郵件訂閱
2017年 第39卷 第1期
2017, 39(1): 1-8.
doi: 10.11999/JEIT160245
摘要:
該文針對成對用戶大規(guī)模MIMO中繼系統(tǒng)，研究了最優(yōu)能效準則下的系統(tǒng)參數(shù)設(shè)計。在中繼采用最大比合并/最大比發(fā)射(MRC/MRT)預編碼方案下，借助于大數(shù)定律，推導出能效函數(shù)關(guān)于用戶發(fā)射功率、中繼發(fā)射功率和中繼天線數(shù)的解析表達式。根據(jù)能效函數(shù)性質(zhì)，分別證明了全局最優(yōu)發(fā)射向量和最優(yōu)天線數(shù)的存在性和唯一性。為了求解最優(yōu)發(fā)射功率，利用分數(shù)規(guī)劃，將原優(yōu)化問題轉(zhuǎn)換為等價的減法形式，進而提出一種新的低復雜度迭代優(yōu)化算法，并求得最優(yōu)發(fā)射功率的閉合解。對于最優(yōu)天線數(shù)，則利用Lambert W函數(shù)，得到了能效最大時的最優(yōu)天線數(shù)閉合解。通過數(shù)值仿真，驗證了所提功率優(yōu)化算法以極少迭代次數(shù)取得了接近最優(yōu)算法的性能，并驗證了所給出的最優(yōu)天線數(shù)閉合解的精確性。
該文針對成對用戶大規(guī)模MIMO中繼系統(tǒng)，研究了最優(yōu)能效準則下的系統(tǒng)參數(shù)設(shè)計。在中繼采用最大比合并/最大比發(fā)射(MRC/MRT)預編碼方案下，借助于大數(shù)定律，推導出能效函數(shù)關(guān)于用戶發(fā)射功率、中繼發(fā)射功率和中繼天線數(shù)的解析表達式。根據(jù)能效函數(shù)性質(zhì)，分別證明了全局最優(yōu)發(fā)射向量和最優(yōu)天線數(shù)的存在性和唯一性。為了求解最優(yōu)發(fā)射功率，利用分數(shù)規(guī)劃，將原優(yōu)化問題轉(zhuǎn)換為等價的減法形式，進而提出一種新的低復雜度迭代優(yōu)化算法，并求得最優(yōu)發(fā)射功率的閉合解。對于最優(yōu)天線數(shù)，則利用Lambert W函數(shù)，得到了能效最大時的最優(yōu)天線數(shù)閉合解。通過數(shù)值仿真，驗證了所提功率優(yōu)化算法以極少迭代次數(shù)取得了接近最優(yōu)算法的性能，并驗證了所給出的最優(yōu)天線數(shù)閉合解的精確性。
2017, 39(1): 9-15.
doi: 10.11999/JEIT160264
摘要:
該文針對瑞利衰落信道中采用Chase合并混合自動重傳請求(CC-HARQ)協(xié)議的多跳中繼網(wǎng)絡(luò)提出一種基于跨層設(shè)計的能量效率優(yōu)化策略。為實現(xiàn)能量效率的最大化，基于對數(shù)域線性閾值的平均誤幀率模型，推導出多跳CC-HARQ系統(tǒng)能量效率的閉合表達式，進而設(shè)計了最優(yōu)發(fā)送幀長策略和最優(yōu)發(fā)送功率分配方案，其次，針對發(fā)送幀長和發(fā)送功率分析了兩者的聯(lián)合優(yōu)化方案。仿真結(jié)果驗證了理論分析的正確性和可行性，仿真對比實驗表明所提跨層優(yōu)化設(shè)計方案可以有效提升實際多跳網(wǎng)絡(luò)的能量效率性能。
該文針對瑞利衰落信道中采用Chase合并混合自動重傳請求(CC-HARQ)協(xié)議的多跳中繼網(wǎng)絡(luò)提出一種基于跨層設(shè)計的能量效率優(yōu)化策略。為實現(xiàn)能量效率的最大化，基于對數(shù)域線性閾值的平均誤幀率模型，推導出多跳CC-HARQ系統(tǒng)能量效率的閉合表達式，進而設(shè)計了最優(yōu)發(fā)送幀長策略和最優(yōu)發(fā)送功率分配方案，其次，針對發(fā)送幀長和發(fā)送功率分析了兩者的聯(lián)合優(yōu)化方案。仿真結(jié)果驗證了理論分析的正確性和可行性，仿真對比實驗表明所提跨層優(yōu)化設(shè)計方案可以有效提升實際多跳網(wǎng)絡(luò)的能量效率性能。
2017, 39(1): 16-23.
doi: 10.11999/JEIT160226
摘要:
該文針對大規(guī)模MIMO FDD下行系統(tǒng)，聯(lián)合考慮信道估計與數(shù)據(jù)傳輸兩個階段的資源分配問題，提出一種能效資源分配算法。該方法以最大化能效為目標，以導頻時長、導頻功率和數(shù)據(jù)功率為參量，在指定發(fā)射功率和頻譜效率約束的條件下建立優(yōu)化模型。由于目標函數(shù)無精確解析形式，借助確定性等價原理對其近似并求得閉合表達式。進而，利用分數(shù)規(guī)劃將原分式形式目標函數(shù)等價轉(zhuǎn)換為減式形式，再利用目標函數(shù)的下界將非凸優(yōu)化問題逐步釋放為相對容易求解的等效問題，最終獲得一種3層迭代能效資源優(yōu)化算法。仿真結(jié)果驗證了所提算法的有效性，且具有較快的收斂速度。
該文針對大規(guī)模MIMO FDD下行系統(tǒng)，聯(lián)合考慮信道估計與數(shù)據(jù)傳輸兩個階段的資源分配問題，提出一種能效資源分配算法。該方法以最大化能效為目標，以導頻時長、導頻功率和數(shù)據(jù)功率為參量，在指定發(fā)射功率和頻譜效率約束的條件下建立優(yōu)化模型。由于目標函數(shù)無精確解析形式，借助確定性等價原理對其近似并求得閉合表達式。進而，利用分數(shù)規(guī)劃將原分式形式目標函數(shù)等價轉(zhuǎn)換為減式形式，再利用目標函數(shù)的下界將非凸優(yōu)化問題逐步釋放為相對容易求解的等效問題，最終獲得一種3層迭代能效資源優(yōu)化算法。仿真結(jié)果驗證了所提算法的有效性，且具有較快的收斂速度。
2017, 39(1): 24-30.
doi: 10.11999/JEIT160291
摘要:
同頻同時全雙工是第5代(5G)通信關(guān)鍵技術(shù)之一，數(shù)字自干擾抵消算法是其重要研究方向。針對非線性數(shù)字自干擾抵消算法中，失真系數(shù)估計受到自干擾信道估計誤差的影響這一問題，該文提出一種基于輔助符號的非線性自干擾抵消算法，通過對輔助符號做自干擾抵消，將信道估計符號的失真誤差映射到其抵消結(jié)果中并提取出來，從中估計失真系數(shù)。接著針對算法開銷問題提出一種簡化實現(xiàn)方案。仿真結(jié)果顯示，接收自干擾信號為-5 dBm時，算法可將自干擾非線性失真分量抵消至約-100 dBm，且性能隨接收自干擾功率降低而提高。
同頻同時全雙工是第5代(5G)通信關(guān)鍵技術(shù)之一，數(shù)字自干擾抵消算法是其重要研究方向。針對非線性數(shù)字自干擾抵消算法中，失真系數(shù)估計受到自干擾信道估計誤差的影響這一問題，該文提出一種基于輔助符號的非線性自干擾抵消算法，通過對輔助符號做自干擾抵消，將信道估計符號的失真誤差映射到其抵消結(jié)果中并提取出來，從中估計失真系數(shù)。接著針對算法開銷問題提出一種簡化實現(xiàn)方案。仿真結(jié)果顯示，接收自干擾信號為-5 dBm時，算法可將自干擾非線性失真分量抵消至約-100 dBm，且性能隨接收自干擾功率降低而提高。
2017, 39(1): 31-37.
