邮件订阅
2024年 第46卷 第11期
2024, 46(11): 4081-4091.
doi: 10.11999/JEIT240284
摘要:
基于可变电阻式随机存取存储器(ReRAM)的存算一体芯片已经成为加速深度学习应用的一种高效解决方案。随着智能化应用的不断发展，规模越来越大的深度学习模型对处理平台的计算和存储资源提出了更高的要求。然而，由于ReRAM器件的非理想性，基于ReRAM的大规模计算芯片面临着低良率与低可靠性的严峻挑战。多芯粒集成的芯片架构通过将多个小芯粒封装到单个芯片中，提高了芯片良率、降低了芯片制造成本，已经成为芯片设计的主要发展趋势。然而，相比于单片式芯片数据的片上传输，芯粒间的昂贵通信成为多芯粒集成芯片的性能瓶颈，限制了集成芯片的算力扩展。因此，该文提出一种基于芯粒集成的存算一体加速器扩展框架—SMCA。该框架通过对深度学习计算任务的自适应划分和基于可满足性模理论(SMT)的自动化任务部署，在芯粒集成的深度学习加速器上生成高能效、低传输开销的工作负载调度方案，实现系统性能与能效的有效提升。实验结果表明，与现有策略相比，SMCA为深度学习任务在集成芯片上自动生成的调度优化方案可以降低35%的芯粒间通信能耗。
基于可变电阻式随机存取存储器(ReRAM)的存算一体芯片已经成为加速深度学习应用的一种高效解决方案。随着智能化应用的不断发展，规模越来越大的深度学习模型对处理平台的计算和存储资源提出了更高的要求。然而，由于ReRAM器件的非理想性，基于ReRAM的大规模计算芯片面临着低良率与低可靠性的严峻挑战。多芯粒集成的芯片架构通过将多个小芯粒封装到单个芯片中，提高了芯片良率、降低了芯片制造成本，已经成为芯片设计的主要发展趋势。然而，相比于单片式芯片数据的片上传输，芯粒间的昂贵通信成为多芯粒集成芯片的性能瓶颈，限制了集成芯片的算力扩展。因此，该文提出一种基于芯粒集成的存算一体加速器扩展框架—SMCA。该框架通过对深度学习计算任务的自适应划分和基于可满足性模理论(SMT)的自动化任务部署，在芯粒集成的深度学习加速器上生成高能效、低传输开销的工作负载调度方案，实现系统性能与能效的有效提升。实验结果表明，与现有策略相比，SMCA为深度学习任务在集成芯片上自动生成的调度优化方案可以降低35%的芯粒间通信能耗。
2024, 46(11): 4092-4100.
doi: 10.11999/JEIT240162
摘要:
随着芯片制程不断深入到亚微纳米级别，技术节点的持续缩小加速了片上网络中链路故障的发生。故障链路的增多降低了可用的路由路径数量，并可能导致严重的流量拥塞甚至系统崩溃。为了保证在遭遇故障链路时数据包的正常传输，该文提出一种基于自适应容错链路的片上网络设计(AFL_NoC)，它能够将遭遇故障链路的数据包转发到另一条可逆链路上。该方案包括了可逆链路的具体实现以及相应的分布式控制协议。这种动态容错链路设计充分利用了网络中空闲的可用链路资源，确保了在遭遇链路故障的情况下网络通信不会中断。与先进的容错偏转路由算法QFCAR-W相比，AFL_NoC平均延迟降低10%，面积开销减少了14.2%，功耗开销减少了9.3%。
随着芯片制程不断深入到亚微纳米级别，技术节点的持续缩小加速了片上网络中链路故障的发生。故障链路的增多降低了可用的路由路径数量，并可能导致严重的流量拥塞甚至系统崩溃。为了保证在遭遇故障链路时数据包的正常传输，该文提出一种基于自适应容错链路的片上网络设计(AFL_NoC)，它能够将遭遇故障链路的数据包转发到另一条可逆链路上。该方案包括了可逆链路的具体实现以及相应的分布式控制协议。这种动态容错链路设计充分利用了网络中空闲的可用链路资源，确保了在遭遇链路故障的情况下网络通信不会中断。与先进的容错偏转路由算法QFCAR-W相比，AFL_NoC平均延迟降低10%，面积开销减少了14.2%，功耗开销减少了9.3%。
2024, 46(11): 4101-4111.
doi: 10.11999/JEIT240300
摘要:
物理不可克隆函数(PUF)和异或(XOR)运算在信息安全领域均发挥着重要作用。为突破PUF与逻辑运算之间的功能壁垒，通过对PUF工作机理和差分串联电压开关逻辑(DCVSL)的研究，该文提出一种基于DCVSL异或门级联单元随机工艺偏差的PUF和多位并行异或运算电路一体化设计方案。通过在DCVSL异或门差分输出端增加预充电管并在对地端设置管控门，可实现PUF特征信息提取、异或/同或(XOR/XNOR)运算和功率控制3种工作模式自由切换。此外，针对PUF响应稳定性问题，提出极端工作点和黄金工作点共同参与标记的不稳定位混合筛选技术。基于TSMC 65 nm工艺，对输入位宽为10位的电路进行全定制版图设计，面积为38.76 μm2。实验结果表明，PUF模式下，可产生1 024位输出响应，混合筛选后可获得超过512位稳定的密钥，且具有良好的随机性和唯一性；运算模式下，可同时实现10位并行异或和同或运算，功耗和延时分别为2.67 μW和593.52 ps。功控模式下，待机功耗仅70.5 nW。所提方法为突破PUF“功能墙”提供了一种新的设计思路。
物理不可克隆函数(PUF)和异或(XOR)运算在信息安全领域均发挥着重要作用。为突破PUF与逻辑运算之间的功能壁垒，通过对PUF工作机理和差分串联电压开关逻辑(DCVSL)的研究，该文提出一种基于DCVSL异或门级联单元随机工艺偏差的PUF和多位并行异或运算电路一体化设计方案。通过在DCVSL异或门差分输出端增加预充电管并在对地端设置管控门，可实现PUF特征信息提取、异或/同或(XOR/XNOR)运算和功率控制3种工作模式自由切换。此外，针对PUF响应稳定性问题，提出极端工作点和黄金工作点共同参与标记的不稳定位混合筛选技术。基于TSMC 65 nm工艺，对输入位宽为10位的电路进行全定制版图设计，面积为38.76 μm2。实验结果表明，PUF模式下，可产生1 024位输出响应，混合筛选后可获得超过512位稳定的密钥，且具有良好的随机性和唯一性；运算模式下，可同时实现10位并行异或和同或运算，功耗和延时分别为2.67 μW和593.52 ps。功控模式下，待机功耗仅70.5 nW。所提方法为突破PUF“功能墙”提供了一种新的设计思路。
2024, 46(11): 4112-4122.
