邮件订阅
2022年 第44卷 第11期
显示方式:
2022, 44(11): 3709-3720.
doi: 10.11999/JEIT211588
摘要:
基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一，可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题，减少人力资源浪费，提高电力系统巡检智能运维的频率与效率，从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术，分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点，总结了当前算法应用及开发平台的现状，指出了基于视频图像的输变电设备缺陷检测技术存在的问题，并展望了未来发展方向。
基于视频图像的电力设备缺陷检测技术是实现电力智慧运维的关键技术之一，可解决电力设备故障自动诊断、主动预警和在线运维中存在的外部缺陷智能识别问题，减少人力资源浪费，提高电力系统巡检智能运维的频率与效率，从而弥补传统输变电设备巡检运维方式的不足。该文详细综述了当前典型的基于视频图像的输变电设备缺陷检测算法及图像处理技术，分析了传统图像处理方法及深度学习方法在电力设备缺陷检测领域应用的优缺点，总结了当前算法应用及开发平台的现状，指出了基于视频图像的输变电设备缺陷检测技术存在的问题，并展望了未来发展方向。
2022, 44(11): 3721-3733.
doi: 10.11999/JEIT220629
摘要:
数字孪生电网旨在利用新兴的数字孪生技术帮助电网企业构建物理电网的数字孪生体。该文总结了数字孪生电网的3大特性：数据知识混合驱动、实时双向交互、虚实相融共生。讨论了规范化孪生电网项目的评价标准。回顾了数字孪生电网的典型架构设计，基于数字孪生5维模型提出了包含物理电网、孪生数据、孪生电网、孪生应用4层结构的通用性参考架构。归纳了孪生电网在系统分析、状态评估、数据预测、健康维护、仿真建模等方面的应用，探讨了孪生电网未来向孪生能源互联网、智慧能源系统等演进的意义和价值；最后从数据管理、模型构建、可视化、信息物理安全、标准确立、生态建设6个角度总结了数字孪生电网的挑战性问题。
数字孪生电网旨在利用新兴的数字孪生技术帮助电网企业构建物理电网的数字孪生体。该文总结了数字孪生电网的3大特性：数据知识混合驱动、实时双向交互、虚实相融共生。讨论了规范化孪生电网项目的评价标准。回顾了数字孪生电网的典型架构设计，基于数字孪生5维模型提出了包含物理电网、孪生数据、孪生电网、孪生应用4层结构的通用性参考架构。归纳了孪生电网在系统分析、状态评估、数据预测、健康维护、仿真建模等方面的应用，探讨了孪生电网未来向孪生能源互联网、智慧能源系统等演进的意义和价值；最后从数据管理、模型构建、可视化、信息物理安全、标准确立、生态建设6个角度总结了数字孪生电网的挑战性问题。
2022, 44(11): 3734-3747.
doi: 10.11999/JEIT210975
摘要:
电池组是电动汽车能源系统的重要组成部分，保障其安全性对电动汽车的智能化发展和人的生命财产都具有重要的意义，检测和保障能源系统中电池组的安全性已成为动力电池领域内的研究热点。神经网络被应用于电池组的各项数据检测中，但在电池组内部短路故障中基于相关系数等信号处理的方法仍广泛使用，其实现方案往往存在针对特定对象、需要特定环境、泛用性能较差等问题。基于此，该文融合相关系数和神经网络的特点，提出一种基于斯皮尔曼秩相关结合三通道卷积双向门控循环神经网络(TBi-GRU)的电池组内部短路故障检测算法。首先，基于斯皮尔曼秩相关系数，滑动窗口联合无量纲化，标准化多维度的电池组运行特征；接着利用提取的正常状态下电池组运行特征训练TBi-GRU神经网络；然后基于已训练好的TBi-GRU模型检测内部短路状态下的电池组运行特征，结合预测结果与各通道的动态阈值对电池组状况进行检测。通过理想条件的仿真分析与实际环境的平台验证，验证了该方法能够充分结合斯皮尔曼秩相关系数的鲁棒性强和TBi-GRU神经网络泛用性强的特点，识别出电池组的内部短路故障。
电池组是电动汽车能源系统的重要组成部分，保障其安全性对电动汽车的智能化发展和人的生命财产都具有重要的意义，检测和保障能源系统中电池组的安全性已成为动力电池领域内的研究热点。神经网络被应用于电池组的各项数据检测中，但在电池组内部短路故障中基于相关系数等信号处理的方法仍广泛使用，其实现方案往往存在针对特定对象、需要特定环境、泛用性能较差等问题。基于此，该文融合相关系数和神经网络的特点，提出一种基于斯皮尔曼秩相关结合三通道卷积双向门控循环神经网络(TBi-GRU)的电池组内部短路故障检测算法。首先，基于斯皮尔曼秩相关系数，滑动窗口联合无量纲化，标准化多维度的电池组运行特征；接着利用提取的正常状态下电池组运行特征训练TBi-GRU神经网络；然后基于已训练好的TBi-GRU模型检测内部短路状态下的电池组运行特征，结合预测结果与各通道的动态阈值对电池组状况进行检测。通过理想条件的仿真分析与实际环境的平台验证，验证了该方法能够充分结合斯皮尔曼秩相关系数的鲁棒性强和TBi-GRU神经网络泛用性强的特点，识别出电池组的内部短路故障。
2022, 44(11): 3748-3756.
doi: 10.11999/JEIT220267
摘要:
边缘计算已经成为物联网(IOT)的有效解决方案，微服务模型将物联网应用程序划分为一组松散耦合、相互依赖的细粒度微服务。由于边缘节点资源有限，并发请求争夺容器实例，如何在移动边缘计算环境下为复杂工作流应用的并发请求生成合适的微服务执行方案是一个需要解决的重要问题。为此，该文首先建立了基于容器的微服务选择架构，并构建了服务时延模型和网络资源消耗模型，以减少平均延迟和网络消耗。其次，提出一种基于优先级机制和改进蚁群的微服务选择算法(MS-PAC)，利用任务截止时间优先分配紧急任务以保证延迟，并利用蚁群算法的信息素机制寻找全局最优解。实验表明，该算法能有效地降低平均时延和网络消耗。
边缘计算已经成为物联网(IOT)的有效解决方案，微服务模型将物联网应用程序划分为一组松散耦合、相互依赖的细粒度微服务。由于边缘节点资源有限，并发请求争夺容器实例，如何在移动边缘计算环境下为复杂工作流应用的并发请求生成合适的微服务执行方案是一个需要解决的重要问题。为此，该文首先建立了基于容器的微服务选择架构，并构建了服务时延模型和网络资源消耗模型，以减少平均延迟和网络消耗。其次，提出一种基于优先级机制和改进蚁群的微服务选择算法(MS-PAC)，利用任务截止时间优先分配紧急任务以保证延迟，并利用蚁群算法的信息素机制寻找全局最优解。实验表明，该算法能有效地降低平均时延和网络消耗。
2022, 44(11): 3757-3766.
