郵件訂閱
2016年 第38卷 第1期
2016, 38(1): 1-7.
doi: 10.11999/JEIT150600
摘要:
該文針對視覺跟蹤中運動目標的魯棒性跟蹤問題，基于主成分分析(PCA)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，提出一種易于初始化的類CNN提取深度特征的視覺跟蹤算法。該算法首先利用仿射變換對原始圖像進行處理，然后對歸一化尺寸的圖像進行分層PCA學習，將學習得到的PCA特征向量作為CNN結(jié)構(gòu)中的各階濾波器，完成特征提取網(wǎng)絡(luò)的初始化，再利用特征提取網(wǎng)絡(luò)獲取目標的深層次表達。最后結(jié)合粒子濾波，利用一個簡單的邏輯回歸分類器通過分類估計實現(xiàn)目標跟蹤。結(jié)果表明，利用這種易于初始化的CNN提取到的深度特征能夠有效地區(qū)分目標和背景，具有很好的可區(qū)分性，提出的視覺跟蹤算法對光照變化、尺度變化、遮擋、旋轉(zhuǎn)和攝像機抖動等都具有良好的適應性，在許多視頻序列上表現(xiàn)出了較好的魯棒性和準確性。
該文針對視覺跟蹤中運動目標的魯棒性跟蹤問題，基于主成分分析(PCA)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，提出一種易于初始化的類CNN提取深度特征的視覺跟蹤算法。該算法首先利用仿射變換對原始圖像進行處理，然后對歸一化尺寸的圖像進行分層PCA學習，將學習得到的PCA特征向量作為CNN結(jié)構(gòu)中的各階濾波器，完成特征提取網(wǎng)絡(luò)的初始化，再利用特征提取網(wǎng)絡(luò)獲取目標的深層次表達。最后結(jié)合粒子濾波，利用一個簡單的邏輯回歸分類器通過分類估計實現(xiàn)目標跟蹤。結(jié)果表明，利用這種易于初始化的CNN提取到的深度特征能夠有效地區(qū)分目標和背景，具有很好的可區(qū)分性，提出的視覺跟蹤算法對光照變化、尺度變化、遮擋、旋轉(zhuǎn)和攝像機抖動等都具有良好的適應性，在許多視頻序列上表現(xiàn)出了較好的魯棒性和準確性。
2016, 38(1): 8-14.
doi: 10.11999/JEIT150479
摘要:
多波段紅外圖像配準和融合是得到更高質(zhì)量夜視圖像的關(guān)鍵步驟。過去，這兩種方法被定義為兩個獨立的圖像處理過程。因此，在融合過程中忽略配準誤差會嚴重影響最后的融合質(zhì)量。為解決上述問題，該文提出一種新的迭代優(yōu)化方法，該方法通過尋找最優(yōu)配準參數(shù)來獲得最佳的融合性能，采用基于人眼感興趣區(qū)域的清晰度指標作為融合質(zhì)量評價函數(shù)來完善配準過程，采用模擬退火法解決聯(lián)合優(yōu)化問題。實驗結(jié)果表明，針對夜視領(lǐng)域的多波段紅外圖像，該方法在配準精度、融合質(zhì)量以及穩(wěn)定性上明顯優(yōu)于常用的配準和融合算法。
多波段紅外圖像配準和融合是得到更高質(zhì)量夜視圖像的關(guān)鍵步驟。過去，這兩種方法被定義為兩個獨立的圖像處理過程。因此，在融合過程中忽略配準誤差會嚴重影響最后的融合質(zhì)量。為解決上述問題，該文提出一種新的迭代優(yōu)化方法，該方法通過尋找最優(yōu)配準參數(shù)來獲得最佳的融合性能，采用基于人眼感興趣區(qū)域的清晰度指標作為融合質(zhì)量評價函數(shù)來完善配準過程，采用模擬退火法解決聯(lián)合優(yōu)化問題。實驗結(jié)果表明，針對夜視領(lǐng)域的多波段紅外圖像，該方法在配準精度、融合質(zhì)量以及穩(wěn)定性上明顯優(yōu)于常用的配準和融合算法。
2016, 38(1): 15-22.
doi: 10.11999/JEIT150515
摘要:
該文提出一種基于場景傳輸漸進估計的單幅圖像能見度快速復原方法。利用場景輻射的邊界條件，結(jié)合大氣散射模型估計場景傳輸?shù)某跏贾担⒉捎眠f歸雙邊濾波對其精化。通過梯度域遞歸雙邊濾波分解復原結(jié)果，對得到的基層和細節(jié)層分別進行色調(diào)調(diào)整和增強，獲取高質(zhì)量的清晰圖像。利用高斯KD樹對原始圖像的高維特征空間進行自適應剖分，獲取其高斯采樣以加速復原計算。與相關(guān)工作比較，所提方法能夠保持邊緣和細節(jié)，有效避免光暈效應。采用客觀指標評價復原結(jié)果。實驗結(jié)果表明，該方法有效易行，復原結(jié)果更加符合真實場景。
該文提出一種基于場景傳輸漸進估計的單幅圖像能見度快速復原方法。利用場景輻射的邊界條件，結(jié)合大氣散射模型估計場景傳輸?shù)某跏贾担⒉捎眠f歸雙邊濾波對其精化。通過梯度域遞歸雙邊濾波分解復原結(jié)果，對得到的基層和細節(jié)層分別進行色調(diào)調(diào)整和增強，獲取高質(zhì)量的清晰圖像。利用高斯KD樹對原始圖像的高維特征空間進行自適應剖分，獲取其高斯采樣以加速復原計算。與相關(guān)工作比較，所提方法能夠保持邊緣和細節(jié)，有效避免光暈效應。采用客觀指標評價復原結(jié)果。實驗結(jié)果表明，該方法有效易行，復原結(jié)果更加符合真實場景。
2016, 38(1): 23-28.
doi: 10.11999/JEIT150546
摘要:
論文為解決旋轉(zhuǎn)目標圖像匹配問題，提出旋轉(zhuǎn)不變梯度直方圖(RI-HOG)目標描述方法。RI-HOG描述方法首先將目標區(qū)域等間隔劃分為多個同心圓環(huán)并統(tǒng)計每個圓環(huán)的梯度直方圖(HoG)，各圓環(huán)HoG累加的結(jié)果作為目標區(qū)域的主方向，再將各圓環(huán)HoG根據(jù)主方向旋轉(zhuǎn)相應角度作主方向歸一化處理，最后把旋轉(zhuǎn)后的各圓環(huán)HoG按空間順序連接后即生成RI-HOG。對實際采集圖像的仿真結(jié)果表明，基于RI-HOG的目標匹配算法在目標旋轉(zhuǎn)任意角度時依然能夠準確檢測到目標。RI-HOG具有很好的旋轉(zhuǎn)不變性。
論文為解決旋轉(zhuǎn)目標圖像匹配問題，提出旋轉(zhuǎn)不變梯度直方圖(RI-HOG)目標描述方法。RI-HOG描述方法首先將目標區(qū)域等間隔劃分為多個同心圓環(huán)并統(tǒng)計每個圓環(huán)的梯度直方圖(HoG)，各圓環(huán)HoG累加的結(jié)果作為目標區(qū)域的主方向，再將各圓環(huán)HoG根據(jù)主方向旋轉(zhuǎn)相應角度作主方向歸一化處理，最后把旋轉(zhuǎn)后的各圓環(huán)HoG按空間順序連接后即生成RI-HOG。對實際采集圖像的仿真結(jié)果表明，基于RI-HOG的目標匹配算法在目標旋轉(zhuǎn)任意角度時依然能夠準確檢測到目標。RI-HOG具有很好的旋轉(zhuǎn)不變性。
2016, 38(1): 29-37.
