郵件訂閱
2016年 第38卷 第8期
2016, 38(8): 1843-1849.
doi: 10.11999/JEIT151244
摘要:
內(nèi)置緩存技術(shù)是內(nèi)容中心網(wǎng)絡(luò)(Content Centric Networking, CCN)的核心技術(shù)之一?，F(xiàn)有的研究大多主要針對(duì)網(wǎng)絡(luò)資源利用率的優(yōu)化，而忽略了網(wǎng)絡(luò)能耗的問題。該文首先建立了一個(gè)能耗模型對(duì)CCN的網(wǎng)絡(luò)能耗進(jìn)行分析，并設(shè)計(jì)了一個(gè)能效判決條件來優(yōu)化緩存過程的能效性。進(jìn)而，在此基礎(chǔ)上綜合考慮內(nèi)容流行度和節(jié)點(diǎn)中心性等因素提出一種能效感知的概率性緩存機(jī)制(E2APC)。仿真結(jié)果表明，該機(jī)制能在保證較高的緩存命中率和較小的平均響應(yīng)跳數(shù)的同時(shí)有效地降低網(wǎng)絡(luò)的整體能耗。
內(nèi)置緩存技術(shù)是內(nèi)容中心網(wǎng)絡(luò)(Content Centric Networking, CCN)的核心技術(shù)之一?，F(xiàn)有的研究大多主要針對(duì)網(wǎng)絡(luò)資源利用率的優(yōu)化，而忽略了網(wǎng)絡(luò)能耗的問題。該文首先建立了一個(gè)能耗模型對(duì)CCN的網(wǎng)絡(luò)能耗進(jìn)行分析，并設(shè)計(jì)了一個(gè)能效判決條件來優(yōu)化緩存過程的能效性。進(jìn)而，在此基礎(chǔ)上綜合考慮內(nèi)容流行度和節(jié)點(diǎn)中心性等因素提出一種能效感知的概率性緩存機(jī)制(E2APC)。仿真結(jié)果表明，該機(jī)制能在保證較高的緩存命中率和較小的平均響應(yīng)跳數(shù)的同時(shí)有效地降低網(wǎng)絡(luò)的整體能耗。
2016, 38(8): 1850-1857.
doi: 10.11999/JEIT151230
摘要:
鏈路故障的恢復(fù)，不僅僅是選擇一條連通的備份路徑問題，還應(yīng)考慮網(wǎng)絡(luò)業(yè)務(wù)故障恢復(fù)過程中的QoS需求。針對(duì)此問題，該文基于多備份路徑策略，構(gòu)建概率關(guān)聯(lián)故障模型和重路由流量丟棄量?jī)?yōu)化目標(biāo)。并基于該優(yōu)化目標(biāo)，以業(yè)務(wù)的QoS需求為約束，建立故障恢復(fù)問題的數(shù)學(xué)模型，提出一種QoS約束的鏈路故障多備份路徑恢復(fù)算法。該算法構(gòu)建單條備份路徑時(shí)，以最大程度地減少重路由流量丟棄為目標(biāo)，并采用改進(jìn)的QoS約束的k最短路徑法進(jìn)行拼接，且給與高優(yōu)先級(jí)鏈路更多的保護(hù)資源。此外還證明了算法的正確性并分析了時(shí)間空間復(fù)雜度。在NS2環(huán)境下的仿真結(jié)果表明，該算法顯著提升了鏈路故障恢復(fù)率和重路由流量QoS滿足率，且QoS約束條件越強(qiáng)，相較于其它算法優(yōu)勢(shì)越明顯。
鏈路故障的恢復(fù)，不僅僅是選擇一條連通的備份路徑問題，還應(yīng)考慮網(wǎng)絡(luò)業(yè)務(wù)故障恢復(fù)過程中的QoS需求。針對(duì)此問題，該文基于多備份路徑策略，構(gòu)建概率關(guān)聯(lián)故障模型和重路由流量丟棄量?jī)?yōu)化目標(biāo)。并基于該優(yōu)化目標(biāo)，以業(yè)務(wù)的QoS需求為約束，建立故障恢復(fù)問題的數(shù)學(xué)模型，提出一種QoS約束的鏈路故障多備份路徑恢復(fù)算法。該算法構(gòu)建單條備份路徑時(shí)，以最大程度地減少重路由流量丟棄為目標(biāo)，并采用改進(jìn)的QoS約束的k最短路徑法進(jìn)行拼接，且給與高優(yōu)先級(jí)鏈路更多的保護(hù)資源。此外還證明了算法的正確性并分析了時(shí)間空間復(fù)雜度。在NS2環(huán)境下的仿真結(jié)果表明，該算法顯著提升了鏈路故障恢復(fù)率和重路由流量QoS滿足率，且QoS約束條件越強(qiáng)，相較于其它算法優(yōu)勢(shì)越明顯。
2016, 38(8): 1858-1864.
doi: 10.11999/JEIT151203
摘要:
傳統(tǒng)的動(dòng)態(tài)目標(biāo)定位算法需要采集、存儲(chǔ)和處理大量數(shù)據(jù)，并不適用于能量受限的無線傳感器網(wǎng)絡(luò)。針對(duì)該缺陷，該文提出一種基于壓縮感知的動(dòng)態(tài)目標(biāo)定位算法。該算法利用目標(biāo)的運(yùn)動(dòng)規(guī)律設(shè)計(jì)稀疏表示基，從而將動(dòng)態(tài)目標(biāo)定位問題轉(zhuǎn)化為稀疏信號(hào)恢復(fù)問題。針對(duì)傳統(tǒng)觀測(cè)矩陣難以實(shí)現(xiàn)的缺陷，該算法設(shè)計(jì)可實(shí)現(xiàn)且與稀疏表示基相關(guān)性低的稀疏觀測(cè)矩陣，從而保證了算法的重構(gòu)性能。該算法的特點(diǎn)是可利用較少的數(shù)據(jù)采集實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)定位，從而大大延長(zhǎng)無線傳感器網(wǎng)絡(luò)的壽命。仿真結(jié)果表明，該文所提出的基于壓縮感知的動(dòng)態(tài)目標(biāo)定位算法具有較好的定位性能。
傳統(tǒng)的動(dòng)態(tài)目標(biāo)定位算法需要采集、存儲(chǔ)和處理大量數(shù)據(jù)，并不適用于能量受限的無線傳感器網(wǎng)絡(luò)。針對(duì)該缺陷，該文提出一種基于壓縮感知的動(dòng)態(tài)目標(biāo)定位算法。該算法利用目標(biāo)的運(yùn)動(dòng)規(guī)律設(shè)計(jì)稀疏表示基，從而將動(dòng)態(tài)目標(biāo)定位問題轉(zhuǎn)化為稀疏信號(hào)恢復(fù)問題。針對(duì)傳統(tǒng)觀測(cè)矩陣難以實(shí)現(xiàn)的缺陷，該算法設(shè)計(jì)可實(shí)現(xiàn)且與稀疏表示基相關(guān)性低的稀疏觀測(cè)矩陣，從而保證了算法的重構(gòu)性能。該算法的特點(diǎn)是可利用較少的數(shù)據(jù)采集實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)定位，從而大大延長(zhǎng)無線傳感器網(wǎng)絡(luò)的壽命。仿真結(jié)果表明，該文所提出的基于壓縮感知的動(dòng)態(tài)目標(biāo)定位算法具有較好的定位性能。
2016, 38(8): 1865-1871.
doi: 10.11999/JEIT151205
摘要:
現(xiàn)有基于網(wǎng)絡(luò)報(bào)文流量信息的協(xié)議分析方法僅考慮報(bào)文載荷中的明文信息，不適用于包含大量密文信息的安全協(xié)議。為充分發(fā)掘利用未知規(guī)范安全協(xié)議的密文數(shù)據(jù)特征，針對(duì)安全協(xié)議報(bào)文明密文混合、密文位置可變的特點(diǎn)，該文提出一種基于熵估計(jì)的安全協(xié)議密文域識(shí)別方法CFIA(Ciphertext Field Identification Approach)。在挖掘關(guān)鍵詞序列的基礎(chǔ)上，利用字節(jié)樣本熵描述網(wǎng)絡(luò)流中字節(jié)的分布特性，并依據(jù)密文的隨機(jī)性特征，基于熵估計(jì)預(yù)定位密文域分布區(qū)間，進(jìn)而查找密文長(zhǎng)度域，定位密文域邊界，識(shí)別密文域。實(shí)驗(yàn)結(jié)果表明，該方法僅依靠網(wǎng)絡(luò)數(shù)據(jù)流量信息即可有效識(shí)別協(xié)議密文域，并具有較高的準(zhǔn)確率。
現(xiàn)有基于網(wǎng)絡(luò)報(bào)文流量信息的協(xié)議分析方法僅考慮報(bào)文載荷中的明文信息，不適用于包含大量密文信息的安全協(xié)議。為充分發(fā)掘利用未知規(guī)范安全協(xié)議的密文數(shù)據(jù)特征，針對(duì)安全協(xié)議報(bào)文明密文混合、密文位置可變的特點(diǎn)，該文提出一種基于熵估計(jì)的安全協(xié)議密文域識(shí)別方法CFIA(Ciphertext Field Identification Approach)。在挖掘關(guān)鍵詞序列的基礎(chǔ)上，利用字節(jié)樣本熵描述網(wǎng)絡(luò)流中字節(jié)的分布特性，并依據(jù)密文的隨機(jī)性特征，基于熵估計(jì)預(yù)定位密文域分布區(qū)間，進(jìn)而查找密文長(zhǎng)度域，定位密文域邊界，識(shí)別密文域。實(shí)驗(yàn)結(jié)果表明，該方法僅依靠網(wǎng)絡(luò)數(shù)據(jù)流量信息即可有效識(shí)別協(xié)議密文域，并具有較高的準(zhǔn)確率。
2016, 38(8): 1872-1879.
doi: 10.11999/JEIT151264
摘要:
該文基于布魯姆過濾器算法和三態(tài)內(nèi)容尋址存儲(chǔ)器(Ternary Content Addressable Memory, TCAM)技術(shù)提出一種高效范圍匹配方法，解決了目前TCAM范圍匹配方案存在的存儲(chǔ)利用率低、功耗大的問題。設(shè)計(jì)基于最長(zhǎng)共同前綴的分段匹配算法(Segmented Match on Longest Common Prefix, SMLCP)將范圍匹配拆分為前綴匹配和特征區(qū)間比對(duì)兩步，TCAM空間利用率達(dá)到100%。根據(jù)SMLCP算法設(shè)計(jì)了BF-TCAM模型，使用布魯姆過濾器對(duì)關(guān)鍵字過濾，屏蔽無關(guān)項(xiàng)參與比較，大幅降低功耗。使用流水線縮短關(guān)鍵路徑長(zhǎng)度，使查找操作在一個(gè)時(shí)鐘周期內(nèi)完成。研究結(jié)果表明，所提方法實(shí)現(xiàn)了零范圍擴(kuò)張，工作功耗較傳統(tǒng)TCAM降低50%以上。
該文基于布魯姆過濾器算法和三態(tài)內(nèi)容尋址存儲(chǔ)器(Ternary Content Addressable Memory, TCAM)技術(shù)提出一種高效范圍匹配方法，解決了目前TCAM范圍匹配方案存在的存儲(chǔ)利用率低、功耗大的問題。設(shè)計(jì)基于最長(zhǎng)共同前綴的分段匹配算法(Segmented Match on Longest Common Prefix, SMLCP)將范圍匹配拆分為前綴匹配和特征區(qū)間比對(duì)兩步，TCAM空間利用率達(dá)到100%。根據(jù)SMLCP算法設(shè)計(jì)了BF-TCAM模型，使用布魯姆過濾器對(duì)關(guān)鍵字過濾，屏蔽無關(guān)項(xiàng)參與比較，大幅降低功耗。使用流水線縮短關(guān)鍵路徑長(zhǎng)度，使查找操作在一個(gè)時(shí)鐘周期內(nèi)完成。研究結(jié)果表明，所提方法實(shí)現(xiàn)了零范圍擴(kuò)張，工作功耗較傳統(tǒng)TCAM降低50%以上。
2016, 38(8): 1880-1887.