doi: 10.11999/JEIT160268
摘要:
在主動頻譜切換中，預先確定目標信道存在高失效風險，從而增加切換時延的問題。該文提出一種基于混合主被動頻譜切換的最優(yōu)目標信道選擇算法。該算法結(jié)合主動頻譜切換和被動頻譜切換的優(yōu)點，引入最小累積切換時延評價標準，綜合考慮次用戶的多次中斷、主用戶的到達率和非理想頻譜檢測對次用戶累積切換時延的影響，并詳細分析和推導了非理想檢測下次用戶的累積切換時延。仿真表明，相較于主動和被動頻譜切換中目標信道選擇策略，在信道狀態(tài)變化頻繁或業(yè)務(wù)量較大等極端情況下，該算法的性能優(yōu)勢尤為明顯。
在主動頻譜切換中，預先確定目標信道存在高失效風險，從而增加切換時延的問題。該文提出一種基于混合主被動頻譜切換的最優(yōu)目標信道選擇算法。該算法結(jié)合主動頻譜切換和被動頻譜切換的優(yōu)點，引入最小累積切換時延評價標準，綜合考慮次用戶的多次中斷、主用戶的到達率和非理想頻譜檢測對次用戶累積切換時延的影響，并詳細分析和推導了非理想檢測下次用戶的累積切換時延。仿真表明，相較于主動和被動頻譜切換中目標信道選擇策略，在信道狀態(tài)變化頻繁或業(yè)務(wù)量較大等極端情況下，該算法的性能優(yōu)勢尤為明顯。
2017, 39(1): 38-44.
doi: 10.11999/JEIT160285
摘要:
該文研究了信道狀態(tài)不確定條件下分層異構(gòu)微蜂窩網(wǎng)絡(luò)中的無線資源分配優(yōu)化問題。首先引入信道不確定模型描述無線信道的隨機動態(tài)性，并將該問題建模為考慮信道不確定度的雙層魯棒斯坦伯格博弈；然后給出了該博弈的均衡點分析；最后提出了一種分布式改進型分層Q學習方案以實現(xiàn)宏基站和微基站的均衡策略搜索。理論分析和仿真表明，所提出的分層博弈模型可以有效抑制由于信道狀態(tài)不確定引起的收益下降。所采用的學習方案較傳統(tǒng)Q學習方案收斂速度明顯加快，更加適用于短時快變的通信環(huán)境。
該文研究了信道狀態(tài)不確定條件下分層異構(gòu)微蜂窩網(wǎng)絡(luò)中的無線資源分配優(yōu)化問題。首先引入信道不確定模型描述無線信道的隨機動態(tài)性，并將該問題建模為考慮信道不確定度的雙層魯棒斯坦伯格博弈；然后給出了該博弈的均衡點分析；最后提出了一種分布式改進型分層Q學習方案以實現(xiàn)宏基站和微基站的均衡策略搜索。理論分析和仿真表明，所提出的分層博弈模型可以有效抑制由于信道狀態(tài)不確定引起的收益下降。所采用的學習方案較傳統(tǒng)Q學習方案收斂速度明顯加快，更加適用于短時快變的通信環(huán)境。
2017, 39(1): 45-50.
doi: 10.11999/JEIT160246
摘要:
水聲通道復雜多變，使得水下無線傳感器網(wǎng)絡(luò)中節(jié)點出現(xiàn)失效的情況，影響了多節(jié)點的目標定位性能。為解決這一問題，該文提出一種基于Parzen窗的方位交線定位方法。該方法利用Parzen窗分析所有交點的分布特征，估計目標可能出現(xiàn)在某個位置的概率，將概率最大值對應的點作為目標的估計位置。由于概率分布是非線性、多峰值的，采用帶有慣性權(quán)重的粒子群算法去求解。仿真實驗結(jié)果表明，所提方法能夠在節(jié)點失效的情況下獲得較高的目標定位性能，具有較好的魯棒性。
水聲通道復雜多變，使得水下無線傳感器網(wǎng)絡(luò)中節(jié)點出現(xiàn)失效的情況，影響了多節(jié)點的目標定位性能。為解決這一問題，該文提出一種基于Parzen窗的方位交線定位方法。該方法利用Parzen窗分析所有交點的分布特征，估計目標可能出現(xiàn)在某個位置的概率，將概率最大值對應的點作為目標的估計位置。由于概率分布是非線性、多峰值的，采用帶有慣性權(quán)重的粒子群算法去求解。仿真實驗結(jié)果表明，所提方法能夠在節(jié)點失效的情況下獲得較高的目標定位性能，具有較好的魯棒性。
2017, 39(1): 51-57.
doi: 10.11999/JEIT160382
摘要:
考慮到在無線傳感器網(wǎng)絡(luò)中，新節(jié)點的加入或老節(jié)點的死亡均會導致拓撲呈動態(tài)變化，該文研究一種完全分布式二階一致性時間同步(Second-Order Consensus Time Synchronization, SOCTS)算法。將節(jié)點的時鐘特性建模成二階狀態(tài)方程，按照偽同步周期廣播節(jié)點的本地虛擬時間，根據(jù)鄰居節(jié)點的本地虛擬時間的不一致來構(gòu)造同步控制輸入；通過坐標變換將網(wǎng)絡(luò)的一致性時間同步問題轉(zhuǎn)化為變換系統(tǒng)的穩(wěn)定性問題，理論分析了SOCTS算法的收斂性和收斂條件，并研究了影響SOCTS算法收斂速度的因素。通過數(shù)值仿真實驗驗證了所提方法的有效性。
考慮到在無線傳感器網(wǎng)絡(luò)中，新節(jié)點的加入或老節(jié)點的死亡均會導致拓撲呈動態(tài)變化，該文研究一種完全分布式二階一致性時間同步(Second-Order Consensus Time Synchronization, SOCTS)算法。將節(jié)點的時鐘特性建模成二階狀態(tài)方程，按照偽同步周期廣播節(jié)點的本地虛擬時間，根據(jù)鄰居節(jié)點的本地虛擬時間的不一致來構(gòu)造同步控制輸入；通過坐標變換將網(wǎng)絡(luò)的一致性時間同步問題轉(zhuǎn)化為變換系統(tǒng)的穩(wěn)定性問題，理論分析了SOCTS算法的收斂性和收斂條件，并研究了影響SOCTS算法收斂速度的因素。通過數(shù)值仿真實驗驗證了所提方法的有效性。
2017, 39(1): 58-65.
doi: 10.11999/JEIT160254
摘要:
基于失真函數(shù)的自適應隱寫技術(shù)在嵌入過程中，忽略了嵌入操作相互間的影響，隱寫策略無法隨載體統(tǒng)計特性的改變自適應地調(diào)節(jié)。考慮嵌入操作的交互影響，該文提出一種基于動態(tài)更新失真代價的k隱寫算法。首先分析了中心像素與其鄰域的相關(guān)性，理論證明了在4-鄰域修改情況下中心像素的最優(yōu)修改方式，進而提出了失真代價更新策略MDS(Modification Degree Strategy)；并結(jié)合該策略設(shè)計實現(xiàn)了一種自適應k隱寫算法。實驗表明，五元修改方式下算法UNIWARD-MDS(Pentary Version)在高嵌入率下(0.5~1.0 bpp)的抗SRM檢測性優(yōu)于S-UNIWARD(Pentary Version)，同時在抵抗maxSRMd2檢測時不同嵌入率下均優(yōu)于S-UNIWARD(Pentary Version)；三元修改方式下算法HILL-MDS和UNIWARD-MDS(Ternary Version)抗檢測性能優(yōu)于對應的自適應隱寫算法HILL和S-UNIWARD(Ternary Version)。
基于失真函數(shù)的自適應隱寫技術(shù)在嵌入過程中，忽略了嵌入操作相互間的影響，隱寫策略無法隨載體統(tǒng)計特性的改變自適應地調(diào)節(jié)。考慮嵌入操作的交互影響，該文提出一種基于動態(tài)更新失真代價的k隱寫算法。首先分析了中心像素與其鄰域的相關(guān)性，理論證明了在4-鄰域修改情況下中心像素的最優(yōu)修改方式，進而提出了失真代價更新策略MDS(Modification Degree Strategy)；并結(jié)合該策略設(shè)計實現(xiàn)了一種自適應k隱寫算法。實驗表明，五元修改方式下算法UNIWARD-MDS(Pentary Version)在高嵌入率下(0.5~1.0 bpp)的抗SRM檢測性優(yōu)于S-UNIWARD(Pentary Version)，同時在抵抗maxSRMd2檢測時不同嵌入率下均優(yōu)于S-UNIWARD(Pentary Version)；三元修改方式下算法HILL-MDS和UNIWARD-MDS(Ternary Version)抗檢測性能優(yōu)于對應的自適應隱寫算法HILL和S-UNIWARD(Ternary Version)。
2017, 39(1): 66-74.