doi: 10.11999/JEIT240090
摘要:
模块化高压电源具有高效率、高可靠性、可重构性等特点在大功率高压器件中得到广泛应用。其中基于串并联谐振变换器的输入串联输出串联型功率变换拓扑适用于高频高压工作环境，具有减少功率损耗，绕组介质损耗，利用多级变压器寄生参数等优势，有广泛的应用前景。目前关于该拓扑的研究主要集中于理论分析和效率优化，在实际高压环境应用中多级变压器绕组间存在的高压隔离问题还未得到有效解决，该文提出多级变压器共用原边绕组的设计，简化传统变压器单级绕制方式所存在的高压隔离问题。然而该绕制方案会造成多级变压器不均压和电压发散现象，因此该文同时基于利用变压器和倍压整流电路中二极管的寄生参数，提出改进的拓扑设计，有效解决了分压不均问题，进行了仿真验证与试验验证。仿真结果与实验结果均证明了所提共用原边绕组的高压隔离结构和改进拓扑的有效性。
模块化高压电源具有高效率、高可靠性、可重构性等特点在大功率高压器件中得到广泛应用。其中基于串并联谐振变换器的输入串联输出串联型功率变换拓扑适用于高频高压工作环境，具有减少功率损耗，绕组介质损耗，利用多级变压器寄生参数等优势，有广泛的应用前景。目前关于该拓扑的研究主要集中于理论分析和效率优化，在实际高压环境应用中多级变压器绕组间存在的高压隔离问题还未得到有效解决，该文提出多级变压器共用原边绕组的设计，简化传统变压器单级绕制方式所存在的高压隔离问题。然而该绕制方案会造成多级变压器不均压和电压发散现象，因此该文同时基于利用变压器和倍压整流电路中二极管的寄生参数，提出改进的拓扑设计，有效解决了分压不均问题，进行了仿真验证与试验验证。仿真结果与实验结果均证明了所提共用原边绕组的高压隔离结构和改进拓扑的有效性。
2024, 46(11): 4123-4131.
doi: 10.11999/JEIT240224
摘要:
信号盲检测在大规模通信网络中具有重要的意义并得到了广泛的应用，如何快速得到信号盲检测结果是新一代实时通信网络的迫切需求。为此，该文从模拟电路的角度设计了一种能加速信号盲检测的复值Hopfield神经网络(CHNN)电路，该电路可一步完成大规模并行计算，提高信号盲检测速度，同时该电路可以通过调整忆阻器的电导和输入电压来实现可编程功能。Pspice仿真结果表明，该电路的计算精度可达99%以上，运行时间比Matlab软件仿真快3个数量级，此外，该电路具有良好的鲁棒性，即使在20%的噪声干扰下，仍能保持99%以上的计算精度。
信号盲检测在大规模通信网络中具有重要的意义并得到了广泛的应用，如何快速得到信号盲检测结果是新一代实时通信网络的迫切需求。为此，该文从模拟电路的角度设计了一种能加速信号盲检测的复值Hopfield神经网络(CHNN)电路，该电路可一步完成大规模并行计算，提高信号盲检测速度，同时该电路可以通过调整忆阻器的电导和输入电压来实现可编程功能。Pspice仿真结果表明，该电路的计算精度可达99%以上，运行时间比Matlab软件仿真快3个数量级，此外，该电路具有良好的鲁棒性，即使在20%的噪声干扰下，仍能保持99%以上的计算精度。
2024, 46(11): 4132-4140.
doi: 10.11999/JEIT240210
摘要:
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
随着机器人自动导航技术的快速发展，基于软件实现的路径规划算法在实时性上已无法满足许多应用场景的需求，这就要求对算法进行快速高效的硬件定制，从而获得低延时的性能加速。该文以机器人路径规划中的经典A*算法为对象，通过构建面向硬件设计的C/C++数据结构和函数流程优化，采用高层综合(HLS)实现快速的硬件架构探索和选取较优的设计方案，并完成硬件FPGA综合。实验数据表明，相较于传统寄存器传输级(RTL)开发模式，基于HLS开发模式的路径规划算法在FPGA实现上在开发效率、硬件性能和资源占用率上都有显著提升，验证了高层综合在硬件定制中的可行性和成本优势。
2024, 46(11): 4141-4150.