doi: 10.11999/JEIT150557
摘要:
現(xiàn)有無監(jiān)督特征學習算法通常在RGB色彩空間進行特征提取，而圖像和視頻壓縮編碼標準則廣泛采用YUV色彩空間。為了利用人類視覺特性和避免色彩空間轉(zhuǎn)換所消耗的計算量，該文提出一種基于稀疏自動編碼器在YUV色彩空間進行無監(jiān)督特征學習的方法。首先在YUV空間隨機采集圖像子塊并進行白化處理，然后利用稀疏自動編碼器進行無監(jiān)督局部特征學習。在預處理階段，針對YUV空間亮度和色度通道相互獨立的特性，提出一種將亮度和色度進行分離的白化措施。最后用學習到的局部特征在大尺寸圖像上進行卷積操作從而獲得全局特征，并送入圖像分類系統(tǒng)進行性能測試。實驗結(jié)果表明：只要對亮度分量進行適當?shù)陌谆幚?，在YUV空間中的無監(jiān)督特征學習就能夠獲得相當于甚至優(yōu)于RGB空間的彩色圖像分類性能。
現(xiàn)有無監(jiān)督特征學習算法通常在RGB色彩空間進行特征提取，而圖像和視頻壓縮編碼標準則廣泛采用YUV色彩空間。為了利用人類視覺特性和避免色彩空間轉(zhuǎn)換所消耗的計算量，該文提出一種基于稀疏自動編碼器在YUV色彩空間進行無監(jiān)督特征學習的方法。首先在YUV空間隨機采集圖像子塊并進行白化處理，然后利用稀疏自動編碼器進行無監(jiān)督局部特征學習。在預處理階段，針對YUV空間亮度和色度通道相互獨立的特性，提出一種將亮度和色度進行分離的白化措施。最后用學習到的局部特征在大尺寸圖像上進行卷積操作從而獲得全局特征，并送入圖像分類系統(tǒng)進行性能測試。實驗結(jié)果表明：只要對亮度分量進行適當?shù)陌谆幚?，在YUV空間中的無監(jiān)督特征學習就能夠獲得相當于甚至優(yōu)于RGB空間的彩色圖像分類性能。
2016, 38(1): 38-46.
doi: 10.11999/JEIT150337
摘要:
在目標分類領(lǐng)域，當前主流的目標分類方法是基于視覺詞典模型，而時間效率低、視覺單詞同義性和歧義性及單詞空間信息的缺失等問題嚴重制約了其分類性能。針對這些問題，該文提出一種基于弱監(jiān)督的精確位置敏感哈希(E2LSH)和顯著圖加權(quán)的目標分類方法。首先，引入E2LSH算法對訓練圖像集的特征點聚類生成一組視覺詞典，并提出一種弱監(jiān)督策略對E2LSH中哈希函數(shù)的選取進行監(jiān)督，以降低其隨機性，提高視覺詞典的區(qū)分性。然后，利用GBVS(Graph-Based Visual Saliency)顯著度檢測算法對圖像進行顯著度檢測，并依據(jù)單詞所處區(qū)域的顯著度值為其分配權(quán)重；最后，利用顯著圖加權(quán)的視覺語言模型完成目標分類。在數(shù)據(jù)集Caltech-256和Pascal VOC 2007上的實驗結(jié)果表明，所提方法能夠較好地提高詞典生成效率，提高目標表達的分辨能力，其目標分類性能優(yōu)于當前主流方法。
在目標分類領(lǐng)域，當前主流的目標分類方法是基于視覺詞典模型，而時間效率低、視覺單詞同義性和歧義性及單詞空間信息的缺失等問題嚴重制約了其分類性能。針對這些問題，該文提出一種基于弱監(jiān)督的精確位置敏感哈希(E2LSH)和顯著圖加權(quán)的目標分類方法。首先，引入E2LSH算法對訓練圖像集的特征點聚類生成一組視覺詞典，并提出一種弱監(jiān)督策略對E2LSH中哈希函數(shù)的選取進行監(jiān)督，以降低其隨機性，提高視覺詞典的區(qū)分性。然后，利用GBVS(Graph-Based Visual Saliency)顯著度檢測算法對圖像進行顯著度檢測，并依據(jù)單詞所處區(qū)域的顯著度值為其分配權(quán)重；最后，利用顯著圖加權(quán)的視覺語言模型完成目標分類。在數(shù)據(jù)集Caltech-256和Pascal VOC 2007上的實驗結(jié)果表明，所提方法能夠較好地提高詞典生成效率，提高目標表達的分辨能力，其目標分類性能優(yōu)于當前主流方法。
2016, 38(1): 47-52.
doi: 10.11999/JEIT150501
摘要:
非剛性點集配準算法在實際應用中要求對噪聲、遮擋或異常點具有很好的魯棒性。該文采用高斯混合模型并結(jié)合點的鄰域結(jié)構(gòu)信息實現(xiàn)非剛性點集配準。使用高斯混合模型表示模型點集，通過高斯徑向基函數(shù)構(gòu)建變換模型。并根據(jù)點的鄰域結(jié)構(gòu)信息決定高斯混合模型中每個高斯組成部分所占的比例。在EM算法的期望步(E-step)階段求解點的對應關(guān)系，在最大化步(M-step)階段求解異常點比例系數(shù)和變換的閉合形式解，直至算法收斂得到最優(yōu)解。通過在合成數(shù)據(jù)和實際的視網(wǎng)膜圖像上的實驗，與目前幾種先進的點集配準方法進行了比較，證明該算法具有較好的配準效果和魯棒性。
非剛性點集配準算法在實際應用中要求對噪聲、遮擋或異常點具有很好的魯棒性。該文采用高斯混合模型并結(jié)合點的鄰域結(jié)構(gòu)信息實現(xiàn)非剛性點集配準。使用高斯混合模型表示模型點集，通過高斯徑向基函數(shù)構(gòu)建變換模型。并根據(jù)點的鄰域結(jié)構(gòu)信息決定高斯混合模型中每個高斯組成部分所占的比例。在EM算法的期望步(E-step)階段求解點的對應關(guān)系，在最大化步(M-step)階段求解異常點比例系數(shù)和變換的閉合形式解，直至算法收斂得到最優(yōu)解。通過在合成數(shù)據(jù)和實際的視網(wǎng)膜圖像上的實驗，與目前幾種先進的點集配準方法進行了比較，證明該算法具有較好的配準效果和魯棒性。
2016, 38(1): 53-62.
doi: 10.11999/JEIT150157
摘要:
針對信息物理融合系統(tǒng)中的在線時間序列預測問題，該文選擇計算復雜度低且具有自適應特點的核自適應濾波器(Kernel Adaptive Filter, KAF)方法與FPGA計算系統(tǒng)相結(jié)合，提出一種基于FPGA的KAF向量處理器解決思路。通過多路并行、多級流水線技術(shù)提高了處理器的計算速度，降低了功耗和計算延遲，并采用微碼編程提高了設(shè)計的通用性和可擴展性。該文基于該向量處理器實現(xiàn)了經(jīng)典的KAF方法，實驗表明，在滿足計算精度要求的前提下，該向量處理器與CPU相比，最高可獲得22倍計算速度提升，功耗降為1/139，計算延遲降為1/26。
針對信息物理融合系統(tǒng)中的在線時間序列預測問題，該文選擇計算復雜度低且具有自適應特點的核自適應濾波器(Kernel Adaptive Filter, KAF)方法與FPGA計算系統(tǒng)相結(jié)合，提出一種基于FPGA的KAF向量處理器解決思路。通過多路并行、多級流水線技術(shù)提高了處理器的計算速度，降低了功耗和計算延遲，并采用微碼編程提高了設(shè)計的通用性和可擴展性。該文基于該向量處理器實現(xiàn)了經(jīng)典的KAF方法，實驗表明，在滿足計算精度要求的前提下，該向量處理器與CPU相比，最高可獲得22倍計算速度提升，功耗降為1/139，計算延遲降為1/26。
2016, 38(1): 63-70.
