郵件訂閱
2015年 第37卷 第1期
顯示方式:
2015, 37(1): 1-8.
doi: 10.11999/JEIT140315
摘要:
傳統(tǒng)捷變頻成像方法具有高旁瓣、低分辨率的缺點(diǎn)。鑒于捷變頻ISAR回波信號(hào)的稀疏性，該文基于原始數(shù)據(jù)的2維壓縮感知方案，在貝葉斯原理框架下，用稀疏貝葉斯算法方差成分?jǐn)U張壓縮方法(ExCoV)實(shí)現(xiàn)捷變頻ISAR像的重建。貝葉斯框架下的稀疏重構(gòu)算法考慮了稀疏信號(hào)的先驗(yàn)信息以及測量過程中的加性噪聲，因而能夠更好地重建目標(biāo)系數(shù)。作為一種新的稀疏貝葉斯算法，ExCoV不同于稀疏貝葉斯學(xué)習(xí)(SBL)算法中賦予所有的信號(hào)元素各自的方差分量參數(shù)，ExCoV方法僅僅賦予有重要意義的信號(hào)元素不同的方差分量，并擁有比SBL方法更少的參數(shù)，克服了SBL算法參數(shù)多時(shí)效性差的缺點(diǎn)。仿真結(jié)果表明，該方法能克服傳統(tǒng)捷變頻成像缺點(diǎn)，并能夠?qū)崿F(xiàn)低信噪比條件下的2維高精度成像。
傳統(tǒng)捷變頻成像方法具有高旁瓣、低分辨率的缺點(diǎn)。鑒于捷變頻ISAR回波信號(hào)的稀疏性，該文基于原始數(shù)據(jù)的2維壓縮感知方案，在貝葉斯原理框架下，用稀疏貝葉斯算法方差成分?jǐn)U張壓縮方法(ExCoV)實(shí)現(xiàn)捷變頻ISAR像的重建。貝葉斯框架下的稀疏重構(gòu)算法考慮了稀疏信號(hào)的先驗(yàn)信息以及測量過程中的加性噪聲，因而能夠更好地重建目標(biāo)系數(shù)。作為一種新的稀疏貝葉斯算法，ExCoV不同于稀疏貝葉斯學(xué)習(xí)(SBL)算法中賦予所有的信號(hào)元素各自的方差分量參數(shù)，ExCoV方法僅僅賦予有重要意義的信號(hào)元素不同的方差分量，并擁有比SBL方法更少的參數(shù)，克服了SBL算法參數(shù)多時(shí)效性差的缺點(diǎn)。仿真結(jié)果表明，該方法能克服傳統(tǒng)捷變頻成像缺點(diǎn)，并能夠?qū)崿F(xiàn)低信噪比條件下的2維高精度成像。
2015, 37(1): 9-14.
doi: 10.11999/JEIT140202
摘要:
該文針對多脈沖發(fā)射協(xié)同結(jié)構(gòu)的分布式全相參雷達(dá)，首先建立了全相參模式下的信號(hào)模型，然后推導(dǎo)了輸出信噪比增益(oSNRg)的解析式，并基于相干參數(shù)估計(jì)的克拉美-羅界(CRB)，利用多項(xiàng)式擬合，獲得了oSNRg上界的數(shù)值解。結(jié)果表明：增加發(fā)射天線數(shù)或脈沖數(shù)能夠提高oSNRg；而增加接收天線數(shù)能否提高oSNRg取決于輸入信噪比大小，輸入信噪比較大時(shí)則oSNRg隨之提高，較小時(shí)反而隨之下降。最后的仿真實(shí)驗(yàn)驗(yàn)證了研究結(jié)論的正確性。
該文針對多脈沖發(fā)射協(xié)同結(jié)構(gòu)的分布式全相參雷達(dá)，首先建立了全相參模式下的信號(hào)模型，然后推導(dǎo)了輸出信噪比增益(oSNRg)的解析式，并基于相干參數(shù)估計(jì)的克拉美-羅界(CRB)，利用多項(xiàng)式擬合，獲得了oSNRg上界的數(shù)值解。結(jié)果表明：增加發(fā)射天線數(shù)或脈沖數(shù)能夠提高oSNRg；而增加接收天線數(shù)能否提高oSNRg取決于輸入信噪比大小，輸入信噪比較大時(shí)則oSNRg隨之提高，較小時(shí)反而隨之下降。最后的仿真實(shí)驗(yàn)驗(yàn)證了研究結(jié)論的正確性。
2015, 37(1): 15-21.
doi: 10.11999/JEIT140290
摘要:
針對多徑效應(yīng)的影響，該文提出一種空間色噪聲背景下雙基地多輸入多輸出(MIMO)雷達(dá)低仰角估計(jì)方法。首先對雙基地MIMO雷達(dá)中低仰角目標(biāo)的多徑環(huán)境進(jìn)行建模，同時(shí)考慮發(fā)射和接收端的鏡面反射信號(hào)，并用空間色噪聲模擬漫反射。然后利用協(xié)方差矩陣求差方法消除未知色噪聲的影響，在發(fā)射端和接收端進(jìn)行空間平滑對多徑信號(hào)解相干，即進(jìn)行空間差分平滑處理。最后利用酉變換旋轉(zhuǎn)不變技術(shù)(ESPRIT)算法估計(jì)目標(biāo)的發(fā)射角(DOD)和接收角(DOA)。該文指出特殊情況下空間差分平滑協(xié)方差矩陣缺秩的問題，并提出一種修正的空間差分平滑方法。該算法對陣元數(shù)要求不高，適用于未知噪聲背景及低信噪比環(huán)境，并且解決DOD與DOA聯(lián)合估計(jì)的角度兼并問題。仿真實(shí)驗(yàn)表明了所提算法的有效性。
針對多徑效應(yīng)的影響，該文提出一種空間色噪聲背景下雙基地多輸入多輸出(MIMO)雷達(dá)低仰角估計(jì)方法。首先對雙基地MIMO雷達(dá)中低仰角目標(biāo)的多徑環(huán)境進(jìn)行建模，同時(shí)考慮發(fā)射和接收端的鏡面反射信號(hào)，并用空間色噪聲模擬漫反射。然后利用協(xié)方差矩陣求差方法消除未知色噪聲的影響，在發(fā)射端和接收端進(jìn)行空間平滑對多徑信號(hào)解相干，即進(jìn)行空間差分平滑處理。最后利用酉變換旋轉(zhuǎn)不變技術(shù)(ESPRIT)算法估計(jì)目標(biāo)的發(fā)射角(DOD)和接收角(DOA)。該文指出特殊情況下空間差分平滑協(xié)方差矩陣缺秩的問題，并提出一種修正的空間差分平滑方法。該算法對陣元數(shù)要求不高，適用于未知噪聲背景及低信噪比環(huán)境，并且解決DOD與DOA聯(lián)合估計(jì)的角度兼并問題。仿真實(shí)驗(yàn)表明了所提算法的有效性。
2015, 37(1): 22-28.
doi: 10.11999/JEIT140550
摘要:
基于模型的目標(biāo)分解是極化合成孔徑雷達(dá)(SAR)的一個(gè)重要應(yīng)用，基于模型目標(biāo)分解依賴于極化數(shù)據(jù)僅能獲得各散射機(jī)制的能量信息。該文將基于模型的分解技術(shù)應(yīng)用到模式的簡縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)中，對互相關(guān)矩陣進(jìn)行分解，在獲得各散射機(jī)制功率的同時(shí)獲得對應(yīng)的散射相位中心。該文首先推導(dǎo)出3種散射機(jī)制簡縮極化SAR干涉觀測下散射模型，然后運(yùn)用數(shù)值計(jì)算方法進(jìn)行目標(biāo)分解，最終求解出各散射機(jī)制的功率貢獻(xiàn)及相位中心高度信息。仿真數(shù)據(jù)驗(yàn)證了該算法的有效性，分析了不同波段及不同地表參數(shù)對分解結(jié)果的影響。
基于模型的目標(biāo)分解是極化合成孔徑雷達(dá)(SAR)的一個(gè)重要應(yīng)用，基于模型目標(biāo)分解依賴于極化數(shù)據(jù)僅能獲得各散射機(jī)制的能量信息。該文將基于模型的分解技術(shù)應(yīng)用到模式的簡縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)中，對互相關(guān)矩陣進(jìn)行分解，在獲得各散射機(jī)制功率的同時(shí)獲得對應(yīng)的散射相位中心。該文首先推導(dǎo)出3種散射機(jī)制簡縮極化SAR干涉觀測下散射模型，然后運(yùn)用數(shù)值計(jì)算方法進(jìn)行目標(biāo)分解，最終求解出各散射機(jī)制的功率貢獻(xiàn)及相位中心高度信息。仿真數(shù)據(jù)驗(yàn)證了該算法的有效性，分析了不同波段及不同地表參數(shù)對分解結(jié)果的影響。
2015, 37(1): 29-36.