doi: 10.11999/JEIT220200
摘要:
输电线路金具巡检是电网安全态势感知中不可或缺的一部分，线路的定期巡检关系着电力系统是否能安稳运行。针对目前的输电线路部件缺陷分类模型无法处理现实情况中无限数据流的问题，该文提出一种基于对抗性持续学习的输电线路部件及其缺陷分类方法。将持续学习技术引入到输电线路部件缺陷分类任务中，使得分类模型在保证分类准确率的同时，可以从无限增长的数据流中不断学习新的分类任务，并且减少时间资源消耗。通过融入注意力机制，增强了模型对细微特征提取能力，解决了分类任务类间差异过小的问题，提高分类准确率。针对持续学习任务中的排序不可知性问题，提出基于离散度进行排序的方法，以实现持续学习分类模型的最优利用。最后，在CIFAR-100公共数据集和自建数据集上进行实验验证，并对模型的各种性能进行分析与比较。结果表明该文提出的方法实现了部件及其缺陷分类任务的可持续学习，缓解了灾难性遗忘的问题；融入注意力机制和使用L3损失函数使分类准确率分别提高了1.43%和2.25%；实现了持续学习分类模型在已获取数据集上的最优利用，为电网安全态势感知打下了坚实的基础。
输电线路金具巡检是电网安全态势感知中不可或缺的一部分，线路的定期巡检关系着电力系统是否能安稳运行。针对目前的输电线路部件缺陷分类模型无法处理现实情况中无限数据流的问题，该文提出一种基于对抗性持续学习的输电线路部件及其缺陷分类方法。将持续学习技术引入到输电线路部件缺陷分类任务中，使得分类模型在保证分类准确率的同时，可以从无限增长的数据流中不断学习新的分类任务，并且减少时间资源消耗。通过融入注意力机制，增强了模型对细微特征提取能力，解决了分类任务类间差异过小的问题，提高分类准确率。针对持续学习任务中的排序不可知性问题，提出基于离散度进行排序的方法，以实现持续学习分类模型的最优利用。最后，在CIFAR-100公共数据集和自建数据集上进行实验验证，并对模型的各种性能进行分析与比较。结果表明该文提出的方法实现了部件及其缺陷分类任务的可持续学习，缓解了灾难性遗忘的问题；融入注意力机制和使用L3损失函数使分类准确率分别提高了1.43%和2.25%；实现了持续学习分类模型在已获取数据集上的最优利用，为电网安全态势感知打下了坚实的基础。
2022, 44(11): 3767-3776.
doi: 10.11999/JEIT220491
摘要:
随着国内电力市场和碳市场改革的持续深入，发电机组检修决策对于保证电力系统安全可靠运行和发电厂商经济收益的影响越来越深，同时机组检修优化问题的整数变量规模和约束条件规模急剧增加对优化问题的求解带来巨大挑战。对此，该文在考虑电力系统可靠性机组检修优化模型上，提出通过贝叶斯优化的方法训练检修优化模型，进而获得最佳分支打分因子值，然后加速整数规划中分支定界求解过程的方法，适用于大规模电力系统机组检修问题。此外，进一步剖析了发电机组发电收益和碳排放成本核算机理，提出一种电力市场环境下考虑碳排放成本的发电机组检修协调机制，在保证电力系统安全运行基础上，最大化各发电厂商检修机组的电能量市场和碳市场利益。最后，通过IEEE-118节点标准算例验证了该方法的有效性和工程实用性。
随着国内电力市场和碳市场改革的持续深入，发电机组检修决策对于保证电力系统安全可靠运行和发电厂商经济收益的影响越来越深，同时机组检修优化问题的整数变量规模和约束条件规模急剧增加对优化问题的求解带来巨大挑战。对此，该文在考虑电力系统可靠性机组检修优化模型上，提出通过贝叶斯优化的方法训练检修优化模型，进而获得最佳分支打分因子值，然后加速整数规划中分支定界求解过程的方法，适用于大规模电力系统机组检修问题。此外，进一步剖析了发电机组发电收益和碳排放成本核算机理，提出一种电力市场环境下考虑碳排放成本的发电机组检修协调机制，在保证电力系统安全运行基础上，最大化各发电厂商检修机组的电能量市场和碳市场利益。最后，通过IEEE-118节点标准算例验证了该方法的有效性和工程实用性。
2022, 44(11): 3777-3787.
doi: 10.11999/JEIT220288
摘要:
电力开关柜状态灯及仪表具有布局高密、异位同像的特点，从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求，为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法。采用加权双向特征金字塔(BiFPN)结构，赋予特征层不同权重以传递更多有效特征信息；增加一个检测层尺度，提升网络对于小目标的检测精度，解决状态灯高密布局引起的小目标识别难问题；利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构，实现模型的轻量化，为在边端部署模型提供有利条件；通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充，并通过迁移学习实现算法高速收敛。经10 kV开关柜实测，结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高，均值平均精度(mAP)达97.3%，fps为37.533帧；相较于YOLOv5m算法，在模型大小缩小了37.04%的基础上，mAP提升了10.2%，说明所提方法对灯体与表体的检测能力大幅提升，且轻量识别效率提升明显，对于开关柜电力状态的实时核验与数字孪生信息交互，具有一定的现实意义。
电力开关柜状态灯及仪表具有布局高密、异位同像的特点，从而对边端图像处理技术中的目标形貌、色度对比等基础特征检测能力以及轻量识别能力提出更高要求，为此该文提出一种Ghost-BiFPN-YOLOv5m(GB-YOLOv5m)方法。采用加权双向特征金字塔(BiFPN)结构，赋予特征层不同权重以传递更多有效特征信息；增加一个检测层尺度，提升网络对于小目标的检测精度，解决状态灯高密布局引起的小目标识别难问题；利用Ghost-Bottleneck结构替换原主干网络的Bottleneck复杂结构，实现模型的轻量化，为在边端部署模型提供有利条件；通过图像增强技术对有限样本进行状态灯和仪表传递特征的扩充，并通过迁移学习实现算法高速收敛。经10 kV开关柜实测，结果表明该算法对柜体状态灯及仪表共16类目标识别准确率高，均值平均精度(mAP)达97.3%，fps为37.533帧；相较于YOLOv5m算法，在模型大小缩小了37.04%的基础上，mAP提升了10.2%，说明所提方法对灯体与表体的检测能力大幅提升，且轻量识别效率提升明显，对于开关柜电力状态的实时核验与数字孪生信息交互，具有一定的现实意义。
2022, 44(11): 3788-3795.
doi: 10.11999/JEIT220565
摘要:
该文从智能电网中电力业务多样性的角度出发，分析不同类型业务对网络的可靠性需求。建立链路失效函数模型，并基于该模型设计面向可靠性的路由规划方法。以网络阻塞率和资源利用率为指标，通过与传统链路失效路由算法的比较分析来验证所提出方法的有效性。传统链路失效路由规划算法忽略了电力业务多样性，对接入网络的业务请求无差别处理，路由规划约束条件相对单一，导致网络阻塞率较高。该文所提路由算法充分考虑了不同业务对网络需求的多样性，依据业务等级调整目标函数并分别进行路由分配，从而降低网络阻塞率，提升网络可靠性和资源利用率。
该文从智能电网中电力业务多样性的角度出发，分析不同类型业务对网络的可靠性需求。建立链路失效函数模型，并基于该模型设计面向可靠性的路由规划方法。以网络阻塞率和资源利用率为指标，通过与传统链路失效路由算法的比较分析来验证所提出方法的有效性。传统链路失效路由规划算法忽略了电力业务多样性，对接入网络的业务请求无差别处理，路由规划约束条件相对单一，导致网络阻塞率较高。该文所提路由算法充分考虑了不同业务对网络需求的多样性，依据业务等级调整目标函数并分别进行路由分配，从而降低网络阻塞率，提升网络可靠性和资源利用率。
2022, 44(11): 3796-3805.