doi: 10.11999/JEIT151201
摘要:
針對(duì)混合復(fù)用無源光網(wǎng)絡(luò)的用戶接入距離增大，使得往返時(shí)延增加，造成網(wǎng)絡(luò)中閑置時(shí)間增多，進(jìn)而引起帶寬浪費(fèi)的問題，該文提出一種帶有灰色預(yù)測(cè)的高效動(dòng)態(tài)混合資源分配策略。通過對(duì)閑置時(shí)間內(nèi)到達(dá)的數(shù)據(jù)進(jìn)行灰色預(yù)測(cè)，動(dòng)態(tài)確立光網(wǎng)絡(luò)單元的帶寬分配策略，以減小網(wǎng)絡(luò)時(shí)延；利用波長(zhǎng)結(jié)束時(shí)間的差異性，周期性地實(shí)時(shí)調(diào)整各波長(zhǎng)的數(shù)據(jù)傳輸順序，實(shí)現(xiàn)波長(zhǎng)的高效利用和負(fù)載均衡。仿真結(jié)果表明，該動(dòng)態(tài)資源分配策略有效地消除閑置時(shí)間的影響，且波長(zhǎng)得到高效地利用，提高了帶寬利用率的同時(shí)減少網(wǎng)絡(luò)時(shí)延。
針對(duì)混合復(fù)用無源光網(wǎng)絡(luò)的用戶接入距離增大，使得往返時(shí)延增加，造成網(wǎng)絡(luò)中閑置時(shí)間增多，進(jìn)而引起帶寬浪費(fèi)的問題，該文提出一種帶有灰色預(yù)測(cè)的高效動(dòng)態(tài)混合資源分配策略。通過對(duì)閑置時(shí)間內(nèi)到達(dá)的數(shù)據(jù)進(jìn)行灰色預(yù)測(cè)，動(dòng)態(tài)確立光網(wǎng)絡(luò)單元的帶寬分配策略，以減小網(wǎng)絡(luò)時(shí)延；利用波長(zhǎng)結(jié)束時(shí)間的差異性，周期性地實(shí)時(shí)調(diào)整各波長(zhǎng)的數(shù)據(jù)傳輸順序，實(shí)現(xiàn)波長(zhǎng)的高效利用和負(fù)載均衡。仿真結(jié)果表明，該動(dòng)態(tài)資源分配策略有效地消除閑置時(shí)間的影響，且波長(zhǎng)得到高效地利用，提高了帶寬利用率的同時(shí)減少網(wǎng)絡(luò)時(shí)延。
2016, 38(8): 1888-1893.
doi: 10.11999/JEIT151259
摘要:
稀疏碼多址接入(SCMA)作為一個(gè)前景廣闊的5 G無線空口技術(shù)，能夠滿足海量連接的需求。針對(duì)現(xiàn)有SCMA通信系統(tǒng)都是基于并行策略的消息傳遞算法(MPA)進(jìn)行多用戶檢測(cè)，存在信息收斂速度不理想的問題，該文提出一種串行策略的多用戶檢測(cè)算法。該算法以資源節(jié)點(diǎn)為序，按串行方式依次進(jìn)行消息更新與傳遞，保證更新的消息能夠立即進(jìn)入當(dāng)前迭代過程，改善了消息傳遞的收斂速度，相比并行策略的多用戶檢測(cè)算法，降低了算法復(fù)雜度；同時(shí)，充分利用消息間相互關(guān)聯(lián)的特點(diǎn)，融合消息傳遞步驟，降低了存儲(chǔ)器的要求。理論與仿真結(jié)果表明，該算法在誤比特率(BER)性能與算法復(fù)雜度之間可以達(dá)到較理想的平衡。
稀疏碼多址接入(SCMA)作為一個(gè)前景廣闊的5 G無線空口技術(shù)，能夠滿足海量連接的需求。針對(duì)現(xiàn)有SCMA通信系統(tǒng)都是基于并行策略的消息傳遞算法(MPA)進(jìn)行多用戶檢測(cè)，存在信息收斂速度不理想的問題，該文提出一種串行策略的多用戶檢測(cè)算法。該算法以資源節(jié)點(diǎn)為序，按串行方式依次進(jìn)行消息更新與傳遞，保證更新的消息能夠立即進(jìn)入當(dāng)前迭代過程，改善了消息傳遞的收斂速度，相比并行策略的多用戶檢測(cè)算法，降低了算法復(fù)雜度；同時(shí)，充分利用消息間相互關(guān)聯(lián)的特點(diǎn)，融合消息傳遞步驟，降低了存儲(chǔ)器的要求。理論與仿真結(jié)果表明，該算法在誤比特率(BER)性能與算法復(fù)雜度之間可以達(dá)到較理想的平衡。
2016, 38(8): 1894-1900.
doi: 10.11999/JEIT151207
摘要:
海量機(jī)器類終端(或MTC終端)同步入網(wǎng)時(shí)，其業(yè)務(wù)呈現(xiàn)瞬時(shí)突發(fā)性，這使得基于齊次或復(fù)合泊松假設(shè)的多信道S-ALOHA穩(wěn)態(tài)性能分析辦法難以直接應(yīng)用。該文以第i個(gè)隨機(jī)接入時(shí)隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)Mi(j)作為狀態(tài)變量，提出了一種沿Mi(j) 的j方向迭代進(jìn)行多信道S-ALOHA暫態(tài)性能分析的辦法及其近似形式。該迭代辦法可建立第i個(gè)隨機(jī)接入時(shí)隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)與第x個(gè)隨機(jī)接入時(shí)隙內(nèi)新到用戶數(shù)的直接關(guān)系(其中xi)，也可給出接入時(shí)延概率密度函數(shù)、概率分布函數(shù)和均值的求解辦法。以3GPP MTC業(yè)務(wù)參考模型進(jìn)行數(shù)值仿真，驗(yàn)證了所提迭代辦法及其近似形式的有效性。相關(guān)研究可為承載網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)提供參考。
海量機(jī)器類終端(或MTC終端)同步入網(wǎng)時(shí)，其業(yè)務(wù)呈現(xiàn)瞬時(shí)突發(fā)性，這使得基于齊次或復(fù)合泊松假設(shè)的多信道S-ALOHA穩(wěn)態(tài)性能分析辦法難以直接應(yīng)用。該文以第i個(gè)隨機(jī)接入時(shí)隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)Mi(j)作為狀態(tài)變量，提出了一種沿Mi(j) 的j方向迭代進(jìn)行多信道S-ALOHA暫態(tài)性能分析的辦法及其近似形式。該迭代辦法可建立第i個(gè)隨機(jī)接入時(shí)隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)與第x個(gè)隨機(jī)接入時(shí)隙內(nèi)新到用戶數(shù)的直接關(guān)系(其中xi)，也可給出接入時(shí)延概率密度函數(shù)、概率分布函數(shù)和均值的求解辦法。以3GPP MTC業(yè)務(wù)參考模型進(jìn)行數(shù)值仿真，驗(yàn)證了所提迭代辦法及其近似形式的有效性。相關(guān)研究可為承載網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)提供參考。
2016, 38(8): 1901-1907.
doi: 10.11999/JEIT151091
摘要:
針對(duì)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中存在的導(dǎo)頻污染問題，該文提出一種動(dòng)態(tài)導(dǎo)頻分配方案。所提方案利用目標(biāo)小區(qū)與干擾小區(qū)用戶之間的信號(hào)干擾強(qiáng)度差將干擾小區(qū)分為Uin和Uout兩類，并對(duì)Uin中的用戶進(jìn)行最優(yōu)導(dǎo)頻分配，Uout中的用戶進(jìn)行隨機(jī)導(dǎo)頻分配來提升系統(tǒng)的平均下行可達(dá)和速率。同時(shí)，在存在額外正交導(dǎo)頻組的情況下對(duì)所提方案做了進(jìn)一步優(yōu)化。仿真結(jié)果表明，所提的動(dòng)態(tài)導(dǎo)頻分配方案能夠有效地提升大規(guī)模MIMO系統(tǒng)的性能。
針對(duì)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中存在的導(dǎo)頻污染問題，該文提出一種動(dòng)態(tài)導(dǎo)頻分配方案。所提方案利用目標(biāo)小區(qū)與干擾小區(qū)用戶之間的信號(hào)干擾強(qiáng)度差將干擾小區(qū)分為Uin和Uout兩類，并對(duì)Uin中的用戶進(jìn)行最優(yōu)導(dǎo)頻分配，Uout中的用戶進(jìn)行隨機(jī)導(dǎo)頻分配來提升系統(tǒng)的平均下行可達(dá)和速率。同時(shí)，在存在額外正交導(dǎo)頻組的情況下對(duì)所提方案做了進(jìn)一步優(yōu)化。仿真結(jié)果表明，所提的動(dòng)態(tài)導(dǎo)頻分配方案能夠有效地提升大規(guī)模MIMO系統(tǒng)的性能。
2016, 38(8): 1908-1912.
doi: 10.11999/JEIT151161
摘要:
論文研究了存在信道估計(jì)誤差及天線相關(guān)條件下，上行多用戶MIMO中繼系統(tǒng)的預(yù)編碼問題，目標(biāo)是提升系統(tǒng)的誤比特率性能。針對(duì)基于放大轉(zhuǎn)發(fā)中繼技術(shù)的上行多用戶MIMO中繼系統(tǒng)，考慮源-中繼和中繼-目的端信道中存在的信道估計(jì)誤差及天線相關(guān)，提出一種基于不完全信道狀態(tài)信息(Channel State Information, CSI)的預(yù)編碼設(shè)計(jì)方案。首先根據(jù)最小均方誤差(Minimum Mean-Squared Error, MMSE)準(zhǔn)則設(shè)計(jì)代價(jià)函數(shù)，以發(fā)射端和中繼端最大功率為約束條件，通過理論推導(dǎo)求得中繼端和發(fā)射端的線性預(yù)編碼矩陣，最后采用迭代下降法得到接收端處理矩陣的閉式解。數(shù)值仿真結(jié)果表明，在存在信道估計(jì)誤差和天線相關(guān)的條件下，與現(xiàn)有算法相比，所提算法能有效降低系統(tǒng)的誤比特率。
論文研究了存在信道估計(jì)誤差及天線相關(guān)條件下，上行多用戶MIMO中繼系統(tǒng)的預(yù)編碼問題，目標(biāo)是提升系統(tǒng)的誤比特率性能。針對(duì)基于放大轉(zhuǎn)發(fā)中繼技術(shù)的上行多用戶MIMO中繼系統(tǒng)，考慮源-中繼和中繼-目的端信道中存在的信道估計(jì)誤差及天線相關(guān)，提出一種基于不完全信道狀態(tài)信息(Channel State Information, CSI)的預(yù)編碼設(shè)計(jì)方案。首先根據(jù)最小均方誤差(Minimum Mean-Squared Error, MMSE)準(zhǔn)則設(shè)計(jì)代價(jià)函數(shù)，以發(fā)射端和中繼端最大功率為約束條件，通過理論推導(dǎo)求得中繼端和發(fā)射端的線性預(yù)編碼矩陣，最后采用迭代下降法得到接收端處理矩陣的閉式解。數(shù)值仿真結(jié)果表明，在存在信道估計(jì)誤差和天線相關(guān)的條件下，與現(xiàn)有算法相比，所提算法能有效降低系統(tǒng)的誤比特率。
2016, 38(8): 1913-1919.
