2006, 28(1): 80-85.
刊出日期：2006-01-19
该文研究Bent序列和Gold-like序列, 设计了3类快速生成的Bent序列, 此外, 基于Klapper(1993)对几何序列相关性的分析, 递归地构造了一类Gold-like序列, 所得的Gold-like序列涵括了Khoo, Gong和Stinson(2002)递归生成的Gold-like序列。 根据Olsen, Scholtz和Welch(1982)给出的Bent序列簇的构造方法, 该文得到的Bent序列可以迅速地构造Bent序列簇。此外, 该文得到的Gold-like序列可以用来设计大周期的扩频序列簇。
2016, 38(11): 2803-2810.
doi: 10.11999/JEIT160122
刊出日期：2016-11-19
在贝叶斯推理框架下，基于PCA子空间和L2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化，但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题，该文提出一种融合L2范数最小化和压缩Haar-like特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然度函数降低计算的复杂度；而压缩Haar-like特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结果表明：与目前流行的跟踪方法相比，该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较强的鲁棒性，且在多个测试视频上可以达到29帧/s的速度，能满足快速视频跟踪要求。
2008, 30(4): 876-880.
doi: 10.3724/SP.J.1146.2006.01339
刊出日期：2008-04-19
对通信系统中大量使用的BPSK等非圆信号测向，可以采用共轭扩展MUSIC(CE-MUSIC)算法，也可以采用基于四阶累积量的MUSIC-like算法。CE-MUSIC算法没有利用高阶信息，MUSIC-like算法没有利用信号的非圆信息，性能均受限。该文提出的四阶扩展MUSIC(FO-EMUSIC)算法利用了非圆信号在四阶累积量中的信息，分辨力和测角精度明显优于MUSIC-like算法，略优于CE-MUSIC算法，可测向阵元数大于CE-MUSIC算法和MUSIC-like算法。针对均布线阵，为减小计算量，还提出了FO-EMUSIC/ULA算法。仿真实验验证了FO-EMUSIC算法的优良性能。
2001, 23(8): 751-757.
刊出日期：2001-08-19
该文用均匀线阵研究了未知接收机通道特性下信号空间特征(=2sin/)的估计问题。利用均匀线阵的冗余结构,本文给出了基于信号子空间的ESPRIT-Like算法,得到了一个信号空间特征和通道特性的近似解。ESPRIT-Like算法对信号空间特征估计具有较好的稳健性;与B.Friedlander,V.C.Soon等人(1994)提出的其它迭代算法相比,ESPRIT-Like,算法具有计算量小的优点。数值仿真结果证实了本文算法的有效性并评价了算法的性能。
1997, 19(1): 137-140.
刊出日期：1997-01-19
本文给出了一种高精度的稳定的色散边界条件(DBC),可应用于传输线的时域有限差分法(FDTD)的分析之中。我们用一个新的二阶差分式代替了边界条件中的微分算子。与P。Y。Zhao等人(1994)提出的色散边界条件相比,本文中的边界条件具有相同的绝对稳定特性,但具有更好的吸收性能。
2012, 34(10): 2396-2401.
doi: 10.3724/SP.J.1146.2011.01082
刊出日期：2012-10-19
改进型局部切空间排列(ILTSA)是最近提出的一种流形学习方法。基于对ILTSA的线性逼近和判别拓展，该文提出一种新的称为判别改进局部切空间排列(DILTSA)的特征提取方法，并给出了理论证明和算法分析。基于最大邻域间隔准则和ILTSA, DILTSA能够同时保持类内与类间局部判别几何结构。此外，提出一种增强型Gabor-like复数小波变换以缓解照明和表情变化对人脸识别的影响。通过融合Gabor-like复数小波变换和原始图像特征，能够进一步提高人脸识别的准确率。在Yale 和PIE人脸数据库上的实验结果证明了所提方法的有效性。
2020, 42(7): 1796-1802.
doi: 10.11999/JEIT190517
刊出日期：2020-07-23
该文基于Whitened Swap−or−Not(WSN)的结构特点，分析了Canteaut 等人提出的Bent whItened Swap Or Not –like (BISON-like) 算法的最大期望差分概率值(MEDP)及其(使用平衡函数时)抵御线性密码分析的能力；针对BISON算法迭代轮数异常高(一般为3n轮，n为数据分组长度)且密钥信息的异或操作由不平衡Bent函数决定的情况，该文采用了一类较小绝对值指标、高非线性度、较高代数次数的平衡布尔函数替换BISON算法中的Bent函数，评估了新变体BISON算法抵御差分密码分析和线性密码分析的能力。研究结果表明：新的变体BISON算法仅需迭代n轮；当n较大时(如n=128或256)，其抵御差分攻击和线性攻击的能力均接近理想值。且其密钥信息的异或操作由平衡函数来决定，故具有更好的算法局部平衡性。
2015, 37(12): 2906-2912.
doi: 10.11999/JEIT150319
刊出日期：2015-12-19
为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题，该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点，利用深度去噪自编码器提取示例图像的有效特征，实现图像信息的本质表达，易于分类器正确分类，提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换，难以反映目标自身和外界条件变化的缺点，在选择弱分类器过程中，实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围，不能有效反映目标的运动状态的缺点，引入粒子滤波算法对目标进行预测，提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明，与多示例跟踪算法及其他跟踪算法相比，该文算法具有更高跟踪精确度和更好的鲁棒性。
