邮件订阅
2024年 第46卷 第12期
2024, 46(12): 4335-4353.
doi: 10.11999/JEIT240574
摘要:
随着6G技术的蓬勃发展和工业物联网的不断演进，联邦学习在工业领域的应用备受关注。因此，该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力，分析6G在工业物联网的应用前景，探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求。首先，调研总结了现有相关工作，提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景。在此基础上，构建了一种基于分层跨域架构的工业联邦学习新范式，旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习，以支撑典型工业物联网场景中按需、可靠的分布式智能业务，实现运营信息通信技术(OCIT)的融合。其次，分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战，并提出了潜在的解决方案或建议。最后，指出了该技术未来值得关注的相关方向，旨在一定程度上为后续研究开拓思路。
随着6G技术的蓬勃发展和工业物联网的不断演进，联邦学习在工业领域的应用备受关注。因此，该文专注于探讨6G推动下工业物联网中联邦学习的发展与应用潜力，分析6G在工业物联网的应用前景，探索如何结合6G特性利用联邦学习技术满足数据隐私保护、资源优化和智能决策需求。首先，调研总结了现有相关工作，提出了联邦学习技术面向6G工业物联网应用场景的发展需求与愿景。在此基础上，构建了一种基于分层跨域架构的工业联邦学习新范式，旨在融合6G与数字孪生技术赋能实现泛在、灵活、层次化的联邦学习，以支撑典型工业物联网场景中按需、可靠的分布式智能业务，实现运营信息通信技术(OCIT)的融合。其次，分析归纳了面向6G工业物联网的联邦学习(6G IIoT-FL)可能面临的研究挑战，并提出了潜在的解决方案或建议。最后，指出了该技术未来值得关注的相关方向，旨在一定程度上为后续研究开拓思路。
2024, 46(12): 4354-4362.
doi: 10.11999/JEIT231366
摘要:
针对信道估计误差会导致传统最优资源分配算法失效的问题，该文提出一种基于不完美信道状态信息(CSI)的多输入单输出(MISO)共生无线电系统鲁棒资源分配算法。考虑每个用户最小吞吐量约束、传输时间约束、基站最大发射功率约束和用户反射系数约束，基于有界信道不确定性模型，建立了一个传输时间、波束成形向量和反射系数联合优化的鲁棒吞吐量最大化资源分配问题。利用拉格朗日对偶、变量替换和交替优化方法将原问题转换成凸优化问题求解。仿真结果表明，与传统非共生资源分配算法相比，所提算法的吞吐量提升11.7%，中断概率减小5.31%。
针对信道估计误差会导致传统最优资源分配算法失效的问题，该文提出一种基于不完美信道状态信息(CSI)的多输入单输出(MISO)共生无线电系统鲁棒资源分配算法。考虑每个用户最小吞吐量约束、传输时间约束、基站最大发射功率约束和用户反射系数约束，基于有界信道不确定性模型，建立了一个传输时间、波束成形向量和反射系数联合优化的鲁棒吞吐量最大化资源分配问题。利用拉格朗日对偶、变量替换和交替优化方法将原问题转换成凸优化问题求解。仿真结果表明，与传统非共生资源分配算法相比，所提算法的吞吐量提升11.7%，中断概率减小5.31%。
2024, 46(12): 4363-4372.
doi: 10.11999/JEIT240407
摘要:
深度强化学习(DRL)在智能驾驶决策中的应用日益广泛，通过与环境的持续交互，能够有效提高智能驾驶系统的决策能力。然而，DRL在实际应用中面临学习效率低和数据共享安全性差的问题。为了解决这些问题，该文提出一种基于有向无环图(DAG)区块链辅助深度强化学习的智能驾驶策略优化(D-IDSO)算法。首先，构建了基于DAG区块链的双层安全数据共享架构，以确保模型数据共享的效率和安全性。其次，设计了一个基于DRL的智能驾驶决策模型，综合考虑安全性、舒适性和高效性设定多目标奖励函数，优化智能驾驶决策。此外，提出了一种改进型优先经验回放的双延时确定策略梯度(IPER-TD3)方法，以提升训练效率。最后，在CARLA仿真平台中选取制动和变道场景对智能网联汽车(CAV)进行训练。实验结果表明，所提算法显著提高了智能驾驶场景中模型训练效率，在确保模型数据安全共享的基础上，有效提升了智能驾驶的安全性、舒适性和高效性。
深度强化学习(DRL)在智能驾驶决策中的应用日益广泛，通过与环境的持续交互，能够有效提高智能驾驶系统的决策能力。然而，DRL在实际应用中面临学习效率低和数据共享安全性差的问题。为了解决这些问题，该文提出一种基于有向无环图(DAG)区块链辅助深度强化学习的智能驾驶策略优化(D-IDSO)算法。首先，构建了基于DAG区块链的双层安全数据共享架构，以确保模型数据共享的效率和安全性。其次，设计了一个基于DRL的智能驾驶决策模型，综合考虑安全性、舒适性和高效性设定多目标奖励函数，优化智能驾驶决策。此外，提出了一种改进型优先经验回放的双延时确定策略梯度(IPER-TD3)方法，以提升训练效率。最后，在CARLA仿真平台中选取制动和变道场景对智能网联汽车(CAV)进行训练。实验结果表明，所提算法显著提高了智能驾驶场景中模型训练效率，在确保模型数据安全共享的基础上，有效提升了智能驾驶的安全性、舒适性和高效性。
2024, 46(12): 4373-4382.