doi: 10.11999/JEIT151236
摘要:
在協(xié)同自適應(yīng)解碼轉(zhuǎn)發(fā)中繼系統(tǒng)中，該文針對(duì)Nakagami-m衰落信道，研究了基于多天線低復(fù)雜度的機(jī)會(huì)式傳輸策略的物理層安全性能。為充分利用天線分集增益提升系統(tǒng)安全性能，發(fā)送節(jié)點(diǎn)均采用發(fā)送天線選擇策略，接收節(jié)點(diǎn)均采用最大比合并策略。推導(dǎo)了系統(tǒng)安全中斷概率的閉合表達(dá)式，并進(jìn)一步提供了漸近性能分析，得到了系統(tǒng)的安全分集階數(shù)。仿真結(jié)果驗(yàn)證了理論分析的正確性，并揭示了各系統(tǒng)參數(shù)對(duì)機(jī)會(huì)式傳輸方案的安全性能的影響。結(jié)果表明，通過增加合法節(jié)點(diǎn)的天線數(shù)和增大合法信道的Nakagami衰落信道參數(shù)可顯著提升系統(tǒng)安全性能。
在協(xié)同自適應(yīng)解碼轉(zhuǎn)發(fā)中繼系統(tǒng)中，該文針對(duì)Nakagami-m衰落信道，研究了基于多天線低復(fù)雜度的機(jī)會(huì)式傳輸策略的物理層安全性能。為充分利用天線分集增益提升系統(tǒng)安全性能，發(fā)送節(jié)點(diǎn)均采用發(fā)送天線選擇策略，接收節(jié)點(diǎn)均采用最大比合并策略。推導(dǎo)了系統(tǒng)安全中斷概率的閉合表達(dá)式，并進(jìn)一步提供了漸近性能分析，得到了系統(tǒng)的安全分集階數(shù)。仿真結(jié)果驗(yàn)證了理論分析的正確性，并揭示了各系統(tǒng)參數(shù)對(duì)機(jī)會(huì)式傳輸方案的安全性能的影響。結(jié)果表明，通過增加合法節(jié)點(diǎn)的天線數(shù)和增大合法信道的Nakagami衰落信道參數(shù)可顯著提升系統(tǒng)安全性能。
2016, 38(8): 1920-1927.
doi: 10.11999/JEIT151158
摘要:
多輸入多輸出(MIMO)水聲通信技術(shù)可以在極其有限的水聲信道頻帶資源內(nèi)提高信道容量，但多徑和同道干擾的同時(shí)存在，使傳統(tǒng)信道估計(jì)算法如最小二乘算法、壓縮感知估計(jì)算法的性能急劇下降?？紤]到通信數(shù)據(jù)塊間水聲信道多徑結(jié)構(gòu)存在一定的相關(guān)性，該文利用這種數(shù)據(jù)塊間多徑結(jié)構(gòu)的時(shí)間域相關(guān)性建立水聲MIMO信道的時(shí)域聯(lián)合稀疏模型，并利用同步正交匹配追蹤算法進(jìn)行多個(gè)數(shù)據(jù)塊聯(lián)合稀疏恢復(fù)信道估計(jì)，提高M(jìn)IMO信道多徑稀疏位置的檢測(cè)增益并抑制同道干擾，提高水聲MIMO信道的估計(jì)性能。仿真和MIMO水聲通信海試實(shí)驗(yàn)表明了所提方法的有效性。
多輸入多輸出(MIMO)水聲通信技術(shù)可以在極其有限的水聲信道頻帶資源內(nèi)提高信道容量，但多徑和同道干擾的同時(shí)存在，使傳統(tǒng)信道估計(jì)算法如最小二乘算法、壓縮感知估計(jì)算法的性能急劇下降?？紤]到通信數(shù)據(jù)塊間水聲信道多徑結(jié)構(gòu)存在一定的相關(guān)性，該文利用這種數(shù)據(jù)塊間多徑結(jié)構(gòu)的時(shí)間域相關(guān)性建立水聲MIMO信道的時(shí)域聯(lián)合稀疏模型，并利用同步正交匹配追蹤算法進(jìn)行多個(gè)數(shù)據(jù)塊聯(lián)合稀疏恢復(fù)信道估計(jì)，提高M(jìn)IMO信道多徑稀疏位置的檢測(cè)增益并抑制同道干擾，提高水聲MIMO信道的估計(jì)性能。仿真和MIMO水聲通信海試實(shí)驗(yàn)表明了所提方法的有效性。
2016, 38(8): 1928-1934.
doi: 10.11999/JEIT151255
摘要:
該文給出了以Feistel結(jié)構(gòu)為主框架，以SPS(Substitution-Permutation-Substitution)函數(shù)作為輪函數(shù)的Feistel-SPS結(jié)構(gòu)的反彈攻擊。通過對(duì)差分?jǐn)U散性質(zhì)的研究，得到這一結(jié)構(gòu)的6輪已知密鑰截?cái)嗖罘謪^(qū)分器，并在此區(qū)分器的基礎(chǔ)上，給出將這一結(jié)構(gòu)內(nèi)嵌入MMO(Matyas-Meyer-Oseas)和MP(Miyaguchi-Preneel)模式所得到的壓縮函數(shù)的近似碰撞攻擊。此外，還將6輪截?cái)嗖罘謪^(qū)分器擴(kuò)展，得到了7輪的截?cái)嗖罘致窂?，基于此還得到上述兩種模式下壓縮函數(shù)的7輪截?cái)嗖罘謪^(qū)分器。
該文給出了以Feistel結(jié)構(gòu)為主框架，以SPS(Substitution-Permutation-Substitution)函數(shù)作為輪函數(shù)的Feistel-SPS結(jié)構(gòu)的反彈攻擊。通過對(duì)差分?jǐn)U散性質(zhì)的研究，得到這一結(jié)構(gòu)的6輪已知密鑰截?cái)嗖罘謪^(qū)分器，并在此區(qū)分器的基礎(chǔ)上，給出將這一結(jié)構(gòu)內(nèi)嵌入MMO(Matyas-Meyer-Oseas)和MP(Miyaguchi-Preneel)模式所得到的壓縮函數(shù)的近似碰撞攻擊。此外，還將6輪截?cái)嗖罘謪^(qū)分器擴(kuò)展，得到了7輪的截?cái)嗖罘致窂?，基于此還得到上述兩種模式下壓縮函數(shù)的7輪截?cái)嗖罘謪^(qū)分器。
2016, 38(8): 1935-1941.
doi: 10.11999/JEIT151212
摘要:
數(shù)據(jù)空間是一種新型的數(shù)據(jù)管理方式，能夠以pay-as-you-go模式管理海量、動(dòng)態(tài)、異構(gòu)的數(shù)據(jù)。然而，由于數(shù)據(jù)空間環(huán)境下數(shù)據(jù)的動(dòng)態(tài)演化、數(shù)據(jù)描述的細(xì)粒度和極松散性等原因，難于構(gòu)建有效的訪問控制機(jī)制。該文提出一個(gè)針對(duì)數(shù)據(jù)空間環(huán)境下極松散結(jié)構(gòu)模型，重點(diǎn)支持更新操作的細(xì)粒度和動(dòng)態(tài)的訪問控制框架。首先定義更新操作集用于數(shù)據(jù)空間的數(shù)據(jù)更新，提出支持更新操作的映射方法，可將動(dòng)態(tài)數(shù)據(jù)映射到關(guān)系數(shù)據(jù)庫中；給出支持更新操作權(quán)限的數(shù)據(jù)空間訪問控制規(guī)則的定義，并分析與關(guān)系數(shù)據(jù)庫的訪問控制規(guī)則二者轉(zhuǎn)換的一致性；然后提出具有可靠性和完備性的訪問請(qǐng)求動(dòng)態(tài)重寫算法，該算法根據(jù)用戶的讀/寫訪問請(qǐng)求檢索相關(guān)訪問控制規(guī)則，使用相關(guān)權(quán)限信息重寫訪問請(qǐng)求，從而實(shí)現(xiàn)支持動(dòng)態(tài)更新的細(xì)粒度數(shù)據(jù)空間訪問控制。理論和實(shí)驗(yàn)證明該框架是可行和有效的。
數(shù)據(jù)空間是一種新型的數(shù)據(jù)管理方式，能夠以pay-as-you-go模式管理海量、動(dòng)態(tài)、異構(gòu)的數(shù)據(jù)。然而，由于數(shù)據(jù)空間環(huán)境下數(shù)據(jù)的動(dòng)態(tài)演化、數(shù)據(jù)描述的細(xì)粒度和極松散性等原因，難于構(gòu)建有效的訪問控制機(jī)制。該文提出一個(gè)針對(duì)數(shù)據(jù)空間環(huán)境下極松散結(jié)構(gòu)模型，重點(diǎn)支持更新操作的細(xì)粒度和動(dòng)態(tài)的訪問控制框架。首先定義更新操作集用于數(shù)據(jù)空間的數(shù)據(jù)更新，提出支持更新操作的映射方法，可將動(dòng)態(tài)數(shù)據(jù)映射到關(guān)系數(shù)據(jù)庫中；給出支持更新操作權(quán)限的數(shù)據(jù)空間訪問控制規(guī)則的定義，并分析與關(guān)系數(shù)據(jù)庫的訪問控制規(guī)則二者轉(zhuǎn)換的一致性；然后提出具有可靠性和完備性的訪問請(qǐng)求動(dòng)態(tài)重寫算法，該算法根據(jù)用戶的讀/寫訪問請(qǐng)求檢索相關(guān)訪問控制規(guī)則，使用相關(guān)權(quán)限信息重寫訪問請(qǐng)求，從而實(shí)現(xiàn)支持動(dòng)態(tài)更新的細(xì)粒度數(shù)據(jù)空間訪問控制。理論和實(shí)驗(yàn)證明該框架是可行和有效的。
2016, 38(8): 1942-1949.
doi: 10.11999/JEIT151335
摘要:
色加載知識(shí)輔助STAP技術(shù)中，需根據(jù)先驗(yàn)信息的準(zhǔn)確度設(shè)置色加載系數(shù)。已有的基于色加載矩陣預(yù)白化性能評(píng)估的色加載系數(shù)優(yōu)化算法(Pre-Whitening, PW)無法評(píng)估當(dāng)前待檢測(cè)距離單元(CUT)的先驗(yàn)信息準(zhǔn)確度，對(duì)于雜波先驗(yàn)信息準(zhǔn)確度不均勻的場(chǎng)景不具有魯棒性。該文在PW法的基礎(chǔ)上提出一種可有效評(píng)估CUT單元色加載矩陣性能的穩(wěn)健色加載系數(shù)優(yōu)化方法(CUT information involved PW, CPW)。CPW法利用部分參考單元樣本實(shí)現(xiàn)對(duì)CUT單元色加載矩陣預(yù)白化能力的評(píng)估，同時(shí)解決了PW法優(yōu)化結(jié)果非單值性的問題。仿真實(shí)驗(yàn)討論了CPW法在不同參考單元樣本個(gè)數(shù)以及不同先驗(yàn)信息準(zhǔn)確度條件下的色加載系數(shù)優(yōu)化性能。仿真結(jié)果驗(yàn)證了所提方法的有效性及穩(wěn)健性。
色加載知識(shí)輔助STAP技術(shù)中，需根據(jù)先驗(yàn)信息的準(zhǔn)確度設(shè)置色加載系數(shù)。已有的基于色加載矩陣預(yù)白化性能評(píng)估的色加載系數(shù)優(yōu)化算法(Pre-Whitening, PW)無法評(píng)估當(dāng)前待檢測(cè)距離單元(CUT)的先驗(yàn)信息準(zhǔn)確度，對(duì)于雜波先驗(yàn)信息準(zhǔn)確度不均勻的場(chǎng)景不具有魯棒性。該文在PW法的基礎(chǔ)上提出一種可有效評(píng)估CUT單元色加載矩陣性能的穩(wěn)健色加載系數(shù)優(yōu)化方法(CUT information involved PW, CPW)。CPW法利用部分參考單元樣本實(shí)現(xiàn)對(duì)CUT單元色加載矩陣預(yù)白化能力的評(píng)估，同時(shí)解決了PW法優(yōu)化結(jié)果非單值性的問題。仿真實(shí)驗(yàn)討論了CPW法在不同參考單元樣本個(gè)數(shù)以及不同先驗(yàn)信息準(zhǔn)確度條件下的色加載系數(shù)優(yōu)化性能。仿真結(jié)果驗(yàn)證了所提方法的有效性及穩(wěn)健性。
2016, 38(8): 1950-1955.
