郵件訂閱
2017年 第39卷 第11期
顯示方式:
2017, 39(11): 2541-2547.
doi: 10.11999/JEIT170161
摘要:
考慮導(dǎo)頻資源受限的密集小蜂窩網(wǎng)絡(luò)，該文采用基于導(dǎo)頻復(fù)用的最小均方誤差估計(jì)進(jìn)行信道估計(jì)，推導(dǎo)出各種導(dǎo)頻復(fù)用因子下采用最大比合并接收的上行可達(dá)速率表達(dá)式。由于嚴(yán)重的導(dǎo)頻污染，會(huì)制約密集小蜂窩網(wǎng)絡(luò)的上行凈可達(dá)和速率。為了最大化上行可達(dá)和速率，提出利用大尺度衰落信道信息的貪婪導(dǎo)頻調(diào)度算法減少導(dǎo)頻污染，在此基礎(chǔ)上，提出低復(fù)雜度半動(dòng)態(tài)導(dǎo)頻調(diào)度算法確定最佳導(dǎo)頻復(fù)用因子。仿真結(jié)果驗(yàn)證了理論推導(dǎo)，所提出的半動(dòng)態(tài)導(dǎo)頻調(diào)度算法能夠減少導(dǎo)頻開銷，有效地減輕導(dǎo)頻污染并提升上行凈可達(dá)和速率。
考慮導(dǎo)頻資源受限的密集小蜂窩網(wǎng)絡(luò)，該文采用基于導(dǎo)頻復(fù)用的最小均方誤差估計(jì)進(jìn)行信道估計(jì)，推導(dǎo)出各種導(dǎo)頻復(fù)用因子下采用最大比合并接收的上行可達(dá)速率表達(dá)式。由于嚴(yán)重的導(dǎo)頻污染，會(huì)制約密集小蜂窩網(wǎng)絡(luò)的上行凈可達(dá)和速率。為了最大化上行可達(dá)和速率，提出利用大尺度衰落信道信息的貪婪導(dǎo)頻調(diào)度算法減少導(dǎo)頻污染，在此基礎(chǔ)上，提出低復(fù)雜度半動(dòng)態(tài)導(dǎo)頻調(diào)度算法確定最佳導(dǎo)頻復(fù)用因子。仿真結(jié)果驗(yàn)證了理論推導(dǎo)，所提出的半動(dòng)態(tài)導(dǎo)頻調(diào)度算法能夠減少導(dǎo)頻開銷，有效地減輕導(dǎo)頻污染并提升上行凈可達(dá)和速率。
2017, 39(11): 2548-2555.
doi: 10.11999/JEIT170122
摘要:
為了提高認(rèn)知無線電網(wǎng)絡(luò)的頻譜利用率，該文提出對(duì)認(rèn)知無線網(wǎng)絡(luò)頻譜感知估計(jì)時(shí)間進(jìn)行優(yōu)化。如果頻譜感知時(shí)間較長(zhǎng)，一方面對(duì)信道參數(shù)的估計(jì)更準(zhǔn)確，會(huì)減小對(duì)授權(quán)用戶的干擾并提高認(rèn)知用戶的吞吐量；另一方面，數(shù)據(jù)傳輸時(shí)間相應(yīng)縮短，使系統(tǒng)吞吐量減小，這時(shí)存在一個(gè)最優(yōu)的感知時(shí)間使得系統(tǒng)吞吐量最大。該文認(rèn)為子頻段的信道狀態(tài)信息服從指數(shù)分布，故提出隨機(jī)規(guī)劃的方法，對(duì)認(rèn)知無線網(wǎng)絡(luò)頻譜感知估計(jì)時(shí)間進(jìn)行優(yōu)化運(yùn)算。計(jì)算機(jī)仿真結(jié)果表明，該算法是切實(shí)有效的，具有一定的工程應(yīng)用價(jià)值。
為了提高認(rèn)知無線電網(wǎng)絡(luò)的頻譜利用率，該文提出對(duì)認(rèn)知無線網(wǎng)絡(luò)頻譜感知估計(jì)時(shí)間進(jìn)行優(yōu)化。如果頻譜感知時(shí)間較長(zhǎng)，一方面對(duì)信道參數(shù)的估計(jì)更準(zhǔn)確，會(huì)減小對(duì)授權(quán)用戶的干擾并提高認(rèn)知用戶的吞吐量；另一方面，數(shù)據(jù)傳輸時(shí)間相應(yīng)縮短，使系統(tǒng)吞吐量減小，這時(shí)存在一個(gè)最優(yōu)的感知時(shí)間使得系統(tǒng)吞吐量最大。該文認(rèn)為子頻段的信道狀態(tài)信息服從指數(shù)分布，故提出隨機(jī)規(guī)劃的方法，對(duì)認(rèn)知無線網(wǎng)絡(luò)頻譜感知估計(jì)時(shí)間進(jìn)行優(yōu)化運(yùn)算。計(jì)算機(jī)仿真結(jié)果表明，該算法是切實(shí)有效的，具有一定的工程應(yīng)用價(jià)值。
2017, 39(11): 2556-2562.