doi: 10.11999/JEIT220344
摘要:
针对传统S变换存在时频分辨率低且计算量大的问题，该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率，同时只针对主要频率点进行时频分析，实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数；其次将采样信号进行快速傅里叶变换得到FFT频谱，再通过基于极大值包络的动态测度快速算法确定主要频率点；然后根据主要频率点所处频段选择对应最优长度参数进行计算处理；最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明，所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间，适用于电能质量扰动信号特征的精确快速提取。
针对传统S变换存在时频分辨率低且计算量大的问题，该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率，同时只针对主要频率点进行时频分析，实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数；其次将采样信号进行快速傅里叶变换得到FFT频谱，再通过基于极大值包络的动态测度快速算法确定主要频率点；然后根据主要频率点所处频段选择对应最优长度参数进行计算处理；最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明，所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间，适用于电能质量扰动信号特征的精确快速提取。
2022, 44(11): 3806-3814.
doi: 10.11999/JEIT220866
摘要:
为实现微电网的灵活运行，分布式协同控制技术以其良好的灵活性、可靠性和可扩展性常被用于管控分布式可再生能源。然而，传统基于时间触发的分布式控制策略极大地浪费了分布式电源本地控制器的通信资源，降低了系统运行效率。基于此，该文提出了有向通信拓扑下基于分布式触发控制的微电网2次控制方法。通过为有功功率分配控制设计有向通信拓扑下的分布式触发机制以及为频率恢复设计本地控制器，在实现微电网2次控制目标的同时降低了系统对通信资源的需求。理论证明表明了所设计控制方法不存在芝诺现象。仿真实验结果表明了所提出的频率2次控制方法的有效性和优越性。
为实现微电网的灵活运行，分布式协同控制技术以其良好的灵活性、可靠性和可扩展性常被用于管控分布式可再生能源。然而，传统基于时间触发的分布式控制策略极大地浪费了分布式电源本地控制器的通信资源，降低了系统运行效率。基于此，该文提出了有向通信拓扑下基于分布式触发控制的微电网2次控制方法。通过为有功功率分配控制设计有向通信拓扑下的分布式触发机制以及为频率恢复设计本地控制器，在实现微电网2次控制目标的同时降低了系统对通信资源的需求。理论证明表明了所设计控制方法不存在芝诺现象。仿真实验结果表明了所提出的频率2次控制方法的有效性和优越性。
2022, 44(11): 3815-3824.
doi: 10.11999/JEIT220241
摘要:
深度学习在室内人员检测领域应用广泛，但是传统的卷积神经网络复杂度大且需要高算力GPU的支持，很难实现在嵌入式设备上的部署。针对上述问题，该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先，设计一种改进的Ghost卷积特征提取模块，有效减少了模型的复杂度；同时，该文通过采用带有通道混洗机制的深度可分离卷积进一步减少网络参数；其次，该文构建了一种多尺度空洞卷积模块以获得更多具有判别性的特征信息，并结合改进的空洞空间金字塔池化结构和具有位置信息的注意力机制进行有效的特征融合，在提升准确率的同时提高推理速度。在多个数据集和多种硬件平台上的实验表明，该文算法在精度、速度、模型参数和体积等方面优于原YOLOv4-tiny网络，更适合部署于资源有限的嵌入式设备。
深度学习在室内人员检测领域应用广泛，但是传统的卷积神经网络复杂度大且需要高算力GPU的支持，很难实现在嵌入式设备上的部署。针对上述问题，该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先，设计一种改进的Ghost卷积特征提取模块，有效减少了模型的复杂度；同时，该文通过采用带有通道混洗机制的深度可分离卷积进一步减少网络参数；其次，该文构建了一种多尺度空洞卷积模块以获得更多具有判别性的特征信息，并结合改进的空洞空间金字塔池化结构和具有位置信息的注意力机制进行有效的特征融合，在提升准确率的同时提高推理速度。在多个数据集和多种硬件平台上的实验表明，该文算法在精度、速度、模型参数和体积等方面优于原YOLOv4-tiny网络，更适合部署于资源有限的嵌入式设备。
2022, 44(11): 3825-3832.
doi: 10.11999/JEIT220096
摘要:
未来智能电网将接纳越来越多的分布式能源，而分布式能源的广泛接入具有提高系统的能源效率、经济性、韧性以及可持续性的潜力。然而，以风力发电和光伏发电为主的分布式能源由于其固有的波动特性，在大规模接入电网时会给系统带来诸多问题。因此，定量刻画分布式发电功率的波动性对于现代电力系统而言至关重要。基于此，该文借助时间窗、包络线和勒贝格积分，通过提取分布式发电功率中高频信息和变化趋势的波动性特征，定义了量化分布式发电功率波动性的指标——波动率。通过检验风电功率时间序列的波动性、验证平滑效应以及与预测误差和已有指标进行对比分析，验证了所提出的波动率在衡量分布式发电功率波动性的有效性。
未来智能电网将接纳越来越多的分布式能源，而分布式能源的广泛接入具有提高系统的能源效率、经济性、韧性以及可持续性的潜力。然而，以风力发电和光伏发电为主的分布式能源由于其固有的波动特性，在大规模接入电网时会给系统带来诸多问题。因此，定量刻画分布式发电功率的波动性对于现代电力系统而言至关重要。基于此，该文借助时间窗、包络线和勒贝格积分，通过提取分布式发电功率中高频信息和变化趋势的波动性特征，定义了量化分布式发电功率波动性的指标——波动率。通过检验风电功率时间序列的波动性、验证平滑效应以及与预测误差和已有指标进行对比分析，验证了所提出的波动率在衡量分布式发电功率波动性的有效性。
2022, 44(11): 3833-3841.
doi: 10.11999/JEIT211136
摘要:
针对中大规模武器-目标分配(WTA)决策空间复杂度高、求解效率低的问题，该文提出一种基于多属性决策和深度Q网络(DQN)的WTA优化方法。建立基于层次分析法(AHP)的导弹威胁评估模型，引入熵值法表征目标属性差异，提升威胁评估客观性。根据最大毁伤概率准则，建立基于DQN的WTA分段决策模型，引入经验池均匀采样策略，确保各类目标分配经验的等概率抽取；设计综合局部和全局收益的奖励函数，兼顾DQN火力分配模型的训练效率和决策准确性。仿真结果表明，相较于传统启发式方法，该方法具备在线快速求解大规模WTA问题的优势，且对于WTA场景要素变化具有较好的鲁棒性。
针对中大规模武器-目标分配(WTA)决策空间复杂度高、求解效率低的问题，该文提出一种基于多属性决策和深度Q网络(DQN)的WTA优化方法。建立基于层次分析法(AHP)的导弹威胁评估模型，引入熵值法表征目标属性差异，提升威胁评估客观性。根据最大毁伤概率准则，建立基于DQN的WTA分段决策模型，引入经验池均匀采样策略，确保各类目标分配经验的等概率抽取；设计综合局部和全局收益的奖励函数，兼顾DQN火力分配模型的训练效率和决策准确性。仿真结果表明，相较于传统启发式方法，该方法具备在线快速求解大规模WTA问题的优势，且对于WTA场景要素变化具有较好的鲁棒性。
2022, 44(11): 3842-3849.
