邮件订阅
2022年 第44卷 第5期
2022, 44(5): 1513-1520.
doi: 10.11999/JEIT211350
摘要:
为了提高钢铁质量图像检测的效率和精度，提高生产自动化水平，该文提出一种改进的Res-UNet网络分割算法。使用ResNet50代替ResNet18作为编码模块，增强特征提取能力；修改编码模块，使残差块间稠密连接，增强浅层特征的深度延展，充分利用特征；使用加权Dice损失和加权交叉熵损失(BCEloss)结合的新损失函数缓解样本不均衡的情况；数据集增强策略保证网络学习更多的样本特征，增强细节分割精度。相比于经典的UNet算法，组合优化后的Res-UNet网络的Dice系数最多提高了12.64%，达到0.7930，网络训练时间更短，对各类缺陷的分割精准度更优，证明该文算法在钢铁表面缺陷分割领域具有应用价值。
为了提高钢铁质量图像检测的效率和精度，提高生产自动化水平，该文提出一种改进的Res-UNet网络分割算法。使用ResNet50代替ResNet18作为编码模块，增强特征提取能力；修改编码模块，使残差块间稠密连接，增强浅层特征的深度延展，充分利用特征；使用加权Dice损失和加权交叉熵损失(BCEloss)结合的新损失函数缓解样本不均衡的情况；数据集增强策略保证网络学习更多的样本特征，增强细节分割精度。相比于经典的UNet算法，组合优化后的Res-UNet网络的Dice系数最多提高了12.64%，达到0.7930，网络训练时间更短，对各类缺陷的分割精准度更优，证明该文算法在钢铁表面缺陷分割领域具有应用价值。
2022, 44(5): 1521-1529.
doi: 10.11999/JEIT211416
摘要:
针对大型注塑图谱缺失、成熟标注语料匮乏等导致的工业知识图谱构建代价高昂、质量不高等问题，该文提出一种基于本体引导的注塑知识图谱构建方法。首先，设计以缺陷-表观-原因-方案为导向的注塑本体，指导注塑网页的搜集；其次将本体信息融入至触发词中，以提升对半结构化网页的知识抽取性能；然后，结合本体中的属性相似度进行两级实体对齐，综合提高冗余知识的发现率。最后与已有方法对比，图谱知识正确率高于95%，可快速实现缺陷溯因。
针对大型注塑图谱缺失、成熟标注语料匮乏等导致的工业知识图谱构建代价高昂、质量不高等问题，该文提出一种基于本体引导的注塑知识图谱构建方法。首先，设计以缺陷-表观-原因-方案为导向的注塑本体，指导注塑网页的搜集；其次将本体信息融入至触发词中，以提升对半结构化网页的知识抽取性能；然后，结合本体中的属性相似度进行两级实体对齐，综合提高冗余知识的发现率。最后与已有方法对比，图谱知识正确率高于95%，可快速实现缺陷溯因。
2022, 44(5): 1530-1538.
doi: 10.11999/JEIT211174
摘要:
由于光场数据量大，现有光场相机标定算法存在速度慢、无法快速校准工业检测中光场相机的参数变化、降低工业检测效率的问题。该文基于稀疏光场成像模型优化光场数据，提出光场相机快速标定算法。该算法以清晰度作为图像质量评价指标，从光场数据中选取高质量、具有代表性的稀疏视图，构建稀疏光场；接着利用稀疏光场求解相机参数初值并优化，得到最佳参数。实验结果表明，与现有最优标定算法相比，该方法不仅提高平均标定速度70%以上，在现有5个数据集的平均标定时间从101.27 s减少到30.99 s，而且保持标定精度在最优水平，在公开数据集PlenCalCVPR2013DatasetA的标定误差仅为0.0714 mm。
由于光场数据量大，现有光场相机标定算法存在速度慢、无法快速校准工业检测中光场相机的参数变化、降低工业检测效率的问题。该文基于稀疏光场成像模型优化光场数据，提出光场相机快速标定算法。该算法以清晰度作为图像质量评价指标，从光场数据中选取高质量、具有代表性的稀疏视图，构建稀疏光场；接着利用稀疏光场求解相机参数初值并优化，得到最佳参数。实验结果表明，与现有最优标定算法相比，该方法不仅提高平均标定速度70%以上，在现有5个数据集的平均标定时间从101.27 s减少到30.99 s，而且保持标定精度在最优水平，在公开数据集PlenCalCVPR2013DatasetA的标定误差仅为0.0714 mm。
2022, 44(5): 1539-1547.
doi: 10.11999/JEIT211381
摘要:
工业机器人作为智能制造的重要载体，在大范围复杂任务中具有巨大潜力。但是，定位精度低且难以控制的问题阻碍了机器人在高精度任务的进一步推广。为了提升机器人作业精度，该文提出一种基于时空混合图卷积网络的机器人定位误差预测及补偿方法。首先通过设计图关系编码模块、时空混合特征解码模块，构建基于图卷积网络的机器人位姿误差预测模型；然后，针对传统迭代补偿方法中机器人逆解次数多导致效率低的问题，该文将定位误差补偿问题转化为优化问题，并利用遗传算法同时对位置和姿态进行误差补偿；最后，通过拉丁超立方抽样方法获得训练集，实现机器人定位误差预测模型的训练，并通过实验验证了定位误差预测的准确性以及补偿的效果。
工业机器人作为智能制造的重要载体，在大范围复杂任务中具有巨大潜力。但是，定位精度低且难以控制的问题阻碍了机器人在高精度任务的进一步推广。为了提升机器人作业精度，该文提出一种基于时空混合图卷积网络的机器人定位误差预测及补偿方法。首先通过设计图关系编码模块、时空混合特征解码模块，构建基于图卷积网络的机器人位姿误差预测模型；然后，针对传统迭代补偿方法中机器人逆解次数多导致效率低的问题，该文将定位误差补偿问题转化为优化问题，并利用遗传算法同时对位置和姿态进行误差补偿；最后，通过拉丁超立方抽样方法获得训练集，实现机器人定位误差预测模型的训练，并通过实验验证了定位误差预测的准确性以及补偿的效果。
2022, 44(5): 1548-1553.
doi: 10.11999/JEIT211346
摘要:
该文提出一种基于特征工程的玻璃封装绝缘端子外观质量检测算法以替代人工肉眼检测。首先，基于绝缘端子的形状先验将待检测区域划分为若干个扇区。其次，根据玻璃封装绝缘端子图像特点提出扇区基本特征数据、扇区灰度变化率、扇区反光特征和扇区方向统计特征等4大类扇区特征提取方法，采用梯度提升决策树(GBDT)进行粗分类。为了更全面地表征扇区特性，基于粗分类结果融合最近邻扇区提出扇区近邻(SN)特征提取方法。最后，将扇区近邻特征和扇区特征都输入到GBDT分类器进行精细分类，获得检测结果。实验结果表明，提出的特征工程方法能够在合理检测时间内取得较好的检测性能，交并比为97.45%，F1为0.987，优于现有类似检测方法。
该文提出一种基于特征工程的玻璃封装绝缘端子外观质量检测算法以替代人工肉眼检测。首先，基于绝缘端子的形状先验将待检测区域划分为若干个扇区。其次，根据玻璃封装绝缘端子图像特点提出扇区基本特征数据、扇区灰度变化率、扇区反光特征和扇区方向统计特征等4大类扇区特征提取方法，采用梯度提升决策树(GBDT)进行粗分类。为了更全面地表征扇区特性，基于粗分类结果融合最近邻扇区提出扇区近邻(SN)特征提取方法。最后，将扇区近邻特征和扇区特征都输入到GBDT分类器进行精细分类，获得检测结果。实验结果表明，提出的特征工程方法能够在合理检测时间内取得较好的检测性能，交并比为97.45%，F1为0.987，优于现有类似检测方法。
2022, 44(5): 1554-1562.