doi: 10.11999/JEIT170184
摘要:
利用非授權(quán)頻段頻譜資源提升網(wǎng)絡(luò)容量需要有效地解決LTE(Long Term Evaluation)與WiFi的共存問題。最近，學(xué)術(shù)界和工業(yè)界相繼提出了授權(quán)頻段輔助接入機(jī)制和雙模微基站技術(shù)提升蜂窩通信系統(tǒng)容量?？紤]雙模微基站與WiFi接入點(diǎn)覆蓋范圍存在部分重疊場(chǎng)景，該文提出一種新的雙模微基站非授權(quán)信道接入機(jī)制及聯(lián)合授權(quán)非授權(quán)的優(yōu)化頻譜資源分配方案。仿真結(jié)果表明，雙模微基站和WiFi接入點(diǎn)互不可見時(shí)，新方案相比于現(xiàn)有方案由于考慮了空間復(fù)用具有更好的系統(tǒng)性能；雙模微基站和WiFi接入點(diǎn)互相可見時(shí)，新方案與現(xiàn)有方案性能一致，即兩者分時(shí)獨(dú)立占用非授權(quán)頻段頻譜資源。
利用非授權(quán)頻段頻譜資源提升網(wǎng)絡(luò)容量需要有效地解決LTE(Long Term Evaluation)與WiFi的共存問題。最近，學(xué)術(shù)界和工業(yè)界相繼提出了授權(quán)頻段輔助接入機(jī)制和雙模微基站技術(shù)提升蜂窩通信系統(tǒng)容量?？紤]雙模微基站與WiFi接入點(diǎn)覆蓋范圍存在部分重疊場(chǎng)景，該文提出一種新的雙模微基站非授權(quán)信道接入機(jī)制及聯(lián)合授權(quán)非授權(quán)的優(yōu)化頻譜資源分配方案。仿真結(jié)果表明，雙模微基站和WiFi接入點(diǎn)互不可見時(shí)，新方案相比于現(xiàn)有方案由于考慮了空間復(fù)用具有更好的系統(tǒng)性能；雙模微基站和WiFi接入點(diǎn)互相可見時(shí)，新方案與現(xiàn)有方案性能一致，即兩者分時(shí)獨(dú)立占用非授權(quán)頻段頻譜資源。
2017, 39(11): 2563-2570.
doi: 10.11999/JEIT170391
摘要:
方向調(diào)制技術(shù)利用多天線發(fā)射陣列的空間調(diào)制能力在天線端綜合出具有方向特性的數(shù)字調(diào)制信號(hào)是近年來物理層安全通信領(lǐng)域研究的熱點(diǎn)之一。該文提出一種基于凸優(yōu)化的稀疏陣列方向調(diào)制信號(hào)綜合算法。首先算法建立以陣列稀疏為目標(biāo)函數(shù)以及方向調(diào)制信號(hào)不同性能要求為約束的非凸優(yōu)化問題；然后針對(duì)這個(gè)非凸問題，給出了兩種不同的求解方案：一種基于迭代加權(quán)l(xiāng)1算法，但稀疏算法得到的結(jié)果可能存在陣元間距小于半個(gè)波長(zhǎng)的情況；另一種基于混合整數(shù)規(guī)劃，確保稀疏算法得到的陣元間距至少為半個(gè)波長(zhǎng)；最后在混合整數(shù)規(guī)劃算法的基礎(chǔ)上建立以方向調(diào)制信號(hào)功率利用率為目標(biāo)的優(yōu)化問題，優(yōu)化稀疏陣列方向調(diào)制信號(hào)發(fā)射機(jī)的功率利用率。仿真結(jié)果表明，相比于與現(xiàn)有的基于均勻等間距直線陣列的方向調(diào)制信號(hào)綜合算法，所提算法在方向調(diào)制信號(hào)的安全性能、方向調(diào)制信號(hào)發(fā)射機(jī)的功率利用率以及陣列的稀疏程度之間具有良好的設(shè)計(jì)靈活度。
方向調(diào)制技術(shù)利用多天線發(fā)射陣列的空間調(diào)制能力在天線端綜合出具有方向特性的數(shù)字調(diào)制信號(hào)是近年來物理層安全通信領(lǐng)域研究的熱點(diǎn)之一。該文提出一種基于凸優(yōu)化的稀疏陣列方向調(diào)制信號(hào)綜合算法。首先算法建立以陣列稀疏為目標(biāo)函數(shù)以及方向調(diào)制信號(hào)不同性能要求為約束的非凸優(yōu)化問題；然后針對(duì)這個(gè)非凸問題，給出了兩種不同的求解方案：一種基于迭代加權(quán)l(xiāng)1算法，但稀疏算法得到的結(jié)果可能存在陣元間距小于半個(gè)波長(zhǎng)的情況；另一種基于混合整數(shù)規(guī)劃，確保稀疏算法得到的陣元間距至少為半個(gè)波長(zhǎng)；最后在混合整數(shù)規(guī)劃算法的基礎(chǔ)上建立以方向調(diào)制信號(hào)功率利用率為目標(biāo)的優(yōu)化問題，優(yōu)化稀疏陣列方向調(diào)制信號(hào)發(fā)射機(jī)的功率利用率。仿真結(jié)果表明，相比于與現(xiàn)有的基于均勻等間距直線陣列的方向調(diào)制信號(hào)綜合算法，所提算法在方向調(diào)制信號(hào)的安全性能、方向調(diào)制信號(hào)發(fā)射機(jī)的功率利用率以及陣列的稀疏程度之間具有良好的設(shè)計(jì)靈活度。
2017, 39(11): 2571-2578.