doi: 10.11999/JEIT160555
摘要:
由于社交類應用涉及的隱私數(shù)據(jù)類型非常多，導致這類應用在被廣泛使用的同時，頻繁出現(xiàn)用戶隱私泄露事件，但是目前還鮮有針對社交應用的隱私泄露檢測機制的研究。該文結(jié)合Android系統(tǒng)的特性，提出一個面向Android社交類應用檢測框架X-Decaf(Xposed-based-detecting-cache-file)，創(chuàng)新性地利用污點追蹤技術(shù)以及Xposed框架，獲取應用內(nèi)疑似泄露路徑，監(jiān)測隱私數(shù)據(jù)的緩存文件。此外，該文給出了對隱私泄露進行評級的建議，并利用該框架對50款社交類應用進行了檢測，發(fā)現(xiàn)社交類應用普遍存在泄露用戶隱私信息的漏洞。
由于社交類應用涉及的隱私數(shù)據(jù)類型非常多，導致這類應用在被廣泛使用的同時，頻繁出現(xiàn)用戶隱私泄露事件，但是目前還鮮有針對社交應用的隱私泄露檢測機制的研究。該文結(jié)合Android系統(tǒng)的特性，提出一個面向Android社交類應用檢測框架X-Decaf(Xposed-based-detecting-cache-file)，創(chuàng)新性地利用污點追蹤技術(shù)以及Xposed框架，獲取應用內(nèi)疑似泄露路徑，監(jiān)測隱私數(shù)據(jù)的緩存文件。此外，該文給出了對隱私泄露進行評級的建議，并利用該框架對50款社交類應用進行了檢測，發(fā)現(xiàn)社交類應用普遍存在泄露用戶隱私信息的漏洞。
2017, 39(1): 75-81.
doi: 10.11999/JEIT160139
摘要:
該文針對橢圓球面波(Prolate Spheroidal Wave Function, PSWF)時域正交調(diào)制信號峰均功率比過高，易受功率放大器非線性影響，造成信號失真，導致系統(tǒng)解調(diào)性能下降的問題，提出一種基于律壓縮的自適應峰均比抑制方法。該方法能夠根據(jù)輸入信號自適應調(diào)節(jié)壓縮參數(shù)，有效壓縮信號峰值，降低PSWF調(diào)制信號峰均功率比(Peak-to-Average Power Ratio, PAPR)，同時保證壓縮前后信號平均功率不變。理論論證和仿真結(jié)果表明，該方法能夠有效抑制PSWF調(diào)制信號PAPR，當壓縮參數(shù)為1且互補累計分布函數(shù)CCDF為10-4時，壓縮后調(diào)制信號與原調(diào)制信號相比PAPR降低約2.1 dB；有效改善經(jīng)過功放后調(diào)制信號功率譜和系統(tǒng)在高斯白噪聲信道下的誤碼性能。
該文針對橢圓球面波(Prolate Spheroidal Wave Function, PSWF)時域正交調(diào)制信號峰均功率比過高，易受功率放大器非線性影響，造成信號失真，導致系統(tǒng)解調(diào)性能下降的問題，提出一種基于律壓縮的自適應峰均比抑制方法。該方法能夠根據(jù)輸入信號自適應調(diào)節(jié)壓縮參數(shù)，有效壓縮信號峰值，降低PSWF調(diào)制信號峰均功率比(Peak-to-Average Power Ratio, PAPR)，同時保證壓縮前后信號平均功率不變。理論論證和仿真結(jié)果表明，該方法能夠有效抑制PSWF調(diào)制信號PAPR，當壓縮參數(shù)為1且互補累計分布函數(shù)CCDF為10-4時，壓縮后調(diào)制信號與原調(diào)制信號相比PAPR降低約2.1 dB；有效改善經(jīng)過功放后調(diào)制信號功率譜和系統(tǒng)在高斯白噪聲信道下的誤碼性能。
2017, 39(1): 82-87.
doi: 10.11999/JEIT160261
摘要:
運動目標具有大加速度時，在一定的觀測時間內(nèi)，其瞬時多普勒頻率是模糊的。若目標存在微動，相應產(chǎn)生的微多普勒會疊加于模糊的多普勒頻率之上。這種現(xiàn)象常見于高速機動目標。針對提取具有大加速度微動目標的運動特征問題，該文提出一種參數(shù)估計方法。通過對目標多普勒頻率的解模糊以及對目標整體運動的估計和補償，提取目標的微多普勒分量，在此基礎(chǔ)上估計目標的微動周期?；诜抡鏀?shù)據(jù)和實測數(shù)據(jù)的分析表明，該方法適用于估計大加速度機動目標的微動參數(shù)問題。
運動目標具有大加速度時，在一定的觀測時間內(nèi)，其瞬時多普勒頻率是模糊的。若目標存在微動，相應產(chǎn)生的微多普勒會疊加于模糊的多普勒頻率之上。這種現(xiàn)象常見于高速機動目標。針對提取具有大加速度微動目標的運動特征問題，該文提出一種參數(shù)估計方法。通過對目標多普勒頻率的解模糊以及對目標整體運動的估計和補償，提取目標的微多普勒分量，在此基礎(chǔ)上估計目標的微動周期?；诜抡鏀?shù)據(jù)和實測數(shù)據(jù)的分析表明，該方法適用于估計大加速度機動目標的微動參數(shù)問題。
2017, 39(1): 88-94.
doi: 10.11999/JEIT160207
摘要:
在多基地雷達系統(tǒng)中，即使進行了空間配準處理，也很難實現(xiàn)完美的空間配準。該文研究了分布式MIMO雷達系統(tǒng)存在配準誤差時的目標檢測問題。根據(jù)是否利用已知先驗配準誤差信息對目標位置信息進行估計，給出了MAP-GLRT和ML-GLRT兩種檢測器。由于MAP-GLRT檢測器利用了先驗信息，因此其檢測性能優(yōu)于ML-GLRT檢測器。在配準誤差條件下，兩種檢測器的性能要優(yōu)于傳統(tǒng)的融合檢測算法。通過仿真實驗驗證了所提算法的有效性。
在多基地雷達系統(tǒng)中，即使進行了空間配準處理，也很難實現(xiàn)完美的空間配準。該文研究了分布式MIMO雷達系統(tǒng)存在配準誤差時的目標檢測問題。根據(jù)是否利用已知先驗配準誤差信息對目標位置信息進行估計，給出了MAP-GLRT和ML-GLRT兩種檢測器。由于MAP-GLRT檢測器利用了先驗信息，因此其檢測性能優(yōu)于ML-GLRT檢測器。在配準誤差條件下，兩種檢測器的性能要優(yōu)于傳統(tǒng)的融合檢測算法。通過仿真實驗驗證了所提算法的有效性。
2017, 39(1): 95-102.