doi: 10.11999/JEIT211378
摘要:
针对以往柔性综合调度算法均考虑正向调度，导致需要考虑目标工序的多紧前工序约束条件，难以合理安排相关工序进而影响产品完工时间的问题，该文提出一种基于逆序层优先的柔性综合调度算法。首先，提出逆序层优先策略，将各工序分配至逆序层待调度工序集；其次，提出动态拟长路径策略，确定各逆序层待调度工序集中工序的调度顺序；然后，分别提出设备选择策略和设备抢占策略以确定目标工序的加工设备以及加工时间；最后，提出基于完工时间翻转的调度方案转换策略，将逆序调度方案转换为正序调度方案。实例表明，和已有主流算法相比，该算法在不提高算法复杂度的前提下能够缩短产品完工时间。
针对以往柔性综合调度算法均考虑正向调度，导致需要考虑目标工序的多紧前工序约束条件，难以合理安排相关工序进而影响产品完工时间的问题，该文提出一种基于逆序层优先的柔性综合调度算法。首先，提出逆序层优先策略，将各工序分配至逆序层待调度工序集；其次，提出动态拟长路径策略，确定各逆序层待调度工序集中工序的调度顺序；然后，分别提出设备选择策略和设备抢占策略以确定目标工序的加工设备以及加工时间；最后，提出基于完工时间翻转的调度方案转换策略，将逆序调度方案转换为正序调度方案。实例表明，和已有主流算法相比，该算法在不提高算法复杂度的前提下能够缩短产品完工时间。
2022, 44(5): 1563-1571.
doi: 10.11999/JEIT211358
摘要:
为了解决柔印首件检验没有基准织物图像作为参照的难点，该文提出一种以电子样稿为参照物的柔印首件“粗-精”检测方法，主要分为粗匹配、精匹配和缺陷检测3个阶段。首先，针对电子样稿与印刷首件内容粗细不一、灰度特性差异大、柔印内容重复率高等问题，融合超点(SuperPoint)与强力匹配(SuperGlue)方法进行粗匹配。然后，针对柔印过程版材伸缩、弯曲引发柔印内容局部偏移的问题，采用归一化互相关(NCC)法微调样稿字符，实现精匹配。最后，提出约束聚类的方法将缺陷检测问题转化为电子样稿与柔印首件差异最小化的问题。对比实验表明，该文方法的柔印首件检测性能要优于其他织物印刷品缺陷检测方法，其漏检率为0，误检率为1.3%，平均Dice系数为0.941，且检测时间仅为2.761 s/pcs，满足实际工程的需求。
为了解决柔印首件检验没有基准织物图像作为参照的难点，该文提出一种以电子样稿为参照物的柔印首件“粗-精”检测方法，主要分为粗匹配、精匹配和缺陷检测3个阶段。首先，针对电子样稿与印刷首件内容粗细不一、灰度特性差异大、柔印内容重复率高等问题，融合超点(SuperPoint)与强力匹配(SuperGlue)方法进行粗匹配。然后，针对柔印过程版材伸缩、弯曲引发柔印内容局部偏移的问题，采用归一化互相关(NCC)法微调样稿字符，实现精匹配。最后，提出约束聚类的方法将缺陷检测问题转化为电子样稿与柔印首件差异最小化的问题。对比实验表明，该文方法的柔印首件检测性能要优于其他织物印刷品缺陷检测方法，其漏检率为0，误检率为1.3%，平均Dice系数为0.941，且检测时间仅为2.761 s/pcs，满足实际工程的需求。
2022, 44(5): 1572-1580.
doi: 10.11999/JEIT211455
摘要:
针对树状结构复杂单产品加工和装配的一般综合调度问题，该文提出考虑工序序列动态时间紧迫度(TUD)的逆序贪婪综合调度算法。提出工序排序策略，定义工序序列的时间紧迫度，将工序树逆置，采用叶对齐的方式，按照由叶到根的顺序，逐层根据叶结点所属工序序列动态时间紧迫度值由大到小的顺序确定其调度顺序，将各层排序后的叶结点依次入队列保存，最后将队列中元素逆置。提出逆序贪婪调度策略，每次以一道工序为单位，安排它在所需设备上的准调度时间点进行试调度，得到该工序的准调度方案集，选择准调度方案结束时间最小的方案，若不唯一，选择使该工序尽早加工的方案。实例表明所提算法优化了一般综合调度的结果且效率较高。
针对树状结构复杂单产品加工和装配的一般综合调度问题，该文提出考虑工序序列动态时间紧迫度(TUD)的逆序贪婪综合调度算法。提出工序排序策略，定义工序序列的时间紧迫度，将工序树逆置，采用叶对齐的方式，按照由叶到根的顺序，逐层根据叶结点所属工序序列动态时间紧迫度值由大到小的顺序确定其调度顺序，将各层排序后的叶结点依次入队列保存，最后将队列中元素逆置。提出逆序贪婪调度策略，每次以一道工序为单位，安排它在所需设备上的准调度时间点进行试调度，得到该工序的准调度方案集，选择准调度方案结束时间最小的方案，若不唯一，选择使该工序尽早加工的方案。实例表明所提算法优化了一般综合调度的结果且效率较高。
2022, 44(5): 1581-1590.
doi: 10.11999/JEIT211414
摘要:
在注塑成型工业中，产品质量自动监测一直是注塑工业智能化发展的核心问题。高品质和大规模的产品质量数据采集成本高昂，导致数据样本量少、不同类别样本数据不平衡，为注塑产品质量预测提出了更高的挑战。为此，该文提出一种基于宽度学习方法的注塑产品质量预测模型，以产品的3维尺寸为预测目标，在普通的宽度学习系统(BLS)中加入最小p范数来改进得到模型p范数宽度学习系统(pN-BLS)，解决小样本和不平衡数据的问题，提高模型对离群点的检测性能。在第4届工业大数据竞赛任务2《注塑成型工艺的虚拟量测和调机优化》数据集中，将192个参数特征与预测目标进行相关分析，提取相关性高的基础特征17个，衍生特征4个和调机参数2个作为模型的输入。将16600条数据平均分为训练集和测试集各8300条，与支持向量机 (SVM)、最近邻算法 (KNN)、多层感知机 (MLP)和BLS进行对比实验，实验结果显示pN-BLS具有更快速和更准确的预测效果。在实际缺陷检测应用中，pN-BLS能更准确地预测异常数据，具有更高的鲁棒性。
在注塑成型工业中，产品质量自动监测一直是注塑工业智能化发展的核心问题。高品质和大规模的产品质量数据采集成本高昂，导致数据样本量少、不同类别样本数据不平衡，为注塑产品质量预测提出了更高的挑战。为此，该文提出一种基于宽度学习方法的注塑产品质量预测模型，以产品的3维尺寸为预测目标，在普通的宽度学习系统(BLS)中加入最小p范数来改进得到模型p范数宽度学习系统(pN-BLS)，解决小样本和不平衡数据的问题，提高模型对离群点的检测性能。在第4届工业大数据竞赛任务2《注塑成型工艺的虚拟量测和调机优化》数据集中，将192个参数特征与预测目标进行相关分析，提取相关性高的基础特征17个，衍生特征4个和调机参数2个作为模型的输入。将16600条数据平均分为训练集和测试集各8300条，与支持向量机 (SVM)、最近邻算法 (KNN)、多层感知机 (MLP)和BLS进行对比实验，实验结果显示pN-BLS具有更快速和更准确的预测效果。在实际缺陷检测应用中，pN-BLS能更准确地预测异常数据，具有更高的鲁棒性。
2022, 44(5): 1591-1601.