doi: 10.11999/JEIT240377
摘要:
飞行自组网(FANETs)因具有高机动、自组织等特点，被广泛应用于应急救援场景。在应急场景中，大量用户寻呼请求造成局部流量激增与有限频谱资源之间产生难以协调的矛盾，FANET中面临严重的信道干扰问题，亟需将频谱利用率高的部分重叠信道(POCs)扩展到应急场景中。然而，POCs的邻信道特性，导致干扰复杂难以刻画。因此，该文研究了FANET部分重叠信道分配方法，通过几何预测重构时变干扰图和无干扰最小信道间隔矩阵刻画POCs干扰模型，在此基础上提出一种基于上界置信区间的POCs动态分配算法(UCB-DAL)，通过分布式决策求解近似最优信道分配方案。仿真结果表明，该算法实现了网络干扰和信道切换次数之间性能折中，具有较好的收敛性能。
飞行自组网(FANETs)因具有高机动、自组织等特点，被广泛应用于应急救援场景。在应急场景中，大量用户寻呼请求造成局部流量激增与有限频谱资源之间产生难以协调的矛盾，FANET中面临严重的信道干扰问题，亟需将频谱利用率高的部分重叠信道(POCs)扩展到应急场景中。然而，POCs的邻信道特性，导致干扰复杂难以刻画。因此，该文研究了FANET部分重叠信道分配方法，通过几何预测重构时变干扰图和无干扰最小信道间隔矩阵刻画POCs干扰模型，在此基础上提出一种基于上界置信区间的POCs动态分配算法(UCB-DAL)，通过分布式决策求解近似最优信道分配方案。仿真结果表明，该算法实现了网络干扰和信道切换次数之间性能折中，具有较好的收敛性能。
2024, 46(12): 4383-4390.
doi: 10.11999/JEIT240518
摘要:
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
可重构智能超表面(RIS)作为6G移动通信中的潜在关键技术之一，具有低成本、低能耗和易于部署等特点。该文提出将RIS技术引入至海洋无线通信场景中，可使无线传输环境从不可控变为可控。然而，现有的信道模型难以充分揭示RIS使能基站-海面无人船近场通信信号独特的传输机理，信道特性分析方法与建模理论难以在计算准确性与复杂度之间实现平衡。因此，该文通过对RIS使能近场海洋通信中各子信道进行建模，提出空时频多域信号传播机理分析方法，建立RIS使能基站-无人船近场海洋通信参数化统计信道模型，解决现有RIS信道建模方法难以兼顾精度与效率的技术瓶颈问题，提高RIS使能近场海洋通信系统设计过程中的信道模型匹配效率，为我国6G移动通信产业的快速发展提供技术支撑。
2024, 46(12): 4391-4398.
doi: 10.11999/JEIT240427
摘要:
边缘计算通过在网络边缘侧为用户提供计算资源和缓存服务,可以有效降低执行时延和能耗。由于用户的移动性和网络的随机性，缓存服务和用户任务会频繁地在边缘服务器之间迁移，增加了系统成本。该文构建了一种基于预缓存的迁移计算模型，研究了资源分配、服务缓存和迁移决策的联合优化问题。针对这一混合整数非线性规划问题，通过分解原问题，分别采用库恩塔克条件和二分搜索法对资源分配进行优化，并提出一种基于贪婪策略的迁移决策和服务缓存联合优化算法(JMSGS)获得最优迁移决策和缓存决策。仿真结果验证了所提算法的有效性，实现系统能耗和时延加权和最小。
边缘计算通过在网络边缘侧为用户提供计算资源和缓存服务,可以有效降低执行时延和能耗。由于用户的移动性和网络的随机性，缓存服务和用户任务会频繁地在边缘服务器之间迁移，增加了系统成本。该文构建了一种基于预缓存的迁移计算模型，研究了资源分配、服务缓存和迁移决策的联合优化问题。针对这一混合整数非线性规划问题，通过分解原问题，分别采用库恩塔克条件和二分搜索法对资源分配进行优化，并提出一种基于贪婪策略的迁移决策和服务缓存联合优化算法(JMSGS)获得最优迁移决策和缓存决策。仿真结果验证了所提算法的有效性，实现系统能耗和时延加权和最小。
2024, 46(12): 4399-4408.