doi: 10.11999/JEIT240049
摘要:
作为新一代流式微流控生物芯片，完全可编程阀门阵列(FPVA)生物芯片具有更高的灵活性和可编程性，已经成为一种流行的生物化学实验平台。然而，由于环境或人为因素，制造过程中通常存在一些物理故障，如通道阻塞和泄漏，这无疑会影响生化检测的结果。此外，高阶综合作为架构综合的首要阶段，其结果的质量直接影响着后续设计的优劣。因此，该文首次研究了FPVA生物芯片高阶综合过程中的容错问题，提出了单元功能转换方法、双向冗余方法、故障映射方法等动态容错技术，为实现高效的容错设计提供了技术保障。通过将这些技术集成到高阶综合设计中，进一步实现了一种高质量的FPVA生物芯片下容错导向的高阶综合算法，包括故障感知的实时绑定策略和故障感知的优先级调度策略，为实现芯片架构的鲁棒性和检测结果的准确性奠定了良好的基础。实验结果显示，所提算法能够得到一个FPVA生物芯片下高质量且容错的高阶综合方案，为后续实现容错物理设计方案提供了有力保障。
作为新一代流式微流控生物芯片，完全可编程阀门阵列(FPVA)生物芯片具有更高的灵活性和可编程性，已经成为一种流行的生物化学实验平台。然而，由于环境或人为因素，制造过程中通常存在一些物理故障，如通道阻塞和泄漏，这无疑会影响生化检测的结果。此外，高阶综合作为架构综合的首要阶段，其结果的质量直接影响着后续设计的优劣。因此，该文首次研究了FPVA生物芯片高阶综合过程中的容错问题，提出了单元功能转换方法、双向冗余方法、故障映射方法等动态容错技术，为实现高效的容错设计提供了技术保障。通过将这些技术集成到高阶综合设计中，进一步实现了一种高质量的FPVA生物芯片下容错导向的高阶综合算法，包括故障感知的实时绑定策略和故障感知的优先级调度策略，为实现芯片架构的鲁棒性和检测结果的准确性奠定了良好的基础。实验结果显示，所提算法能够得到一个FPVA生物芯片下高质量且容错的高阶综合方案，为后续实现容错物理设计方案提供了有力保障。
2024, 46(11): 4151-4160.
doi: 10.11999/JEIT240219
摘要:
随着集成电路技术的飞速发展，芯片在设计、生产和封装过程中，很容易被恶意植入硬件木马逻辑，当前IP软核的安全检测方法逻辑复杂、容易错漏且无法对加密IP软核进行检测。该文利用非可控IP软核与硬件木马寄存器传输级(RTL)代码灰度图谱的特征差异，提出一种基于图谱特征分析的IP软核硬件木马检测方法，通过图谱转换和图谱增强得到标准图谱，利用纹理特征提取匹配算法实现硬件木马检测。实验使用设计阶段被植入7类典型木马的功能逻辑单元为实验对象，检测结果显示7类典型硬件木马的检测正确率均达到了90%以上，图像增强后特征点匹配成功数量的平均增长率达到了13.24%，有效提高了硬件木马检测的效率。
随着集成电路技术的飞速发展，芯片在设计、生产和封装过程中，很容易被恶意植入硬件木马逻辑，当前IP软核的安全检测方法逻辑复杂、容易错漏且无法对加密IP软核进行检测。该文利用非可控IP软核与硬件木马寄存器传输级(RTL)代码灰度图谱的特征差异，提出一种基于图谱特征分析的IP软核硬件木马检测方法，通过图谱转换和图谱增强得到标准图谱，利用纹理特征提取匹配算法实现硬件木马检测。实验使用设计阶段被植入7类典型木马的功能逻辑单元为实验对象，检测结果显示7类典型硬件木马的检测正确率均达到了90%以上，图像增强后特征点匹配成功数量的平均增长率达到了13.24%，有效提高了硬件木马检测的效率。
2024, 46(11): 4161-4169.
doi: 10.11999/JEIT240183
摘要:
带密文挪用的XEX可调分组密码(XTS)被广泛应用于存储加密中，随着大数据计算与新型侧信道分析方法的提出与应用，XTS加密模式的安全性成为一个值得关注的问题。近年来，已有部分研究针对XTS模式进行了侧信道的分析研究，通过确定部分密钥与调整值tweak，进而缩小密钥检索范围，但并没有实现对XTS模式系统的分析。该文提出一种针对SM4-XTS电路的侧信道分析技术，通过结合传统的相关功耗分析(CPA)与多阶段融合的CPA技术，解决了针对调整值模乘迭代导致的二进制数移位问题，从而实现调整值与密钥的精确提取。为了验证这种分析技术的有效性，在FPGA上实现了SM4-XTS加密模块来模拟实际情况中的加密存储器。实验结果表明，在10000 条功耗曲线下，该技术可以成功提取目标加密电路的部分调整值与密钥。
带密文挪用的XEX可调分组密码(XTS)被广泛应用于存储加密中，随着大数据计算与新型侧信道分析方法的提出与应用，XTS加密模式的安全性成为一个值得关注的问题。近年来，已有部分研究针对XTS模式进行了侧信道的分析研究，通过确定部分密钥与调整值tweak，进而缩小密钥检索范围，但并没有实现对XTS模式系统的分析。该文提出一种针对SM4-XTS电路的侧信道分析技术，通过结合传统的相关功耗分析(CPA)与多阶段融合的CPA技术，解决了针对调整值模乘迭代导致的二进制数移位问题，从而实现调整值与密钥的精确提取。为了验证这种分析技术的有效性，在FPGA上实现了SM4-XTS加密模块来模拟实际情况中的加密存储器。实验结果表明，在
2024, 46(11): 4170-4177.
doi: 10.11999/JEIT240161
摘要:
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式，从唇语视频序列中挖掘出时空联合特征。然而，由于单层的3维卷积不能很好地提取时间信息，同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限，该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中，采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征，同时提出时空坐标注意力模块，使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验，验证了所提方法的有效性。
现有的唇语识别模型大多采用将单层的3维卷积与2维卷积神经网络结合的方式，从唇语视频序列中挖掘出时空联合特征。然而，由于单层的3维卷积不能很好地提取时间信息，同时2维卷积神经网络对细粒度的唇语特征的挖掘能力有限，该文提出一种多尺度唇语识别网络(MS-LipNet)以改善唇语识别任务。该文在Res2Net网络中，采用3维时空卷积替代传统的2维卷积以更好地提取时空联合特征，同时提出时空坐标注意力模块，使网络关注于任务相关的重要区域特征。在LRW和LRW-1000数据集上进行实验，验证了所提方法的有效性。
2024, 46(11): 4178-4187.
