高级搜索

留言板

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

姓名
邮箱
手机号码
标题
留言内容
验证码

优先发表

优先发表栏目展示本刊经同行评议确定正式录用的文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。本栏目内容尚未正式出版,未经编辑部许可,不得转载。
显示方式:
基于图神经网络的门级硬件木马检测方法
史江义, 温聪, 刘鸿瑾, 王泽坤, 张绍林, 马佩军, 李康
, doi: 10.11999/JEIT221201
摘要:
集成电路(IC)供应链的全球化已经将大多数设计、制造和测试过程从单一的可信实体转移到世界各处各种不可信的第三方实体。使用不可信的第三方知识产权(3PIP)可能面临着设计被对手植入硬件特洛伊木马(HTs)的巨大风险。这些硬件木马可能会使原有设计出现性能降低、信息泄露甚至发生物理层面不可逆的破坏,严重危害消费者的隐私、安全和公司的信誉。现有文献中提出的多种硬件木马检测方法,具有以下缺陷:对黄金参考电路的依赖、测试向量覆盖率的要求甚至是手动代码审查的需要,同时随着集成电路规模的增大,低触发率的硬件木马更加难以被检测。因此针对上述问题,该文提出一种基于图神经网络硬件木马的检测方法,在无需黄金参考电路以及逻辑测试的情况下实现了对门级硬件木马的检测。该方法利用图采样聚合算法(GraphSAGE)学习门级网表中的高维图特征以及相应节点特征,并采用有监督学习进行检测模型的训练。该方法探索了不同聚合方式以及数据平衡方法下的模型的检测能力。该模型在信任库(Trust-Hub)中基于新思90 nm通用库(SAED)的基准训练集的评估下,实现了92.9%的平均召回率以及86.2%的平均F1分数(平均聚合,权重平衡),相比目前最先进的学习模型F1分数提高了8.4%。而应用于基于系统250 nm库(LEDA)的数据量更大的数据集时,分别在组合逻辑类型硬件木马检测中获得平均83.6%的召回率、70.8%的F1,在时序逻辑类型硬件木马检测工作中获得平均95.0%的召回率以及92.8%的F1分数。
基于合作博弈和知识蒸馏的个性化联邦学习算法
孙艳华, 史亚会, 李萌, 杨睿哲, 司鹏搏
, doi: 10.11999/JEIT221223
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度,该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中,每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟,然后利用合作博弈中的夏普利值(SV)来衡量客户端之间多重协作的影响,量化所下载软预测对本地个性化学习效果的累计贡献值,以此确定联盟中每个客户端的最佳聚合系数,从而得到更优的聚合模型。最后采用知识蒸馏(KD)将聚合模型的知识迁移到本地模型,并在隐私数据集上进行本地训练。仿真结果表明,与其他算法相比,pFedCK算法可以将个性化精度提升约10%。
基于最大平均差异的迁移模糊C均值聚类
焦连猛, 王丰, 潘泉
, doi: 10.11999/JEIT220645
摘要:
该文针对迁移聚类问题,提出一种基于最大平均差异的迁移模糊C均值(TFCM-MMD)聚类算法。TFCM-MMD解决了迁移模糊C均值聚类算法在源域与目标域数据分布差异大的情况下迁移学习效果减弱的问题。 该算法基于最大平均差异准则度量域间差异,通过学习源域和目标域的投影矩阵,以减小源域和目标域数据在公共子空间分布的差异,进而提升迁移学习的效果。最后,通过基于合成数据集和医学图像分割数据集的实验,进一步验证了TFCM-MMD算法在解决域间差异大的迁移聚类问题上的有效性。
物联网中带有隐私保护的鲁棒联邦学习研究
杨志刚, 王卓彤, 吴大鹏, 王汝言, 吴渝, 吕翊
, doi: 10.11999/JEIT221193
摘要:
联邦学习允许数据不出本地的情况下实现数据价值的有效流动,被认为是物联网(IoT)场景下兼顾数据共享与隐私保护的有效方法。然而,联邦学习系统易受拜占庭攻击和推理攻击的影响,导致系统的鲁棒性和数据的隐私性受损。物联网设备的数据异构性和资源瓶颈,也为带有隐私保护的鲁棒聚合算法设计带来巨大挑战。该文提出面向异构物联网的带有数据重采样的鲁棒聚合方法Re-Sim,通过测量方向相似性和标准化更新幅度实现模型的鲁棒聚合,并采用数据重采样技术增强数据异构环境下模型的鲁棒性。同时构建轻量安全聚合协议(LSA),在保证数据隐私性的同时兼顾模型鲁棒性、准确性和计算开销,并从理论上对协议的隐私性进行了分析。仿真结果表明,该方案能在数据异构情况下有效抵抗拜占庭攻击和推理攻击,与基线方法相比,该文所提方案精度提高1%~3%,同时减轻客户端侧计算开销79%。
多无人水下航行器协同探测声呐宽带波形设计与性能分析
许彦伟, 薛勐, 刘明刚, 郝程鹏, 赵莉, 王佳欢, 周正春
, 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(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。
误差条件下基于协方差矩阵重构的自适应波束形成
胡斌, 沈学勇, 蒋敏
, doi: 10.11999/JEIT220918
摘要:
针对有幅相误差的互质阵列,提出了一种基于协方差矩阵重构的鲁棒自适应波束形成方法。该方法的主要思想是重构信号的协方差矩阵。如果幅相误差存在且无法被忽视,协方差矩阵重构的精度会受到幅相误差的影响。为了消除幅相误差的影响,准确地重构信号的协方差矩阵,提出了一种基于最小二乘(TLS)的方法。首先,建立了含有幅相误差的协方差矩阵重构的基本模型。然后,将问题转化为变量误差(EIV)模型。再将幅相误差的校准转换为与幅相误差相关的误差矩阵的估计,再利用估计结果得到信号协方差矩阵的有效估计。为了解决误差矩阵估计问题,提出了一种交替下降算法。仿真结果表明,即使在存在幅相误差的情况下,该方法仍能提高协方差矩阵的重建精度,并且自适应波束的性能优于现有算法。
基于检测-跟踪联动的紧凑型地波雷达弱目标自适应检测方法
孙伟峰, 李小彤, 纪永刚, 戴永寿
, doi: 10.11999/JEIT220811
摘要:
紧凑型地波雷达发射功率低、回波信噪比低,目标检测难度大,在目标跟踪时由于目标漏检经常出现航迹断裂。为了提升其目标检测性能,提出了一种基于检测-跟踪联动的弱目标自适应检测方法。当跟踪器检测到目标航迹无法关联到新点迹时,将当前目标预测状态反馈至检测器;检测器在距离-多普勒谱上建立局部检测波门,采用二元假设检验法感知波门内的检测背景,根据不同的检测背景选取适用的检测门限调整方法,降低恒虚警检测的门限,判定是否有弱目标被检出。若能够检出目标,对其进行测向后将新点迹发送至跟踪器进行处理。利用实测数据开展了目标检测与跟踪实验,结果表明:与先检测后跟踪方法相比,该方法得到的目标航迹时长增加了29.76%,平均延长了19.25 min。
用于跨模态舰船图像检索的判别性对抗哈希Transformer
关欣, 国佳恩, 卢雨
, doi: 10.11999/JEIT220980
摘要:
针对当前主流的基于卷积神经网络(CNN)范式的跨模态图像检索算法无法有效提取舰船图像细节特征,以及跨模态"异构鸿沟”难以消除等问题,该文提出一种基于对抗机制的判别性哈希Transformer(DAHT)用于舰船图像的跨模态快速检索。该网络采用双流Vision Transformer(ViT)结构,依托ViT的自注意力机制进行舰船图像的判别性特征提取,并设计了Hash Token结构用于哈希生成;为了消除同类别图像的跨模态差异,整个检索框架以一种对抗的方式进行训练,通过对生成哈希码进行模态辨别实现模态混淆;同时设计了一种基于反馈机制的跨模加权5元组损失(NW-DCQL)以保持网络对不同类别图像的语义区分性。在两组数据集的上开展的4类跨模态检索实验中,该文方法相比次优检索结果分别取得了9.8%, 5.2%, 19.7%, 21.6%的性能提升(32 bit),在单模态检索任务中亦具备一定的性能优势。
惠普忆阻电路的线性叠加分析
丁芝侠, 黄莎莉, 李赛, 杨乐
, doi: 10.11999/JEIT220733
摘要:
基于惠普(HP)忆阻器的元件特性,该文分析了惠普忆阻器的数学关系式,惠普忆阻元件的内部状态变量与忆阻阻值之间存在增量线性关系,在外加电压下惠普忆阻器阻值的变化可叠加,得出了惠普忆阻电路具有线性叠加性的结论。通过PSpice电路仿真验证上述结论的有效性和正确性,为叠加定理在含惠普忆阻器及线性元件的线性电路中的使用提供了理论分析支撑。
基于病理图像集成深度学习的胃癌预后预测方法
金怀平, 薛飞跃, 李振辉, 陶海波, 王彬
, doi: 10.11999/JEIT220655
摘要:
病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先,对患者不同分辨率下的病理图像进行切分、筛选等预处理;然后,采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合,以此获得患者层面(Patient-level)的单分辨率子分类器预测结果;最终,采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得Patient-level的预后预测结果。实验中收集了250例胃癌患者的组织病理图像,并以远处转移预测为例进行验证,实验结果表明,所提方法在测试集上的预测准确率为89.10%,敏感度为89.57%,特异度为88.61%,马修斯相关系数为78.19%,相比于单模型预测结果获得了显著提升,可为胃癌患者的治疗和预后提供重要参考。
基于空间探索和认知图构建的生物启发式目标导向导航模型
周阳, 吴德伟, 宋毅, 代传金
, doi: 10.11999/JEIT220578
摘要:
为实现智能自主运行体面向目标的导航知识生成及运行控制,该文研究了一种基于空间探索和认知图构建的生物启发式目标导向(GO)导航模型,该模型由空间探索、认知图构建和GO导航控制3个部分组成。在空间探索中,将网格细胞(GCs)到位置细胞(PCs)模型和视觉位置细胞生成模型融合后生成的位置细胞表征当前状态,利用Q学习算法实现状态-动作的建立及更新,以此学习面向目标运行的导航知识;然后,在认知图构建中,利用重心估计原理对空间探索得到的知识进行处理,生成各位置细胞状态下面向目标的方向信息;最后,运行体在朝目标的运行中,根据得到的认知图实时控制运行方向,以此实现GO导航。仿真结果表明,该GO模型有效,运行体进行充分的空间探索可生成认知图,并以此实现GO导航,且在运行过程中能有效规避障碍物。
DNA存储文件系统研究进展
昝乡镇, 姚翔宇, 许鹏, 鲍振申, 李先彬, 李晓焱, 刘文斌
, doi: 10.11999/JEIT220561
摘要:
DNA存储因具有密度大、保存时间长及维护成本低等优点,为解决海量数据的存储和应用难题提供了“破局”可能。面对大规模数据应用场景,DNA存储必须要解决如何组织、访问和操作数据文件等问题—即文件系统设计问题。该文首先结合计算机文件系统模型,给出了未来DNA存储文件系统模型及具备的特点;然后,系统性综述了DNA存储文件系统研究进展;最后,对未来DNA存储文件系统研究进行了展望。
智能反射面辅助的多天线通信系统鲁棒安全资源分配算法
徐勇军, 符加劲, 黄琼, 黄东
, doi: 10.11999/JEIT221554
摘要:
为了解决蜂窝通信系统中因窃听者、障碍物阻挡和信道不确定性导致安全性低和传输质量差的问题,该文提出一种智能反射面(IRS)辅助的多天线通信系统鲁棒安全资源分配算法。首先,考虑合法用户的安全速率约束、最大发射功率约束和IRS相移约束,基于有界信道不确定性,建立了一个联合优化基站主动波束、IRS被动波束的鲁棒资源分配问题。然后,利用S-程序、连续凸近似、交替优化和罚函数等方法对含参数摄动的原非凸问题进行转换,得到可直接求解的确定性凸优化问题。最后,提出一种基于迭代的鲁棒能效最大化算法。仿真结果表明,该文算法具有较好的能效和较强的鲁棒性。
基于差分阵列的双基地EMVS-MIMO雷达高分辨多维参数估计
潘小义, 谢前朋, 孟晓明, 陈吉源, 艾夏, 刘佳琪
, 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。
面向服务质量的RIS辅助的多用户NOMA系统功率分配方案
季薇, 赵亚楠, 刘子卿, 李汀, 梁彦, 宋云超, 李飞
, doi: 10.11999/JEIT220946
摘要:
可重构智能超表面(RIS)可被视为通信网络中具有特殊功能的“中继”来配合非正交多址接入(NOMA)系统构建一种协同的信息传输方案。考虑到未来物联网(IoT)场景下不同用户设备对服务质量(QoS)的不同需求,该文提出一种RIS辅助的多用户NOMA通信系统模型,并针对两类用户(信息用户和能量用户)的QoS需求设计了一种基于迭代优化的功率分配方法。该方法通过联合设计RIS相移矩阵、基站端波束赋形以及NOMA系统串行干扰消除顺序来最小化系统的总发射功率,以全面减轻通信系统中基站的能耗负担。仿真结果表明,与无RIS的场景相比,RIS辅助的NOMA系统可有效减小基站的能耗;在有RIS的场景下,所提功率分配方法的能耗明显低于RIS端随机选择相位的方式和基站端直接采用迫零波束赋形的方式。