doi: 10.11999/JEIT210965
摘要:
针对无线通信环境中存在未知且动态变化的干扰，该文联合考虑通信信道接入和发射功率控制提出了基于快速强化学习的未知干扰规避策略，以确保通信收发端的可靠通信。将干扰规避问题建模为马尔可夫决策过程，其优化目标为在保证通信质量的前提下同时降低系统发射功率和减少信道切换次数。随后，提出一种赢或学习快速策略爬山(WoLF-PHC)学习方法的干扰规避方案，从而实现快速规避干扰的目的。仿真结果表明，在不同干扰模式下，所提WoLF-PHC算法的抗干扰性能、收敛速度均优于传统的随机选择方法和Q学习算法。
针对无线通信环境中存在未知且动态变化的干扰，该文联合考虑通信信道接入和发射功率控制提出了基于快速强化学习的未知干扰规避策略，以确保通信收发端的可靠通信。将干扰规避问题建模为马尔可夫决策过程，其优化目标为在保证通信质量的前提下同时降低系统发射功率和减少信道切换次数。随后，提出一种赢或学习快速策略爬山(WoLF-PHC)学习方法的干扰规避方案，从而实现快速规避干扰的目的。仿真结果表明，在不同干扰模式下，所提WoLF-PHC算法的抗干扰性能、收敛速度均优于传统的随机选择方法和Q学习算法。
2022, 44(11): 3850-3857.
doi: 10.11999/JEIT210962
摘要:
随着无人机技术的广泛应用，基于无人机辅助数据收集的物联网架构扩展了物联网的应用范围，尤其适用于军事战场、灾害救援等极端场景。针对上述场景，该文提出一种基于深度Q网络(Deep Q-Network, DQN)框架的无人机飞行路径规划算法。该算法以无人机飞行周期内收集信息的平均信息年龄(Age of Information, AoI)为优化目标，来保证无人机收集数据的时效性。仿真结果表明，所提算法可以有效降低无人机单个飞行周期内收集数据的平均AoI。与随机算法、基于最大AoI的贪心算法、最短路径算法以及基于AoI的路径规划算法(AoI-based Trajectory Planning, ATP)相比，平均AoI分别降低了约81%, 67%, 56%和39%。该研究实现了无人机辅助物联网系统中，数据的高效、低时延采集。
随着无人机技术的广泛应用，基于无人机辅助数据收集的物联网架构扩展了物联网的应用范围，尤其适用于军事战场、灾害救援等极端场景。针对上述场景，该文提出一种基于深度Q网络(Deep Q-Network, DQN)框架的无人机飞行路径规划算法。该算法以无人机飞行周期内收集信息的平均信息年龄(Age of Information, AoI)为优化目标，来保证无人机收集数据的时效性。仿真结果表明，所提算法可以有效降低无人机单个飞行周期内收集数据的平均AoI。与随机算法、基于最大AoI的贪心算法、最短路径算法以及基于AoI的路径规划算法(AoI-based Trajectory Planning, ATP)相比，平均AoI分别降低了约81%, 67%, 56%和39%。该研究实现了无人机辅助物联网系统中，数据的高效、低时延采集。
2022, 44(11): 3858-3865.
doi: 10.11999/JEIT210832
摘要:
针对无人机(UAV)辅助的移动边缘计算(MEC)系统，考虑到无人机能耗与地面设备能耗不在一个数量级，该文提出通过给地面设备能耗增加一个权重因子以平衡无人机能耗与地面设备能耗。同时在满足地面设备的任务需求下，通过联合优化无人机轨迹、系统资源分配以最小化无人机和地面设备的加权能耗。该问题高度非凸，为此提出一个基于交替优化算法的两阶段资源分配策略解决该非凸问题。第1阶段在给定地面设备的卸载功率下，利用连续凸逼近(SCA)方法求解无人机轨迹规划、CPU频率资源分配及卸载时间分配；第2阶段求解地面设备的卸载功率分配。通过两阶段的交替和迭代优化找到原问题的次优解。仿真结果验证了所提算法在降低系统能耗方面的有效性。
针对无人机(UAV)辅助的移动边缘计算(MEC)系统，考虑到无人机能耗与地面设备能耗不在一个数量级，该文提出通过给地面设备能耗增加一个权重因子以平衡无人机能耗与地面设备能耗。同时在满足地面设备的任务需求下，通过联合优化无人机轨迹、系统资源分配以最小化无人机和地面设备的加权能耗。该问题高度非凸，为此提出一个基于交替优化算法的两阶段资源分配策略解决该非凸问题。第1阶段在给定地面设备的卸载功率下，利用连续凸逼近(SCA)方法求解无人机轨迹规划、CPU频率资源分配及卸载时间分配；第2阶段求解地面设备的卸载功率分配。通过两阶段的交替和迭代优化找到原问题的次优解。仿真结果验证了所提算法在降低系统能耗方面的有效性。
2022, 44(11): 3866-3873.
doi: 10.11999/JEIT220663
摘要:
近来，可重构智能表面(RIS)作为一种全新的革命性技术引起了学术界和工业界的广泛关注。随着通信频率的提高以及RIS孔径的增大，RIS辅助无线通信的工作条件逐渐靠近天线的近场辐射模式，而非仅仅存在传统意义中的远场辐射。单独考虑远场或者近场的信道模型均无法准确刻画RIS辅助无线通信的传输特性，造成性能损失。针对此问题，该文梳理了大规模RIS辅助通信近场和远场信道模型，通过引入权重因子，构建了大规模RIS辅助无线通信场景下近远场混合信道模型。在此基础上，推导了近远场混合信道模型下系统的增益与损耗，并进行鲁棒性分析，仿真结果表明该混合模型带来的系统增益与模型鲁棒性均显著提升。
近来，可重构智能表面(RIS)作为一种全新的革命性技术引起了学术界和工业界的广泛关注。随着通信频率的提高以及RIS孔径的增大，RIS辅助无线通信的工作条件逐渐靠近天线的近场辐射模式，而非仅仅存在传统意义中的远场辐射。单独考虑远场或者近场的信道模型均无法准确刻画RIS辅助无线通信的传输特性，造成性能损失。针对此问题，该文梳理了大规模RIS辅助通信近场和远场信道模型，通过引入权重因子，构建了大规模RIS辅助无线通信场景下近远场混合信道模型。在此基础上，推导了近远场混合信道模型下系统的增益与损耗，并进行鲁棒性分析，仿真结果表明该混合模型带来的系统增益与模型鲁棒性均显著提升。
2022, 44(11): 3874-3881.
doi: 10.11999/JEIT220110
摘要:
带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率，近年来引起了广泛关注。然而，同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项式模型方法存在模型失配导致自干扰效果恶化的风险，而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理。该文基于卷积长短时记忆深度神经网络(CLDNN)，通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构，分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN)，充分利用卷积神经网络局部感知和权值共享的优势，在高维特征中学习到更抽象的低维特征，从而提高自干扰消除的效果。实际场景中获得数据的评估结果显示，当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时，通过总共60次训练轮数，该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26%的改进，训练轮数也有明显减少。
带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率，近年来引起了广泛关注。然而，同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战。传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现。多项式模型方法存在模型失配导致自干扰效果恶化的风险，而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理。该文基于卷积长短时记忆深度神经网络(CLDNN)，通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构，分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN)，充分利用卷积神经网络局部感知和权值共享的优势，在高维特征中学习到更抽象的低维特征，从而提高自干扰消除的效果。实际场景中获得数据的评估结果显示，当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时，通过总共60次训练轮数，该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26%的改进，训练轮数也有明显减少。
2022, 44(11): 3882-3890.