doi: 10.11999/JEIT160222
摘要:
雖然采用壓縮感知技術(shù)(Compressive Sensing, CS)的差分SAR層析成像方法實現(xiàn)了4維空間信息的重構(gòu)，但是此方法僅利用了目標的稀疏特性并沒有考慮目標的結(jié)構(gòu)特性，因此對同時具有稀疏特性和結(jié)構(gòu)特性的目標進行重構(gòu)時其性能較差。針對這一問題，該文采用聯(lián)合Khatri-Rao子空間和塊壓縮感知(Khatri-Rao Subspace and Block Compressive Sensing, KRS-BCS)，提出一種差分SAR層析成像方法。該方法依據(jù)目標的結(jié)構(gòu)特性和重構(gòu)觀測矩陣具有的Khatri-Rao積性質(zhì)，將稀疏結(jié)構(gòu)目標的差分SAR層析成像問題轉(zhuǎn)化為Khatri-Rao子空間下的BCS問題，最后對目標進行塊稀疏的l1/l2 范數(shù)最優(yōu)化求解。相比CS差分SAR層析成像方法，該方法不僅保持了CS差分SAR層析成像方法的高分辨率特點，而且其重構(gòu)精度更高性能更優(yōu)。仿真數(shù)據(jù)和ENVISAT星載ASAR數(shù)據(jù)以及地面GPS實測數(shù)據(jù)的試驗結(jié)果驗證了該方法的有效性。
雖然采用壓縮感知技術(shù)(Compressive Sensing, CS)的差分SAR層析成像方法實現(xiàn)了4維空間信息的重構(gòu)，但是此方法僅利用了目標的稀疏特性并沒有考慮目標的結(jié)構(gòu)特性，因此對同時具有稀疏特性和結(jié)構(gòu)特性的目標進行重構(gòu)時其性能較差。針對這一問題，該文采用聯(lián)合Khatri-Rao子空間和塊壓縮感知(Khatri-Rao Subspace and Block Compressive Sensing, KRS-BCS)，提出一種差分SAR層析成像方法。該方法依據(jù)目標的結(jié)構(gòu)特性和重構(gòu)觀測矩陣具有的Khatri-Rao積性質(zhì)，將稀疏結(jié)構(gòu)目標的差分SAR層析成像問題轉(zhuǎn)化為Khatri-Rao子空間下的BCS問題，最后對目標進行塊稀疏的l1/l2 范數(shù)最優(yōu)化求解。相比CS差分SAR層析成像方法，該方法不僅保持了CS差分SAR層析成像方法的高分辨率特點，而且其重構(gòu)精度更高性能更優(yōu)。仿真數(shù)據(jù)和ENVISAT星載ASAR數(shù)據(jù)以及地面GPS實測數(shù)據(jù)的試驗結(jié)果驗證了該方法的有效性。
2017, 39(1): 103-109.
doi: 10.11999/JEIT160204
摘要:
針對基于單一極化特性增強的極化SAR圖像目標檢測方法的缺陷，該文將DP(Dirichlet Process)混合隱變量SVM模型(DPLVSVM)應用于極化SAR圖像艦船目標檢測，提出一種基于多極化散射機理的檢測方法。該方法通過聯(lián)合Dirichlet過程混合與Bayes SVM模型，將信號空間劃分成若干局部區(qū)域，然后在每一局部區(qū)域?qū)W習一個獨立的極化檢測器，并將各局部檢測器進行組合實現(xiàn)全局多極化散射機理的目標檢測。模型采用非參數(shù)化Bayes方法自動確定局部區(qū)域數(shù)量，在完全Bayes框架下，將局部區(qū)域劃分及檢測器學習進行聯(lián)合優(yōu)化，保證了各局部區(qū)域樣本的可分性。另外，為了降低極化特征冗余，該文進一步提出帶特征選擇功能的稀疏提升DP混合隱變量SVM模型(SPDPLVSVM)，提高模型的推廣能力。該模型由于采用共軛先驗分布，因而可以利用Gibbs采樣方法進行高效求解。在RADARSAT-2數(shù)據(jù)上進行的實驗驗證了所提方法的有效性。
針對基于單一極化特性增強的極化SAR圖像目標檢測方法的缺陷，該文將DP(Dirichlet Process)混合隱變量SVM模型(DPLVSVM)應用于極化SAR圖像艦船目標檢測，提出一種基于多極化散射機理的檢測方法。該方法通過聯(lián)合Dirichlet過程混合與Bayes SVM模型，將信號空間劃分成若干局部區(qū)域，然后在每一局部區(qū)域?qū)W習一個獨立的極化檢測器，并將各局部檢測器進行組合實現(xiàn)全局多極化散射機理的目標檢測。模型采用非參數(shù)化Bayes方法自動確定局部區(qū)域數(shù)量，在完全Bayes框架下，將局部區(qū)域劃分及檢測器學習進行聯(lián)合優(yōu)化，保證了各局部區(qū)域樣本的可分性。另外，為了降低極化特征冗余，該文進一步提出帶特征選擇功能的稀疏提升DP混合隱變量SVM模型(SPDPLVSVM)，提高模型的推廣能力。該模型由于采用共軛先驗分布，因而可以利用Gibbs采樣方法進行高效求解。在RADARSAT-2數(shù)據(jù)上進行的實驗驗證了所提方法的有效性。
2017, 39(1): 110-116.
doi: 10.11999/JEIT160134
摘要:
現(xiàn)有雷達系統(tǒng)在目標跟蹤時所形成的波束僅與目標方向有關(guān)，無法實現(xiàn)信號發(fā)射能量在特定距離和方向上的聚焦。針對上述問題，該文將頻率分集陣(Frequency Diverse Array, FDA)與MIMO雷達相結(jié)合，提出一種基于非單調(diào)遞增頻率偏移的混合相控陣MIMO雷達目標跟蹤方法。該方法利用陣元間非單調(diào)遞增頻率偏移，形成基于距離和方向的2維發(fā)射方向圖，不僅消除了一般FDA陣列方向圖在距離上的周期性，而且實現(xiàn)了方向圖在距離和方向上的解耦合，使雷達能夠形成基于距離和方向的2維點狀跟蹤波束。通過利用混合相控陣MIMO雷達的發(fā)射增益和波形分集特性，進一步提高目標跟蹤性能。利用MUSIC算法對所提方法進行實驗仿真和對比分析，分別驗證了所提方法目標跟蹤及抗干擾的有效性。
現(xiàn)有雷達系統(tǒng)在目標跟蹤時所形成的波束僅與目標方向有關(guān)，無法實現(xiàn)信號發(fā)射能量在特定距離和方向上的聚焦。針對上述問題，該文將頻率分集陣(Frequency Diverse Array, FDA)與MIMO雷達相結(jié)合，提出一種基于非單調(diào)遞增頻率偏移的混合相控陣MIMO雷達目標跟蹤方法。該方法利用陣元間非單調(diào)遞增頻率偏移，形成基于距離和方向的2維發(fā)射方向圖，不僅消除了一般FDA陣列方向圖在距離上的周期性，而且實現(xiàn)了方向圖在距離和方向上的解耦合，使雷達能夠形成基于距離和方向的2維點狀跟蹤波束。通過利用混合相控陣MIMO雷達的發(fā)射增益和波形分集特性，進一步提高目標跟蹤性能。利用MUSIC算法對所提方法進行實驗仿真和對比分析，分別驗證了所提方法目標跟蹤及抗干擾的有效性。
2017, 39(1): 117-123.
doi: 10.11999/JEIT160384
摘要:
該文提出一種新型聯(lián)合約束的級聯(lián)交互式多模型卡爾曼濾波器，該濾波器由兩個濾波器前后兩級串聯(lián)而成；第1級為標準交互式多模型濾波器；第2級為聯(lián)合約束濾波器。聯(lián)合約束濾波器的約束條件對第1級濾波器中的多模型集合中各子模型均有效。聯(lián)合約束濾波器采用平滑約束卡爾曼濾波算法對第1級濾波結(jié)果進一步優(yōu)化。以機動目標實時跟蹤為實際工程應用背景，數(shù)值仿真和飛行實驗結(jié)果證明新的聯(lián)合約束性級聯(lián)交互式多模型濾波器比標準交互式多模型濾波器具有更小的估計誤差和方差，所增計算量合理可行。該文為交互式多模型濾波器和機動目標跟蹤兩個方向的進一步改進提供了有益借鑒。
該文提出一種新型聯(lián)合約束的級聯(lián)交互式多模型卡爾曼濾波器，該濾波器由兩個濾波器前后兩級串聯(lián)而成；第1級為標準交互式多模型濾波器；第2級為聯(lián)合約束濾波器。聯(lián)合約束濾波器的約束條件對第1級濾波器中的多模型集合中各子模型均有效。聯(lián)合約束濾波器采用平滑約束卡爾曼濾波算法對第1級濾波結(jié)果進一步優(yōu)化。以機動目標實時跟蹤為實際工程應用背景，數(shù)值仿真和飛行實驗結(jié)果證明新的聯(lián)合約束性級聯(lián)交互式多模型濾波器比標準交互式多模型濾波器具有更小的估計誤差和方差，所增計算量合理可行。該文為交互式多模型濾波器和機動目標跟蹤兩個方向的進一步改進提供了有益借鑒。
2017, 39(1): 124-128.