面向中文文本分类的字符级对抗样本生成方法
张顺香, 吴厚月, 朱广丽, 许鑫, 苏明星
, doi: 10.11999/JEIT220563
摘要:
对抗样本生成是一种通过添加较小扰动信息,使得神经网络产生误判的技术,可用于检测文本分类模型的鲁棒性。目前,中文领域对抗样本生成方法主要有繁体字和同音字替换等,这些方法都存在对抗样本扰动幅度大,生成对抗样本质量不高的问题。针对这些问题,该文提出一种字符级对抗样本生成方法(PGAS),通过对多音字进行替换可以在较小扰动下生成高质量的对抗样本。首先,构建多音字字典,对多音字进行标注;然后对输入文本进行多音字替换;最后在黑盒模式下进行对抗样本攻击实验。实验在多种情感分类数据集上,针对多种最新的分类模型验证了该方法的有效性。
改进双路径生成对抗网络的红外与可见光图像融合
杨莘, 田立凡, 梁佳明, 黄泽丰
, doi: 10.11999/JEIT220819
摘要:
为了使融合图像保留更多源图像的信息,该文提出一种端到端的双路径生成对抗融合网络。首先,在生成器中采用结构相同、参数独立的双路径密集连接网络,构建红外差值路径和可见光差值路径以提高融合图像的对比度,引入通道注意力机制以使网络更聚焦于红外典型目标和可见光纹理细节;其次,将两幅源图像直接输入到网络的每一层,以提取更多的源图像特征信息;最后,考虑损失函数之间的互补,加入差值强度损失函数、差值梯度损失函数和结构相似性损失函数,以获得更具对比度的融合图像。实验表明,与多分类约束的生成对抗网络(GANMcC)、残差融合网络(RFnest)等相关融合算法相比,该方法得到的融合图像不仅在多个评价指标上均取得了最好的效果,而且具有更好的视觉效果,更符合人类视觉感知。
基于自适应分块的高光谱图像压缩感知重构方法
王洋, 杨孟宇, 赵首博
, doi: 10.11999/JEIT220738
摘要:
在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像2维熵作为高光谱图像纹理细节的度量,根据图像的纹理细节分布自适应改变图像子块的大小,然后为不同的图像块分配特定的采样值,根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量,将采样测量值带入重构算法中进行重构。实验结果表明,与整体采样重构和固定分块采样重构相比,将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后,重构的图像在视觉效果上有明显的提高,取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大,采样率为0.4时,PSNR提高了2~4 dB,SSIM最大提高了0.27,均方根误差(RMSE)和信息熵差值(ΔH)也有所降低,说明重构的图像更加接近原始图像。而且运算时间也减少了1~1.5 s。可见,该方法能充分利用高光谱图像的纹理特征,有效提高图像的重构质量,同时减少重构的运算时间。
模块化片上系统中高级可扩展接口的死锁避免
郭振江, 王焕东, 张福新, 肖俊华
, doi: 10.11999/JEIT221142
摘要:
模块化片上系统(SoC)包含多个独立的IP组件及多个可能的子网络,这种异构集成的方式往往为片上网络引入潜在的死锁。该文基于模块化异构系统MSoC研究了使用AXI协议的片上网络中3种类型的死锁。MSoC包含多种常见的异构组件,以及由多个独立子网络集成的片上网络(NoC),能够充分反映真实芯片的复杂性和不规则性。该文发现除环形通道导致的死锁外,基于AXI的片上网络还涉及双重路径死锁和桥接死锁。该文提出了一种两阶段算法检测片上网络中可能存在的这3种死锁。相比于通用验证方法学 (UVM)随机验证,使用该算法可以将检测时长从几个月缩短到几个小时,提高片上网络的可靠性和鲁棒性。
面向目标结构信息保持的SAR真正射遥感影像生成方法
胡玉新, 王峰, 焦念刚, 向俞明, 刘方坚
, doi: 10.11999/JEIT221341
摘要:
SAR遥感影像中的几何结构信息对于目标识别和判读具有十分重要的意义。现有SAR遥感影像的正射校正方法沿用光学正射影像(DOM)的校正思路,直接利用物方-像方采样进行,SAR遥感影像叠掩现象所引起的几何畸变会对目标结构信息提取造成干扰。针对以上问题,该文提出一种面向目标结构信息保持的SAR真正射影像(TDOM)制作方法,基于高精度数字表面模型(DSM),通过像方-物方反投影提取像方影像中的叠掩区域;然后,针对叠掩区域进行多高程面投影拟合分析,将雷达波与物方高程最高处的交点作为真实物方投影点,生成单视向SAR真正射影像;最后,利用不同视向的SAR真正射影像进行缺失信息补偿,得到融合后的多视向SAR真正射影像。以高分三号SAR影像作为对象进行研究,实验结果表明,相比于传统SAR正射影像,该文所提方法能够更好地保持目标结构信息,有效提升处理后SAR影像的目标识别和判读能力。
移动社交网络中基于属性加密的隐私保护方案
牛淑芬, 戈鹏, 宋蜜, 宿云
, doi: 10.11999/JEIT221174
摘要:
为了保护用户在移动社交网络中的个人信息和交友偏好等隐私,该文提出支持外包解密的基于密文策略的属性基加密(CP-ABE)方案。在该方案中,将用户的交友偏好和自我描述分别生成属性列表,通过将交友偏好转换为密文控制策略,自我描述转化为属性密钥来隐藏属性,从而实现隐私保护。该方案提出了先匹配后解密的算法机制:社交平台对用户信息进行匹配验证,当满足相应的匹配条件时,该算法将计算量较大的双线性对运算外包给交友中心,之后用户再对密文解密。通过快速排除不匹配用户,避免了无效解密。外包解密在保护信息的同时,减少了移动设备的计算负担和通信开销。安全性分析表明,该方案是安全有效的,此外性能评估显示所提方案在计算和通信开销方面是高效且实用的。
基于主从博弈的分层联邦学习激励机制研究
贾云健, 黄宇, 梁靓, 万杨亮, 周继华
, doi: 10.11999/JEIT220175
摘要:
为了优化分层联邦学习(FL)全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,提出了一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同,设计了基于主从博弈的可变激励训练加速算法,使得一次全局模型训练时延达到最小。仿真结果显示,所提出的算法能够有效降低终端设备自私性带来的影响,提高分层联邦学习全局模型的训练速度。
一种结合三重注意力机制的双路径网络胸片疾病分类方法
李锵, 王旭, 关欣
, doi: 10.11999/JEIT220172
摘要:
近年来,利用CNN进行医学图像处理,在胸片疾病分类任务中取得显著研究进展。然而,与单一结构CNN相比,双路径网络可结合不同CNN特点,从而提高疾病分类能力。其次,对于不同疾病,其位置、大小、形态、密度、纹理等特征均有不同,而注意力机制有助于模型提取不同病理特征,提升分类精度。因此针对胸片疾病分类问题,该文提出一种结合三重注意力机制的双路径卷积神经网络(TADPN),TADPN将ResNet和DenseNet结合的双路径网络DPN作为骨干网络,并利用3种不同形式的注意力机制改进DPN,在维持参数量稳定的同时提高网络复杂度,进而提升对胸片疾病的分类精度。在ChestXray14数据集上实验,并与目前较为先进的6种算法对比,14种疾病的平均AUC值达到0.8185,较前人提升1.1%,表明双路径CNN及三重注意力机制对胸片疾病分类的有效性及TADPN的先进性。
基于联盟链的身份环签密方案
俞惠芳, 吕芝蕊
, doi: 10.11999/JEIT220284
摘要:
针对联盟链交易时存在的用户隐私泄露问题,该文提出基于联盟链的身份环签密(CB-IDRSC)方案。CB-IDRSC利用智能合约技术控制新交易加入,实现了公平可靠性;利用多个私钥生成器(PKGs)为用户生成私钥信息,满足联盟链部分去中心化要求和起到保护节点隐私的作用;并且具有机密性、不可伪造性和环签密者的无条件匿名性。性能分析中首先对CB-IDRSC中用到的智能合约进行部署;其次通过效率分析说明CB-IDRSC具有较高的计算效率;最后在忽略网络延时等因素影响的情况下,通过实验得出多私钥生成器的数量对系统参数生成和密钥生成阶段的效率影响不到3%。
基于对比层级相关性传播的由粗到细的类激活映射算法研究
孙辉, 史玉龙, 王蕊
, doi: 10.11999/JEIT220113
摘要:
以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。
医疗社交网络中基于云计算的属性基签密方案
牛淑芬, 周思玮, 吕锐曦, 闫森, 张美玲, 王彩芬
, doi: 10.11999/JEIT220070
摘要:
移动医疗社交网络的出现为患者之间互相交流病情提供了极大的便利,促进了患者之间高效、高质量的沟通与交流,但与此同时也产生了患者数据的保密性和隐私性问题。针对此问题,该文提出一种基于云计算的属性基签密方案,能够有效地保护患者数据的隐私性。患者将自己的病情信息签密后上传至云服务器,当数据用户要访问患者的信息时,云服务器帮助数据用户进行部分解密并验证数据的完整性,这在一定程度上减少了数据用户的计算量。同时,在随机预言机模型下,证明了该方案满足选择消息攻击下的不可伪造性、选择密文攻击下的不可区分性以及属性隐私安全性。理论分析和数值模拟实验结果表明,该方案在签密和解签密阶段比现存的方案有更高的效率。
优化参考图谱发育指征的CHN智能骨龄评估方法研究
毛科技, 武坤秀, 陆伟, 陈立建, 毛家发
, doi: 10.11999/JEIT211577
摘要:
骨龄(BA)是评估儿童生长发育是否正常的重要指标之一。中国人手腕骨发育标准-CHN计分法是目前中国儿童生长发育中骨龄评估(BAA)最常用的方法之一。但是在CHN计分法中,某些参照骨图谱的发育指征跨度较大,导致专家依据个人经验主观判断它的发育分期而影响评估准确度。在利用深度学习对该类图谱的发育分期进行评估时,会导致它的评估结果产生随机性。该文基于专家评估过的2万余张儿童手腕部X线片,在CHN计分法的基础上,在相邻发育分期间隔跨度较大的参照骨标准图谱之间勾绘新的成熟度指征,产生细化图谱,并利用层次分析法为其分配对应的成熟度得分,提高骨龄评价的准确率。该文在AlexNet网络的基础上融合Harris特征和卷积注意力模块,对各参照骨的发育分期进行评估。在自制的年龄分布为5-11岁的数据集上,采用优化后的CHN法得到的骨龄在容忍度为0.5岁和1岁时的准确率分别达到了94.6%和99.13%。实验结果表明所提方法可以更加精细地分辨儿童手腕骨发育程度,大幅提高骨龄评估的准确率,辅助临床应用。
考虑工人培养的移动群智感知任务分配机制
吕翊, 王燕, 崔亚平, 何鹏, 吴大鹏, 王汝言
, doi: 10.11999/JEIT220249
摘要:
移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据,是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题,使感知数据质量得以提高,但忽略了缺乏优质工人的感知任务,导致任务完成质量降低。为了解决上述问题,对于缺乏优质工人的感知任务,该文关注将经验不足的工人培养为优质工人,并令其执行这些感知任务,实现工人的长期复用,提高感知数据质量和长期平台效用。具体来说,该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型,并据此应用稳定匹配算法选择待培养工人,提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明,相比基于区块链的非确定团队协作(BNTC)算法,该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%,长期平台效用提高17%。
基于骨架动作识别的协作卷积Transformer网络
石跃祥, 朱茂清
, doi: 10.11999/JEIT220270
摘要:
近年来,基于骨架的人体动作识别任务因骨架数据的鲁棒性和泛化能力而受到了广泛关注。其中,将人体骨骼建模为时空图的图卷积网络取得了显著的性能。然而图卷积主要通过一系列3D卷积来学习长期交互联系,这种联系偏向于局部并且受到卷积核大小的限制,无法有效地捕获远程依赖关系。该文提出一种协作卷积Transformer网络,通过引入Transformer中的自注意力机制建立远程依赖关系,并将其与图卷积神经网络(GCNs)相结合进行动作识别,使模型既能通过图卷积神经网络提取局部信息,也能通过Transformer捕获丰富的远程依赖项。另外,Transformer的自注意力机制在像素级进行计算,因此产生了极大的计算代价,该模型通过将整个网络分为两个阶段,第1阶段使用纯卷积来提取浅层空间特征,第2阶段使用所提出的ConvT块捕获高层语义信息,降低了计算复杂度。此外,原始Transformer中的线性嵌入被替换为卷积嵌入,获得局部空间信息增强,并由此去除了原始模型中的位置编码,使模型更轻量。在两个大规模权威数据集NTU-RGB+D和Kinetics-Skeleton上进行实验验证,该模型分别达到了88.1%和36.6%的Top-1精度。实验结果表明,该模型的性能有了很大的提高。
基于线性映射场的fNIRS信号特征提取与分析
姚宇轩, 孙兆辉, 高毓兵, 吴奇
, doi: 10.11999/JEIT220120
摘要:
大脑功能性激活的相关研究普遍存在特征提取依赖人工经验、深层次生理学信息难以挖掘两大问题。针对这两个问题,该文通过引入变分模态分解(VMD)技术,提出自适应VMD算法。该算法考虑了脑血氧信号在不同频段下的生理意义,降低了传统VMD对超参数选取的依赖。实验结果表明自适应VMD算法能够精确地提取出功能性近红外光谱(fNIRS)中富有生理学意义的有效模态分量,进而提升数据预处理效果。在此基础上,基于将时间序列映射成图像并使用深度卷积神经网络进行特征学习的思路,提出线性映射场(LMF)。基于LMF,该文以较低的运算量将fNIRS序列映射成2维图像,辅以深度卷积神经网络,实现了fNIRS生理信号深层次特征的提取。实验结果证明了所提出LMF的优势。最后,该文对提出方法的有效性进行了讨论与分析,说明了不同于循环神经网络仅能“顺序”地感知时间序列,卷积神经网络对时间序列的“跳跃”感知是其取得优异效果的关键。
一种脉冲重复间隔固定序列快速检测方法
樊甫华, 史英春, 秦立龙
, doi: 10.11999/JEIT220127
摘要:
针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题,该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算,只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP);之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定,并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值,进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。
云环境下对称可搜索加密研究综述
黄一才, 李森森, 郁滨
, doi: 10.11999/JEIT211572
摘要:
云存储技术是解决大容量数据存储、交互、管理的有效途径,加密存储是保护远程服务器中用户数据隐私安全的重要手段,而可搜索加密技术能在保证用户数据安全前提下提高系统可用性。对称可搜索加密以其高效的搜索效率得到人们的广泛关注。总体而言,相关研究可归纳为系统模型、效率与安全、功能性3个层次。该文首先介绍了对称可搜索加密(SSE)系统典型模型,然后深入分析了搜索效率优化、安全性分析的常用手段和方法,最后从场景适应能力、语句表达能力、查询结果优化3个方面对方案功能性研究进行了梳理,重点对当前研究的热点和难点进行了总结。在此基础上,进一步分析了未来可能的研究方向。
小样本图像处理方法赋能的宽带频谱感知
周金, 李玉芝, 李斌
, doi: 10.11999/JEIT220084
摘要:
针对强噪声环境下频谱感知方法计算复杂度高、难以获取大量标注样本、检测准确率低等问题,该文提出由图像去噪和图像分类思想驱动的频谱感知方法(IDCSS)。首先,对感知用户的接收信号进行时频变换,将无线电数值信号转换为图像。强噪声环境下感知用户接收信号图像与噪声图像相关度高,因此搭建生成对抗网络(GAN)来增加低信噪比下接收信号样本的数量,提高图像的质量。在生成器中,利用残差-长短时记忆网络取代生成网络U-Net结构中的跳跃连接,对图像进行去噪、提取感知用户接收信号图像的多尺度特征、建立基于熵的损失函数来构建网络的抗噪能力;在判决器中,设计适用无线电图像信号的多维度判决器来增强生成图像的质量、保留低信噪比感知用户信号的图像细节。最后利用分类器识别频谱占用状态。仿真结果表明,与现有频谱感知算法相比,所提算法具有较好的检测性能。
紫外非均匀虚拟势场下无人机编队重构避碰算法
赵太飞, 张健伟, 容开新, 张雯
, doi: 10.11999/JEIT220442
摘要:
针对复杂电磁环境下无人机编队重构过程中的路径规划和机间避碰问题,该文在传统紫外虚拟势场基础上,利用距离因子对斥力函数进行了改进,构建了一种紫外非均匀虚拟势场来协助无人机进行机间避碰。改进的紫外非均匀虚拟势场可以使得无人机避碰路径更加平滑,相同时间内,无人机可以飞行更远的距离。此外,通过无线紫外光测距方法计算无人机机间距离,并结合紫外非均匀势场对传统的人工势场法进行改进,实现无人机编队重构。仿真结果表明,该文算法可以有效解决传统算法下路径振荡和局部最小值问题,同时避碰效率相比传统人工势场算法有明显提升,在预设环境中本文算法路程缩短6%,到达目标点的时间提前40%。最后在两种不同的队形重构场景下,对本文算法进行了验证,结果表明本文算法可以有效实现无人机队形重构中预期的机间避碰效果。
基于掩蔽自监督语音特征提取的帕金森病检测方法
季薇, 杨茗淇, 李云, 郑慧芬
, 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,采用十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。
一种基于随机几何理论的RIS辅助PD-NOMA网络物理层安全增强方法
冯琳琳, 张治中, 胡昊南, 裴二荣, 李云
, 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}模型表征复合信道,并重新设计了RIS反射模型。首先推导出所考虑网络组合信道增益的新统计特性,接着推导出RIS辅助PD-NOMA传输场景保密中断概率(SOP)的解析表达式。分析结果和仿真结果表明,(1)该RIS设计能有效提高边缘用户信道质量,从而改变该网络NOMA用户对连续干扰消除(SIC)顺序。(2)该RIS设计及排斥性雾节点(F-AP)部署均可增强该网络PLS,其中,基于β-Ginibre点过程(β-GPP)部署F-AP,在同等条件下,不需增加部署成本即可使SOP至多降低约2个数量级、使保密速率至多提升约\begin{document}$10.5\% $\end{document}
一种基于蚁狮最大熵算法与引导滤波的图像融合算法
蒋杰伟, 刘尚辉, 金库, 魏戌盟, 巩稼民
, doi: 10.11999/JEIT221499
摘要:
传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。
基于正负频偏脉压相参积累的移频干扰鉴别方法
温镇铭, 王国宏, 张亮, 于洪波
, 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成负相关的结论。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。
水平集高斯过程的非星凸形扩展目标跟踪算法
陈辉, 曾文爱, 连峰, 韩崇昭
, doi: 10.11999/JEIT220997
摘要:
针对复杂环境下的非星凸形不规则形状扩展目标跟踪问题,该文提出基于能量泛函的水平集高斯过程扩展目标跟踪算法。首先,利用水平集随机超曲面模型(Level-Set RHM)通过多边形方法对形状内部进行建模。然后,用高斯过程(GP)学习Level-Set建模输入与输出的非线性映射关系,以求得边界函数最大值,并进一步推导Level-Set与GP相融合的非线性量测方程。在最优非线性滤波的框架下,最终推导得到水平集高斯过程(Level-Set GP)算法,并利用面积差作为不规则形状扩展目标形状估计的评价指标。仿真实验表明了所提算法对非星凸形不规则形状扩展目标形状估计的有效性。
一种基于迭代自适应的离网格DOA估计方法
揭允康, 张雯, 李想, 叶晓东, 王昊, 陶诗飞
, 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。
水下无线传感器网络安全研究综述
苏毅珊, 张贺贺, 张瑞, 马素雅, 范榕, 付晓梅, 金志刚
, doi: 10.11999/JEIT211576
摘要:
水下无线传感器网络(UWSNs)广泛应用于如灾害预警、资源勘探等各种领域,然而易受到恶意攻击,迫切需要发展能够适应其通信带宽窄、传播时延长、时空不确定性严重等特性的安全机制。首先,该文从水下无线传感器网络的特性及安全需求入手,对其面临的安全威胁进行了分析。然后,对水下无线传感器网络中的加密、认证、信任管理、入侵检测、安全定位、安全同步和安全路由各类安全机制进行了综述。最后,对水下无线传感器网络安全研究中面临的缺少实际测试及相关数据集等挑战以及利用网络特性发展安全机制的未来研究方向进行了探讨。
捕获效应对LTE授权辅助接入网络的影响
陈新虎, 张泰, 裴二荣, 邓炳光, 孙远欣
, doi: 10.11999/JEIT211450
摘要:
LTE授权辅助接入(LAA)和WiFi网络的共存性能已经被广泛研究。然而,这些工作忽略了捕获效应,即当两个以上的信号在相同信道上同时传输时,最强的信号仍然可能成功接收。这种现象在共存场景中可能比在WiFi网络中更频繁地发生。基于此,该文深入研究了LAA和WiFi网络在捕获效应下的共存性能。具体地,在共存场景中首先提出了两个以上信号的捕获模型,并推导出了捕获概率;然后,将LAA接入方案建模为具有捕获效应的新的2维离散马尔可夫模型,其中退避计数器的减少不仅取决于空闲的时隙,还取决于捕获效应发生的时隙;最后推导出共存性能的表达式。大量的仿真和数值结果验证了所提出的马尔可夫链和捕获模型的有效性。而且,仿真结果也证明了考虑捕获效应的必要性。
基于合作博弈和知识蒸馏的个性化联邦学习算法
孙艳华, 史亚会, 李萌, 杨睿哲, 司鹏搏
, doi: 10.11999/JEIT221203
摘要:
为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度,该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中,每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟,然后利用合作博弈中的夏普利值来衡量客户端之间多重协作的影响,量化所下载软预测对本地个性化学习效果的累计贡献值,以此确定联盟中每个客户端的最佳聚合系数,从而得到更优的聚合模型。最后采用知识蒸馏将聚合模型的知识迁移到本地模型,并在隐私数据集上进行本地训练。仿真结果表明,与其他算法相比,pFedCK算法可以将个性化精度提升约10%。
基于完美二叉树通信拓扑的拜占庭容错共识算法
李淑芝, 熊伟志, 邓小鸿, 王智强, 刘惠文
, doi: 10.11999/JEIT220798
摘要:
针对实用拜占庭容错(PBFT)算法中主节点可预测、通信复杂度高和作恶节点缺少惩罚机制的问题,该文提出一种基于完美二叉树通信拓扑的联盟链拜占庭容错算法(PBT-BFT)。首先设计了信誉评估模型对节点的行为进行评估,同时提出基于信誉的可验证随机函数(R-VRF),使得随机抽取概率与信誉值呈正相关,保证了拥有不同信誉值的节点抽签的公平性和随机性。然后,设计了完美二叉树通信拓扑,将通信复杂度降低至线性复杂度,同时提出轮换主节点和流水线工作机制,提高了共识效率。实验结果表明,与PBFT相比,平均吞吐量提高了121.6%,平均时延降低了73.8%,能够很好地适用于大规模网络节点的联盟链。
低信噪比场景下Link-16系统的联合频偏估计算法
宁晓燕, 罗海玲, 孙志国, 刁鸣
, doi: 10.11999/JEIT220967
摘要:
对于Link-16数据链终端平台在低信噪比(SNR)高动态场景下的多普勒频率偏移问题,该文设计一种新的数据结构,推导了该结构下的克拉默-拉奥下界(CRLB),并在此基础上提出一种联合频域变换与时域自相关运算的分步式频偏估计算法。其基本思想是,首先对接收信号做自相关处理,然后通过频域变换进行最大值索引,结合修正因子得到多普勒频移的粗估计值,再利用时域的改进L&R算法对接收信号进行细估计,根据两步估计算法得到最终的频偏估计值。算法应用蒙特卡罗实验仿真,仿真结果表明,与传统频偏估计算法相比,该算法的归一化均方误差更接近CRLB,在多普勒频偏为[–20 kHz, 20 kHz]时,估计精度可达10–5。在低信噪比环境下,所提算法能达到较为理想的估计效果,适用于Link-16数据链通信。
一种增量部署太赫兹链路的巨型近地轨道星座网络路由算法
叶进, 陈贵豪, 韦姿蓉, 单源超, 黄家玮