doi: 10.11999/JEIT210853
摘要:
视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列，利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知，该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征，该文充分利用帧图像空间域和时间域信息，研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。
视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列，利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知，该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征，该文充分利用帧图像空间域和时间域信息，研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。
2022, 44(11): 3891-3899.
doi: 10.11999/JEIT210871
摘要:
针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题，该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法，以改善标签限制；并融合注意力机制残差模块进一步提升识别精度。首先，对雷达接收信号进行时频变换后，应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次，通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道，以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。
针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题，该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法，以改善标签限制；并融合注意力机制残差模块进一步提升识别精度。首先，对雷达接收信号进行时频变换后，应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次，通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道，以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。
2022, 44(11): 3900-3909.
doi: 10.11999/JEIT210982
摘要:
电磁空间中大量存在着相互交错的固定重频雷达脉冲列，例如海面大量舰船发射的导航雷达信号、机载脉冲多普勒雷达在不同时段发射的相干脉冲列等。这些脉冲列以时间片段的形式存在，电子侦察分析系统无法事先确定其起止时刻，给这类雷达的重频参数估计和脉冲分选造成了较大困难。该文首先分析脉冲列的短持续时间特性给传统脉冲分选方法性能造成的负面影响，然后引入滑动时间窗思想来削弱这一影响，并据此提出脉冲重频间隔(PRI)高精度估计和脉冲分选方法。仿真结果验证了新方法的重频参数估计和脉冲分选性能。
电磁空间中大量存在着相互交错的固定重频雷达脉冲列，例如海面大量舰船发射的导航雷达信号、机载脉冲多普勒雷达在不同时段发射的相干脉冲列等。这些脉冲列以时间片段的形式存在，电子侦察分析系统无法事先确定其起止时刻，给这类雷达的重频参数估计和脉冲分选造成了较大困难。该文首先分析脉冲列的短持续时间特性给传统脉冲分选方法性能造成的负面影响，然后引入滑动时间窗思想来削弱这一影响，并据此提出脉冲重频间隔(PRI)高精度估计和脉冲分选方法。仿真结果验证了新方法的重频参数估计和脉冲分选性能。
2022, 44(11): 3910-3916.
doi: 10.11999/JEIT210887
摘要:
针对空中匀速圆弧运动目标激发的水下声信号，该文采用单水听器解决该动目标3维运动参数的估计问题。首先以直升机离散线谱为声源特征，在空气-水介质中建立声源线谱特征在匀速圆弧运动下3维多普勒传播模型。然后根据多普勒频移曲线、声源运动模型以及声线传播几何关系，选取3个时间观测点计算目标多普勒频移，推导了单水听器估计空中匀速圆弧运动声源的3维参数估计算法。最后，通过仿真单水听器所接收的水声信号，验证了该算法估计匀速圆弧运动声源飞行参数的有效性和精度。
针对空中匀速圆弧运动目标激发的水下声信号，该文采用单水听器解决该动目标3维运动参数的估计问题。首先以直升机离散线谱为声源特征，在空气-水介质中建立声源线谱特征在匀速圆弧运动下3维多普勒传播模型。然后根据多普勒频移曲线、声源运动模型以及声线传播几何关系，选取3个时间观测点计算目标多普勒频移，推导了单水听器估计空中匀速圆弧运动声源的3维参数估计算法。最后，通过仿真单水听器所接收的水声信号，验证了该算法估计匀速圆弧运动声源飞行参数的有效性和精度。
2022, 44(11): 3917-3930.
doi: 10.11999/JEIT210848
摘要:
针对现有的浅海水声目标深度分类方法存在的频率适用范围有限、信噪比要求较高等问题，在已获得有效的测距结果的前提下，该文提出一种基于新匹配量的浅海水声目标深度分类算法。通过分析模态互相关项的深度分布特征，建立以垂直复声强为匹配量的目标深度分类模型。接收深度不同时，算法虽均使用垂直复声强为匹配量，但实际上影响深度分类效果的模态互相关项是不同的。根据目标深度分类需求的不同，通过指定双矢量传感器的接收深度，实现目标深度分类模型匹配量的优化选取，从而实现目标深度分类算法性能的提升。仿真结果表明：该算法适用于目标频率激发3阶简正波的情况，算法的频率适用范围得以扩展。算法在低信噪比(SNR)情况下(SNR= 0 dB)、复杂海洋波导中可以获得有价值的深度分类结果。
针对现有的浅海水声目标深度分类方法存在的频率适用范围有限、信噪比要求较高等问题，在已获得有效的测距结果的前提下，该文提出一种基于新匹配量的浅海水声目标深度分类算法。通过分析模态互相关项的深度分布特征，建立以垂直复声强为匹配量的目标深度分类模型。接收深度不同时，算法虽均使用垂直复声强为匹配量，但实际上影响深度分类效果的模态互相关项是不同的。根据目标深度分类需求的不同，通过指定双矢量传感器的接收深度，实现目标深度分类模型匹配量的优化选取，从而实现目标深度分类算法性能的提升。仿真结果表明：该算法适用于目标频率激发3阶简正波的情况，算法的频率适用范围得以扩展。算法在低信噪比(SNR)情况下(SNR= 0 dB)、复杂海洋波导中可以获得有价值的深度分类结果。
2022, 44(11): 3931-3940.
doi: 10.11999/JEIT210385
摘要:
在图像的捕获、传输或者处理过程中都有可能产生噪声，当图像被大量噪声影响时，许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征，表现出较差的鲁棒性。该文主要针对低质图像的行人再识别问题，提出双域滤波分解构建3元组，用于训练度量学习模型。所提方法主要分为两个部分，首先分析了监控视频中不同图像噪声的分布特性，通过双域滤波进行图像增强。然后基于双域滤波分解对图像噪声具有很好的分离作用，该文提出一种新的3元组构建方式。在训练阶段，将双域滤波生成的低频原始图像和高频噪声图像，与原图一起作为输入3元组，网络可以进一步抑制噪声分量。同时优化了损失函数，将3元组损失和对比损失组合使用。最后利用re-ranking扩充排序表，提高识别的准确率。在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3%和21.7%，平均准确率均值(mAP)为66.9%和20.5%。加噪前后的Rank-1精度损失只有1.9%和7.8%，表明该文模型在含噪情况表现出较强的鲁棒性。
在图像的捕获、传输或者处理过程中都有可能产生噪声，当图像被大量噪声影响时，许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征，表现出较差的鲁棒性。该文主要针对低质图像的行人再识别问题，提出双域滤波分解构建3元组，用于训练度量学习模型。所提方法主要分为两个部分，首先分析了监控视频中不同图像噪声的分布特性，通过双域滤波进行图像增强。然后基于双域滤波分解对图像噪声具有很好的分离作用，该文提出一种新的3元组构建方式。在训练阶段，将双域滤波生成的低频原始图像和高频噪声图像，与原图一起作为输入3元组，网络可以进一步抑制噪声分量。同时优化了损失函数，将3元组损失和对比损失组合使用。最后利用re-ranking扩充排序表，提高识别的准确率。在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3%和21.7%，平均准确率均值(mAP)为66.9%和20.5%。加噪前后的Rank-1精度损失只有1.9%和7.8%，表明该文模型在含噪情况表现出较强的鲁棒性。
2022, 44(11): 3941-3950.