doi: 10.11999/JEIT240316
摘要:
目前，传统显式场景表示的同时定位与地图构建(SLAM)系统对场景进行离散化，不适用于连续性场景重建。该文提出一种基于神经辐射场(NeRF)的混合场景表示的深度相机(RGB-D)SLAM系统，利用扩展显式八叉树符号距离函数(SDF)先验粗略表示场景，并通过多分辨率哈希编码以不同细节级别表示场景，实现场景几何的快速初始化，并使场景几何更易于学习。此外，运用外观颜色分解法，结合视图方向将颜色分解为漫反射颜色和镜面反射颜色，实现光照一致性的重建，使得重建结果更加真实。通过在Replica和TUM RGB-D数据集上进行实验，Replica数据集场景重建完成率达到93.65%，相较于Vox-Fusion定位精度，在Replica数据集上平均领先87.50%，在TUM RGB-D数据集上平均领先81.99%。
目前，传统显式场景表示的同时定位与地图构建(SLAM)系统对场景进行离散化，不适用于连续性场景重建。该文提出一种基于神经辐射场(NeRF)的混合场景表示的深度相机(RGB-D)SLAM系统，利用扩展显式八叉树符号距离函数(SDF)先验粗略表示场景，并通过多分辨率哈希编码以不同细节级别表示场景，实现场景几何的快速初始化，并使场景几何更易于学习。此外，运用外观颜色分解法，结合视图方向将颜色分解为漫反射颜色和镜面反射颜色，实现光照一致性的重建，使得重建结果更加真实。通过在Replica和TUM RGB-D数据集上进行实验，Replica数据集场景重建完成率达到93.65%，相较于Vox-Fusion定位精度，在Replica数据集上平均领先87.50%，在TUM RGB-D数据集上平均领先81.99%。
2024, 46(11): 4188-4197.
doi: 10.11999/JEIT240359
摘要:
受观测条件和采集场景等因素影响，水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰，导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题，该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制，而且能够根据每个样本实际状态自适应学习到与之相匹配的权重，有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时，该文设计了一个快速非贪婪算法用于最优解的获取，其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明，DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。
受观测条件和采集场景等因素影响，水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰，导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题，该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制，而且能够根据每个样本实际状态自适应学习到与之相匹配的权重，有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时，该文设计了一个快速非贪婪算法用于最优解的获取，其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明，DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。
2024, 46(11): 4198-4207.
doi: 10.11999/JEIT231394
摘要:
针对记忆网络算法中多尺度特征表达能力不足和浅层特征没有充分利用的问题，该文提出一种多尺度特征增强与全局-局部特征聚合的视频目标分割(VOS)算法。首先，通过多尺度特征增强模块融合可参考掩码分支和可参考RGB分支的不同尺度特征信息，增强多尺度特征的表达能力；同时，建立了全局-局部特征聚合模块，利用不同大小感受野的卷积操作来提取特征，并通过特征聚合模块来自适应地融合全局区域和局部区域的特征，这种融合方式可以更好地捕捉目标的全局特征和细节信息，提高分割的准确性；最后，设计了跨层融合模块，利用浅层特征的空间细节信息来提升分割掩码的精度，通过将浅层特征与深层特征融合，能更好地捕捉目标的细节和边缘信息。实验结果表明，在公开数据集DAVIS2016, DAVIS2017和YouTube-2018上，该文算法的综合性能分别达到91.8%、84.5%和83.0%，在单目标和多目标分割任务上都能实时运行。
针对记忆网络算法中多尺度特征表达能力不足和浅层特征没有充分利用的问题，该文提出一种多尺度特征增强与全局-局部特征聚合的视频目标分割(VOS)算法。首先，通过多尺度特征增强模块融合可参考掩码分支和可参考RGB分支的不同尺度特征信息，增强多尺度特征的表达能力；同时，建立了全局-局部特征聚合模块，利用不同大小感受野的卷积操作来提取特征，并通过特征聚合模块来自适应地融合全局区域和局部区域的特征，这种融合方式可以更好地捕捉目标的全局特征和细节信息，提高分割的准确性；最后，设计了跨层融合模块，利用浅层特征的空间细节信息来提升分割掩码的精度，通过将浅层特征与深层特征融合，能更好地捕捉目标的细节和边缘信息。实验结果表明，在公开数据集DAVIS2016, DAVIS2017和YouTube-2018上，该文算法的综合性能分别达到91.8%、84.5%和83.0%，在单目标和多目标分割任务上都能实时运行。
2024, 46(11): 4208-4218.
doi: 10.11999/JEIT240330
摘要:
许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像，但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练，但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性，该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层，使用预训练的条件自编码器初始化GAN以稳定模型训练；然后改进判别器的输出结构，引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响；最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络 (BAGAN)等过采样算法，能有效解决图像数据中的类不平衡问题。
许多适用于低维数据的传统不平衡学习算法在图像数据上的效果并不理想。基于生成对抗网络(GAN)的过采样算法虽然可以生成高质量图像，但在类不平衡情况下容易产生模式崩溃问题。基于自编码器(AE)的过采样算法容易训练，但生成的图像质量较低。为进一步提高过采样算法在不平衡图像中生成样本的质量和训练的稳定性，该文基于生成对抗网络和自编码器的思想提出一种融合自编码器和生成对抗网络的过采样算法(BAEGAN)。首先在自编码器中引入一个条件嵌入层，使用预训练的条件自编码器初始化GAN以稳定模型训练；然后改进判别器的输出结构，引入一种融合焦点损失和梯度惩罚的损失函数以减轻类不平衡的影响；最后从潜在向量的分布映射中使用合成少数类过采样技术(SMOTE)来生成高质量的图像。在4个图像数据集上的实验结果表明该算法在生成图像质量和过采样后的分类性能上优于具有辅助分类器的条件生成对抗网络(ACGAN)、平衡生成对抗网络 (BAGAN)等过采样算法，能有效解决图像数据中的类不平衡问题。
2024, 46(11): 4219-4228.