, doi: 10.11999/JEIT220915
摘要:
太赫兹通信作为6G研究的关键技术之一,将在下一代巨型近地轨道(LEO)星座网络中与其他频段链路共存,在这样增量部署太赫兹的巨型LEO星座网络中,星间链路扭曲窗口期的路径次优问题将变得更加明显,现有的路由算法仅依赖于最短时延路径难以解决这个问题。为此该文提出一种增量部署太赫兹链路的时空图建模,以及考虑弯管转发和星间链路相结合的自适应选择路由算法(ATLS)。在Hypatia网络模拟器中的测试表明,与已有的路由方式相比,ATLS路由能够将任务完成时间降低了17.14%,端到端时延降低16.67%。
跨模态跨尺度跨维度的PET/CT图像的Transformer分割模型
周涛, 党培, 陆惠玲, 侯森宝, 彭彩月, 师宏斌
, doi: 10.11999/JEIT221204
摘要:
多模态医学图像能够有效融合解剖图像和功能图像的信息,将人体内部的功能、解剖等多方面信息反映在同一幅图像上,在临床上有十分重要的意义。针对如何高效利用多模态医学图像信息的综合表达能力,以及如何充分提取跨尺度上下文信息的问题,该文提出跨模态跨尺度跨维度的PET/CT图像的Transformer分割模型。该模型主要改进是,首先,在编码器部分设计了PET/CT主干分支和PET, CT辅助分支提取多模态图像信息;然后,在跳跃连接部分设计了跨模态跨维度注意力模块从模态和维度角度出发捕获跨模态图像各维的有效信息;其次,在瓶颈层构造跨尺度Transformer模块,自适应融合深层的语义信息和浅层的空间信息使网络学习到更多的上下文信息,并从中获取跨尺度全局信息;最后,在解码器部分提出多尺度自适应解码特征融合模块,聚合并充分利用解码路径得到精细程度不同的多尺度特征图,缓解上采样引入的噪声。在临床多模态肺部医学图像数据集验证算法的有效性,结果表明所提模型对于肺部病灶分割的Acc, Recall, Dice, Voe, Rvd和Miou分别为97.99%, 94.29%, 95.32%, 92.74%, 92.95%和90.14%,模型对于形状复杂的病灶分割具有较高的精度和相对较低的冗余度。
基于三维模糊连接脉冲耦合神经网络的肾脏CT图像自动分割算法
白培瑞, 李峥, 刘庆一, 王梦, 毕丽君, 任延德, 王成健
, doi: 10.11999/JEIT221252
摘要:
3维肾脏CT图像的自动准确分割对减轻医师阅片工作量和提高计算机辅助诊断效率具有重要意义。但是,由于肾脏器官的结构复杂性以及邻近部位的灰度相似性,3维肾脏的准确分割仍具有挑战性。该文基于简化脉冲耦合神经网络(SPCNN)结构简单、参数量少的特点,结合模糊连接度(FC)算法,提出一种3维肾脏CT图像的自动分割算法。主要贡献为:(1)将SPCNN的2维模型扩展为3维模型,可以充分利用3维CT图像的层间信息;(2)提出了一种基于感兴趣区域质心的3维种子点自动生成策略,可以有效提高算法的自动分割效率;(3)实现了3维FC响应图与3维SPCNN的有效耦合。所提算法在自制数据集和公开数据集上进行了验证实验,结果表明该算法的性能优于现有的主流算法,其Dice系数、准确率、敏感度、体积误差、平均对称表面距离的平均值分别可以达到0.9095,0.9969,0.8517,0.1749和0.8536。
无线体域网物理层传输编码理论综述:低密度奇偶校验码优化设计
宋丹, 许志平, 洪少华, 王琳
, doi: 10.11999/JEIT221171
摘要:
面向无线体域网(WBAN)传输环境,该文主要论述信道编码与联合信源信道编码系统的码字设计。针对物理层的低功耗和高可靠传输需求,从低密度奇偶校验(LDPC)码的优化设计角度展开,主要在信道模型分类、传输系统构建、技术挑战与解决方案、信道适配性编码设计这4个层面进行梳理和总结。最后,对WBAN环境下LDPC码优化设计的未来研究工作进行展望,为构建下一代通信技术提供参考。
基于多智能体柔性演员-评论家学习的服务功能链部署算法
唐伦, 李师锐, 杜雨聪, 陈前斌
, 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科夫决策过程(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。
基于GAN实现环境声音分类的组合对抗防御
张强, 杨吉斌, 张雄伟, 曹铁勇, 李毅豪
, 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。
一种高精度并行主偏度分析算法及其在遥感图像中的应用
王大虎, 刘畅, 王健, 姚锴, 张振
, doi: 10.11999/JEIT220960
摘要:
主偏度分析(PSA)作为主成分分析(PCA)的一种3阶推广,常用于盲图像分离、SAR图像去噪以及高光谱特征提取等。但现有PSA算法只能得到近似解,这会影响图像后续处理的精度。针对这一问题,该文在现有PSA算法基础上,提出了一种高精度并行主偏度分析(PPSA)算法。PPSA算法充分考虑数据结构,选用协偏度张量的全部切片的特征向量作为迭代的初始值,可以准确地得到实际解。仿真实验以及实际遥感图像实验验证了PPSA算法的有效性与优越性。
一种用于K波段空间行波管模拟预失真电路的设计方法
刘婷, 苏小保, 王刚, 赵斌
, 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。
连续微流控生物芯片下一种多阶段启发式的流层物理协同设计算法
刘耿耿, 叶正阳, 朱予涵, 陈志盛, 黄兴, 徐宁
, 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。
基于谱聚类的傅里叶个性化联邦学习研究
金彤, 陈思光
, 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%。
基于SRAM的感存算一体化技术综述
杨兴华, 杨子翼, 苏海津, 姜炜煌, 张静, 魏琦, 骆丽, 王忠静, 吕华芳, 乔飞
, doi: 10.11999/JEIT220815
摘要:
基于SRAM(静态随机存取存储器)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。
基于历史运动特征约束和SVM频谱分类的被动声呐目标关联跟踪方法
钱宇宁, 陈亚伟, 李归
, 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。
IRS辅助的NOMA无人机网络安全速率最大化算法
王正强, 青思雨, 万晓榆, 樊自甫, 徐勇军, 多滨
, 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。
一种基于存储器内建自测试的新型动态March算法设计
蔡志匡, 余昊杰, 杨航, 王子轩, 郭宇锋
, 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。
基于OFDM的无线信号与电能反向同步传输方法
靖永志, 鲁林海, 冯伟, 王森, 孙希聪
, doi: 10.11999/JEIT220929
摘要:
无线电能传输系统的稳定运行离不开信息传输技术的实现,该文针对无线信号与电能共享通道传输时存在耦合干扰及频谱利用率低的问题,提出一种基于正交频分复用技术(OFDM)的信号与电能反向同步传输新方法。该方法将电能载波等效为搭载全1信息的信号载波,采用OFDM技术实现信号的同步解耦与高速可靠传输时,即可减少电能传输过程对信号传输过程产生的串扰。电能通道采用串联谐振(S/LCC)补偿拓扑结构,使负载在一定范围内变化时输出电压稳定。松耦合变压器作为电能和信号传输的共同通道,可以同时、反向传输信号与电能两种不同频率的载波。首先介绍了系统的结构和OFDM基本原理;其次,对系统进行数学建模,分析研究信号与电能的传输特性;在此基础上,给出了信号调制与解调的设计方法。最后搭建电能传输功率为20 W、信号传输速率为85 kbps的实验平台,验证了所提方法的正确性。
基于多图神经网络协同学习的显著性物体检测方法
刘冰, 王甜甜, 高丽娜, 徐明珠, 付平
, 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。
(ε, δ)-本地差分隐私模型下的均值估计机制
张跃, 朱友文, 周玉倩, 袁家斌
, doi: 10.11999/JEIT221047
摘要:
相对于ε-本地差分隐私机制,(ε, δ)-本地差分隐私模型下的方案具有更小的误差边界和更高的数据效用。然而,当前的(ε, δ)-本地差分隐私均值估计机制仍存在估计误差大、数据效用低等问题。因此,针对均值估计问题,该文提出两种新的(ε, δ)-本地差分隐私均值估计机制:基于区间的均值估计机制(IM)和基于近邻的均值估计机制(NM)。IM机制的主要思想是:划分扰动后的数据到3个区间,真实数据以较大概率扰动到中间的区间,以较小概率扰动到两边的区间,收集者直接对扰动数据求均值得到无偏估计。NM机制的主要思想是:把真实数据以较大概率扰动到其邻域,以较小概率扰动到距离较远的值,收集者结合期望最大化算法得到高准确度的估计均值。最后,该文通过理论分析证明了IM和NM机制均可以满足隐私保护要求,并通过实验证实了IM和NM机制的数据效用优于现有机制。
对八阵图算法的不可能差分密码分析和线性密码分析
卫宏儒, 朱一凡
, doi: 10.11999/JEIT221092
摘要:
该文对八阵图(ESF)算法抵抗不可能差分密码分析和线性密码分析的能力进行了研究。ESF算法是一种具有Feistel结构的轻量级分组密码算法,它的轮函数为代换置换(SP)结构。该文首先用新的不可能差分区分器分析了12轮ESF算法,随后用线性密码分析的方法分析了9轮ESF算法。计算得出12轮不可能差分分析的数据复杂度大约为O(267),时间复杂度约为O(2110.7),而9轮线性密码分析的数据复杂度仅为O(235),时间复杂度不大于O(215.6)。结果表明ESF算法足够抵抗不可能差分密码分析,而抵抗线性密码分析的能力相对较弱。
基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型
殷礼胜, 刘攀, 孙双晨, 吴洋洋, 施成, 何怡刚
, doi: 10.11999/JEIT221172
摘要:
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较文献[1,4]均更优,展现了精准、快速的预测表现以及良好的泛化能力。
结合多特征嵌入和多网络融合的中文医疗命名实体识别
雷松泽, 刘博, 王瑜菲, 单奥奎
, doi: 10.11999/JEIT220802
摘要:
在医疗领域中,实体识别能够从大规模电子病历文本中提取有价值信息,由于缺乏定位实体边界的特征以及存在语义信息提取不完整等问题,中文的命名实体识别(NER)实现更加困难。该文提出一种针对中文电子病历的结合多特征嵌入和多网络融合的模型。该模型嵌入多粒度特征,即字符、单词、部首和外部知识,扩展字符的特征表示,明确实体边界。将特征向量分别输入到双向长短期记忆神经网络(BiLSTM)和该文构建的自适应图卷积网络等双通路中,全面深入地捕获上下文语义信息和全局语义信息,缓解语义信息提取不完整问题。在CCKS2019和CCKS2020数据集上进行实验验证,结果表明,相比于传统实体识别模型,该文模型能够准确且有效地提取实体。
基于小波包变换的自适应混沌信号降噪算法
刘云侠, 贝广霞, 蒋忠贇, 孟强, 时慧喆
, doi: 10.11999/JEIT221137
摘要:
为了更好地体现混沌系统的内在特征,该文提出一种基于小波包变换的自适应混沌信号降噪算法。首先,该算法根据不同分解尺度小波包系数的相关性不同,确定了最佳分解层数;以对数能量熵为代价函数,得到了最优小波包基。然后,在局部邻域内对近似系数进行投影分析,利用神经网络梯度下降法对细节系数进行自适应选择。通过最小化损失函数,最大限度降低噪声对混沌信号的影响。最后,通过对来自Rossler混沌模型的状态变量进行仿真分析,证实了该算法对混沌信号降噪的优越性。
扩容型正交抑噪多级差分混沌移位键控通信系统
张刚, 王磊, 蒋忠均
, doi: 10.11999/JEIT220141
摘要:
针对多进制差分混沌移位键控系统传输速率较小且误码率(BER)较差的缺点,该文提出一种扩容型正交抑噪多进差分混沌移位键控(DCSK)通信系统。在该系统的发送端设计了一种改进型混沌基信号发生器,可产生4组正交的混沌基信号,使得通信容量极大提升。定义综合效用函数,并引入粒子群算法对系统各参数优化。对该系统在加性高斯白噪声(AWGN)和Rayleigh衰落信道下理论误码率公式进行推导及系统仿真同时对比不同系统的综合效用函数。结果表明,该系统具有更低的误码率和更优综合效用,具有较好的实际应用价值。
基于脚点热度图和双向连接图的遥感影像建筑物提取方法
张利利, 张津铭, 刘雄飞, 乔海浪, 王宏琦
, doi: 10.11999/JEIT220201
摘要:
目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。
基于联邦学习的本地化差分隐私机制研究
任一支, 刘容轲, 王冬, 袁理锋, 申延召, 吴国华, 王秋华, 杨昌天
, doi: 10.11999/JEIT221064
摘要:
联邦学习与群体学习作为当前热门的分布式机器学习范式,前者能够保护用户数据不被第三方获得的前提下在服务器中实现模型参数共享计算,后者在无中心服务器的前提下利用区块链技术实现所有用户同等地聚合模型参数。但是,通过分析模型训练后的参数,如深度神经网络训练的权值,仍然可能泄露用户的隐私信息。目前,在联邦学习下运用本地化差分隐私保护模型参数的方法层出不穷,但皆难以在较小的隐私预算和用户数量下缩小模型测试精度差。针对此问题,该文提出正负分段的差分隐私扰动机制,在聚合前对本地模型参数进行扰动。首先,证明了该机制满足严格的差分隐私定义,保证了算法的隐私性;其次分析了该机制能够在较少的用户数量下保证模型的精度,保证了机制的有效性;最后,在3种主流图像分类数据集上与其他最先进的方法在模型准确性、隐私保护方面进行了比较,表现出了较好的性能。
基于混合隐私的区块链高效模型协同训练共享方案
张翠, 杨辉, 王寒凝, 王江, 曾创展, 李荣宽
, doi: 10.11999/JEIT221104
摘要:
针对海量数据下,基于区块链的联邦学习数据共享平台面临的效率低下和隐私泄露问题,该文提出基于混合隐私的区块链高效模型协同训练共享方案。在该方案中,首先根据欧氏距离设计了一种基于相似度的训练成员选择算法来选择训练成员,组成联邦社区,即通过选取少量的高匹配训练节点来提高训练的效率和效果。然后,结合阈值同态加密和差分隐私,设计一种基于混合隐私技术的模型协同训练共享方案来保证训练和共享过程中的隐私性。实验结果和系统实现表明,所提方案可以在保证训练结果准确率的情况下,实现高效训练和隐私保护下的数据共享。
基于图信号处理的频控阵雷达目标定位方法
谢宁波, 欧阳缮, 廖可非, 王海涛, 蒋俊正
, doi: 10.11999/JEIT220970
摘要:
针对现代雷达应用对目标高精度测角和测距的需求,该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中,提出一种基于图信号处理的频控阵雷达目标定位新方法。首先,基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型,进而利用图傅里叶变换对上述图信号作图谱分解,构建2维谱峰搜索优化函数,最终有效获得目标的方位角-距离联合估计。仿真实验结果表明,该算法能够正确估计出目标的方位角和距离信息;在相同仿真条件下,算法的估计精度优于同类算法且提升了对弱目标的定位性能。
基于边缘辅助极线Transformer的多视角场景重建
童伟, 张苗苗, 李东方, 吴奇, 宋爱国
, doi: 10.11999/JEIT221244
摘要:
基于深度学习的多视角立体几何(MVS)旨在通过多个视图重建出稠密的3维场景。然而现有的方法通常设计复杂的2D网络模块来学习代价体聚合的跨视角可见性,忽略了跨视角2维上下文特征在3D深度方向的一致性假设。此外,基于多阶段的深度推断方法仍需要较高的深度采样率,并且在静态或预先设定的范围内采样深度值,容易在物体边界以及光照遮挡等区域产生错误的深度推断。为了缓解这些问题,该文提出一种基于边缘辅助极线Transformer的密集深度推断模型。与现有工作相比,具体改进如下:(1) 将深度回归转换为多深度值分类进行求解,在有限的深度采样率和GPU占用下保证了推断精度;(2) 设计一种极线Transformer模块提高跨视角代价体聚合的可靠性,并引入边缘检测分支约束边缘特征在极线方向的一致性;(3) 为了提高弱纹理区域的精度,设计了基于概率成本体积的动态深度范围采样机制。与主流的方法在公开的数据集上进行了综合对比,实验结果表明所提模型能够在有限的显存占用下重建出稠密准确的3D场景。特别地,相比于Cas-MVSNet,所提模型的显存占用降低了35%,深度采样率降低约50%,DTU数据集的综合误差从0.355降低至0.325。
一种2m元域上量子纠错码的构造方法
王玉, 开晓山, 朱士信
, doi: 10.11999/JEIT221145
摘要:
构造具有良好参数的量子码是量子纠错码研究的重要内容。该文利用有限非链环\begin{document}$ R = {F_{{4^m}}} + v{F_{{4^m}}} $\end{document}上的厄米特对偶包含常循环码来构造\begin{document}$ {2^m} $\end{document}元量子码。定义了一种新的Gray 映射\begin{document}$ \phi $\end{document},能够将环\begin{document}$ R $\end{document}上线性码\begin{document}$ C $\end{document}的厄米特对偶包含性保持到\begin{document}$ \phi (C) $\end{document}上。研究了环\begin{document}$ R $\end{document}上常循环码是厄米特对偶包含码的条件。给出了一种构造\begin{document}$ {2^m} $\end{document}元量子码的方法,并构造了一些新的4元和8元量子码。
多方隐私集合交集计算技术综述
高莹, 王玮
, doi: 10.11999/JEIT220664
摘要:
随着互联网、大数据等新技术的快速发展,越来越多的分布式数据需要多方协作处理,隐私保护技术由此面临更大的挑战。安全多方计算是一种重要的隐私保护技术,可为数据的安全高效共享问题提供解决方案。作为安全多方计算的一个重要分支,隐私集合交集计算(PSI)技术可以在保护参与方的数据隐私性前提下计算两个或多个参与者私有数据集的交集,按照参与方数目可分为两方PSI和多方PSI。随着私人数据共享规模的扩大,多于两个参与方的应用场景越来越常见。多方PSI具有与两方PSI相似的技术基础但又有本质的不同。该文首先讨论了两方PSI的研究进展,其次详细梳理多方PSI技术的发展历程,将多方PSI技术依据应用场景的不同分为传统多方PSI技术以及门限多方PSI技术,并在不同场景下按照协议所采用密码技术和功能进行更细致的划分;对典型多方PSI协议进行分析,并对相关密码技术、敌手模型以及计算与通信复杂度进行对比。最后,给出了多方PSI技术的研究热点和未来发展方向。
智能反射面辅助的反向散射通信信道的传播模拟
余洪鑫, 冯菊, 杜伟, 廖成
, doi: 10.11999/JEIT221195
摘要:
为了解决引入智能反射面(IRS)后反向散射通信(BackCom)信道的传播模拟问题,该文提出一种基于抛物方程(PE)和矩量法(MoM)的高效混合数值方法。该方法将电大场景下IRS辅助信道的传播建模问题分解为电波传播与电磁散射两个子问题,分别采用PE和MoM进行求解。通过对视距和非视距场景下IRS辅助的信道进行模拟,探讨了PE-MoM混合求解技术的高效性。仿真结果表明,与MoM相比,所提算法的计算速度提升了6.46倍,计算资源消耗也下降了81%,且相对均方根误差仅为3.89%。对比结果表明所提出的PE-MoM方法能够在兼顾计算精度和计算效率的同时,实现IRS辅助的BackCom信道的传播模拟。
基于忆阻器的1T1M可重构阵列结构
蒋林, 张丁月, 李远成, 曹非, 隆茂森
, doi: 10.11999/JEIT220718
摘要:
忆阻器(Memristor)或者阻变存储器(ReRAM)是一种具有存储和计算功能的新型非易失性存储器(NVM),可以用作存算一体(PIM)的非冯·诺依曼计算机体系架构的基础器件。针对可重构阵列处理器数据计算速度和存储速度不匹配的问题,该文采用电压阈值自适应忆阻器(VTEAM)模型,经过凌力尔特通用模拟电路仿真器(LTSPICE)仿真验证,可以实现布尔逻辑完备集。在此基础上,设计了一种1T1M忆阻器交叉阵列,具有结构简单、可重构性和高并行性的特点,利用蒙特卡罗(MC)法进行容差分析,计算精度达到0.998。该阵列与现有的先进阵列相比,能有效提升芯片的性能,降低处理延迟与能耗,可以与可重构阵列处理器结合以应对“存储墙”问题。
可重构智能表面中的低复杂度毫米波信道追踪算法
蒲旭敏, 刘雁翔, 孙致南, 李静洁, 陈前斌, 金石
, doi: 10.11999/JEIT220875
摘要:
针对可重构智能表面(RIS)中的毫米波通信系统,用户至RIS端信道角度参数的缓慢变化,该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链,首先使用2维快速傅里叶变换 (2D-FFT)算法初始化估计角度,并且使用最大似然算法估计路径增益。在后续时隙中,使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变,若检测到信道突变,则再次初始化参数,否则使用牛顿算法继续追踪角度参数。仿真结果表明,该方案在具有优良性能的前提下复杂度可以达到最低,极大节约算力资源,在计算复杂度和性能之间可以取得很好的平衡。
基于手语表达内容与表达特征的手语识别技术综述
陶唐飞, 刘天宇
, doi: 10.11999/JEIT221051
摘要:
手语识别(SLR)技术是打破听障人群与健听人群间交流壁垒的重要技术手段。该文综述了近几年的手语数据集、评价指标以及手语识别方法。首先,系统梳理了手语数据集并分析了手语识别方法的数据集发展方向。其次,详细介绍了手语识别方法的评价指标。然后,根据手语表达内容、手语识别方法所采用的特征分类总结分析了孤立词手语识别方法与连续语句识别方法、仅依靠手部特征的手语识别方法与多特征融合的手语识别方法。最后探讨了手语识别技术面临的挑战及其发展方向。
Gimli/Xoodoo密码算法的不可能差分分析
樊婷, 韦永壮, 李灵琛
, 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轮的不可能差分区分器。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。
无人机辅助反向散射通信计算任务卸载与资源分配
李斌, 杨蓉蓉
, doi: 10.11999/JEIT221062
摘要:
针对边缘计算网络中用户能量短缺问题,该文提出一种无人机(UAV)辅助的反向散射通信网络计算任务卸载和资源分配方案。首先,通过联合考虑飞行轨迹、用户的计算频率、任务卸载比例、无人机及用户的发射功率、反向散射时间分配以及主动通信时间分配,构建最小化无人机总能耗优化问题。其次,利用交替优化算法,将原非凸问题分解为两个子问题,并通过连续凸逼近方法将原问题转化为凸问题进行求解。仿真结果表明,所提算法使得无人机能耗显著减少,且具有良好的收敛性。
基于分段线性模型针对TLP瞬态干扰信号的芯片协同防护设计方法
付路, 阎照文, 刘玉竹, 苏丽轩
, doi: 10.11999/JEIT220975
摘要:
随着电子设备向小型化、高密度和高速的发展趋势,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。
基于时空特征增强图卷积网络的骨架行为识别
曹毅, 吴伟官, 李平, 夏宇, 高清源
, doi: 10.11999/JEIT220749
摘要:
针对骨架行为识别不能充分挖掘时空特征的问题,该文提出一种基于时空特征增强的图卷积行为识别模型(STFE-GCN)。首先,介绍表征人体拓扑结构邻接矩阵的定义及双流自适应图卷积网络模型的结构,其次,采用空域上的图注意力机制,根据邻居节点的重要性程度分配不同的权重系数,生成可充分挖掘空域结构特征的注意力系数矩阵,并结合非局部网络生成的全局邻接矩阵,提出一种新的空域自适应邻接矩阵,以期增强对人体空域结构特征的提取;然后,时域上采用混合池化模型以提取时域关键动作特征和全局上下文特征,并结合时域卷积提取的特征,以期增强对行为信息中时域特征的提取。再者,在模型中引入改进通道注意力网络(ECA-Net)进行通道注意力增强,更有利于模型提取样本的时空特征,同时结合空域特征增强、时域特征增强和通道注意力,构建时空特征增强图卷积网络模型在多流网络下实现端到端的训练,以期实现时空特征的充分挖掘。最后,在NTU-RGB+D和NTU-RGB+D120两个大型数据集上开展骨架行为识别研究,实验结果表明该模型具有优秀的识别准确率和泛化能力,也进一步验证了该模型充分挖掘时空特征的有效性。
海杂波中目标分数域谱范数特征检测方法
关键, 姜星宇, 刘宁波, 黄勇, 丁昊
, doi: 10.11999/JEIT220667
摘要:
对于海上机动目标,采用分数阶傅里叶变换(FRFT)可以很好地解决其回波多普勒谱能量扩散的问题,为了使机动目标回波能量做最佳化的相参积累,需要反复搜索变换阶数,然而由于海上目标机动状态的随机性和时变性,难以搜索得到最佳变换阶数。针对这一问题,该文利用矩阵理论中的奇异值分解实现各变换阶数条件下FRFT谱的特征提取,设计特征检测统计量,提出基于分数阶域奇异值的海杂波抑制与目标检测方法,在增加利用了机动目标在FRFT域形状信息的同时避免了最佳变换阶数搜索。在高斯白噪声仿真数据评估条件下,所提方法在信杂比为–2.5 dB时可以达到60%的检测概率;经过实测数据验证,方法可以在信杂比为4.7 dB的条件下,稳定完成目标检测,具有较好的检测性能,且易于工程化实现。