doi: 10.11999/JEIT140129
摘要:
在目標(biāo)識(shí)別中，對于樣本數(shù)較多且分布復(fù)雜的數(shù)據(jù)，若將所有訓(xùn)練樣本用來訓(xùn)練一個(gè)單一的分類器，會(huì)增加分類器的訓(xùn)練復(fù)雜度，且容易忽視樣本的內(nèi)在結(jié)構(gòu)，不利于分類。因此人們提出了混合專家系統(tǒng)(ME)，即將訓(xùn)練樣本集劃分為多個(gè)訓(xùn)練樣本子集，并在每個(gè)子集上單獨(dú)訓(xùn)練分類器。但是傳統(tǒng)ME系統(tǒng)需要人為確定專家個(gè)數(shù)，并且每個(gè)子集的學(xué)習(xí)獨(dú)立于后端的任務(wù)，如分類。該文提出一種基于Dirichlet過程(DP)混合隱變量(LV)支持向量機(jī)(SVM)模型(DPLVSVM)的目標(biāo)識(shí)別算法，采用DP混合模型自動(dòng)確定樣本聚類個(gè)數(shù)，同時(shí)每個(gè)聚類中使用線性隱變量SVM(LVSVM)進(jìn)行分類。不同于以往算法，DPLVSVM 將聚類過程和分類器的訓(xùn)練過程聯(lián)合優(yōu)化，保證了各個(gè)子集中樣本的分布上的一致性和可分性，而且可以利用Gibbs采樣技術(shù)對模型參數(shù)進(jìn)行簡便有效的估計(jì)?；谌斯?shù)據(jù)集、公共數(shù)據(jù)集以及雷達(dá)實(shí)測數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了該文方法的有效性。
在目標(biāo)識(shí)別中，對于樣本數(shù)較多且分布復(fù)雜的數(shù)據(jù)，若將所有訓(xùn)練樣本用來訓(xùn)練一個(gè)單一的分類器，會(huì)增加分類器的訓(xùn)練復(fù)雜度，且容易忽視樣本的內(nèi)在結(jié)構(gòu)，不利于分類。因此人們提出了混合專家系統(tǒng)(ME)，即將訓(xùn)練樣本集劃分為多個(gè)訓(xùn)練樣本子集，并在每個(gè)子集上單獨(dú)訓(xùn)練分類器。但是傳統(tǒng)ME系統(tǒng)需要人為確定專家個(gè)數(shù)，并且每個(gè)子集的學(xué)習(xí)獨(dú)立于后端的任務(wù)，如分類。該文提出一種基于Dirichlet過程(DP)混合隱變量(LV)支持向量機(jī)(SVM)模型(DPLVSVM)的目標(biāo)識(shí)別算法，采用DP混合模型自動(dòng)確定樣本聚類個(gè)數(shù)，同時(shí)每個(gè)聚類中使用線性隱變量SVM(LVSVM)進(jìn)行分類。不同于以往算法，DPLVSVM 將聚類過程和分類器的訓(xùn)練過程聯(lián)合優(yōu)化，保證了各個(gè)子集中樣本的分布上的一致性和可分性，而且可以利用Gibbs采樣技術(shù)對模型參數(shù)進(jìn)行簡便有效的估計(jì)?；谌斯?shù)據(jù)集、公共數(shù)據(jù)集以及雷達(dá)實(shí)測數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了該文方法的有效性。
2015, 37(1): 37-42.
doi: 10.11999/JEIT140314
摘要:
針對傳統(tǒng)GPS接收機(jī)在弱信號(hào)環(huán)境下跟蹤誤差大，收斂速度慢的缺點(diǎn)，該文提出一種基于I/Q支路相干積分觀測濾波的GPS信號(hào)跟蹤方法。將接收機(jī)I/Q支路相干積分輸出為觀測量，應(yīng)用無跡卡爾曼濾波(Unscented Kalman Filter, UKF)算法構(gòu)建卡爾曼濾波器，得到基帶數(shù)字信號(hào)處理濾波模型，閉合接收機(jī)跟蹤環(huán)路。該方法能夠有效減小傳統(tǒng)GPS跟蹤環(huán)路中信號(hào)參數(shù)的估計(jì)誤差，提高接收機(jī)抗干擾能力和弱信號(hào)環(huán)境下環(huán)路跟蹤性能。仿真對比結(jié)果表明，不同載噪比環(huán)境下相比傳統(tǒng)GPS信號(hào)跟蹤的方法，基于I/Q支路相干積分觀測的信號(hào)跟蹤算法能夠提高跟蹤精度，加快跟蹤收斂速度。
針對傳統(tǒng)GPS接收機(jī)在弱信號(hào)環(huán)境下跟蹤誤差大，收斂速度慢的缺點(diǎn)，該文提出一種基于I/Q支路相干積分觀測濾波的GPS信號(hào)跟蹤方法。將接收機(jī)I/Q支路相干積分輸出為觀測量，應(yīng)用無跡卡爾曼濾波(Unscented Kalman Filter, UKF)算法構(gòu)建卡爾曼濾波器，得到基帶數(shù)字信號(hào)處理濾波模型，閉合接收機(jī)跟蹤環(huán)路。該方法能夠有效減小傳統(tǒng)GPS跟蹤環(huán)路中信號(hào)參數(shù)的估計(jì)誤差，提高接收機(jī)抗干擾能力和弱信號(hào)環(huán)境下環(huán)路跟蹤性能。仿真對比結(jié)果表明，不同載噪比環(huán)境下相比傳統(tǒng)GPS信號(hào)跟蹤的方法，基于I/Q支路相干積分觀測的信號(hào)跟蹤算法能夠提高跟蹤精度，加快跟蹤收斂速度。
2015, 37(1): 43-49.
doi: 10.11999/JEIT140238
摘要:
為實(shí)現(xiàn)實(shí)時(shí)快速的全天候、高精度、大范圍測距，該文提出了基于幅度調(diào)制的微波雷達(dá)測距方法。在分析主要微波雷達(dá)特點(diǎn)的基礎(chǔ)上，深入探討了該方法測尺頻率和測距范圍、精度之間的數(shù)學(xué)關(guān)系，并利用調(diào)制在高頻載波的低頻信號(hào)滿足大范圍測距需求，采用基于測時(shí)技術(shù)的高精度測相方法實(shí)現(xiàn)高精度與高速度測距，并基于混頻器、測時(shí)芯片TDC-GP2等器件搭建了雷達(dá)實(shí)驗(yàn)系統(tǒng)。實(shí)驗(yàn)表明，基于TDC-GP2測相單元的測相精度達(dá)(2.7110-4)，并在2.4 GHz載波、150 kHz調(diào)制信號(hào)的條件下，對3.0～4.1 m內(nèi)目標(biāo)的測距實(shí)驗(yàn)證明了系統(tǒng)具有1000 m大范圍測距的可行性，且目標(biāo)處于3.0 m時(shí)測距精度為0.0187 m，系統(tǒng)單次平均測距時(shí)間為0.02～0.03 s。
為實(shí)現(xiàn)實(shí)時(shí)快速的全天候、高精度、大范圍測距，該文提出了基于幅度調(diào)制的微波雷達(dá)測距方法。在分析主要微波雷達(dá)特點(diǎn)的基礎(chǔ)上，深入探討了該方法測尺頻率和測距范圍、精度之間的數(shù)學(xué)關(guān)系，并利用調(diào)制在高頻載波的低頻信號(hào)滿足大范圍測距需求，采用基于測時(shí)技術(shù)的高精度測相方法實(shí)現(xiàn)高精度與高速度測距，并基于混頻器、測時(shí)芯片TDC-GP2等器件搭建了雷達(dá)實(shí)驗(yàn)系統(tǒng)。實(shí)驗(yàn)表明，基于TDC-GP2測相單元的測相精度達(dá)(2.7110-4)，并在2.4 GHz載波、150 kHz調(diào)制信號(hào)的條件下，對3.0～4.1 m內(nèi)目標(biāo)的測距實(shí)驗(yàn)證明了系統(tǒng)具有1000 m大范圍測距的可行性，且目標(biāo)處于3.0 m時(shí)測距精度為0.0187 m，系統(tǒng)單次平均測距時(shí)間為0.02～0.03 s。
2015, 37(1): 50-55.
doi: 10.11999/JEIT140244
摘要:
傳感器觀測目標(biāo)的拓?fù)湫畔⒖捎糜诮鉀Q系統(tǒng)誤差下的航跡關(guān)聯(lián)問題，但傳統(tǒng)方法對航跡信息利用不足且難以適應(yīng)傳感器虛警和漏報(bào)的情形。論文提出一種基于拓?fù)浣y(tǒng)計(jì)距離的航跡抗差關(guān)聯(lián)算法，首先轉(zhuǎn)換目標(biāo)狀態(tài)估計(jì)及其協(xié)方差以得到目標(biāo)參照系下的拓?fù)涿枋觯蝗缓笤谕茖?dǎo)拓?fù)浣y(tǒng)計(jì)距離的基礎(chǔ)上，進(jìn)行全局最優(yōu)關(guān)聯(lián)；最后以目標(biāo)參照系下鄰居目標(biāo)關(guān)聯(lián)對的平均統(tǒng)計(jì)距離作為參照目標(biāo)間的關(guān)聯(lián)度，根據(jù)雙門限準(zhǔn)則完成參照目標(biāo)的關(guān)聯(lián)判決。仿真結(jié)果表明，在密集編隊(duì)目標(biāo)、隨機(jī)分布目標(biāo)和傳感器存在虛警漏報(bào)條件下，該算法的性能明顯優(yōu)于傳統(tǒng)方法。
傳感器觀測目標(biāo)的拓?fù)湫畔⒖捎糜诮鉀Q系統(tǒng)誤差下的航跡關(guān)聯(lián)問題，但傳統(tǒng)方法對航跡信息利用不足且難以適應(yīng)傳感器虛警和漏報(bào)的情形。論文提出一種基于拓?fù)浣y(tǒng)計(jì)距離的航跡抗差關(guān)聯(lián)算法，首先轉(zhuǎn)換目標(biāo)狀態(tài)估計(jì)及其協(xié)方差以得到目標(biāo)參照系下的拓?fù)涿枋觯蝗缓笤谕茖?dǎo)拓?fù)浣y(tǒng)計(jì)距離的基礎(chǔ)上，進(jìn)行全局最優(yōu)關(guān)聯(lián)；最后以目標(biāo)參照系下鄰居目標(biāo)關(guān)聯(lián)對的平均統(tǒng)計(jì)距離作為參照目標(biāo)間的關(guān)聯(lián)度，根據(jù)雙門限準(zhǔn)則完成參照目標(biāo)的關(guān)聯(lián)判決。仿真結(jié)果表明，在密集編隊(duì)目標(biāo)、隨機(jī)分布目標(biāo)和傳感器存在虛警漏報(bào)條件下，該算法的性能明顯優(yōu)于傳統(tǒng)方法。
2015, 37(1): 56-62.