doi: 10.11999/JEIT170058
摘要:
為突破礦井工人指紋定位中1維模型在定位精度上的局限性，該文提出一種礦井工人2維指紋定位數(shù)據(jù)庫構(gòu)建算法，并通過SVR-Kriging插值法解決因2維模型帶來的數(shù)據(jù)采集工作量大的問題。首先，通過高斯濾波對(duì)采集的采樣點(diǎn)位置指紋信息進(jìn)行預(yù)處理，并利用支持向量回歸由采樣點(diǎn)數(shù)據(jù)擬合變異函數(shù)。然后采用Kriging插值法補(bǔ)全2維網(wǎng)格劃分中的未采樣區(qū)域的位置指紋信息。最后綜合采樣點(diǎn)與插值點(diǎn)的位置指紋信息建立礦井工人指紋信息數(shù)據(jù)庫，為后續(xù)礦井工人指紋定位奠定基礎(chǔ)。仿真結(jié)果表明，該文算法在減少數(shù)據(jù)采集工作量的同時(shí)保證了算法的可行性與有效性，且在進(jìn)行位置指紋定位時(shí)能夠保證較高的精度。
為突破礦井工人指紋定位中1維模型在定位精度上的局限性，該文提出一種礦井工人2維指紋定位數(shù)據(jù)庫構(gòu)建算法，并通過SVR-Kriging插值法解決因2維模型帶來的數(shù)據(jù)采集工作量大的問題。首先，通過高斯濾波對(duì)采集的采樣點(diǎn)位置指紋信息進(jìn)行預(yù)處理，并利用支持向量回歸由采樣點(diǎn)數(shù)據(jù)擬合變異函數(shù)。然后采用Kriging插值法補(bǔ)全2維網(wǎng)格劃分中的未采樣區(qū)域的位置指紋信息。最后綜合采樣點(diǎn)與插值點(diǎn)的位置指紋信息建立礦井工人指紋信息數(shù)據(jù)庫，為后續(xù)礦井工人指紋定位奠定基礎(chǔ)。仿真結(jié)果表明，該文算法在減少數(shù)據(jù)采集工作量的同時(shí)保證了算法的可行性與有效性，且在進(jìn)行位置指紋定位時(shí)能夠保證較高的精度。
2017, 39(11): 2579-2586.