doi: 10.11999/JEIT240411
摘要:
利用无人机(UAV)作为空中中继节点，构建空地一体化的边缘计算网络，可以有效克服地面环境局限，拓展网络覆盖范围，为用户提供便利计算服务。该文面向无人机中继辅助的多用户、多服务器边缘计算网络场景，以最大化任务完成量为目标，研究了无人机部署位置、用户-服务器关联策略、无人机带宽分配的联合优化问题。由于该问题包含连续与离散变量，故该文综合运用差分进化、粒子群优化等工具，提出了一种基于块坐标下降(BCD)的次优算法进行求解。所提算法将原问题解耦为3个子问题独立求解，并通过迭代逼近原始问题最优解。仿真实验表明，所提算法可在满足用户任务时延需求的前提下，最大化系统总任务完成量，优于其他对比算法。
利用无人机(UAV)作为空中中继节点，构建空地一体化的边缘计算网络，可以有效克服地面环境局限，拓展网络覆盖范围，为用户提供便利计算服务。该文面向无人机中继辅助的多用户、多服务器边缘计算网络场景，以最大化任务完成量为目标，研究了无人机部署位置、用户-服务器关联策略、无人机带宽分配的联合优化问题。由于该问题包含连续与离散变量，故该文综合运用差分进化、粒子群优化等工具，提出了一种基于块坐标下降(BCD)的次优算法进行求解。所提算法将原问题解耦为3个子问题独立求解，并通过迭代逼近原始问题最优解。仿真实验表明，所提算法可在满足用户任务时延需求的前提下，最大化系统总任务完成量，优于其他对比算法。
2024, 46(12): 4409-4421.
doi: 10.11999/JEIT240505
摘要:
现阶段空间信息网络中各卫星子系统各成体系且相互割裂，使得网络呈现封闭、分裂态势，形成严峻资源壁垒，造成空间资源协同应用能力弱以及网络扩展能力低等难题。传统架构设计采用对现阶段空间网络架构的“完全颠覆”的思路，大大增加了实际部署的难度。为此，该文立足于卫星网络现状，采取“按步骤分阶段升级”的思路，促进现有网络架构的演进，从任务驱动角度开展动态可伸缩空间信息网络架构模型研究，实现空间资源在各卫星子系统间高效动态共享，促进空间资源根据任务需求变化而动态高效汇聚。首先，提出分阶段实现的网络架构模型，旨在兼容和升级现有网络架构。随后，介绍核心部件网络资源协调器的详细设计，包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略，实现空间数据的高效传输。仿真结果表明，所提网络架构实现了网络资源高效共享，大大提升空间信息网络的网络性能。
现阶段空间信息网络中各卫星子系统各成体系且相互割裂，使得网络呈现封闭、分裂态势，形成严峻资源壁垒，造成空间资源协同应用能力弱以及网络扩展能力低等难题。传统架构设计采用对现阶段空间网络架构的“完全颠覆”的思路，大大增加了实际部署的难度。为此，该文立足于卫星网络现状，采取“按步骤分阶段升级”的思路，促进现有网络架构的演进，从任务驱动角度开展动态可伸缩空间信息网络架构模型研究，实现空间资源在各卫星子系统间高效动态共享，促进空间资源根据任务需求变化而动态高效汇聚。首先，提出分阶段实现的网络架构模型，旨在兼容和升级现有网络架构。随后，介绍核心部件网络资源协调器的详细设计，包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略，实现空间数据的高效传输。仿真结果表明，所提网络架构实现了网络资源高效共享，大大提升空间信息网络的网络性能。
2024, 46(12): 4422-4431.
doi: 10.11999/JEIT240029
摘要:
针对当前网络拓扑欺骗防御方法仅从空间维度进行决策，没有考虑云原生网络环境下如何进行时空多维度拓扑欺骗防御的问题，该文提出基于深度强化学习的多阶段Flipit博弈网络拓扑欺骗防御方法来混淆云原生网络中的侦察攻击。首先分析了云原生网络环境下的拓扑欺骗攻防模型，接着在引入折扣因子和转移概率的基础上，构建了基于Flipit的多阶段博弈网络拓扑欺骗防御模型。在分析博弈攻防策略的前提下，构建了基于深度强化学习的拓扑欺骗生成方法求解多阶段博弈模型的拓扑欺骗防御策略。最后，通过搭建实验环境，验证了所提方法能够有效建模分析云原生网络的拓扑欺骗攻防场景，且所提算法相比于其他算法具有明显的优势。
针对当前网络拓扑欺骗防御方法仅从空间维度进行决策，没有考虑云原生网络环境下如何进行时空多维度拓扑欺骗防御的问题，该文提出基于深度强化学习的多阶段Flipit博弈网络拓扑欺骗防御方法来混淆云原生网络中的侦察攻击。首先分析了云原生网络环境下的拓扑欺骗攻防模型，接着在引入折扣因子和转移概率的基础上，构建了基于Flipit的多阶段博弈网络拓扑欺骗防御模型。在分析博弈攻防策略的前提下，构建了基于深度强化学习的拓扑欺骗生成方法求解多阶段博弈模型的拓扑欺骗防御策略。最后，通过搭建实验环境，验证了所提方法能够有效建模分析云原生网络的拓扑欺骗攻防场景，且所提算法相比于其他算法具有明显的优势。
2024, 46(12): 4432-4440.