doi: 10.11999/JEIT210984
摘要:
路径规划是为机器人生成可行驶路径以实现循迹的过程。因此，机器人的位置应该位于或靠近规划的行驶路径。从而，路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型，该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中，模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上，提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中，应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中，从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明，所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统)，并显著提高机器人定位的整体性能。
路径规划是为机器人生成可行驶路径以实现循迹的过程。因此，机器人的位置应该位于或靠近规划的行驶路径。从而，路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型，该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中，模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上，提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中，应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中，从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明，所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统)，并显著提高机器人定位的整体性能。
2022, 44(11): 3951-3959.
doi: 10.11999/JEIT210967
摘要:
道路场景深度图像对于道路目标检测、智能驾驶汽车、场景3维重建等研究和应用都是至关重要的，但是由于硬件条件的限制，激光雷达获取的场景深度图像非常稀疏，道路场景深度补全旨在利用稠密的场景彩色图像指导稀疏雷达深度图像的补全重建，是目前的研究热点。该文设计了一种新型的多阶段多尺度引导的轻量化编解码网络来实现道路深度图像的高质量补全。该文网络由“彩色引导”和“精细化补全”两个阶段构成。在两个阶段的编码端，提出带有通道随机混合的轻量化多尺度卷积模块，更好地提取图像特征的同时控制网络的参数量。在两个阶段的解码端，采用通道感知机制来实现对重要特征的聚焦。同时将“彩色引导”阶段解码端的多尺度特征融合到“精细化补全”阶段的编码端中，实现多阶段多尺度的特征引导。在训练过程中，该文设计了多损失函数策略来完成由粗到细的深度图像补全。实验表明所提算法能实现高质量的深度图像补全并且具有轻量化的网络结构。
道路场景深度图像对于道路目标检测、智能驾驶汽车、场景3维重建等研究和应用都是至关重要的，但是由于硬件条件的限制，激光雷达获取的场景深度图像非常稀疏，道路场景深度补全旨在利用稠密的场景彩色图像指导稀疏雷达深度图像的补全重建，是目前的研究热点。该文设计了一种新型的多阶段多尺度引导的轻量化编解码网络来实现道路深度图像的高质量补全。该文网络由“彩色引导”和“精细化补全”两个阶段构成。在两个阶段的编码端，提出带有通道随机混合的轻量化多尺度卷积模块，更好地提取图像特征的同时控制网络的参数量。在两个阶段的解码端，采用通道感知机制来实现对重要特征的聚焦。同时将“彩色引导”阶段解码端的多尺度特征融合到“精细化补全”阶段的编码端中，实现多阶段多尺度的特征引导。在训练过程中，该文设计了多损失函数策略来完成由粗到细的深度图像补全。实验表明所提算法能实现高质量的深度图像补全并且具有轻量化的网络结构。
2022, 44(11): 3960-3966.
doi: 10.11999/JEIT210844
摘要:
盲源分离(BSS)在缺失源信号信息及信息混合方式信息的情况下，仅利用观测信号实现源信号恢复，是信号处理中的重要手段。欠定盲源分离(UBSS)中观测信号少于源信号数目，因此，相较于正定/超定情形，其更接近现实情况。然而，观测信号往往受到噪声干扰，传统基于2阶统计量和信号稀疏性的欠定盲源分离结果对噪声较为敏感。鉴于3阶统计量在处理对称分布噪声时的优势，该文利用观测信号的3阶统计信息实现混合矩阵的估计。考虑到源信号的自相关特性，计算多时延下观测信号一系列的3阶统计信息，并堆叠成4阶张量，进而将混合矩阵估计问题转化为4阶张量的典范双峰分解问题。该文进一步利用广义高斯模型和期望最大算法实现源信号的恢复。1000次蒙特卡罗实验表明该文算法能够有效抑制噪声的影响。针对3×4混合模型，当信噪比为15 dB时，该文算法对混合矩阵的平均估计误差达到–20.35 dB，所恢复出的源信号与真实源信号之间的平均绝对相关系数达0.84，与现有方法相比，取得了最好的分离结果。
盲源分离(BSS)在缺失源信号信息及信息混合方式信息的情况下，仅利用观测信号实现源信号恢复，是信号处理中的重要手段。欠定盲源分离(UBSS)中观测信号少于源信号数目，因此，相较于正定/超定情形，其更接近现实情况。然而，观测信号往往受到噪声干扰，传统基于2阶统计量和信号稀疏性的欠定盲源分离结果对噪声较为敏感。鉴于3阶统计量在处理对称分布噪声时的优势，该文利用观测信号的3阶统计信息实现混合矩阵的估计。考虑到源信号的自相关特性，计算多时延下观测信号一系列的3阶统计信息，并堆叠成4阶张量，进而将混合矩阵估计问题转化为4阶张量的典范双峰分解问题。该文进一步利用广义高斯模型和期望最大算法实现源信号的恢复。1000次蒙特卡罗实验表明该文算法能够有效抑制噪声的影响。针对3×4混合模型，当信噪比为15 dB时，该文算法对混合矩阵的平均估计误差达到–20.35 dB，所恢复出的源信号与真实源信号之间的平均绝对相关系数达0.84，与现有方法相比，取得了最好的分离结果。
2022, 44(11): 3967-3976.
doi: 10.11999/JEIT210868
摘要:
为提高单幅图像去雾方法的准确性及其去雾结果的细节可见性，该文提出一种基于多尺度特征结合细节恢复的单幅图像去雾方法。首先，根据雾在图像中的分布特性及成像原理，设计多尺度特征提取模块及多尺度特征融合模块，从而有效提取有雾图像中与雾相关的多尺度特征并进行非线性加权融合。其次，构造基于所设计多尺度特征提取模块和多尺度特征融合模块的端到端去雾网络，并利用该网络获得初步去雾结果。再次，构造基于图像分块的细节恢复网络以提取细节信息。最后，将细节恢复网络提取出的细节信息与去雾网络得到的初步去雾结果融合得到最终清晰的去雾图像，实现对去雾后图像视觉效果的增强。实验结果表明，与已有代表性的图像去雾方法相比，所提方法能够对合成图像及真实图像中的雾进行有效去除，且去雾结果细节信息保留完整。
为提高单幅图像去雾方法的准确性及其去雾结果的细节可见性，该文提出一种基于多尺度特征结合细节恢复的单幅图像去雾方法。首先，根据雾在图像中的分布特性及成像原理，设计多尺度特征提取模块及多尺度特征融合模块，从而有效提取有雾图像中与雾相关的多尺度特征并进行非线性加权融合。其次，构造基于所设计多尺度特征提取模块和多尺度特征融合模块的端到端去雾网络，并利用该网络获得初步去雾结果。再次，构造基于图像分块的细节恢复网络以提取细节信息。最后，将细节恢复网络提取出的细节信息与去雾网络得到的初步去雾结果融合得到最终清晰的去雾图像，实现对去雾后图像视觉效果的增强。实验结果表明，与已有代表性的图像去雾方法相比，所提方法能够对合成图像及真实图像中的雾进行有效去除，且去雾结果细节信息保留完整。
2022, 44(11): 3977-3986.
