换和特征融合，对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证，实验结果表明，与现有相关算法相比，所提算法在匹配的准确率以及F1-值均得到提升，验证了所提算法的有效性。
现有基于时空信息的跨社交网络用户匹配方案，存在着难以耦合时空信息、特征提取困难问题，导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法，首先对用户签到数据进行时空尺度的网格映射，生成包含用户特征的签到矩阵集合，对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图，利用深度可分离卷积对特征图权重变换和特征融合，对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证，实验结果表明，与现有相关算法相比，所提算法在匹配的准确率以及F1-值均得到提升，验证了所提算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT220493
摘要:
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力，已成为空间态势感知的重要传感器。作为典型的人造目标，空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难，也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能，该文深入挖掘绕雷达视线的极化旋转域信息，提出一种空间目标散射结构极化旋转域辨识方法，共包含3个步骤。首先，对极化ISAR数据开展绕雷达视线的极化旋转域分析，导出极化相关方向图特征。其次，分析基本散射体的极化相关方向图特性，构造极化特征编码矢量。最后，基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究，所提方法相较于传统的Cameron分解方法性能更优，鲁棒性更高。
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力，已成为空间态势感知的重要传感器。作为典型的人造目标，空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难，也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能，该文深入挖掘绕雷达视线的极化旋转域信息，提出一种空间目标散射结构极化旋转域辨识方法，共包含3个步骤。首先，对极化ISAR数据开展绕雷达视线的极化旋转域分析，导出极化相关方向图特征。其次，分析基本散射体的极化相关方向图特性，构造极化特征编码矢量。最后，基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究，所提方法相较于传统的Cameron分解方法性能更优，鲁棒性更高。
, 最新更新时间 , doi: 10.11999/JEIT221479
摘要:
该文提出了基于无源介质谐振器腔内磁偶极子谐振的准超方向性再辐射，旨在增强薄导电板受到平面电磁波侧向照射时的后向散射截面。在平面电磁波激励下，设计适当的长方介质体中可诱导产生具有磁偶极子再辐射特征的混合电磁谐振模式。以长方介质体为基本谐振单元，将两个相同的介质体沿入射波传播方向紧密级联以组成一个超单元。超单元的两个介质体中的磁场强度与电场强度矢量均呈现相反的方向且相近的幅度，接近等幅而反相的内部场分布使超单元类似一个二元准超方向性磁偶极子阵列，由此产生的准超方向性再辐射有效地贡献于后向散射截面增强。进一步，由镜像原理，将超单元剖面厚度减半并加载于薄导电板表面。结果表明，剖面厚度仅为0.078λ0的介质谐振器形成基于磁偶极子的准超方向性再辐射，在谐振频率处可显著修改薄导电板的侧向回射特性，进而在相对宽带宽角范围内对侧向入射波实现有效的后向散射截面增强。
该文提出了基于无源介质谐振器腔内磁偶极子谐振的准超方向性再辐射，旨在增强薄导电板受到平面电磁波侧向照射时的后向散射截面。在平面电磁波激励下，设计适当的长方介质体中可诱导产生具有磁偶极子再辐射特征的混合电磁谐振模式。以长方介质体为基本谐振单元，将两个相同的介质体沿入射波传播方向紧密级联以组成一个超单元。超单元的两个介质体中的磁场强度与电场强度矢量均呈现相反的方向且相近的幅度，接近等幅而反相的内部场分布使超单元类似一个二元准超方向性磁偶极子阵列，由此产生的准超方向性再辐射有效地贡献于后向散射截面增强。进一步，由镜像原理，将超单元剖面厚度减半并加载于薄导电板表面。结果表明，剖面厚度仅为0.078λ0的介质谐振器形成基于磁偶极子的准超方向性再辐射，在谐振频率处可显著修改薄导电板的侧向回射特性，进而在相对宽带宽角范围内对侧向入射波实现有效的后向散射截面增强。
, 最新更新时间 , doi: 10.11999/JEIT221189
摘要:
该文研究了智能反射面(IRS)辅助基于非正交多址接入(NOMA)技术的无人机(UAV)网络中的安全传输。为了使系统安全速率最大化，该文提出联合优化无人机位置、串行干扰消除解码顺序、IRS反射矩阵和UAV发射功率的资源优化问题。由于优化问题是一个混合整数非凸优化问题，该文提出一种基于块坐标下降的迭代算法，将原问题分解为3个子问题，采用基于惩罚、半正定松弛和连续凸逼近的方法求解子问题。仿真表明，所提算法的系统安全速率优于没有IRS辅助的NOMA方案和没有IRS辅助的正交多址方案。
该文研究了智能反射面(IRS)辅助基于非正交多址接入(NOMA)技术的无人机(UAV)网络中的安全传输。为了使系统安全速率最大化，该文提出联合优化无人机位置、串行干扰消除解码顺序、IRS反射矩阵和UAV发射功率的资源优化问题。由于优化问题是一个混合整数非凸优化问题，该文提出一种基于块坐标下降的迭代算法，将原问题分解为3个子问题，采用基于惩罚、半正定松弛和连续凸逼近的方法求解子问题。仿真表明，所提算法的系统安全速率优于没有IRS辅助的NOMA方案和没有IRS辅助的正交多址方案。
, 最新更新时间 , doi: 10.11999/JEIT220709
摘要:
忆阻因具有阻值可调、记忆特性以及纳米尺寸等特点，非常适合作为实现神经网络突触的电子元器件。为构建出更加符合真实物理忆阻器特性的忆阻器模型，该文在现有忆阻器模型的基础之上，克服了边界锁定、正负电压调整速率问题以及电路结构通用性问题，提出一种改进忆阻器模型。然后结合Pavlov联想记忆实验和Hopfield神经网络理论设计出了该文的字符联想记忆电路。电路结构主要有输入信号模块、突触阵列模块、激活函数模块以及反馈控制模块。该电路可以解决因传统阵列模块使用电阻作为突触模块的灵活性问题，而且还可以实现对3阶字符模糊图像的自联想功能。此外，该电路与深度学习相关的卷积计算模块原理类似，为实现基于忆阻的智能硬件奠定了理论基础。
忆阻因具有阻值可调、记忆特性以及纳米尺寸等特点，非常适合作为实现神经网络突触的电子元器件。为构建出更加符合真实物理忆阻器特性的忆阻器模型，该文在现有忆阻器模型的基础之上，克服了边界锁定、正负电压调整速率问题以及电路结构通用性问题，提出一种改进忆阻器模型。然后结合Pavlov联想记忆实验和Hopfield神经网络理论设计出了该文的字符联想记忆电路。电路结构主要有输入信号模块、突触阵列模块、激活函数模块以及反馈控制模块。该电路可以解决因传统阵列模块使用电阻作为突触模块的灵活性问题，而且还可以实现对3阶字符模糊图像的自联想功能。此外，该电路与深度学习相关的卷积计算模块原理类似，为实现基于忆阻的智能硬件奠定了理论基础。
, 最新更新时间 , doi: 10.11999/JEIT220803
摘要:
针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题，该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先，建立资源负载惩罚、SFC部署成本和时延成本最小化的模型，同时受限于SFC端到端时延和网络资源预留阈值约束。其次，将随机优化问题转化为马尔可夫决策过程(MDP)，实现SFC动态部署和资源的均衡调度，还进一步提出基于业务分工的多决策者编排方案。最后，在分布式多智能体系统中采用柔性演员-评论家(SAC)算法以增强探索能力，并引入了中央注意力机制和优势函数，能够动态和有选择性地关注获取更大部署回报的信息。仿真结果表明，所提算法可以实现负载惩罚、时延和部署成本的优化，并随业务请求量的增加能更好地扩展。
针对网络功能虚拟化(NFV)架构下业务请求动态变化引起的服务功能链(SFC)部署优化问题，该文提出一种基于多智能体柔性演员-评论家(MASAC)学习的SFC部署优化算法。首先，建立资源负载惩罚、SFC部署成本和时延成本最小化的模型，同时受限于SFC端到端时延和网络资源预留阈值约束。其次，将随机优化问题转化为马尔可夫决策过程(MDP)，实现SFC动态部署和资源的均衡调度，还进一步提出基于业务分工的多决策者编排方案。最后，在分布式多智能体系统中采用柔性演员-评论家(SAC)算法以增强探索能力，并引入了中央注意力机制和优势函数，能够动态和有选择性地关注获取更大部署回报的信息。仿真结果表明，所提算法可以实现负载惩罚、时延和部署成本的优化，并随业务请求量的增加能更好地扩展。
, 最新更新时间 , doi: 10.11999/JEIT221102
摘要:
为提升基于非正交多址访问(NOMA)大规模雾接入网络的上行物理层安全(PLS)，该文考虑了可重构智能表面(RIS)辅助无小区(CF)传输场景。基于功率域复用NOMA(PD-NOMA)并调用随机几何工具将空间效应引入所考虑网络的RIS模型设计，基于该方法来增强其PLS。该网络采用发射机-发射机对建模、Fisher-Snedecor\begin{document}$\mathcal{F}$\end{document} ![]()
![]()
\begin{document}$10.5\% $\end{document} ![]()
![]()
为提升基于非正交多址访问(NOMA)大规模雾接入网络的上行物理层安全(PLS)，该文考虑了可重构智能表面(RIS)辅助无小区(CF)传输场景。基于功率域复用NOMA(PD-NOMA)并调用随机几何工具将空间效应引入所考虑网络的RIS模型设计，基于该方法来增强其PLS。该网络采用发射机-发射机对建模、Fisher-Snedecor
, 最新更新时间 , doi: 10.11999/JEIT221041
摘要:
帕金森病是一种常见的慢性神经系统疾病，构音障碍是帕金森病的早期症状之一。基于语音进行帕金森病的辅助诊疗有助于更早发现病情和观测病情的发展。传统方法常通过对语音特征(如频率微扰、振幅微扰等)的参数计算来进行疾病评估，然而这些特征可能无法全面反映所有的病理现象，从而影响了检测和评估的准确率。为更好地提取帕金森病患者语音中的病理信息，提升检测和评估的准确率，该文提出一种基于掩蔽自监督语音特征提取的帕金森病检测方法。首先，从帕金森病患者的原始语音中提取Mel语谱图特征，得到患者富含病理特征的全局时序化表示；然后，对部分Mel语谱图特征进行掩蔽，并通过掩蔽自监督模型对掩蔽部分进行重构，从而学习到帕金森病患者语音特征的更高级表示。为解决帕金森病语音数据稀缺的问题，该文先在LibriSpeech公开数据集上进行掩蔽自监督模型的预训练，然后基于迁移学习的思想，利用帕金森病语音数据对预训练好的掩蔽自监督模型进行微调和加权求和，以提升该模型特征表示学习的性能。最终，使用随机森林和支持向量机分类器分别对提取好的语音特征进行分类，以实现帕金森病的检测。该文在MaxLittle公开数据集和课题组自采数据集上，采用10折交叉验证的方法验证了所提方法的有效性。结果表明，与传统的Mel语谱图特征检测方法和其他经典的自监督特征提取方法相比，所提方法在准确率、敏感度、特异度性能方面均有明显提升。