doi: 10.11999/JEIT160203
摘要:
該文在優(yōu)化漸變槽天線結(jié)構(gòu)基礎(chǔ)上，采用柵形開槽和加載周期結(jié)構(gòu)，設(shè)計了一款平面端射天線。通過數(shù)值模擬，分析了柵形開槽和周期結(jié)構(gòu)對天線輻射特性的影響。該結(jié)構(gòu)在1~3.5 GHz頻帶內(nèi)，明顯改善了漸變槽天線的端射特性。天線樣機測試結(jié)果表明，該天線在1~3.5 GHz內(nèi)，駐波系數(shù)小于2，增益約為7 dBi。天線的群時延相對平坦，時域波形振鈴較小，可以應用于脈沖體制雷達。
該文在優(yōu)化漸變槽天線結(jié)構(gòu)基礎(chǔ)上，采用柵形開槽和加載周期結(jié)構(gòu)，設(shè)計了一款平面端射天線。通過數(shù)值模擬，分析了柵形開槽和周期結(jié)構(gòu)對天線輻射特性的影響。該結(jié)構(gòu)在1~3.5 GHz頻帶內(nèi)，明顯改善了漸變槽天線的端射特性。天線樣機測試結(jié)果表明，該天線在1~3.5 GHz內(nèi)，駐波系數(shù)小于2，增益約為7 dBi。天線的群時延相對平坦，時域波形振鈴較小，可以應用于脈沖體制雷達。
2017, 39(1): 129-137.
doi: 10.11999/JEIT160201
摘要:
合成孔徑雷達(SAR)成像理論分析和工程經(jīng)驗表明當雷達平臺的運動誤差幅度達到亞波長量級時，會影響圖像的聚焦質(zhì)量。相對傳統(tǒng)微波SAR，太赫茲合成孔徑雷達(THz-SAR)工作在波長更短的太赫茲頻段，對搭載雷達平臺的穩(wěn)定性要求更苛刻，需要達到微米級的控制和測量精度，目前的平臺控制和測量技術(shù)還不能滿足要求。該文提出一種基于回波數(shù)據(jù)的THz-SAR成像運動補償算法，通過慣性測量單元輸出的姿態(tài)信息完成由運動誤差引起的距離徙動的校正，結(jié)合天線方向圖和粗聚焦圖像中特顯點的最大幅值估計最優(yōu)位置并構(gòu)建理想回波。利用實際回波和理想回波數(shù)據(jù)提取由平臺運動誤差引起回波的相位誤差并進行補償，有效地實現(xiàn)了THz-SAR高分辨率成像。采用中心頻率0.2 THz的SAR系統(tǒng)進行室外車載實驗，對目標進行2維高分辨成像，得到角反射器和金屬條的SAR圖像。實驗結(jié)果驗證了所提運動補償算法的正確性和有效性。
合成孔徑雷達(SAR)成像理論分析和工程經(jīng)驗表明當雷達平臺的運動誤差幅度達到亞波長量級時，會影響圖像的聚焦質(zhì)量。相對傳統(tǒng)微波SAR，太赫茲合成孔徑雷達(THz-SAR)工作在波長更短的太赫茲頻段，對搭載雷達平臺的穩(wěn)定性要求更苛刻，需要達到微米級的控制和測量精度，目前的平臺控制和測量技術(shù)還不能滿足要求。該文提出一種基于回波數(shù)據(jù)的THz-SAR成像運動補償算法，通過慣性測量單元輸出的姿態(tài)信息完成由運動誤差引起的距離徙動的校正，結(jié)合天線方向圖和粗聚焦圖像中特顯點的最大幅值估計最優(yōu)位置并構(gòu)建理想回波。利用實際回波和理想回波數(shù)據(jù)提取由平臺運動誤差引起回波的相位誤差并進行補償，有效地實現(xiàn)了THz-SAR高分辨率成像。采用中心頻率0.2 THz的SAR系統(tǒng)進行室外車載實驗，對目標進行2維高分辨成像，得到角反射器和金屬條的SAR圖像。實驗結(jié)果驗證了所提運動補償算法的正確性和有效性。
2017, 39(1): 138-143.
doi: 10.11999/JEIT160118
摘要:
作為一種重要的欺騙干擾樣式，轉(zhuǎn)發(fā)式干擾通過對雷達發(fā)射信號存儲轉(zhuǎn)發(fā)，形成的距離欺騙假目標在空間上是分散的。而分布式多站雷達進行空間配準時，會將未分布于一個空間分辨單元內(nèi)的假目標剔除，使之失去干擾效果。因此，有必要研究轉(zhuǎn)發(fā)式干擾對分布式多站雷達的干擾能力。該文在多站雷達中各雷達站相距不遠的條件下，從空間分辨單元的物理含義入手，導出了多站雷達在一定空間分辨率下，轉(zhuǎn)發(fā)式干擾能對其進行有效干擾的條件。當干擾機位于遠場區(qū)域時，證明了相同時延產(chǎn)生的假目標必然可對多站雷達實現(xiàn)有效欺騙；當干擾機位于近場區(qū)域時，推導出有效干擾的欺騙距離范圍，通過控制轉(zhuǎn)發(fā)延遲量，可保證對多站雷達的欺騙效果。該結(jié)論對多站雷達的干擾和抗干擾均具有重要的指導意義。
作為一種重要的欺騙干擾樣式，轉(zhuǎn)發(fā)式干擾通過對雷達發(fā)射信號存儲轉(zhuǎn)發(fā)，形成的距離欺騙假目標在空間上是分散的。而分布式多站雷達進行空間配準時，會將未分布于一個空間分辨單元內(nèi)的假目標剔除，使之失去干擾效果。因此，有必要研究轉(zhuǎn)發(fā)式干擾對分布式多站雷達的干擾能力。該文在多站雷達中各雷達站相距不遠的條件下，從空間分辨單元的物理含義入手，導出了多站雷達在一定空間分辨率下，轉(zhuǎn)發(fā)式干擾能對其進行有效干擾的條件。當干擾機位于遠場區(qū)域時，證明了相同時延產(chǎn)生的假目標必然可對多站雷達實現(xiàn)有效欺騙；當干擾機位于近場區(qū)域時，推導出有效干擾的欺騙距離范圍，通過控制轉(zhuǎn)發(fā)延遲量，可保證對多站雷達的欺騙效果。該結(jié)論對多站雷達的干擾和抗干擾均具有重要的指導意義。
2017, 39(1): 144-149.
doi: 10.11999/JEIT160248
摘要:
針對傳統(tǒng)多閾值Otsu方法在尋找最佳閾值過程中窮舉計算效率低的問題，該文分析了多閾值Otsu的閾值性質(zhì)，證明了使用Otsu方法找到的一組最佳閾值與分割出的各類均值之間的數(shù)學對應關(guān)系。根據(jù)多閾值Otsu的閾值性質(zhì)，該文提出一個新算法用來快速計算所需最佳閾值，建立了一種新的閾值搜索模型。該算法搜尋滿足Otsu多閾值與以此閾值分割出的各類均值之間關(guān)系的一組最優(yōu)閾值，從而確定符合Otsu準則的最佳閾值。該算法有效減少了閾值搜索范圍，并且在均值、方差等計算上引入了查找表，優(yōu)化了底層運算。實驗結(jié)果表明，與傳統(tǒng)多閾值Otsu方法相比，該算法的分割速度大幅度提高，相比于其他多閾值Otsu快速算法，不僅在計算速度上有所提升，而且得到的最佳閾值克服了隨機性和偶然性的缺點，是嚴格符合Otsu原則的。
針對傳統(tǒng)多閾值Otsu方法在尋找最佳閾值過程中窮舉計算效率低的問題，該文分析了多閾值Otsu的閾值性質(zhì)，證明了使用Otsu方法找到的一組最佳閾值與分割出的各類均值之間的數(shù)學對應關(guān)系。根據(jù)多閾值Otsu的閾值性質(zhì)，該文提出一個新算法用來快速計算所需最佳閾值，建立了一種新的閾值搜索模型。該算法搜尋滿足Otsu多閾值與以此閾值分割出的各類均值之間關(guān)系的一組最優(yōu)閾值，從而確定符合Otsu準則的最佳閾值。該算法有效減少了閾值搜索范圍，并且在均值、方差等計算上引入了查找表，優(yōu)化了底層運算。實驗結(jié)果表明，與傳統(tǒng)多閾值Otsu方法相比，該算法的分割速度大幅度提高，相比于其他多閾值Otsu快速算法，不僅在計算速度上有所提升，而且得到的最佳閾值克服了隨機性和偶然性的缺點，是嚴格符合Otsu原則的。
2017, 39(1): 150-158.