doi: 10.11999/JEIT151135
摘要:
針對(duì)壓縮感知雷達(dá)的感知矩陣相干系數(shù)隨分辨率增加而增大以致不能以大概率對(duì)稀疏向量進(jìn)行完美重構(gòu)的問題，直接基于原始感知矩陣，提出緊湊感知矩陣追蹤(CSMP)算法。該文將CSMP算法應(yīng)用于十字陣?yán)走_(dá)的2維波達(dá)方向(DOA)估計(jì)并進(jìn)行了計(jì)算機(jī)仿真。仿真結(jié)果表明與多信號(hào)分類(MUSIC)算法，子空間追蹤(SP)算法，基追蹤(BP)算法和稀疏貝葉斯學(xué)習(xí)(SBL)算法相比，基于CSMP算法的DOA估計(jì)分辨率得到了較大提高。
針對(duì)壓縮感知雷達(dá)的感知矩陣相干系數(shù)隨分辨率增加而增大以致不能以大概率對(duì)稀疏向量進(jìn)行完美重構(gòu)的問題，直接基于原始感知矩陣，提出緊湊感知矩陣追蹤(CSMP)算法。該文將CSMP算法應(yīng)用于十字陣?yán)走_(dá)的2維波達(dá)方向(DOA)估計(jì)并進(jìn)行了計(jì)算機(jī)仿真。仿真結(jié)果表明與多信號(hào)分類(MUSIC)算法，子空間追蹤(SP)算法，基追蹤(BP)算法和稀疏貝葉斯學(xué)習(xí)(SBL)算法相比，基于CSMP算法的DOA估計(jì)分辨率得到了較大提高。
2016, 38(8): 1956-1961.
doi: 10.11999/JEIT151261
摘要:
基于各向異性特性反映了散射中心本身屬性，該文提出一種大轉(zhuǎn)角SAR條件下提取散射中心各向異性特性的算法。首先根據(jù)屬性散射中心模型分析單個(gè)散射中心的回波構(gòu)成；之后以單位矩陣作為標(biāo)準(zhǔn)正交基，將各向異性特性的估計(jì)轉(zhuǎn)化為求解散射中心幅度變化的逆問題；再利用散射中心幅度變化的實(shí)數(shù)特性與連續(xù)性對(duì)該逆問題進(jìn)行約束求解，實(shí)現(xiàn)了對(duì)散射中心各向異性特性的提取。Matlab仿真和電磁計(jì)算數(shù)據(jù)的處理結(jié)果驗(yàn)證了算法的準(zhǔn)確性以及穩(wěn)定性；與現(xiàn)有算法對(duì)比，所提算法運(yùn)算效率高。
基于各向異性特性反映了散射中心本身屬性，該文提出一種大轉(zhuǎn)角SAR條件下提取散射中心各向異性特性的算法。首先根據(jù)屬性散射中心模型分析單個(gè)散射中心的回波構(gòu)成；之后以單位矩陣作為標(biāo)準(zhǔn)正交基，將各向異性特性的估計(jì)轉(zhuǎn)化為求解散射中心幅度變化的逆問題；再利用散射中心幅度變化的實(shí)數(shù)特性與連續(xù)性對(duì)該逆問題進(jìn)行約束求解，實(shí)現(xiàn)了對(duì)散射中心各向異性特性的提取。Matlab仿真和電磁計(jì)算數(shù)據(jù)的處理結(jié)果驗(yàn)證了算法的準(zhǔn)確性以及穩(wěn)定性；與現(xiàn)有算法對(duì)比，所提算法運(yùn)算效率高。
2016, 38(8): 1962-1968.
doi: 10.11999/JEIT151231
摘要:
該文針對(duì)中段進(jìn)動(dòng)目標(biāo)平動(dòng)補(bǔ)償問題，分析了中段目標(biāo)平動(dòng)及進(jìn)動(dòng)的運(yùn)動(dòng)特性，指出中段目標(biāo)進(jìn)動(dòng)具有軸對(duì)稱性，并利用這一特性提出一種基于對(duì)稱共軛相乘的進(jìn)動(dòng)目標(biāo)平動(dòng)參數(shù)估計(jì)方法。該方法通過對(duì)稱數(shù)據(jù)的共軛相乘處理消除微動(dòng)的影響，僅保留平動(dòng)參數(shù)信息，然后根據(jù)共軛相乘后數(shù)據(jù)傅里葉變換的峰值信息估計(jì)平動(dòng)參數(shù)，并基于所估計(jì)平動(dòng)參數(shù)實(shí)現(xiàn)了中段進(jìn)動(dòng)目標(biāo)平動(dòng)的高精度補(bǔ)償。仿真結(jié)果驗(yàn)證了所提算法的有效性。
該文針對(duì)中段進(jìn)動(dòng)目標(biāo)平動(dòng)補(bǔ)償問題，分析了中段目標(biāo)平動(dòng)及進(jìn)動(dòng)的運(yùn)動(dòng)特性，指出中段目標(biāo)進(jìn)動(dòng)具有軸對(duì)稱性，并利用這一特性提出一種基于對(duì)稱共軛相乘的進(jìn)動(dòng)目標(biāo)平動(dòng)參數(shù)估計(jì)方法。該方法通過對(duì)稱數(shù)據(jù)的共軛相乘處理消除微動(dòng)的影響，僅保留平動(dòng)參數(shù)信息，然后根據(jù)共軛相乘后數(shù)據(jù)傅里葉變換的峰值信息估計(jì)平動(dòng)參數(shù)，并基于所估計(jì)平動(dòng)參數(shù)實(shí)現(xiàn)了中段進(jìn)動(dòng)目標(biāo)平動(dòng)的高精度補(bǔ)償。仿真結(jié)果驗(yàn)證了所提算法的有效性。
2016, 38(8): 1969-1976.
doi: 10.11999/JEIT151194
摘要:
傳統(tǒng)的自適應(yīng)檢測(cè)器大多是在獨(dú)立同分布紋理的前提下推導(dǎo)出的。然而，實(shí)測(cè)海雜波數(shù)據(jù)中各個(gè)距離單元的紋理具有相關(guān)性。該文將這一紋理相關(guān)性的信息加入到似然比檢測(cè)中，提出一種基于紋理結(jié)構(gòu)的相干檢測(cè)器?；谟坷苏{(diào)制在距離上產(chǎn)生紋理相關(guān)性的先驗(yàn)知識(shí)，確定與待檢測(cè)單元紋理相關(guān)的距離單元數(shù)目，據(jù)此可以提供待測(cè)單元的紋理信息。實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)表明，該檢測(cè)器相對(duì)于逆伽馬紋理復(fù)合高斯雜波下最優(yōu)檢測(cè)器具有一定的性能提升。
傳統(tǒng)的自適應(yīng)檢測(cè)器大多是在獨(dú)立同分布紋理的前提下推導(dǎo)出的。然而，實(shí)測(cè)海雜波數(shù)據(jù)中各個(gè)距離單元的紋理具有相關(guān)性。該文將這一紋理相關(guān)性的信息加入到似然比檢測(cè)中，提出一種基于紋理結(jié)構(gòu)的相干檢測(cè)器?；谟坷苏{(diào)制在距離上產(chǎn)生紋理相關(guān)性的先驗(yàn)知識(shí)，確定與待檢測(cè)單元紋理相關(guān)的距離單元數(shù)目，據(jù)此可以提供待測(cè)單元的紋理信息。實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)表明，該檢測(cè)器相對(duì)于逆伽馬紋理復(fù)合高斯雜波下最優(yōu)檢測(cè)器具有一定的性能提升。
2016, 38(8): 1977-1983.
doi: 10.11999/JEIT160016
摘要:
為了解決雙頻段雙極化星載降水測(cè)量雷達(dá)的波束寬度匹配和波束指向匹配問題，該文提出雙頻雙極化共孔徑饋源照射拋物柱反射面天線的方案。共孔徑饋源Ku頻段采用微帶天線，Ka頻段采用波導(dǎo)縫隙天線，兩者層疊交錯(cuò)排列在一起。實(shí)測(cè)結(jié)果表明，波束寬度匹配指標(biāo)和波束指向匹配指標(biāo)與美國(guó)國(guó)家航空航天局正在研發(fā)的第2代星載降水測(cè)量雷達(dá)的指標(biāo)相當(dāng)。相對(duì)于第2代星載降水測(cè)量雷達(dá)天線采用的分置式饋源，該文給出的共孔徑饋源具有占用空間小的優(yōu)點(diǎn)，適用于星載平臺(tái)。
為了解決雙頻段雙極化星載降水測(cè)量雷達(dá)的波束寬度匹配和波束指向匹配問題，該文提出雙頻雙極化共孔徑饋源照射拋物柱反射面天線的方案。共孔徑饋源Ku頻段采用微帶天線，Ka頻段采用波導(dǎo)縫隙天線，兩者層疊交錯(cuò)排列在一起。實(shí)測(cè)結(jié)果表明，波束寬度匹配指標(biāo)和波束指向匹配指標(biāo)與美國(guó)國(guó)家航空航天局正在研發(fā)的第2代星載降水測(cè)量雷達(dá)的指標(biāo)相當(dāng)。相對(duì)于第2代星載降水測(cè)量雷達(dá)天線采用的分置式饋源，該文給出的共孔徑饋源具有占用空間小的優(yōu)點(diǎn)，適用于星載平臺(tái)。
2016, 38(8): 1984-1990.
doi: 10.11999/JEIT151139
摘要:
由于欺騙干擾模擬發(fā)送與導(dǎo)航衛(wèi)星信號(hào)相同的C/A碼，這使得衛(wèi)星導(dǎo)航接收機(jī)極易被其誤導(dǎo)和誘騙，從而給出錯(cuò)誤的定位信息。考慮到導(dǎo)航信號(hào)和同結(jié)構(gòu)欺騙干擾自身都具有強(qiáng)自相關(guān)性，且欺騙干擾功率稍大于真實(shí)信號(hào)，該文提出一種采用陣列天線抑制同結(jié)構(gòu)欺騙干擾的盲干擾抑制方法。該方法從多天線接收數(shù)據(jù)與其自身延遲的參考數(shù)據(jù)做互相關(guān)入手，利用該互相關(guān)矩陣求解干擾的正交投影矩陣，最后將投影后信號(hào)互相關(guān)矩陣的最大特征值對(duì)應(yīng)的特征矢量作為最優(yōu)權(quán)。該方法處理時(shí)無需已知真實(shí)信號(hào)和干擾方向的來波方向，也無需對(duì)衛(wèi)星C/A碼序列進(jìn)行遍歷搜索從而解擴(kuò)。理論分析和實(shí)驗(yàn)結(jié)果表明，該陣列波束能夠有效抑制干擾，陣列輸出SNR較高，干擾抑制后接收機(jī)捕獲性能不受干擾影響。
由于欺騙干擾模擬發(fā)送與導(dǎo)航衛(wèi)星信號(hào)相同的C/A碼，這使得衛(wèi)星導(dǎo)航接收機(jī)極易被其誤導(dǎo)和誘騙，從而給出錯(cuò)誤的定位信息。考慮到導(dǎo)航信號(hào)和同結(jié)構(gòu)欺騙干擾自身都具有強(qiáng)自相關(guān)性，且欺騙干擾功率稍大于真實(shí)信號(hào)，該文提出一種采用陣列天線抑制同結(jié)構(gòu)欺騙干擾的盲干擾抑制方法。該方法從多天線接收數(shù)據(jù)與其自身延遲的參考數(shù)據(jù)做互相關(guān)入手，利用該互相關(guān)矩陣求解干擾的正交投影矩陣，最后將投影后信號(hào)互相關(guān)矩陣的最大特征值對(duì)應(yīng)的特征矢量作為最優(yōu)權(quán)。該方法處理時(shí)無需已知真實(shí)信號(hào)和干擾方向的來波方向，也無需對(duì)衛(wèi)星C/A碼序列進(jìn)行遍歷搜索從而解擴(kuò)。理論分析和實(shí)驗(yàn)結(jié)果表明，該陣列波束能夠有效抑制干擾，陣列輸出SNR較高，干擾抑制后接收機(jī)捕獲性能不受干擾影響。
2016, 38(8): 1991-1998.