doi: 10.11999/JEIT240398
摘要:
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。
2024, 46(12): 4441-4450.
doi: 10.11999/JEIT240092
摘要:
合成孔径雷达(SAR)是一种微波遥感成像雷达。近年来，随着数字化技术和射频电子技术的进步，针对SAR成像的干扰技术不断发展，基于数字射频存储技术(DRFM)的有源欺骗干扰更是给民用和军用的SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰研究，该文首先引入带有循环前缀的正交频分复用(CP-OFDM)波形进行正交波形分集设计与波形优化，获取具备优异自相关峰值旁瓣水平和互相关峰值水平的CP-OFDM宽带正交波形集；然后引入稀疏SAR成像理论，将CP-OFDM波形与稀疏SAR成像相结合，采用稀疏重构算法对CP-OFDM回波进行成像，实现具备抗欺骗干扰能力的高质量、高精度SAR成像。最终，开展了点目标、面目标以及基于真实数据模拟的复杂场景仿真实验，证明了所提方法可以将欺骗干扰产生的假目标完全去除，并对旁瓣进行抑制，实现高精度成像。
合成孔径雷达(SAR)是一种微波遥感成像雷达。近年来，随着数字化技术和射频电子技术的进步，针对SAR成像的干扰技术不断发展，基于数字射频存储技术(DRFM)的有源欺骗干扰更是给民用和军用的SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰研究，该文首先引入带有循环前缀的正交频分复用(CP-OFDM)波形进行正交波形分集设计与波形优化，获取具备优异自相关峰值旁瓣水平和互相关峰值水平的CP-OFDM宽带正交波形集；然后引入稀疏SAR成像理论，将CP-OFDM波形与稀疏SAR成像相结合，采用稀疏重构算法对CP-OFDM回波进行成像，实现具备抗欺骗干扰能力的高质量、高精度SAR成像。最终，开展了点目标、面目标以及基于真实数据模拟的复杂场景仿真实验，证明了所提方法可以将欺骗干扰产生的假目标完全去除，并对旁瓣进行抑制，实现高精度成像。
2024, 46(12): 4451-4458.
doi: 10.11999/JEIT240289
摘要:
无人机集群在对组网雷达进行航迹欺骗过程中通过延时转发截获的雷达信号生成虚假目标点，而雷达站址误差、无人机抖动误差及转发时延误差均会造成虚假目标点偏离预设位置，进而使航迹欺骗效果恶化。针对上述问题，该文在雷达量测位置、无人机预设位置和欺骗距离已知以及组网雷达空间分辨单元(SRC)一定的情况下，分析了雷达站址误差、无人机抖动误差及转发时延误差同时存在时无人机集群成功欺骗组网雷达的边界条件，并总结了上述误差对航迹欺骗效果的影响规律。数值仿真结果表明，当3种误差同时存在时，推导结果可以有效评估无人机集群对组网雷达的欺骗能力。
无人机集群在对组网雷达进行航迹欺骗过程中通过延时转发截获的雷达信号生成虚假目标点，而雷达站址误差、无人机抖动误差及转发时延误差均会造成虚假目标点偏离预设位置，进而使航迹欺骗效果恶化。针对上述问题，该文在雷达量测位置、无人机预设位置和欺骗距离已知以及组网雷达空间分辨单元(SRC)一定的情况下，分析了雷达站址误差、无人机抖动误差及转发时延误差同时存在时无人机集群成功欺骗组网雷达的边界条件，并总结了上述误差对航迹欺骗效果的影响规律。数值仿真结果表明，当3种误差同时存在时，推导结果可以有效评估无人机集群对组网雷达的欺骗能力。
2024, 46(12): 4459-4470.