doi: 10.11999/JEIT211000
摘要:
针对工业上常见的弱纹理、散乱摆放复杂场景下点云目标机器人抓取问题，该文提出一种6D位姿估计深度学习网络。首先，模拟复杂场景下点云目标多姿态随机摆放的物理环境，生成带真实标签的数据集；进而，设计了6D位姿估计深度学习网络模型，提出多尺度点云分割网络(MPCS-Net)，直接在完整几何点云上进行点云实例分割，解决了对RGB信息和点云分割预处理的依赖问题。然后，提出多层特征姿态估计网(MFPE-Net)，有效地解决了对称物体的位姿估计问题。最后，实验结果和分析证实了，相比于传统的点云配准方法和现有的切分点云的深度学习位姿估计方法，所提方法取得了更高的准确率和更稳定性能，并且在估计对称物体位姿时有较强的鲁棒性。
针对工业上常见的弱纹理、散乱摆放复杂场景下点云目标机器人抓取问题，该文提出一种6D位姿估计深度学习网络。首先，模拟复杂场景下点云目标多姿态随机摆放的物理环境，生成带真实标签的数据集；进而，设计了6D位姿估计深度学习网络模型，提出多尺度点云分割网络(MPCS-Net)，直接在完整几何点云上进行点云实例分割，解决了对RGB信息和点云分割预处理的依赖问题。然后，提出多层特征姿态估计网(MFPE-Net)，有效地解决了对称物体的位姿估计问题。最后，实验结果和分析证实了，相比于传统的点云配准方法和现有的切分点云的深度学习位姿估计方法，所提方法取得了更高的准确率和更稳定性能，并且在估计对称物体位姿时有较强的鲁棒性。
2022, 44(5): 1602-1609.
doi: 10.11999/JEIT211434
摘要:
缺陷检测是智能制造系统的一个重要的环节。在采用传统机器学习算法进行缺陷分类的时候，通常会遇 到数据噪声干扰，降低算法对缺陷类别的预测精度。尽管近几年提出了如鲁棒线性判别分析(RLDA)等强大的算法用于解决数据受稀疏噪声干扰的分类问题，但仍存在一些缺点限制其应用性能。该文提出一种新的基于线性判别分析的最优均值鲁棒线性分类模型(OMRLSA)。不同于以往应对噪声数据的分类方法忽略稀疏噪声具有的拉普拉斯分布特性对数据均值的影响，该文所提出的最优均值鲁棒线性分类模型会自动更新数据的最优均值，从而保证数据的统计特性不会受到噪声的干扰。此外，随后的损失函数中首次在鲁棒分类模型中引入了关于正则化和误差测量的联合L2,1范数最小化和秩压缩的加权核范数最小化方法，从而提高算法的鲁棒性。在具有不同比例损坏的标准数据集上的实验结果说明了该文方法的优越性。
缺陷检测是智能制造系统的一个重要的环节。在采用传统机器学习算法进行缺陷分类的时候，通常会遇 到数据噪声干扰，降低算法对缺陷类别的预测精度。尽管近几年提出了如鲁棒线性判别分析(RLDA)等强大的算法用于解决数据受稀疏噪声干扰的分类问题，但仍存在一些缺点限制其应用性能。该文提出一种新的基于线性判别分析的最优均值鲁棒线性分类模型(OMRLSA)。不同于以往应对噪声数据的分类方法忽略稀疏噪声具有的拉普拉斯分布特性对数据均值的影响，该文所提出的最优均值鲁棒线性分类模型会自动更新数据的最优均值，从而保证数据的统计特性不会受到噪声的干扰。此外，随后的损失函数中首次在鲁棒分类模型中引入了关于正则化和误差测量的联合L2,1范数最小化和秩压缩的加权核范数最小化方法，从而提高算法的鲁棒性。在具有不同比例损坏的标准数据集上的实验结果说明了该文方法的优越性。
2022, 44(5): 1610-1616.
doi: 10.11999/JEIT210857
摘要:
针对有限区间哈默斯坦(Hammerstein)非线性时变系统，该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开，采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和，采用带遗忘因子的迭代学习最小二乘算法，进而引入权矩阵，采用加权迭代学习最小二乘算法改进系统跟踪误差，以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明，与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比，加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。
针对有限区间哈默斯坦(Hammerstein)非线性时变系统，该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开，采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和，采用带遗忘因子的迭代学习最小二乘算法，进而引入权矩阵，采用加权迭代学习最小二乘算法改进系统跟踪误差，以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明，与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比，加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。
2022, 44(5): 1617-1624.
doi: 10.11999/JEIT211246
摘要:
贴片电阻在回流焊过程中，受工艺影响，焊点内部或多或少会存在空洞缺陷，空洞占比率过高会严重降低器件的可靠性。该文融合局部预拟合(LPF)活动轮廓模型和自适应圆形卷积核，提出一种贴片电阻焊点内部空洞缺陷自适应检测方法。首先，根据贴片电阻图像具有明暗两个明显区域的特点，通过求解区域平均灰度差异最大的优化问题将其自适应地分为较暗和较亮两个区域。然后，针对较暗区域中空洞与背景之间对比度低、空洞分布较稀疏、面积偏大等特点，采用局部预拟合活动轮廓模型进行空洞检测；针对较亮区域中空洞与背景之间差异明显、空洞分布密集、面积偏小等特点，提出一种自适应圆形卷积核检测空洞。最后，采用形状因子和平均灰度策略剔除误检测，实现贴片电阻焊点内部空洞精细检测。实验结果表明，该文算法相较于其他检测算法性能有明显的提升，平均Dice系数高达0.8846。
贴片电阻在回流焊过程中，受工艺影响，焊点内部或多或少会存在空洞缺陷，空洞占比率过高会严重降低器件的可靠性。该文融合局部预拟合(LPF)活动轮廓模型和自适应圆形卷积核，提出一种贴片电阻焊点内部空洞缺陷自适应检测方法。首先，根据贴片电阻图像具有明暗两个明显区域的特点，通过求解区域平均灰度差异最大的优化问题将其自适应地分为较暗和较亮两个区域。然后，针对较暗区域中空洞与背景之间对比度低、空洞分布较稀疏、面积偏大等特点，采用局部预拟合活动轮廓模型进行空洞检测；针对较亮区域中空洞与背景之间差异明显、空洞分布密集、面积偏小等特点，提出一种自适应圆形卷积核检测空洞。最后，采用形状因子和平均灰度策略剔除误检测，实现贴片电阻焊点内部空洞精细检测。实验结果表明，该文算法相较于其他检测算法性能有明显的提升，平均Dice系数高达0.8846。
2022, 44(5): 1625-1635.
doi: 10.11999/JEIT211366
摘要:
针对多品种、小批量复杂产品综合调度研究中，没有考虑加工较多工序设备上的工序间调度空隙会对调度结果产生重要影响的问题，该文提出考虑多工序设备权重的资源协同综合调度算法。该算法在综合调度中首先提出多工序设备和工序权重值的定义，其次提出以权重值为主的调度策略，提高了工序纵向连续加工的紧密度；最后提出最佳调度时刻的调整策略，提高了工序横向并行优化的力度。实验结果表明，该算法在提高综合调度设备整体利用率和减少复杂产品时间成本等方面，具有更优性。
针对多品种、小批量复杂产品综合调度研究中，没有考虑加工较多工序设备上的工序间调度空隙会对调度结果产生重要影响的问题，该文提出考虑多工序设备权重的资源协同综合调度算法。该算法在综合调度中首先提出多工序设备和工序权重值的定义，其次提出以权重值为主的调度策略，提高了工序纵向连续加工的紧密度；最后提出最佳调度时刻的调整策略，提高了工序横向并行优化的力度。实验结果表明，该算法在提高综合调度设备整体利用率和减少复杂产品时间成本等方面，具有更优性。
2022, 44(5): 1636-1642.