doi: 10.11999/JEIT151156
摘要:
相位恢復(fù)是指僅利用圖像的傅里葉幅值對(duì)原始圖像進(jìn)行恢復(fù)。由于傅里葉幅值中包含的信息量較少，當(dāng)圖像的過采樣率相對(duì)較低時(shí)，傳統(tǒng)的相位恢復(fù)算法無法實(shí)現(xiàn)圖像的有效重構(gòu)。因此如何利用合適的先驗(yàn)知識(shí)來提高圖像重構(gòu)質(zhì)量是相位恢復(fù)的一個(gè)關(guān)鍵問題。該文將卡通-紋理模型用于相位恢復(fù)，利用全變差(TV)和雙樹復(fù)數(shù)小波(DTCWT)兩種稀疏表示方法將圖像分解為卡通成分和紋理成分，并提出了基于交替方向乘子法(ADMM)的有效求解算法。實(shí)驗(yàn)結(jié)果表明，該算法能有效提高圖像重構(gòu)質(zhì)量。
相位恢復(fù)是指僅利用圖像的傅里葉幅值對(duì)原始圖像進(jìn)行恢復(fù)。由于傅里葉幅值中包含的信息量較少，當(dāng)圖像的過采樣率相對(duì)較低時(shí)，傳統(tǒng)的相位恢復(fù)算法無法實(shí)現(xiàn)圖像的有效重構(gòu)。因此如何利用合適的先驗(yàn)知識(shí)來提高圖像重構(gòu)質(zhì)量是相位恢復(fù)的一個(gè)關(guān)鍵問題。該文將卡通-紋理模型用于相位恢復(fù)，利用全變差(TV)和雙樹復(fù)數(shù)小波(DTCWT)兩種稀疏表示方法將圖像分解為卡通成分和紋理成分，并提出了基于交替方向乘子法(ADMM)的有效求解算法。實(shí)驗(yàn)結(jié)果表明，該算法能有效提高圖像重構(gòu)質(zhì)量。
2016, 38(8): 1999-2006.
doi: 10.11999/JEIT151227
摘要:
為充分利用殘差中的圖像信息以提升非局部均值算法的去噪性能，該文提出一種多級(jí)殘差圖像濾波新方法。首先對(duì)含噪圖像進(jìn)行非局部均值濾波得到初始的去噪圖像和權(quán)值分布矩陣，然后對(duì)殘差圖像進(jìn)行固定權(quán)值非局部均值濾波來提取圖像結(jié)構(gòu)信息，將提取的信息經(jīng)高斯平滑抑噪后作為補(bǔ)償圖像，與去噪圖像相加得到增強(qiáng)的恢復(fù)圖像。針對(duì)上述方法提出一種多級(jí)濾波的實(shí)現(xiàn)方案，從理論上推導(dǎo)證明了該方法的原理及可行性，并提出一種無需參考圖像的迭代停止準(zhǔn)則來自適應(yīng)地優(yōu)選濾波級(jí)數(shù)。實(shí)驗(yàn)結(jié)果表明，提出的迭代停止準(zhǔn)則能夠達(dá)到與峰值信噪比一致的優(yōu)選結(jié)果；與經(jīng)典的非局部均值算法相比，在計(jì)算效率相當(dāng)?shù)那闆r下，所提方法能夠顯著地提升其去噪性能，峰值信噪比平均可以提高1.2 dB，且具有更好的細(xì)節(jié)保持能力。
為充分利用殘差中的圖像信息以提升非局部均值算法的去噪性能，該文提出一種多級(jí)殘差圖像濾波新方法。首先對(duì)含噪圖像進(jìn)行非局部均值濾波得到初始的去噪圖像和權(quán)值分布矩陣，然后對(duì)殘差圖像進(jìn)行固定權(quán)值非局部均值濾波來提取圖像結(jié)構(gòu)信息，將提取的信息經(jīng)高斯平滑抑噪后作為補(bǔ)償圖像，與去噪圖像相加得到增強(qiáng)的恢復(fù)圖像。針對(duì)上述方法提出一種多級(jí)濾波的實(shí)現(xiàn)方案，從理論上推導(dǎo)證明了該方法的原理及可行性，并提出一種無需參考圖像的迭代停止準(zhǔn)則來自適應(yīng)地優(yōu)選濾波級(jí)數(shù)。實(shí)驗(yàn)結(jié)果表明，提出的迭代停止準(zhǔn)則能夠達(dá)到與峰值信噪比一致的優(yōu)選結(jié)果；與經(jīng)典的非局部均值算法相比，在計(jì)算效率相當(dāng)?shù)那闆r下，所提方法能夠顯著地提升其去噪性能，峰值信噪比平均可以提高1.2 dB，且具有更好的細(xì)節(jié)保持能力。
2016, 38(8): 2007-2013.
doi: 10.11999/JEIT151217
摘要:
針對(duì)穩(wěn)定隨機(jī)變量有限二階矩不存在的特點(diǎn)，該文定義了一種新的廣義相關(guān)熵，并從理論上證明了對(duì)稱穩(wěn)定分布隨機(jī)變量廣義相關(guān)熵的有界性。此外，提出了一種穩(wěn)定分布噪聲下基于最小廣義相關(guān)熵準(zhǔn)則的DOA估計(jì)新方法，給出了一種迭代優(yōu)化算法并通過仿真實(shí)驗(yàn)分析了算法的收斂性。仿真結(jié)果表明，與現(xiàn)有基于分?jǐn)?shù)低階矩的FLOM-MUSIC、基于類相關(guān)熵的CRCO-MUSIC以及基于lp范數(shù)的ACO-MUSIC算法相比，所提方法可以獲得更好的估計(jì)結(jié)果，尤其是在高脈沖性噪聲環(huán)境下具有更加明顯的優(yōu)勢(shì)。
針對(duì)穩(wěn)定隨機(jī)變量有限二階矩不存在的特點(diǎn)，該文定義了一種新的廣義相關(guān)熵，并從理論上證明了對(duì)稱穩(wěn)定分布隨機(jī)變量廣義相關(guān)熵的有界性。此外，提出了一種穩(wěn)定分布噪聲下基于最小廣義相關(guān)熵準(zhǔn)則的DOA估計(jì)新方法，給出了一種迭代優(yōu)化算法并通過仿真實(shí)驗(yàn)分析了算法的收斂性。仿真結(jié)果表明，與現(xiàn)有基于分?jǐn)?shù)低階矩的FLOM-MUSIC、基于類相關(guān)熵的CRCO-MUSIC以及基于lp范數(shù)的ACO-MUSIC算法相比，所提方法可以獲得更好的估計(jì)結(jié)果，尤其是在高脈沖性噪聲環(huán)境下具有更加明顯的優(yōu)勢(shì)。
2016, 38(8): 2014-2019.
doi: 10.11999/JEIT151213
摘要:
傳統(tǒng)雙約束穩(wěn)健Capon波束形成算法采用牛頓迭代法求解最優(yōu)加載量，存在計(jì)算精度低且運(yùn)算量大的問題。該文提出一種改進(jìn)的雙約束穩(wěn)健Capon波束形成(DCRCB)算法，該算法對(duì)信號(hào)協(xié)方差矩陣進(jìn)行重構(gòu)，基于期望信號(hào)導(dǎo)向矢量在噪聲子空間的投影最優(yōu)，將重構(gòu)后的干擾加噪聲協(xié)方差矩陣投影到噪聲子空間，得到基于噪聲子空間的雙約束算法模型。該算法中通過模約束的輔助約束作用，將改進(jìn)的雙約束算法模型轉(zhuǎn)化為單約束問題，最終解得最優(yōu)對(duì)角加載量的解析表達(dá)式。仿真結(jié)果表明改進(jìn)算法能通過調(diào)整主瓣寬度優(yōu)化波束旁瓣，有效提高了抗矢量偏差的魯棒性，同時(shí)降低了運(yùn)算量。
傳統(tǒng)雙約束穩(wěn)健Capon波束形成算法采用牛頓迭代法求解最優(yōu)加載量，存在計(jì)算精度低且運(yùn)算量大的問題。該文提出一種改進(jìn)的雙約束穩(wěn)健Capon波束形成(DCRCB)算法，該算法對(duì)信號(hào)協(xié)方差矩陣進(jìn)行重構(gòu)，基于期望信號(hào)導(dǎo)向矢量在噪聲子空間的投影最優(yōu)，將重構(gòu)后的干擾加噪聲協(xié)方差矩陣投影到噪聲子空間，得到基于噪聲子空間的雙約束算法模型。該算法中通過模約束的輔助約束作用，將改進(jìn)的雙約束算法模型轉(zhuǎn)化為單約束問題，最終解得最優(yōu)對(duì)角加載量的解析表達(dá)式。仿真結(jié)果表明改進(jìn)算法能通過調(diào)整主瓣寬度優(yōu)化波束旁瓣，有效提高了抗矢量偏差的魯棒性，同時(shí)降低了運(yùn)算量。
2016, 38(8): 2020-2026.
doi: 10.11999/JEIT151302
摘要:
針對(duì)現(xiàn)有雙通道語音活動(dòng)檢測(cè)(Voice Activity Detection, VAD)算法依賴于固定閾值難以在多種噪聲環(huán)境下準(zhǔn)確地檢測(cè)語音和噪聲，應(yīng)用于手機(jī)消噪系統(tǒng)會(huì)造成語音失真或噪聲消除不好等問題，該文提出一種基于神經(jīng)網(wǎng)絡(luò)的VAD算法，該算法以分頻帶能量差和歸一化互通道相關(guān)為特征，采用神經(jīng)網(wǎng)絡(luò)對(duì)語音和噪聲進(jìn)行分類。在此基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)VAD與基于互通道信號(hào)功率比值的VAD相結(jié)合，提出一種新的適用于手機(jī)消噪系統(tǒng)的語音和噪聲活動(dòng)檢測(cè)算法分別對(duì)語音和噪聲進(jìn)行檢測(cè)，并以此進(jìn)行噪聲抑制處理，減少了消噪系統(tǒng)因VAD誤判而造成的性能下降。實(shí)驗(yàn)結(jié)果表明，該處理方法在抑制背景噪聲和減少語音失真等方面優(yōu)于現(xiàn)有的消噪算法，對(duì)于方向性語音干擾也有很好的抑制效果。
針對(duì)現(xiàn)有雙通道語音活動(dòng)檢測(cè)(Voice Activity Detection, VAD)算法依賴于固定閾值難以在多種噪聲環(huán)境下準(zhǔn)確地檢測(cè)語音和噪聲，應(yīng)用于手機(jī)消噪系統(tǒng)會(huì)造成語音失真或噪聲消除不好等問題，該文提出一種基于神經(jīng)網(wǎng)絡(luò)的VAD算法，該算法以分頻帶能量差和歸一化互通道相關(guān)為特征，采用神經(jīng)網(wǎng)絡(luò)對(duì)語音和噪聲進(jìn)行分類。在此基礎(chǔ)上，將神經(jīng)網(wǎng)絡(luò)VAD與基于互通道信號(hào)功率比值的VAD相結(jié)合，提出一種新的適用于手機(jī)消噪系統(tǒng)的語音和噪聲活動(dòng)檢測(cè)算法分別對(duì)語音和噪聲進(jìn)行檢測(cè)，并以此進(jìn)行噪聲抑制處理，減少了消噪系統(tǒng)因VAD誤判而造成的性能下降。實(shí)驗(yàn)結(jié)果表明，該處理方法在抑制背景噪聲和減少語音失真等方面優(yōu)于現(xiàn)有的消噪算法，對(duì)于方向性語音干擾也有很好的抑制效果。
2016, 38(8): 2027-2032.