doi: 10.11999/JEIT240113
摘要:
多曝光图像融合可提高图像的动态范围，从而获取高质量的图像。对于在像自动驾驶等快速运动场景中获得的模糊的长曝光图像，利用通用的图像融合方法将其直接与低曝光图像融合得到的图像质量并不高。目前暂缺乏对带有运动模糊的长曝光和短曝光图像的端到端融合方法。基于此,该文提出一种联合多曝光融合和图像去模糊的深度网络(DF-Net)端到端地解决带有运动模糊的长短曝光图像融合问题。该方法提出一种结合小波变换的残差模块用于构建编码器和解码器，其中设计单个编码器对短曝光图像进行特征提取，构建基于编码器和解码器的多级结构对带有模糊的长曝光图像进行特征提取，设计残差均值激励融合模块进行长短曝光特征的融合，最后通过解码器重建图像。由于缺少基准数据集，创建了基于数据集 SICE 的带有运动模糊的多曝光融合数据集，用于模型的训练与测试。最后，从定性和定量的角度将所设计的模型和方法和其他先进的图像去模糊和多曝光融合的分步优化方法进行了实验对比，验证了该文的模型和方法对带有运动模糊的多曝光图像融合的优越性。并在移动车辆上采集到的多曝光数据组上进行验证，结果显示了所提方法解决实际问题的有效性。
多曝光图像融合可提高图像的动态范围，从而获取高质量的图像。对于在像自动驾驶等快速运动场景中获得的模糊的长曝光图像，利用通用的图像融合方法将其直接与低曝光图像融合得到的图像质量并不高。目前暂缺乏对带有运动模糊的长曝光和短曝光图像的端到端融合方法。基于此,该文提出一种联合多曝光融合和图像去模糊的深度网络(DF-Net)端到端地解决带有运动模糊的长短曝光图像融合问题。该方法提出一种结合小波变换的残差模块用于构建编码器和解码器，其中设计单个编码器对短曝光图像进行特征提取，构建基于编码器和解码器的多级结构对带有模糊的长曝光图像进行特征提取，设计残差均值激励融合模块进行长短曝光特征的融合，最后通过解码器重建图像。由于缺少基准数据集，创建了基于数据集 SICE 的带有运动模糊的多曝光融合数据集，用于模型的训练与测试。最后，从定性和定量的角度将所设计的模型和方法和其他先进的图像去模糊和多曝光融合的分步优化方法进行了实验对比，验证了该文的模型和方法对带有运动模糊的多曝光图像融合的优越性。并在移动车辆上采集到的多曝光数据组上进行验证，结果显示了所提方法解决实际问题的有效性。
2024, 46(11): 4229-4235.
doi: 10.11999/JEIT240114
摘要:
鉴于深度图像先验(DIP)降噪模型的性能高度依赖于目标图像所确定的搜索空间，该文提出一种新的基于近清图像空间搜索策略的改进降噪模型。首先，使用当前两种主流有监督降噪模型对同一场景下两张噪声图像分别进行降噪，所获得两张降噪后图像称为近清图像；其次，采用随机采样融合法将两张近清图像融合后作为网络输入，同时以两张近清图像替换噪声图像作为双目标图像以更好地约束搜索空间，进而在更为接近参考图像的空间范围内搜索可能的图像作为降噪后图像；最后，将原DIP模型的多尺度UNet网络简化为单尺度模式，同时引入Transformer模块以增强网络对长距离像素点之间的建模能力，从而在保证网络搜索能力的基础上提升模型的执行效率。实验结果表明：所提改进模型在降噪效果和执行效率两个方面显著优于原DIP模型，在降噪效果方面也超过了主流有监督降噪模型。
鉴于深度图像先验(DIP)降噪模型的性能高度依赖于目标图像所确定的搜索空间，该文提出一种新的基于近清图像空间搜索策略的改进降噪模型。首先，使用当前两种主流有监督降噪模型对同一场景下两张噪声图像分别进行降噪，所获得两张降噪后图像称为近清图像；其次，采用随机采样融合法将两张近清图像融合后作为网络输入，同时以两张近清图像替换噪声图像作为双目标图像以更好地约束搜索空间，进而在更为接近参考图像的空间范围内搜索可能的图像作为降噪后图像；最后，将原DIP模型的多尺度UNet网络简化为单尺度模式，同时引入Transformer模块以增强网络对长距离像素点之间的建模能力，从而在保证网络搜索能力的基础上提升模型的执行效率。实验结果表明：所提改进模型在降噪效果和执行效率两个方面显著优于原DIP模型，在降噪效果方面也超过了主流有监督降噪模型。
2024, 46(11): 4236-4246.
doi: 10.11999/JEIT240257
摘要:
针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题，该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先，设计了一种双层路由感知模块(BRPM)，通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野，使模型更加高效地整合不同窗口和尺寸之间的特征，从而提高模型在复杂场景中对目标的感知能力。其次，通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM)，将图像分解为低频和高频信息，以此来捕获图像中目标结构和细粒度信息，从而提高模型在复杂环境下的鲁棒性和准确性。在OTB99, LaSOT, TNL2K 3个跟踪数据集上分别取得了86.1%, 64.4%, 63.2%的精度，在RefCOCOg数据集上取得了70.21%的准确率，在跟踪和定位方面的性能均优于基准模型。
针对视觉-语言关系建模中存在感受野有限和特征交互不充分问题，该文提出一种结合双层路由感知和散射视觉变换的视觉-语言跟踪框架(BPSVTrack)。首先，设计了一种双层路由感知模块(BRPM)，通过将高效的加性注意力(EAA)与双动态自适应模块(DDAM)并行结合起来进行双向交互来扩大感受野，使模型更加高效地整合不同窗口和尺寸之间的特征，从而提高模型在复杂场景中对目标的感知能力。其次，通过引入基于双树复小波变换(DTCWT)的散射视觉变换模块(SVTM)，将图像分解为低频和高频信息，以此来捕获图像中目标结构和细粒度信息，从而提高模型在复杂环境下的鲁棒性和准确性。在OTB99, LaSOT, TNL2K 3个跟踪数据集上分别取得了86.1%, 64.4%, 63.2%的精度，在RefCOCOg数据集上取得了70.21%的准确率，在跟踪和定位方面的性能均优于基准模型。
2024, 46(11): 4247-4258.