doi: 10.11999/JEIT150421
摘要:
基于機器視覺的田間車輛自動導航是農(nóng)用車輛導航的熱門研究方向，但含較密集雜草的農(nóng)田作物行提取，目前依然是個難題。該文提出一種適用于密集雜草農(nóng)田的，主要基于頻率和顏色信息的農(nóng)田圖像分割算法。通過小波多分辨率分解后構(gòu)建的頻率總量指標，利用作物產(chǎn)生主頻信息的總量優(yōu)勢，結(jié)合作物行的交替及最大類間方差法、顏色模型分量變換，實現(xiàn)農(nóng)田雜草的去除，并通過最小二乘法擬合直線，實現(xiàn)農(nóng)田作物行提取。實驗表明算法能有效克服密集雜草干擾，針對 像素大小圖像，單幅處理時間平均為132 ms。
基于機器視覺的田間車輛自動導航是農(nóng)用車輛導航的熱門研究方向，但含較密集雜草的農(nóng)田作物行提取，目前依然是個難題。該文提出一種適用于密集雜草農(nóng)田的，主要基于頻率和顏色信息的農(nóng)田圖像分割算法。通過小波多分辨率分解后構(gòu)建的頻率總量指標，利用作物產(chǎn)生主頻信息的總量優(yōu)勢，結(jié)合作物行的交替及最大類間方差法、顏色模型分量變換，實現(xiàn)農(nóng)田雜草的去除，并通過最小二乘法擬合直線，實現(xiàn)農(nóng)田作物行提取。實驗表明算法能有效克服密集雜草干擾，針對 像素大小圖像，單幅處理時間平均為132 ms。
2016, 38(1): 71-79.
doi: 10.11999/JEIT150394
摘要:
森林區(qū)域豎直結(jié)構(gòu)參數(shù)的反演是極化干涉雷達的一個重要應用，基于RVoG模型，運用全極化干涉數(shù)據(jù)可成功獲得森林區(qū)域的地形估計及樹高反演。該文將基于單基線簡縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)對森林區(qū)域進行林下地形估計及樹高反演。推導單基線簡縮極化干涉相干系數(shù)及相干區(qū)域，根據(jù)相干區(qū)域進行直線擬合，提出簡縮極化干涉數(shù)據(jù)下的地形相位判別準則及體散射去相干估計方法，然后完成樹高反演。通過L, P波段仿真數(shù)據(jù)以及實測機載數(shù)據(jù)對上述方法進行驗證，獲得正確地形及樹高。簡縮極化發(fā)射波極化狀態(tài)不唯一，因此該文詳細分析不同參數(shù)的橢圓極化對地形及樹高等參數(shù)估計的影響，研究表明地形樹高受橢圓極化波影響較小，也驗證了估計方法的穩(wěn)定性。
森林區(qū)域豎直結(jié)構(gòu)參數(shù)的反演是極化干涉雷達的一個重要應用，基于RVoG模型，運用全極化干涉數(shù)據(jù)可成功獲得森林區(qū)域的地形估計及樹高反演。該文將基于單基線簡縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)對森林區(qū)域進行林下地形估計及樹高反演。推導單基線簡縮極化干涉相干系數(shù)及相干區(qū)域，根據(jù)相干區(qū)域進行直線擬合，提出簡縮極化干涉數(shù)據(jù)下的地形相位判別準則及體散射去相干估計方法，然后完成樹高反演。通過L, P波段仿真數(shù)據(jù)以及實測機載數(shù)據(jù)對上述方法進行驗證，獲得正確地形及樹高。簡縮極化發(fā)射波極化狀態(tài)不唯一，因此該文詳細分析不同參數(shù)的橢圓極化對地形及樹高等參數(shù)估計的影響，研究表明地形樹高受橢圓極化波影響較小，也驗證了估計方法的穩(wěn)定性。
2016, 38(1): 80-89.
doi: 10.11999/JEIT150402
摘要:
該文針對十字型陣列配置下的單基地MIMO雷達2維空間角度估計問題，提出一種基于ESPRIT算法的降維DOA估計算法。算法通過降維矩陣的設(shè)計及回波數(shù)據(jù)的降維變換，將高維回波數(shù)據(jù)轉(zhuǎn)換至低維信號空間，最大程度地去除了所有的冗余數(shù)據(jù)；利用矩陣的酉變換進行實數(shù)域信號子空間的估計，并基于ESPRIT算法實現(xiàn)2維空間角度的聯(lián)合估計及參數(shù)的自動配對。算法不犧牲陣列孔徑，在獲取信噪比增益和快拍增益的同時，有效降低了回波數(shù)據(jù)的維數(shù)，具有更低的運算復雜度。仿真結(jié)果驗證了理論分析的正確性和算法的有效性。
該文針對十字型陣列配置下的單基地MIMO雷達2維空間角度估計問題，提出一種基于ESPRIT算法的降維DOA估計算法。算法通過降維矩陣的設(shè)計及回波數(shù)據(jù)的降維變換，將高維回波數(shù)據(jù)轉(zhuǎn)換至低維信號空間，最大程度地去除了所有的冗余數(shù)據(jù)；利用矩陣的酉變換進行實數(shù)域信號子空間的估計，并基于ESPRIT算法實現(xiàn)2維空間角度的聯(lián)合估計及參數(shù)的自動配對。算法不犧牲陣列孔徑，在獲取信噪比增益和快拍增益的同時，有效降低了回波數(shù)據(jù)的維數(shù)，具有更低的運算復雜度。仿真結(jié)果驗證了理論分析的正確性和算法的有效性。
2016, 38(1): 90-96.
doi: 10.11999/JEIT150505
摘要:
微動目標散射點的微多普勒對目標運動、結(jié)構(gòu)參數(shù)的估計具有重要意義。該文針對表面光滑的錐裙目標，首先依據(jù)進動錐裙目標的等效散射點模型，推導出散射點的理論微多普勒曲線表達式。結(jié)合進動調(diào)制的錐裙目標微多普勒曲線為多階正弦級數(shù)疊加的先驗信息，提出一種基于參數(shù)化時頻分析的進動錐裙目標微多普勒曲線提取方法。針對多分量信號組成的錐裙目標回波，該方法利用相干信號單距離多普勒干涉(CSRDI)方法估計錐旋頻率，進而利用參數(shù)化時頻分析估計散射點的微多普勒曲線，之后利用帶阻濾波器分離估計得到的散射點回波信號?；陔姶欧抡鏀?shù)據(jù)驗證了所提方法的有效性。
微動目標散射點的微多普勒對目標運動、結(jié)構(gòu)參數(shù)的估計具有重要意義。該文針對表面光滑的錐裙目標，首先依據(jù)進動錐裙目標的等效散射點模型，推導出散射點的理論微多普勒曲線表達式。結(jié)合進動調(diào)制的錐裙目標微多普勒曲線為多階正弦級數(shù)疊加的先驗信息，提出一種基于參數(shù)化時頻分析的進動錐裙目標微多普勒曲線提取方法。針對多分量信號組成的錐裙目標回波，該方法利用相干信號單距離多普勒干涉(CSRDI)方法估計錐旋頻率，進而利用參數(shù)化時頻分析估計散射點的微多普勒曲線，之后利用帶阻濾波器分離估計得到的散射點回波信號?；陔姶欧抡鏀?shù)據(jù)驗證了所提方法的有效性。
2016, 38(1): 97-103.