doi: 10.11999/JEIT240491
摘要:
在合成孔径雷达(SAR)图像飞机目标检测识别中，飞机目标图像呈现离散特性以及结构之间的相似性会降低飞机检测与识别的准确率。为此该文设计了一种目标区域特征增强的SAR图像飞机目标检测与识别网络。网络由3部分组成：保护飞机特征的跨阶段部分网络(FP-CSPDarnet)、自适应特征融合的特征金字塔(FPN-A)以及目标区域散射特征提取与增强的检测头(D-Head)。FP-CSPDarnet在提取特征的同时可以有效保护SAR图像飞机特征；FPN-A采用多层次特征自适应融合、细化，来增强飞机特征；D-Head在检测前有效增强飞机可辨别特征，提升飞机检测与识别精度。利用SAR-ADRD数据集的实验结果证明了该文所提方法有效性，其平均精度相对与基线网络YOLOv5s提升了2.0%。
在合成孔径雷达(SAR)图像飞机目标检测识别中，飞机目标图像呈现离散特性以及结构之间的相似性会降低飞机检测与识别的准确率。为此该文设计了一种目标区域特征增强的SAR图像飞机目标检测与识别网络。网络由3部分组成：保护飞机特征的跨阶段部分网络(FP-CSPDarnet)、自适应特征融合的特征金字塔(FPN-A)以及目标区域散射特征提取与增强的检测头(D-Head)。FP-CSPDarnet在提取特征的同时可以有效保护SAR图像飞机特征；FPN-A采用多层次特征自适应融合、细化，来增强飞机特征；D-Head在检测前有效增强飞机可辨别特征，提升飞机检测与识别精度。利用SAR-ADRD数据集的实验结果证明了该文所提方法有效性，其平均精度相对与基线网络YOLOv5s提升了2.0%。
2024, 46(12): 4471-4482.
doi: 10.11999/JEIT231278
摘要:
在主动式电扫描毫米波安检成像中，均匀阵列天线存在成本受限以及复杂度高等瓶颈问题，难以在实际工程中大规模运用。由此，该文提出一种强稀疏低副瓣的近场聚焦稀疏阵列设计方法，并进一步利用改进3维时域成像算法实现高精度3维重建。首先，以近场聚焦位置以及峰值旁瓣电平为约束，以权向量的\begin{document}$ {\ell _p} $\end{document}
在主动式电扫描毫米波安检成像中，均匀阵列天线存在成本受限以及复杂度高等瓶颈问题，难以在实际工程中大规模运用。由此，该文提出一种强稀疏低副瓣的近场聚焦稀疏阵列设计方法，并进一步利用改进3维时域成像算法实现高精度3维重建。首先，以近场聚焦位置以及峰值旁瓣电平为约束，以权向量的
2024, 46(12): 4483-4492.
doi: 10.11999/JEIT240370
摘要:
为解决传统分数傅里叶变换(FrFT)在检测频移Chirp信号时脉冲分散问题，该文提出一种自适应FrFT的检测方法。该方法基于短包的结构模型以及Neyman-Pearson检测模型，引出了借助评价函数和判定阈值对信号帧检测的虚警概率和漏检概率的分析方法。结合传统FrFT对完整Chirp信号的脉冲特性，给出了对分数傅里叶积分算子的修正方案，推导出自适应FrFT对频移Chirp码元的峰值分布函数。针对自适应FrFT检测过程存在搜索时移问题，分析了该情况下频移Chirp码元峰值大小及分布情况，证明了相比于传统FrFT，自适应FrFT检测捕获无前导短数据包的性能更加优越。
为解决传统分数傅里叶变换(FrFT)在检测频移Chirp信号时脉冲分散问题，该文提出一种自适应FrFT的检测方法。该方法基于短包的结构模型以及Neyman-Pearson检测模型，引出了借助评价函数和判定阈值对信号帧检测的虚警概率和漏检概率的分析方法。结合传统FrFT对完整Chirp信号的脉冲特性，给出了对分数傅里叶积分算子的修正方案，推导出自适应FrFT对频移Chirp码元的峰值分布函数。针对自适应FrFT检测过程存在搜索时移问题，分析了该情况下频移Chirp码元峰值大小及分布情况，证明了相比于传统FrFT，自适应FrFT检测捕获无前导短数据包的性能更加优越。
2024, 46(12): 4493-4503.
doi: 10.11999/JEIT240426
摘要:
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
在组合导航系统中，信息融合和定位精度取决于惯性系统和传感器的特性，然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题，该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF)，将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合，通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器，适配车辆动力学模型，并通过车载半实物仿真实验验证该方法的性能。结果表明，在卫星信号质量发生改变的情况下，与传统的交互式多模型算法相比，该方法显著提高了车辆在复杂环境中的定位精度。
2024, 46(12): 4504-4512.