doi: 10.11999/JEIT140230
摘要:
對于密集雜波環(huán)境中的多目標(biāo)跟蹤，傳統(tǒng)集中式多傳感器多假設(shè)跟蹤(CMS-MHT)算法在每一時(shí)刻的航跡-量測關(guān)聯(lián)假設(shè)數(shù)量大大增加，導(dǎo)致數(shù)據(jù)關(guān)聯(lián)不確定性增大，以至很難由常規(guī)航跡得分給出正確關(guān)聯(lián)，表現(xiàn)為高的漏情率以及航跡分裂現(xiàn)象?；趥鞲衅鳒y量誤差較小時(shí)虛警與目標(biāo)量測的空間分布特點(diǎn)，針對多個(gè)相同類型傳感器進(jìn)行目標(biāo)跟蹤，該文提出一種角度信息輔助的CMS-MHT算法，設(shè)計(jì)了新的角度信息輔助的航跡得分計(jì)算方法，可以降低航跡-量測關(guān)聯(lián)的不確定性，從而得到比傳統(tǒng)CMS-MHT更優(yōu)的關(guān)聯(lián)假設(shè)。仿真實(shí)驗(yàn)結(jié)果表明，在密集雜波環(huán)境中，該算法能有效降低漏情率，并有更好的航跡完整性。
對于密集雜波環(huán)境中的多目標(biāo)跟蹤，傳統(tǒng)集中式多傳感器多假設(shè)跟蹤(CMS-MHT)算法在每一時(shí)刻的航跡-量測關(guān)聯(lián)假設(shè)數(shù)量大大增加，導(dǎo)致數(shù)據(jù)關(guān)聯(lián)不確定性增大，以至很難由常規(guī)航跡得分給出正確關(guān)聯(lián)，表現(xiàn)為高的漏情率以及航跡分裂現(xiàn)象?；趥鞲衅鳒y量誤差較小時(shí)虛警與目標(biāo)量測的空間分布特點(diǎn)，針對多個(gè)相同類型傳感器進(jìn)行目標(biāo)跟蹤，該文提出一種角度信息輔助的CMS-MHT算法，設(shè)計(jì)了新的角度信息輔助的航跡得分計(jì)算方法，可以降低航跡-量測關(guān)聯(lián)的不確定性，從而得到比傳統(tǒng)CMS-MHT更優(yōu)的關(guān)聯(lián)假設(shè)。仿真實(shí)驗(yàn)結(jié)果表明，在密集雜波環(huán)境中，該算法能有效降低漏情率，并有更好的航跡完整性。
2015, 37(1): 63-70.
doi: 10.11999/JEIT140143
摘要:
該文引入變化檢測思想，利用SAR圖像中海雜波和目標(biāo)之間的灰度差異，通過對潛在艦船目標(biāo)切片的目標(biāo)像素和背景像素進(jìn)行分離，計(jì)算目標(biāo)像素聚集度(TPAM)特征，實(shí)現(xiàn)對高亮像素在圖像切片中聚集程度的定量評(píng)估，從而鑒別目標(biāo)切片中是否包含有艦船目標(biāo)，有效去除雜波虛警。首先，基于感興趣區(qū)域(ROI)切片中心為目標(biāo)像素及四周為海雜波的合理假設(shè)，構(gòu)建似然比變化檢測量獲取差異圖像；然后，利用KSW熵閾值選擇方法實(shí)現(xiàn)差異圖像中目標(biāo)像素和海雜波像素的自動(dòng)分離，生成二值圖像；最后，利用切片中心像素為種子點(diǎn)，對二值圖像進(jìn)行區(qū)域生長，計(jì)算目標(biāo)像素聚集度特征，并判斷目標(biāo)切片是否包含艦船目標(biāo)。基于RADARSAT-1 SAR實(shí)測數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，該文方法得到的目標(biāo)像素聚集度特征計(jì)算簡單、穩(wěn)健性好、可區(qū)分度高，具有良好的鑒別性能，能夠去除大部分海雜波干擾產(chǎn)生的虛警，有效地降低目標(biāo)檢測虛警率。
該文引入變化檢測思想，利用SAR圖像中海雜波和目標(biāo)之間的灰度差異，通過對潛在艦船目標(biāo)切片的目標(biāo)像素和背景像素進(jìn)行分離，計(jì)算目標(biāo)像素聚集度(TPAM)特征，實(shí)現(xiàn)對高亮像素在圖像切片中聚集程度的定量評(píng)估，從而鑒別目標(biāo)切片中是否包含有艦船目標(biāo)，有效去除雜波虛警。首先，基于感興趣區(qū)域(ROI)切片中心為目標(biāo)像素及四周為海雜波的合理假設(shè)，構(gòu)建似然比變化檢測量獲取差異圖像；然后，利用KSW熵閾值選擇方法實(shí)現(xiàn)差異圖像中目標(biāo)像素和海雜波像素的自動(dòng)分離，生成二值圖像；最后，利用切片中心像素為種子點(diǎn)，對二值圖像進(jìn)行區(qū)域生長，計(jì)算目標(biāo)像素聚集度特征，并判斷目標(biāo)切片是否包含艦船目標(biāo)。基于RADARSAT-1 SAR實(shí)測數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，該文方法得到的目標(biāo)像素聚集度特征計(jì)算簡單、穩(wěn)健性好、可區(qū)分度高，具有良好的鑒別性能，能夠去除大部分海雜波干擾產(chǎn)生的虛警，有效地降低目標(biāo)檢測虛警率。
2015, 37(1): 71-77.
doi: 10.11999/JEIT140121
摘要:
從合成孔徑雷達(dá)(SAR)成像模型出發(fā)，在稀疏條件下，該文結(jié)合散射中心理論，從低分辨率圖像中估計(jì)高分辨率圖像的散射點(diǎn)參數(shù)，用若干sinc函數(shù)對感興趣目標(biāo)區(qū)(ROI)進(jìn)行重建并抑制旁瓣，獲得超分辨ROI切片?；诜蔷€性最小二乘(NLS)估計(jì)給出了該超分辨重建問題的迭代求解算法，并以TerraSAR-X數(shù)據(jù)進(jìn)行仿真驗(yàn)證，仿真結(jié)果表明，該文所提方法相比雙立方插值和1范數(shù)正則化方法能夠獲得更高的空間分辨率與目標(biāo)雜波比(TCR)。后續(xù)分析表明，散射點(diǎn)參數(shù)的估計(jì)精度受到信噪比和sinc函數(shù)重建3 dB帶寬共同影響，重建3 dB帶寬越大對噪聲的魯棒性越強(qiáng)。
從合成孔徑雷達(dá)(SAR)成像模型出發(fā)，在稀疏條件下，該文結(jié)合散射中心理論，從低分辨率圖像中估計(jì)高分辨率圖像的散射點(diǎn)參數(shù)，用若干sinc函數(shù)對感興趣目標(biāo)區(qū)(ROI)進(jìn)行重建并抑制旁瓣，獲得超分辨ROI切片?；诜蔷€性最小二乘(NLS)估計(jì)給出了該超分辨重建問題的迭代求解算法，并以TerraSAR-X數(shù)據(jù)進(jìn)行仿真驗(yàn)證，仿真結(jié)果表明，該文所提方法相比雙立方插值和1范數(shù)正則化方法能夠獲得更高的空間分辨率與目標(biāo)雜波比(TCR)。后續(xù)分析表明，散射點(diǎn)參數(shù)的估計(jì)精度受到信噪比和sinc函數(shù)重建3 dB帶寬共同影響，重建3 dB帶寬越大對噪聲的魯棒性越強(qiáng)。
2015, 37(1): 78-84.
doi: 10.11999/JEIT140214
摘要:
如何降低高光譜圖像大規(guī)模數(shù)據(jù)的存儲(chǔ)和傳輸代價(jià)一直是學(xué)者們關(guān)心的問題。該文提出一種基于稀疏表示的高光譜數(shù)據(jù)壓縮算法，通過一種波段選擇算法構(gòu)造訓(xùn)練樣本集合，利用訓(xùn)練得到的基函數(shù)字典對高光譜數(shù)據(jù)所有波段進(jìn)行稀疏編碼，并對表示結(jié)果中非零元素的位置和數(shù)值進(jìn)行量化和熵編碼，從而實(shí)現(xiàn)高光譜圖像壓縮。實(shí)驗(yàn)結(jié)果表明該文算法與3維小波相比具有更好的非線性逼近性能，其率失真性能明顯優(yōu)于3D-SPIHT，并且在光譜信息保留上具有巨大的優(yōu)勢。
如何降低高光譜圖像大規(guī)模數(shù)據(jù)的存儲(chǔ)和傳輸代價(jià)一直是學(xué)者們關(guān)心的問題。該文提出一種基于稀疏表示的高光譜數(shù)據(jù)壓縮算法，通過一種波段選擇算法構(gòu)造訓(xùn)練樣本集合，利用訓(xùn)練得到的基函數(shù)字典對高光譜數(shù)據(jù)所有波段進(jìn)行稀疏編碼，并對表示結(jié)果中非零元素的位置和數(shù)值進(jìn)行量化和熵編碼，從而實(shí)現(xiàn)高光譜圖像壓縮。實(shí)驗(yàn)結(jié)果表明該文算法與3維小波相比具有更好的非線性逼近性能，其率失真性能明顯優(yōu)于3D-SPIHT，并且在光譜信息保留上具有巨大的優(yōu)勢。
2015, 37(1): 85-90.
doi: 10.11999/JEIT140313
摘要:
針對到達(dá)時(shí)間差(TDOA)定位中出現(xiàn)的非線性估計(jì)問題，該文提出一種線性校正TDOA定位算法。首先將高度非線性的TDOA定位方程組轉(zhuǎn)化為一組關(guān)于輻射源位置的偽線性方程，利用加權(quán)最小二乘(WLS)估計(jì)進(jìn)行初始求解；然后在此基礎(chǔ)上通過一階泰勒級(jí)數(shù)展開把偽線性方程組轉(zhuǎn)化為關(guān)于估計(jì)偏差的線性加權(quán)最小二乘問題并進(jìn)行求解，分析了所提算法在測量誤差較小時(shí)的有效性。最后提出了一種基于加權(quán)最小二乘估計(jì)的恒加速度運(yùn)動(dòng)輻射源的定位方法，相應(yīng)的估計(jì)性能在測量誤差較小時(shí)也接近克拉美羅界(CRLB)。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了該算法的有效性。
針對到達(dá)時(shí)間差(TDOA)定位中出現(xiàn)的非線性估計(jì)問題，該文提出一種線性校正TDOA定位算法。首先將高度非線性的TDOA定位方程組轉(zhuǎn)化為一組關(guān)于輻射源位置的偽線性方程，利用加權(quán)最小二乘(WLS)估計(jì)進(jìn)行初始求解；然后在此基礎(chǔ)上通過一階泰勒級(jí)數(shù)展開把偽線性方程組轉(zhuǎn)化為關(guān)于估計(jì)偏差的線性加權(quán)最小二乘問題并進(jìn)行求解，分析了所提算法在測量誤差較小時(shí)的有效性。最后提出了一種基于加權(quán)最小二乘估計(jì)的恒加速度運(yùn)動(dòng)輻射源的定位方法，相應(yīng)的估計(jì)性能在測量誤差較小時(shí)也接近克拉美羅界(CRLB)。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了該算法的有效性。
2015, 37(1): 91-96.