基于三维凹包学习算法的海面小目标检测方法
关键, 伍僖杰, 丁昊, 刘宁波, 黄勇, 曹政, 魏嘉彧
, doi: 10.11999/JEIT220448
摘要:
对于特征类的海面小目标检测方法,现有3特征检测器通常采用凸包分类算法完成检测。在实际应用时发现,该分类算法生成的判决区域在某些情况下不能很好地反映海杂波样本集合在特征空间中的分布情况,进而对检测器性能造成一定程度的损失。相比之下,使用凹包算法生成的判决区域是由凸包内剖得到的,它能更加贴合海杂波样本的分布,因此该文将判决区域的形式由凸包转化为凹包,并在此基础之上提出一种基于3维凹包学习算法的海面小目标检测方法。同时,针对现有3维凹包算法存在的内剖效率低、无法实现恒虚警检测的缺点,该文通过优化内剖点选择方法、增加“外补”环节的方式对算法进行改进。最后,经实测CSIR数据及X波段试验雷达数据共同验证,在其他参数均相同时,该文方法的检测性能要优于已有的多特征检测方法,并且通过对凹包算法的复杂度分析证明了所提方法的应用潜力。
基于分布式智能反射面的物理层安全通信研究
冯友宏, 张彦峨, 董国青
, doi: 10.11999/JEIT220659
摘要:
智能反射面(IRS)能够实时调整无线传输环境提高通信效率,在后5G和6G研究中得到广泛关注。该文研究分布式IRSs安全速率最大化问题:考虑功率和恒模约束以及IRS链路之间的相关性,以最大化安全传输速率为目标,构建基站波束成形和IRSs相移参数联合优化问题。采用分式规划和流形优化算法求解构建的非凸优化方程。仿真结果表明,相较于传统算法,该文算法具有较高处理效率有效提高系统安全性,也进一步表明分布式部署IRS比集中部署安全性能更优。
可寄生式双极电感绝对角度传感器研究
张波, 陈小丽, 郭赫男, 瞿金晨, 李杰, 李建华, 姜勇, 闻小龙
, doi: 10.11999/JEIT220610
摘要:
角度传感器作为电机的核心定位部件,对电机的定位精度有重要影响。该文设计了一种双极电感式绝对角度传感器,该传感器通过周期性改变线圈中感应电压的大小来测量角度,敏感结构主要包括转子和定子,可实现与电机主轴的一体化。其中转子由内外单周期、多周期扇形铜箔组成,形成双极布局,定子由激励线圈、接收线圈以及后续处理电路组成。定子中的两组接收线圈,一组线圈由8个回路组成,对应为外沿多周期扇形铜箔,另一组由2个回路组成,对应中心180°扇形(半圆形)铜箔,两组线圈相互独立,互不影响。当转子在接收线圈上方转动时,转子中产生的涡流会使相邻两个接收线圈感应电压呈周期性正余弦形式变化。8回路线圈测量精度高,但360°内会出现多个周期信号,无法实现绝对位置测量。而2回路线圈在360°范围感应出1个周期信号,通过2回路线圈为8回路线圈提供周期数鉴别,进而解决了绝对位置测量的问题。通过算法对正余弦信号进行识别解算,以高精度转台为基准对样机进行测试,结果表明,传感器测量误差可以达到0.04°,满足电机位置控制精度要求,验证了该方案的可行性。
基于深度学习的跨社交网络用户匹配方法
马强, 戴军
, doi: 10.11999/JEIT220702
摘要:
现有基于时空信息的跨社交网络用户匹配方案,存在着难以耦合时空信息、特征提取困难问题,导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法,首先对用户签到数据进行时空尺度的网格映射,生成包含用户特征的签到矩阵集合,对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图,利用深度可分离卷积对特征图权重变换和特征融合,对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证,实验结果表明,与现有相关算法相比,所提算法在匹配的准确率以及F1-值均得到提升,验证了所提算法的有效性。
基于光子学的微波移频方法研究
高永胜, 谭佳俊, 王瑞琼
, doi: 10.11999/JEIT220503
摘要:
微波移频技术(MFS)广泛应用于电子对抗、卫星通信、频控阵雷达等系统。基于光子学的微波移频方法具有带宽大、频谱纯净等优点。为了探索基于光子学的微波移频性能,该文对比研究了基于声光移频(AOFS)、锯齿波相位调制(SPM)和I/Q调制3种微波光子移频方法,阐释了3种方法的原理,搭建了对应的原理验证系统,对不同的移频方法进行了实验与分析。结果表明,3种移频方法都可以实现精准的微波信号移频,实现大于30 dB的杂散抑制比。但3种移频方法也存在各自的局限性:AOFS的工作频率、带宽和移频方向较为固定,可调谐性低;SPM移频与I/Q调制对输入驱动信号要求严格,系统稳定性较差。
基于贝叶斯优化的康复训练参与度自适应增强方法研究
曾洪, 陈晴晴, 李潇, 张建喜, 宋爱国
, doi: 10.11999/JEIT221122
摘要:
针对现有的评估被试主动参与度指标建模复杂以及训练强度与被试运动能力及参与度不匹配等问题,该文提出一种基于贝叶斯优化的挑战型力控制器自适应增强康复训练参与度的方法。首先使用基于表面肌电信号(sEMG)表征的肌肉激活度来评估被试者的参与度,其次采用基于轨迹误差放大的抗阻训练模式进行上肢训练,并构建归一化急动度和肌肉激活度相结合的综合目标函数,然后采用贝叶斯优化方法在训练过程中更新挑战型力场的抗阻系数和死区宽度两个超参数,逐次优化该目标函数,以提高运动轨迹的顺滑度并保持被试者的训练参与度。最后,将16名健康被试者随机分为实验组和对照组并以其非利手进行训练,验证所提方法的有效性。实验结果表明,训练过程中实验组的肌肉激活度维持在高于对照组2.51%的水平;训练后实验组的运动能力改善明显优于对照组(59.8% vs 40.7%),验证了该文所提的自适应增强康复训练参与度策略比固定参数策略更有优势。
极化敏感阵列到达方向估计方法的FPGA实现
刘鲁涛, 曹莹, 郑昱
, doi: 10.11999/JEIT221146
摘要:
针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。
面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型
周涛, 叶鑫宇, 刘凤珍, 陆惠玲, 周敬策, 杜玉虎
, doi: 10.11999/JEIT221180
摘要:
新冠(COVID-19)肺炎严重威胁人类健康,基于深度学习的计算机辅助诊断方法能有效提高新冠肺炎的诊断效率。但是深度学习模型结构复杂、参数量和计算量大,在保持模型性能的前提下提高网络轻量化的程度具有重要研究意义,因此,该文提出一种面向CT图像新冠肺炎识别的密集重参轻量化Transformer模型(DRLTransformer)。首先,为提高模型的轻量化程度,构造了重参密集块和层次化Transformer,在保持模型精度的同时提高计算速度,降低模型参数量;然后,为充分提取新冠肺炎病灶的全局与局部信息,设计层次化Transformer增强全局注意力对局部特征相关性的关注程度,其中采用分组提取全局特征,在不同组之间进行融合获得多层次信息,并且进行信息融合,进一步提高组内和组间特征的交互能力,此外对所有全局特征进行聚合,实现深浅层特征深度融合。最后,在新冠肺炎CT数据集中进行对比实验,结果表明该模型参数量和计算量分别为1.47 M和81.232 M,相比密集网络(DenseNet)参数量降低29倍、计算量降低23倍,该模型对新冠肺炎计算机辅助诊断具有积极的意义,为深度学习模型轻量化提供了新思路。
支持预览的版权图像共享
肖祥立, 叶茜, 张玉书, 温文媖, 张新鹏
, doi: 10.11999/JEIT220602
摘要:
针对数字水印技术均不考虑版权图像共享场景中用户的预览需求,以及软件控制方法和附加信息方法的局限性,该文提出一个支持直接从加密图像预览原图像部分视觉内容的版权图像共享方案。为此,将缩略图保持加密的思想引入到用户端嵌入的水印方案中,通过像素调整在加密图像上呈现原图像内容的模糊版本。用于调整的像素位被事先以信息隐藏的方法嵌入隐藏区域中,以保证解密的正确性。此外,用户水印被在解密的同时嵌入到图像中,用于实现对未授权重分发行为的追踪。这样一来,不仅满足了共享过程中用户的预览需求还同时保护了图像的版权。理论分析和实验测试的结果展现了所提方案的安全性、可行性、高效性和鲁棒性。
基于符合计数滤波优化的光量子成像方法
周牧, 嵇长银, 谢良波, 曹静阳, 聂伟
, doi: 10.11999/JEIT220627
摘要:
量子成像(QI)具有抗侦察、抗干扰和高分辨力等特性,是量子光学领域重要的研究方向。为了解决实际量子成像过程中因环境光引起符合计数值异常所导致成像质量下降的问题,该文提出一种基于符合计数滤波优化的光量子成像方法。首先,对原始的符合计数值进行3层离散小波变换(DWT)得到相应的小波系数;然后,对小波系数中的高频成分进行高斯滤波去噪,并通过小波逆变换得到去噪后的符合计数值;最后,基于该符合计数值,利用线性映射方法实现对目标的量子成像。该文通过仿真分析了图像像素数、单像素曝光时间和符合门宽值对成像结果的影响,并搭建了实际的量子成像光路来验证仿真结果的有效性。
基于ZnO忆阻器的高鲁棒性毛刺型物理不可克隆函数设计
陈鑫辉, 倪力, 刘子坚, 张跃军, 陈祺来, 刘钢
, doi: 10.11999/JEIT221086
摘要:
物理不可克隆函数(PUF)作为硬件安全原语,广泛应用于众多领域。针对传统硅基类PUF电路可靠性差和易受建模攻击等问题,该文提出一种基于忆阻器的“毛刺”型物理不可克隆函数电路(Glitch-PUF)。该方案首先利用忆阻器的非易失性和阻变效应,实现二值逻辑完备集;然后,利用完备集和竞争冒险现象设计忆阻毛刺产生模块,通过选通信号控制流经忆阻交叉阵列路径的延时大小,改变“毛刺”宽度获得稳定“毛刺”输出;最后,利用忆阻器的存算一体特性和施密特回滞效应设计忆阻采样模块,并测试Glitch-PUF性能。实验结果表明,所设计的Glitch-PUF电路相比文献,抗攻击性提高4.9%~14.3%,随机性达到98.2%,误码率(BER)为0.08%,具有优异的鲁棒性和稳定性。
FastProtector: 一种支持梯度隐私保护的高效联邦学习方法
林莉, 张笑盈, 沈薇, 王万祥
, doi: 10.11999/JEIT220161
摘要:
联邦学习存在来自梯度的参与方隐私泄露,现有基于同态加密的梯度保护方案产生较大时间开销且潜在参与方与聚合服务器合谋导致梯度外泄的风险,为此,该文提出一种新的联邦学习方法FastProtector,在采用同态加密保护参与方梯度时引入符号随机梯度下降(SignSGD)思想,利用梯度中正负的多数决定聚合结果也能使模型收敛的特性,量化梯度并改进梯度更新机制,降低梯度加密的开销;同时给出一种加性秘密共享方案保护梯度密文以抵抗恶意聚合服务器和参与方之间共谋攻击;在MNIST和CIFAR-10数据集上进行了实验,结果表明提出方法在降低80%左右加解密总时间的同时仍可保证较高的模型准确率。
三维卷积神经网络及其在视频理解领域中的应用研究
白静, 杨瞻源, 彭斌, 李文静
, 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。
考虑能耗中断的无人机通信中基于深度强化学习的资源管理
罗佳, 陈前斌, 唐伦, 张志才
, 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,采用马尔科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。
基于能量收集的互惠共生无线电中断性能分析
叶迎晖, 田雨佳, 卢光跃, 刘英挺
, 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。
基于循环密文的格密码模板攻击方法
严迎建, 常雅静, 朱春生, 刘燕江
, doi: 10.11999/JEIT221164
摘要:
该文分析了格密码解封装过程存在的能量泄露,针对消息解码操作提出一种基于模板与密文循环特性的消息恢复方法,该方法采用汉明重量模型与归一化类间方差(NICV)方法对解码字节的中间更新状态构建模板,并利用密文循环特性构造特殊密文,结合算法运算过程中产生的能量泄露,实现了对格密码中秘密消息和共享密钥的恢复。该文以Saber算法及其变体为例对提出的攻击方法在ChipWhisperer平台上进行了验证,结果表明,该攻击方法可以成功还原封装阶段的秘密消息和共享密钥,在预处理阶段仅需900条能量迹即可完成对模板的构建,共需要32条能量迹完成秘密消息的恢复。在未增加信噪比(SNR)条件下,消息恢复成功率达到66.7%,而在合适信噪比条件下,消息恢复成功率达到98.43%。