doi: 10.11999/JEIT150366
摘要:
特征提取是合成孔徑雷達(SAR)圖像目標識別的關(guān)鍵環(huán)節(jié)。SAR圖像中存在的相干斑點和非光滑特性使得傳統(tǒng)針對光學圖像的特征提取方法變得很難應用。雖然可以采用深度置信網(wǎng)絡(luò)(DBN)自動地進行特征學習，但是該方法屬于無監(jiān)督學習方法，這使得學習到的特征與具體的任務(wù)是無關(guān)的。該文提出一種叫做相似性約束的受限玻爾茲曼機模型。該模型在學習過程中通過約束特征向量之間的相似性達到引入監(jiān)督信息的目的。另外，可以將多個相似性約束的受限玻爾茲曼機堆疊成一種新的深度模型，稱其為相似性約束的深度置信網(wǎng)絡(luò)模型。實驗結(jié)果表明在SAR圖像目標識別應用中，該方法相比主成分分析(PCA)以及原始DBN具有更好的識別性能。
特征提取是合成孔徑雷達(SAR)圖像目標識別的關(guān)鍵環(huán)節(jié)。SAR圖像中存在的相干斑點和非光滑特性使得傳統(tǒng)針對光學圖像的特征提取方法變得很難應用。雖然可以采用深度置信網(wǎng)絡(luò)(DBN)自動地進行特征學習，但是該方法屬于無監(jiān)督學習方法，這使得學習到的特征與具體的任務(wù)是無關(guān)的。該文提出一種叫做相似性約束的受限玻爾茲曼機模型。該模型在學習過程中通過約束特征向量之間的相似性達到引入監(jiān)督信息的目的。另外，可以將多個相似性約束的受限玻爾茲曼機堆疊成一種新的深度模型，稱其為相似性約束的深度置信網(wǎng)絡(luò)模型。實驗結(jié)果表明在SAR圖像目標識別應用中，該方法相比主成分分析(PCA)以及原始DBN具有更好的識別性能。
2016, 38(1): 104-110.
doi: 10.11999/JEIT150381
摘要:
傳統(tǒng)的大斜視角SAR成像算法利用時域線性走動減少距離徙動校正的難度，運用非線性變標算法改善方位向的聚焦效果，然而變標因子的引入也帶來了一些處理上的不便。針對這一問題，該文從分塊近似匹配的角度出發(fā)，結(jié)合DFT濾波器組理論，提出了一種方位向聚焦的新算法。與傳統(tǒng)的方位非線性變標類算法相比，新算法不引入相位操作，能更好地補償空變的多普勒調(diào)頻率，穩(wěn)定性和成像性能都得到了提高，且在一般情況下算法的計算量要少于傳統(tǒng)算法。仿真結(jié)果證明了算法的有效性。
傳統(tǒng)的大斜視角SAR成像算法利用時域線性走動減少距離徙動校正的難度，運用非線性變標算法改善方位向的聚焦效果，然而變標因子的引入也帶來了一些處理上的不便。針對這一問題，該文從分塊近似匹配的角度出發(fā)，結(jié)合DFT濾波器組理論，提出了一種方位向聚焦的新算法。與傳統(tǒng)的方位非線性變標類算法相比，新算法不引入相位操作，能更好地補償空變的多普勒調(diào)頻率，穩(wěn)定性和成像性能都得到了提高，且在一般情況下算法的計算量要少于傳統(tǒng)算法。仿真結(jié)果證明了算法的有效性。
2016, 38(1): 111-118.
doi: 10.11999/JEIT150444
摘要:
為提高人工神經(jīng)網(wǎng)絡(luò)的逼近能力，該文從研究隱層神經(jīng)元的映射機制入手，提出基于量子比特在Bloch球面的繞軸旋轉(zhuǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型的新思想。首先將樣本線性變換為量子比特的相位，并使量子比特在Bloch球面上分別繞著3個坐標軸旋轉(zhuǎn)，旋轉(zhuǎn)角度即為網(wǎng)絡(luò)參數(shù)。然后通過投影測量可以得到量子比特的球面坐標，將這些坐標值提交到隱層激勵函數(shù)，可得隱層神經(jīng)元的輸出。輸出層采用普通神經(jīng)元?；贚-M(Levenberg-Marquardt)算法設(shè)計了該模型的學習算法。實驗結(jié)果表明，該文提出的模型在逼近能力、泛化能力、魯棒性能方面，均優(yōu)于采用L-M算法的普通神經(jīng)網(wǎng)絡(luò)。
為提高人工神經(jīng)網(wǎng)絡(luò)的逼近能力，該文從研究隱層神經(jīng)元的映射機制入手，提出基于量子比特在Bloch球面的繞軸旋轉(zhuǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型的新思想。首先將樣本線性變換為量子比特的相位，并使量子比特在Bloch球面上分別繞著3個坐標軸旋轉(zhuǎn)，旋轉(zhuǎn)角度即為網(wǎng)絡(luò)參數(shù)。然后通過投影測量可以得到量子比特的球面坐標，將這些坐標值提交到隱層激勵函數(shù)，可得隱層神經(jīng)元的輸出。輸出層采用普通神經(jīng)元?；贚-M(Levenberg-Marquardt)算法設(shè)計了該模型的學習算法。實驗結(jié)果表明，該文提出的模型在逼近能力、泛化能力、魯棒性能方面，均優(yōu)于采用L-M算法的普通神經(jīng)網(wǎng)絡(luò)。
2016, 38(1): 119-126.
doi: 10.11999/JEIT150476
摘要:
在被動式的超高頻(UHF)射頻識別(RFID)系統(tǒng)中，當多個標簽選擇同一個時隙向閱讀器發(fā)送信息，標簽間沖突就會產(chǎn)生，該沖突通常只在介質(zhì)訪問控制(MAC)層上解決。其實，若沖突信號在物理層上被分離，識別效率將能得到很大的提高。在物理層沖突信號分離中，信道估計是一項關(guān)鍵技術(shù)，因為好的信道估計有助于準確地恢復沖突信號。傳統(tǒng)的信道估計方法在兩個標簽沖突的情況下具有較好的估計性能，但當沖突標簽數(shù)超過2時，卻會產(chǎn)生較高的誤差。該文針對物理層的UHF RFID信號分離問題，提出一種新的信道估計方法。該方法利用已知的前綴信號，采用最小二乘方法對信道進行估計。從實驗結(jié)果看，當標簽沖突數(shù)超過2時，該文提出的信道估計方法的誤差要小于傳統(tǒng)的估計方法，而且估計的信道得到的分離效率也高于傳統(tǒng)方法。
在被動式的超高頻(UHF)射頻識別(RFID)系統(tǒng)中，當多個標簽選擇同一個時隙向閱讀器發(fā)送信息，標簽間沖突就會產(chǎn)生，該沖突通常只在介質(zhì)訪問控制(MAC)層上解決。其實，若沖突信號在物理層上被分離，識別效率將能得到很大的提高。在物理層沖突信號分離中，信道估計是一項關(guān)鍵技術(shù)，因為好的信道估計有助于準確地恢復沖突信號。傳統(tǒng)的信道估計方法在兩個標簽沖突的情況下具有較好的估計性能，但當沖突標簽數(shù)超過2時，卻會產(chǎn)生較高的誤差。該文針對物理層的UHF RFID信號分離問題，提出一種新的信道估計方法。該方法利用已知的前綴信號，采用最小二乘方法對信道進行估計。從實驗結(jié)果看，當標簽沖突數(shù)超過2時，該文提出的信道估計方法的誤差要小于傳統(tǒng)的估計方法，而且估計的信道得到的分離效率也高于傳統(tǒng)方法。
2016, 38(1): 127-134.