doi: 10.11999/JEIT140281
摘要:
Nyquist折疊接收機(jī)(NYFR)為一種新穎的超寬帶接收機(jī)結(jié)構(gòu)，它可以利用單片ADC實(shí)現(xiàn)超寬帶范圍內(nèi)信號(hào)的采集，而同步Nyquist折疊接收機(jī)(SNYFR)為其一種改進(jìn)結(jié)構(gòu)。該文在此基礎(chǔ)上提出一種新的基于雙本振方案的SNYFR結(jié)構(gòu)，推導(dǎo)了多分量LFM輸入下的數(shù)學(xué)模型。并基于此結(jié)構(gòu)，提出一種基于正弦調(diào)頻匹配(SFMM)與分?jǐn)?shù)階域折疊補(bǔ)償相結(jié)合的多分量LFM信號(hào)奈奎斯特區(qū)域(NZ)判定與參數(shù)估計(jì)算法，克服了單本振SNYFR結(jié)構(gòu)處理多分量LFM輸入時(shí)的困難，提高了NZ判定及參數(shù)估計(jì)的抗噪聲性能。計(jì)算機(jī)仿真表明，該文算法可以有效地對多分量LFM信號(hào)進(jìn)行檢測并實(shí)現(xiàn)各分量參數(shù)的高精度估計(jì)。
Nyquist折疊接收機(jī)(NYFR)為一種新穎的超寬帶接收機(jī)結(jié)構(gòu)，它可以利用單片ADC實(shí)現(xiàn)超寬帶范圍內(nèi)信號(hào)的采集，而同步Nyquist折疊接收機(jī)(SNYFR)為其一種改進(jìn)結(jié)構(gòu)。該文在此基礎(chǔ)上提出一種新的基于雙本振方案的SNYFR結(jié)構(gòu)，推導(dǎo)了多分量LFM輸入下的數(shù)學(xué)模型。并基于此結(jié)構(gòu)，提出一種基于正弦調(diào)頻匹配(SFMM)與分?jǐn)?shù)階域折疊補(bǔ)償相結(jié)合的多分量LFM信號(hào)奈奎斯特區(qū)域(NZ)判定與參數(shù)估計(jì)算法，克服了單本振SNYFR結(jié)構(gòu)處理多分量LFM輸入時(shí)的困難，提高了NZ判定及參數(shù)估計(jì)的抗噪聲性能。計(jì)算機(jī)仿真表明，該文算法可以有效地對多分量LFM信號(hào)進(jìn)行檢測并實(shí)現(xiàn)各分量參數(shù)的高精度估計(jì)。
2015, 37(1): 97-102.
doi: 10.11999/JEIT140169
摘要:
該文基于貝葉斯分析的視角，揭示了一類算法，包括使用隱變量模型的稀疏貝葉斯學(xué)習(xí)(SBL)，正則化FOCUSS算法以及Log-Sum算法之間的內(nèi)在關(guān)聯(lián)。分析顯示，作為隱變量貝葉斯模型的一種，稀疏貝葉斯學(xué)習(xí)使用第2類最大似然(Type II ML)在隱變量空間進(jìn)行運(yùn)算，可以視作一種更為廣義和靈活的方法，并且為不適定反問題的稀疏求解提供了改進(jìn)的途徑。較之于目前基于第1類最大似然(Type I ML)的稀疏方法，仿真實(shí)驗(yàn)證實(shí)了稀疏貝葉斯學(xué)習(xí)的優(yōu)越性能。
該文基于貝葉斯分析的視角，揭示了一類算法，包括使用隱變量模型的稀疏貝葉斯學(xué)習(xí)(SBL)，正則化FOCUSS算法以及Log-Sum算法之間的內(nèi)在關(guān)聯(lián)。分析顯示，作為隱變量貝葉斯模型的一種，稀疏貝葉斯學(xué)習(xí)使用第2類最大似然(Type II ML)在隱變量空間進(jìn)行運(yùn)算，可以視作一種更為廣義和靈活的方法，并且為不適定反問題的稀疏求解提供了改進(jìn)的途徑。較之于目前基于第1類最大似然(Type I ML)的稀疏方法，仿真實(shí)驗(yàn)證實(shí)了稀疏貝葉斯學(xué)習(xí)的優(yōu)越性能。
2015, 37(1): 103-109.
doi: 10.11999/JEIT140140
摘要:
實(shí)現(xiàn)弱回波信號(hào)檢測和高信噪比(SNR)淺剖圖像獲取是淺剖精細(xì)探測的首要任務(wù)。該文在分析分?jǐn)?shù)階傅里葉變換(FrFT)解卷積原理，推導(dǎo)時(shí)間量綱化變換公式的基礎(chǔ)上，提出一種基于FrFT的淺剖精細(xì)探測新方法。該方法通過FrFT解卷積實(shí)現(xiàn)分?jǐn)?shù)階傅里葉域(u域)沉積層沖激響應(yīng)求解，采用u域加窗濾波技術(shù)對帶內(nèi)噪聲進(jìn)行有效抑制，經(jīng)時(shí)間量綱化變換實(shí)現(xiàn)高信噪比u域沉積層沖激響應(yīng)包絡(luò)信號(hào)至?xí)r域淺剖包跡的直接變換，得到高質(zhì)量的淺剖圖像。仿真實(shí)驗(yàn)和實(shí)測數(shù)據(jù)處理驗(yàn)證了算法的精細(xì)探測能力，算法性能優(yōu)于脈沖壓縮和自回歸(AR)預(yù)測濾波方法。
實(shí)現(xiàn)弱回波信號(hào)檢測和高信噪比(SNR)淺剖圖像獲取是淺剖精細(xì)探測的首要任務(wù)。該文在分析分?jǐn)?shù)階傅里葉變換(FrFT)解卷積原理，推導(dǎo)時(shí)間量綱化變換公式的基礎(chǔ)上，提出一種基于FrFT的淺剖精細(xì)探測新方法。該方法通過FrFT解卷積實(shí)現(xiàn)分?jǐn)?shù)階傅里葉域(u域)沉積層沖激響應(yīng)求解，采用u域加窗濾波技術(shù)對帶內(nèi)噪聲進(jìn)行有效抑制，經(jīng)時(shí)間量綱化變換實(shí)現(xiàn)高信噪比u域沉積層沖激響應(yīng)包絡(luò)信號(hào)至?xí)r域淺剖包跡的直接變換，得到高質(zhì)量的淺剖圖像。仿真實(shí)驗(yàn)和實(shí)測數(shù)據(jù)處理驗(yàn)證了算法的精細(xì)探測能力，算法性能優(yōu)于脈沖壓縮和自回歸(AR)預(yù)測濾波方法。
2015, 37(1): 110-115.
doi: 10.11999/JEIT140329
摘要:
該文針對輸入輸出具有不確定性特征并與時(shí)間或過程有關(guān)的復(fù)雜非線性系統(tǒng)建模和求解問題，利用過程神經(jīng)網(wǎng)絡(luò)對時(shí)變信號(hào)的動(dòng)態(tài)處理能力，結(jié)合云模型對定性定量概念的轉(zhuǎn)化能力，構(gòu)建了一種具有不確定性信息處理能力的云過程神經(jīng)網(wǎng)絡(luò)模型，并采用貓群優(yōu)化算法同時(shí)對網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行并行優(yōu)化設(shè)計(jì)，提高了網(wǎng)絡(luò)逼近及泛化能力，實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)在時(shí)間域和不確定信息處理領(lǐng)域上的有效擴(kuò)展。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了模型和算法的可行性和有效性。
該文針對輸入輸出具有不確定性特征并與時(shí)間或過程有關(guān)的復(fù)雜非線性系統(tǒng)建模和求解問題，利用過程神經(jīng)網(wǎng)絡(luò)對時(shí)變信號(hào)的動(dòng)態(tài)處理能力，結(jié)合云模型對定性定量概念的轉(zhuǎn)化能力，構(gòu)建了一種具有不確定性信息處理能力的云過程神經(jīng)網(wǎng)絡(luò)模型，并采用貓群優(yōu)化算法同時(shí)對網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)進(jìn)行并行優(yōu)化設(shè)計(jì)，提高了網(wǎng)絡(luò)逼近及泛化能力，實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)在時(shí)間域和不確定信息處理領(lǐng)域上的有效擴(kuò)展。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了模型和算法的可行性和有效性。
2015, 37(1): 116-122.
doi: 10.11999/JEIT140218
摘要:
多模型的隨機(jī)有限集(RFS)類方法是一類有效的多機(jī)動(dòng)目標(biāo)跟蹤算法，但是現(xiàn)有算法都假定雜波統(tǒng)計(jì)特性先驗(yàn)已知，不適用于未知雜波背景。該文以高斯混合帶勢概率假設(shè)密度濾波器(GMCPHDF)為基礎(chǔ)，提出一種未知雜波下的多機(jī)動(dòng)目標(biāo)跟蹤算法。該算法對目標(biāo)和雜波分別獨(dú)立建模，通過最優(yōu)高斯(BFG)估計(jì)方法對真實(shí)目標(biāo)的強(qiáng)度函數(shù)進(jìn)行預(yù)測，從而使多目標(biāo)強(qiáng)度函數(shù)獨(dú)立于機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)模型，實(shí)現(xiàn)各時(shí)刻真實(shí)目標(biāo)的強(qiáng)度函數(shù)、雜波源期望個(gè)數(shù)以及真實(shí)目標(biāo)和雜波源的混合勢分布的迭代。仿真結(jié)果表明，該算法能夠有效地聯(lián)合估計(jì)多機(jī)動(dòng)目標(biāo)狀態(tài)以及雜波期望個(gè)數(shù)。
多模型的隨機(jī)有限集(RFS)類方法是一類有效的多機(jī)動(dòng)目標(biāo)跟蹤算法，但是現(xiàn)有算法都假定雜波統(tǒng)計(jì)特性先驗(yàn)已知，不適用于未知雜波背景。該文以高斯混合帶勢概率假設(shè)密度濾波器(GMCPHDF)為基礎(chǔ)，提出一種未知雜波下的多機(jī)動(dòng)目標(biāo)跟蹤算法。該算法對目標(biāo)和雜波分別獨(dú)立建模，通過最優(yōu)高斯(BFG)估計(jì)方法對真實(shí)目標(biāo)的強(qiáng)度函數(shù)進(jìn)行預(yù)測，從而使多目標(biāo)強(qiáng)度函數(shù)獨(dú)立于機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)模型，實(shí)現(xiàn)各時(shí)刻真實(shí)目標(biāo)的強(qiáng)度函數(shù)、雜波源期望個(gè)數(shù)以及真實(shí)目標(biāo)和雜波源的混合勢分布的迭代。仿真結(jié)果表明，該算法能夠有效地聯(lián)合估計(jì)多機(jī)動(dòng)目標(biāo)狀態(tài)以及雜波期望個(gè)數(shù)。
2015, 37(1): 123-129.