doi: 10.11999/JEIT170150
摘要:
為解決彈性光網(wǎng)絡(luò)中多鏈路故障保護(hù)的高保護(hù)資源冗余度問題，該文提出一種面向可靠性的多鏈路故障概率保護(hù)與保護(hù)資源重配置(ROPP-BR)策略。在ROPP-BR策略中，該文綜合考慮頻譜資源消耗和鏈路故障概率，分別設(shè)計(jì)了工作與保護(hù)路徑的鏈路代價(jià)函數(shù)，以較小代價(jià)分別選擇業(yè)務(wù)可靠性高且頻譜資源消耗少的備選工作與保護(hù)光路。為滿足業(yè)務(wù)差異化的可靠性需求，ROPP-BR策略設(shè)計(jì)了一種面向可靠性的概率保護(hù)機(jī)制，建立了業(yè)務(wù)可靠性評(píng)估模型，在滿足業(yè)務(wù)的可靠性需求的限制下靈活地配置概率保護(hù)路徑。當(dāng)業(yè)務(wù)將要被阻塞時(shí)，該文提出一種基于極大團(tuán)的保護(hù)光路重配置方法，對(duì)網(wǎng)絡(luò)中的業(yè)務(wù)保護(hù)資源進(jìn)行重配置，提高保護(hù)頻隙的共享度。仿真表明，所提策略兼顧了帶寬阻塞率與可靠性性能，有效地降低了保護(hù)資源冗余度。
為解決彈性光網(wǎng)絡(luò)中多鏈路故障保護(hù)的高保護(hù)資源冗余度問題，該文提出一種面向可靠性的多鏈路故障概率保護(hù)與保護(hù)資源重配置(ROPP-BR)策略。在ROPP-BR策略中，該文綜合考慮頻譜資源消耗和鏈路故障概率，分別設(shè)計(jì)了工作與保護(hù)路徑的鏈路代價(jià)函數(shù)，以較小代價(jià)分別選擇業(yè)務(wù)可靠性高且頻譜資源消耗少的備選工作與保護(hù)光路。為滿足業(yè)務(wù)差異化的可靠性需求，ROPP-BR策略設(shè)計(jì)了一種面向可靠性的概率保護(hù)機(jī)制，建立了業(yè)務(wù)可靠性評(píng)估模型，在滿足業(yè)務(wù)的可靠性需求的限制下靈活地配置概率保護(hù)路徑。當(dāng)業(yè)務(wù)將要被阻塞時(shí)，該文提出一種基于極大團(tuán)的保護(hù)光路重配置方法，對(duì)網(wǎng)絡(luò)中的業(yè)務(wù)保護(hù)資源進(jìn)行重配置，提高保護(hù)頻隙的共享度。仿真表明，所提策略兼顧了帶寬阻塞率與可靠性性能，有效地降低了保護(hù)資源冗余度。
2017, 39(11): 2587-2593.
doi: 10.11999/JEIT170068
摘要:
該文提出一種基于多輸入信道最大容量差映射的極化安全編碼方法，通過適當(dāng)降低信道極化速度達(dá)到提高安全傳輸速率的目的。首先，利用信道極化結(jié)構(gòu)，將極化后的邏輯信道按信道質(zhì)量劃分為好信道與差信道兩類；然后，通過具體的邏輯信道刪除率迭代分析，提出一種能夠有效提升差邏輯信道容量并降低好邏輯信道容量的最大容量差信道映射方法，達(dá)到降低信道極化速度的目的；最后，利用加權(quán)修正合法信道與竊聽信道最大容量差映射結(jié)果，實(shí)現(xiàn)多輸入信道下的極化安全編碼。仿真結(jié)果表明，在極化階數(shù)n=9的二進(jìn)制刪除信道下，所提方法相比隨機(jī)映射與Arikan方法，安全傳輸速率分別由0.029, 0.004提升到了0.042，并且所提方法同樣適用于衰落信道場(chǎng)景。
該文提出一種基于多輸入信道最大容量差映射的極化安全編碼方法，通過適當(dāng)降低信道極化速度達(dá)到提高安全傳輸速率的目的。首先，利用信道極化結(jié)構(gòu)，將極化后的邏輯信道按信道質(zhì)量劃分為好信道與差信道兩類；然后，通過具體的邏輯信道刪除率迭代分析，提出一種能夠有效提升差邏輯信道容量并降低好邏輯信道容量的最大容量差信道映射方法，達(dá)到降低信道極化速度的目的；最后，利用加權(quán)修正合法信道與竊聽信道最大容量差映射結(jié)果，實(shí)現(xiàn)多輸入信道下的極化安全編碼。仿真結(jié)果表明，在極化階數(shù)n=9的二進(jìn)制刪除信道下，所提方法相比隨機(jī)映射與Arikan方法，安全傳輸速率分別由0.029, 0.004提升到了0.042，并且所提方法同樣適用于衰落信道場(chǎng)景。
2017, 39(11): 2594-2599.
doi: 10.11999/JEIT170113
摘要:
該文提出一種基于原模圖低密度奇偶校驗(yàn)(P-LDPC)碼的分布式聯(lián)合信源信道編譯碼系統(tǒng)方案。該方案編碼端，分布式信源發(fā)送部分信息位及校驗(yàn)位以同時(shí)實(shí)現(xiàn)壓縮及糾錯(cuò)功能；譯碼端，聯(lián)合迭代信源信道譯碼的運(yùn)用進(jìn)一步發(fā)掘信源的相關(guān)性以獲得額外的編碼增益。此外，論文研究了所提方案在譯碼端未知相關(guān)性系數(shù)的譯碼算法。仿真結(jié)果表明，所提出的基于P-LDPC碼的分布式聯(lián)合信源信道編譯碼方案在外部迭代次數(shù)不大的情況可以獲得較大的性能增益，并且相關(guān)性系數(shù)在譯碼端已知和未知系統(tǒng)性能基本相當(dāng)。
該文提出一種基于原模圖低密度奇偶校驗(yàn)(P-LDPC)碼的分布式聯(lián)合信源信道編譯碼系統(tǒng)方案。該方案編碼端，分布式信源發(fā)送部分信息位及校驗(yàn)位以同時(shí)實(shí)現(xiàn)壓縮及糾錯(cuò)功能；譯碼端，聯(lián)合迭代信源信道譯碼的運(yùn)用進(jìn)一步發(fā)掘信源的相關(guān)性以獲得額外的編碼增益。此外，論文研究了所提方案在譯碼端未知相關(guān)性系數(shù)的譯碼算法。仿真結(jié)果表明，所提出的基于P-LDPC碼的分布式聯(lián)合信源信道編譯碼方案在外部迭代次數(shù)不大的情況可以獲得較大的性能增益，并且相關(guān)性系數(shù)在譯碼端已知和未知系統(tǒng)性能基本相當(dāng)。
2017, 39(11): 2600-2606.