帕金森病是一种常见的慢性神经系统疾病，构音障碍是帕金森病的早期症状之一。基于语音进行帕金森病的辅助诊疗有助于更早发现病情和观测病情的发展。传统方法常通过对语音特征(如频率微扰、振幅微扰等)的参数计算来进行疾病评估，然而这些特征可能无法全面反映所有的病理现象，从而影响了检测和评估的准确率。为更好地提取帕金森病患者语音中的病理信息，提升检测和评估的准确率，该文提出一种基于掩蔽自监督语音特征提取的帕金森病检测方法。首先，从帕金森病患者的原始语音中提取Mel语谱图特征，得到患者富含病理特征的全局时序化表示；然后，对部分Mel语谱图特征进行掩蔽，并通过掩蔽自监督模型对掩蔽部分进行重构，从而学习到帕金森病患者语音特征的更高级表示。为解决帕金森病语音数据稀缺的问题，该文先在LibriSpeech公开数据集上进行掩蔽自监督模型的预训练，然后基于迁移学习的思想，利用帕金森病语音数据对预训练好的掩蔽自监督模型进行微调和加权求和，以提升该模型特征表示学习的性能。最终，使用随机森林和支持向量机分类器分别对提取好的语音特征进行分类，以实现帕金森病的检测。该文在MaxLittle公开数据集和课题组自采数据集上，采用10折交叉验证的方法验证了所提方法的有效性。结果表明，与传统的Mel语谱图特征检测方法和其他经典的自监督特征提取方法相比，所提方法在准确率、敏感度、特异度性能方面均有明显提升。
, 最新更新时间 , doi: 10.11999/JEIT221155
摘要:
为了提高连续微流控生物芯片(CFMBs)中的流层物理协同设计质量和效率，该文分3阶段实现布局布线协同设计。(1) 布局预处理阶段：通过提出的逻辑布局和组件方向布局调整方法，得到组件优异的逻辑位置和逻辑方向。(2) 组件映射和包围盒间隙布局调整阶段：基于包围盒策略，把布局预处理结果映射到实际物理设计空间中，并通过包围盒间隙布局调整，获得最佳包围盒间隙。(3) 收缩布局调整阶段：基于组件间的连通图关系，提出了沿流通道收缩和多图收缩两种新的布局调整方法。实验结果表明，与现有最佳的启发式算法对比，该文算法在芯片流层整体面积、流通道交叉点数和流通道总长度上分别优化20.22%, 54.66%和71.62%，加速比为177.12，显著提升了设计质量和效率。
为了提高连续微流控生物芯片(CFMBs)中的流层物理协同设计质量和效率，该文分3阶段实现布局布线协同设计。(1) 布局预处理阶段：通过提出的逻辑布局和组件方向布局调整方法，得到组件优异的逻辑位置和逻辑方向。(2) 组件映射和包围盒间隙布局调整阶段：基于包围盒策略，把布局预处理结果映射到实际物理设计空间中，并通过包围盒间隙布局调整，获得最佳包围盒间隙。(3) 收缩布局调整阶段：基于组件间的连通图关系，提出了沿流通道收缩和多图收缩两种新的布局调整方法。实验结果表明，与现有最佳的启发式算法对比，该文算法在芯片流层整体面积、流通道交叉点数和流通道总长度上分别优化20.22%, 54.66%和71.62%，加速比为177.12，显著提升了设计质量和效率。
, 最新更新时间 , doi: 10.11999/JEIT221061
摘要:
针对真实信源位置与字典网格不匹配导致波达角估计(DOA)误差过大的问题，该文提出了一种基于修正迭代自适应(IAA)功率谱算法的离网格(Off-Grid)DOA估计方法(OGIAA)。该方法首先通过修正IAA方法得到信号功率谱，读出功率峰值的对应网格角度作为粗估计结果，再利用平方误差代价函数，将代价函数二阶泰勒展开并最小化得到初始偏移量，最后交替优化功率分量和偏移量，实现高精度的离网格DOA估计。理论分析和仿真结果表明，该方法实现过程简单，无正则化参数影响，能准确估计出偏移网格的信源角度，在高阵列自由度的非均匀阵列上也同样具备高估计精度。
针对真实信源位置与字典网格不匹配导致波达角估计(DOA)误差过大的问题，该文提出了一种基于修正迭代自适应(IAA)功率谱算法的离网格(Off-Grid)DOA估计方法(OGIAA)。该方法首先通过修正IAA方法得到信号功率谱，读出功率峰值的对应网格角度作为粗估计结果，再利用平方误差代价函数，将代价函数二阶泰勒展开并最小化得到初始偏移量，最后交替优化功率分量和偏移量，实现高精度的离网格DOA估计。理论分析和仿真结果表明，该方法实现过程简单，无正则化参数影响，能准确估计出偏移网格的信源角度，在高阵列自由度的非均匀阵列上也同样具备高估计精度。
, 最新更新时间 , doi: 10.11999/JEIT221181
摘要:
空间行波管(TWT)预失真电路小型化、轻量化要求使得电路调试难度变大，迫切需要一种预失真电路精确仿真及设计方法来指导产品设计。该文在分析肖特基二极管等效电路模型基础上选择二极管MA4E2039作为非线性发生器件，并建立了MA4E2039的二极管仿真模型。之后通过分析反射式预失真电路结构，获得了影响电路性能的关键参数，并在元器件和版图联合仿真阶段对这些关键参数进行精确仿真。最后对依据仿真结果进行加工的预失真电路进行测试，发现仿真结果和电路实测结果偏差小于15%，将预失真电路与K波段行波管放大器级联实现在输入回退4 dB时3阶交调达到23.77 dBc，实现了行波管的线性化。可见该方法能够用于指导空间行波管预失真电路设计，帮助提高产品开发周期，对于预失真电路的小型化设计也有重要指导意义。
空间行波管(TWT)预失真电路小型化、轻量化要求使得电路调试难度变大，迫切需要一种预失真电路精确仿真及设计方法来指导产品设计。该文在分析肖特基二极管等效电路模型基础上选择二极管MA4E2039作为非线性发生器件，并建立了MA4E2039的二极管仿真模型。之后通过分析反射式预失真电路结构，获得了影响电路性能的关键参数，并在元器件和版图联合仿真阶段对这些关键参数进行精确仿真。最后对依据仿真结果进行加工的预失真电路进行测试，发现仿真结果和电路实测结果偏差小于15%，将预失真电路与K波段行波管放大器级联实现在输入回退4 dB时3阶交调达到23.77 dBc，实现了行波管的线性化。可见该方法能够用于指导空间行波管预失真电路设计，帮助提高产品开发周期，对于预失真电路的小型化设计也有重要指导意义。
, 最新更新时间 , doi: 10.11999/JEIT220815
摘要:
基于SRAM(静态随机存取)存储器的感存算一体化芯片架构将传感、存储和计算功能结合，通过使存储单元具备计算能力，避免了计算过程中数据的搬移，解决了冯诺依曼架构所面临的“存储墙”的问题。该结构与传感器部分结合，可以实现超高速、超低功耗的运算能力。SRAM存储器相较于其他存储器在速度方面具有较大优势，主要体现在该架构能够实现较高的能效比，在精度增强后可以保证较高精度，适用于低功耗高性能要求下的大算力场景设计。该文调研了近几年来关于感存算一体化的研究，介绍了传统感知系统和持续感知系统及感算共融系统，并介绍了基于SRAM存储器的感存算一体芯片最常见的几种计算单元结构，在电压域、电荷域和数字域考察了基于SRAM的感存算一体的研究发展，进行分析对比其优劣势，结合调研分析讨论了该领域的未来发展方向。
基于SRAM(静态随机存取)存储器的感存算一体化芯片架构将传感、存储和计算功能结合，通过使存储单元具备计算能力，避免了计算过程中数据的搬移，解决了冯诺依曼架构所面临的“存储墙”的问题。该结构与传感器部分结合，可以实现超高速、超低功耗的运算能力。SRAM存储器相较于其他存储器在速度方面具有较大优势，主要体现在该架构能够实现较高的能效比，在精度增强后可以保证较高精度，适用于低功耗高性能要求下的大算力场景设计。该文调研了近几年来关于感存算一体化的研究，介绍了传统感知系统和持续感知系统及感算共融系统，并介绍了基于SRAM存储器的感存算一体芯片最常见的几种计算单元结构，在电压域、电荷域和数字域考察了基于SRAM的感存算一体的研究发展，进行分析对比其优劣势，结合调研分析讨论了该领域的未来发展方向。
, 最新更新时间 , doi: 10.11999/JEIT221032
摘要:
存储器作为片上系统(SoC)中最大和最重要的模块之一，它的稳定性和可靠性关乎着整个芯片能否正常工作。为了提高存储器的测试效率，该文提出一种新型动态March算法——Dynamic-RAWC。相比经典的March RAW算法，Dynamic-RAWC算法有着更良好的故障检测效果：动态故障覆盖率提高了31.3%。这个可观的效果得益于所提算法以经典的March RAW算法为基础进行优化，融入了Hammer、March C+算法的测试元素和一些新的测试元素。不同于普通March型算法的固定元素，所提算法支持用户自定义算法的执行顺序以适应不同的故障检测需求，能够动态地控制算法元素，在时间复杂度和故障覆盖率之间进行调整从而达到良好的平衡。
存储器作为片上系统(SoC)中最大和最重要的模块之一，它的稳定性和可靠性关乎着整个芯片能否正常工作。为了提高存储器的测试效率，该文提出一种新型动态March算法——Dynamic-RAWC。相比经典的March RAW算法，Dynamic-RAWC算法有着更良好的故障检测效果：动态故障覆盖率提高了31.3%。这个可观的效果得益于所提算法以经典的March RAW算法为基础进行优化，融入了Hammer、March C+算法的测试元素和一些新的测试元素。不同于普通March型算法的固定元素，所提算法支持用户自定义算法的执行顺序以适应不同的故障检测需求，能够动态地控制算法元素，在时间复杂度和故障覆盖率之间进行调整从而达到良好的平衡。
, 最新更新时间 , doi: 10.11999/JEIT221251
摘要:
虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。
虽然深度神经网络可以有效改善环境声音分类(ESC)性能，但对对抗样本攻击依然具有脆弱性。已有对抗防御方法通常只对特定攻击有效，无法适应白盒、黑盒等不同攻击场景。为提高ESC模型在各种场景下对各种攻击的防御能力，该文提出一种结合对抗检测、对抗训练和判别性特征学习的ESC组合对抗防御方法。该方法使用对抗样本检测器(AED)对输入ESC模型的样本进行检测，基于生成对抗网络(GAN)同时对AED和ESC模型进行对抗训练，其中，AED作为GAN的判别器使用。同时，该方法将判别性损失函数引入ESC模型的对抗训练中，以驱使模型学习到的样本特征类内更加紧凑、类间更加远离，进一步提升模型的对抗鲁棒性。在两个典型ESC数据集，以及白盒、自适应白盒、黑盒攻击设置下，针对多种模型开展了防御对比实验。实验结果表明，该方法基于GAN实现多种防御方法的组合，可以有效提升ESC模型防御对抗样本攻击的能力，对应的ESC准确率比其他方法对应的ESC准确率提升超过10%。同时，实验验证了所提方法的有效性不是由混淆梯度引起的。
, 最新更新时间 , doi: 10.11999/JEIT221368
摘要:
视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型，归纳为两类：生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性，总结了各自的优势、应用场景及所存在问题。最后，对视觉编码研究的现状以及未来面对的挑战进行了展望。
视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型，归纳为两类：生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性，总结了各自的优势、应用场景及所存在问题。最后，对视觉编码研究的现状以及未来面对的挑战进行了展望。