doi: 10.11999/JEIT210870
摘要:
针对偏光片细微外观缺陷难以成像、难以检测的问题，该文提出一种基于偏振成像的外观缺陷检测新方法。通过缺陷偏振态指标测量结果，定性描述了对比度增强机理。利用缺陷与正常区域之间透射光偏振态的显著差异，大幅提高缺陷的成像对比度，从而简化后续图像处理算法，提高检测速度和准确率。实验结果表明，偏光片外观缺陷平均检出率达到97.3%，平均单个样品检测时间约为0.22 s，基本满足产业化应用要求。
针对偏光片细微外观缺陷难以成像、难以检测的问题，该文提出一种基于偏振成像的外观缺陷检测新方法。通过缺陷偏振态指标测量结果，定性描述了对比度增强机理。利用缺陷与正常区域之间透射光偏振态的显著差异，大幅提高缺陷的成像对比度，从而简化后续图像处理算法，提高检测速度和准确率。实验结果表明，偏光片外观缺陷平均检出率达到97.3%，平均单个样品检测时间约为0.22 s，基本满足产业化应用要求。
2022, 44(5): 1643-1652.
doi: 10.11999/JEIT210784
摘要:
针对传统医学图像分割网络存在边缘分割不清晰、缺失值大等问题，该文提出一种具有边缘增强特点的医学图像分割网络(AS-UNet)。利用掩膜边缘提取算法得到掩膜边缘图，在UNet扩张路径的最后3层引入结合多尺度特征图的边缘注意模块(BAB)，并提出组合损失函数来提高分割精度；测试时通过舍弃BAB来减少参数。在3种不同类型的医学图像分割数据集Glas, DRIVE, ISIC2018上进行实验，与其他分割方法相比，AS-UNet分割性能较优。
针对传统医学图像分割网络存在边缘分割不清晰、缺失值大等问题，该文提出一种具有边缘增强特点的医学图像分割网络(AS-UNet)。利用掩膜边缘提取算法得到掩膜边缘图，在UNet扩张路径的最后3层引入结合多尺度特征图的边缘注意模块(BAB)，并提出组合损失函数来提高分割精度；测试时通过舍弃BAB来减少参数。在3种不同类型的医学图像分割数据集Glas, DRIVE, ISIC2018上进行实验，与其他分割方法相比，AS-UNet分割性能较优。
2022, 44(5): 1653-1663.
doi: 10.11999/JEIT211394
摘要:
针对自有加工企业设备使用时间存在限制无法满足产品交货期的综合调度问题，该文提出存在设备时间限制的两个企业协同的综合调度算法。为了保证自有加工企业能够获得更多的收益，需要将加工任务尽可能多地分配给自有加工企业进行加工。因此，需要将加工任务进行有效分解，首先逆向遍历加工树，将自有加工企业设备使用时间上限作为阈值，设计加工任务分配策略对加工树进行拆分并生成自有加工企业加工的拆分加工树，其余部分为协同加工企业加工的协同加工树。然后设计协同选择策略，在考虑到运输问题并满足交货期的前提下，选取使自有加工企业收益最大的企业为协同加工企业。最后实例分析，该算法可以更好地解决加工企业设备使用时间存在限制并带有交货期和收益的企业车间协同综合调度问题。
针对自有加工企业设备使用时间存在限制无法满足产品交货期的综合调度问题，该文提出存在设备时间限制的两个企业协同的综合调度算法。为了保证自有加工企业能够获得更多的收益，需要将加工任务尽可能多地分配给自有加工企业进行加工。因此，需要将加工任务进行有效分解，首先逆向遍历加工树，将自有加工企业设备使用时间上限作为阈值，设计加工任务分配策略对加工树进行拆分并生成自有加工企业加工的拆分加工树，其余部分为协同加工企业加工的协同加工树。然后设计协同选择策略，在考虑到运输问题并满足交货期的前提下，选取使自有加工企业收益最大的企业为协同加工企业。最后实例分析，该算法可以更好地解决加工企业设备使用时间存在限制并带有交货期和收益的企业车间协同综合调度问题。
2022, 44(5): 1664-1673.
doi: 10.11999/JEIT211419
摘要:
在注塑工艺过程中，注射速度控制是其重要环节之一，实现注射速度的快速可靠优化控制对于注塑产品的高效生产具有重要意义。该文针对一类典型的注塑装备中的伺服电机驱动恒泵液压系统，研究了注塑机工作过程中的注射速度最优跟踪控制问题，提出一种高效的基于控制参数化与粒子群优化相结合的混合智能优化控制方法，分别设计实现了开环最优控制器和状态反馈最优控制器，将控制器设计问题转化为一序列最优参数选择问题，实现了在给定时间内对所期望的注射速度跟踪控制的高效求解。最后通过实验仿真结果验证了所提出的混合优化控制算法对于求解注塑工艺过程中注射速度的动态优化问题的可行性和有效性。
在注塑工艺过程中，注射速度控制是其重要环节之一，实现注射速度的快速可靠优化控制对于注塑产品的高效生产具有重要意义。该文针对一类典型的注塑装备中的伺服电机驱动恒泵液压系统，研究了注塑机工作过程中的注射速度最优跟踪控制问题，提出一种高效的基于控制参数化与粒子群优化相结合的混合智能优化控制方法，分别设计实现了开环最优控制器和状态反馈最优控制器，将控制器设计问题转化为一序列最优参数选择问题，实现了在给定时间内对所期望的注射速度跟踪控制的高效求解。最后通过实验仿真结果验证了所提出的混合优化控制算法对于求解注塑工艺过程中注射速度的动态优化问题的可行性和有效性。
2022, 44(5): 1674-1682.
doi: 10.11999/JEIT210298
摘要:
基于深度学习的去模糊方法已经取得了较大进展，但是随着网络层数加深，去模糊网络需要更多的计算资源和内存消耗，难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题，该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型，可充分利用图像的局部特征信息，加强反向传播时的信息流通。同时，通过多阶段递归调用残差网络并进行参数共享，可大大简化网络模型，减少网络参数。为了进一步提高去模糊网络的特征重建能力，该文引入特征重标定模块进行特征融合，对输入图像与各个残差网络的输出特征图进行通道加权，并对特征图的空间信息进行自适应选择，实现更好的特征重建。实验结果表明，所提算法网络模型参数量小、运行速度快，大幅度领先于现有算法，且对各种空域可变模糊去除均可实现理想复原效果。
基于深度学习的去模糊方法已经取得了较大进展，但是随着网络层数加深，去模糊网络需要更多的计算资源和内存消耗，难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题，该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型，可充分利用图像的局部特征信息，加强反向传播时的信息流通。同时，通过多阶段递归调用残差网络并进行参数共享，可大大简化网络模型，减少网络参数。为了进一步提高去模糊网络的特征重建能力，该文引入特征重标定模块进行特征融合，对输入图像与各个残差网络的输出特征图进行通道加权，并对特征图的空间信息进行自适应选择，实现更好的特征重建。实验结果表明，所提算法网络模型参数量小、运行速度快，大幅度领先于现有算法，且对各种空域可变模糊去除均可实现理想复原效果。
2022, 44(5): 1683-1693.