doi: 10.11999/JEIT170084
摘要:
現(xiàn)有跳頻信號(hào)參數(shù)估計(jì)算法大多沒有考慮跳頻信號(hào)的結(jié)構(gòu)特性，在低信噪比下存在計(jì)算復(fù)雜度高或估計(jì)精度低的缺點(diǎn)，針對(duì)這一問題，該文提出一種基于滑窗和原子字典的壓縮域跳頻信號(hào)參數(shù)估計(jì)算法。用滑窗法對(duì)所處理的跳頻信號(hào)進(jìn)行整周期滑動(dòng)壓縮采樣，粗略估計(jì)出跳頻信號(hào)的跳變時(shí)刻，以塊對(duì)角化的傅里葉正交基作為稀疏基精確估計(jì)出跳變前后的頻率，在此基礎(chǔ)上構(gòu)建可以表示跳頻信號(hào)局部時(shí)頻特性的原子字典，通過匹配追蹤算法準(zhǔn)確估計(jì)出跳頻信號(hào)的跳變時(shí)刻。實(shí)驗(yàn)結(jié)果表明，該算法在顯著降低信號(hào)采樣數(shù)據(jù)量和計(jì)算復(fù)雜度的同時(shí)，保持了跳頻信號(hào)參數(shù)的高精度估計(jì)。
現(xiàn)有跳頻信號(hào)參數(shù)估計(jì)算法大多沒有考慮跳頻信號(hào)的結(jié)構(gòu)特性，在低信噪比下存在計(jì)算復(fù)雜度高或估計(jì)精度低的缺點(diǎn)，針對(duì)這一問題，該文提出一種基于滑窗和原子字典的壓縮域跳頻信號(hào)參數(shù)估計(jì)算法。用滑窗法對(duì)所處理的跳頻信號(hào)進(jìn)行整周期滑動(dòng)壓縮采樣，粗略估計(jì)出跳頻信號(hào)的跳變時(shí)刻，以塊對(duì)角化的傅里葉正交基作為稀疏基精確估計(jì)出跳變前后的頻率，在此基礎(chǔ)上構(gòu)建可以表示跳頻信號(hào)局部時(shí)頻特性的原子字典，通過匹配追蹤算法準(zhǔn)確估計(jì)出跳頻信號(hào)的跳變時(shí)刻。實(shí)驗(yàn)結(jié)果表明，該算法在顯著降低信號(hào)采樣數(shù)據(jù)量和計(jì)算復(fù)雜度的同時(shí)，保持了跳頻信號(hào)參數(shù)的高精度估計(jì)。
2017, 39(11): 2607-2614.