doi: 10.11999/JEIT240295
摘要:
视频压缩感知重构属于高度欠定问题，初始重构质量低与运动估计方式单一限制了帧间相关性的有效建模。为改善视频重构性能，该文提出静态与动态域先验增强两阶段重构网络(SDPETs-Net)。首先，提出利用参考帧测量值重构2阶静态域残差的策略，并设计相应的静态域先验增强网络(SPE-Net)，为动态域先验建模提供可靠基础。其次，设计塔式可变形卷积联合注意力搜索网络(PDCA-Net)，通过结合可变形卷积与注意力机制的优势，并构建塔式级联结构，有效地建模并利用动态域先验知识。最后，多特征融合残差重构网络(MFRR-Net)从多尺度提取并融合各特征的关键信息以重构残差，缓解两阶段耦合导致不稳定的模型训练，并抑制特征的退化。实验结果表明，在UCF101测试集下，与具有代表性的两阶段网络JDR-TAFA-Net相比，峰值信噪比(PSNR)平均提升3.34 dB，与近期的多阶段网络DMIGAN相比，平均提升0.79 dB。
视频压缩感知重构属于高度欠定问题，初始重构质量低与运动估计方式单一限制了帧间相关性的有效建模。为改善视频重构性能，该文提出静态与动态域先验增强两阶段重构网络(SDPETs-Net)。首先，提出利用参考帧测量值重构2阶静态域残差的策略，并设计相应的静态域先验增强网络(SPE-Net)，为动态域先验建模提供可靠基础。其次，设计塔式可变形卷积联合注意力搜索网络(PDCA-Net)，通过结合可变形卷积与注意力机制的优势，并构建塔式级联结构，有效地建模并利用动态域先验知识。最后，多特征融合残差重构网络(MFRR-Net)从多尺度提取并融合各特征的关键信息以重构残差，缓解两阶段耦合导致不稳定的模型训练，并抑制特征的退化。实验结果表明，在UCF101测试集下，与具有代表性的两阶段网络JDR-TAFA-Net相比，峰值信噪比(PSNR)平均提升3.34 dB，与近期的多阶段网络DMIGAN相比，平均提升0.79 dB。
2024, 46(11): 4259-4267.
doi: 10.11999/JEIT240253
摘要:
海表面温度对于海洋动力过程及海气相互作用等具有重要意义，是海洋环境关键要素之一。浮标是海表面温度观测的常用手段，但由于浮标在空间的分布不规则，浮标采集的海表面温度数据也呈现非规则性。另外，浮标在实际工作中难免存在故障，致使采集的海表面温度数据存在缺失。因此对存在缺失的非规则海表面温度数据进行重构具有重要意义。该文通过将海表面温度数据建立为时变图信号，利用图信号处理方法解决海表面温度缺失数据重构问题。首先，利用数据的低秩性和时域-图域联合变差特性构建海表面温度重构模型；其次，基于交替方向乘子法框架提出一种求解该优化模型的基于低秩和联合平滑性(LRJS)的时变图信号重构方法，并分析该方法的计算复杂度和估计误差的理论极限；最后，采用南海和太平洋海域海表温度数据对方法的有效性进行了评估，结果表明，与现有缺失数据重构方法相比，该文所提LRJS方法有更高的重建精度。
海表面温度对于海洋动力过程及海气相互作用等具有重要意义，是海洋环境关键要素之一。浮标是海表面温度观测的常用手段，但由于浮标在空间的分布不规则，浮标采集的海表面温度数据也呈现非规则性。另外，浮标在实际工作中难免存在故障，致使采集的海表面温度数据存在缺失。因此对存在缺失的非规则海表面温度数据进行重构具有重要意义。该文通过将海表面温度数据建立为时变图信号，利用图信号处理方法解决海表面温度缺失数据重构问题。首先，利用数据的低秩性和时域-图域联合变差特性构建海表面温度重构模型；其次，基于交替方向乘子法框架提出一种求解该优化模型的基于低秩和联合平滑性(LRJS)的时变图信号重构方法，并分析该方法的计算复杂度和估计误差的理论极限；最后，采用南海和太平洋海域海表温度数据对方法的有效性进行了评估，结果表明，与现有缺失数据重构方法相比，该文所提LRJS方法有更高的重建精度。
2024, 46(11): 4268-4277.
doi: 10.11999/JEIT240342
摘要:
在现代电子对抗中，将多部探通一体化系统进行组网，可以提高单站探通一体化系统探测效率和协同探测能力。由于探通一体化信号自身峰均比较高，信号易被截获，系统的生存能力受到严重威胁。为了提升探通一体化信号的低截获性能(LPI)，首先该文在滤波器组多载波的框架下，提出一种通信子载波分组功率优化和雷达子载波异置等功率优化的组网低截获探通一体化信号时频结构。然后，该文从信息论的角度出发，统一了系统的性能评估指标；将最小化截获信息距离作为优化目标函数，建立了组网探通一体化信号低截获优化模型。该文将此优化模型转换为凸优化问题，并利用Karush-Kuhn-Tucker条件对其进行求解。仿真结果表明，该文所设计的组网低截获探通一体化信号在探测动目标时，节点间雷达干扰低至近–60 dB，通信误码率满足10–6数量级，同时能有效降低截获信号的信噪比。
在现代电子对抗中，将多部探通一体化系统进行组网，可以提高单站探通一体化系统探测效率和协同探测能力。由于探通一体化信号自身峰均比较高，信号易被截获，系统的生存能力受到严重威胁。为了提升探通一体化信号的低截获性能(LPI)，首先该文在滤波器组多载波的框架下，提出一种通信子载波分组功率优化和雷达子载波异置等功率优化的组网低截获探通一体化信号时频结构。然后，该文从信息论的角度出发，统一了系统的性能评估指标；将最小化截获信息距离作为优化目标函数，建立了组网探通一体化信号低截获优化模型。该文将此优化模型转换为凸优化问题，并利用Karush-Kuhn-Tucker条件对其进行求解。仿真结果表明，该文所设计的组网低截获探通一体化信号在探测动目标时，节点间雷达干扰低至近–60 dB，通信误码率满足10–6数量级，同时能有效降低截获信号的信噪比。
2024, 46(11): 4278-4286.