doi: 10.11999/JEIT210823
摘要:
基于视图的3维模型分类方法与深度学习融合能有效提升模型分类的准确率。但目前的方法将相同类别的3维模型所有视点上的视图归为一类，忽略了不同视点上的视图差异，导致分类器很难学习到一个合理的分类面。为解决这一问题，该文提出一个基于深度神经网络的3维模型分类方法。该方法在3维模型的周围均匀设置多个视点组，为每个视点组训练1个视图分类器，充分挖掘不同视点组下的3维模型深度信息。这些分类器共享1个特征提取网络，但却有各自的分类网络。为了使提取的视图特征具有区分性，在特征提取网络中加入注意力机制；为了对非本视点组的视图建模，在分类网络中增加了附加类。在分类阶段首先提出一个视图选择策略，从大量视图中选择少量视图用于分类，以提高分类效率。然后提出一个分类策略通过分类视图实现可靠的3维模型分类。在ModelNet10和ModelNet40上的实验结果表明，该方法在仅用3张视图的情况下分类准确率高达93.6%和91.0%。
基于视图的3维模型分类方法与深度学习融合能有效提升模型分类的准确率。但目前的方法将相同类别的3维模型所有视点上的视图归为一类，忽略了不同视点上的视图差异，导致分类器很难学习到一个合理的分类面。为解决这一问题，该文提出一个基于深度神经网络的3维模型分类方法。该方法在3维模型的周围均匀设置多个视点组，为每个视点组训练1个视图分类器，充分挖掘不同视点组下的3维模型深度信息。这些分类器共享1个特征提取网络，但却有各自的分类网络。为了使提取的视图特征具有区分性，在特征提取网络中加入注意力机制；为了对非本视点组的视图建模，在分类网络中增加了附加类。在分类阶段首先提出一个视图选择策略，从大量视图中选择少量视图用于分类，以提高分类效率。然后提出一个分类策略通过分类视图实现可靠的3维模型分类。在ModelNet10和ModelNet40上的实验结果表明，该方法在仅用3张视图的情况下分类准确率高达93.6%和91.0%。
2022, 44(11): 3987-3997.
doi: 10.11999/JEIT210854
摘要:
针对低景深图像(DOF)目标提取过程中，容易出现目标提取不完整或背景被误识为目标等现象，该文提出一种奇异值分解 (SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊，以图像中每一个像素点为中心，利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解，再构造两奇异值之间的差异特征向量，针对此向量定义低中高全频段信息加权的差异性度量算子，计算对应像素点的显著性特征值，逐像素处理得到显著性结果图并进行阈值化处理，实现低景深图像目标的有效提取。对大量低景深图像进行处理，并与几种现有方法进行比较，提出方法的F度量值最大可提高54%，平均绝对误差减少76%～87%，可完整提取目标并有效去除背景，具有较强的可靠性。
针对低景深图像(DOF)目标提取过程中，容易出现目标提取不完整或背景被误识为目标等现象，该文提出一种奇异值分解 (SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊，以图像中每一个像素点为中心，利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解，再构造两奇异值之间的差异特征向量，针对此向量定义低中高全频段信息加权的差异性度量算子，计算对应像素点的显著性特征值，逐像素处理得到显著性结果图并进行阈值化处理，实现低景深图像目标的有效提取。对大量低景深图像进行处理，并与几种现有方法进行比较，提出方法的F度量值最大可提高54%，平均绝对误差减少76%～87%，可完整提取目标并有效去除背景，具有较强的可靠性。
2022, 44(11): 3998-4007.
doi: 10.11999/JEIT210897
摘要:
吞咽障碍早期筛查是降低吞咽障碍发病率的重要手段，而对吞咽事件(SE)的准确识别是吞咽障碍筛查和治疗过程中的关键环节。阻抗咽造影(IPG)是一种新型非侵入式吞咽事件检测方法，但现有的IPG技术仅检测阻抗幅值而忽略了同样重要的相位信息。为了实现对吞咽事件的全面检测及智能识别，该文提出一种基于整周期数字锁相放大原理的复阻抗咽造影(CIPG)检测方法，设计了基于FPGA的CIPG检测系统以连续描记吞咽过程的复阻抗(阻抗幅值和相位)信息，并设计了基于连续小波变换(CWT)和GoogLeNet相结合的吞咽事件智能识别算法。设计了包含喝水、干咽、吃面包、吃酸奶、咳嗽等5种吞咽事件的识别实验，实验结果表明，仅利用阻抗幅值信息时的吞咽事件识别准确率为86.1%，而同时利用阻抗幅值和相位信息时的识别准确率为95.7%，后者的识别准确率高于其它算法。该研究证实了CIPG技术和吞咽事件智能识别算法的有效性与优越性，为下一步开发基于CIPG的吞咽障碍早期筛查方法奠定了理论和技术基础。
吞咽障碍早期筛查是降低吞咽障碍发病率的重要手段，而对吞咽事件(SE)的准确识别是吞咽障碍筛查和治疗过程中的关键环节。阻抗咽造影(IPG)是一种新型非侵入式吞咽事件检测方法，但现有的IPG技术仅检测阻抗幅值而忽略了同样重要的相位信息。为了实现对吞咽事件的全面检测及智能识别，该文提出一种基于整周期数字锁相放大原理的复阻抗咽造影(CIPG)检测方法，设计了基于FPGA的CIPG检测系统以连续描记吞咽过程的复阻抗(阻抗幅值和相位)信息，并设计了基于连续小波变换(CWT)和GoogLeNet相结合的吞咽事件智能识别算法。设计了包含喝水、干咽、吃面包、吃酸奶、咳嗽等5种吞咽事件的识别实验，实验结果表明，仅利用阻抗幅值信息时的吞咽事件识别准确率为86.1%，而同时利用阻抗幅值和相位信息时的识别准确率为95.7%，后者的识别准确率高于其它算法。该研究证实了CIPG技术和吞咽事件智能识别算法的有效性与优越性，为下一步开发基于CIPG的吞咽障碍早期筛查方法奠定了理论和技术基础。
2022, 44(11): 4008-4017.