, 最新更新时间 , doi: 10.11999/JEIT221493
摘要:
不同的神经元之间具有异质性，动力学特性也有很大不同，因此异质神经元之间的耦合是一个有价值的研究方向。该文利用Fitzhugh-Nagumo神经元和Hindmarsh-Rose神经元构造一个局部有源忆阻耦合异质神经元。对局部有源忆阻耦合异质神经元的分岔图、谱熵和三参数李雅普诺夫指数图等进行分析，该异质神经元存在多周期窗等丰富的动力学特性。为增强图像传输的安全性设计一种基于局部有源忆阻耦合异质神经元的DNA编码图像加密算法。对加密图像的噪音和裁剪分析表明该图像加密算法具有较强的鲁棒性。
不同的神经元之间具有异质性，动力学特性也有很大不同，因此异质神经元之间的耦合是一个有价值的研究方向。该文利用Fitzhugh-Nagumo神经元和Hindmarsh-Rose神经元构造一个局部有源忆阻耦合异质神经元。对局部有源忆阻耦合异质神经元的分岔图、谱熵和三参数李雅普诺夫指数图等进行分析，该异质神经元存在多周期窗等丰富的动力学特性。为增强图像传输的安全性设计一种基于局部有源忆阻耦合异质神经元的DNA编码图像加密算法。对加密图像的噪音和裁剪分析表明该图像加密算法具有较强的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT221400
摘要:
文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展，但GANs方法的模型存在训练不稳定的问题。为解决这一问题，该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在D-WGAN中，利用向判别器中输入扩散过程中随机采样的实例噪声，在实现模型稳定训练的同时，生成高质量和多样性的图像。考虑到扩散过程的采样成本较高，引入一种随机微分的方法，以简化采样过程。为了进一步对齐文本与图像的信息，提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系，从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明，D-WGAN在实现稳定训练的同时，与当前最好的方法相比，FID分数分别降低了16.43%和1.97%，IS分数分别提升了3.38%和30.95%，说明D-WGAN生成的图像质量更高，更具有实用价值。
文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展，但GANs方法的模型存在训练不稳定的问题。为解决这一问题，该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在D-WGAN中，利用向判别器中输入扩散过程中随机采样的实例噪声，在实现模型稳定训练的同时，生成高质量和多样性的图像。考虑到扩散过程的采样成本较高，引入一种随机微分的方法，以简化采样过程。为了进一步对齐文本与图像的信息，提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系，从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明，D-WGAN在实现稳定训练的同时，与当前最好的方法相比，FID分数分别降低了16.43%和1.97%，IS分数分别提升了3.38%和30.95%，说明D-WGAN生成的图像质量更高，更具有实用价值。
, 最新更新时间 , doi: 10.11999/JEIT221533
摘要:
针对1点对多点同时激光通信光端机的小型化、轻量化、网络化的技术需求，该文简化了光端机上的多个陀螺，提出一种利用单陀螺实现多个光学视轴同时稳定的方案。为求解多光学视轴姿态，根据欧拉定理重新定义了每个指向镜的坐标系，建立了基于转动4元数的多光学视轴姿态数学模型。为了求解该数学模型的参数，给出了相对应的4阶龙格库塔解算方法，并进行了“三子样”算法优化。最后，将数值解算结果与3种典型圆锥运动的真值进行比较，获得了不同指向镜视轴姿态的解算误差曲线。结果表明，在60 s仿真时间内4阶龙格库塔法对4个光学视轴姿态的联合解算精度优于10–4 μrad，验证了该模型的有效性。经过“三子样”算法优化后，3种典型圆锥运动的解算精度分别提高了3个数量级、3个数量级和1个数量级，达到了精度优化的目的。该方法的提出，为捷联稳定技术在激光通信组网中的应用提供了理论依据。
针对1点对多点同时激光通信光端机的小型化、轻量化、网络化的技术需求，该文简化了光端机上的多个陀螺，提出一种利用单陀螺实现多个光学视轴同时稳定的方案。为求解多光学视轴姿态，根据欧拉定理重新定义了每个指向镜的坐标系，建立了基于转动4元数的多光学视轴姿态数学模型。为了求解该数学模型的参数，给出了相对应的4阶龙格库塔解算方法，并进行了“三子样”算法优化。最后，将数值解算结果与3种典型圆锥运动的真值进行比较，获得了不同指向镜视轴姿态的解算误差曲线。结果表明，在60 s仿真时间内4阶龙格库塔法对4个光学视轴姿态的联合解算精度优于10–4 μrad，验证了该模型的有效性。经过“三子样”算法优化后，3种典型圆锥运动的解算精度分别提高了3个数量级、3个数量级和1个数量级，达到了精度优化的目的。该方法的提出，为捷联稳定技术在激光通信组网中的应用提供了理论依据。
, 最新更新时间 , doi: 10.11999/JEIT230012
摘要:
随着CMOS器件特征尺寸进入纳米量级，因高能粒子辐射等原因造成的电路失效问题日益严重，给电路可靠性带来严峻挑战。现阶段，准确评估集成电路可靠性，并以此为依据对电路进行容错加固，以提高电路系统可靠性变得刻不容缓。然而，由于逻辑电路中存在大量扇出重汇聚结构，由此引发的信号相关性导致可靠性评估与敏感单元定位面临困难。该文提出一种基于相关性分离的逻辑电路敏感门定位算法。先将电路划分为多个独立电路结构(ICS)；以ICS为基本单元分析故障传播及信号相关性影响；再利用相关性分离后的电路模块和反向搜索算法精准定位逻辑电路敏感门单元；最后综合考虑面向输入向量空间的敏感门定位及针对性容错加固。实验结果表明，所提算法能准确、高效地定位逻辑电路敏感单元，适用于大规模及超大规模电路的可靠性评估与高效容错设计。
随着CMOS器件特征尺寸进入纳米量级，因高能粒子辐射等原因造成的电路失效问题日益严重，给电路可靠性带来严峻挑战。现阶段，准确评估集成电路可靠性，并以此为依据对电路进行容错加固，以提高电路系统可靠性变得刻不容缓。然而，由于逻辑电路中存在大量扇出重汇聚结构，由此引发的信号相关性导致可靠性评估与敏感单元定位面临困难。该文提出一种基于相关性分离的逻辑电路敏感门定位算法。先将电路划分为多个独立电路结构(ICS)；以ICS为基本单元分析故障传播及信号相关性影响；再利用相关性分离后的电路模块和反向搜索算法精准定位逻辑电路敏感门单元；最后综合考虑面向输入向量空间的敏感门定位及针对性容错加固。实验结果表明，所提算法能准确、高效地定位逻辑电路敏感单元，适用于大规模及超大规模电路的可靠性评估与高效容错设计。
, 最新更新时间 , doi: 10.11999/JEIT221503
摘要:
为提高高清彩色图像超分辨率重建效果，该文提出了一种基于边缘对比度的新型自适应图像插值算法。使用边缘对比度检测和不同尺度的感受野来自适应选择Lanczos插值的系数，自适应性和不同感受野可以进一步提升图像放大质量，图像质量相比于双线性插值平均峰值信噪比(PSNR)提高1.1 dB，结构相似度(SSIM)提高0.025，图像感知相似度(LPIPS)提高0.051，相比于双三次插值平均PSNR提高0.34 dB，SSIM提高0.01，LPIPS提高0.033。同时为减少硬件资源以及提高存储效率协同设计了一种高并行、高能效的加速插值引擎架构，通过两级数据重用和系数脉动机制极大提高计算访存比。加速引擎在16 nm工艺库的综合结果达到2 GHz时钟频率；在Xilinx Zynq Ultra scale+ xczu15eg FPGA上工作频率达到200 MHz，达到60 fps的实时性能。
为提高高清彩色图像超分辨率重建效果，该文提出了一种基于边缘对比度的新型自适应图像插值算法。使用边缘对比度检测和不同尺度的感受野来自适应选择Lanczos插值的系数，自适应性和不同感受野可以进一步提升图像放大质量，图像质量相比于双线性插值平均峰值信噪比(PSNR)提高1.1 dB，结构相似度(SSIM)提高0.025，图像感知相似度(LPIPS)提高0.051，相比于双三次插值平均PSNR提高0.34 dB，SSIM提高0.01，LPIPS提高0.033。同时为减少硬件资源以及提高存储效率协同设计了一种高并行、高能效的加速插值引擎架构，通过两级数据重用和系数脉动机制极大提高计算访存比。加速引擎在16 nm工艺库的综合结果达到2 GHz时钟频率；在Xilinx Zynq Ultra scale+ xczu15eg FPGA上工作频率达到200 MHz，达到60 fps的实时性能。
, 最新更新时间 , doi: 10.11999/JEIT221289
摘要:
该文提出一种在模拟域抑制功放(PA)非线性失真的双通道非线性反馈架构，以改善PA线性度，减少邻道泄露。在该架构中，用于抑制非线性的电路包含非线性提取环路和反馈调整环路。非线性提取环路通过耦合器提取PA输入和输出信号，进行幅度和相位对齐后抵消线性信号，保留PA产生的非线性失真。反馈调整环路包含两条独立反馈通道，且信号通过非线性提取环路和反馈调整环路中两条通道分别反馈后的总时延具有两倍关系，使反馈环路呈现2阶Delta-Sigma结构形式，相比于单通道非线性反馈架构具有更好的失真抑制性能。并且通过所提方法配置反馈通道参数，可以实现不同目标频点下非线性失真的灵活抑制。最后设计了一个使用CMPA0060002F商用功放芯片的实验平台，对于带宽为40 MHz，载频为780 MHz的测试信号，在当前6 ns的硬件反馈时延条件下，可以使邻道功率比(ACLR)单边带改善11 dB或双边带改善6 dB，且通过减小反馈时延能够取得更好的性能。
该文提出一种在模拟域抑制功放(PA)非线性失真的双通道非线性反馈架构，以改善PA线性度，减少邻道泄露。在该架构中，用于抑制非线性的电路包含非线性提取环路和反馈调整环路。非线性提取环路通过耦合器提取PA输入和输出信号，进行幅度和相位对齐后抵消线性信号，保留PA产生的非线性失真。反馈调整环路包含两条独立反馈通道，且信号通过非线性提取环路和反馈调整环路中两条通道分别反馈后的总时延具有两倍关系，使反馈环路呈现2阶Delta-Sigma结构形式，相比于单通道非线性反馈架构具有更好的失真抑制性能。并且通过所提方法配置反馈通道参数，可以实现不同目标频点下非线性失真的灵活抑制。最后设计了一个使用CMPA0060002F商用功放芯片的实验平台，对于带宽为40 MHz，载频为780 MHz的测试信号，在当前6 ns的硬件反馈时延条件下，可以使邻道功率比(ACLR)单边带改善11 dB或双边带改善6 dB，且通过减小反馈时延能够取得更好的性能。
, 最新更新时间 , doi: 10.11999/JEIT221301
摘要:
被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测。水声目标识别通过分析水声信号来判别目标个体，是水声工程领域的重点研究方向。深度学习作为近年来各领域的研究热点，其在水声目标识别领域中的应用引起了学者的广泛关注。该文以水声目标识别的步骤框架为切入，介绍了典型深度网络模型；总结出了深度学习在水声目标识别领域中的两大内涵：围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展，围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展；并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展望，旨在推动水声目标识别领域的发展。