doi: 10.11999/JEIT160176
摘要:
詞語相似度的計算在機器翻譯、信息檢索等多個領(lǐng)域有重要作用。該文以概念層次網(wǎng)絡(luò)理論的概念基元符號系統(tǒng)為語義資源，在共性與差異性對比思想下，提出一個涵蓋層次性、網(wǎng)絡(luò)性、對比對偶特性、掛靠特性及五元組信息的多維度詞語相似度計算方法；在節(jié)點深度和節(jié)點距離度量上，引入權(quán)重以增加不同層次間的區(qū)分程度。在人工打分的測試集上進行實驗，結(jié)果表明該方法計算的相似度與人工判斷的符合程度較好，兼容度、相關(guān)系數(shù)和序?qū)Ψ隙确謩e達到0.812, 0.786和0.775；同時，相關(guān)性檢驗的結(jié)果也顯示該方法的計算值與人工打分顯著相關(guān)。
詞語相似度的計算在機器翻譯、信息檢索等多個領(lǐng)域有重要作用。該文以概念層次網(wǎng)絡(luò)理論的概念基元符號系統(tǒng)為語義資源，在共性與差異性對比思想下，提出一個涵蓋層次性、網(wǎng)絡(luò)性、對比對偶特性、掛靠特性及五元組信息的多維度詞語相似度計算方法；在節(jié)點深度和節(jié)點距離度量上，引入權(quán)重以增加不同層次間的區(qū)分程度。在人工打分的測試集上進行實驗，結(jié)果表明該方法計算的相似度與人工判斷的符合程度較好，兼容度、相關(guān)系數(shù)和序?qū)Ψ隙确謩e達到0.812, 0.786和0.775；同時，相關(guān)性檢驗的結(jié)果也顯示該方法的計算值與人工打分顯著相關(guān)。
2017, 39(1): 159-166.
doi: 10.11999/JEIT160247
摘要:
該文針對多屬性不確定數(shù)據(jù)流的頻繁模式發(fā)現(xiàn)問題，借鑒生物信息學中的模體發(fā)現(xiàn)思想，提出了一種基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多屬性不確定數(shù)據(jù)流模體發(fā)現(xiàn)算法。該算法根據(jù)不確定數(shù)據(jù)流的特點，設(shè)計了基于混合型模型的不確定滑動窗口更新計算方法，改進了SAX(Symbolic Aggregate approXimation)的符號化策略，提出了不同滑動窗口下多屬性模體的相似性分析方法。在實驗當中，用防空反導情報傳感器網(wǎng)絡(luò)中的一組不確定數(shù)據(jù)流驗證了其功能，通過植入不同數(shù)目的模體測試了其發(fā)現(xiàn)準確率，并在元組有效概率設(shè)置為1的條件下與已有算法進行了比較，結(jié)果表明：該算法可以較準確地發(fā)現(xiàn)多屬性不確定數(shù)據(jù)流中的頻繁模式。
該文針對多屬性不確定數(shù)據(jù)流的頻繁模式發(fā)現(xiàn)問題，借鑒生物信息學中的模體發(fā)現(xiàn)思想，提出了一種基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多屬性不確定數(shù)據(jù)流模體發(fā)現(xiàn)算法。該算法根據(jù)不確定數(shù)據(jù)流的特點，設(shè)計了基于混合型模型的不確定滑動窗口更新計算方法，改進了SAX(Symbolic Aggregate approXimation)的符號化策略，提出了不同滑動窗口下多屬性模體的相似性分析方法。在實驗當中，用防空反導情報傳感器網(wǎng)絡(luò)中的一組不確定數(shù)據(jù)流驗證了其功能，通過植入不同數(shù)目的模體測試了其發(fā)現(xiàn)準確率，并在元組有效概率設(shè)置為1的條件下與已有算法進行了比較，結(jié)果表明：該算法可以較準確地發(fā)現(xiàn)多屬性不確定數(shù)據(jù)流中的頻繁模式。
2017, 39(1): 167-175.
doi: 10.11999/JEIT160241
摘要:
為了將無監(jiān)督特征學習應用于小樣本量的圖像情緒語義分析，該文采用一種基于卷積稀疏自動編碼器進行自學習的領(lǐng)域適應方法對少量有標記抽象圖像進行情緒性分類。并且提出了一種采用平均梯度準則對自動編碼器所學權(quán)重進行排序的方法，用于對基于不同領(lǐng)域的特征學習結(jié)果進行直觀比較。首先在源領(lǐng)域中的大量無標記圖像上隨機采集圖像子塊并利用稀疏自動編碼器學習局部特征，然后將對應不同特征的權(quán)重矩陣按照每個矩陣在3個色彩通道上的平均梯度中的最小值進行排序。最后采用包含池化層的卷積神經(jīng)網(wǎng)絡(luò)提取目標領(lǐng)域有標記圖像樣本的全局特征響應，并送入邏輯回歸模型進行情緒性分類。實驗結(jié)果表明基于自學習的領(lǐng)域適應可以為無監(jiān)督特征學習在有限樣本目標領(lǐng)域上的應用提供訓練數(shù)據(jù)，而且采用稀疏自動編碼器的跨領(lǐng)域特征學習能在有限數(shù)量抽象圖像情緒語義分析中獲得比底層視覺特征更優(yōu)秀的辨識效果。
為了將無監(jiān)督特征學習應用于小樣本量的圖像情緒語義分析，該文采用一種基于卷積稀疏自動編碼器進行自學習的領(lǐng)域適應方法對少量有標記抽象圖像進行情緒性分類。并且提出了一種采用平均梯度準則對自動編碼器所學權(quán)重進行排序的方法，用于對基于不同領(lǐng)域的特征學習結(jié)果進行直觀比較。首先在源領(lǐng)域中的大量無標記圖像上隨機采集圖像子塊并利用稀疏自動編碼器學習局部特征，然后將對應不同特征的權(quán)重矩陣按照每個矩陣在3個色彩通道上的平均梯度中的最小值進行排序。最后采用包含池化層的卷積神經(jīng)網(wǎng)絡(luò)提取目標領(lǐng)域有標記圖像樣本的全局特征響應，并送入邏輯回歸模型進行情緒性分類。實驗結(jié)果表明基于自學習的領(lǐng)域適應可以為無監(jiān)督特征學習在有限樣本目標領(lǐng)域上的應用提供訓練數(shù)據(jù)，而且采用稀疏自動編碼器的跨領(lǐng)域特征學習能在有限數(shù)量抽象圖像情緒語義分析中獲得比底層視覺特征更優(yōu)秀的辨識效果。
2017, 39(1): 176-182.
doi: 10.11999/JEIT160193
摘要:
該文針對乳腺X線圖像病變的多視圖檢測與分析問題，建立了一種基于乳房生理特征的多視圖坐標系。通過軸位、中側(cè)斜位視圖圖像中的乳頭、胸肌典型生理特征的提取，以及乳房邊緣的橢圓擬合，建立乳腺X線圖像多視圖分析坐標系，可將乳腺X線圖像雙側(cè)四視圖經(jīng)非線性映射至同一坐標框架內(nèi)。以北京大學人民醫(yī)院乳腺中心提供的圖像庫為實驗數(shù)據(jù)，從生理特征定位精度、興趣區(qū)域匹配精度等多方面進行坐標系匹配準確度的測試與驗證，結(jié)果表明該坐標系有助于乳腺X線圖像，特別是致密型圖像的多視圖病變檢測。
該文針對乳腺X線圖像病變的多視圖檢測與分析問題，建立了一種基于乳房生理特征的多視圖坐標系。通過軸位、中側(cè)斜位視圖圖像中的乳頭、胸肌典型生理特征的提取，以及乳房邊緣的橢圓擬合，建立乳腺X線圖像多視圖分析坐標系，可將乳腺X線圖像雙側(cè)四視圖經(jīng)非線性映射至同一坐標框架內(nèi)。以北京大學人民醫(yī)院乳腺中心提供的圖像庫為實驗數(shù)據(jù)，從生理特征定位精度、興趣區(qū)域匹配精度等多方面進行坐標系匹配準確度的測試與驗證，結(jié)果表明該坐標系有助于乳腺X線圖像，特別是致密型圖像的多視圖病變檢測。
2017, 39(1): 183-190.