doi: 10.11999/JEIT170166
摘要:
針對(duì)MC-CDMA信號(hào)符號(hào)周期、有用數(shù)據(jù)周期、碼片持續(xù)時(shí)間以及保護(hù)間隔長(zhǎng)度等參數(shù)盲估計(jì)問題，該文提出一種改進(jìn)型的循環(huán)自相關(guān)算法。首先在接收端對(duì)MC-CDMA信號(hào)求自相關(guān)函數(shù)，取傅氏變換，再在頻域累積，通過檢測(cè)不同切片上的譜峰間隔，可以同時(shí)估計(jì)以上多個(gè)參數(shù)。此外，根據(jù)MC-CDMA信號(hào)自身特點(diǎn)，提出一種新的估計(jì)符號(hào)周期方法累加平均法，將3維圖中平行于延時(shí)軸的每列譜線累加平均(間隔為符號(hào)周期)，可估計(jì)出符號(hào)周期。理論推導(dǎo)了MC-CDMA信號(hào)的循環(huán)自相關(guān)表達(dá)式，證明加循環(huán)前綴的MC-CDMA信號(hào)具有循環(huán)平穩(wěn)性。仿真實(shí)驗(yàn)證明了改進(jìn)型的頻域累積循環(huán)自相關(guān)算法的有效性，且適用于低信噪比環(huán)境。
針對(duì)MC-CDMA信號(hào)符號(hào)周期、有用數(shù)據(jù)周期、碼片持續(xù)時(shí)間以及保護(hù)間隔長(zhǎng)度等參數(shù)盲估計(jì)問題，該文提出一種改進(jìn)型的循環(huán)自相關(guān)算法。首先在接收端對(duì)MC-CDMA信號(hào)求自相關(guān)函數(shù)，取傅氏變換，再在頻域累積，通過檢測(cè)不同切片上的譜峰間隔，可以同時(shí)估計(jì)以上多個(gè)參數(shù)。此外，根據(jù)MC-CDMA信號(hào)自身特點(diǎn)，提出一種新的估計(jì)符號(hào)周期方法累加平均法，將3維圖中平行于延時(shí)軸的每列譜線累加平均(間隔為符號(hào)周期)，可估計(jì)出符號(hào)周期。理論推導(dǎo)了MC-CDMA信號(hào)的循環(huán)自相關(guān)表達(dá)式，證明加循環(huán)前綴的MC-CDMA信號(hào)具有循環(huán)平穩(wěn)性。仿真實(shí)驗(yàn)證明了改進(jìn)型的頻域累積循環(huán)自相關(guān)算法的有效性，且適用于低信噪比環(huán)境。
2017, 39(11): 2615-2619.
doi: 10.11999/JEIT170092
摘要:
在帶約束的最長(zhǎng)公共子序列問題中提出一種特殊的新問題：假設(shè)有兩序列Q和C, Q中指定的匹配位置序列I，計(jì)算兩序列Q和C的最長(zhǎng)公共子序列，且這個(gè)最長(zhǎng)公共子序列的匹配路徑必須經(jīng)過位置序列I。針對(duì)此問題，該文提出一種帶匹配路徑約束的最長(zhǎng)公共子序列算法。首先定義帶匹配路徑約束的最長(zhǎng)公共子序列模型，其次推出該序列的性質(zhì)，最后求出帶匹配路徑約束的最長(zhǎng)公共子序列長(zhǎng)度的基礎(chǔ)算法和快速算法。基礎(chǔ)算法和快速算法時(shí)間復(fù)雜度分別為O(mnt)和O(mn), m, n, t分別為序列Q, C, I的長(zhǎng)度。
在帶約束的最長(zhǎng)公共子序列問題中提出一種特殊的新問題：假設(shè)有兩序列Q和C, Q中指定的匹配位置序列I，計(jì)算兩序列Q和C的最長(zhǎng)公共子序列，且這個(gè)最長(zhǎng)公共子序列的匹配路徑必須經(jīng)過位置序列I。針對(duì)此問題，該文提出一種帶匹配路徑約束的最長(zhǎng)公共子序列算法。首先定義帶匹配路徑約束的最長(zhǎng)公共子序列模型，其次推出該序列的性質(zhì)，最后求出帶匹配路徑約束的最長(zhǎng)公共子序列長(zhǎng)度的基礎(chǔ)算法和快速算法。基礎(chǔ)算法和快速算法時(shí)間復(fù)雜度分別為O(mnt)和O(mn), m, n, t分別為序列Q, C, I的長(zhǎng)度。
2017, 39(11): 2620-2626.
doi: 10.11999/JEIT170236
摘要:
針對(duì)自適應(yīng)波束形成器在少快拍和波束指向角度失配情況下性能嚴(yán)重下降的問題，該文提出一種基于修正協(xié)方差矩陣的穩(wěn)健主模抑制算法。算法提出利用修正協(xié)方差矩陣估計(jì)主模成分，進(jìn)而重構(gòu)出數(shù)據(jù)協(xié)方差矩陣，同時(shí)利用其特征向量向期望信號(hào)導(dǎo)引向量的投影來確定信號(hào)子空間維數(shù)。為提高算法在低信噪比情況下的性能，提出利用信號(hào)區(qū)域積分得到正定矩陣，以其主特征向量對(duì)信號(hào)子空間進(jìn)行擴(kuò)充，再將導(dǎo)引向量向信號(hào)子空間進(jìn)行投影得到修正的導(dǎo)引向量。最終利用重構(gòu)協(xié)方差矩陣及修正導(dǎo)引向量得到最優(yōu)權(quán)值。理論分析和仿真實(shí)驗(yàn)驗(yàn)證了所提算法的有效性和穩(wěn)健性。
針對(duì)自適應(yīng)波束形成器在少快拍和波束指向角度失配情況下性能嚴(yán)重下降的問題，該文提出一種基于修正協(xié)方差矩陣的穩(wěn)健主模抑制算法。算法提出利用修正協(xié)方差矩陣估計(jì)主模成分，進(jìn)而重構(gòu)出數(shù)據(jù)協(xié)方差矩陣，同時(shí)利用其特征向量向期望信號(hào)導(dǎo)引向量的投影來確定信號(hào)子空間維數(shù)。為提高算法在低信噪比情況下的性能，提出利用信號(hào)區(qū)域積分得到正定矩陣，以其主特征向量對(duì)信號(hào)子空間進(jìn)行擴(kuò)充，再將導(dǎo)引向量向信號(hào)子空間進(jìn)行投影得到修正的導(dǎo)引向量。最終利用重構(gòu)協(xié)方差矩陣及修正導(dǎo)引向量得到最優(yōu)權(quán)值。理論分析和仿真實(shí)驗(yàn)驗(yàn)證了所提算法的有效性和穩(wěn)健性。
2017, 39(11): 2627-2634.