被动声呐通过接收目标自身发出的辐射噪声信号进行目标探测。水声目标识别通过分析水声信号来判别目标个体，是水声工程领域的重点研究方向。深度学习作为近年来各领域的研究热点，其在水声目标识别领域中的应用引起了学者的广泛关注。该文以水声目标识别的步骤框架为切入，介绍了典型深度网络模型；总结出了深度学习在水声目标识别领域中的两大内涵：围绕时频谱、梅尔倒谱系数等特征调研了近几年深度学习作为分类器的关键问题以及研究进展，围绕数据增强、数据降噪等信号处理手段调研了近几年深度学习作为信号处理工具的关键问题以及研究进展；并从数据驱动、特征驱动、模型驱动3个方面对该领域的发展趋势进行展望，旨在推动水声目标识别领域的发展。
, 最新更新时间 , doi: 10.11999/JEIT221593
摘要:
RAIN是一族SPN结构的轻量级分组密码算法，该算法具有软硬件实现效率高，安全性强等特点。中间相遇攻击被广泛应用于分组密码算法的安全性分析中。该文通过分析RAIN-128的结构特性和截断差分特征，利用差分枚举技术分别构造了4轮和6轮中间相遇区分器，给出了8轮及10轮的中间相遇攻击。当攻击轮数为8轮时，预计算阶段的时间复杂度为\begin{document}$ {2^{68}} $\end{document} ![]()
![]()
\begin{document}$ {2^{75}} $\end{document} ![]()
![]()
\begin{document}$ {2^{109}} $\end{document} ![]()
![]()
\begin{document}$ {2^{72}} $\end{document} ![]()
![]()
\begin{document}$ {2^{214}} $\end{document} ![]()
![]()
\begin{document}$ {2^{219}} $\end{document} ![]()
![]()
\begin{document}$ {2^{109}} $\end{document} ![]()
![]()
\begin{document}$ {2^{72}} $\end{document} ![]()
![]()
RAIN是一族SPN结构的轻量级分组密码算法，该算法具有软硬件实现效率高，安全性强等特点。中间相遇攻击被广泛应用于分组密码算法的安全性分析中。该文通过分析RAIN-128的结构特性和截断差分特征，利用差分枚举技术分别构造了4轮和6轮中间相遇区分器，给出了8轮及10轮的中间相遇攻击。当攻击轮数为8轮时，预计算阶段的时间复杂度为
, 最新更新时间 , doi: 10.11999/JEIT221483
摘要:
为了提高频谱传输效率和抑制信道不确定性影响，该文提出一种基于不完美信道状态信息的认知反向散射通信吞吐量最大化算法。首先，考虑主基站最大发射功率、传输时间、用户服务质量、有界信道不确定性等约束，建立了联合优化主基站波束、传输时间、反射系数的多变量耦合的非线性鲁棒吞吐量最大化模型。其次，利用最坏准则、S-Procedure、连续凸近似和交替优化方法，将原问题转换为凸优化问题，并提出一种基于迭代的鲁棒资源分配算法。仿真结果表明，与非鲁棒算法对比，所提算法具有较好的吞吐量和鲁棒性，且中断概率减小2.39%。
为了提高频谱传输效率和抑制信道不确定性影响，该文提出一种基于不完美信道状态信息的认知反向散射通信吞吐量最大化算法。首先，考虑主基站最大发射功率、传输时间、用户服务质量、有界信道不确定性等约束，建立了联合优化主基站波束、传输时间、反射系数的多变量耦合的非线性鲁棒吞吐量最大化模型。其次，利用最坏准则、S-Procedure、连续凸近似和交替优化方法，将原问题转换为凸优化问题，并提出一种基于迭代的鲁棒资源分配算法。仿真结果表明，与非鲁棒算法对比，所提算法具有较好的吞吐量和鲁棒性，且中断概率减小2.39%。
, 最新更新时间 , doi: 10.11999/JEIT221292
摘要:
八阵图(ESF)是基于LBlock改进的轻量级分组密码，具有优良的软硬件实现效率。针对 ESF算法的安全性，该文借助自动化搜索工具，利用不可能差分分析方法，对算法进行安全性评估。首先结合ESF的结构特性和\begin{document}$ S $\end{document} ![]()
![]()
\begin{document}$ S $\end{document} ![]()
![]()
\begin{document}$ {2^{60.16}} $\end{document} ![]()
![]()
\begin{document}$ {2^{67.44}} $\end{document} ![]()
![]()
八阵图(ESF)是基于LBlock改进的轻量级分组密码，具有优良的软硬件实现效率。针对 ESF算法的安全性，该文借助自动化搜索工具，利用不可能差分分析方法，对算法进行安全性评估。首先结合ESF的结构特性和
, 最新更新时间 , doi: 10.11999/JEIT221205
摘要:
彩色图像灰度化是一种被广泛应用于各个领域的图像压缩方式，但很少有研究关注彩色图像与灰度图像之间的相互转换技术。该文运用深度学习，创新性地提出了一种基于辅助变量增强的可逆彩色图像灰度化方法。该方法使用变量增强技术来保证输出与输入变量通道数相同以满足网络的可逆特性。具体来说，该方法通过可逆神经网络的正向过程实现彩色图像灰度化，逆向过程实现灰度图像的色彩复原。将所提方法在VOC2012, NCD和Wallpaper数据集上进行定性和定量比较。实验结果表明，所提方法在评价指标上均获得了更好的结果。无论是在全局还是局部，生成图像都可以最大程度地保留亮度、颜色对比度和结构相关性等特征。
彩色图像灰度化是一种被广泛应用于各个领域的图像压缩方式，但很少有研究关注彩色图像与灰度图像之间的相互转换技术。该文运用深度学习，创新性地提出了一种基于辅助变量增强的可逆彩色图像灰度化方法。该方法使用变量增强技术来保证输出与输入变量通道数相同以满足网络的可逆特性。具体来说，该方法通过可逆神经网络的正向过程实现彩色图像灰度化，逆向过程实现灰度图像的色彩复原。将所提方法在VOC2012, NCD和Wallpaper数据集上进行定性和定量比较。实验结果表明，所提方法在评价指标上均获得了更好的结果。无论是在全局还是局部，生成图像都可以最大程度地保留亮度、颜色对比度和结构相关性等特征。
, 最新更新时间 , doi: 10.11999/JEIT220873
摘要:
基于数字射频存储器产生的移频干扰是一种针对线性调频信号(LFM)脉冲雷达的欺骗干扰，所产生的导前或滞后假目标由于诸多特性与真实目标相似因而难以鉴别。为有效对抗移频干扰，该文通过研究移频干扰信号的脉冲压缩过程，得出存在频率差的两信号进行时域卷积后输出能量与频率差呈负相关的结论。该文利用这一结论设计带有正、负频率偏移的失配滤波器，滤波器在与雷达回波信号进行时域卷积、相参积累后将出现真实目标和干扰信号的峰值差异，进而鉴别移频干扰。该文提出的移频干扰鉴别方法工程实用性强，是在以自卫式干扰条件下常规LFM脉冲多普勒雷达对抗移频干扰的有效方法。通过仿真试验验证了所提方法的有效性。
基于数字射频存储器产生的移频干扰是一种针对线性调频信号(LFM)脉冲雷达的欺骗干扰，所产生的导前或滞后假目标由于诸多特性与真实目标相似因而难以鉴别。为有效对抗移频干扰，该文通过研究移频干扰信号的脉冲压缩过程，得出存在频率差的两信号进行时域卷积后输出能量与频率差呈负相关的结论。该文利用这一结论设计带有正、负频率偏移的失配滤波器，滤波器在与雷达回波信号进行时域卷积、相参积累后将出现真实目标和干扰信号的峰值差异，进而鉴别移频干扰。该文提出的移频干扰鉴别方法工程实用性强，是在以自卫式干扰条件下常规LFM脉冲多普勒雷达对抗移频干扰的有效方法。通过仿真试验验证了所提方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT220895
摘要:
针对航迹交叉条件下被动声呐目标跟踪困难的问题，该文将现有运动特征关联方法和信号特征辅助关联方法进行改进融合，提出一种基于历史运动特征约束和支持向量机(SVM)频谱分类的被动声呐目标关联跟踪方法。首先，利用目标的历史航迹点提取历史方位变化率，作为重合条件下点航迹关联的主要特征；其次，将方位靠近目标的点迹关联问题转化为点迹频谱的分类问题，利用目标航迹点频谱训练的SVM模型完成待关联点迹频谱的分类，根据分类结果实现方位靠近目标的点航迹关联；最后，将两种方法有机融合，构建了被动声呐交叉重合目标关联跟踪的算法框架。仿真实验结果表明，该算法能够有效完成靠近目标的点迹分类和交叉重合目标的关联跟踪，其跟踪性能优于传统运动特征关联跟踪算法。
针对航迹交叉条件下被动声呐目标跟踪困难的问题，该文将现有运动特征关联方法和信号特征辅助关联方法进行改进融合，提出一种基于历史运动特征约束和支持向量机(SVM)频谱分类的被动声呐目标关联跟踪方法。首先，利用目标的历史航迹点提取历史方位变化率，作为重合条件下点航迹关联的主要特征；其次，将方位靠近目标的点迹关联问题转化为点迹频谱的分类问题，利用目标航迹点频谱训练的SVM模型完成待关联点迹频谱的分类，根据分类结果实现方位靠近目标的点航迹关联；最后，将两种方法有机融合，构建了被动声呐交叉重合目标关联跟踪的算法框架。仿真实验结果表明，该算法能够有效完成靠近目标的点迹分类和交叉重合目标的关联跟踪，其跟踪性能优于传统运动特征关联跟踪算法。
, 最新更新时间 , doi: 10.11999/JEIT220706
摘要:
目前基于深度卷积神经网络的显著性物体检测方法难以在非欧氏空间不规则结构数据中应用，在复杂视觉场景中易造成显著物体边缘及结构等高频信息损失，影响检测性能。为此，该文面向显著性物体检测任务提出一种端到端的多图神经网络协同学习框架，实现显著性边缘特征与显著性区域特征协同学习的过程。在该学习框架中，该文构造了一种动态信息增强图卷积算子，通过增强不同图节点之间和同一图节点内不同通道之间的信息传递，捕获非欧氏空间全局上下文结构信息，完成显著性边缘信息与显著性区域信息的充分挖掘；进一步地，通过引入注意力感知融合模块，实现显著性边缘信息与显著性区域信息的互补融合，为两种信息挖掘过程提供互补线索。最后，通过显式编码显著性边缘信息，指导显著性区域的特征学习，从而更加精准地定位复杂场景下的显著性区域。在4个公开的基准测试数据集上的实验表明，所提方法优于目前主流的基于深度卷积神经网络的显著性物体检测方法，具有较强的鲁棒性和泛化能力。
目前基于深度卷积神经网络的显著性物体检测方法难以在非欧氏空间不规则结构数据中应用，在复杂视觉场景中易造成显著物体边缘及结构等高频信息损失，影响检测性能。为此，该文面向显著性物体检测任务提出一种端到端的多图神经网络协同学习框架，实现显著性边缘特征与显著性区域特征协同学习的过程。在该学习框架中，该文构造了一种动态信息增强图卷积算子，通过增强不同图节点之间和同一图节点内不同通道之间的信息传递，捕获非欧氏空间全局上下文结构信息，完成显著性边缘信息与显著性区域信息的充分挖掘；进一步地，通过引入注意力感知融合模块，实现显著性边缘信息与显著性区域信息的互补融合，为两种信息挖掘过程提供互补线索。最后，通过显式编码显著性边缘信息，指导显著性区域的特征学习，从而更加精准地定位复杂场景下的显著性区域。在4个公开的基准测试数据集上的实验表明，所提方法优于目前主流的基于深度卷积神经网络的显著性物体检测方法，具有较强的鲁棒性和泛化能力。