doi: 10.11999/JEIT240389
摘要:
该文研究基于速率分割多址接入的两用户下行安全传输的方案设计与优化问题。考虑发给两用户的部分消息需要在用户间保密的场景，在保证保密消息传输速率的条件下最大化非保密消息传输和速率。公共流仅传输非保密消息，而私有流分时传输非保密消息和保密消息，对各消息流发送预编码矢量，速率分割、私有流非保密和保密消息传输时长分配等进行联合优化。通过将原问题分解为两层优化问题，并利用二分搜索、松弛变量、连续凸逼近等方法将原问题进行转化和求解。仿真结果显示，相较于私有流仅传输保密消息的速率分割多址接入和分时的空分多址接入方案，所提出的方案能获得更高非保密传输速率。
该文研究基于速率分割多址接入的两用户下行安全传输的方案设计与优化问题。考虑发给两用户的部分消息需要在用户间保密的场景，在保证保密消息传输速率的条件下最大化非保密消息传输和速率。公共流仅传输非保密消息，而私有流分时传输非保密消息和保密消息，对各消息流发送预编码矢量，速率分割、私有流非保密和保密消息传输时长分配等进行联合优化。通过将原问题分解为两层优化问题，并利用二分搜索、松弛变量、连续凸逼近等方法将原问题进行转化和求解。仿真结果显示，相较于私有流仅传输保密消息的速率分割多址接入和分时的空分多址接入方案，所提出的方案能获得更高非保密传输速率。
2024, 46(11): 4287-4294.
doi: 10.11999/JEIT240275
摘要:
为解决无人机(UAV)在非授权频段下频谱资源受限的瓶颈问题，针对城市环境中UAV辅助监测的通信网络，该文提出一种下垫式(Underlay)接入机制下的高谱效联合优化方案。基于UAV的高机动性将空地信道建模为概率性视距(LoS)信道，考虑同信道干扰和UAV最大速度约束建立联合功率分配-轨迹规划的混合资源优化模型，在主用户占用频谱情况下使UAV在给定任务时间内实现监测数据的快速传输。原始问题为NP-hard的混合整数非凸问题，首先将其解耦为双层规划问题，采用松弛变量和逐次凸逼近(SCA)技术将轨迹问题转换为凸规划问题后实现有效求解。仿真验证了所提联合优化方案相比改进粒子群优化(PSO)方案能够提升最高约19%的频谱效率，且对于维度较高的轨迹规划问题，所提基于SCA的算法具有更低的算法复杂度和更快的收敛性。
为解决无人机(UAV)在非授权频段下频谱资源受限的瓶颈问题，针对城市环境中UAV辅助监测的通信网络，该文提出一种下垫式(Underlay)接入机制下的高谱效联合优化方案。基于UAV的高机动性将空地信道建模为概率性视距(LoS)信道，考虑同信道干扰和UAV最大速度约束建立联合功率分配-轨迹规划的混合资源优化模型，在主用户占用频谱情况下使UAV在给定任务时间内实现监测数据的快速传输。原始问题为NP-hard的混合整数非凸问题，首先将其解耦为双层规划问题，采用松弛变量和逐次凸逼近(SCA)技术将轨迹问题转换为凸规划问题后实现有效求解。仿真验证了所提联合优化方案相比改进粒子群优化(PSO)方案能够提升最高约19%的频谱效率，且对于维度较高的轨迹规划问题，所提基于SCA的算法具有更低的算法复杂度和更快的收敛性。
2024, 46(11): 4295-4304.
doi: 10.11999/JEIT240201
摘要:
现有的多模型-高斯混合-概率假设密度(MM-GM-PHD)滤波器被广泛用于不确定机动目标跟踪，但它不能在不同模型下保持并行的估计，导致各模型的似然值滞后于目标机动。为此，该文提出一种联合多高斯混合概率假设密度(JMGM-PHD)滤波器，并将其用于纯方位多目标跟踪。首先，推导了JMGM模型，其中每个单目标状态估计由一组并行的、带模型概率的高斯函数描述，该状态估计的概率由一个非负的权重来表征。一组权值、模型概率、均值和协方差被统称为JMGM分量。根据贝叶斯规则，推导了JMGM分量的更新方法。然后，利用JMGM模型近似多目标PHD。根据交互式多模型(IMM)规则，推导出JMGM分量的交互、预测和估计方法。将所提JMGM-PHD滤波器应用于纯方位跟踪(BOT)时，针对同时执行平移和旋转的观测站，基于复合函数求导规则推导出一种计算线性化观测矩阵的方法。所提JMGM-PHD滤波器保持了单模型PHD滤波器的形式，但能够自适应地跟踪不确定机动目标。仿真结果表明，JMGM-PHD滤波器克服了似然值滞后于目标机动的问题，在跟踪精度和计算成本方面均优于MM-GM-PHD滤波器。
现有的多模型-高斯混合-概率假设密度(MM-GM-PHD)滤波器被广泛用于不确定机动目标跟踪，但它不能在不同模型下保持并行的估计，导致各模型的似然值滞后于目标机动。为此，该文提出一种联合多高斯混合概率假设密度(JMGM-PHD)滤波器，并将其用于纯方位多目标跟踪。首先，推导了JMGM模型，其中每个单目标状态估计由一组并行的、带模型概率的高斯函数描述，该状态估计的概率由一个非负的权重来表征。一组权值、模型概率、均值和协方差被统称为JMGM分量。根据贝叶斯规则，推导了JMGM分量的更新方法。然后，利用JMGM模型近似多目标PHD。根据交互式多模型(IMM)规则，推导出JMGM分量的交互、预测和估计方法。将所提JMGM-PHD滤波器应用于纯方位跟踪(BOT)时，针对同时执行平移和旋转的观测站，基于复合函数求导规则推导出一种计算线性化观测矩阵的方法。所提JMGM-PHD滤波器保持了单模型PHD滤波器的形式，但能够自适应地跟踪不确定机动目标。仿真结果表明，JMGM-PHD滤波器克服了似然值滞后于目标机动的问题，在跟踪精度和计算成本方面均优于MM-GM-PHD滤波器。
2024, 46(11): 4305-4316.