doi: 10.11999/JEIT210247
摘要:
腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难，该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域，然后利用图像像素级和区域级特征，分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型，并将其融入图割能量函数，进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验，并与现有多种自动分割方法进行了比较。结果表明，提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤，能提取更精确的肿瘤边界，尤其对于对比度低、边界模糊的肿瘤具有明显优势。
腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难，该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域，然后利用图像像素级和区域级特征，分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型，并将其融入图割能量函数，进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验，并与现有多种自动分割方法进行了比较。结果表明，提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤，能提取更精确的肿瘤边界，尤其对于对比度低、边界模糊的肿瘤具有明显优势。
2022, 44(5): 1694-1703.
doi: 10.11999/JEIT210389
摘要:
高分辨率遥感图像变化检测是了解地表变化的关键，是遥感图像处理领域的一个重要分支。现有很多基于深度学习的变化检测方法，取得了良好的效果，但是不易获得高分辨率遥感图像中的结构细节且检测精度有待提高。因此，该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet)，分为边缘结构变化信息检测、深度特征提取和变化区域判别3个模块。首先，为了得到双时相图像的边缘变化信息，对其进行边缘检测得到边缘图，并将边缘图相减得到边缘差异图；其次，考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特征，为了充分提取单个图像的深度特征，构建基于VGG-16网络的3支路模型，分别提取双时相图像和边缘差异图的深度特征；最后，为了提高检测精度，提出将通道注意力机制嵌入到模型中，以关注信息量大的通道特征来更好地进行变化区域的判别。实验结果表明，无论从视觉解释或精度衡量上看，提出算法与目前已有的一些方法相比，具有一定的优越性。
高分辨率遥感图像变化检测是了解地表变化的关键，是遥感图像处理领域的一个重要分支。现有很多基于深度学习的变化检测方法，取得了良好的效果，但是不易获得高分辨率遥感图像中的结构细节且检测精度有待提高。因此，该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet)，分为边缘结构变化信息检测、深度特征提取和变化区域判别3个模块。首先，为了得到双时相图像的边缘变化信息，对其进行边缘检测得到边缘图，并将边缘图相减得到边缘差异图；其次，考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特征，为了充分提取单个图像的深度特征，构建基于VGG-16网络的3支路模型，分别提取双时相图像和边缘差异图的深度特征；最后，为了提高检测精度，提出将通道注意力机制嵌入到模型中，以关注信息量大的通道特征来更好地进行变化区域的判别。实验结果表明，无论从视觉解释或精度衡量上看，提出算法与目前已有的一些方法相比，具有一定的优越性。
2022, 44(5): 1704-1713.
doi: 10.11999/JEIT210232
摘要:
标准的非负矩阵分解(NMF)应用于高光谱解混时，容易受到噪声和异常值的干扰，解混效果较差。为了提高分解性能，该文将L21范数引入标准的NMF算法中，对模型进行了改进，从而提高算法的鲁棒性。其次，为了提高分解后丰度矩阵的稀疏性，将双重加权稀疏约束引入L21NMF模型中，使其中一个权值提高每个像元对应的丰度向量上的稀疏性，另一个权值提高每个端元对应的丰度向量上的稀疏性。同时，为了利用像元的全局空间分布信息，观察地物在不同图像中的真实分布情况，引入子空间结构正则项，提出了基于子空间结构正则化的L21非负矩阵分解(L21NMF-SSR)算法。通过在模拟数据集和真实数据集与其他经典算法的比较，验证了该算法具有更好的性能，同时具有去噪能力。
标准的非负矩阵分解(NMF)应用于高光谱解混时，容易受到噪声和异常值的干扰，解混效果较差。为了提高分解性能，该文将L21范数引入标准的NMF算法中，对模型进行了改进，从而提高算法的鲁棒性。其次，为了提高分解后丰度矩阵的稀疏性，将双重加权稀疏约束引入L21NMF模型中，使其中一个权值提高每个像元对应的丰度向量上的稀疏性，另一个权值提高每个端元对应的丰度向量上的稀疏性。同时，为了利用像元的全局空间分布信息，观察地物在不同图像中的真实分布情况，引入子空间结构正则项，提出了基于子空间结构正则化的L21非负矩阵分解(L21NMF-SSR)算法。通过在模拟数据集和真实数据集与其他经典算法的比较，验证了该算法具有更好的性能，同时具有去噪能力。
2022, 44(5): 1714-1722.
doi: 10.11999/JEIT210296
摘要:
近年来，孪生网络在视觉目标跟踪的应用给跟踪器性能带来了极大的提升，可以同时兼顾准确率和实时性。然而，孪生网络跟踪器的准确率在很大程度上受到限制。为了解决上述问题，该文基于通道注意力机制，创新地提出了关键特征信息感知模块来增强网络模型的判别能力，使网络聚焦于目标的卷积特征变化；在此基础上，该文还提出了一种在线自适应掩模策略，根据在线学习到的互相关层输出状态，自适应掩模后续帧，以此来突出前景目标。在OTB100, GOT-10k数据集上进行实验验证，所提跟踪器在不影响实时性的前提下，准确率相较于基准有了显著提升，并且在遮挡、尺度变化以及背景杂乱等复杂场景下具有鲁棒的跟踪效果。
近年来，孪生网络在视觉目标跟踪的应用给跟踪器性能带来了极大的提升，可以同时兼顾准确率和实时性。然而，孪生网络跟踪器的准确率在很大程度上受到限制。为了解决上述问题，该文基于通道注意力机制，创新地提出了关键特征信息感知模块来增强网络模型的判别能力，使网络聚焦于目标的卷积特征变化；在此基础上，该文还提出了一种在线自适应掩模策略，根据在线学习到的互相关层输出状态，自适应掩模后续帧，以此来突出前景目标。在OTB100, GOT-10k数据集上进行实验验证，所提跟踪器在不影响实时性的前提下，准确率相较于基准有了显著提升，并且在遮挡、尺度变化以及背景杂乱等复杂场景下具有鲁棒的跟踪效果。
2022, 44(5): 1723-1733.
doi: 10.11999/JEIT210230
摘要:
目前知识图谱研究主要面向信息检索、自然语言理解等领域，在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息，该文对知识图谱进行多模态扩展，并提出一种融合知识图谱与图片特征的推荐模型(KG-I)。不同于其他基于知识图谱的推荐算法，该方法增加视觉嵌入、知识嵌入和结构嵌入去挖掘用户项目之间的隐式反馈信息。该模型利用深度游走模型(Deep Walk)捕获空间结构的方法和波纹网络模型(RippleNet)挖掘知识图谱的知识表达的思想，并且考虑图片对用户偏好的影响，有效地将信息进行融合，并在真实数据集上与其他模型实验比较，研究多种特征的影响，分析不同稀疏度数据下的表现。结果表明，融合知识图谱与图片特征的个性化推荐模型完全优于其他的对比算法并且有效缓解数据稀疏情况。
目前知识图谱研究主要面向信息检索、自然语言理解等领域，在推荐系统中融合知识图谱成为推荐领域学者广泛关注的问题。为了解决单一知识图谱忽略的丰富知识信息，该文对知识图谱进行多模态扩展，并提出一种融合知识图谱与图片特征的推荐模型(KG-I)。不同于其他基于知识图谱的推荐算法，该方法增加视觉嵌入、知识嵌入和结构嵌入去挖掘用户项目之间的隐式反馈信息。该模型利用深度游走模型(Deep Walk)捕获空间结构的方法和波纹网络模型(RippleNet)挖掘知识图谱的知识表达的思想，并且考虑图片对用户偏好的影响，有效地将信息进行融合，并在真实数据集上与其他模型实验比较，研究多种特征的影响，分析不同稀疏度数据下的表现。结果表明，融合知识图谱与图片特征的个性化推荐模型完全优于其他的对比算法并且有效缓解数据稀疏情况。
2022, 44(5): 1734-1742.