doi: 10.11999/JEIT140053
摘要:
目前提出的用于檢測變量間相關(guān)關(guān)系的方法，如最大信息系數(shù)(Maximal Information Coefficient, MIC)，多應(yīng)用于成對變量，卻很少用于三元變量或更高元變量間的相關(guān)性檢測。基于此，該文提出能夠檢測多元變量間相關(guān)關(guān)系的新方法最大信息熵(Maximal Information Entropy, MIE)。對于k元變量，首先基于任意兩變量間的MIC值構(gòu)造最大信息矩陣，然后根據(jù)最大信息矩陣計(jì)算最大信息熵來度量變量間的相關(guān)度。仿真實(shí)驗(yàn)結(jié)果表明MIE能夠檢測三元變量間的1維流形依賴關(guān)系，真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了MIE的實(shí)用性。
目前提出的用于檢測變量間相關(guān)關(guān)系的方法，如最大信息系數(shù)(Maximal Information Coefficient, MIC)，多應(yīng)用于成對變量，卻很少用于三元變量或更高元變量間的相關(guān)性檢測。基于此，該文提出能夠檢測多元變量間相關(guān)關(guān)系的新方法最大信息熵(Maximal Information Entropy, MIE)。對于k元變量，首先基于任意兩變量間的MIC值構(gòu)造最大信息矩陣，然后根據(jù)最大信息矩陣計(jì)算最大信息熵來度量變量間的相關(guān)度。仿真實(shí)驗(yàn)結(jié)果表明MIE能夠檢測三元變量間的1維流形依賴關(guān)系，真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了MIE的實(shí)用性。
2015, 37(1): 130-136.
doi: 10.11999/JEIT140119
摘要:
在檢測圖像顯著性區(qū)域的領(lǐng)域中，背景優(yōu)先是一個(gè)較新的思路，但會(huì)遇到背景鑒別這個(gè)具有挑戰(zhàn)性的難題。該文提出背景真實(shí)性的判斷問題，在探索的過程中發(fā)現(xiàn)背景通常具有連續(xù)性的特征，根據(jù)這一特性實(shí)現(xiàn)了判定背景的方法，并將判斷的結(jié)果作為顯著性先驗(yàn)值應(yīng)用于后繼的計(jì)算中，最終結(jié)果的準(zhǔn)確性和正確性得到有效提高。該文首先采用均值漂移(MS)分割算法將圖片預(yù)分為超像素，計(jì)算所有超像素的初始顯著值；隨后提取原圖的4個(gè)邊界條，計(jì)算每兩條之間的色彩直方圖距離，判定小于預(yù)設(shè)閾值的兩條邊界作為真的背景，選擇它們作為優(yōu)先邊界，計(jì)算先驗(yàn)顯著性值；最后進(jìn)行顯著性計(jì)算，得到最終的顯著圖。實(shí)驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確檢測出顯著性區(qū)域，與其他6種算法相比具有較大優(yōu)勢。
在檢測圖像顯著性區(qū)域的領(lǐng)域中，背景優(yōu)先是一個(gè)較新的思路，但會(huì)遇到背景鑒別這個(gè)具有挑戰(zhàn)性的難題。該文提出背景真實(shí)性的判斷問題，在探索的過程中發(fā)現(xiàn)背景通常具有連續(xù)性的特征，根據(jù)這一特性實(shí)現(xiàn)了判定背景的方法，并將判斷的結(jié)果作為顯著性先驗(yàn)值應(yīng)用于后繼的計(jì)算中，最終結(jié)果的準(zhǔn)確性和正確性得到有效提高。該文首先采用均值漂移(MS)分割算法將圖片預(yù)分為超像素，計(jì)算所有超像素的初始顯著值；隨后提取原圖的4個(gè)邊界條，計(jì)算每兩條之間的色彩直方圖距離，判定小于預(yù)設(shè)閾值的兩條邊界作為真的背景，選擇它們作為優(yōu)先邊界，計(jì)算先驗(yàn)顯著性值；最后進(jìn)行顯著性計(jì)算，得到最終的顯著圖。實(shí)驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確檢測出顯著性區(qū)域，與其他6種算法相比具有較大優(yōu)勢。
2015, 37(1): 137-142.
doi: 10.11999/JEIT140197
摘要:
現(xiàn)有基于獨(dú)立分量分析(ICA)的運(yùn)動(dòng)目標(biāo)檢測算法大多采用單一的觀測向量生成方式和2通道數(shù)據(jù)進(jìn)行檢測，使得現(xiàn)有算法難以獲得更加完整精確的目標(biāo)形態(tài)。該文在傳統(tǒng)獨(dú)立分量分析算法的基礎(chǔ)上引入4種不同的觀測向量生成方式并使用更多通道數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，以此更廣泛地涵蓋運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)特性并為提取前景提供更多有效信息，使該算法能有效應(yīng)對緩慢移動(dòng)和低區(qū)分性目標(biāo)。多場景下的量化實(shí)驗(yàn)分析表明，更多通道數(shù)據(jù)的使用以及4種觀測向量生成方式的綜合在合理的誤檢率代價(jià)下使算法達(dá)到了更高的檢測正確率。
現(xiàn)有基于獨(dú)立分量分析(ICA)的運(yùn)動(dòng)目標(biāo)檢測算法大多采用單一的觀測向量生成方式和2通道數(shù)據(jù)進(jìn)行檢測，使得現(xiàn)有算法難以獲得更加完整精確的目標(biāo)形態(tài)。該文在傳統(tǒng)獨(dú)立分量分析算法的基礎(chǔ)上引入4種不同的觀測向量生成方式并使用更多通道數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，以此更廣泛地涵蓋運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)特性并為提取前景提供更多有效信息，使該算法能有效應(yīng)對緩慢移動(dòng)和低區(qū)分性目標(biāo)。多場景下的量化實(shí)驗(yàn)分析表明，更多通道數(shù)據(jù)的使用以及4種觀測向量生成方式的綜合在合理的誤檢率代價(jià)下使算法達(dá)到了更高的檢測正確率。
2015, 37(1): 143-149.
doi: 10.11999/JEIT140262
摘要:
現(xiàn)有主流智能Fuzzing測試一般通過對程序內(nèi)部結(jié)構(gòu)的精確分析構(gòu)造新測試樣本，因而嚴(yán)重依賴于當(dāng)前計(jì)算機(jī)的性能，往往忽略了已發(fā)現(xiàn)的程序異常信息對新測試樣本構(gòu)造的指導(dǎo)意義。為了克服上述缺陷，該文提出一種基于異常分布導(dǎo)向的智能Fuzzing方法。該方法針對二進(jìn)制程序測試，建立了TGM(Testcase Generation Model)樣本構(gòu)造模型：首先根據(jù)計(jì)算能力收集測試樣本集的相關(guān)信息；然后隨機(jī)選擇初始測試樣本進(jìn)行測試；最后，基于測試結(jié)果初始化模型參數(shù)，根據(jù)模型優(yōu)先選擇更有效的輸入屬性構(gòu)造新樣本并進(jìn)行新一輪測試，通過重復(fù)進(jìn)行該步驟，在迭代測試中不斷更新模型參數(shù)，用于指導(dǎo)下一輪新測試樣本構(gòu)造。實(shí)驗(yàn)數(shù)據(jù)表明該方法可以輔助Fuzzing選擇更有效的樣本優(yōu)先進(jìn)行測試，設(shè)計(jì)的原型工具CombFuzz在異常檢測能力和代碼覆蓋能力上都有良好表現(xiàn)，同時(shí)，在對大型應(yīng)用程序進(jìn)行測試時(shí)，與微軟SDL實(shí)驗(yàn)室的MiniFuzz測試器相比，在限定時(shí)間內(nèi)平均異常發(fā)現(xiàn)率提高近18倍，并在WPS 2013等軟件中發(fā)現(xiàn)了7個(gè)MiniFuzz無法發(fā)現(xiàn)的未公開可利用脆弱點(diǎn)。
現(xiàn)有主流智能Fuzzing測試一般通過對程序內(nèi)部結(jié)構(gòu)的精確分析構(gòu)造新測試樣本，因而嚴(yán)重依賴于當(dāng)前計(jì)算機(jī)的性能，往往忽略了已發(fā)現(xiàn)的程序異常信息對新測試樣本構(gòu)造的指導(dǎo)意義。為了克服上述缺陷，該文提出一種基于異常分布導(dǎo)向的智能Fuzzing方法。該方法針對二進(jìn)制程序測試，建立了TGM(Testcase Generation Model)樣本構(gòu)造模型：首先根據(jù)計(jì)算能力收集測試樣本集的相關(guān)信息；然后隨機(jī)選擇初始測試樣本進(jìn)行測試；最后，基于測試結(jié)果初始化模型參數(shù)，根據(jù)模型優(yōu)先選擇更有效的輸入屬性構(gòu)造新樣本并進(jìn)行新一輪測試，通過重復(fù)進(jìn)行該步驟，在迭代測試中不斷更新模型參數(shù)，用于指導(dǎo)下一輪新測試樣本構(gòu)造。實(shí)驗(yàn)數(shù)據(jù)表明該方法可以輔助Fuzzing選擇更有效的樣本優(yōu)先進(jìn)行測試，設(shè)計(jì)的原型工具CombFuzz在異常檢測能力和代碼覆蓋能力上都有良好表現(xiàn)，同時(shí)，在對大型應(yīng)用程序進(jìn)行測試時(shí)，與微軟SDL實(shí)驗(yàn)室的MiniFuzz測試器相比，在限定時(shí)間內(nèi)平均異常發(fā)現(xiàn)率提高近18倍，并在WPS 2013等軟件中發(fā)現(xiàn)了7個(gè)MiniFuzz無法發(fā)現(xiàn)的未公開可利用脆弱點(diǎn)。
2015, 37(1): 150-157.