基于单通道多尺度图神经网络的自动调制识别
国强, 聂孟允, 戚连刚, Kaliuzhnyi Mykola
, doi: 10.11999/JEIT220840
摘要:
针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点,该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架,并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射,有效降低了AVG算法的复杂度;其次,设计了一种多尺度图神经网络,将不同分辨率的特征进行融合,提升了模型识别准确率。实验表明,该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量,且识别精度得到了较大的提升。
基于改进的忆阻器在字符联想记忆中的应用
王雷敏, 程佳俊, 胡成, 周映江, 葛明峰
, 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。
基于改进YOLOv5的煤矿井下目标检测研究
寇发荣, 肖伟, 何海洋, 陈若晨
, 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。
基于CNN和TransFormer多尺度学习行人重识别方法
陈莹, 匡澄
, 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。
时间敏感网络时隙感知循环排队转发流量整形机制
蔡岳平, 任志文
, 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。
基于参数化强化学习的车联网内容缓存和功率分配联合优化
雒江涛, 杨和平, 冉泳屹
, 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。
基于有界成分分析的带内全双工数字自干扰抵消
唐燕群, 马伟峰, 褚建军, 魏玺章
, doi: 10.11999/JEIT220308
摘要:
凭借能够提升频谱利用率的优势,带内全双工(In-Band Full Duplex, IBFD)技术有望成为现代无线通系统的潜在方案。然而,在应用过程中却面临自干扰抵消(Self-Interference Cancellation, SIC)的巨大挑战。SIC可以从空域、模拟域和数字域3个方面来单独或组合实现。该文重点研究了IBFD数字SIC。针对传统数字SIC性能受到收发链路器件非理想因素限制的问题,该文建立了一种射频辅助链路的IBFD系统,利用有用信号和自干扰信号的有界性,设计了一种基于有界成分分析的数字SIC方法。在视距(Line Of Sight, LOS)和非视距(Non-Line Of Sight, NLOS)两种信道场景下,利用仿真和实测数据进行了验证分析。结果表明,相比较于最小二乘方法和独立成分分析方法,所提有界成分分析方法改善了SIC效果,并提高了系统误码率性能。
基于多波段全极化SAR图像的建筑轮廓自动提取方法
王泽众, 金燕, 林宽, 上官松涛, 彭凌霄, 仇晓兰
, 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。
车联网中可证安全的分布式匿名高效边缘认证协议
张海波, 兰凯, 黄宏武, 王汝言, 邹灿
, doi: 10.11999/JEIT220846
摘要:
针对当前车联网(IoV)中的分布式认证协议直接依赖于半可信路边单元(RSU)的问题,该文提出一种新的分布式认证模型。该模型中的RSU通过3阶段广播自发建立边缘认证区,利用区域内的RSU同步保存车辆的认证记录,RSU可以通过校验节点同步保存的认证记录来防止恶意RSU的异常认证行为。然后,利用切比雪夫混沌映射设计了IoV中的分布式匿名认证协议,通过车辆发送消息不直接携带身份信息的方式来避免假名机制所带来的存储负担。最后,利用随机预言机对协议安全性进行了证明。仿真结果表明所提方案具有更低的认证时延和通信成本。
基于扩展OTSM图的滑动型散射中心建模方法
胡杰民, 陈锡清, 邹博, 蔡伟柯
, 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。
一种灵敏度漂移自补偿型MEMS电场传感器
储昭志, 杨鹏飞, 闻小龙, 彭春荣, 刘宇涛, 吴双
, 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°C~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。
基于线性优化模糊C均值算法和人工神经网络的光照传感器布局方法
孙科学, 渠吉庆
, doi: 10.11999/JEIT220320
摘要:
针对目前光照传感器的布局方式计算量大、能耗高,易受人为因素的影响,难以准确地预测室内日光强度等问题,该文提出一种基于线性优化模糊C均值算法(LOFCM)和人工神经网络(ANN)的光照传感器布局方法。LOFCM算法利用线性优化(LO)稀疏权重矩阵后,使用模糊C均值(FCM)筛选数据,确定工作面光照传感器布局。随后,使用ANN分别训练工作面光照传感器测量值与4组辅助光照传感器测量值之间的非线性数学模型。实验结果表明,该文提出的LOFCM算法在保证计算工作面平均照度和均匀度准确的情况下,工作面光照传感器的数量比对比方法减少了37.5%。此外,在4组辅助光照传感器布局中,墙壁和窗户布局方式具有较好的预测精度,为预测室内日光强度提供了更加准确的预测方式。
面向人脸验证的可迁移对抗样本生成方法
孙军梅, 潘振雄, 李秀梅, 袁珑, 张鑫
, doi: 10.11999/JEIT220358
摘要:
在人脸识别模型的人脸验证任务中,传统的对抗攻击方法无法快速生成真实自然的对抗样本,且对单模型的白盒攻击迁移到其他人脸识别模型上时攻击效果欠佳。该文提出一种基于生成对抗网络的可迁移对抗样本生成方法TAdvFace。TAdvFace采用注意力生成器提高面部特征的提取能力,利用高斯滤波操作提高对抗样本的平滑度,并用自动调整策略调节身份判别损失权重,能够根据不同的人脸图像快速地生成高质量可迁移的对抗样本。实验结果表明,TAdvFace通过单模型的白盒训练,生成的对抗样本能够在多种人脸识别模型和商业API模型上都取得较好的攻击效果,拥有较好的迁移性。
Anchor free与Anchor base算法结合的拥挤行人检测方法
谢明鸿, 康斌, 李华锋, 张亚飞
, doi: 10.11999/JEIT220444
摘要:
由于精度相对较高,Anchor base算法目前已成为拥挤场景下行人检测的研究热点。但是,该算法需要手工设计锚框,限制了其通用性。同时,单一的非极大值抑制(NMS)筛选阈值作用于不同密度的人群区域会导致一定程度的漏检和误检。为此,该文提出一种Anchor free与Anchor base检测器相结合的双头检测算法。具体地,先利用Anchor free检测器对图像进行粗检测,将粗检测结果进行自动聚类生成锚框后反馈给区域建议网络(RPN)模块,以代替RPN阶段手工设计锚框的步骤。同时,通过对粗检测结果信息的统计可得到不同区域人群的密度信息。该文设计一个行人头部-全身互监督检测框架,利用头部检测结果与全身的检测结果互相监督,从而有效减少被抑制与漏检的目标实例。提出一种新的NMS算法,该方法可以自适应地为不同密度的人群区域选择合适的筛选阈值,从而最大限度地减少NMS处理引起的误检。所提出的检测器在CrowdHuman数据集和CityPersons数据集进行了实验验证,取得了与目前最先进的行人检测方法相当的性能。
基于改进宽度模型迁移学习的不同负载下滚动轴承状态快速分类方法
康守强, 杨佳轩, 王玉静, 王庆岩, 梁欣涛, V.I.MIKULOVICH
, doi: 10.11999/JEIT220401
摘要:
针对深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题,该文提出一种基于改进宽度模型迁移学习的滚动轴承状态快速分类方法。该方法首先对不同负载下滚动轴承振动信号进行快速傅里叶变换,构建频域幅值序列数据集,并选取某种或某些负载数据集作为源域,其他负载数据集作为目标域;其次以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口,并在增强层引入Maxout激活函数构建改进的BLS网络,同时引入遗传算法优化网络节点结构,建立基于源域数据的预训练模型;最后将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络,并利用少量目标域样本微调网络建立状态分类模型。实验结果表明,所提方法平均训练时间为32.6 s,平均测试准确率为98.9%。对比其他方法,所提方法可以在更短的时间内建立分类模型并获得良好的分类准确率。
基于渐进式学习与多尺度增强的客体视觉注意力估计方法
丰江帆, 何中鱼
, doi: 10.11999/JEIT220218
摘要:
视觉注意力机制已引起学界和产业界的广泛关注,但既有工作主要从场景观察者的视角进行注意力检测。然而,现实中不断涌现的智能应用场景需要从客体视角进行视觉注意力检测。例如,检测监控目标的视觉注意力有助于预测其后续行为,智能机器人需要理解交互对象的意图才能有效互动。该文结合客体视觉注意力的认知机制,提出一种基于渐进式学习与多尺度增强的客体视觉注意力估计方法。该方法把客体视域视为几何结构和几何细节的组合,构建层次自注意力模块获取深层特征之间的长距离依赖关系,适应几何特征的多样性;并利用方向向量和视域生成器得到注视点的概率分布,构建特征融合模块将多分辨率特征进行结构共享、融合与增强,更好地获取空间上下文特征;最后构建综合损失函数来估计注视方向、视域和焦点预测的相关性。实验结果表明,该文所提方法在公开数据集和自建数据集上对客体视觉注意力估计的不同精度评价指标都优于目前的主流方法。
C2 Transformer U-Net:面向跨模态和上下文语义的医学图像分割模型
周涛, 侯森宝, 陆惠玲, 刘赟璨, 党培
, doi: 10.11999/JEIT220445
摘要:
跨模态的医学图像可以在同一病灶处提供更多的语义信息,针对U-Net网络主要使用单模态图像用于分割,未充分考虑跨模态、上下文语义相关性的问题,该文提出面向跨模态和上下文语义的医学图像分割C2 Transformer U-Net模型。该模型的主要思想是:首先,在编码器部分提出主干、辅助U-Net网络结构,来提取不同模态的语义信息;然后,设计了多模态上下文语义感知处理器(MCAP),有效地提取同一病灶跨模态的语义信息,跳跃连接中使用主网络的两种模态图像相加后传入Transformer解码器,增强模型对病灶的表达能力;其次,在编-解码器中采用预激活残差单元和Transformer架构,一方面提取病灶的上下文特征信息,另一方面使网络在充分利用低层和高层特征时更加关注病灶的位置信息;最后,使用临床多模态肺部医学图像数据集验证算法的有效性,对比实验结果表明所提模型对于肺部病灶分割的Acc, Pre, Recall, Dice, Voe与Rvd分别为:97.95%, 94.94%, 94.31%, 96.98%, 92.57%与93.35%。对于形状复杂肺部病灶的分割,具有较高的精度和相对较低的冗余度,总体上优于现有的先进方法。
基于回归分析理论的辐射源个体识别技术
赵雅琴, 杨荣乾, 吴龙文, 何胜阳, 牛金鹏, 赵亮
, doi: 10.11999/JEIT220190
摘要:
针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机(SVM)分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。
基于海杂波先验知识的雷达目标自适应Rao检测
薛健, 朱圆玲, 潘美艳
, doi: 10.11999/JEIT221216
摘要:
针对非高斯非均匀海杂波背景下雷达海面目标检测性能改善的问题,该文基于海杂波的先验知识提出了一种自适应Rao雷达目标检测方法。首先将海杂波的纹理分量和散斑协方差矩阵分别建模为逆高斯随机变量和逆复Wishart分布的随机矩阵,然后基于Rao检验和未知参数估计,设计了一种匹配海杂波特性的雷达目标自适应Rao检测方法。通过理论推导和实验验证了所提检测方法对杂波平均功率和协方差均值矩阵具有恒虚警特性。仿真数据和实测数据实验结果表明,在非高斯非均匀环境下所提检测方法优于已有检测方法,并且具有良好的鲁棒性。
基于级联视觉Transformer与多尺度特征融合的燃烧场温度层析成像
司菁菁, 王晓莉, 程银波, 刘畅
, doi: 10.11999/JEIT221034
摘要:
可调谐二极管激光吸收光谱层析成像(TDLAT)是一种重要的光学非侵入式燃烧诊断技术,可实现燃烧场2维横截面气体温度和浓度等流场参数分布的重建。该文将视觉Transformer(ViT)与多尺度特征融合引入TDLAT领域,研究有限数量测量数据与整个测量空间温度分布的非线性映射,提出基于级联ViT与多尺度特征融合的燃烧场温度层析成像网络(HVTMFnet)。该网络提取并融合TDLAT测量数据的局部-全局相关特征,实现整个测量空间的层次化温度分布重建。仿真实验与实际TDLAT系统实验均表明,HVTMFnet重建图像的质量优于现有的基于卷积神经网络(CNN)和基于残差网络的温度层析成像方案。与基于CNN的温度层析成像方案相比,HVTMFnet的重建误差能够降低49.2%~72.1%。
基于搜索规则和交叉熵优化的无人机路径规划方法
胡磊, 赵辉, 南熠, 伊国兴, 王昊, 曹志慧
, doi: 10.11999/JEIT220579
摘要:
针对快速扩展随机树(RRP)算法计算效率低、不具备渐进最优性等问题,该文提出一种基于搜索规则和交叉熵优化的改进RRT(IRRT)算法。在路径搜索过程中根据当前节点位置及搜索规则,调整搜索步长及搜索方向,实现高效、快速的初始路径规划。然后,利用交叉熵理论优化初始路径,使得路径具备渐进最优性。仿真实验1结果表明所提方法的有效性和收敛性,仿真实验2将该文所提算法与多种变体RRT算法进行比较,结果表明所提算法能够保证计算效率,同时使得路径具备渐进最优性。
基于子载波间干扰深度估计的MIMO-OFDM水声通信接收机
叶子豪, 鄢社锋, 杨斌斌
, doi: 10.11999/JEIT220794
摘要:
多输入多输出正交频分复用(MIMO-OFDM)水声通信系统中,由于子载波间干扰(ICI)对信号的影响程度未知,导致接收处理时干扰消除不完全或计算复杂度高。针对这一问题,该文提出一种迭代的基于子载波间干扰深度估计的MIMO-OFDM接收机。该接收机使用导频频域相关对每个发射信号的子载波间干扰深度进行估计,信道估计时利用估计出的干扰深度重建各个信道的频域矩阵,避免对不同信道选择相同的干扰深度,在自适应信道变化的同时降低了计算复杂度。此外,将判决反馈均衡引入MIMO-OFDM水声通信系统,利用已均衡出的符号信息消除子载波间干扰。仿真结果表明,该接收机相比于干扰深度渐进的接收机,译码成功所需的时间更短。
基于内积谓词的属性基隐私保护加密方案
张志强, 朱友文, 王箭, 张玉书
, doi: 10.11999/JEIT221050
摘要:
隐私保护是信息安全中的热点话题,其中属性基加密(ABE)中的隐私问题可分为数据内容隐私、策略隐私及属性隐私。针对数据内容、策略和属性3方面隐私保护需求,该文提出基于内积谓词的属性基隐私保护加密方案。所提方案利用加密算法的机密性保障数据内容隐私,并通过向量承诺协议构造策略属性及用户属性盲化方法,实现策略隐私及属性隐私。基于混合论证技术,该文证明了所提方案满足标准模型下适应性选择明文安全,且具备承诺不可伪造性。性能分析结果显示,与现有方法相比,所提方案具有更优的运行效率。
融合多尺度分形注意力的红外小目标检测模型
谷雨, 张宏宇, 孙仕成
, doi: 10.11999/JEIT220919
摘要:
为提高红外图像小目标检测的性能,融合传统方法的先验知识和深度学习方法的特征学习能力,该文设计了一种融合多尺度分形注意力的红外小目标端到端检测模型。首先,在对适用于红外图像弱小目标检测的多尺度分形特征分析基础上,给出了基于深度学习算子对其进行加速计算的过程。其次,设计卷积神经网络(CNN)学习度量得到目标显著性分布图,结合特征金字塔注意力模块和金字塔池化下采样模块,提出了一种基于多尺度分形特征的注意力模块。将其嵌入到红外目标语义分割模型时,采用非对称上下文融合机制提高浅层特征和深层特征的融合效果,并利用非对称金字塔非局部模块获取全局注意力,以提高红外小目标检测性能。最后,采用单帧红外小目标(SIRST)数据集验证提出算法的性能,所提模型交并比(IOU)和归一化交并比分别达到了77.4%和76.1%,优于目前已知方法的性能。同时通过迁移实验进一步验证了提出模型的有效性。由于有效地融合了传统方法和深度学习方法的优势,所提模型适用于复杂环境下的红外小目标检测。
可重构智能表面辅助的多用户通信宽带信道估计
李贵勇, 杜一舟, 王丹
, doi: 10.11999/JEIT220775
摘要:
针对太赫兹(THz)链路的严重传输衰减和宽带系统中波束斜视导致传统信道估计方案性能下降的问题,该文构建了可重构智能表面(RIS)辅助多用户THz通信模型,并提出一种低复杂度的两阶段级联信道估计方案。在第1阶段,利用THz的稀疏性和对数和函数,将信道估计问题转化为目标优化问题,通过梯度下降法优化目标函数,使待估信道参数迭代逼近最优解,从而估计出典型用户级联信道;在第2阶段,利用其他用户的级联信道与典型用户信道的强相关性,以较低的导频开销来估计其他用户的级联信道。仿真结果表明,所提方案相较于其他方案具有更好的性能。
基于连续凸逼近的协作式非正交多址接入联合无线携能通信的能效优化方案
冯熳, 胡忠颖, 巴特尔
, doi: 10.11999/JEIT220170
摘要:
在传统的非正交多址(NOMA)系统中,通常将更多的功率分配给边缘用户以此来保证其通信质量,系统公平性以牺牲系统容量为代价。基于协作通信的NOMA系统虽可解决上述问题,但在协作阶段中心用户需承担中继的作用,这种方式必将给中心用户带来一定的负担。为了兼顾系统容量和公平性,该文提出一种基于协作通信和无线携能通信(SWIPT)的新型资源分配方案,该方案在满足边缘用户通信质量情况下,使用能量收集设备完成能量收集,通过连续凸逼近(SCA)求解目标问题最大化系统能效。仿真结果表明,与传统NOMA和协作式非正交多址接入系统(CNOMA)相比,CNOMA-SWIPT系统的能量效率得到了较大的提高,在基站最大发射功率为30 dBm时相比NOMA系统能达到60.8%的增益,相比CNOMA系统能达到比CNOMA系统高出约11.5%的增益,更符合绿色通信的发展理念。
基于傅里叶系数实部的脉冲流信号欠Nyquist采样方法
云双星, 徐红伟, 付宁, 乔立岩
, doi: 10.11999/JEIT220558
摘要:
有限新息率(FRI)采样理论可以远低于信号Nyquist频率的采样速率实现对脉冲流信号的欠采样。经典的FRI重构算法大多基于傅里叶系数进行运算,其中存在大量的对复数矩阵的奇异值分解,降低了算法的执行效率。针对该问题,该文提出基于傅里叶系数实部的脉冲流信号FRI采样及重构方法。首先利用离散余弦变换从脉冲流信号的低速采样值中获取其傅里叶系数实部信息,并在重构算法中使用实部的Toeplitz矩阵以提高奇异值分解(SVD)的效率;其次,为了提升经典的零化滤波器算法的鲁棒性,该文从傅里叶系数实部协方差矩阵的旋转不变特性以及零空间特性出发,提出基于离散余弦变换的协方差矩阵分解算法以及基于离散余弦变换的零空间搜索算法来估计脉冲流信号的特征参数,并针对出现的共轭根问题,提出基于交替方向乘子法的去共轭算法。仿真结果表明:在信号新息率较高的情况下,使用傅里叶系数实部信息会极大提高算法的执行效率,同时保证参数估计的准确性。
多尺度时空特征融合的动态手势识别网络
刘杰, 王月, 田明
, doi: 10.11999/JEIT220758
摘要:
由于动态手势数据具有时间复杂性以及空间复杂性,传统的机器学习算法难以提取准确的手势特征;现有的动态手势识别算法网络设计复杂、参数量大、手势特征提取不充分。为解决以上问题,该文提出一种基于卷积视觉自注意力模型(CvT)的多尺度时空特征融合网络。首先,将图片分类领域的CvT网络引入动态手势分类领域,用于提取单张手势图片的空间特征,将不同空间尺度的浅层特征与深层特征融合。其次,设计一种多时间尺度聚合模块,提取动态手势的时空特征,将CvT网络与多时间尺度聚合模块结合,抑制无效特征。最后为了弥补CvT网络中dropout层的不足,将R-Drop模型应用于多尺度时空特征融合网络。在Jester数据集上进行实验验证,与多种基于深度学习的动态手势识别方法进行对比,实验结果表明,该文方法在识别率上优于现有动态手势识别方法,在动态手势数据集Jester上识别率达到92.26%。
基于奇异值分解的低轨星载双基调频连续波SAR成像方法
别博文, 刘江, 孙光才, 王迪, 邢孟道
, doi: 10.11999/JEIT220757
摘要:
该文基于调频连续波(FMCW)信号对低轨星载双基合成孔径雷达(SAR)的成像方法进行研究,星载双基模型具有收发异置、结构灵活的特点,其非线性运动轨迹和双斜距不利于信号频谱的推导和分析。通过引入一个4阶多项式斜距模型对回波信号进行建模,接着用级数反演法得到信号两维频谱的表达式,详细分析高阶多项式系数的空变影响。对距离徙动项进行频域处理,对方位相位采用奇异值分解(SVD)的方法,将方位空变项与多普勒分离开,并引入非线性方位变标函数,通过两次连续的插值和重采样完成方位聚焦。仿真结果证明了该算法的有效性。
基于集群协作的云雾混合计算资源分配和负载均衡策略
杨守义, 成昊泽, 党亚萍
, doi: 10.11999/JEIT220719
摘要:
针对物联网(IoT)中智能应用快速增长导致的移动网络数据拥塞问题,该文构建了一种基于雾集群协作的云雾混合计算模型,在考虑集群负载均衡的同时引入权重因子以平衡计算时延和能耗,最终实现系统时延能耗加权和最小。为了解决该混合整数非线性规划问题,将原问题分解后采用库恩塔克(KKT)条件和二分搜索迭代法对资源配置进行优化,提出一种基于分支定界的开销最小化卸载算法(BB-OMOA)获得最优卸载决策。仿真结果表明,集群协作模式显著提高了系统负载均衡度,且所提策略在不同参数条件下明显优于其他基准方案。
可重构智能反射面辅助认知无线电多天线安全传输方法
张军, 许文婉, 黄小钧
, doi: 10.11999/JEIT220466
摘要:
考虑一个可重构智能反射面(RIS)辅助的频谱共享认知无线电(CR)多输入多输出(MIMO)安全通信系统。在存在窃听者的情况下,配备有多根天线的次级发送机与次级用户进行通信。首先,利用统计信道状态信息,得到了系统遍历安全速率的确定性等价表达式。然后,在满足总发送功率约束和干扰功率约束的条件下,提出一种结合泰勒级数展开法和拉格朗日乘子法的交替优化算法,联合优化了发送协方差矩阵和RIS相移矩阵。最后,仿真结果验证了所提算法的有效性。
基于生成对抗数据增强支持向量机的小样本信号调制识别算法
谢智东, 谭信, 袁昕旺, 杨刚, 韩裕
, doi: 10.11999/JEIT220624
摘要:
着眼于解决小样本信号调制识别问题,该文首先研究了利用支持向量机(SVM)进行分类识别的理论可行性;其次根据统计学习理论,对利用生成对抗网络(GAN)生成数据增强支持向量机分类识别能力进行了理论分析;最后通过构建包含层归一化的深度卷积生成对抗网络(LDCGAN),与普通深度卷积生成对抗网络相比,其生成数据映射至高维空间后特征更加明显,更有利于支持向量机的分类,实验验证了该生成对抗网络生成数据可以在小样本条件下实现对支持向量机分类识别能力的有效增强。
基于双视角时序特征融合的毫米波雷达手势数字识别研究
冯翔, 刘涛, 崔文卿, 吴沐府, 李风从, 赵宜楠
, doi: 10.11999/JEIT220687
摘要:
疫情常态化背景下,非接触式人机交互在医疗、健康领域蕴藏着巨大的应用前景,其中利用手势识别方法实现非接触式的仪器操控逐渐成为研究热点。对此,该文提出一种利用毫米波雷达双视角时序特征融合来实现手势数字识别的方法,以提高手势识别的鲁棒性和准确性。首先,该文同步采集正面、侧面视角的毫米波雷达手势数字0~9的时序回波数据;接着,对各视角的数据进行预处理,实现杂波抑制、数据压缩;随后提取两方向的距离、速度的时序特征,并就特征的时间相关性构建嵌入注意力机制的双视角时序特征融合网络(ADVFNet);最后,基于实测数据集完成了网络训练、时序特征融合、手势数字识别等步骤。实验结果表明,本文所提方法在实测数据集上识别准确率达到95%,网络收敛速度快、模型泛化能力好,与现有方法相比具有一定优势,为后续毫米波雷达人机交互提供了新思路。
基于RPCA的地基SAR近距强耦合信号抑制算法研究
林赟, 时清, 王彦平, 李洋, 申文杰, 田子威
, doi: 10.11999/JEIT220883
摘要:
地基合成孔径雷达(GBSAR)是一种全天时全天候非接触式大面积区域高精度形变监测手段,在矿区、边坡、大坝等区域的监测具有广泛应用。在封闭空间监测站中对外场进行连续监测时,雷达接收的回波信号会受到封闭空间的强散射信号干扰。近距离强散射信号耦合到雷达接收端形成虚假目标,严重影响成像质量。该文提出使用RPCA算法,在距离多普勒域将回波信号分解为低秩和稀疏两部分,利用距离多普勒域耦合信号的低秩特性,以及场景信号的稀疏特性,将耦合信号与场景信号有效分离。不同于基于PCA的已有耦合信号抑制方法,RPCA对场景回波信号本身没有高斯分布假设要求,这一假设要求在实际中通常是不满足的。此外,该文提出基于相关性分析的RPCA正则化系数优化选择方法,以实现低秩与稀疏的较优分离。该文通过实际GBSAR数据处理验证了方法的有效性,相比于已有的基于PCA的算法,基于RPCA的耦合信号抑制方法能够在保留场景回波信号的同时更好地抑制耦合信号。