doi: 10.11999/JEIT240399
摘要:
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
地电极电流场透地通信可以为地下强遮蔽空间信息传输提供解决方案。针对接收的电流场信号信噪比(SNR)低、易畸变且受载波频偏影响大导致捕获困难的问题，该文设计一种长同步信号帧结构，在此基础上提出一种联合频偏粗估计和精估计的两阶段长相关信号捕获算法。该算法第1阶段利用接收时域信号中的训练符号，依据最大似然算法进行采样间隔偏差粗估计，并计算采样点补偿间隔粗估计值。第2阶段结合粗估计值和接收信噪比，确定采样点补偿间隔精估计值的遍历范围，进而设计本地补偿后的长相关模板信号，实现电流场信号的精确捕获。本研究在距离地面30.26 m的地下强遮蔽空间中进行了算法性能验证。实验结果表明，与传统的滑动相关算法相比，该文所提算法具有更高的捕获成功概率。
2024, 46(12): 4513-4521.
doi: 10.11999/JEIT240432
摘要:
电磁灵敏度分析是评估设计参数变化对电磁性能影响的一种方法，它通过计算灵敏度信息指导结构模型分析，以满足设计规范。商业软件在进行电磁结构优化设计时，常通过调整几何结构并使用传统算法，但这种方法计算耗时且资源占用大。为了提高模型设计的效率，该文提出一种稳定高效的处理方案，即伴随变量法(AVM)，利用仅有2次算法模拟条件下，实现在参数变换上进行1～2阶灵敏度估计。当前AVM的绝大多数应用局限在矩形边界参数的灵敏度分析，该文首次开拓性地将AVM拓展到弧形边界参数的灵敏度分析。基于固定的本构参数、频率依赖性目标函数以及瞬态脉冲函数的3种不同情形设计的条件，实现了对弧形结构的电磁灵敏度的高效分析。与有限差分方法(FDM)相比，该方法在计算效率上得到了显著的提高。该方法有效实施显著拓宽了AVM在弧形边界上的应用范围，可应用于等离子体模型的电磁结构、复杂天线模型的边缘结构等优化问题上。当计算资源较少的情况下，可满足电磁结构优化的可靠性和稳定性。
电磁灵敏度分析是评估设计参数变化对电磁性能影响的一种方法，它通过计算灵敏度信息指导结构模型分析，以满足设计规范。商业软件在进行电磁结构优化设计时，常通过调整几何结构并使用传统算法，但这种方法计算耗时且资源占用大。为了提高模型设计的效率，该文提出一种稳定高效的处理方案，即伴随变量法(AVM)，利用仅有2次算法模拟条件下，实现在参数变换上进行1～2阶灵敏度估计。当前AVM的绝大多数应用局限在矩形边界参数的灵敏度分析，该文首次开拓性地将AVM拓展到弧形边界参数的灵敏度分析。基于固定的本构参数、频率依赖性目标函数以及瞬态脉冲函数的3种不同情形设计的条件，实现了对弧形结构的电磁灵敏度的高效分析。与有限差分方法(FDM)相比，该方法在计算效率上得到了显著的提高。该方法有效实施显著拓宽了AVM在弧形边界上的应用范围，可应用于等离子体模型的电磁结构、复杂天线模型的边缘结构等优化问题上。当计算资源较少的情况下，可满足电磁结构优化的可靠性和稳定性。
2024, 46(12): 4522-4528.
doi: 10.11999/JEIT240417
摘要:
卷积神经网络(CNN)具有平移不变性，但缺乏旋转不变性。近几年，为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法，但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点，该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角，并根据偏移角反向旋转图像；将旋转后的图像输入无旋转编码的多分支结构卷积神经网络，优化响应模块，以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比，模型仅用前人模型的1/3的参数量就可将精度最高提高8%。
卷积神经网络(CNN)具有平移不变性，但缺乏旋转不变性。近几年，为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法，但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点，该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角，并根据偏移角反向旋转图像；将旋转后的图像输入无旋转编码的多分支结构卷积神经网络，优化响应模块，以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比，模型仅用前人模型的1/3的参数量就可将精度最高提高8%。
2024, 46(12): 4529-4541.