doi: 10.11999/JEIT140091
摘要:
傳統(tǒng)加密方案一般基于香農(nóng)提出的置亂和分散理論進(jìn)行設(shè)計(jì)，實(shí)驗(yàn)證明，基于位面的圖像加密方案具有更好的有效性。該文提出一種新穎的位面層次的基于編碼分組與替換的加密算法。該算法首先依據(jù)DNA編碼以及中心法則對原始媒體進(jìn)行編碼，然后利用隨機(jī)置亂分組方案對編碼密碼子序列進(jìn)行分組，這樣，根據(jù)編碼后的序列和分組方案可以確定一種任意進(jìn)制的數(shù)制系統(tǒng)。最后，利用基于超混沌系統(tǒng)和該數(shù)制系統(tǒng)產(chǎn)生隨機(jī)加密控制信息，并利用該加密控制信息和分組方案來替換對應(yīng)的編碼后序列，從而實(shí)現(xiàn)加密。理論分析和實(shí)驗(yàn)結(jié)果均表明，該文提出的方案和現(xiàn)有的一些方案相比，具有更好的性能。
傳統(tǒng)加密方案一般基于香農(nóng)提出的置亂和分散理論進(jìn)行設(shè)計(jì)，實(shí)驗(yàn)證明，基于位面的圖像加密方案具有更好的有效性。該文提出一種新穎的位面層次的基于編碼分組與替換的加密算法。該算法首先依據(jù)DNA編碼以及中心法則對原始媒體進(jìn)行編碼，然后利用隨機(jī)置亂分組方案對編碼密碼子序列進(jìn)行分組，這樣，根據(jù)編碼后的序列和分組方案可以確定一種任意進(jìn)制的數(shù)制系統(tǒng)。最后，利用基于超混沌系統(tǒng)和該數(shù)制系統(tǒng)產(chǎn)生隨機(jī)加密控制信息，并利用該加密控制信息和分組方案來替換對應(yīng)的編碼后序列，從而實(shí)現(xiàn)加密。理論分析和實(shí)驗(yàn)結(jié)果均表明，該文提出的方案和現(xiàn)有的一些方案相比，具有更好的性能。
2015, 37(1): 158-162.
doi: 10.11999/JEIT140326
摘要:
在一類典型的認(rèn)知無線網(wǎng)絡(luò)中，多個(gè)次級(jí)用戶通過支付費(fèi)用競爭租用主用戶授權(quán)頻帶的子帶來傳輸信息。該文針對此類系統(tǒng)通過博弈論方法聯(lián)合優(yōu)化次級(jí)用戶的發(fā)射功率和子帶分配，及主用戶的定價(jià)系數(shù)，同時(shí)最大化主用戶和次級(jí)用戶的收益。具體而言，該文基于逆向歸納法，將博弈問題分解為功率控制、子帶分配和價(jià)格調(diào)整等3個(gè)耦合的子問題，并逐一求解，從而得到整個(gè)博弈的子博弈精煉納什均衡。最后，該文基于理論分析結(jié)果，提出一種博弈均衡求解算法。仿真結(jié)果驗(yàn)證了該文的理論推導(dǎo)結(jié)果和該算法的有效性。
在一類典型的認(rèn)知無線網(wǎng)絡(luò)中，多個(gè)次級(jí)用戶通過支付費(fèi)用競爭租用主用戶授權(quán)頻帶的子帶來傳輸信息。該文針對此類系統(tǒng)通過博弈論方法聯(lián)合優(yōu)化次級(jí)用戶的發(fā)射功率和子帶分配，及主用戶的定價(jià)系數(shù)，同時(shí)最大化主用戶和次級(jí)用戶的收益。具體而言，該文基于逆向歸納法，將博弈問題分解為功率控制、子帶分配和價(jià)格調(diào)整等3個(gè)耦合的子問題，并逐一求解，從而得到整個(gè)博弈的子博弈精煉納什均衡。最后，該文基于理論分析結(jié)果，提出一種博弈均衡求解算法。仿真結(jié)果驗(yàn)證了該文的理論推導(dǎo)結(jié)果和該算法的有效性。
2015, 37(1): 163-168.
doi: 10.11999/JEIT140141
摘要:
該文研究了基于波束形成技術(shù)的雙跳多輸入多輸出(MIMO)放大轉(zhuǎn)發(fā)(AF)中繼系統(tǒng)的中斷概率，該系統(tǒng)在發(fā)射端、中繼端和接收端都配置了多根天線。假設(shè)每條鏈路的發(fā)射端采用最大比傳輸(MRT)技術(shù)，接收端采用最大合并比(MRC)技術(shù)，該文得出了中繼端受到同信道干擾時(shí)的信干噪比(SINR)，推導(dǎo)了基于固定增益中繼方案的中斷概率(OP)閉合表達(dá)式。計(jì)算機(jī)仿真結(jié)果不僅驗(yàn)證了性能分析的有效性，而且還分析了關(guān)鍵參數(shù)對系統(tǒng)性能的影響以及配置多天線帶來的好處。
該文研究了基于波束形成技術(shù)的雙跳多輸入多輸出(MIMO)放大轉(zhuǎn)發(fā)(AF)中繼系統(tǒng)的中斷概率，該系統(tǒng)在發(fā)射端、中繼端和接收端都配置了多根天線。假設(shè)每條鏈路的發(fā)射端采用最大比傳輸(MRT)技術(shù)，接收端采用最大合并比(MRC)技術(shù)，該文得出了中繼端受到同信道干擾時(shí)的信干噪比(SINR)，推導(dǎo)了基于固定增益中繼方案的中斷概率(OP)閉合表達(dá)式。計(jì)算機(jī)仿真結(jié)果不僅驗(yàn)證了性能分析的有效性，而且還分析了關(guān)鍵參數(shù)對系統(tǒng)性能的影響以及配置多天線帶來的好處。
2015, 37(1): 169-174.
doi: 10.11999/JEIT140247
摘要:
為了增強(qiáng)壓縮感知框架里Sl0(Smoothedl0-norm)重構(gòu)算法的抗噪性能，該文在其目標(biāo)函數(shù)里添加一個(gè)誤差容允項(xiàng)，并提出了一種改進(jìn)型重構(gòu)算法l2-Sl0(Smoothed l0-norm regularized least-square)。另外通過對多徑信道的時(shí)延和多普勒頻移參數(shù)構(gòu)成的時(shí)頻2維有界區(qū)域進(jìn)行量化，將OFDM時(shí)頻雙選擇性慢衰落信道估計(jì)問題建模為壓縮感知理論中的稀疏信號(hào)重構(gòu)問題，提出了一種采用l2-Sl0估計(jì)信道時(shí)頻參數(shù)的方法。仿真結(jié)果表明在相同的噪聲環(huán)境里，l2-Sl0的重構(gòu)性能優(yōu)于Sl010 dB左右；運(yùn)用l2-Sl0的信道估計(jì)方法可獲得接近于理想最小二乘法的估計(jì)性能，且該方法在低信噪比的場景里也能獲得較高的估計(jì)準(zhǔn)確度。
為了增強(qiáng)壓縮感知框架里Sl0(Smoothedl0-norm)重構(gòu)算法的抗噪性能，該文在其目標(biāo)函數(shù)里添加一個(gè)誤差容允項(xiàng)，并提出了一種改進(jìn)型重構(gòu)算法l2-Sl0(Smoothed l0-norm regularized least-square)。另外通過對多徑信道的時(shí)延和多普勒頻移參數(shù)構(gòu)成的時(shí)頻2維有界區(qū)域進(jìn)行量化，將OFDM時(shí)頻雙選擇性慢衰落信道估計(jì)問題建模為壓縮感知理論中的稀疏信號(hào)重構(gòu)問題，提出了一種采用l2-Sl0估計(jì)信道時(shí)頻參數(shù)的方法。仿真結(jié)果表明在相同的噪聲環(huán)境里，l2-Sl0的重構(gòu)性能優(yōu)于Sl010 dB左右；運(yùn)用l2-Sl0的信道估計(jì)方法可獲得接近于理想最小二乘法的估計(jì)性能，且該方法在低信噪比的場景里也能獲得較高的估計(jì)準(zhǔn)確度。
2015, 37(1): 175-181.
doi: 10.11999/JEIT140001
摘要:
傳統(tǒng)的軟頻率復(fù)用(SFR)無法適應(yīng)長期演進(jìn)(LTE)系統(tǒng)中業(yè)務(wù)的動(dòng)態(tài)分布，可能導(dǎo)致小區(qū)中心和邊緣區(qū)域頻譜利用率不均。針對此問題，該文提出一種基于認(rèn)知的LTE系統(tǒng)動(dòng)態(tài)頻譜分配方法(Cog-DSA)。該方法利用基站間的相互協(xié)作獲得頻譜使用狀態(tài)信息，從而確定可用頻譜集合，并評(píng)估來自鄰小區(qū)的同頻干擾，最終根據(jù)可用資源塊的通信質(zhì)量，對重負(fù)荷小區(qū)邊緣進(jìn)行頻譜的動(dòng)態(tài)借用和服務(wù)基站的靈活選擇。仿真結(jié)果表明，所提方法能夠有效改善頻譜利用率，減少小區(qū)間干擾，顯著提升邊緣用戶的傳輸速率。
傳統(tǒng)的軟頻率復(fù)用(SFR)無法適應(yīng)長期演進(jìn)(LTE)系統(tǒng)中業(yè)務(wù)的動(dòng)態(tài)分布，可能導(dǎo)致小區(qū)中心和邊緣區(qū)域頻譜利用率不均。針對此問題，該文提出一種基于認(rèn)知的LTE系統(tǒng)動(dòng)態(tài)頻譜分配方法(Cog-DSA)。該方法利用基站間的相互協(xié)作獲得頻譜使用狀態(tài)信息，從而確定可用頻譜集合，并評(píng)估來自鄰小區(qū)的同頻干擾，最終根據(jù)可用資源塊的通信質(zhì)量，對重負(fù)荷小區(qū)邊緣進(jìn)行頻譜的動(dòng)態(tài)借用和服務(wù)基站的靈活選擇。仿真結(jié)果表明，所提方法能夠有效改善頻譜利用率，減少小區(qū)間干擾，顯著提升邊緣用戶的傳輸速率。
2015, 37(1): 182-187.