doi: 10.11999/JEIT160120
摘要:
針對各種環(huán)境聲對聲音事件識別的影響，該文提出一種基于優(yōu)化的正交匹配追蹤(Orthogonal Matching Pursuit, OMP)聲音事件識別方法。首先，利用OMP稀疏分解并重構(gòu)聲音信號，保留聲音信號的主體部分，減小噪聲的影響。其中，使用粒子群(Particle Swarm Optimization, PSO)算法優(yōu)化搜索最優(yōu)原子，實現(xiàn)OMP的快速稀疏分解。接著，對重構(gòu)聲音信號提取Mel頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients, MFCCs)，與OMP時-頻特征和基頻(PITCH)特征，組成優(yōu)化OMP的復合特征。最后，通過優(yōu)化OMP復合特征，使用隨機森林(Random Forests, RF)對40種聲音事件在不同環(huán)境不同信噪比下進行識別。實驗結(jié)果表明，優(yōu)化OMP復合特征結(jié)合RF的方法能有效地識別各種環(huán)境下的聲音事件。
針對各種環(huán)境聲對聲音事件識別的影響，該文提出一種基于優(yōu)化的正交匹配追蹤(Orthogonal Matching Pursuit, OMP)聲音事件識別方法。首先，利用OMP稀疏分解并重構(gòu)聲音信號，保留聲音信號的主體部分，減小噪聲的影響。其中，使用粒子群(Particle Swarm Optimization, PSO)算法優(yōu)化搜索最優(yōu)原子，實現(xiàn)OMP的快速稀疏分解。接著，對重構(gòu)聲音信號提取Mel頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficients, MFCCs)，與OMP時-頻特征和基頻(PITCH)特征，組成優(yōu)化OMP的復合特征。最后，通過優(yōu)化OMP復合特征，使用隨機森林(Random Forests, RF)對40種聲音事件在不同環(huán)境不同信噪比下進行識別。實驗結(jié)果表明，優(yōu)化OMP復合特征結(jié)合RF的方法能有效地識別各種環(huán)境下的聲音事件。
2017, 39(1): 191-197.
doi: 10.11999/JEIT160253
摘要:
使用智能手機中集成的加速度傳感器識別用戶日常動作在慣性定位、個性化推薦、運動量評估等領(lǐng)域有重要的應用。手機位置不固定導致的動作識別率低下是該領(lǐng)域面臨的主要問題。為了提高手機位置不固定時的動作識別率，該文提出一種基于層次分類的動作識別方法。該方法將動作識別分為多層，每一層包含一個分類器。在訓練某一層分類器時，首先根據(jù)本層訓練樣本集進行特征選擇并訓練分類器。然后使用訓練得到的分類器對訓練樣本分類，并計算分類結(jié)果的可信度。最后通過對低可信度的樣本進行剪枝得到下層分類器的訓練樣本。對未知類別的樣本分類時，首先使用第1層分類器分類。如果分類結(jié)果可信度較高，則分類結(jié)束；否則使用下層分類器分類，直至所有分類器遍歷完。實驗部分通過對采集的動作數(shù)據(jù)進行仿真，驗證了該文方法的有效性。結(jié)果表明，與單層分類器相比，該方法可以將動作識別率由85.2%提高至89.2%。
使用智能手機中集成的加速度傳感器識別用戶日常動作在慣性定位、個性化推薦、運動量評估等領(lǐng)域有重要的應用。手機位置不固定導致的動作識別率低下是該領(lǐng)域面臨的主要問題。為了提高手機位置不固定時的動作識別率，該文提出一種基于層次分類的動作識別方法。該方法將動作識別分為多層，每一層包含一個分類器。在訓練某一層分類器時，首先根據(jù)本層訓練樣本集進行特征選擇并訓練分類器。然后使用訓練得到的分類器對訓練樣本分類，并計算分類結(jié)果的可信度。最后通過對低可信度的樣本進行剪枝得到下層分類器的訓練樣本。對未知類別的樣本分類時，首先使用第1層分類器分類。如果分類結(jié)果可信度較高，則分類結(jié)束；否則使用下層分類器分類，直至所有分類器遍歷完。實驗部分通過對采集的動作數(shù)據(jù)進行仿真，驗證了該文方法的有效性。結(jié)果表明，與單層分類器相比，該方法可以將動作識別率由85.2%提高至89.2%。
2017, 39(1): 198-205.
doi: 10.11999/JEIT160211
摘要:
該文針對總路徑長度最小的多旅行商問題，提出一種改進分組遺傳算法。在該算法中，設(shè)計了一種有序分組編碼，采用新編碼方式的個體與多旅行商問題有效解之間具有一一對應的關(guān)系。為了減少算法的運行時間，根據(jù)編碼的特點構(gòu)造了一種快速交叉算子。同時，結(jié)合貪婪算法和2-opt算法設(shè)計了一種新的局部搜索算子，以提高算法的收斂精度。實驗結(jié)果分析表明，所提算法能夠有效地解決多旅行商問題，具有可靠的全局收斂性，較高的計算效率。
該文針對總路徑長度最小的多旅行商問題，提出一種改進分組遺傳算法。在該算法中，設(shè)計了一種有序分組編碼，采用新編碼方式的個體與多旅行商問題有效解之間具有一一對應的關(guān)系。為了減少算法的運行時間，根據(jù)編碼的特點構(gòu)造了一種快速交叉算子。同時，結(jié)合貪婪算法和2-opt算法設(shè)計了一種新的局部搜索算子，以提高算法的收斂精度。實驗結(jié)果分析表明，所提算法能夠有效地解決多旅行商問題，具有可靠的全局收斂性，較高的計算效率。
2017, 39(1): 206-212.
doi: 10.11999/JEIT160213
摘要:
可重構(gòu)密碼流體系結(jié)構(gòu)是一種面向密碼運算的新型體系結(jié)構(gòu)，但存在著超長指令字(VLIW)代碼稀疏和Kernel體積過大的問題。該文以可重構(gòu)密碼流處理架構(gòu)S-RCCPA為研究平臺，通過大量密碼算法在S-RCCPA架構(gòu)上的適配分析，提出了VLIW可重構(gòu)技術(shù)，并設(shè)計了Kernel級指令集、VLIW可重構(gòu)算法及指令可重構(gòu)單元。實驗證明，該技術(shù)能夠有效提高VLIW的指令密度，同時降低了VLIW的指令寬度，使得整個Kernel體積減小了約33.3%，并將微碼存儲器的容量由96 kB降為64 kB，有效降低芯片整體面積和系統(tǒng)功耗。
可重構(gòu)密碼流體系結(jié)構(gòu)是一種面向密碼運算的新型體系結(jié)構(gòu)，但存在著超長指令字(VLIW)代碼稀疏和Kernel體積過大的問題。該文以可重構(gòu)密碼流處理架構(gòu)S-RCCPA為研究平臺，通過大量密碼算法在S-RCCPA架構(gòu)上的適配分析，提出了VLIW可重構(gòu)技術(shù)，并設(shè)計了Kernel級指令集、VLIW可重構(gòu)算法及指令可重構(gòu)單元。實驗證明，該技術(shù)能夠有效提高VLIW的指令密度，同時降低了VLIW的指令寬度，使得整個Kernel體積減小了約33.3%，并將微碼存儲器的容量由96 kB降為64 kB，有效降低芯片整體面積和系統(tǒng)功耗。
2017, 39(1): 213-220.