doi: 10.11999/JEIT170173
摘要:
針對(duì)老年人跌倒檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性需求，該文首先建立了基于姿態(tài)角的活動(dòng)描述模型，研發(fā)了集成加速度傳感器、陀螺儀和藍(lán)牙的活動(dòng)感知模塊，從而實(shí)時(shí)采集運(yùn)動(dòng)變化數(shù)據(jù)并使用藍(lán)牙發(fā)送到智能手機(jī)。其次，選取姿態(tài)角及加速度信號(hào)向量模作為特征量，通過卡爾曼濾波對(duì)數(shù)據(jù)進(jìn)行去噪與融合，并應(yīng)用滑動(dòng)窗口和k-NN算法實(shí)現(xiàn)了可實(shí)時(shí)感知老年人跌倒并報(bào)警的系統(tǒng)。實(shí)驗(yàn)證明系統(tǒng)在二分類場(chǎng)景下的跌倒檢測(cè)準(zhǔn)確率為98.9%，而敏感度和特異性分別達(dá)到98.9%和98.5%，驗(yàn)證了系統(tǒng)具有良好的實(shí)時(shí)性和較高的準(zhǔn)確率。
針對(duì)老年人跌倒檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性需求，該文首先建立了基于姿態(tài)角的活動(dòng)描述模型，研發(fā)了集成加速度傳感器、陀螺儀和藍(lán)牙的活動(dòng)感知模塊，從而實(shí)時(shí)采集運(yùn)動(dòng)變化數(shù)據(jù)并使用藍(lán)牙發(fā)送到智能手機(jī)。其次，選取姿態(tài)角及加速度信號(hào)向量模作為特征量，通過卡爾曼濾波對(duì)數(shù)據(jù)進(jìn)行去噪與融合，并應(yīng)用滑動(dòng)窗口和k-NN算法實(shí)現(xiàn)了可實(shí)時(shí)感知老年人跌倒并報(bào)警的系統(tǒng)。實(shí)驗(yàn)證明系統(tǒng)在二分類場(chǎng)景下的跌倒檢測(cè)準(zhǔn)確率為98.9%，而敏感度和特異性分別達(dá)到98.9%和98.5%，驗(yàn)證了系統(tǒng)具有良好的實(shí)時(shí)性和較高的準(zhǔn)確率。
2017, 39(11): 2635-2643.
doi: 10.11999/JEIT170045
摘要:
在復(fù)雜場(chǎng)景下，為了更好地提升跟蹤的魯棒性，基于局部的相似度測(cè)量得到了廣泛應(yīng)用。然而，局部遮擋，形變和光照變化等場(chǎng)景的復(fù)雜性，基于傳統(tǒng)局部相似度測(cè)量的目標(biāo)跟蹤存在很大缺點(diǎn)，例如，在跟蹤過程中，僅僅依靠目標(biāo)和模板的匹配度容易造成跟蹤的偏移現(xiàn)象。鑒于此，該文提出一種基于局部差別性相似度測(cè)量的目標(biāo)跟蹤算法。首先，以目標(biāo)-背景的差異性，形成相似性和差異性相結(jié)合的局部判別性相似度測(cè)量；其次，基于子塊在視頻序列中的差異性，對(duì)子塊進(jìn)行差異性學(xué)習(xí)，以提高跟蹤的準(zhǔn)確性。最后，在粒子濾波框架下，基于差別性局部區(qū)域測(cè)量構(gòu)建了一種有效的目標(biāo)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，在復(fù)雜圖像序列中，該算法實(shí)現(xiàn)了目標(biāo)的準(zhǔn)確跟蹤，并在光照變化、旋轉(zhuǎn)、縮放和遮擋等方面具有較好的效果。
在復(fù)雜場(chǎng)景下，為了更好地提升跟蹤的魯棒性，基于局部的相似度測(cè)量得到了廣泛應(yīng)用。然而，局部遮擋，形變和光照變化等場(chǎng)景的復(fù)雜性，基于傳統(tǒng)局部相似度測(cè)量的目標(biāo)跟蹤存在很大缺點(diǎn)，例如，在跟蹤過程中，僅僅依靠目標(biāo)和模板的匹配度容易造成跟蹤的偏移現(xiàn)象。鑒于此，該文提出一種基于局部差別性相似度測(cè)量的目標(biāo)跟蹤算法。首先，以目標(biāo)-背景的差異性，形成相似性和差異性相結(jié)合的局部判別性相似度測(cè)量；其次，基于子塊在視頻序列中的差異性，對(duì)子塊進(jìn)行差異性學(xué)習(xí)，以提高跟蹤的準(zhǔn)確性。最后，在粒子濾波框架下，基于差別性局部區(qū)域測(cè)量構(gòu)建了一種有效的目標(biāo)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，在復(fù)雜圖像序列中，該算法實(shí)現(xiàn)了目標(biāo)的準(zhǔn)確跟蹤，并在光照變化、旋轉(zhuǎn)、縮放和遮擋等方面具有較好的效果。
2017, 39(11): 2644-2651.