doi: 10.11999/JEIT150616
摘要:
該文針對多尺度結(jié)構(gòu)相似性(Multiple-scale Structural SIMilarity, MSSIM)圖像質(zhì)量評價算法對圖像信息不確定部分度量能力的不足，結(jié)合人類視覺系統(tǒng)(HVS)，提出基于內(nèi)在生成機制(internal generative mechanism)的iMSSIM算法。首先采用基于逐段式自回歸(Piecewise AutoRegressive, PAR)模型的內(nèi)在生成機制將失真圖像和原始圖像分解成采用MSSIM算法評分的圖像內(nèi)容預測部分和采用PSNR評分的圖像信息不確定部分；然后采用均方誤差(MSE)進行加權(quán)來聯(lián)合這兩部分評分獲得最終結(jié)果。在基準數(shù)據(jù)庫上完成的對比實驗表明：該算法不僅在不同失真類型上性能最好，且在6個公開數(shù)據(jù)庫上的性能優(yōu)于現(xiàn)有算法。
該文針對多尺度結(jié)構(gòu)相似性(Multiple-scale Structural SIMilarity, MSSIM)圖像質(zhì)量評價算法對圖像信息不確定部分度量能力的不足，結(jié)合人類視覺系統(tǒng)(HVS)，提出基于內(nèi)在生成機制(internal generative mechanism)的iMSSIM算法。首先采用基于逐段式自回歸(Piecewise AutoRegressive, PAR)模型的內(nèi)在生成機制將失真圖像和原始圖像分解成采用MSSIM算法評分的圖像內(nèi)容預測部分和采用PSNR評分的圖像信息不確定部分；然后采用均方誤差(MSE)進行加權(quán)來聯(lián)合這兩部分評分獲得最終結(jié)果。在基準數(shù)據(jù)庫上完成的對比實驗表明：該算法不僅在不同失真類型上性能最好，且在6個公開數(shù)據(jù)庫上的性能優(yōu)于現(xiàn)有算法。
2016, 38(1): 135-140.
doi: 10.11999/JEIT150597
摘要:
Biclique攻擊是目前唯一能將對AES全輪攻擊降至窮舉攻擊之下的密鑰恢復攻擊，但如何得到AES新的Biclique結(jié)構(gòu)或全部Biclique結(jié)構(gòu)尚沒有解決。該文設(shè)計了尋找AES-128全部Biclique結(jié)構(gòu)的算法以及衡量基于相應結(jié)構(gòu)Biclique攻擊的數(shù)據(jù)和時間復雜度的算法，得出了AES-128共有215類i-差分能產(chǎn)生555個Biclique結(jié)構(gòu)，給出了數(shù)據(jù)復雜度最小和次小的i-差分路徑，分別列出了計算復雜度最小和數(shù)據(jù)復雜度最小的Biclique差分及匹配。
Biclique攻擊是目前唯一能將對AES全輪攻擊降至窮舉攻擊之下的密鑰恢復攻擊，但如何得到AES新的Biclique結(jié)構(gòu)或全部Biclique結(jié)構(gòu)尚沒有解決。該文設(shè)計了尋找AES-128全部Biclique結(jié)構(gòu)的算法以及衡量基于相應結(jié)構(gòu)Biclique攻擊的數(shù)據(jù)和時間復雜度的算法，得出了AES-128共有215類i-差分能產(chǎn)生555個Biclique結(jié)構(gòu)，給出了數(shù)據(jù)復雜度最小和次小的i-差分路徑，分別列出了計算復雜度最小和數(shù)據(jù)復雜度最小的Biclique差分及匹配。
2016, 38(1): 141-145.
doi: 10.11999/JEIT150620
摘要:
混沌無線數(shù)字通信是未來高安全高保密無線通信的重要發(fā)展方向，而混沌碼同步是其核心技術(shù)之一。該文根據(jù)混沌無線通信特點，提出一種基于滑動相關(guān)峰檢測的混沌碼同步方法。針對非周期混沌碼同步，設(shè)計了在混沌碼同步3個約束條件下的相位延遲控制模塊，搭建了基于Logistic序列的同步系統(tǒng)動態(tài)模型，并進行了仿真。仿真結(jié)果表明，該方法可實現(xiàn)收發(fā)兩端混沌碼同步，同步速度快，抗噪能力強，有效地解決了混沌無線數(shù)字通信中的同步方法問題。
混沌無線數(shù)字通信是未來高安全高保密無線通信的重要發(fā)展方向，而混沌碼同步是其核心技術(shù)之一。該文根據(jù)混沌無線通信特點，提出一種基于滑動相關(guān)峰檢測的混沌碼同步方法。針對非周期混沌碼同步，設(shè)計了在混沌碼同步3個約束條件下的相位延遲控制模塊，搭建了基于Logistic序列的同步系統(tǒng)動態(tài)模型，并進行了仿真。仿真結(jié)果表明，該方法可實現(xiàn)收發(fā)兩端混沌碼同步，同步速度快，抗噪能力強，有效地解決了混沌無線數(shù)字通信中的同步方法問題。
2016, 38(1): 146-152.
doi: 10.11999/JEIT150396
摘要:
向擁有較寬連續(xù)頻譜的高頻頻段擴展帶寬成為未來高鐵無線通信系統(tǒng)提升容量的有力手段，不過，需要采用大規(guī)模天線波束賦形技術(shù)克服高頻頻段路徑損耗嚴重的缺陷。在高鐵雙車載臺方案中，可以通過大規(guī)模天線陣列形成雙波束傳輸提高系統(tǒng)容量。在對其傳輸性能進行分析后發(fā)現(xiàn)，雙波束傳輸優(yōu)化配置與列車的位置有關(guān)?；诖?，論文提出自適應波束分合傳輸方案，當列車距離基站較遠時，為了避免波束間的嚴重干擾，雙波束合成為一個波束來覆蓋兩個接收端，實現(xiàn)接收分集，提高接收信號質(zhì)量；當列車距離基站較近時，分裂成雙波束，實現(xiàn)空間復用，提高系統(tǒng)容量及傳輸可靠性。數(shù)值仿真結(jié)果表明，所提方案可以適應列車運行位置，提升傳輸性能。
向擁有較寬連續(xù)頻譜的高頻頻段擴展帶寬成為未來高鐵無線通信系統(tǒng)提升容量的有力手段，不過，需要采用大規(guī)模天線波束賦形技術(shù)克服高頻頻段路徑損耗嚴重的缺陷。在高鐵雙車載臺方案中，可以通過大規(guī)模天線陣列形成雙波束傳輸提高系統(tǒng)容量。在對其傳輸性能進行分析后發(fā)現(xiàn)，雙波束傳輸優(yōu)化配置與列車的位置有關(guān)?；诖?，論文提出自適應波束分合傳輸方案，當列車距離基站較遠時，為了避免波束間的嚴重干擾，雙波束合成為一個波束來覆蓋兩個接收端，實現(xiàn)接收分集，提高接收信號質(zhì)量；當列車距離基站較近時，分裂成雙波束，實現(xiàn)空間復用，提高系統(tǒng)容量及傳輸可靠性。數(shù)值仿真結(jié)果表明，所提方案可以適應列車運行位置，提升傳輸性能。
2016, 38(1): 153-159.
doi: 10.11999/JEIT150415
摘要:
原模圖低密度奇偶校驗碼相較于傳統(tǒng)LDPC碼,具有結(jié)構(gòu)簡單、迭代譯碼門限低、易于擴展及線性編譯碼復雜度等優(yōu)點。針對強多途、長時延、窄帶寬的淺海水聲信道，該文研究了PG-LDPC碼的設(shè)計及性能特征，提出一種碼型設(shè)計方案，并采用基于原模圖度分布的外部信息轉(zhuǎn)移圖算法，對所設(shè)計PG-LDPC碼的糾錯性能進行分析及預測。仿真與實驗結(jié)果表明，與(3,6)隨機規(guī)則LDPC碼相比，所提的PG-LDPC碼在低、高信噪比區(qū)域均有良好的糾錯性能。
原模圖低密度奇偶校驗碼相較于傳統(tǒng)LDPC碼,具有結(jié)構(gòu)簡單、迭代譯碼門限低、易于擴展及線性編譯碼復雜度等優(yōu)點。針對強多途、長時延、窄帶寬的淺海水聲信道，該文研究了PG-LDPC碼的設(shè)計及性能特征，提出一種碼型設(shè)計方案，并采用基于原模圖度分布的外部信息轉(zhuǎn)移圖算法，對所設(shè)計PG-LDPC碼的糾錯性能進行分析及預測。仿真與實驗結(jié)果表明，與(3,6)隨機規(guī)則LDPC碼相比，所提的PG-LDPC碼在低、高信噪比區(qū)域均有良好的糾錯性能。
2016, 38(1): 160-167.