doi: 10.11999/JEIT151082
摘要:
針對(duì)實(shí)際視覺跟蹤中目標(biāo)表觀與前背景的非線性變化，論文提出一種基于偏最小二乘分析(PLS)表示與隨機(jī)梯度的目標(biāo)優(yōu)化跟蹤方法。該方法將目標(biāo)跟蹤轉(zhuǎn)化為表示誤差與分類損失的聯(lián)合優(yōu)化問題。首先，為了提高算法對(duì)前背景表觀變化的穩(wěn)定性，利用PLS理論的非線性對(duì)目標(biāo)區(qū)域的前背景信息進(jìn)行表達(dá)，并通過空間聚類構(gòu)造多個(gè)線性外觀模型來描述目標(biāo)區(qū)域的動(dòng)態(tài)變化，建立帶約束條件的表觀特征庫；然后，提出一種確定性搜索機(jī)制，構(gòu)造聯(lián)合優(yōu)化目標(biāo)函數(shù)，使表示誤差與分類損失最小化；結(jié)合表觀建模特點(diǎn)，構(gòu)建隨機(jī)梯度分類器，對(duì)模型進(jìn)行增量特征更新，最終實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定準(zhǔn)確跟蹤。經(jīng)多場(chǎng)景對(duì)比實(shí)驗(yàn)驗(yàn)證，該算法能有效應(yīng)對(duì)目標(biāo)前背景的多種復(fù)雜變化。
針對(duì)實(shí)際視覺跟蹤中目標(biāo)表觀與前背景的非線性變化，論文提出一種基于偏最小二乘分析(PLS)表示與隨機(jī)梯度的目標(biāo)優(yōu)化跟蹤方法。該方法將目標(biāo)跟蹤轉(zhuǎn)化為表示誤差與分類損失的聯(lián)合優(yōu)化問題。首先，為了提高算法對(duì)前背景表觀變化的穩(wěn)定性，利用PLS理論的非線性對(duì)目標(biāo)區(qū)域的前背景信息進(jìn)行表達(dá)，并通過空間聚類構(gòu)造多個(gè)線性外觀模型來描述目標(biāo)區(qū)域的動(dòng)態(tài)變化，建立帶約束條件的表觀特征庫；然后，提出一種確定性搜索機(jī)制，構(gòu)造聯(lián)合優(yōu)化目標(biāo)函數(shù)，使表示誤差與分類損失最小化；結(jié)合表觀建模特點(diǎn)，構(gòu)建隨機(jī)梯度分類器，對(duì)模型進(jìn)行增量特征更新，最終實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定準(zhǔn)確跟蹤。經(jīng)多場(chǎng)景對(duì)比實(shí)驗(yàn)驗(yàn)證，該算法能有效應(yīng)對(duì)目標(biāo)前背景的多種復(fù)雜變化。
2016, 38(8): 2033-2039.
doi: 10.11999/JEIT151137
摘要:
流程挖掘技術(shù)可以提取機(jī)場(chǎng)流程日志中的有用信息用于流程分析。但機(jī)場(chǎng)流程日志處于細(xì)節(jié)化的低抽象層次，不符合分析者的預(yù)期。對(duì)機(jī)場(chǎng)流程日志挖掘得到的流程模型呈現(xiàn)意面狀的復(fù)雜結(jié)構(gòu)，流程模型的含義難于理解。解決該問題的一種方法是通過活動(dòng)挖掘，將低抽象層次活動(dòng)聚類為流程模型中表征高抽象層次活動(dòng)的活動(dòng)類簇。為此提出了一種基于RankClus算法的活動(dòng)挖掘方法，將機(jī)場(chǎng)流程日志的活動(dòng)聚類與活動(dòng)排序評(píng)分計(jì)算相結(jié)合，從而構(gòu)建更易理解的活動(dòng)聚類流程模型。實(shí)驗(yàn)結(jié)果表明，RankClus活動(dòng)聚類流程模型的日志回放一致性與原生日志流程模型大致相當(dāng)，但在結(jié)構(gòu)復(fù)雜度上要顯著低于原生日志流程模型。
流程挖掘技術(shù)可以提取機(jī)場(chǎng)流程日志中的有用信息用于流程分析。但機(jī)場(chǎng)流程日志處于細(xì)節(jié)化的低抽象層次，不符合分析者的預(yù)期。對(duì)機(jī)場(chǎng)流程日志挖掘得到的流程模型呈現(xiàn)意面狀的復(fù)雜結(jié)構(gòu)，流程模型的含義難于理解。解決該問題的一種方法是通過活動(dòng)挖掘，將低抽象層次活動(dòng)聚類為流程模型中表征高抽象層次活動(dòng)的活動(dòng)類簇。為此提出了一種基于RankClus算法的活動(dòng)挖掘方法，將機(jī)場(chǎng)流程日志的活動(dòng)聚類與活動(dòng)排序評(píng)分計(jì)算相結(jié)合，從而構(gòu)建更易理解的活動(dòng)聚類流程模型。實(shí)驗(yàn)結(jié)果表明，RankClus活動(dòng)聚類流程模型的日志回放一致性與原生日志流程模型大致相當(dāng)，但在結(jié)構(gòu)復(fù)雜度上要顯著低于原生日志流程模型。
2016, 38(8): 2040-2046.
doi: 10.11999/JEIT151331
摘要:
為實(shí)現(xiàn)運(yùn)行體智能自主定位，該文提出基于生物位置細(xì)胞放電機(jī)理的空間位置表征方法。首先建立運(yùn)行體空間位置與運(yùn)行體和不同路標(biāo)之間距離的對(duì)應(yīng)關(guān)系，以兩種不同的空間覆蓋方式構(gòu)建位置細(xì)胞圖，然后利用感知的距離信息激發(fā)位置細(xì)胞放電估計(jì)運(yùn)行體位置，并分析了模型中各參數(shù)對(duì)空間位置表征和定位性能的影響。仿真結(jié)果表明，兩種方法均能通過構(gòu)建的位置細(xì)胞圖實(shí)現(xiàn)空間位置表征和自主定位，但等間隔離散空間構(gòu)建位置細(xì)胞圖方法受距離間隔影響較大，而任意探索構(gòu)建位置細(xì)胞圖方法從生物自主感知空間位置的角度出發(fā)，通過選擇合適的距離閾值和運(yùn)動(dòng)訓(xùn)練時(shí)間構(gòu)建位置細(xì)胞圖，能夠更好地完成運(yùn)行體空間位置表征并且定位精度也較高。
為實(shí)現(xiàn)運(yùn)行體智能自主定位，該文提出基于生物位置細(xì)胞放電機(jī)理的空間位置表征方法。首先建立運(yùn)行體空間位置與運(yùn)行體和不同路標(biāo)之間距離的對(duì)應(yīng)關(guān)系，以兩種不同的空間覆蓋方式構(gòu)建位置細(xì)胞圖，然后利用感知的距離信息激發(fā)位置細(xì)胞放電估計(jì)運(yùn)行體位置，并分析了模型中各參數(shù)對(duì)空間位置表征和定位性能的影響。仿真結(jié)果表明，兩種方法均能通過構(gòu)建的位置細(xì)胞圖實(shí)現(xiàn)空間位置表征和自主定位，但等間隔離散空間構(gòu)建位置細(xì)胞圖方法受距離間隔影響較大，而任意探索構(gòu)建位置細(xì)胞圖方法從生物自主感知空間位置的角度出發(fā)，通過選擇合適的距離閾值和運(yùn)動(dòng)訓(xùn)練時(shí)間構(gòu)建位置細(xì)胞圖，能夠更好地完成運(yùn)行體空間位置表征并且定位精度也較高。
2016, 38(8): 2047-2053.
doi: 10.11999/JEIT151237
摘要:
為提高約束多目標(biāo)優(yōu)化問題所求解集的分布性和收斂性，該文提出基于自適應(yīng)截?cái)嗖呗缘募s束多目標(biāo)優(yōu)化算法。首先，自適應(yīng)截?cái)噙x擇策略能夠保留Pareto最優(yōu)解和約束違反度及目標(biāo)函數(shù)值均較優(yōu)的不可行解，不僅提高了種群多樣性，而且能夠較好地兼顧多樣性和收斂性；其次，為增強(qiáng)算法的局部開發(fā)能力，在變異操作和交叉操作之后進(jìn)行指數(shù)變異；最后，改進(jìn)的擁擠密度估計(jì)方式只選擇一部分Pareto最優(yōu)解和距離較近的個(gè)體參與計(jì)算，不僅更加準(zhǔn)確地反映解集的分布性，而且降低了計(jì)算量。通過在標(biāo)準(zhǔn)測(cè)試問題(CTP系列)上與其他4種優(yōu)秀算法的對(duì)比結(jié)果可以得出，該算法所求解集的分布性和收斂性均得到一定提高，而且相較于對(duì)比算法在求解性能上具備一定的優(yōu)勢(shì)。
為提高約束多目標(biāo)優(yōu)化問題所求解集的分布性和收斂性，該文提出基于自適應(yīng)截?cái)嗖呗缘募s束多目標(biāo)優(yōu)化算法。首先，自適應(yīng)截?cái)噙x擇策略能夠保留Pareto最優(yōu)解和約束違反度及目標(biāo)函數(shù)值均較優(yōu)的不可行解，不僅提高了種群多樣性，而且能夠較好地兼顧多樣性和收斂性；其次，為增強(qiáng)算法的局部開發(fā)能力，在變異操作和交叉操作之后進(jìn)行指數(shù)變異；最后，改進(jìn)的擁擠密度估計(jì)方式只選擇一部分Pareto最優(yōu)解和距離較近的個(gè)體參與計(jì)算，不僅更加準(zhǔn)確地反映解集的分布性，而且降低了計(jì)算量。通過在標(biāo)準(zhǔn)測(cè)試問題(CTP系列)上與其他4種優(yōu)秀算法的對(duì)比結(jié)果可以得出，該算法所求解集的分布性和收斂性均得到一定提高，而且相較于對(duì)比算法在求解性能上具備一定的優(yōu)勢(shì)。
2016, 38(8): 2054-2061.
doi: 10.11999/JEIT151209
摘要:
傳統(tǒng)模糊系統(tǒng)建模方法本質(zhì)上是一種單視角學(xué)習(xí)模式，面向適合多視角處理的場(chǎng)景時(shí)，它們通常只能將每一視角割裂開來進(jìn)行獨(dú)立建模，這導(dǎo)致其所得系統(tǒng)泛化性能往往不令人滿意。針對(duì)此缺陷，該文探討具備多視角學(xué)習(xí)能力的模糊系統(tǒng)建模方法。為此，基于經(jīng)典的L2型TSK模糊系統(tǒng)，通過引入具備多視角學(xué)習(xí)能力的協(xié)同學(xué)習(xí)項(xiàng)，該文提出了核心的多視角TSK型模糊系統(tǒng)(MV-TSK-FS)建模方法。MV-TSK-FS不僅能有效地利用各視角不同特征構(gòu)成的獨(dú)立樣本信息，還能充分地利用各視角間由于相互關(guān)聯(lián)而存在內(nèi)在信息，以最終達(dá)到提高系統(tǒng)泛化性能的效果。在模擬數(shù)據(jù)集與真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了較之于傳統(tǒng)單視角模糊建模方法該多視角模糊系統(tǒng)有著更好的泛化性和適用性。
傳統(tǒng)模糊系統(tǒng)建模方法本質(zhì)上是一種單視角學(xué)習(xí)模式，面向適合多視角處理的場(chǎng)景時(shí)，它們通常只能將每一視角割裂開來進(jìn)行獨(dú)立建模，這導(dǎo)致其所得系統(tǒng)泛化性能往往不令人滿意。針對(duì)此缺陷，該文探討具備多視角學(xué)習(xí)能力的模糊系統(tǒng)建模方法。為此，基于經(jīng)典的L2型TSK模糊系統(tǒng)，通過引入具備多視角學(xué)習(xí)能力的協(xié)同學(xué)習(xí)項(xiàng)，該文提出了核心的多視角TSK型模糊系統(tǒng)(MV-TSK-FS)建模方法。MV-TSK-FS不僅能有效地利用各視角不同特征構(gòu)成的獨(dú)立樣本信息，還能充分地利用各視角間由于相互關(guān)聯(lián)而存在內(nèi)在信息，以最終達(dá)到提高系統(tǒng)泛化性能的效果。在模擬數(shù)據(jù)集與真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了較之于傳統(tǒng)單視角模糊建模方法該多視角模糊系統(tǒng)有著更好的泛化性和適用性。
2016, 38(8): 2062-2067.