, 最新更新时间 , doi: 10.11999/JEIT221265
摘要:
相比于空中的电磁波信号，水下的声波信号传播速度小、频率低，多普勒效应和窄带信号处理方法严重影响多无人水下航行器(multi-UUV)协同探测声呐对运动目标的探测性能。该文基于Costas序列和正交频分线性调频(OFD-LFM)波形，设计了离散频率编码非正交线性调频波形(DFCW-NOFD-LFM)，并将该波形与二进制相移键控(BPSK)、离散频率编码波形(DFCW)等传统码分多址(CDMA)波形进行了性能比较。结果表明，所设计波形具有大多普勒容限、良好的自相关与互相关性能和优秀的抗混响能力，有望应用于多UUV协同探测声呐，以提高其运动目标探测性能。
相比于空中的电磁波信号，水下的声波信号传播速度小、频率低，多普勒效应和窄带信号处理方法严重影响多无人水下航行器(multi-UUV)协同探测声呐对运动目标的探测性能。该文基于Costas序列和正交频分线性调频(OFD-LFM)波形，设计了离散频率编码非正交线性调频波形(DFCW-NOFD-LFM)，并将该波形与二进制相移键控(BPSK)、离散频率编码波形(DFCW)等传统码分多址(CDMA)波形进行了性能比较。结果表明，所设计波形具有大多普勒容限、良好的自相关与互相关性能和优秀的抗混响能力，有望应用于多UUV协同探测声呐，以提高其运动目标探测性能。
, 最新更新时间 , doi: 10.11999/JEIT220830
摘要:
该文提出一种机载双极化气象雷达多种降水粒子回波仿真方法。该方法基于T-Matrix方法以及天气预报模式(Weather Research and Forecasting, WRF)，首先利用WRF建模仿真气象场景；其次考虑降水粒子为球形条件下，结合T-Matrix方法和微物理特性计算6种降水粒子反射率因子；最后应用雷达气象方程获得6种类型降水粒子回波信号，实现机载极化气象雷达降水粒子回波信号仿真。仿真结果表明，该方法的仿真结果可准确反映气象特征，与实测数据的对比分析进一步证实了所提方法的有效性、可靠性。
该文提出一种机载双极化气象雷达多种降水粒子回波仿真方法。该方法基于T-Matrix方法以及天气预报模式(Weather Research and Forecasting, WRF)，首先利用WRF建模仿真气象场景；其次考虑降水粒子为球形条件下，结合T-Matrix方法和微物理特性计算6种降水粒子反射率因子；最后应用雷达气象方程获得6种类型降水粒子回波信号，实现机载极化气象雷达降水粒子回波信号仿真。仿真结果表明，该方法的仿真结果可准确反映气象特征，与实测数据的对比分析进一步证实了所提方法的有效性、可靠性。
, 最新更新时间 , doi: 10.11999/JEIT221163
摘要:
当采用高分辨雷达对空间微动目标进行观测时，往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息，该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段，首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后，将提取的3个深层特征进行1维拼接形成联合特征向量，并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后，利用SAE网络参数对识别网络进行初始化，并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段，将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。
当采用高分辨雷达对空间微动目标进行观测时，往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息，该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段，首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后，将提取的3个深层特征进行1维拼接形成联合特征向量，并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后，利用SAE网络参数对识别网络进行初始化，并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段，将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。
, 最新更新时间 , doi: 10.11999/JEIT221469
摘要:
作为一种新型的有源干扰样式，间歇采样转发干扰(ISRJ)引起了人们越来越多的关注。极化是表征电磁波矢量性的重要参数，其引入可以显著提高雷达在抗干扰方面的性能。为此，该文针对性地研究了全极化雷达的抗ISRJ方法，通过波形设计和优化以获取比传统单极化雷达更好的抗干扰性能。另外，针对宽带雷达条件下现有抗ISRJ问题表征中未考虑目标特性对信号调制作用这一短板，该文在信干比的数学表达式中加入了目标特性调制这一因素。在此基础上，提出了一种具有多普勒容忍的抗ISRJ全极化雷达波形设计方法。采用实测目标数据开展的实验表明：与单极化雷达相比，极化信息的引入显著提高了雷达对ISRJ的抑制性能；宽带条件下，考虑扩展目标对信号的调制作用在信干比的计算上具有必要性。
作为一种新型的有源干扰样式，间歇采样转发干扰(ISRJ)引起了人们越来越多的关注。极化是表征电磁波矢量性的重要参数，其引入可以显著提高雷达在抗干扰方面的性能。为此，该文针对性地研究了全极化雷达的抗ISRJ方法，通过波形设计和优化以获取比传统单极化雷达更好的抗干扰性能。另外，针对宽带雷达条件下现有抗ISRJ问题表征中未考虑目标特性对信号调制作用这一短板，该文在信干比的数学表达式中加入了目标特性调制这一因素。在此基础上，提出了一种具有多普勒容忍的抗ISRJ全极化雷达波形设计方法。采用实测目标数据开展的实验表明：与单极化雷达相比，极化信息的引入显著提高了雷达对ISRJ的抑制性能；宽带条件下，考虑扩展目标对信号的调制作用在信干比的计算上具有必要性。
, 最新更新时间 , doi: 10.11999/JEIT221362
摘要:
针对常用多站无源定位技术存在时差(TDOA)/频差(FDOA)定位对超低旁瓣辐射源适应性差、测向(DOA)定位的造价成本和系统复杂度高等缺点，提出了一种基于相位差(PDOA)的多站无源定位新体制，利用每个观测站上至少两个接收天线和通道构成的长基线干涉仪(LBI)，通过测量辐射源信号到达长基线干涉仪天线的相位差实现定位。针对相位差的2π模糊引入的非线性和非连续性，提出了一种基于多假设迭代优化的定位方法，首先利用一组相位差确定多个可能的辐射源位置初始值，然后采用高斯-牛顿(GN)方法对每个位置初始值进行迭代优化并计算代价函数，最后选择具有最小代价函数的估计值作为最终的定位结果。该方法可获取稳健的迭代初始值，算法运算量适中。仿真结果表明该定位方法的均方根误差(RMSE)在高斯观测噪声条件下可达到克拉美罗下限(CRLB)。
针对常用多站无源定位技术存在时差(TDOA)/频差(FDOA)定位对超低旁瓣辐射源适应性差、测向(DOA)定位的造价成本和系统复杂度高等缺点，提出了一种基于相位差(PDOA)的多站无源定位新体制，利用每个观测站上至少两个接收天线和通道构成的长基线干涉仪(LBI)，通过测量辐射源信号到达长基线干涉仪天线的相位差实现定位。针对相位差的2π模糊引入的非线性和非连续性，提出了一种基于多假设迭代优化的定位方法，首先利用一组相位差确定多个可能的辐射源位置初始值，然后采用高斯-牛顿(GN)方法对每个位置初始值进行迭代优化并计算代价函数，最后选择具有最小代价函数的估计值作为最终的定位结果。该方法可获取稳健的迭代初始值，算法运算量适中。仿真结果表明该定位方法的均方根误差(RMSE)在高斯观测噪声条件下可达到克拉美罗下限(CRLB)。
, 最新更新时间 , doi: 10.11999/JEIT220520
摘要:
为了实现三极化平面阵列的高性能宽角扫描，提出一种基于三极化单元的平面阵列半空间扫描波束形成方法，并对相控阵扫描特性进行了分析。首先，在假设单元3个极化特性一致的前提下，从期望的合成波束指向出发，将与之正交的极化电场单位矢量沿3个极化方向分解，从而获得3个极化电场分量的相位和幅度，再依据功率与极化电场幅度平方成正比的关系，推导获得4种极化形式下极化合成所需的激励表达式，并通过仿真验证了该激励表达式的正确性。接着采用经典的阵因子控制方法，改变阵元相位差，使阵因子扫描角与单元波束指向一致，从而形成半空间任意方向扫描的阵列波束。最后，在不考虑阵元间互耦的情况下，对4种极化形式下的阵列扫描特性进行仿真分析与对比，结果表明，该阵列具有优越的半空间扫描特性，验证了该波束形成方法的有效性。
为了实现三极化平面阵列的高性能宽角扫描，提出一种基于三极化单元的平面阵列半空间扫描波束形成方法，并对相控阵扫描特性进行了分析。首先，在假设单元3个极化特性一致的前提下，从期望的合成波束指向出发，将与之正交的极化电场单位矢量沿3个极化方向分解，从而获得3个极化电场分量的相位和幅度，再依据功率与极化电场幅度平方成正比的关系，推导获得4种极化形式下极化合成所需的激励表达式，并通过仿真验证了该激励表达式的正确性。接着采用经典的阵因子控制方法，改变阵元相位差，使阵因子扫描角与单元波束指向一致，从而形成半空间任意方向扫描的阵列波束。最后，在不考虑阵元间互耦的情况下，对4种极化形式下的阵列扫描特性进行仿真分析与对比，结果表明，该阵列具有优越的半空间扫描特性，验证了该波束形成方法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT220838
摘要:
雷达目标散射中心建模是雷达目标特性分析与雷达目标识别中的关键步骤，光滑流线型结构在雷达目标上的广泛应用，给传统散射中心建模带来了巨大挑战。该文针对滑动散射中心建模开展研究，首先分别基于曲面边缘散射和曲面散射两种情况，推导了滑动散射中心的位置表达式；其次，提出一种基于扩展1维-高维(2维/3维)散射映射图(One–Two/Three Dimensional Scattering Mapping, OTSM)的滑动散射中心估计方法，通过相邻视角的投影几何关系推导滑动散射中心的位置；然后，综合RANSAC算法获取的固定散射中心，获得目标完备的散射中心模型。利用暗室测量数据对算法进行了验证，结果表明了该文算法的有效性。
雷达目标散射中心建模是雷达目标特性分析与雷达目标识别中的关键步骤，光滑流线型结构在雷达目标上的广泛应用，给传统散射中心建模带来了巨大挑战。该文针对滑动散射中心建模开展研究，首先分别基于曲面边缘散射和曲面散射两种情况，推导了滑动散射中心的位置表达式；其次，提出一种基于扩展1维-高维(2维/3维)散射映射图(One–Two/Three Dimensional Scattering Mapping, OTSM)的滑动散射中心估计方法，通过相邻视角的投影几何关系推导滑动散射中心的位置；然后，综合RANSAC算法获取的固定散射中心，获得目标完备的散射中心模型。利用暗室测量数据对算法进行了验证，结果表明了该文算法的有效性。
, 最新更新时间 , doi: 10.11999/JEIT220882
摘要:
针对温度和应力变化带来的电场传感器灵敏度漂移和测量误差问题，该文提出一种具有灵敏度漂移自补偿功能的微机电系统(MEMS)谐振式电场传感器。传感器结构中，感应电极用于测量外部电场，参考电极用于监测可动结构振动信息；基于振动相位和锁相环技术实现传感器谐振频率自动跟踪，利用参考电极输出信号对感应电极输出信号进行实时补偿，提高传感器灵敏度的稳定性。该文开展了敏感结构设计和理论分析，研制出传感器样机，并进行了样机标定测试。测试结果表明，在±18 kV/m电场范围内，传感器线性度达到0.21%，3个往返行程总不确定度达到1.34%；在–40～70°C温度范围内，灵敏度相对漂移量小于3.0%，具有良好的灵敏度漂移自补偿效果。
针对温度和应力变化带来的电场传感器灵敏度漂移和测量误差问题，该文提出一种具有灵敏度漂移自补偿功能的微机电系统(MEMS)谐振式电场传感器。传感器结构中，感应电极用于测量外部电场，参考电极用于监测可动结构振动信息；基于振动相位和锁相环技术实现传感器谐振频率自动跟踪，利用参考电极输出信号对感应电极输出信号进行实时补偿，提高传感器灵敏度的稳定性。该文开展了敏感结构设计和理论分析，研制出传感器样机，并进行了样机标定测试。测试结果表明，在±18 kV/m电场范围内，传感器线性度达到0.21%，3个往返行程总不确定度达到1.34%；在–40～70°C温度范围内，灵敏度相对漂移量小于3.0%，具有良好的灵敏度漂移自补偿效果。
, 最新更新时间 , doi: 10.11999/JEIT221269
摘要:
仓储行业在面向智能化发展中面临因无法获取物资的室内位置信息而导致出库、入库难等问题，为实现对物资准确定位，该文提出一种基于无线标签的目标3维定位方法。设计的无线标签安置在待定位物资上，将来自发射机正交频分复用(OFDM)信号反射到具有均匀面阵(UPA)天线阵列的接收机，进行多通道的信道估计后，利用分步的稀疏恢复算法实现高维无线信道参数估计，并结合发射机、标签和接收机的空间几何位置，建立标签位置的优化问题，最后采用群智能算法搜索得到目标准确的3维位置。为验证系统，实现了标签及收发机原型，实测结果表明，目标的中值3维定位精度达到0.53 m。
仓储行业在面向智能化发展中面临因无法获取物资的室内位置信息而导致出库、入库难等问题，为实现对物资准确定位，该文提出一种基于无线标签的目标3维定位方法。设计的无线标签安置在待定位物资上，将来自发射机正交频分复用(OFDM)信号反射到具有均匀面阵(UPA)天线阵列的接收机，进行多通道的信道估计后，利用分步的稀疏恢复算法实现高维无线信道参数估计，并结合发射机、标签和接收机的空间几何位置，建立标签位置的优化问题，最后采用群智能算法搜索得到目标准确的3维位置。为验证系统，实现了标签及收发机原型，实测结果表明，目标的中值3维定位精度达到0.53 m。
, 最新更新时间 , doi: 10.11999/JEIT221320
摘要:
受复杂系统布线空间的制约，线缆通常为线束结构，并呈现弯折和空间立体分布形态。目前，针对立体弯折线缆线束(BSCs)的电磁耦合，仍缺乏高效的时域建模分析方法。因此，该文基于时域有限差分(FDTD)方法和传输线(TL)方程，提出自适应线缆网格技术，结合高效插值技术和电荷守恒定律，研究了一种高效的时域混合算法，实现立体弯折线缆线束的电磁耦合时域快速同步计算。首先，将立体弯折线束整体结构按照弯折节点分解成多段独立的子线束。然后，基于传输线方程和FDTD方法，结合自适应线缆网格技术和插值技术，构建各段空间立体分布的子线束电磁耦合模型，并求解得到线束沿线各点的瞬态响应。最后，根据电荷守恒定律，构建弯折节点的等效电路模型并求解得到节点处的电压，实现各段子线束之间的干扰信号传输。通过理想导电板上和屏蔽机箱内立体弯折线束电磁耦合的数值模拟，从计算精度和耗用时间方面与CST和FDTD-SPICE的仿真结果进行对比，验证所提方法的正确性和高效性。
受复杂系统布线空间的制约，线缆通常为线束结构，并呈现弯折和空间立体分布形态。目前，针对立体弯折线缆线束(BSCs)的电磁耦合，仍缺乏高效的时域建模分析方法。因此，该文基于时域有限差分(FDTD)方法和传输线(TL)方程，提出自适应线缆网格技术，结合高效插值技术和电荷守恒定律，研究了一种高效的时域混合算法，实现立体弯折线缆线束的电磁耦合时域快速同步计算。首先，将立体弯折线束整体结构按照弯折节点分解成多段独立的子线束。然后，基于传输线方程和FDTD方法，结合自适应线缆网格技术和插值技术，构建各段空间立体分布的子线束电磁耦合模型，并求解得到线束沿线各点的瞬态响应。最后，根据电荷守恒定律，构建弯折节点的等效电路模型并求解得到节点处的电压，实现各段子线束之间的干扰信号传输。通过理想导电板上和屏蔽机箱内立体弯折线束电磁耦合的数值模拟，从计算精度和耗用时间方面与CST和FDTD-SPICE的仿真结果进行对比，验证所提方法的正确性和高效性。
, 最新更新时间 , doi: 10.11999/JEIT221442
摘要:
针对矿井复杂环境下无线信道的衰落动态变化时，离线模型的线上检测表现会遭遇性能下降的问题，该文研究了基于迁移学习的自适应信号检测网络(ADN)。ADN的主要改进是使用并行网络对动态信道离散化以提高网络泛化能力；对线上接收端信号采取域对抗训练网络(DANN)的无监督学习方式，从而将离线训练知识迁移到线上矿井复杂环境中并且实时调整网络参数以适应信道的变化，从而实现矿井复杂环境下的自适应信号检测。实验表明对正交相移键控(QPSK)和正交幅度调制(QAM)信号，在动态变化的矿井Nakagami-m衰落信道中，随着离散信道的增加，ADN获得信道间的分集效益，性能逐渐提高。在高信噪比(SNR)时，其性能接近卷积神经网络(CNN)，低信噪比时显著提高深度检测网络的鲁棒性和线上检测效果。
针对矿井复杂环境下无线信道的衰落动态变化时，离线模型的线上检测表现会遭遇性能下降的问题，该文研究了基于迁移学习的自适应信号检测网络(ADN)。ADN的主要改进是使用并行网络对动态信道离散化以提高网络泛化能力；对线上接收端信号采取域对抗训练网络(DANN)的无监督学习方式，从而将离线训练知识迁移到线上矿井复杂环境中并且实时调整网络参数以适应信道的变化，从而实现矿井复杂环境下的自适应信号检测。实验表明对正交相移键控(QPSK)和正交幅度调制(QAM)信号，在动态变化的矿井Nakagami-m衰落信道中，随着离散信道的增加，ADN获得信道间的分集效益，性能逐渐提高。在高信噪比(SNR)时，其性能接近卷积神经网络(CNN)，低信噪比时显著提高深度检测网络的鲁棒性和线上检测效果。
, 最新更新时间 , doi: 10.11999/JEIT220916
摘要:
针对卫星编队飞行场景中星内有线和星间无线链路传输速率以及调度机制的差异性引起的时敏任务在星上转发时延不确定性的问题，该文提出一种有线无线融合的时隙调度方案。首先，分别构建星间无线链路传输速率、星间无线调度以及星内有线调度模型；其次，联合有线和无线链路传输速率以及二者时隙位置关系，建立有线无线融合调度与星上转发时延关联分析模型；最后，为确保时敏业务每次在星上传输的时延稳定性，在时延分析模型基础上以抖动最小为融合调度优化目标，并采用遗传禁忌搜索算法进行求解。仿真结果表明，相比于非融合调度方案，所提融合调度方案的抖动不高于40 μs，转发时延平均降低了20%。
针对卫星编队飞行场景中星内有线和星间无线链路传输速率以及调度机制的差异性引起的时敏任务在星上转发时延不确定性的问题，该文提出一种有线无线融合的时隙调度方案。首先，分别构建星间无线链路传输速率、星间无线调度以及星内有线调度模型；其次，联合有线和无线链路传输速率以及二者时隙位置关系，建立有线无线融合调度与星上转发时延关联分析模型；最后，为确保时敏业务每次在星上传输的时延稳定性，在时延分析模型基础上以抖动最小为融合调度优化目标，并采用遗传禁忌搜索算法进行求解。仿真结果表明，相比于非融合调度方案，所提融合调度方案的抖动不高于40 μs，转发时延平均降低了20%。
, 最新更新时间 , doi: 10.11999/JEIT221414
摘要:
深度神经网络(DNN)因其优异的性能而被广泛应用，但易受对抗样本攻击的问题使其面临巨大的安全风险。通过对DNN的卷积过程进行可视化，发现随着卷积层数加深，对抗攻击对原始输入产生的扰动愈加明显。基于这一发现，采用动量法中前向结果修正后向结果的思想，该文提出一种基于动量增强特征图的防御算法(MEF)。MEF算法在DNN的卷积层上部署特征增强层构成特征增强块(FEB)，FEB会结合原始输入以及浅层卷积层的特征图生成特征增强图，进而利用特征增强图来增强深层的特征图。同时，为了保证每层特征增强图的有效性，增强后的特征图还会对特征增强图进行进一步更新。为验证MEF算法的有效性，使用多种白盒与黑盒攻击对部署MEF算法的DNN模型进行攻击实验，结果表明在投影梯度下降法(PGD)以及快速梯度符号法(FGSM)的攻击实验中，MEF算法对对抗样本的识别精度比对抗训练(AT)高出3%～5%，且对干净样本的识别精度也有所提升。此外，使用比训练时更强的对抗攻击方法进行测试时，与目前先进的噪声注入算法(PNI)以及特征扰动算法(L2P)相比，MEF算法表现出更强的鲁棒性。
深度神经网络(DNN)因其优异的性能而被广泛应用，但易受对抗样本攻击的问题使其面临巨大的安全风险。通过对DNN的卷积过程进行可视化，发现随着卷积层数加深，对抗攻击对原始输入产生的扰动愈加明显。基于这一发现，采用动量法中前向结果修正后向结果的思想，该文提出一种基于动量增强特征图的防御算法(MEF)。MEF算法在DNN的卷积层上部署特征增强层构成特征增强块(FEB)，FEB会结合原始输入以及浅层卷积层的特征图生成特征增强图，进而利用特征增强图来增强深层的特征图。同时，为了保证每层特征增强图的有效性，增强后的特征图还会对特征增强图进行进一步更新。为验证MEF算法的有效性，使用多种白盒与黑盒攻击对部署MEF算法的DNN模型进行攻击实验，结果表明在投影梯度下降法(PGD)以及快速梯度符号法(FGSM)的攻击实验中，MEF算法对对抗样本的识别精度比对抗训练(AT)高出3%～5%，且对干净样本的识别精度也有所提升。此外，使用比训练时更强的对抗攻击方法进行测试时，与目前先进的噪声注入算法(PNI)以及特征扰动算法(L2P)相比，MEF算法表现出更强的鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT221038
摘要:
大状态轻量级分组密码Gimli和Xoodoo具备逻辑门较少﹑低功耗和快速加密等诸多优点，备受业界关注。Gimli和Xoodoo算法均基于384 bit置换，大状态增加了对其安全性分析的困难性。该文通过引入AND、OR操作与S盒之间的等价表示，构建了Gimli和Xoodoo不可能差分区分器自动化搜索模型。进一步，为了验证不可能差分区分器的正确性，提出基于“二分法”的不可能差分区分器矛盾点检测新方法。结果表明：该文搜索并验证得到Gimli算法10轮不可能差分区分器以及Xoodoo算法4轮不可能差分区分器。特别地，Gimli算法不可能差分区分器轮数较已有结果提高了3轮。
大状态轻量级分组密码Gimli和Xoodoo具备逻辑门较少﹑低功耗和快速加密等诸多优点，备受业界关注。Gimli和Xoodoo算法均基于384 bit置换，大状态增加了对其安全性分析的困难性。该文通过引入AND、OR操作与S盒之间的等价表示，构建了Gimli和Xoodoo不可能差分区分器自动化搜索模型。进一步，为了验证不可能差分区分器的正确性，提出基于“二分法”的不可能差分区分器矛盾点检测新方法。结果表明：该文搜索并验证得到Gimli算法10轮不可能差分区分器以及Xoodoo算法4轮不可能差分区分器。特别地，Gimli算法不可能差分区分器轮数较已有结果提高了3轮。
, 最新更新时间 , doi: 10.11999/JEIT220975
摘要:
随着电子设备向小型化、高密度和高速的趋势发展，集成电路作为电子设备的基本核心单元也朝着这一方向发展，由此带来了越来越严重的电磁兼容问题。其中静电放电问题越来越引起设计者、制作者和使用者的重视。该文利用传输线脉冲(TLP)方法对芯片进行测试，获取了器件在应对静电放电干扰时的伏安特性数据。基于TLP测试数据应用分段线性建模方法构建了芯片应对静电放电干扰的模型。该文还根据二极管的等效电路及其数据手册的伏安特性数据构建了瞬态电压抑制(TVS)二极管模型，并通过TLP测试进行验证。同时，结合上述两个模型，开展了芯片静电放电干扰的协同防护设计方法研究，并应用实例验证了芯片的协同防护设计方法的可行性。该方法实现了用仿真模拟的方式进行芯片的协同防护设计，能够节约设计成本和时间。
随着电子设备向小型化、高密度和高速的趋势发展，集成电路作为电子设备的基本核心单元也朝着这一方向发展，由此带来了越来越严重的电磁兼容问题。其中静电放电问题越来越引起设计者、制作者和使用者的重视。该文利用传输线脉冲(TLP)方法对芯片进行测试，获取了器件在应对静电放电干扰时的伏安特性数据。基于TLP测试数据应用分段线性建模方法构建了芯片应对静电放电干扰的模型。该文还根据二极管的等效电路及其数据手册的伏安特性数据构建了瞬态电压抑制(TVS)二极管模型，并通过TLP测试进行验证。同时，结合上述两个模型，开展了芯片静电放电干扰的协同防护设计方法研究，并应用实例验证了芯片的协同防护设计方法的可行性。该方法实现了用仿真模拟的方式进行芯片的协同防护设计，能够节约设计成本和时间。
, 最新更新时间 , doi: 10.11999/JEIT221304
摘要:
栅栏覆盖问题近年来已成为水下传感器网络研究的热点，但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大，因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足，该文提出了一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先，该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件；其次，利用位置关系条件构建分级图，从中选取合适节点进行栅栏的首次构建。仿真实验结果表明：采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少，保证了较高的网络检测概率和较长的网络寿命。
栅栏覆盖问题近年来已成为水下传感器网络研究的热点，但水下有向传感器网络的栅栏覆盖问题尚未得到足够的重视。随机部署前提下的水下静态有向传感器网络的栅栏覆盖难度较大，因此目前关于该问题的相关研究成果较少。为弥补这方面研究的不足，该文提出了一种基于图分级的有向传感器网络首次栅栏覆盖策略。首先，该策略深入研究了多种位置关系下两个相邻节点之间满足强(弱)连接的条件；其次，利用位置关系条件构建分级图，从中选取合适节点进行栅栏的首次构建。仿真实验结果表明：采用该算法对静态有向传感器网络进行栅栏首次构建在确保较高成功率的前提下采用的节点数更少，保证了较高的网络检测概率和较长的网络寿命。
, 最新更新时间 , doi: 10.11999/JEIT221270
摘要:
光场图像的显著性检测是视觉跟踪、目标检测、图像压缩等应用中的关键技术。然而，现有深度学习方法在处理特征时，忽略特征差异和全局上下文信息，导致显著图模糊，甚至在前景与背景颜色、纹理相似或者背景杂乱的场景中，存在检测对象不完整以及背景难抑制的问题，因此该文提出一种基于上下文感知跨层特征融合的光场图像显著性检测网络。首先，构建跨层特征融合模块自适应地从输入特征中选择互补分量，减少特征差异，避免特征不准确整合，以更有效地融合相邻层特征和信息性系数；同时利用跨层特征融合模块构建了并行级联反馈解码器，采用多级反馈机制重复迭代细化特征，避免特征丢失及高层上下文特征被稀释；最后构建全局上下文模块产生多尺度特征以利用丰富的全局上下文信息，以此获取不同显著区域之间的关联并减轻高级特征的稀释。在最新光场数据集上的实验结果表明，该文方法在定量和定性上均优于所比较的方法，并且能够精确地从前/背景相似的场景中检测出完整的显著对象、获得清晰的显著图。
光场图像的显著性检测是视觉跟踪、目标检测、图像压缩等应用中的关键技术。然而，现有深度学习方法在处理特征时，忽略特征差异和全局上下文信息，导致显著图模糊，甚至在前景与背景颜色、纹理相似或者背景杂乱的场景中，存在检测对象不完整以及背景难抑制的问题，因此该文提出一种基于上下文感知跨层特征融合的光场图像显著性检测网络。首先，构建跨层特征融合模块自适应地从输入特征中选择互补分量，减少特征差异，避免特征不准确整合，以更有效地融合相邻层特征和信息性系数；同时利用跨层特征融合模块构建了并行级联反馈解码器，采用多级反馈机制重复迭代细化特征，避免特征丢失及高层上下文特征被稀释；最后构建全局上下文模块产生多尺度特征以利用丰富的全局上下文信息，以此获取不同显著区域之间的关联并减轻高级特征的稀释。在最新光场数据集上的实验结果表明，该文方法在定量和定性上均优于所比较的方法，并且能够精确地从前/背景相似的场景中检测出完整的显著对象、获得清晰的显著图。
, 最新更新时间 , doi: 10.11999/JEIT221377
摘要:
未来认知物联网将存在大量用于监控的时间敏感类短包信息。该文针对认知物联网短包通信场景，分析了认知次用户对在双向中继短包通信系统中的信息新鲜度。该文采用信息年龄(AoI)作为衡量信息新鲜度的性能指标。根据短包通信理论，该文推导出系统的误包率和平均峰值AoI(PAoI)表达式，并得出了系统在高信噪比情况下的表达式。在此基础上，考虑认知物联网短包通信中频谱检测性能的非理想，该文采用交替迭代优化算法对感知包长和传输包长进行联合优化以最小化PAoI加权和。仿真结果验证了理论分析的正确性。该研究发现，对于双向中继系统次用户对的PAoI加权和，感知包长和传输包长存在折衷关系，该文所采用的交替迭代优化算法能够有效提升系统PAoI性能。
未来认知物联网将存在大量用于监控的时间敏感类短包信息。该文针对认知物联网短包通信场景，分析了认知次用户对在双向中继短包通信系统中的信息新鲜度。该文采用信息年龄(AoI)作为衡量信息新鲜度的性能指标。根据短包通信理论，该文推导出系统的误包率和平均峰值AoI(PAoI)表达式，并得出了系统在高信噪比情况下的表达式。在此基础上，考虑认知物联网短包通信中频谱检测性能的非理想，该文采用交替迭代优化算法对感知包长和传输包长进行联合优化以最小化PAoI加权和。仿真结果验证了理论分析的正确性。该研究发现，对于双向中继系统次用户对的PAoI加权和，感知包长和传输包长存在折衷关系，该文所采用的交替迭代优化算法能够有效提升系统PAoI性能。
, 最新更新时间 , doi: 10.11999/JEIT221332
摘要:
随着现代科学技术的发展，人们对图像信息传输的安全性要求越来越高，以混沌理论为基础的图像加密方案愈加受到重视。该文提出一种新型的光混沌图像加密传输系统以及图像“自加密”算法，该系统的主激光器(ML)经全光反馈后分别注入到3个半导体激光器(SLs)中，从而产生3个同步的混沌序列。在图像加密之前，先对明文图像进行预处理，得到两幅图像，一幅是明文图像取商的图像，另一幅是明文图像取余的图像。利用发送端的混沌序列对预处理的两幅图像进行多次加密、隐写以及扩散等操作，得到密文图像。实验结果表明：该文的密文图像像素值分布均匀，各像素间的相关性被打破，NPCR和UACI均接近理想值。该图像预处理的方法能够有效地使图像像素值更为集中、分布更加均匀，同时结合光混沌对图像进行加密，大大地提高传输图像的安全性。
随着现代科学技术的发展，人们对图像信息传输的安全性要求越来越高，以混沌理论为基础的图像加密方案愈加受到重视。该文提出一种新型的光混沌图像加密传输系统以及图像“自加密”算法，该系统的主激光器(ML)经全光反馈后分别注入到3个半导体激光器(SLs)中，从而产生3个同步的混沌序列。在图像加密之前，先对明文图像进行预处理，得到两幅图像，一幅是明文图像取商的图像，另一幅是明文图像取余的图像。利用发送端的混沌序列对预处理的两幅图像进行多次加密、隐写以及扩散等操作，得到密文图像。实验结果表明：该文的密文图像像素值分布均匀，各像素间的相关性被打破，NPCR和UACI均接近理想值。该图像预处理的方法能够有效地使图像像素值更为集中、分布更加均匀，同时结合光混沌对图像进行加密，大大地提高传输图像的安全性。
, 最新更新时间 , doi: 10.11999/JEIT221259
摘要:
为提升双基地EMVS-MIMO雷达的多维参数估计性能，该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据，可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先，利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型；通过利用两个选择矩阵，可以剔除该张量模型中差分阵列的重复元素，且获得的差分阵列的自由度为原始阵列自由度的两倍。然后，对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后，通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明，该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。
为提升双基地EMVS-MIMO雷达的多维参数估计性能，该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据，可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先，利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型；通过利用两个选择矩阵，可以剔除该张量模型中差分阵列的重复元素，且获得的差分阵列的自由度为原始阵列自由度的两倍。然后，对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后，通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明，该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。
, 最新更新时间 , doi: 10.11999/JEIT221300
摘要:
城市轨道交通的不同运营状态，通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络，该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括：基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析，并在此基础上完成IMF分量的分类合并与重构；使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化，构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证，结果表明，对于特定特征的客流时间序列数据，该文模型的精确性、有效性指标均达到最优。
城市轨道交通的不同运营状态，通常对应着客流时间序列中不同的本征模态分量(IMF)及时间尺度特征。基于自适应噪声的完全总体经验模态分解(CEEMDAN)算法和双向长短期记忆(BiLSTM)网络，该文构建了地铁短时客流时间序列的组合深度学习预测模型。具体包括：基于CEEMDAN算法实现了客流时间序列的模态分解。分别使用样本熵和层次聚类对IMF分量进行复杂性和相似度分析，并在此基础上完成IMF分量的分类合并与重构；使用Optuna框架中的树形Parzen优化器(TPE)对模型的超参数进行优化，构建CEEMDAN-TPE-BiLSTM组合预测模型。采用实际数据对该文模型进行验证，结果表明，对于特定特征的客流时间序列数据，该文模型的精确性、有效性指标均达到最优。