doi: 10.11999/JEIT240502
摘要:
为解决360°全景图像显著目标检测(SOD)中的显著目标尺度变化和边缘不连续、易模糊的问题，该文提出一种基于相邻协调网络的360°全景图像显著目标检测方法(ACoNet)。首先，利用相邻细节融合模块获取相邻特征中的细节和边缘信息，以促进显著目标的精确定位。其次，使用语义引导特征聚合模块来聚合浅层特征和深层特征之间不同尺度上的语义特征信息，并抑制浅层特征传递的噪声，缓解解码阶段显著目标与背景区域不连续、边界易模糊的问题。同时构建多尺度语义融合子模块扩大不同卷积层的多尺度感受野，实现精确训练显著目标边界的效果。在2个公开的数据集上进行的大量实验结果表明，相比于其他13种先进方法，所提方法在6个客观评价指标上均有明显的提升，同时主观可视化检测的显著图边缘轮廓性更好，空间结构细节信息更清晰。
为解决360°全景图像显著目标检测(SOD)中的显著目标尺度变化和边缘不连续、易模糊的问题，该文提出一种基于相邻协调网络的360°全景图像显著目标检测方法(ACoNet)。首先，利用相邻细节融合模块获取相邻特征中的细节和边缘信息，以促进显著目标的精确定位。其次，使用语义引导特征聚合模块来聚合浅层特征和深层特征之间不同尺度上的语义特征信息，并抑制浅层特征传递的噪声，缓解解码阶段显著目标与背景区域不连续、边界易模糊的问题。同时构建多尺度语义融合子模块扩大不同卷积层的多尺度感受野，实现精确训练显著目标边界的效果。在2个公开的数据集上进行的大量实验结果表明，相比于其他13种先进方法，所提方法在6个客观评价指标上均有明显的提升，同时主观可视化检测的显著图边缘轮廓性更好，空间结构细节信息更清晰。
2024, 46(12): 4542-4552.
doi: 10.11999/JEIT240087
摘要:
为提升情感识别模型的准确率，解决情感特征提取不充分的问题，对语音和面部图像的双模态情感识别进行研究。语音模态提出一种结合通道-空间注意力机制的多分支卷积神经网络(Multi-branch Convolutional Neural Networks, MCNN)的特征提取模型，在时间、空间和局部特征维度对语音频谱图提取情感特征；面部图像模态提出一种残差混合卷积神经网络(Residual Hybrid Convolutional Neural Network, RHCNN)的特征提取模型，进一步建立并行注意力机制关注全局情感特征，提高识别准确率；将提取到的语音和面部图像特征分别通过分类层进行分类识别，并使用决策融合对识别结果进行最终的融合分类。实验结果表明，所提双模态融合模型在RAVDESS, eNTERFACE’05, RML三个数据集上的识别准确率分别达到了97.22%, 94.78%和96.96%，比语音单模态的识别准确率分别提升了11.02%, 4.24%, 8.83%，比面部图像单模态的识别准确率分别提升了4.60%, 6.74%, 4.10%，且与近年来对应数据集上的相关方法相比均有所提升。说明了所提的双模态融合模型能有效聚焦情感信息，从而提升情感识别的准确率。
为提升情感识别模型的准确率，解决情感特征提取不充分的问题，对语音和面部图像的双模态情感识别进行研究。语音模态提出一种结合通道-空间注意力机制的多分支卷积神经网络(Multi-branch Convolutional Neural Networks, MCNN)的特征提取模型，在时间、空间和局部特征维度对语音频谱图提取情感特征；面部图像模态提出一种残差混合卷积神经网络(Residual Hybrid Convolutional Neural Network, RHCNN)的特征提取模型，进一步建立并行注意力机制关注全局情感特征，提高识别准确率；将提取到的语音和面部图像特征分别通过分类层进行分类识别，并使用决策融合对识别结果进行最终的融合分类。实验结果表明，所提双模态融合模型在RAVDESS, eNTERFACE’05, RML三个数据集上的识别准确率分别达到了97.22%, 94.78%和96.96%，比语音单模态的识别准确率分别提升了11.02%, 4.24%, 8.83%，比面部图像单模态的识别准确率分别提升了4.60%, 6.74%, 4.10%，且与近年来对应数据集上的相关方法相比均有所提升。说明了所提的双模态融合模型能有效聚焦情感信息，从而提升情感识别的准确率。
2024, 46(12): 4553-4562.
doi: 10.11999/JEIT240428
摘要:
在大数据时代，表格广泛存在于各类文档图像中，进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题，该文提出一种基于 DINO模型的表格检测网络。首先，设计一种图像预处理方法，旨在增强表格的角点和线特征，以更好地区分表格与文本等其他文档元素。其次，设计一种主干网络SwTNet-50，通过在ResNet中引入Swin Transformer Blocks (STB)，有效地进行局部-全局特征信息的提取，提高模型的特征提取能力以及对表格边界的检测准确性。最后，为了弥补DINO模型在1对1匹配中编码器特征学习不足问题，采用协同混合匹配训练策略，提高编码器的特征学习能力，提升模型检测精度。与多种基于深度学习的表格检测方法进行对比，该文模型在表格检测数据集TNCR上优于对比算法，在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上，IoU阈值为0.5时F1-Score为98.6%。
在大数据时代，表格广泛存在于各类文档图像中，进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题，该文提出一种基于 DINO模型的表格检测网络。首先，设计一种图像预处理方法，旨在增强表格的角点和线特征，以更好地区分表格与文本等其他文档元素。其次，设计一种主干网络SwTNet-50，通过在ResNet中引入Swin Transformer Blocks (STB)，有效地进行局部-全局特征信息的提取，提高模型的特征提取能力以及对表格边界的检测准确性。最后，为了弥补DINO模型在1对1匹配中编码器特征学习不足问题，采用协同混合匹配训练策略，提高编码器的特征学习能力，提升模型检测精度。与多种基于深度学习的表格检测方法进行对比，该文模型在表格检测数据集TNCR上优于对比算法，在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上，IoU阈值为0.5时F1-Score为98.6%。
2024, 46(12): 4563-4574.