doi: 10.11999/JEIT160283
摘要:
為實現(xiàn)減小數(shù)字電路的供電電壓來降低其能量消耗的目的，該文提出基于脈沖跨周期調(diào)制(PSM)的DC-DC變換器自適應電壓調(diào)節(jié)(AVS)技術(shù)。AVS技術(shù)通過追蹤和探測關(guān)鍵路徑復制(CPR)的延遲時間自適應地調(diào)節(jié)數(shù)字電路的供電電壓。同時，具有自適應占空比的PSM調(diào)制模式(APSM)被用來改善輕負載下變換器輸出電壓的紋波和效率。實驗結(jié)果顯示，當負載工作頻率在30～150 MHz范圍內(nèi)變化時，輸出電壓在0.6～1.5 V之間穩(wěn)定輸出。和傳統(tǒng)的固定工作電壓相比，該文設(shè)計的DC-DC變換器最大可節(jié)省83%的能耗。
為實現(xiàn)減小數(shù)字電路的供電電壓來降低其能量消耗的目的，該文提出基于脈沖跨周期調(diào)制(PSM)的DC-DC變換器自適應電壓調(diào)節(jié)(AVS)技術(shù)。AVS技術(shù)通過追蹤和探測關(guān)鍵路徑復制(CPR)的延遲時間自適應地調(diào)節(jié)數(shù)字電路的供電電壓。同時，具有自適應占空比的PSM調(diào)制模式(APSM)被用來改善輕負載下變換器輸出電壓的紋波和效率。實驗結(jié)果顯示，當負載工作頻率在30～150 MHz范圍內(nèi)變化時，輸出電壓在0.6～1.5 V之間穩(wěn)定輸出。和傳統(tǒng)的固定工作電壓相比，該文設(shè)計的DC-DC變換器最大可節(jié)省83%的能耗。
2017, 39(1): 221-230.
doi: 10.11999/JEIT160886
摘要:
該文提出一種稱為334擴縮運算的多米諾擴縮運算。使用該運算構(gòu)造了一類特殊的極大平面圖334-型極大平面圖，證明了該類圖均為樹型2-色不變?nèi)χ?，且每個4k -階334-型極大平面圖恰有2k-1個2-色不變?nèi)χ?k-2個樹著色。證明了該運算可用于構(gòu)造純樹著色極大平面圖，并提出猜想：若極大平面圖G是純樹(純?nèi)?，混?著色，則對G實施334擴(縮)輪運算后，所得之圖仍是純樹(純?nèi)Γ旌?著色。
該文提出一種稱為334擴縮運算的多米諾擴縮運算。使用該運算構(gòu)造了一類特殊的極大平面圖334-型極大平面圖，證明了該類圖均為樹型2-色不變?nèi)χ?，且每個4k -階334-型極大平面圖恰有2k-1個2-色不變?nèi)χ?k-2個樹著色。證明了該運算可用于構(gòu)造純樹著色極大平面圖，并提出猜想：若極大平面圖G是純樹(純?nèi)?，混?著色，則對G實施334擴(縮)輪運算后，所得之圖仍是純樹(純?nèi)Γ旌?著色。
2017, 39(1): 231-239.
doi: 10.11999/JEIT160692
摘要:
在微波頻段采用超薄鋸齒狀金屬條帶可實現(xiàn)人工表面等離激元，將電磁場能量束縛在亞波長區(qū)域內(nèi)傳播。該文分析了人工表面等離激元特有的高束縛、低損耗、可調(diào)控等優(yōu)點，研究了人工表面等離激元波導作為一種新型的高性能傳輸線在微波電路中的應用價值和發(fā)展現(xiàn)狀，探討了這一技術(shù)的發(fā)展方向和前景。
在微波頻段采用超薄鋸齒狀金屬條帶可實現(xiàn)人工表面等離激元，將電磁場能量束縛在亞波長區(qū)域內(nèi)傳播。該文分析了人工表面等離激元特有的高束縛、低損耗、可調(diào)控等優(yōu)點，研究了人工表面等離激元波導作為一種新型的高性能傳輸線在微波電路中的應用價值和發(fā)展現(xiàn)狀，探討了這一技術(shù)的發(fā)展方向和前景。
2017, 39(1): 240-244.
doi: 10.11999/JEIT160197
摘要:
降質(zhì)文檔圖像二值化問題是圖像處理領(lǐng)域的一個難點。該文通過分析圖像不同區(qū)域灰度對比度的差異，為降質(zhì)文檔圖像提出了新的二值化算法。首先利用四叉樹原理自適應劃分區(qū)域，再對不同灰度對比度區(qū)域采用不同對比度增強法以調(diào)整局部區(qū)域內(nèi)的灰度對比度，最后根據(jù)灰度值出現(xiàn)的頻率確定局部閾值。該文測試了隨機拍攝的降質(zhì)圖像及DIBCO(Document Image Binarization COntest)圖像集中的50幅圖像。與4種經(jīng)典算法比較，所提算法處理的降質(zhì)圖像具有最高F-measure值和峰值信噪比(PSNR值)。
降質(zhì)文檔圖像二值化問題是圖像處理領(lǐng)域的一個難點。該文通過分析圖像不同區(qū)域灰度對比度的差異，為降質(zhì)文檔圖像提出了新的二值化算法。首先利用四叉樹原理自適應劃分區(qū)域，再對不同灰度對比度區(qū)域采用不同對比度增強法以調(diào)整局部區(qū)域內(nèi)的灰度對比度，最后根據(jù)灰度值出現(xiàn)的頻率確定局部閾值。該文測試了隨機拍攝的降質(zhì)圖像及DIBCO(Document Image Binarization COntest)圖像集中的50幅圖像。與4種經(jīng)典算法比較，所提算法處理的降質(zhì)圖像具有最高F-measure值和峰值信噪比(PSNR值)。
2017, 39(1): 245-249.
doi: 10.11999/JEIT160225
摘要:
為了自動快速地分析微處理器對軟錯誤的敏感性，該文提出一種基于FPGA故障注入的軟錯誤敏感性分析方法。在FPGA芯片上同時運行有故障和無故障的兩個微處理器，并充分利用FPGA的并行性，把故障注入控制、故障分類、故障列表等模塊均在硬件上實現(xiàn)，自動快速地完成全部存儲位的故障注入。以PIC16F54微處理器為實驗對象，基于不同負載分別注入約30萬個軟錯誤用以分析微處理器軟錯誤敏感性，并對敏感性較高的單元加固后再次進行分析，驗證該方法的有效性。實驗數(shù)據(jù)表明，使用該方法進行故障注入及敏感性分析所需的時間比軟件仿真方法提高了4個數(shù)量級。
為了自動快速地分析微處理器對軟錯誤的敏感性，該文提出一種基于FPGA故障注入的軟錯誤敏感性分析方法。在FPGA芯片上同時運行有故障和無故障的兩個微處理器，并充分利用FPGA的并行性，把故障注入控制、故障分類、故障列表等模塊均在硬件上實現(xiàn)，自動快速地完成全部存儲位的故障注入。以PIC16F54微處理器為實驗對象，基于不同負載分別注入約30萬個軟錯誤用以分析微處理器軟錯誤敏感性，并對敏感性較高的單元加固后再次進行分析，驗證該方法的有效性。實驗數(shù)據(jù)表明，使用該方法進行故障注入及敏感性分析所需的時間比軟件仿真方法提高了4個數(shù)量級。
2017, 39(1): 250-254.
doi: 10.11999/JEIT160186
摘要:
防碰撞算法是射頻識別(RFID)系統(tǒng)中提高標簽識別效率的關(guān)鍵技術(shù)。針對確定性的RFID標簽防碰撞算法存在的識別效率不高、系統(tǒng)數(shù)據(jù)交換量大等問題，該文提出一種標簽分組機制防碰撞算法，將其與融合后的二進制樹搜索算法相結(jié)合，讀寫器系統(tǒng)分批次識別標簽組中的標簽，能有效地減少數(shù)據(jù)通信量。實驗仿真結(jié)果表明，該算法相比其他幾種算法，具有識別效率高、數(shù)據(jù)交換量小等優(yōu)勢。
防碰撞算法是射頻識別(RFID)系統(tǒng)中提高標簽識別效率的關(guān)鍵技術(shù)。針對確定性的RFID標簽防碰撞算法存在的識別效率不高、系統(tǒng)數(shù)據(jù)交換量大等問題，該文提出一種標簽分組機制防碰撞算法，將其與融合后的二進制樹搜索算法相結(jié)合，讀寫器系統(tǒng)分批次識別標簽組中的標簽，能有效地減少數(shù)據(jù)通信量。實驗仿真結(jié)果表明，該算法相比其他幾種算法，具有識別效率高、數(shù)據(jù)交換量小等優(yōu)勢。