doi: 10.11999/JEIT160101
摘要:
該文針對(duì)含未知參數(shù)的異結(jié)構(gòu)超混沌復(fù)系統(tǒng)，基于自適應(yīng)控制及Lyapunov穩(wěn)定性理論，提出一種新的自適應(yīng)廣義組合復(fù)同步方法 (GCCS)。首先給出廣義組合復(fù)同步的定義，將驅(qū)動(dòng)-響應(yīng)系統(tǒng)的同步問題轉(zhuǎn)化為誤差系統(tǒng)零解的穩(wěn)定性問題；然后從理論上設(shè)計(jì)了非線性反饋同步控制器及參數(shù)辨識(shí)更新律，并引入誤差反饋增益，以控制同步的收斂速度；最后以超混沌復(fù)Lorenz系統(tǒng)、超混沌復(fù)Chen系統(tǒng)、超混沌復(fù)L系統(tǒng)的廣義組合復(fù)同步與參數(shù)估計(jì)為例，從數(shù)值仿真角度驗(yàn)證了所提方法的正確性和有效性。
該文針對(duì)含未知參數(shù)的異結(jié)構(gòu)超混沌復(fù)系統(tǒng)，基于自適應(yīng)控制及Lyapunov穩(wěn)定性理論，提出一種新的自適應(yīng)廣義組合復(fù)同步方法 (GCCS)。首先給出廣義組合復(fù)同步的定義，將驅(qū)動(dòng)-響應(yīng)系統(tǒng)的同步問題轉(zhuǎn)化為誤差系統(tǒng)零解的穩(wěn)定性問題；然后從理論上設(shè)計(jì)了非線性反饋同步控制器及參數(shù)辨識(shí)更新律，并引入誤差反饋增益，以控制同步的收斂速度；最后以超混沌復(fù)Lorenz系統(tǒng)、超混沌復(fù)Chen系統(tǒng)、超混沌復(fù)L系統(tǒng)的廣義組合復(fù)同步與參數(shù)估計(jì)為例，從數(shù)值仿真角度驗(yàn)證了所提方法的正確性和有效性。
2016, 38(8): 2068-2075.
doi: 10.11999/JEIT151346
摘要:
隨著圖像數(shù)據(jù)的迅猛增長(zhǎng)，當(dāng)前主流的圖像檢索方法采用的視覺特征編碼步驟固定，缺少學(xué)習(xí)能力，導(dǎo)致其圖像表達(dá)能力不強(qiáng)，而且視覺特征維數(shù)較高，嚴(yán)重制約了其圖像檢索性能。針對(duì)這些問題，該文提出一種基于深度卷積神徑網(wǎng)絡(luò)學(xué)習(xí)二進(jìn)制哈希編碼的方法，用于大規(guī)模的圖像檢索。該文的基本思想是在深度學(xué)習(xí)框架中增加一個(gè)哈希層，同時(shí)學(xué)習(xí)圖像特征和哈希函數(shù)，且哈希函數(shù)滿足獨(dú)立性和量化誤差最小的約束。首先，利用卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力挖掘訓(xùn)練圖像的內(nèi)在隱含關(guān)系，提取圖像深層特征，增強(qiáng)圖像特征的區(qū)分性和表達(dá)能力。然后，將圖像特征輸入到哈希層，學(xué)習(xí)哈希函數(shù)使得哈希層輸出的二進(jìn)制哈希碼分類誤差和量化誤差最小，且滿足獨(dú)立性約束。最后，給定輸入圖像通過該框架的哈希層得到相應(yīng)的哈希碼，從而可以在低維漢明空間中完成對(duì)大規(guī)模圖像數(shù)據(jù)的有效檢索。在3個(gè)常用數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，利用所提方法得到哈希碼，其圖像檢索性能優(yōu)于當(dāng)前主流方法。
隨著圖像數(shù)據(jù)的迅猛增長(zhǎng)，當(dāng)前主流的圖像檢索方法采用的視覺特征編碼步驟固定，缺少學(xué)習(xí)能力，導(dǎo)致其圖像表達(dá)能力不強(qiáng)，而且視覺特征維數(shù)較高，嚴(yán)重制約了其圖像檢索性能。針對(duì)這些問題，該文提出一種基于深度卷積神徑網(wǎng)絡(luò)學(xué)習(xí)二進(jìn)制哈希編碼的方法，用于大規(guī)模的圖像檢索。該文的基本思想是在深度學(xué)習(xí)框架中增加一個(gè)哈希層，同時(shí)學(xué)習(xí)圖像特征和哈希函數(shù)，且哈希函數(shù)滿足獨(dú)立性和量化誤差最小的約束。首先，利用卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的學(xué)習(xí)能力挖掘訓(xùn)練圖像的內(nèi)在隱含關(guān)系，提取圖像深層特征，增強(qiáng)圖像特征的區(qū)分性和表達(dá)能力。然后，將圖像特征輸入到哈希層，學(xué)習(xí)哈希函數(shù)使得哈希層輸出的二進(jìn)制哈希碼分類誤差和量化誤差最小，且滿足獨(dú)立性約束。最后，給定輸入圖像通過該框架的哈希層得到相應(yīng)的哈希碼，從而可以在低維漢明空間中完成對(duì)大規(guī)模圖像數(shù)據(jù)的有效檢索。在3個(gè)常用數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，利用所提方法得到哈希碼，其圖像檢索性能優(yōu)于當(dāng)前主流方法。
2016, 38(8): 2076-2084.
doi: 10.11999/JEIT151132
摘要:
針對(duì)遷移聚類問題，該文提出一種新的基于Kullback-Leiber距離的遷移仿射聚類算法(TAP_KL)。該算法從概率角度重新解釋AP算法的目標(biāo)函數(shù)，并借助于信息論中最常見的一種距離度量，即Kullback-Leiber距離，測(cè)量源域與目標(biāo)域代表點(diǎn)的相似性。另外，通過詳細(xì)分析TAP_KL算法與AP算法的目標(biāo)函數(shù)，得出一個(gè)重要結(jié)論，即可以將源域與目標(biāo)域的相似性嵌入到目標(biāo)域數(shù)據(jù)集相似性矩陣的計(jì)算中，從而直接利用AP算法的優(yōu)化算法優(yōu)化TAP_KL算法的目標(biāo)函數(shù)，解決基于代表點(diǎn)的遷移聚類問題。最后，通過基于4個(gè)數(shù)據(jù)集的仿真實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了TAP_KL算法在解決遷移聚類問題時(shí)的有效性。
針對(duì)遷移聚類問題，該文提出一種新的基于Kullback-Leiber距離的遷移仿射聚類算法(TAP_KL)。該算法從概率角度重新解釋AP算法的目標(biāo)函數(shù)，并借助于信息論中最常見的一種距離度量，即Kullback-Leiber距離，測(cè)量源域與目標(biāo)域代表點(diǎn)的相似性。另外，通過詳細(xì)分析TAP_KL算法與AP算法的目標(biāo)函數(shù)，得出一個(gè)重要結(jié)論，即可以將源域與目標(biāo)域的相似性嵌入到目標(biāo)域數(shù)據(jù)集相似性矩陣的計(jì)算中，從而直接利用AP算法的優(yōu)化算法優(yōu)化TAP_KL算法的目標(biāo)函數(shù)，解決基于代表點(diǎn)的遷移聚類問題。最后，通過基于4個(gè)數(shù)據(jù)集的仿真實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了TAP_KL算法在解決遷移聚類問題時(shí)的有效性。
2016, 38(8): 2085-2090.
doi: 10.11999/JEIT151218
摘要:
尋找相對(duì)于尺度、平移、旋轉(zhuǎn)不變的小波不變量是多尺度分析在模式識(shí)別中應(yīng)用的關(guān)鍵性問題。該文利用基于統(tǒng)計(jì)的不變矩這一理論和應(yīng)用上都比較成熟的方法，將圖像有限個(gè)尺度的小波近似系數(shù)和圖像不變矩聯(lián)系起來，從而給出了一種小波矩不變量，得到了比較完善的理論和實(shí)驗(yàn)結(jié)果。同時(shí)指出了該理論方法在實(shí)際應(yīng)用中所需注意的地方，最后簡(jiǎn)要闡述了多尺度分析與不變矩的應(yīng)用關(guān)系。
尋找相對(duì)于尺度、平移、旋轉(zhuǎn)不變的小波不變量是多尺度分析在模式識(shí)別中應(yīng)用的關(guān)鍵性問題。該文利用基于統(tǒng)計(jì)的不變矩這一理論和應(yīng)用上都比較成熟的方法，將圖像有限個(gè)尺度的小波近似系數(shù)和圖像不變矩聯(lián)系起來，從而給出了一種小波矩不變量，得到了比較完善的理論和實(shí)驗(yàn)結(jié)果。同時(shí)指出了該理論方法在實(shí)際應(yīng)用中所需注意的地方，最后簡(jiǎn)要闡述了多尺度分析與不變矩的應(yīng)用關(guān)系。
2016, 38(8): 2091-2098.
doi: 10.11999/JEIT151049
摘要:
設(shè)計(jì)安全的無線射頻識(shí)別協(xié)議有助于實(shí)現(xiàn)智慧城市的規(guī)劃和構(gòu)建完善的智慧網(wǎng)絡(luò)。安全的RFID所有權(quán)轉(zhuǎn)移協(xié)議要求同時(shí)具備安全性和隱私性，標(biāo)簽的前向不可追蹤性和后向不可追蹤性是RFID系統(tǒng)實(shí)際應(yīng)用中需要考量的兩個(gè)重要的隱私性能。針對(duì)現(xiàn)有供應(yīng)鏈系統(tǒng)中所有權(quán)轉(zhuǎn)移協(xié)議存在的各種安全隱私問題，該文改進(jìn)了原有前向不可追蹤性定義的錯(cuò)過密鑰更新過程的不合理的假設(shè)，提出了強(qiáng)前向不可追蹤性的概念。提出了一個(gè)基于二次剩余定理的輕量級(jí)RFID所有權(quán)轉(zhuǎn)移協(xié)議，并使用改進(jìn)的模型和定義形式化證明了協(xié)議的安全性和隱私性。證明結(jié)果表明新方案既可以抵御內(nèi)部讀卡器惡意假冒攻擊，追蹤攻擊，標(biāo)簽假冒攻擊和異步攻擊，又滿足強(qiáng)前向不可追蹤性和后向不可追蹤性等隱私性能；新協(xié)議在實(shí)現(xiàn)低成本和高效率認(rèn)證的基礎(chǔ)上，比其他協(xié)議安全性和隱私性更好。
設(shè)計(jì)安全的無線射頻識(shí)別協(xié)議有助于實(shí)現(xiàn)智慧城市的規(guī)劃和構(gòu)建完善的智慧網(wǎng)絡(luò)。安全的RFID所有權(quán)轉(zhuǎn)移協(xié)議要求同時(shí)具備安全性和隱私性，標(biāo)簽的前向不可追蹤性和后向不可追蹤性是RFID系統(tǒng)實(shí)際應(yīng)用中需要考量的兩個(gè)重要的隱私性能。針對(duì)現(xiàn)有供應(yīng)鏈系統(tǒng)中所有權(quán)轉(zhuǎn)移協(xié)議存在的各種安全隱私問題，該文改進(jìn)了原有前向不可追蹤性定義的錯(cuò)過密鑰更新過程的不合理的假設(shè)，提出了強(qiáng)前向不可追蹤性的概念。提出了一個(gè)基于二次剩余定理的輕量級(jí)RFID所有權(quán)轉(zhuǎn)移協(xié)議，并使用改進(jìn)的模型和定義形式化證明了協(xié)議的安全性和隱私性。證明結(jié)果表明新方案既可以抵御內(nèi)部讀卡器惡意假冒攻擊，追蹤攻擊，標(biāo)簽假冒攻擊和異步攻擊，又滿足強(qiáng)前向不可追蹤性和后向不可追蹤性等隱私性能；新協(xié)議在實(shí)現(xiàn)低成本和高效率認(rèn)證的基礎(chǔ)上，比其他協(xié)議安全性和隱私性更好。
2016, 38(8): 2099-2106.