, 最新更新时间 , doi: 10.11999/JEIT220729
摘要:
车联网(IoV)边缘计算通过在网络边缘部署计算资源，可为车载用户提供低时延服务。该文通过随机网络演算(SNC)矩母函数(MGF)法分析车联网移动边缘计算的时延和数据积压性能。首先，分别对车辆高优先级和低优先级业务到达过程、单跳毫米波通信服务过程和边缘计算服务过程进行数学建模；其次，由服务级联定理获得不同优先级业务在多跳网络中的服务过程及其矩母函数表达式；接着，推导了车辆边缘网络不同优先级业务毫米波多跳通信任务卸载的时延和数据积压概率边界闭式解；最后通过蒙特卡罗仿真验证闭式解的准确性。
车联网(IoV)边缘计算通过在网络边缘部署计算资源，可为车载用户提供低时延服务。该文通过随机网络演算(SNC)矩母函数(MGF)法分析车联网移动边缘计算的时延和数据积压性能。首先，分别对车辆高优先级和低优先级业务到达过程、单跳毫米波通信服务过程和边缘计算服务过程进行数学建模；其次，由服务级联定理获得不同优先级业务在多跳网络中的服务过程及其矩母函数表达式；接着，推导了车辆边缘网络不同优先级业务毫米波多跳通信任务卸载的时延和数据积压概率边界闭式解；最后通过蒙特卡罗仿真验证闭式解的准确性。
, 最新更新时间 , doi: 10.11999/JEIT221113
摘要:
为了改善多用户相关延迟移位键控(CDSK)系统误码率(BER)较高的缺点，该文提出一种基于时隙变换的多用户多载波相关延迟移位键控(TST-MUMC-CDSK)系统。该方案采用置换矩阵对参考信号进行变换达到传输多用户信息的目的。在发送端，复制P次之后的混沌信号与经过希尔伯特变换的正交信号一同经过时隙变换器，产生2N个相互正交的混沌信号来承载2N个用户信息，大大提高了系统的传输速率。该文推导了该系统在加性高斯白噪声(AWGN)信道和瑞利衰落信道(RFC)下的误码率表达式，通过理论分析以及数值仿真验证了理论推导的正确性。仿真结果表明对比于其他同类系统，所提系统在相同误码率的情况下可以节约更多的比特能量，在误码率同为10–2时，该系统所需的信噪比比降噪多用户相关延迟移位键控(NR_MUCDSK)系统低1.5 dB，比无信号间干扰多用户相关延迟移位键控(NISI_MU_CDSK)系统低2.6 dB。该系统具有良好的理论价值，且为实际工程应用提供了良好的参考。
为了改善多用户相关延迟移位键控(CDSK)系统误码率(BER)较高的缺点，该文提出一种基于时隙变换的多用户多载波相关延迟移位键控(TST-MUMC-CDSK)系统。该方案采用置换矩阵对参考信号进行变换达到传输多用户信息的目的。在发送端，复制P次之后的混沌信号与经过希尔伯特变换的正交信号一同经过时隙变换器，产生2N个相互正交的混沌信号来承载2N个用户信息，大大提高了系统的传输速率。该文推导了该系统在加性高斯白噪声(AWGN)信道和瑞利衰落信道(RFC)下的误码率表达式，通过理论分析以及数值仿真验证了理论推导的正确性。仿真结果表明对比于其他同类系统，所提系统在相同误码率的情况下可以节约更多的比特能量，在误码率同为10–2时，该系统所需的信噪比比降噪多用户相关延迟移位键控(NR_MUCDSK)系统低1.5 dB，比无信号间干扰多用户相关延迟移位键控(NISI_MU_CDSK)系统低2.6 dB。该系统具有良好的理论价值，且为实际工程应用提供了良好的参考。
, 最新更新时间 , doi: 10.11999/JEIT221168
摘要:
连续微流控生物芯片通常需要构建复杂交错的流路径来支持样本/试剂的运输，也需要大量的流端口来推动液体的有序流动，这阻碍了生物芯片的进一步发展。因此，该文考虑了有限流端口驱动下的流路径规划问题，并提出一个流路径驱动下的连续微流控生物芯片的架构综合设计流程。首先采用基于列表调度算法实现操作的绑定与调度，通过时间窗对调度进行调整，从而满足给定的流端口数量约束；然后采用基于序列对表示的遗传算法求得芯片的布局设计，通过考虑并行任务之间的冲突以及组件之间的连接关系，进一步优化了布局解的质量；最后采用基于A*寻路的优化布线算法规划所需的流路径，以有效减少流通道总长度和交叉点数量，生成具有高执行效率的芯片架构。实验结果表明，该方法在严格满足给定的流端口数量约束条件下，极大地避免了各种液体运输任务的冲突，同时也优化了流通道的总长度以及交叉点的数量，降低了芯片的构造成本。
连续微流控生物芯片通常需要构建复杂交错的流路径来支持样本/试剂的运输，也需要大量的流端口来推动液体的有序流动，这阻碍了生物芯片的进一步发展。因此，该文考虑了有限流端口驱动下的流路径规划问题，并提出一个流路径驱动下的连续微流控生物芯片的架构综合设计流程。首先采用基于列表调度算法实现操作的绑定与调度，通过时间窗对调度进行调整，从而满足给定的流端口数量约束；然后采用基于序列对表示的遗传算法求得芯片的布局设计，通过考虑并行任务之间的冲突以及组件之间的连接关系，进一步优化了布局解的质量；最后采用基于A*寻路的优化布线算法规划所需的流路径，以有效减少流通道总长度和交叉点数量，生成具有高执行效率的芯片架构。实验结果表明，该方法在严格满足给定的流端口数量约束条件下，极大地避免了各种液体运输任务的冲突，同时也优化了流通道的总长度以及交叉点的数量，降低了芯片的构造成本。
, 最新更新时间 , doi: 10.11999/JEIT220894
摘要:
为解决无线信道开放性导致的信息传输安全及信道估计误差等不确定性带来的系统传输性能恶化问题，该文提出一种存在用户窃听的可重构智能超表面(RIS)辅助多输入单输出(MISO)系统的Charnes-Cooper鲁棒波束赋形算法。针对窃听用户建立有界信道不确定性模型，并通过约束最大发射功率以及RIS相移，联合优化基站波束和RIS相移来最大化用户保密率。为求解该非凸问题，首先通过变量替换、Charnes-Cooper方法和S-procedure方法将其转换为凸优化问题，进而采用间接交替优化耦合变量来获得鲁棒波束赋形矩阵和RIS相移。仿真结果表明，该文提出的基于RIS的联合优化算法具有更好的用户保密率和鲁棒性。
为解决无线信道开放性导致的信息传输安全及信道估计误差等不确定性带来的系统传输性能恶化问题，该文提出一种存在用户窃听的可重构智能超表面(RIS)辅助多输入单输出(MISO)系统的Charnes-Cooper鲁棒波束赋形算法。针对窃听用户建立有界信道不确定性模型，并通过约束最大发射功率以及RIS相移，联合优化基站波束和RIS相移来最大化用户保密率。为求解该非凸问题，首先通过变量替换、Charnes-Cooper方法和S-procedure方法将其转换为凸优化问题，进而采用间接交替优化耦合变量来获得鲁棒波束赋形矩阵和RIS相移。仿真结果表明，该文提出的基于RIS的联合优化算法具有更好的用户保密率和鲁棒性。
, 最新更新时间 , doi: 10.11999/JEIT221257
摘要:
基于存算一体(CIM)架构的激活函数模拟实现方式使得神经网络变得更加接近非线性模型，针对其中Tanh函数负值难处理的问题，该文提出一种高速、高精度绝对值运算电路。该电路将输入电压经过比较器结果判断选择是否输出，利用反相比例取反电路控制负压输入并转换为正压通过开关输出，实现了离散输出功能的绝对值运算处理。与传统利用二极管全波整流绝对值电路相比，该电路有效避免了二极管难集成的问题，且速度快、功耗低、整体面积小。基于55 nm CMOS工艺进行设计，结果表明，在50 ns工作时钟周期下，经过绝对值电路转化后的输出电压与输入电压误差控制在1%以内，比较器的输出延时为5 ns，零点区域放大电压误差小于400 µV。在1.2 V电源电压下，功耗为670 µW，版图面积为4447 µm2。
基于存算一体(CIM)架构的激活函数模拟实现方式使得神经网络变得更加接近非线性模型，针对其中Tanh函数负值难处理的问题，该文提出一种高速、高精度绝对值运算电路。该电路将输入电压经过比较器结果判断选择是否输出，利用反相比例取反电路控制负压输入并转换为正压通过开关输出，实现了离散输出功能的绝对值运算处理。与传统利用二极管全波整流绝对值电路相比，该电路有效避免了二极管难集成的问题，且速度快、功耗低、整体面积小。基于55 nm CMOS工艺进行设计，结果表明，在50 ns工作时钟周期下，经过绝对值电路转化后的输出电压与输入电压误差控制在1%以内，比较器的输出延时为5 ns，零点区域放大电压误差小于400 µV。在1.2 V电源电压下，功耗为670 µW，版图面积为4447 µm2。
, 最新更新时间 , doi: 10.11999/JEIT221160
摘要:
基于信道状态信息(CSI)数据的WiFi指纹可用于室内定位。与信号强度值(RSSI)数据相比，CSI具有更高的数据信息粒度，并且可以在多个子载波上获得。当使用CSI数据进行室内定位时，相对于RSSI可以获得更好的结果。然而，无论使用RSSI还是CSI信号，在室内定位部署期间的一段时间后，室内环境通常会发生变化，并且基于测试数据的指纹数据库通常会恶化甚至失效。该文提出使用迁移学习算法来建立用于室内定位的指纹数据库。迁移学习的优势在于，可以使用较少的数据来获得更好的迁移训练结果。该文使用迁移学习来迁移指纹数据库的预测，延长指纹数据库的生命周期，并提高室内定位的鲁棒性。经过实验，1周后室内定位准确率保持在98%，两周后保持在97%。在相同成本下，该模型的生命周期和定位精度高于长短期记忆网络(LSTM)、卷积神经网络(CNN)、支持向量机(SVM)、深度神经网络(DNN)和其他定位系统。
基于信道状态信息(CSI)数据的WiFi指纹可用于室内定位。与信号强度值(RSSI)数据相比，CSI具有更高的数据信息粒度，并且可以在多个子载波上获得。当使用CSI数据进行室内定位时，相对于RSSI可以获得更好的结果。然而，无论使用RSSI还是CSI信号，在室内定位部署期间的一段时间后，室内环境通常会发生变化，并且基于测试数据的指纹数据库通常会恶化甚至失效。该文提出使用迁移学习算法来建立用于室内定位的指纹数据库。迁移学习的优势在于，可以使用较少的数据来获得更好的迁移训练结果。该文使用迁移学习来迁移指纹数据库的预测，延长指纹数据库的生命周期，并提高室内定位的鲁棒性。经过实验，1周后室内定位准确率保持在98%，两周后保持在97%。在相同成本下，该模型的生命周期和定位精度高于长短期记忆网络(LSTM)、卷积神经网络(CNN)、支持向量机(SVM)、深度神经网络(DNN)和其他定位系统。
, 最新更新时间 , doi: 10.11999/JEIT221296
摘要:
针对传统的网络流量异常检测方法存在识别准确率低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。
针对传统的网络流量异常检测方法存在识别准确率低、表征能力弱、泛化能力差，忽略了特征之间的相互关系等问题，该文提出一种基于二次特征提取和BiLSTM-Attention的网络流量异常检测方法。通过使用双向长短期记忆网络(BiLSTM)学习数据之间的特征关系，完成数据的一次特征提取，在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对BiLSTM生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量异常检测模型，实现多分类网络流量的异常检测。实验结果表明，该文所提方法在性能上要优于传统单一的模型，并且具有良好的表征能力和泛化能力。