doi: 10.11999/JEIT211524
摘要:
跨境电商产品推荐已经成为电子商务领域新兴的研究议题之一。由于电商产品信息复杂多样、“用户-产品”关联矩阵极为稀疏并且冷启动问题突出，因此传统的协同过滤推荐模型很难奏效。而改进的深度协同过滤模型，只考虑了用户对产品的“显式”和“隐式”的反馈信息，忽视了由用户与项目组成的图结构信息，推荐性能很难满足平台和用户的要求。为了解决这些难题，该文提出基于异质图表达学习的图神经网络模型(HGNR)用于个性化的跨境电商产品推荐，该模型具有2个显著的优势：(1) 构造“用户-产品-主题”3部图作为模型的输入，通过图卷积神经网络(GCN)在异质图上进行高质量信息传播和聚合；(2)能够获取高质量的用户和产品表征向量，实现了用户和产品复杂交互关系的建模。在真实的跨境电商订单数据集上的实验结果表明，HGNR模型不仅在推荐性能上表现出色，还能有效提升冷启动用户的推荐准确率，与9种推荐基准算法相比，HGNR在评价指标HitRate@10, Item-coverage@10, MRR@10上至少提升了3.33%, 0.91%, 0.54%。
跨境电商产品推荐已经成为电子商务领域新兴的研究议题之一。由于电商产品信息复杂多样、“用户-产品”关联矩阵极为稀疏并且冷启动问题突出，因此传统的协同过滤推荐模型很难奏效。而改进的深度协同过滤模型，只考虑了用户对产品的“显式”和“隐式”的反馈信息，忽视了由用户与项目组成的图结构信息，推荐性能很难满足平台和用户的要求。为了解决这些难题，该文提出基于异质图表达学习的图神经网络模型(HGNR)用于个性化的跨境电商产品推荐，该模型具有2个显著的优势：(1) 构造“用户-产品-主题”3部图作为模型的输入，通过图卷积神经网络(GCN)在异质图上进行高质量信息传播和聚合；(2)能够获取高质量的用户和产品表征向量，实现了用户和产品复杂交互关系的建模。在真实的跨境电商订单数据集上的实验结果表明，HGNR模型不仅在推荐性能上表现出色，还能有效提升冷启动用户的推荐准确率，与9种推荐基准算法相比，HGNR在评价指标HitRate@10, Item-coverage@10, MRR@10上至少提升了3.33%, 0.91%, 0.54%。
2022, 44(11): 4018-4024.
doi: 10.11999/JEIT210979
摘要:
有限域上线性互补对偶(LCD)码有良好的相关特性和正交特性，并能够防御信道攻击。自正交码是编码理论中一类非常重要的码，可以用于构造量子纠错码。该文研究了有限域F3上的LCD码。通过选取4种合适的定义集，利用有限域F3上线性码是LCD码或自正交码的判定条件，构造了4类3元LCD码和一些自正交码，并研究了这4类线性码的对偶码，得到了一些3元最优线性码。
有限域上线性互补对偶(LCD)码有良好的相关特性和正交特性，并能够防御信道攻击。自正交码是编码理论中一类非常重要的码，可以用于构造量子纠错码。该文研究了有限域F3上的LCD码。通过选取4种合适的定义集，利用有限域F3上线性码是LCD码或自正交码的判定条件，构造了4类3元LCD码和一些自正交码，并研究了这4类线性码的对偶码，得到了一些3元最优线性码。
2022, 44(11): 4025-4033.
doi: 10.11999/JEIT210829
摘要:
针对最小带宽再生码的有效修复问题，该文提出一种基于差集矩阵的部分重复(FR)码的构造算法。利用差集矩阵和克罗内克(Kronecker)和来构造正交排列，根据正交排列每一列取相同元素所在行作为节点的编码块，得到相应的FR码。构造的FR码可以划分成多个平行类，同时还能调整数据块的重复度和节点的存储容量。仿真结果表明，与传统的里德-所罗门(RS)码和简单再生码(SRC)相比，构造的FR码在修复复杂度、修复带宽开销和修复局部性方面具有更好的性能，修复选择度上虽然是基于表格的修复方案，但选择度依旧可以达到很高。
针对最小带宽再生码的有效修复问题，该文提出一种基于差集矩阵的部分重复(FR)码的构造算法。利用差集矩阵和克罗内克(Kronecker)和来构造正交排列，根据正交排列每一列取相同元素所在行作为节点的编码块，得到相应的FR码。构造的FR码可以划分成多个平行类，同时还能调整数据块的重复度和节点的存储容量。仿真结果表明，与传统的里德-所罗门(RS)码和简单再生码(SRC)相比，构造的FR码在修复复杂度、修复带宽开销和修复局部性方面具有更好的性能，修复选择度上虽然是基于表格的修复方案，但选择度依旧可以达到很高。
2022, 44(11): 4034-4040.
doi: 10.11999/JEIT210881
摘要:
该文基于2元序列支撑集和低相关序列集，提出一种新的周期准互补序列集构造框架。在此框架基础上，分别利用最优4元序列族A、族D和Luke序列集提出了3类渐近最优和渐近几乎最优周期准互补序列集，序列集参数由2元序列和低相关序列集共同决定。与传统的完备互补序列集相比，所构造的准互补序列集具有更多的序列数目，应用到多载波扩频通信系统中可以支持更多的用户。
该文基于2元序列支撑集和低相关序列集，提出一种新的周期准互补序列集构造框架。在此框架基础上，分别利用最优4元序列族A、族D和Luke序列集提出了3类渐近最优和渐近几乎最优周期准互补序列集，序列集参数由2元序列和低相关序列集共同决定。与传统的完备互补序列集相比，所构造的准互补序列集具有更多的序列数目，应用到多载波扩频通信系统中可以支持更多的用户。
2022, 44(11): 4041-4057.
doi: 10.11999/JEIT210896
摘要:
随着“算力时代”到来，大规模数据需要在存储器和处理器之间往返，然而传统冯·诺依曼架构中计算与存储分离，无法满足频繁访问的需求。存内计算(CIM)技术的诞生突破了冯·诺依曼瓶颈，打破了传统计算架构中的“存储墙”，因此对于“算力时代”具有革命性意义。由于静态随机存取存储器(SRAM)读取数据的速度快且与先进逻辑工艺具有较好的兼容性，因此基于SRAM的存内计算技术受到国内外学者的关注。该文主要概述了基于SRAM的存内计算技术在机器学习、编码、加解密算法等方面的应用；回顾了实现运算功能的各种电路结构，比较了各类以模数转换器(ADC)为核心的量化技术；之后分析了现有存内计算架构面临的挑战并且给出了现有的解决策略，最后从不同方面展望存内计算技术。
随着“算力时代”到来，大规模数据需要在存储器和处理器之间往返，然而传统冯·诺依曼架构中计算与存储分离，无法满足频繁访问的需求。存内计算(CIM)技术的诞生突破了冯·诺依曼瓶颈，打破了传统计算架构中的“存储墙”，因此对于“算力时代”具有革命性意义。由于静态随机存取存储器(SRAM)读取数据的速度快且与先进逻辑工艺具有较好的兼容性，因此基于SRAM的存内计算技术受到国内外学者的关注。该文主要概述了基于SRAM的存内计算技术在机器学习、编码、加解密算法等方面的应用；回顾了实现运算功能的各种电路结构，比较了各类以模数转换器(ADC)为核心的量化技术；之后分析了现有存内计算架构面临的挑战并且给出了现有的解决策略，最后从不同方面展望存内计算技术。
2022, 44(11): 4058-4074.
doi: 10.11999/JEIT210886
摘要:
射频集成电路(RFICs)对工艺偏差、器件失配、器件非线性等引入的静态非理想因素以及温度变化、增益改变、输入/输出频率变动等引入的动态非理想因素所表现出的鲁棒性较差。该文深入挖掘影响射频集成电路性能的关键因素，并对典型的校准算法进行归纳和总结，为高性能射频集成电路设计提供理论支撑。
射频集成电路(RFICs)对工艺偏差、器件失配、器件非线性等引入的静态非理想因素以及温度变化、增益改变、输入/输出频率变动等引入的动态非理想因素所表现出的鲁棒性较差。该文深入挖掘影响射频集成电路性能的关键因素，并对典型的校准算法进行归纳和总结，为高性能射频集成电路设计提供理论支撑。