doi: 10.11999/JEIT150510
摘要:
針對現(xiàn)有混沌檢測算法精度不高、狀態(tài)響應滯后的問題，該文從混沌狀態(tài)整體性、系統(tǒng)解頻域特性等角度進行全面分析，提出一種基于攝動解主頻功率比的弱信號檢測方法，該算法不僅準確實現(xiàn)了臨界狀態(tài)的有效界定，提高了信號檢測的可靠程度，而且揭示了系統(tǒng)各個狀態(tài)之間的差別及物理含義。文中采用參數(shù)攝動法推導了Duffing-Van der pol振子的一階攝動平衡解，證明了其為影響主頻率分量的主要因素。在此基礎(chǔ)上，采用經(jīng)驗模態(tài)分解方法對有效參量信息進行選擇性重構(gòu)，以最小均方誤差約束準則下的比值系數(shù)重新定義了系統(tǒng)狀態(tài)，得到系統(tǒng)主頻功率比與策動力幅值之間的映射關(guān)系，并以此作為臨界閾值確定的依據(jù)。實驗結(jié)果表明，采用主頻功率比準則的信號檢測方法可靠性提高了約1個數(shù)量級，且算法的響應速度為傳統(tǒng)分析方法的2倍以上。
針對現(xiàn)有混沌檢測算法精度不高、狀態(tài)響應滯后的問題，該文從混沌狀態(tài)整體性、系統(tǒng)解頻域特性等角度進行全面分析，提出一種基于攝動解主頻功率比的弱信號檢測方法，該算法不僅準確實現(xiàn)了臨界狀態(tài)的有效界定，提高了信號檢測的可靠程度，而且揭示了系統(tǒng)各個狀態(tài)之間的差別及物理含義。文中采用參數(shù)攝動法推導了Duffing-Van der pol振子的一階攝動平衡解，證明了其為影響主頻率分量的主要因素。在此基礎(chǔ)上，采用經(jīng)驗模態(tài)分解方法對有效參量信息進行選擇性重構(gòu)，以最小均方誤差約束準則下的比值系數(shù)重新定義了系統(tǒng)狀態(tài)，得到系統(tǒng)主頻功率比與策動力幅值之間的映射關(guān)系，并以此作為臨界閾值確定的依據(jù)。實驗結(jié)果表明，采用主頻功率比準則的信號檢測方法可靠性提高了約1個數(shù)量級，且算法的響應速度為傳統(tǒng)分析方法的2倍以上。
2016, 38(1): 168-173.
doi: 10.11999/JEIT150538
摘要:
該文提出一種基于空域平滑稀疏重構(gòu)的DOA估計算法，利用空域平滑理論對協(xié)方差矩陣進行處理，然后通過KR積變換改變其結(jié)構(gòu)，并對變換后的矩陣進行稀疏重構(gòu)獲得角度估計。此外，該文還給出了兩種不同的目標函數(shù)誤差求解方法。從仿真實驗可以看出，該算法與傳統(tǒng)的基于壓縮感知理論的DOA估計算法對比，明顯降低了運算量，且對于相干和非相干信號的處理性能均有所提高，在低角度間隔、低信噪比和低采樣數(shù)條件下優(yōu)勢更為突出。
該文提出一種基于空域平滑稀疏重構(gòu)的DOA估計算法，利用空域平滑理論對協(xié)方差矩陣進行處理，然后通過KR積變換改變其結(jié)構(gòu)，并對變換后的矩陣進行稀疏重構(gòu)獲得角度估計。此外，該文還給出了兩種不同的目標函數(shù)誤差求解方法。從仿真實驗可以看出，該算法與傳統(tǒng)的基于壓縮感知理論的DOA估計算法對比，明顯降低了運算量，且對于相干和非相干信號的處理性能均有所提高，在低角度間隔、低信噪比和低采樣數(shù)條件下優(yōu)勢更為突出。
2016, 38(1): 174-179.
doi: 10.11999/JEIT150504
摘要:
為了提高單通道語音增強降噪算法的整體質(zhì)量，該文從噪聲消除和語音感知兩個角度出發(fā)對傳統(tǒng)語音增強算法進行改進，通過引入多種處理手段來達到最佳優(yōu)化效果。首先在參數(shù)估計方面，把基于弱語音出現(xiàn)的平滑算法加入到基于固定先驗信噪比的軟判決方法中來解決噪聲譜過估計問題，并根據(jù)語音幀存在概率動態(tài)調(diào)整平滑因子，從而提高先驗信噪比的跟蹤效果。其次在語音質(zhì)量感知提升方面，采用諧波恢復的方法重建語音段的高頻諧波分量，并采用相位補償和增益平滑的方法消除靜默段和語音段的音樂噪聲。實驗結(jié)果表明，相比傳統(tǒng)算法，該文算法通過引入?yún)?shù)估計改進模塊和感知質(zhì)量提升模塊，在消噪效果和語音質(zhì)量兩方面均得到了較大的提高，并適用于多類噪聲環(huán)境和信噪比條件。
為了提高單通道語音增強降噪算法的整體質(zhì)量，該文從噪聲消除和語音感知兩個角度出發(fā)對傳統(tǒng)語音增強算法進行改進，通過引入多種處理手段來達到最佳優(yōu)化效果。首先在參數(shù)估計方面，把基于弱語音出現(xiàn)的平滑算法加入到基于固定先驗信噪比的軟判決方法中來解決噪聲譜過估計問題，并根據(jù)語音幀存在概率動態(tài)調(diào)整平滑因子，從而提高先驗信噪比的跟蹤效果。其次在語音質(zhì)量感知提升方面，采用諧波恢復的方法重建語音段的高頻諧波分量，并采用相位補償和增益平滑的方法消除靜默段和語音段的音樂噪聲。實驗結(jié)果表明，相比傳統(tǒng)算法，該文算法通過引入?yún)?shù)估計改進模塊和感知質(zhì)量提升模塊，在消噪效果和語音質(zhì)量兩方面均得到了較大的提高，并適用于多類噪聲環(huán)境和信噪比條件。
2016, 38(1): 180-186.
doi: 10.11999/JEIT150425
摘要:
傳統(tǒng)窄帶主動噪聲控制系統(tǒng)中，各窄帶噪聲分量由各控制器并行處理，而相應的控制系數(shù)卻仍由系統(tǒng)的整體殘余誤差進行更新。這導致各控制器之間相互影響，從而降低了系統(tǒng)的收斂速度。為保證各控制器單獨利用自身的殘余誤差來更新控制系數(shù)，實現(xiàn)殘余誤差信號的頻率分量分離，該文提出一種基于泄漏殘余誤差分離器的窄帶主動噪聲控制系統(tǒng)，并對新系統(tǒng)進行初步統(tǒng)計分析。理論分析、仿真及實驗表明，這種引入泄漏因子的殘余誤差分離器，在不犧牲穩(wěn)態(tài)性能情況下，提升了系統(tǒng)的魯棒性和收斂性。
傳統(tǒng)窄帶主動噪聲控制系統(tǒng)中，各窄帶噪聲分量由各控制器并行處理，而相應的控制系數(shù)卻仍由系統(tǒng)的整體殘余誤差進行更新。這導致各控制器之間相互影響，從而降低了系統(tǒng)的收斂速度。為保證各控制器單獨利用自身的殘余誤差來更新控制系數(shù)，實現(xiàn)殘余誤差信號的頻率分量分離，該文提出一種基于泄漏殘余誤差分離器的窄帶主動噪聲控制系統(tǒng)，并對新系統(tǒng)進行初步統(tǒng)計分析。理論分析、仿真及實驗表明，這種引入泄漏因子的殘余誤差分離器，在不犧牲穩(wěn)態(tài)性能情況下，提升了系統(tǒng)的魯棒性和收斂性。
2016, 38(1): 187-194.