doi: 10.11999/JEIT240388
摘要:
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式，缺乏对频率细节有效利用，难以获得较好重构效果的问题，该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想，对图像的高频和低频信息分开处理，从而提高高频信息捕捉能力，简化低频特征处理。该文对生成器中的基础块进行设计，将空间特征变换层融入密集宽激活残差中，增强深层特征表征能力的同时对局部信息差异化处理。此外，利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络，为重构网络提供全新的质量评估损失，进一步提高重构图像的视觉效果。实验结果表明，同当前先进的同类方法比，该方法在多个数据集上具有更佳的重构效果。由此表明，采用频率分离思想的生成对抗网络进行超分辨率重构，可以有效利用图像频率成分，提高重构效果。
生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式，缺乏对频率细节有效利用，难以获得较好重构效果的问题，该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想，对图像的高频和低频信息分开处理，从而提高高频信息捕捉能力，简化低频特征处理。该文对生成器中的基础块进行设计，将空间特征变换层融入密集宽激活残差中，增强深层特征表征能力的同时对局部信息差异化处理。此外，利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络，为重构网络提供全新的质量评估损失，进一步提高重构图像的视觉效果。实验结果表明，同当前先进的同类方法比，该方法在多个数据集上具有更佳的重构效果。由此表明，采用频率分离思想的生成对抗网络进行超分辨率重构，可以有效利用图像频率成分，提高重构效果。
2024, 46(12): 4575-4588.
doi: 10.11999/JEIT240299
摘要:
随着摩尔定律的逐步失效，芯片制造工艺的提升愈发困难，芯片性能的提升面临“面积墙”问题，chiplet(芯粒)技术开始被广泛采用来解决此问题。然而，面向chiplet引入的架构设计参数，目前的体系结构模拟器面临新的挑战。为了能够探索chiplet架构的特定设计参数，现有工作通常只会为模拟器增加单一的功能，导致其难以用于探索多个参数对chiplet芯片的整体影响。为了能够较为全面地探索和评估chiplet芯片架构，该文基于现有gem5模拟器实现了面向通用处理器芯粒架构探索和评估的系统级模拟器(SEEChiplet)模拟器框架。首先，总结了现在chiplet芯片设计关注的3类设计参数，包括：(1) 芯片cache系统设计；(2) 封装方式模拟；(3) chiplet间的互连网络。其次，针对上述3类参数：(1)设计并实现了私有末级缓存系统，扩大了cache系统设计空间；(2) 修改了gem5已有的全局目录，以适配私有末级缓存(LLC)系统；(3) 建模了两种常见的chiplet封装方式以及chiplet间互连网络。最后，该文在SEEChiplet框架中进行了系统级的模拟评估，在被测chiplet架构通用处理器上运行操作系统及PARSEC 3.0基准测试程序，验证了SEEChiplet的功能，证明SEEChiplet可以对chiplet设计空间进行探索和评估。
随着摩尔定律的逐步失效，芯片制造工艺的提升愈发困难，芯片性能的提升面临“面积墙”问题，chiplet(芯粒)技术开始被广泛采用来解决此问题。然而，面向chiplet引入的架构设计参数，目前的体系结构模拟器面临新的挑战。为了能够探索chiplet架构的特定设计参数，现有工作通常只会为模拟器增加单一的功能，导致其难以用于探索多个参数对chiplet芯片的整体影响。为了能够较为全面地探索和评估chiplet芯片架构，该文基于现有gem5模拟器实现了面向通用处理器芯粒架构探索和评估的系统级模拟器(SEEChiplet)模拟器框架。首先，总结了现在chiplet芯片设计关注的3类设计参数，包括：(1) 芯片cache系统设计；(2) 封装方式模拟；(3) chiplet间的互连网络。其次，针对上述3类参数：(1)设计并实现了私有末级缓存系统，扩大了cache系统设计空间；(2) 修改了gem5已有的全局目录，以适配私有末级缓存(LLC)系统；(3) 建模了两种常见的chiplet封装方式以及chiplet间互连网络。最后，该文在SEEChiplet框架中进行了系统级的模拟评估，在被测chiplet架构通用处理器上运行操作系统及PARSEC 3.0基准测试程序，验证了SEEChiplet的功能，证明SEEChiplet可以对chiplet设计空间进行探索和评估。