doi: 10.11999/JEIT151233
摘要:
隨機(jī)計(jì)算是一種特殊的基于概率數(shù)據(jù)碼流的數(shù)學(xué)計(jì)算方法，其優(yōu)點(diǎn)在于可以采用非常簡(jiǎn)單的數(shù)字邏輯完成復(fù)雜數(shù)學(xué)運(yùn)算，從而大幅降低硬件實(shí)現(xiàn)成本。該文首先討論了隨機(jī)計(jì)算的基本原理和主要運(yùn)算邏輯，論述了傳統(tǒng)線性狀態(tài)機(jī)的不足，并分析了一種2維狀態(tài)轉(zhuǎn)移拓?fù)浣Y(jié)構(gòu)，推導(dǎo)了通過2維有限狀態(tài)機(jī)實(shí)現(xiàn)高斯函數(shù)的方法。在此基礎(chǔ)上，提出一種隨機(jī)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，其硬件實(shí)現(xiàn)成本非常低，而性能與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相當(dāng)。兩類模式識(shí)別實(shí)驗(yàn)結(jié)果顯示，所提出的隨機(jī)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸出值均方誤差與相應(yīng)結(jié)構(gòu)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的差別小于1.3%。FPGA實(shí)驗(yàn)結(jié)果顯示，數(shù)據(jù)寬度為12位時(shí)，隨機(jī)中間神經(jīng)元的電路面積僅為傳統(tǒng)插值查表結(jié)構(gòu)的1.2%、坐標(biāo)旋轉(zhuǎn)數(shù)字計(jì)算方法(CORDIC)的2%。通過改變輸入碼流長(zhǎng)度，該神經(jīng)網(wǎng)絡(luò)可以在處理速度、功耗和準(zhǔn)確性之間作出平衡，具有應(yīng)用靈活性，適用于對(duì)成本、功耗要求較高的應(yīng)用如嵌入式、便攜式、穿戴式設(shè)備。
隨機(jī)計(jì)算是一種特殊的基于概率數(shù)據(jù)碼流的數(shù)學(xué)計(jì)算方法，其優(yōu)點(diǎn)在于可以采用非常簡(jiǎn)單的數(shù)字邏輯完成復(fù)雜數(shù)學(xué)運(yùn)算，從而大幅降低硬件實(shí)現(xiàn)成本。該文首先討論了隨機(jī)計(jì)算的基本原理和主要運(yùn)算邏輯，論述了傳統(tǒng)線性狀態(tài)機(jī)的不足，并分析了一種2維狀態(tài)轉(zhuǎn)移拓?fù)浣Y(jié)構(gòu)，推導(dǎo)了通過2維有限狀態(tài)機(jī)實(shí)現(xiàn)高斯函數(shù)的方法。在此基礎(chǔ)上，提出一種隨機(jī)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，其硬件實(shí)現(xiàn)成本非常低，而性能與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相當(dāng)。兩類模式識(shí)別實(shí)驗(yàn)結(jié)果顯示，所提出的隨機(jī)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸出值均方誤差與相應(yīng)結(jié)構(gòu)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的差別小于1.3%。FPGA實(shí)驗(yàn)結(jié)果顯示，數(shù)據(jù)寬度為12位時(shí)，隨機(jī)中間神經(jīng)元的電路面積僅為傳統(tǒng)插值查表結(jié)構(gòu)的1.2%、坐標(biāo)旋轉(zhuǎn)數(shù)字計(jì)算方法(CORDIC)的2%。通過改變輸入碼流長(zhǎng)度，該神經(jīng)網(wǎng)絡(luò)可以在處理速度、功耗和準(zhǔn)確性之間作出平衡，具有應(yīng)用靈活性，適用于對(duì)成本、功耗要求較高的應(yīng)用如嵌入式、便攜式、穿戴式設(shè)備。
2016, 38(8): 2107-2112.
doi: 10.11999/JEIT151189
摘要:
該文提出了一種虛擬的最小均方有源單元方向圖展開方法，將不等間隔陣列的有源方向圖展開為一個(gè)虛擬的均勻間隔陣列的若干單元輻射的疊加。通過該方法，對(duì)包含陣元耦合效應(yīng)的不等間隔陣列方向圖，可以使用快速傅里葉變換進(jìn)行加速計(jì)算。并且，該文將這個(gè)方法與遺傳算法(GA)相結(jié)合，得到一種改進(jìn)的GA-FFT方法，可以應(yīng)用于解決含陣元互耦的不均勻間隔陣列的賦形波束綜合問題。最后，分別對(duì)不等間隔的偶極子陣列平頂方向圖及微帶陣列的余割平方方向圖進(jìn)行了綜合，結(jié)果表明所提方法的有效性和優(yōu)勢(shì)。
該文提出了一種虛擬的最小均方有源單元方向圖展開方法，將不等間隔陣列的有源方向圖展開為一個(gè)虛擬的均勻間隔陣列的若干單元輻射的疊加。通過該方法，對(duì)包含陣元耦合效應(yīng)的不等間隔陣列方向圖，可以使用快速傅里葉變換進(jìn)行加速計(jì)算。并且，該文將這個(gè)方法與遺傳算法(GA)相結(jié)合，得到一種改進(jìn)的GA-FFT方法，可以應(yīng)用于解決含陣元互耦的不均勻間隔陣列的賦形波束綜合問題。最后，分別對(duì)不等間隔的偶極子陣列平頂方向圖及微帶陣列的余割平方方向圖進(jìn)行了綜合，結(jié)果表明所提方法的有效性和優(yōu)勢(shì)。
2016, 38(8): 2113-2121.
doi: 10.11999/JEIT151254
摘要:
隨著工藝尺寸的不斷縮小，由單粒子瞬態(tài)(Single Event Transient, SET)效應(yīng)引起的軟錯(cuò)誤已經(jīng)成為影響宇航用深亞微米VLSI電路可靠性的主要威脅，而SET脈沖的產(chǎn)生和傳播也成為電路軟錯(cuò)誤研究的熱點(diǎn)問題。通過研究SET脈沖在邏輯鏈路中的傳播發(fā)現(xiàn)：脈沖上升時(shí)間和下降時(shí)間的差異能夠引起輸出脈沖寬度的展寬或衰減；脈沖的寬度和幅度可決定其是否會(huì)被門的電氣效應(yīng)所屏蔽。該文提出一種四值脈沖參數(shù)模型可準(zhǔn)確模擬SET脈沖形狀，并采用結(jié)合查找表和經(jīng)驗(yàn)公式的方法來模擬SET脈沖在電路中的傳播過程。該文提出的四值脈沖參數(shù)模型可模擬SET脈沖在傳播過程中的展寬和衰減效應(yīng)，與單參數(shù)脈沖模型相比計(jì)算精度提高了2.4%。該文應(yīng)用基于圖的故障傳播概率算法模擬SET脈沖傳播過程中的邏輯屏蔽，可快速計(jì)算電路的軟錯(cuò)誤率。對(duì)ISCAS89及ISCAS85電路進(jìn)行分析的實(shí)驗(yàn)結(jié)果表明：該方法與HSPICE仿真方法的平均偏差為4.12%，計(jì)算速度提升10000倍。該文方法可對(duì)大規(guī)模集成電路的軟錯(cuò)誤率進(jìn)行快速分析。
隨著工藝尺寸的不斷縮小，由單粒子瞬態(tài)(Single Event Transient, SET)效應(yīng)引起的軟錯(cuò)誤已經(jīng)成為影響宇航用深亞微米VLSI電路可靠性的主要威脅，而SET脈沖的產(chǎn)生和傳播也成為電路軟錯(cuò)誤研究的熱點(diǎn)問題。通過研究SET脈沖在邏輯鏈路中的傳播發(fā)現(xiàn)：脈沖上升時(shí)間和下降時(shí)間的差異能夠引起輸出脈沖寬度的展寬或衰減；脈沖的寬度和幅度可決定其是否會(huì)被門的電氣效應(yīng)所屏蔽。該文提出一種四值脈沖參數(shù)模型可準(zhǔn)確模擬SET脈沖形狀，并采用結(jié)合查找表和經(jīng)驗(yàn)公式的方法來模擬SET脈沖在電路中的傳播過程。該文提出的四值脈沖參數(shù)模型可模擬SET脈沖在傳播過程中的展寬和衰減效應(yīng)，與單參數(shù)脈沖模型相比計(jì)算精度提高了2.4%。該文應(yīng)用基于圖的故障傳播概率算法模擬SET脈沖傳播過程中的邏輯屏蔽，可快速計(jì)算電路的軟錯(cuò)誤率。對(duì)ISCAS89及ISCAS85電路進(jìn)行分析的實(shí)驗(yàn)結(jié)果表明：該方法與HSPICE仿真方法的平均偏差為4.12%，計(jì)算速度提升10000倍。該文方法可對(duì)大規(guī)模集成電路的軟錯(cuò)誤率進(jìn)行快速分析。
2016, 38(8): 2122-2128.
doi: 10.11999/JEIT151256
摘要:
該文提出一種非帶隙基準(zhǔn)電路，通過一個(gè)帶超級(jí)源極跟隨器的預(yù)調(diào)制電路提供一個(gè)穩(wěn)定的電壓，為基準(zhǔn)核心電路供電。超級(jí)源極跟隨器通過降低基準(zhǔn)核心電路電源端的對(duì)地阻抗，有效提高了基準(zhǔn)電路的電源抑制能力。該基準(zhǔn)電路采用0.35 m CMOS 工藝設(shè)計(jì)并流片，測(cè)試結(jié)果表明，該電路的工作電源電壓為1.8~5 V，靜態(tài)電流約為13 A。低頻處電源抑制比(PSRR)約等于-100 dB，在小于1 kHz頻率范圍內(nèi)PSRR均優(yōu)于-93 dB。并且其片上面積僅為0.013 mm2。
該文提出一種非帶隙基準(zhǔn)電路，通過一個(gè)帶超級(jí)源極跟隨器的預(yù)調(diào)制電路提供一個(gè)穩(wěn)定的電壓，為基準(zhǔn)核心電路供電。超級(jí)源極跟隨器通過降低基準(zhǔn)核心電路電源端的對(duì)地阻抗，有效提高了基準(zhǔn)電路的電源抑制能力。該基準(zhǔn)電路采用0.35 m CMOS 工藝設(shè)計(jì)并流片，測(cè)試結(jié)果表明，該電路的工作電源電壓為1.8~5 V，靜態(tài)電流約為13 A。低頻處電源抑制比(PSRR)約等于-100 dB，在小于1 kHz頻率范圍內(nèi)PSRR均優(yōu)于-93 dB。并且其片上面積僅為0.013 mm2。