doi: 10.11999/JEIT210220
摘要:
针对车载音响的声场校正精度低、效率低的问题，该文提出一种无重叠频带的自适应非对称并联图示均衡器校正方法。在车载音响声场动态变化情况下，该方法考虑了有效均衡范围和自适应增益，而不是经典方法中的固定均衡范围和人工给定的增益。通过对实测数据进行实验分析，所提方法比经典方法所用均衡滤波器个数平均减少大约20%，拟合目标增益更准确，校正后频谱曲线更平坦。
针对车载音响的声场校正精度低、效率低的问题，该文提出一种无重叠频带的自适应非对称并联图示均衡器校正方法。在车载音响声场动态变化情况下，该方法考虑了有效均衡范围和自适应增益，而不是经典方法中的固定均衡范围和人工给定的增益。通过对实测数据进行实验分析，所提方法比经典方法所用均衡滤波器个数平均减少大约20%，拟合目标增益更准确，校正后频谱曲线更平坦。
2022, 44(5): 1743-1753.
doi: 10.11999/JEIT210313
摘要:
该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰，导致定位误差较大、闭环检测精度低等问题，受哺乳动物空间认知机理启发，提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模，通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值，减小冗余显著性区域带来的影响，提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试，测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。
该文针对同时定位与地图创建(SLAM)闭环检测算法易受复杂环境因素干扰，导致定位误差较大、闭环检测精度低等问题，受哺乳动物空间认知机理启发，提出一种基于兴趣倾向机制的仿生SLAM算法。采用反Hebbian网络(Lateral Anti-Hebbian Networkm, LAHN)对网格细胞进行建模，通过不规则复杂环境边界信息对网格细胞进行校正来提高算法定位精度。利用兴趣倾向机制对提取的显著性区域进行兴趣赋值，减小冗余显著性区域带来的影响，提高系统闭环准确率。将位置感知模型获取的位置信息与视觉感知模板相关联构建认知地图。在公开数据集及真实环境中进行测试，测试结果表明该文算法在构建认知地图的准确率、实时性以及对环境的适应能力具有优势。
2022, 44(5): 1754-1762.
doi: 10.11999/JEIT210270
摘要:
为了增强图像数据传输的安全性，该文提出一种新型的2维指数-余弦离散混沌映射系统。该系统通过向1维余弦混沌系统中引入指数和高次幂非线性项来构造新型混沌映射。引入的非线性项对1维余弦混沌系统的迭代过程进行扰动得到更饱满的混沌相轨。利用Lyapunov指数谱、系统分岔图等对该系统的混沌动力学性质进行了验证。基于此混沌映射，该文提出一种新型的混沌图像加密算法。该算法通过“置乱-扩散-置乱”等加密环节，使得加密后的数据具有很好的数据安全性。加密图像数据的安全性分析也表明2维指数-余弦混沌映射具有较强的算法鲁棒性以及加密安全性。
为了增强图像数据传输的安全性，该文提出一种新型的2维指数-余弦离散混沌映射系统。该系统通过向1维余弦混沌系统中引入指数和高次幂非线性项来构造新型混沌映射。引入的非线性项对1维余弦混沌系统的迭代过程进行扰动得到更饱满的混沌相轨。利用Lyapunov指数谱、系统分岔图等对该系统的混沌动力学性质进行了验证。基于此混沌映射，该文提出一种新型的混沌图像加密算法。该算法通过“置乱-扩散-置乱”等加密环节，使得加密后的数据具有很好的数据安全性。加密图像数据的安全性分析也表明2维指数-余弦混沌映射具有较强的算法鲁棒性以及加密安全性。
2022, 44(5): 1763-1772.
doi: 10.11999/JEIT210289
摘要:
搜索引擎中的增量式搜索服务通过发送实时请求为用户更新建议列表。针对搜索加密流量存在的信息泄露，该文提出一种面向中文搜索的侧信道分析方法，利用搜索请求数据包长度增量和时间间隔的可区分性，构建了3阶段的分析模型以实现对用户输入查询的识别。实验结果表明，该方法在4个常用中文搜索引擎中的识别性能均达到理论量化值，对包含1.4×105查询监控集的综合识别准确率达到76%。最后通过评估4种针对性的缓解机制，证明了通过阻断信息泄露来源可有效防御侧信道分析。
搜索引擎中的增量式搜索服务通过发送实时请求为用户更新建议列表。针对搜索加密流量存在的信息泄露，该文提出一种面向中文搜索的侧信道分析方法，利用搜索请求数据包长度增量和时间间隔的可区分性，构建了3阶段的分析模型以实现对用户输入查询的识别。实验结果表明，该方法在4个常用中文搜索引擎中的识别性能均达到理论量化值，对包含1.4×105查询监控集的综合识别准确率达到76%。最后通过评估4种针对性的缓解机制，证明了通过阻断信息泄露来源可有效防御侧信道分析。
2022, 44(5): 1773-1781.
doi: 10.11999/JEIT210276
摘要:
深度神经网络梯度下降过程中存在较大的梯度冗余，应用差分隐私机制抵御成员推理攻击时，会引入过量噪声。针对上述问题，该文利用Funk-SVD矩阵分解算法将梯度矩阵分解，分别在低维特征子空间矩阵和残差矩阵中添加噪声，利用梯度重构过程消除冗余梯度噪声。重新计算分解矩阵范数并结合平滑敏感度降低噪声规模。同时根据输入特征与输出相关性，将更多隐私预算分配给相关系数大的特征以提高训练精度。最后，根据分解矩阵范数均值提出一种自适应梯度剪裁算法以解决收敛缓慢的问题。算法利用时刻统计计算了在多种优化策略下的累计隐私损失。在标准数据集MNIST和CIFAR-10上验证了该文算法更有效地弥补了与非隐私模型之间的差距。
深度神经网络梯度下降过程中存在较大的梯度冗余，应用差分隐私机制抵御成员推理攻击时，会引入过量噪声。针对上述问题，该文利用Funk-SVD矩阵分解算法将梯度矩阵分解，分别在低维特征子空间矩阵和残差矩阵中添加噪声，利用梯度重构过程消除冗余梯度噪声。重新计算分解矩阵范数并结合平滑敏感度降低噪声规模。同时根据输入特征与输出相关性，将更多隐私预算分配给相关系数大的特征以提高训练精度。最后，根据分解矩阵范数均值提出一种自适应梯度剪裁算法以解决收敛缓慢的问题。算法利用时刻统计计算了在多种优化策略下的累计隐私损失。在标准数据集MNIST和CIFAR-10上验证了该文算法更有效地弥补了与非隐私模型之间的差距。
2022, 44(5): 1782-1791.
doi: 10.11999/JEIT210280
摘要:
现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题，该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先，与以往的隐藏框架不同，该文提出的隐藏方法中包含1个隐藏网络和2个结构相同的提取网络，实现了在1幅载体图像上同时对2幅全尺寸秘密图像进行有效的隐藏和提取；其次，为了提高图像的视觉质量，在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明，所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升，载体图像PSNR和SSIM分别提高了3.75 dB和3.61%，实现的相对容量为2，同时具有良好的泛化能力。
现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题，该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先，与以往的隐藏框架不同，该文提出的隐藏方法中包含1个隐藏网络和2个结构相同的提取网络，实现了在1幅载体图像上同时对2幅全尺寸秘密图像进行有效的隐藏和提取；其次，为了提高图像的视觉质量，在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明，所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升，载体图像PSNR和SSIM分别提高了3.75 dB和3.61%，实现的相对容量为2，同时具有良好的泛化能力。
2022, 44(5): 1792-1799.
