2002, 24(1): 45-53.
刊出日期：2002-01-19
由于非线性系统输出是其参数的非线性函数,直接利用高阶累积量辨识两层前馈神经网络(FNN)通常是十分困难的。为解决这一问题,该文提出两种基于四阶累积量的FNN辨识方法。第一种方法,FNN的隐元在其输入空间利用多个线性系统近似,进而FNN利用一统计模型混合专家(ME)网络重新描述。基于ME模型,FNN参数可利用统计期望值最大化(EM)算法获得估计。第二种方法,为简化FNN的ME模型,引入隐含观测量。基于隐含观测量估计,FNN被分解为多个单隐元的训练问题,进而整体FNN可利用一两阶层ME描述。基于单隐元的参数估计,FNN可利用一具有更快收敛速度的简化算法获得估计。
, 最新更新时间: ,
doi: 10.11999/JEIT230247
甚低频段由于低传播损耗特性，在远距离信号传输及军事通信方面有巨大潜力。传统天线庞大物理尺寸以及复杂网络匹配限制了低频天线通信的发展。磁电(ME)天线基于声波谐振原理可以突破尺寸极限且易于阻抗匹配，在甚低频段传输具有独特优势。基此设计了P/T/P结构的发射天线和T/P/T结构的接收天线组成的新型ME天线系统。依据磁机电耦合模型分析天线在接收/发射电磁波时的规律；依据辐射模型研究近场范围内天线磁场分布情况；以声波介导激励，实现ME天线在甚低频段的发/收通信实验。实验得到在谐振频率下，ME发射/接收天线在压电占比分别在0.66、0.34时，结构优化前较于优化后输出电压提升82.6%，通信距离提升42.2%；相较于同等尺寸电小天线辐射效率提高3个数量级；可实现传输速率为5bit/s的调制通信，依据结构优化实现了天线性能的提升。
2016, 38(9): 2321-2329.
doi: 10.11999/JEIT151340
刊出日期：2016-09-19
高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，该文提出一种半监督稀疏流形嵌入(S3ME)算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。S3ME方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类效果。该文提出的S3ME方法在PaviaU和Salinas高光谱数据集上的总体分类精度分别达到84.62%和88.07%，相比传统特征提取方法提升了地物分类性能。
2019, 41(8): 1877-1884.
doi: 10.11999/JEIT180897
刊出日期：2019-08-01
近年来，通过引入移动设备(ME)为无线传感器网络(WSNs)进行无线充电和数据收集成为一个研究热点。传统方法一般先根据节点的充电需求优先级确定移动路径，再根据该路径依次对节点进行数据收集。该文同时考虑充电需求和数据收集两个维度，以最大化ME的总能量利用率和最小化数据收集平均时延为目标，建立多目标一对多充电及数据收集模型。在ME携带的行驶能量和充电能量不足的前提下，设计路径规划策略和均衡化充电策略，并改进多目标蚁群算法对该文问题进行求解。实验结果表明，该文算法在多种场景下的目标值、Pareto解的数量、Pareto解集的均匀性、分布范围等性能指标均优于NSGA-II算法。
2011, 33(6): 1367-1372.
doi: 10.3724/SP.J.1146.2010.01091
刊出日期：2011-06-19
针对认知无线电中经典频谱感知方法的缺点，该文利用随机矩阵理论的相关研究成果，提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection, ME-ED)作为统计判决量，以此判决出主用户是否存在，从而实现频谱感知功能。理论分析表明，与经典频谱感知方法相比，ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示，与MED算法和ED方法相比，该算法不仅对噪声的不确定性不敏感，而且在噪声存在波动的情况下，其感知性能最优，鲁棒性最强。
2015, 37(1): 29-36.
doi: 10.11999/JEIT140129
刊出日期：2015-01-19
在目标识别中，对于样本数较多且分布复杂的数据，若将所有训练样本用来训练一个单一的分类器，会增加分类器的训练复杂度，且容易忽视样本的内在结构，不利于分类。因此人们提出了混合专家系统(ME)，即将训练样本集划分为多个训练样本子集，并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数，并且每个子集的学习独立于后端的任务，如分类。该文提出一种基于Dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法，采用DP混合模型自动确定样本聚类个数，同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法，DPLVSVM 将聚类过程和分类器的训练过程联合优化，保证了各个子集中样本的分布上的一致性和可分性，而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。
2015, 37(3): 758-762.
doi: 10.11999/JEIT140579
刊出日期：2015-03-19
为了展宽天线的波束宽度，在磁电(ME)偶极子天线的基础上，该文设计出一种低交叉极化宽频带宽波束的新型磁电偶极子天线。通过将振子倾斜弯折，展宽了天线的波束宽度；结合6个寄生振子的对称加载，提高了辐射方向图的一致性。在型馈电结构基础上，优化天线的振子间距和振子长度，实现了天线58.5%的相对带宽(S11-10 dB)，频带范围为2.3~4.2 GHz；对振子倾斜角度以及寄生振子的参数进行优化，在2.4~4.0 GHz的频带内实现了辐射方向图E面和H面同时达到120以上的半功率波束宽度(HPBW)。测试与仿真有较好的一致性，证明了所设计天线不仅具有宽频带宽波束特性，同时在整个频带范围内方向图的一致性得到了极大地提高。