doi: 10.11999/JEIT240242
摘要:
探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题，该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位，命名为双重YOLO关键点定位方法(DYKL)，用于地下目标的检测与精确定位。所提模型架构包含两个阶段：首先，第1阶段是基于YOLOv8-pose模型的GPR目标检测，以确定候选目标的位置；接着，第1阶段的部分训练权重被共享并传递到第2阶段，后者以此为基础继续训练YOLOv8-pose网络，用于候选目标特征的关键点检测及获取，从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、 更快的区域卷积网络(Faster R-CNN)、 实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较，所提模型平均识别准确率达到98.8%，性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性，可以为地下目标的精确定位提供参考。
探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题，该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位，命名为双重YOLO关键点定位方法(DYKL)，用于地下目标的检测与精确定位。所提模型架构包含两个阶段：首先，第1阶段是基于YOLOv8-pose模型的GPR目标检测，以确定候选目标的位置；接着，第1阶段的部分训练权重被共享并传递到第2阶段，后者以此为基础继续训练YOLOv8-pose网络，用于候选目标特征的关键点检测及获取，从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、 更快的区域卷积网络(Faster R-CNN)、 实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较，所提模型平均识别准确率达到98.8%，性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性，可以为地下目标的精确定位提供参考。
2024, 46(11): 4317-4327.
doi: 10.11999/JEIT240286
摘要:
基于信息几何的目标检测方法为解决雷达目标检测问题提供了新的技术途径。该文以矩阵信息几何理论为基础，考虑复杂非均匀环境下，回波信杂比低，目标与杂波在矩阵流形上区分性差，导致传统信息几何检测器性能受限的问题，提出一种基于流形变换的信息几何检测器。具体地，该文建立了流形到流形映射变换，并提出待检测单元与杂波中心的几何距离联合优化方法，从而增强变换后流形上目标与杂波的区分性。通过仿真和实测数据验证，所提方法具有较好检测性能。基于仿真数据实验，当信杂比高于1 dB时，所提方法的检测概率可以达到60%以上，同时，实测数据验证结果表明，当检测概率达到80%时，相较于传统信息几何检测器，该文所提检测器能够提升检测信杂比为3～6 dB。
基于信息几何的目标检测方法为解决雷达目标检测问题提供了新的技术途径。该文以矩阵信息几何理论为基础，考虑复杂非均匀环境下，回波信杂比低，目标与杂波在矩阵流形上区分性差，导致传统信息几何检测器性能受限的问题，提出一种基于流形变换的信息几何检测器。具体地，该文建立了流形到流形映射变换，并提出待检测单元与杂波中心的几何距离联合优化方法，从而增强变换后流形上目标与杂波的区分性。通过仿真和实测数据验证，所提方法具有较好检测性能。基于仿真数据实验，当信杂比高于1 dB时，所提方法的检测概率可以达到60%以上，同时，实测数据验证结果表明，当检测概率达到80%时，相较于传统信息几何检测器，该文所提检测器能够提升检测信杂比为3～6 dB。
2024, 46(11): 4328-4334.
doi: 10.11999/JEIT240188
摘要:
由于均匀圆阵(UCA)的阵列流型不具有范德蒙结构，通常采用模式空间方法构造虚拟线性阵列，因此，UCA阵列下使用结构变换已经是2维测向的必要基本假设。该文通过对虚拟信号模型进行特征分析，避免了线性阵列的结构变换，提出一种适用于UCA和非均匀圆阵(NUCA)的实值高效2维测向方法。因此，新方法利用经前/后向平滑的阵列协方差矩阵(FBACM)以及分离实虚部后的和差变换，获得了维度相互适配的阵列流型和实值子空间，理论揭示了所获实值子空间与原始复值子空间的线性张成关系，构建了无虚假目标的空间谱，且可以推广至NUCA，增强了实值算法对于圆形阵列结构的适应性。同时，理论揭示了上述方法具有秩增强优势。数值仿真实验表明，与传统UCA阵列下的模式空间方法相比，该文所提出方法能够在显着降低复杂性的情况下，提供相似的估计性能和更好的角度分辨率。同时，在考虑幅度和相位误差等情况时，所提方法具有较强的鲁棒性。
由于均匀圆阵(UCA)的阵列流型不具有范德蒙结构，通常采用模式空间方法构造虚拟线性阵列，因此，UCA阵列下使用结构变换已经是2维测向的必要基本假设。该文通过对虚拟信号模型进行特征分析，避免了线性阵列的结构变换，提出一种适用于UCA和非均匀圆阵(NUCA)的实值高效2维测向方法。因此，新方法利用经前/后向平滑的阵列协方差矩阵(FBACM)以及分离实虚部后的和差变换，获得了维度相互适配的阵列流型和实值子空间，理论揭示了所获实值子空间与原始复值子空间的线性张成关系，构建了无虚假目标的空间谱，且可以推广至NUCA，增强了实值算法对于圆形阵列结构的适应性。同时，理论揭示了上述方法具有秩增强优势。数值仿真实验表明，与传统UCA阵列下的模式空间方法相比，该文所提出方法能够在显着降低复杂性的情况下，提供相似的估计性能和更好的角度分辨率。同时，在考虑幅度和相位误差等情况时，所提方法具有较强的鲁棒性。