doi: 10.11999/JEIT150437
摘要:
磁感應成像(MIT)3維正問題中，直接求解法計算有限元方程組時，計算速度慢且因舍入誤差造成計算結(jié)果不正確。該文為了解決這一問題，采用不完全喬列斯基分解共軛梯度(ICCG)迭代求解法。基于ANSYS平臺建立有限元數(shù)值模型，采用ICCG法迭代求解。通過仿真實驗獲得設(shè)定收斂容差的最優(yōu)值。對仿真結(jié)果進行對比，與直接求解法、雅克比共軛梯度(JCG)法相比，ICCG法計算速度快、穩(wěn)健性高。計算結(jié)果表明ICCG法受網(wǎng)格粗細影響小，能夠正確求解磁感應成像3維正問題。
磁感應成像(MIT)3維正問題中，直接求解法計算有限元方程組時，計算速度慢且因舍入誤差造成計算結(jié)果不正確。該文為了解決這一問題，采用不完全喬列斯基分解共軛梯度(ICCG)迭代求解法。基于ANSYS平臺建立有限元數(shù)值模型，采用ICCG法迭代求解。通過仿真實驗獲得設(shè)定收斂容差的最優(yōu)值。對仿真結(jié)果進行對比，與直接求解法、雅克比共軛梯度(JCG)法相比，ICCG法計算速度快、穩(wěn)健性高。計算結(jié)果表明ICCG法受網(wǎng)格粗細影響小，能夠正確求解磁感應成像3維正問題。
2016, 38(1): 195-201.
doi: 10.11999/JEIT150491
摘要:
為解決信息物理融合系統(tǒng)下無線傳感器網(wǎng)絡(luò)接入互聯(lián)網(wǎng)的問題，該文提出一種基于微分進化的網(wǎng)關(guān)優(yōu)化部署方法。該方法以最小化網(wǎng)關(guān)覆蓋半徑和負載平衡水平為優(yōu)化目標，利用微分進化算法尋找網(wǎng)關(guān)優(yōu)化部署方案，通過自適應反向搜索、動態(tài)參數(shù)調(diào)整等方法保障尋優(yōu)過程的種群多樣性，解決幾何 中心下的網(wǎng)關(guān)部署問題。仿真實驗結(jié)果表明，該方法具備良好的全局尋優(yōu)能力和收斂速度，能夠在縮小網(wǎng)關(guān)集覆蓋半徑的前提下，進一步平衡各網(wǎng)關(guān)之間的負載水平，提高信息物理融合系統(tǒng)的網(wǎng)絡(luò)QoS水平。
為解決信息物理融合系統(tǒng)下無線傳感器網(wǎng)絡(luò)接入互聯(lián)網(wǎng)的問題，該文提出一種基于微分進化的網(wǎng)關(guān)優(yōu)化部署方法。該方法以最小化網(wǎng)關(guān)覆蓋半徑和負載平衡水平為優(yōu)化目標，利用微分進化算法尋找網(wǎng)關(guān)優(yōu)化部署方案，通過自適應反向搜索、動態(tài)參數(shù)調(diào)整等方法保障尋優(yōu)過程的種群多樣性，解決幾何 中心下的網(wǎng)關(guān)部署問題。仿真實驗結(jié)果表明，該方法具備良好的全局尋優(yōu)能力和收斂速度，能夠在縮小網(wǎng)關(guān)集覆蓋半徑的前提下，進一步平衡各網(wǎng)關(guān)之間的負載水平，提高信息物理融合系統(tǒng)的網(wǎng)絡(luò)QoS水平。
2016, 38(1): 202-208.
doi: 10.11999/JEIT150247
摘要:
網(wǎng)絡(luò)文獻知識庫中的海量資源及其分類的粗粒度，導致學習者容易在文獻檢索和閱讀過程出現(xiàn)認知迷航和知識過載問題。該文提出一種基于MapReduce的知識聚類與統(tǒng)計機制：首先，提出基于MapReduce的共現(xiàn)矩陣構(gòu)建算法MR-CoMatrix；其次，將共現(xiàn)矩陣與相似度系數(shù)結(jié)合構(gòu)建相似度矩陣；然后，通過Z Scores對相似度矩陣進行標準化；最后，使用離差平方和法(Ward,s method)對相似度矩陣進行聚類，生成樹狀的知識聚類譜系圖；基于聚類結(jié)果，提出基于MapReduce的知識文獻統(tǒng)計算法MR-Statistics，對每個分類的知識屬性進行統(tǒng)計。實驗結(jié)果表明：將MR-CoMatrix和MR-Statistics方法應用于網(wǎng)絡(luò)文獻知識庫進行知識聚類和統(tǒng)計，達到較理想的聚類精度和計算效率，實現(xiàn)了細粒度知識聚類和多維統(tǒng)計，同時減少了時間開銷。
網(wǎng)絡(luò)文獻知識庫中的海量資源及其分類的粗粒度，導致學習者容易在文獻檢索和閱讀過程出現(xiàn)認知迷航和知識過載問題。該文提出一種基于MapReduce的知識聚類與統(tǒng)計機制：首先，提出基于MapReduce的共現(xiàn)矩陣構(gòu)建算法MR-CoMatrix；其次，將共現(xiàn)矩陣與相似度系數(shù)結(jié)合構(gòu)建相似度矩陣；然后，通過Z Scores對相似度矩陣進行標準化；最后，使用離差平方和法(Ward,s method)對相似度矩陣進行聚類，生成樹狀的知識聚類譜系圖；基于聚類結(jié)果，提出基于MapReduce的知識文獻統(tǒng)計算法MR-Statistics，對每個分類的知識屬性進行統(tǒng)計。實驗結(jié)果表明：將MR-CoMatrix和MR-Statistics方法應用于網(wǎng)絡(luò)文獻知識庫進行知識聚類和統(tǒng)計，達到較理想的聚類精度和計算效率，實現(xiàn)了細粒度知識聚類和多維統(tǒng)計，同時減少了時間開銷。
2016, 38(1): 209-215.
doi: 10.11999/JEIT150210
摘要:
海上對流層微波超視距傳播與海洋大氣環(huán)境特性的相關(guān)性研究對電波傳播的短期預測以及無線電通信系統(tǒng)的設(shè)計和應用有著十分重要的意義。該文根據(jù)在我國黃渤海海域進行的14.1 GHz海上對流層微波超視距傳播試驗的傳輸損耗數(shù)據(jù)以及在發(fā)射端塔基平臺上同步進行的氣象梯度儀試驗的氣象數(shù)據(jù)，分別分析了風向、風速以及氣海溫差對傳輸損耗和蒸發(fā)波導高度相關(guān)性的影響，研究了沿海海域氣象數(shù)據(jù)在微波超視距傳播鏈路中的可用性，并結(jié)合散射拋物方程方法和高級折射效應預報系統(tǒng)(AREPS)對分析結(jié)果進行了驗證。該文的研究結(jié)果對海上對流層微波超視距傳播的傳播特性以及短期預測的研究有一定的指導意義。
海上對流層微波超視距傳播與海洋大氣環(huán)境特性的相關(guān)性研究對電波傳播的短期預測以及無線電通信系統(tǒng)的設(shè)計和應用有著十分重要的意義。該文根據(jù)在我國黃渤海海域進行的14.1 GHz海上對流層微波超視距傳播試驗的傳輸損耗數(shù)據(jù)以及在發(fā)射端塔基平臺上同步進行的氣象梯度儀試驗的氣象數(shù)據(jù)，分別分析了風向、風速以及氣海溫差對傳輸損耗和蒸發(fā)波導高度相關(guān)性的影響，研究了沿海海域氣象數(shù)據(jù)在微波超視距傳播鏈路中的可用性，并結(jié)合散射拋物方程方法和高級折射效應預報系統(tǒng)(AREPS)對分析結(jié)果進行了驗證。該文的研究結(jié)果對海上對流層微波超視距傳播的傳播特性以及短期預測的研究有一定的指導意義。
2016, 38(1): 216-221.