doi: 10.11999/JEIT140267
摘要:
針對編碼單載波循環(huán)前綴(SC-CP)多輸入多輸出(MIMO)系統(tǒng)，該文采用消息傳遞算法研究軟輸入軟輸出MIMO頻域均衡器(FDE)的設(shè)計(jì)問題?；趶V義近似消息傳遞(GAMP)算法，該文提出一種新的低復(fù)雜度MIMO頻域均衡方法。這種消息傳遞MIMO均衡方法的顯著特點(diǎn)是既保留了SC-CP傳輸所產(chǎn)生的頻域均衡的優(yōu)點(diǎn)，同時(shí)又避免了傳統(tǒng)MIMO FDE中逐頻點(diǎn)MIMO矩陣求逆運(yùn)算，所以具有隨MIMO系統(tǒng)接收天線數(shù)增加而線性增長的計(jì)算復(fù)雜度。計(jì)算機(jī)仿真結(jié)果表明，與傳統(tǒng)方案相比，該文提出的MIMO頻域均衡算法具有明顯的誤碼率(BER)性能優(yōu)勢。
針對編碼單載波循環(huán)前綴(SC-CP)多輸入多輸出(MIMO)系統(tǒng)，該文采用消息傳遞算法研究軟輸入軟輸出MIMO頻域均衡器(FDE)的設(shè)計(jì)問題?；趶V義近似消息傳遞(GAMP)算法，該文提出一種新的低復(fù)雜度MIMO頻域均衡方法。這種消息傳遞MIMO均衡方法的顯著特點(diǎn)是既保留了SC-CP傳輸所產(chǎn)生的頻域均衡的優(yōu)點(diǎn)，同時(shí)又避免了傳統(tǒng)MIMO FDE中逐頻點(diǎn)MIMO矩陣求逆運(yùn)算，所以具有隨MIMO系統(tǒng)接收天線數(shù)增加而線性增長的計(jì)算復(fù)雜度。計(jì)算機(jī)仿真結(jié)果表明，與傳統(tǒng)方案相比，該文提出的MIMO頻域均衡算法具有明顯的誤碼率(BER)性能優(yōu)勢。
2015, 37(1): 188-192.
doi: 10.11999/JEIT140089
摘要:
采用多天線發(fā)射方式保障通信信息的安全傳輸是物理層安全通信研究領(lǐng)域中常采用的手段之一，但這種方式會(huì)導(dǎo)致發(fā)射信號(hào)高峰均功率比的缺點(diǎn)，從而影響合法用戶的通信性能。該文從多天線發(fā)射的加權(quán)系數(shù)出發(fā)，定義了基于多天線發(fā)射方式的物理層安全通信信號(hào)峰均功率比(PAPR)概念，并且針對隨機(jī)天線陣物理層安全通信系統(tǒng)提出一種基于部分傳輸序列的物理層安全通信信號(hào)PAPR抑制算法。仿真結(jié)果表明該文提出的PAPR抑制算法能在不降低發(fā)射信號(hào)安全性能的條件下有效地降低發(fā)射信號(hào)的PAPR值。
采用多天線發(fā)射方式保障通信信息的安全傳輸是物理層安全通信研究領(lǐng)域中常采用的手段之一，但這種方式會(huì)導(dǎo)致發(fā)射信號(hào)高峰均功率比的缺點(diǎn)，從而影響合法用戶的通信性能。該文從多天線發(fā)射的加權(quán)系數(shù)出發(fā)，定義了基于多天線發(fā)射方式的物理層安全通信信號(hào)峰均功率比(PAPR)概念，并且針對隨機(jī)天線陣物理層安全通信系統(tǒng)提出一種基于部分傳輸序列的物理層安全通信信號(hào)PAPR抑制算法。仿真結(jié)果表明該文提出的PAPR抑制算法能在不降低發(fā)射信號(hào)安全性能的條件下有效地降低發(fā)射信號(hào)的PAPR值。
2015, 37(1): 193-199.
doi: 10.11999/JEIT140309
摘要:
在無線網(wǎng)絡(luò)中，當(dāng)利用經(jīng)典博弈機(jī)制研究物理層安全時(shí)，能量受限的發(fā)送端為了最大化自身安全速率，趨向于選擇非協(xié)作策略，造成網(wǎng)絡(luò)的安全速率降低。針對這一問題，該文提出一種基于演化博弈機(jī)制的物理層安全協(xié)作方法。首先，根據(jù)演化博弈機(jī)制定義策略(發(fā)送人工噪聲或信號(hào))和收益(不同策略組合下的安全速率)；然后，發(fā)送端根據(jù)當(dāng)前網(wǎng)絡(luò)狀態(tài)以及協(xié)作收益與平均期望收益的差值，不斷進(jìn)行策略調(diào)整以最大化收益；最后，通過求解獲得使發(fā)送端達(dá)到協(xié)作穩(wěn)定策略的條件，使網(wǎng)絡(luò)從不穩(wěn)定狀態(tài)向協(xié)作穩(wěn)定狀態(tài)演化，從而提高了系統(tǒng)的安全速率。仿真和分析結(jié)果表明，在高斯信道條件下，相比經(jīng)典博弈方法，該方法的發(fā)送端策略穩(wěn)定在協(xié)作狀態(tài)，網(wǎng)絡(luò)安全速率可提高1 bit/(s Hz)。
在無線網(wǎng)絡(luò)中，當(dāng)利用經(jīng)典博弈機(jī)制研究物理層安全時(shí)，能量受限的發(fā)送端為了最大化自身安全速率，趨向于選擇非協(xié)作策略，造成網(wǎng)絡(luò)的安全速率降低。針對這一問題，該文提出一種基于演化博弈機(jī)制的物理層安全協(xié)作方法。首先，根據(jù)演化博弈機(jī)制定義策略(發(fā)送人工噪聲或信號(hào))和收益(不同策略組合下的安全速率)；然后，發(fā)送端根據(jù)當(dāng)前網(wǎng)絡(luò)狀態(tài)以及協(xié)作收益與平均期望收益的差值，不斷進(jìn)行策略調(diào)整以最大化收益；最后，通過求解獲得使發(fā)送端達(dá)到協(xié)作穩(wěn)定策略的條件，使網(wǎng)絡(luò)從不穩(wěn)定狀態(tài)向協(xié)作穩(wěn)定狀態(tài)演化，從而提高了系統(tǒng)的安全速率。仿真和分析結(jié)果表明，在高斯信道條件下，相比經(jīng)典博弈方法，該方法的發(fā)送端策略穩(wěn)定在協(xié)作狀態(tài)，網(wǎng)絡(luò)安全速率可提高1 bit/(s Hz)。
2015, 37(1): 200-205.
doi: 10.11999/JEIT140175
摘要:
該文利用無線傳感網(wǎng)(WSNs)的數(shù)據(jù)空間相關(guān)性，提出一種基于數(shù)據(jù)梯度的聚類機(jī)制，聚類內(nèi)簇頭節(jié)點(diǎn)維護(hù)簇成員節(jié)點(diǎn)的數(shù)據(jù)時(shí)間域自回歸(AR)預(yù)測模型，在聚類內(nèi)范圍實(shí)施基于預(yù)測模型的采樣頻率自適應(yīng)算法。通過自適應(yīng)優(yōu)化調(diào)整采樣頻率，在保證數(shù)據(jù)采樣精度的前提下減少了冗余數(shù)據(jù)傳輸，提高無線傳感網(wǎng)的能效水平。該文提出的時(shí)間域采樣頻率調(diào)整算法綜合考慮了感知數(shù)據(jù)的時(shí)空聯(lián)合相關(guān)性特點(diǎn)，仿真結(jié)果驗(yàn)證了該文算法的性能優(yōu)勢。
該文利用無線傳感網(wǎng)(WSNs)的數(shù)據(jù)空間相關(guān)性，提出一種基于數(shù)據(jù)梯度的聚類機(jī)制，聚類內(nèi)簇頭節(jié)點(diǎn)維護(hù)簇成員節(jié)點(diǎn)的數(shù)據(jù)時(shí)間域自回歸(AR)預(yù)測模型，在聚類內(nèi)范圍實(shí)施基于預(yù)測模型的采樣頻率自適應(yīng)算法。通過自適應(yīng)優(yōu)化調(diào)整采樣頻率，在保證數(shù)據(jù)采樣精度的前提下減少了冗余數(shù)據(jù)傳輸，提高無線傳感網(wǎng)的能效水平。該文提出的時(shí)間域采樣頻率調(diào)整算法綜合考慮了感知數(shù)據(jù)的時(shí)空聯(lián)合相關(guān)性特點(diǎn)，仿真結(jié)果驗(yàn)證了該文算法的性能優(yōu)勢。
2015, 37(1): 206-213.