doi: 10.11999/JEIT210239
摘要:
车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求，特别是车辆对车辆(Vehicle to Vehicle, V2V)场景。针对V2V高速移动场景，时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战，该文提出了一种基于基扩展模型(Basis Expansion Model, BEM)的UKF-RTSS (Unscented Kalman Filter- Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道，将信道参数的估计转化为基函数系数的估计；通过无迹卡尔曼滤波(UKF)，联合估计数据处信道冲激响应与时域自相关系数，用于追踪快时变的信道响应。为了进一步提升信道估计的精度，引入RTSS对后向信道状态信息进行信道估计和插值，与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明，在不同速度的快时变条件下，所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性，特别适用于车联网下的无线通信场景。
车联网应用场景对无线通信在带宽、时延、可靠性方面提出了更高的需求，特别是车辆对车辆(Vehicle to Vehicle, V2V)场景。针对V2V高速移动场景，时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战，该文提出了一种基于基扩展模型(Basis Expansion Model, BEM)的UKF-RTSS (Unscented Kalman Filter- Rauch-Tung-Striebel Smoother)信道估计方法。该方法采用BEM拟合快时变信道，将信道参数的估计转化为基函数系数的估计；通过无迹卡尔曼滤波(UKF)，联合估计数据处信道冲激响应与时域自相关系数，用于追踪快时变的信道响应。为了进一步提升信道估计的精度，引入RTSS对后向信道状态信息进行信道估计和插值，与UKF构成了“滤波和平滑”结构的UKF-RTSS联合估计器。系统仿真分析表明，在不同速度的快时变条件下，所提方法相比其他经典方法具有更高的信道估计精度和鲁棒性，特别适用于车联网下的无线通信场景。
2022, 44(5): 1800-1808.
doi: 10.11999/JEIT210590
摘要:
随着物联网(IoT)时代的到来，无线网络饱和的问题已经越来越严重。为了克服终端密集接入问题，IEEE标准协会(IEEE-SA)制定了无线局域网的最新标准—IEEE 802.11ax。该标准使用正交频分多址(OFDMA)技术对无线信道资源进行了更细致的划分，划分出的子信道被称为资源单元(RU)。为解决密集用户环境下802.11ax 上行链路的信道资源调度问题，该文提出一种基于强化学习的RU调度算法。该算法使用演员-评论家(Actor-Critic)算法训练指针网络，解决了自适应RU调度问题，最终合理分配RU资源给各用户，兼具优先级和公平性的保障。仿真结果表明，该调度算法在IEEE 802.11ax上行链路中比传统的调度方式更有效，具有较强的泛化能力，适合应用在密集用户环境下的物联网场景中。
随着物联网(IoT)时代的到来，无线网络饱和的问题已经越来越严重。为了克服终端密集接入问题，IEEE标准协会(IEEE-SA)制定了无线局域网的最新标准—IEEE 802.11ax。该标准使用正交频分多址(OFDMA)技术对无线信道资源进行了更细致的划分，划分出的子信道被称为资源单元(RU)。为解决密集用户环境下802.11ax 上行链路的信道资源调度问题，该文提出一种基于强化学习的RU调度算法。该算法使用演员-评论家(Actor-Critic)算法训练指针网络，解决了自适应RU调度问题，最终合理分配RU资源给各用户，兼具优先级和公平性的保障。仿真结果表明，该调度算法在IEEE 802.11ax上行链路中比传统的调度方式更有效，具有较强的泛化能力，适合应用在密集用户环境下的物联网场景中。
2022, 44(5): 1809-1818.
doi: 10.11999/JEIT210209
摘要:
针对窃听节点随机分布的MISO系统通信场景，该文分析了智能反射面(IRS)辅助下的安全通信性能。采用随机几何理论，将窃听节点建模为均匀泊松点过程(PPP)。合法发送节点采用天线选择策略，选择最优链路发射信号，并部署智能反射面实时调控反射相移增强链路质量，然后以传输安全中断概率为性能指标，推导了其闭式表达式，分析了反射单元数量、发射天线数量等参数对中断概率的影响，最后给出了最大化安全性能的参数选择策略。仿真结果验证了理论分析的正确性，并表明部署反射面可以在低能耗下提升安全性能。
针对窃听节点随机分布的MISO系统通信场景，该文分析了智能反射面(IRS)辅助下的安全通信性能。采用随机几何理论，将窃听节点建模为均匀泊松点过程(PPP)。合法发送节点采用天线选择策略，选择最优链路发射信号，并部署智能反射面实时调控反射相移增强链路质量，然后以传输安全中断概率为性能指标，推导了其闭式表达式，分析了反射单元数量、发射天线数量等参数对中断概率的影响，最后给出了最大化安全性能的参数选择策略。仿真结果验证了理论分析的正确性，并表明部署反射面可以在低能耗下提升安全性能。
2022, 44(5): 1819-1827.
doi: 10.11999/JEIT210267
摘要:
为探究人体通信(HBC)频段体内无线通信系统的传输特性，该文对解剖学数值人体模型和多层异质几何人体模型的体内至体表信道特性进行电磁仿真分析，首次建立了人体通信频段内10～50 MHz体内至体表路径损耗模型，并通过生物液态仿体内测量验证了电磁仿真和路径损耗模型的有效性。首先，结合时域有限积分法和数值人体模型计算10～50 MHz人体心脏节点至体表各节点的平均路径损耗，分析对比解剖学数值人体模型和多层异质人体模型的路径损耗、阴影衰落和电磁场分布特性。其次，基于表面波传播机理，提出一个带有线性修正项的对数路径损耗模型，最后建立完整的10～50 MHz体内至体表植入式人体信道模型。仿真分析和实验结果表明，该文提出的带有线性修正项的路径损耗模型可以更准确地描述此频段体内至体表路径损耗特性，采用解剖学数值人体模型进行此频段信道建模与特性研究可以有效提高植入式信道模型的可靠性。
为探究人体通信(HBC)频段体内无线通信系统的传输特性，该文对解剖学数值人体模型和多层异质几何人体模型的体内至体表信道特性进行电磁仿真分析，首次建立了人体通信频段内10～50 MHz体内至体表路径损耗模型，并通过生物液态仿体内测量验证了电磁仿真和路径损耗模型的有效性。首先，结合时域有限积分法和数值人体模型计算10～50 MHz人体心脏节点至体表各节点的平均路径损耗，分析对比解剖学数值人体模型和多层异质人体模型的路径损耗、阴影衰落和电磁场分布特性。其次，基于表面波传播机理，提出一个带有线性修正项的对数路径损耗模型，最后建立完整的10～50 MHz体内至体表植入式人体信道模型。仿真分析和实验结果表明，该文提出的带有线性修正项的路径损耗模型可以更准确地描述此频段体内至体表路径损耗特性，采用解剖学数值人体模型进行此频段信道建模与特性研究可以有效提高植入式信道模型的可靠性。
2022, 44(5): 1828-1838.
doi: 10.11999/JEIT210263
摘要:
为了进一步提升现有多用户混沌键控系统的信息传输速率和误码率(BER) 性能，该文提出一种正交多用户CD-DCSK(OMU-CD-DCSK)系统。该系统在差分混沌移位键控(DCSK)的基础上结合了相关延迟移位键控(CDSK)，每个时隙中利用正交的Walsh码序列可以传输N bit的多用户信息，然后通过正交调制技术进一步提升传输速率。在接收端，采用滑动平均滤波器降低噪声方差，改善误码性能，之后进行相关解调即可恢复多用户信息比特。推导了多径瑞利衰落信道下系统的理论BER，并通过蒙特卡罗仿真实验进行了验证。此外，还定义了系统的综合效用，用于评估混沌系统的综合性能。与其他混沌键控系统相比，OMU-CD-DCSK的综合性能有明显优势，因此具有较好的实用价值。
为了进一步提升现有多用户混沌键控系统的信息传输速率和误码率(BER) 性能，该文提出一种正交多用户CD-DCSK(OMU-CD-DCSK)系统。该系统在差分混沌移位键控(DCSK)的基础上结合了相关延迟移位键控(CDSK)，每个时隙中利用正交的Walsh码序列可以传输N bit的多用户信息，然后通过正交调制技术进一步提升传输速率。在接收端，采用滑动平均滤波器降低噪声方差，改善误码性能，之后进行相关解调即可恢复多用户信息比特。推导了多径瑞利衰落信道下系统的理论BER，并通过蒙特卡罗仿真实验进行了验证。此外，还定义了系统的综合效用，用于评估混沌系统的综合性能。与其他混沌键控系统相比，OMU-CD-DCSK的综合性能有明显优势，因此具有较好的实用价值。
2022, 44(5): 1839-1846.