doi: 10.11999/JEIT150553
摘要:
空時自適應處理是衛(wèi)星導航抗干擾的有效方法。但在高動態(tài)環(huán)境下，干擾來向動態(tài)變化，干擾很容易移出常規(guī)自適應抗干擾算法所形成的窄零陷，導致算法失效。常用的解決辦法是加寬零陷。該文從干擾來向變化的統(tǒng)計模型出發(fā)，提出一種基于拉普拉斯分布的空時加寬零陷算法，該算法能在干擾方向形成較寬的零陷。并且考慮到空時處理將增加算法的計算復雜度，該文將新的空時加寬零陷算法與多級維納濾波器相結(jié)合，給出一種基于空時降維處理的加寬零陷算法。新算法能有效降低算法復雜度，并能在小快拍下得到更好的性能。仿真結(jié)果表明新算法的有效性。
空時自適應處理是衛(wèi)星導航抗干擾的有效方法。但在高動態(tài)環(huán)境下，干擾來向動態(tài)變化，干擾很容易移出常規(guī)自適應抗干擾算法所形成的窄零陷，導致算法失效。常用的解決辦法是加寬零陷。該文從干擾來向變化的統(tǒng)計模型出發(fā)，提出一種基于拉普拉斯分布的空時加寬零陷算法，該算法能在干擾方向形成較寬的零陷。并且考慮到空時處理將增加算法的計算復雜度，該文將新的空時加寬零陷算法與多級維納濾波器相結(jié)合，給出一種基于空時降維處理的加寬零陷算法。新算法能有效降低算法復雜度，并能在小快拍下得到更好的性能。仿真結(jié)果表明新算法的有效性。
2016, 38(1): 222-228.
doi: 10.11999/JEIT150481
摘要:
單頻干擾能夠引起較大的偽碼跟蹤誤差，基于小誤差條件的跟蹤誤差分析會失效。在大誤差條件下，由于碼環(huán)鑒相器不再工作在線性區(qū)域，利用鑒相器輸出的二階泰勒展開式代替一階線性化近似，該文給出了單頻干擾下偽碼跟蹤誤差的解析表達式。通過數(shù)值分析和仿真實驗分析驗證了在單頻干擾下偽碼跟蹤誤差隨干擾起始相位、干擾頻率和干信比的變化特性。結(jié)果表明：當干擾引起的偽碼跟蹤誤差較大時，基于鑒相器線性化的理論預測的準確性顯著下降，而基于鑒相器二階泰勒近似的理論分析能夠準確預測大誤差條件下的偽碼跟蹤誤差，在跟蹤誤差不超過0.34 chip時，理論分析誤差不超過20%。
單頻干擾能夠引起較大的偽碼跟蹤誤差，基于小誤差條件的跟蹤誤差分析會失效。在大誤差條件下，由于碼環(huán)鑒相器不再工作在線性區(qū)域，利用鑒相器輸出的二階泰勒展開式代替一階線性化近似，該文給出了單頻干擾下偽碼跟蹤誤差的解析表達式。通過數(shù)值分析和仿真實驗分析驗證了在單頻干擾下偽碼跟蹤誤差隨干擾起始相位、干擾頻率和干信比的變化特性。結(jié)果表明：當干擾引起的偽碼跟蹤誤差較大時，基于鑒相器線性化的理論預測的準確性顯著下降，而基于鑒相器二階泰勒近似的理論分析能夠準確預測大誤差條件下的偽碼跟蹤誤差，在跟蹤誤差不超過0.34 chip時，理論分析誤差不超過20%。
2016, 38(1): 229-240.
doi: 10.11999/JEIT151116
摘要:
縱觀星載合成孔徑雷達技術(shù)的發(fā)展歷程，其發(fā)展趨勢已經(jīng)從傳統(tǒng)的單項技術(shù)突破轉(zhuǎn)變?yōu)楦拍铙w制的更新。各種面向新型應用的新體制、新模式不斷出現(xiàn)，推動著星載 SAR 技術(shù)蓬勃發(fā)展。該文在介紹歐美等國星載 SAR 技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，分析未來星載SAR 技術(shù)的發(fā)展趨勢，重點探討星載 SAR 技術(shù)在面向高分辨率寬覆蓋對地觀測、多方位角信息獲取、高時相信息獲取、3維地形測繪及圖像質(zhì)量提升等方面的發(fā)展。
縱觀星載合成孔徑雷達技術(shù)的發(fā)展歷程，其發(fā)展趨勢已經(jīng)從傳統(tǒng)的單項技術(shù)突破轉(zhuǎn)變?yōu)楦拍铙w制的更新。各種面向新型應用的新體制、新模式不斷出現(xiàn)，推動著星載 SAR 技術(shù)蓬勃發(fā)展。該文在介紹歐美等國星載 SAR 技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，分析未來星載SAR 技術(shù)的發(fā)展趨勢，重點探討星載 SAR 技術(shù)在面向高分辨率寬覆蓋對地觀測、多方位角信息獲取、高時相信息獲取、3維地形測繪及圖像質(zhì)量提升等方面的發(fā)展。
2016, 38(1): 241-245.
doi: 10.11999/JEIT150694
摘要:
針對等距映射(ISOMAP)算法無監(jiān)督，不能生成顯式映射函數(shù)等局限性，該文提出一種正則化的半監(jiān)督等距映射(Reg-SS-ISOMAP)算法。該算法首先利用訓練樣本的標簽樣本構(gòu)建K聯(lián)通圖(K-CG)，得到近似樣本間測地線距離，并作為矢量特征代替原始數(shù)據(jù)點；然后通過測地線距離計算核矩陣，用半監(jiān)督正則化方法代替多維尺度分析(MDS)算法處理矢量特征；最后利用正則化回歸模型構(gòu)建目標函數(shù)，得到低維表示的顯式映射。算法在多個數(shù)據(jù)集上進行了比較實驗，結(jié)果表明，文中提出的算法降維效果穩(wěn)定，識別率高，顯示了算法的有效性。
針對等距映射(ISOMAP)算法無監(jiān)督，不能生成顯式映射函數(shù)等局限性，該文提出一種正則化的半監(jiān)督等距映射(Reg-SS-ISOMAP)算法。該算法首先利用訓練樣本的標簽樣本構(gòu)建K聯(lián)通圖(K-CG)，得到近似樣本間測地線距離，并作為矢量特征代替原始數(shù)據(jù)點；然后通過測地線距離計算核矩陣，用半監(jiān)督正則化方法代替多維尺度分析(MDS)算法處理矢量特征；最后利用正則化回歸模型構(gòu)建目標函數(shù)，得到低維表示的顯式映射。算法在多個數(shù)據(jù)集上進行了比較實驗，結(jié)果表明，文中提出的算法降維效果穩(wěn)定，識別率高，顯示了算法的有效性。
2016, 38(1): 246-254.
摘要:
本文首先對2015年度信息一處的計算機輔助受理情況進行了簡要的介紹和分析，然后以表格的形式說明了2015年度項目申請代碼、研究方向選擇中存在的主要問題。最后介紹了2016年度申請代碼和研究方向及相關(guān)說明一覽表的試用版，并強調(diào)了選擇中應該注意的兩個問題。
本文首先對2015年度信息一處的計算機輔助受理情況進行了簡要的介紹和分析，然后以表格的形式說明了2015年度項目申請代碼、研究方向選擇中存在的主要問題。最后介紹了2016年度申請代碼和研究方向及相關(guān)說明一覽表的試用版，并強調(diào)了選擇中應該注意的兩個問題。