doi: 10.11999/JEIT140104
摘要:
在視頻信號(hào)的編解碼流程中，離散余弦變換(DCT)是一個(gè)至關(guān)重要的環(huán)節(jié)，其決定了視頻壓縮的質(zhì)量和效率。針對88尺寸的2維離散余弦變換，該文提出一種基于粗粒度可重構(gòu)陣列結(jié)構(gòu)(Coarse-Grained Reconfigurable Array, CGRA)的硬件電路結(jié)構(gòu)。利用粗粒度可重構(gòu)陣列的可重配置的特性，實(shí)現(xiàn)在單一平臺(tái)支持多個(gè)視頻壓縮編碼標(biāo)準(zhǔn)的88 2維離散余弦變換。實(shí)驗(yàn)結(jié)果顯示，這種結(jié)構(gòu)每個(gè)時(shí)鐘周期可以并行處理8個(gè)像素，吞吐率最高可達(dá)1.157109像素/s。與已有結(jié)構(gòu)相比，設(shè)計(jì)效率和功耗效率最高可分別提升4.33倍和12.3倍，并能夠以最高30幀/s的幀率解碼尺寸為40962048，格式為4:2:0的視頻序列。
在視頻信號(hào)的編解碼流程中，離散余弦變換(DCT)是一個(gè)至關(guān)重要的環(huán)節(jié)，其決定了視頻壓縮的質(zhì)量和效率。針對88尺寸的2維離散余弦變換，該文提出一種基于粗粒度可重構(gòu)陣列結(jié)構(gòu)(Coarse-Grained Reconfigurable Array, CGRA)的硬件電路結(jié)構(gòu)。利用粗粒度可重構(gòu)陣列的可重配置的特性，實(shí)現(xiàn)在單一平臺(tái)支持多個(gè)視頻壓縮編碼標(biāo)準(zhǔn)的88 2維離散余弦變換。實(shí)驗(yàn)結(jié)果顯示，這種結(jié)構(gòu)每個(gè)時(shí)鐘周期可以并行處理8個(gè)像素，吞吐率最高可達(dá)1.157109像素/s。與已有結(jié)構(gòu)相比，設(shè)計(jì)效率和功耗效率最高可分別提升4.33倍和12.3倍，并能夠以最高30幀/s的幀率解碼尺寸為40962048，格式為4:2:0的視頻序列。
2015, 37(1): 214-219.
doi: 10.11999/JEIT140210
摘要:
針對并行傳輸線間感性和容性耦合計(jì)算問題，該文提出并行傳輸線等效場-線耦合亞網(wǎng)格時(shí)域有限差分(FDTD)數(shù)值模型，模型更適合非均勻介質(zhì)等復(fù)雜情形的耦合串?dāng)_求解，且具有更為簡潔的數(shù)值計(jì)算形式。利用該等效場-線耦合數(shù)值模型，對并行傳輸線間共模電磁信息泄漏進(jìn)行模擬仿真和實(shí)驗(yàn)測試，時(shí)域模擬和頻域?qū)嶒?yàn)結(jié)果均表明，該模型可以有效刻畫并行傳輸線共模電磁信息泄漏發(fā)射特性。
針對并行傳輸線間感性和容性耦合計(jì)算問題，該文提出并行傳輸線等效場-線耦合亞網(wǎng)格時(shí)域有限差分(FDTD)數(shù)值模型，模型更適合非均勻介質(zhì)等復(fù)雜情形的耦合串?dāng)_求解，且具有更為簡潔的數(shù)值計(jì)算形式。利用該等效場-線耦合數(shù)值模型，對并行傳輸線間共模電磁信息泄漏進(jìn)行模擬仿真和實(shí)驗(yàn)測試，時(shí)域模擬和頻域?qū)嶒?yàn)結(jié)果均表明，該模型可以有效刻畫并行傳輸線共模電磁信息泄漏發(fā)射特性。
2015, 37(1): 220-225.
doi: 10.11999/JEIT140192
摘要:
地電模型的高度非線性和非惟一性限制了模擬退火法反演在電磁勘探領(lǐng)域中的應(yīng)用。該文采用改進(jìn)的模擬退火算法，實(shí)現(xiàn)了時(shí)間域電磁法數(shù)據(jù)的模擬退火法反演。首先通過雙重?cái)?shù)字濾波方法簡化了正演計(jì)算過程，然后將非線性反演問題轉(zhuǎn)化為最優(yōu)化問題，采用模擬退火算法搜索全局最優(yōu)解。改進(jìn)的搜索策略能自適應(yīng)地調(diào)整搜索步長，提高了最優(yōu)解的搜索效率。與傳統(tǒng)反演方法進(jìn)行對比實(shí)驗(yàn)，結(jié)果表明該方法能有效獲得全局最優(yōu)解，得到更加準(zhǔn)確的地電模型參數(shù)。
地電模型的高度非線性和非惟一性限制了模擬退火法反演在電磁勘探領(lǐng)域中的應(yīng)用。該文采用改進(jìn)的模擬退火算法，實(shí)現(xiàn)了時(shí)間域電磁法數(shù)據(jù)的模擬退火法反演。首先通過雙重?cái)?shù)字濾波方法簡化了正演計(jì)算過程，然后將非線性反演問題轉(zhuǎn)化為最優(yōu)化問題，采用模擬退火算法搜索全局最優(yōu)解。改進(jìn)的搜索策略能自適應(yīng)地調(diào)整搜索步長，提高了最優(yōu)解的搜索效率。與傳統(tǒng)反演方法進(jìn)行對比實(shí)驗(yàn)，結(jié)果表明該方法能有效獲得全局最優(yōu)解，得到更加準(zhǔn)確的地電模型參數(shù)。
2015, 37(1): 226-235.
doi: 10.11999/JEIT141156
摘要:
高速鐵路自誕生起即伴隨著車地移動(dòng)通信的承載需求，其中一部分業(yè)務(wù)承載需求來源于高速列車的列車控制與列車調(diào)度，這是高速列車必不可少的重要組成部分，另一部分業(yè)務(wù)來源于車上的旅客，這些是滿足旅客服務(wù)質(zhì)量需求的重要標(biāo)志之一。特別是在移動(dòng)互聯(lián)網(wǎng)時(shí)代，上網(wǎng)需求已成為人們生活的重要組成部分。該文總結(jié)了世界各國高速鐵路移動(dòng)通信發(fā)展的重要?dú)v程，特別是支持旅客信息接入的車地移動(dòng)通信技術(shù)發(fā)展現(xiàn)狀，從移動(dòng)通信技術(shù)發(fā)展的趨勢討論高速鐵路移動(dòng)通信技術(shù)發(fā)展的趨勢，包括與公眾移動(dòng)通信技術(shù)發(fā)展的關(guān)系，展望未來高速鐵路移動(dòng)通信的一些關(guān)鍵技術(shù)，并提出了一些具體建議，從而給該領(lǐng)域相關(guān)的研究人員提供一些參考。
高速鐵路自誕生起即伴隨著車地移動(dòng)通信的承載需求，其中一部分業(yè)務(wù)承載需求來源于高速列車的列車控制與列車調(diào)度，這是高速列車必不可少的重要組成部分，另一部分業(yè)務(wù)來源于車上的旅客，這些是滿足旅客服務(wù)質(zhì)量需求的重要標(biāo)志之一。特別是在移動(dòng)互聯(lián)網(wǎng)時(shí)代，上網(wǎng)需求已成為人們生活的重要組成部分。該文總結(jié)了世界各國高速鐵路移動(dòng)通信發(fā)展的重要?dú)v程，特別是支持旅客信息接入的車地移動(dòng)通信技術(shù)發(fā)展現(xiàn)狀，從移動(dòng)通信技術(shù)發(fā)展的趨勢討論高速鐵路移動(dòng)通信技術(shù)發(fā)展的趨勢，包括與公眾移動(dòng)通信技術(shù)發(fā)展的關(guān)系，展望未來高速鐵路移動(dòng)通信的一些關(guān)鍵技術(shù)，并提出了一些具體建議，從而給該領(lǐng)域相關(guān)的研究人員提供一些參考。
2015, 37(1): 236-240.
doi: 10.11999/JEIT140127
摘要:
調(diào)制寬帶轉(zhuǎn)換器(Modulated Wideband Converter, MWC)壓縮采樣應(yīng)用于頻譜感知的一個(gè)基本前提是信號(hào)在頻域上的稀疏性。如果信號(hào)不稀疏，將導(dǎo)致MWC重構(gòu)結(jié)果不正確。該文提出了一種MWC壓縮采樣重構(gòu)成敗的判定方法。該方法利用連續(xù)兩次重構(gòu)得到的子帶能量之間的相關(guān)性進(jìn)行判決。仿真結(jié)果表明，該方法能夠較準(zhǔn)確地判斷重構(gòu)是否成功，應(yīng)用于認(rèn)知無線電頻譜感知中能夠避免頻譜不稀疏時(shí)認(rèn)知用戶對主用戶造成干擾，達(dá)到保護(hù)主用戶的目的。
調(diào)制寬帶轉(zhuǎn)換器(Modulated Wideband Converter, MWC)壓縮采樣應(yīng)用于頻譜感知的一個(gè)基本前提是信號(hào)在頻域上的稀疏性。如果信號(hào)不稀疏，將導(dǎo)致MWC重構(gòu)結(jié)果不正確。該文提出了一種MWC壓縮采樣重構(gòu)成敗的判定方法。該方法利用連續(xù)兩次重構(gòu)得到的子帶能量之間的相關(guān)性進(jìn)行判決。仿真結(jié)果表明，該方法能夠較準(zhǔn)確地判斷重構(gòu)是否成功，應(yīng)用于認(rèn)知無線電頻譜感知中能夠避免頻譜不稀疏時(shí)認(rèn)知用戶對主用戶造成干擾，達(dá)到保護(hù)主用戶的目的。
2015, 37(1): 241-254.
摘要:
本文首先對2014年度信息一處項(xiàng)目申請代碼、研究方向選擇情況進(jìn)行了簡要介紹，然后結(jié)合信息一處學(xué)科評(píng)審組的劃分和項(xiàng)目分組架構(gòu)，詳細(xì)說明了申請代碼、研究方向、關(guān)鍵詞在基金評(píng)審與資助中的重要作用。最后介紹了2015年度申請代碼、研究方向、關(guān)鍵詞試用版及其相對于2014年度試用版所做的主要調(diào)整，并強(qiáng)調(diào)了選擇中應(yīng)該注意的兩個(gè)問題。
本文首先對2014年度信息一處項(xiàng)目申請代碼、研究方向選擇情況進(jìn)行了簡要介紹，然后結(jié)合信息一處學(xué)科評(píng)審組的劃分和項(xiàng)目分組架構(gòu)，詳細(xì)說明了申請代碼、研究方向、關(guān)鍵詞在基金評(píng)審與資助中的重要作用。最后介紹了2015年度申請代碼、研究方向、關(guān)鍵詞試用版及其相對于2014年度試用版所做的主要調(diào)整，并強(qiáng)調(diào)了選擇中應(yīng)該注意的兩個(gè)問題。