doi: 10.11999/JEIT210228
摘要:
针对无线供能移动边缘计算(MEC)网络，该文将计算时延定义为数据卸载与计算所消耗的时间，并提出一种节点计算时延之和最小化的多维资源分配方法。首先，在节点能量因果约束下，通过联合优化专用能量站工作时长、任务分割系数、节点计算频率和发射功率来建立一个计算时延之和最小化的多维资源分配问题。由于存在优化变量耦合与max-max函数，所建问题非凸且无法采用凸优化工具获取最优解。为此，通过引入一系列松弛变量和辅助变量来进行优化问题简化以及优化变量解耦，并在此基础上，通过深入分析简化问题的结构特性，提出一种基于二分法的迭代算法来求解原问题的最优解。最后，计算机仿真验证了所提迭代算法的正确性以及所提资源分配方法在计算时延方面的优越性。
针对无线供能移动边缘计算(MEC)网络，该文将计算时延定义为数据卸载与计算所消耗的时间，并提出一种节点计算时延之和最小化的多维资源分配方法。首先，在节点能量因果约束下，通过联合优化专用能量站工作时长、任务分割系数、节点计算频率和发射功率来建立一个计算时延之和最小化的多维资源分配问题。由于存在优化变量耦合与max-max函数，所建问题非凸且无法采用凸优化工具获取最优解。为此，通过引入一系列松弛变量和辅助变量来进行优化问题简化以及优化变量解耦，并在此基础上，通过深入分析简化问题的结构特性，提出一种基于二分法的迭代算法来求解原问题的最优解。最后，计算机仿真验证了所提迭代算法的正确性以及所提资源分配方法在计算时延方面的优越性。
2022, 44(5): 1847-1855.
doi: 10.11999/JEIT210204
摘要:
为解决毫米波大规模多输入多输出(MIMO)系统因功率泄漏导致的能量损耗问题，该文提出基于最小相位误差的波束旋转(MPE-BR)预编码方案。首先，采用基于相移器的波束选择网络，构建波束选择集合，系统中每个射频(RF)链通过选择多个波束达到收集泄漏功率的目的。然后，以最大增益波束为基准，根据最小相位误差准则确定波束选择集合的相位，将所选波束的信道增益近似对准同一方向，使得用户的接收信噪比(SNR)最大，从而提高系统性能。此外，该文对所提预编码算法进行了理论分析，推导了频谱效率上界和能量效率上界。实验验证了理论推导的正确性，仿真结果表明，所提方法具有接近无漏功率的和速率性能，与现有的算法相比，所提方案具有较好的频谱效率和能量效率性能。
为解决毫米波大规模多输入多输出(MIMO)系统因功率泄漏导致的能量损耗问题，该文提出基于最小相位误差的波束旋转(MPE-BR)预编码方案。首先，采用基于相移器的波束选择网络，构建波束选择集合，系统中每个射频(RF)链通过选择多个波束达到收集泄漏功率的目的。然后，以最大增益波束为基准，根据最小相位误差准则确定波束选择集合的相位，将所选波束的信道增益近似对准同一方向，使得用户的接收信噪比(SNR)最大，从而提高系统性能。此外，该文对所提预编码算法进行了理论分析，推导了频谱效率上界和能量效率上界。实验验证了理论推导的正确性，仿真结果表明，所提方法具有接近无漏功率的和速率性能，与现有的算法相比，所提方案具有较好的频谱效率和能量效率性能。
2022, 44(5): 1856-1864.
doi: 10.11999/JEIT210269
摘要:
为提高多输入多输出(MIMO)雷达的目标角度估计性能，同时兼顾雷达发射功率利用率的需求，该文以合成发射导向矢量与期望导向矢量二范数误差为目标函数，研究了阵元等功率约束下的发射加权矩阵优化问题。推导了发射加权矩阵向量化条件下的等价优化模型，并基于循环优化方法和改进PDR算法对其进行了求解。在每次迭代过程中，所提方法均能获得子优化问题的闭式解，因而其计算复杂度非常低。在此基础之上，从理论上证明了所提方法的收敛性。由于该方法实现了MIMO雷达发射功率在期望空域的聚焦，在同等条件下相比传统MIMO雷达能够有效提高目标的角度估计性能。最后，仿真实验表明了所提方法的有效性。
为提高多输入多输出(MIMO)雷达的目标角度估计性能，同时兼顾雷达发射功率利用率的需求，该文以合成发射导向矢量与期望导向矢量二范数误差为目标函数，研究了阵元等功率约束下的发射加权矩阵优化问题。推导了发射加权矩阵向量化条件下的等价优化模型，并基于循环优化方法和改进PDR算法对其进行了求解。在每次迭代过程中，所提方法均能获得子优化问题的闭式解，因而其计算复杂度非常低。在此基础之上，从理论上证明了所提方法的收敛性。由于该方法实现了MIMO雷达发射功率在期望空域的聚焦，在同等条件下相比传统MIMO雷达能够有效提高目标的角度估计性能。最后，仿真实验表明了所提方法的有效性。
2022, 44(5): 1865-1878.
doi: 10.11999/JEIT210932
摘要:
深度学习模型面对非独立同分布数据流时，新知识会覆盖旧知识，造成其性能大幅度下降。而持续学习(CL)技术可以从非独立同分布数据流中获取增量可用知识，不断积累新知识的同时无须从头学习，通过模仿类脑的学习与记忆机制达到类人智能。该文针对脑启发式持续学习方法进行综述。首先，回顾持续学习发展历程；其次，从类脑持续学习机制的角度，将持续学习研究方法分为经典方法与脑启发方法两类，对重放、正则化与稀疏化3种经典持续学习方法的研究现状进行总结，分析了其所面临的困境。为此，针对更接近类脑持续学习能力的突触、双系统、睡眠及模块化4类脑启发方法进行阐述分析与对比总结；最后，概述脑启发式持续学习的应用现状，并探讨了在现有技术条件下实现脑启发式持续学习所面临的挑战及其未来发展方向。
深度学习模型面对非独立同分布数据流时，新知识会覆盖旧知识，造成其性能大幅度下降。而持续学习(CL)技术可以从非独立同分布数据流中获取增量可用知识，不断积累新知识的同时无须从头学习，通过模仿类脑的学习与记忆机制达到类人智能。该文针对脑启发式持续学习方法进行综述。首先，回顾持续学习发展历程；其次，从类脑持续学习机制的角度，将持续学习研究方法分为经典方法与脑启发方法两类，对重放、正则化与稀疏化3种经典持续学习方法的研究现状进行总结，分析了其所面临的困境。为此，针对更接近类脑持续学习能力的突触、双系统、睡眠及模块化4类脑启发方法进行阐述分析与对比总结；最后，概述脑启发式持续学习的应用现状，并探讨了在现有技术条件下实现脑启发式持续学习所面临的挑战及其未来发展方向。