doi: 10.11999/JEIT170390
摘要:
顯著性檢測(cè)是指自動(dòng)提取未知場(chǎng)景中符合人類視覺習(xí)慣的興趣目標(biāo)的方法。為了進(jìn)一步提高檢測(cè)的準(zhǔn)確性，該文提出了利用魯棒前景種子的流形排序進(jìn)行顯著性檢測(cè)的算法。首先利用角點(diǎn)檢測(cè)和邊緣連接算法得到兩個(gè)不同的凸包，用它們的交集初步確立目標(biāo)區(qū)域的大致位置；然后利用凸包外邊緣作為標(biāo)準(zhǔn)對(duì)凸包內(nèi)的超像素進(jìn)行相似度檢測(cè)，將與大部分外邊緣相似的超像素去除，得到更準(zhǔn)確的目標(biāo)樣本作為前景種子；利用錨點(diǎn)圖構(gòu)建新的圖結(jié)構(gòu)表示數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)系；接著通過基于前景和背景種子的流形排序算法對(duì)圖像所有區(qū)域進(jìn)行排序，并得到兩種不同的顯著性檢測(cè)圖；最后借助代價(jià)函數(shù)對(duì)顯著性圖進(jìn)行優(yōu)化，得到最終的顯著性檢測(cè)結(jié)果。經(jīng)實(shí)驗(yàn)表明，與幾種經(jīng)典算法對(duì)比，該文方法可以進(jìn)一步提高顯著性算法的精確度和召回率。
顯著性檢測(cè)是指自動(dòng)提取未知場(chǎng)景中符合人類視覺習(xí)慣的興趣目標(biāo)的方法。為了進(jìn)一步提高檢測(cè)的準(zhǔn)確性，該文提出了利用魯棒前景種子的流形排序進(jìn)行顯著性檢測(cè)的算法。首先利用角點(diǎn)檢測(cè)和邊緣連接算法得到兩個(gè)不同的凸包，用它們的交集初步確立目標(biāo)區(qū)域的大致位置；然后利用凸包外邊緣作為標(biāo)準(zhǔn)對(duì)凸包內(nèi)的超像素進(jìn)行相似度檢測(cè)，將與大部分外邊緣相似的超像素去除，得到更準(zhǔn)確的目標(biāo)樣本作為前景種子；利用錨點(diǎn)圖構(gòu)建新的圖結(jié)構(gòu)表示數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)系；接著通過基于前景和背景種子的流形排序算法對(duì)圖像所有區(qū)域進(jìn)行排序，并得到兩種不同的顯著性檢測(cè)圖；最后借助代價(jià)函數(shù)對(duì)顯著性圖進(jìn)行優(yōu)化，得到最終的顯著性檢測(cè)結(jié)果。經(jīng)實(shí)驗(yàn)表明，與幾種經(jīng)典算法對(duì)比，該文方法可以進(jìn)一步提高顯著性算法的精確度和召回率。
2017, 39(11): 2652-2660.
doi: 10.11999/JEIT170162
摘要:
針對(duì)基于分塊匹配的行人再識(shí)別中對(duì)分塊的規(guī)則和大小缺乏指導(dǎo)，以及不同分塊間的區(qū)分度差異問題，該文提出基于顯著度融合的自適應(yīng)分塊行人再識(shí)別方法。首先，利用啟發(fā)式思想確定初始聚類中心，并根據(jù)圖像內(nèi)容自動(dòng)確定分塊的大小和數(shù)目。然后，利用歸一化部分曲線下面積計(jì)算各塊的圖像間顯著度，利用結(jié)構(gòu)化支持向量機(jī)學(xué)習(xí)各塊的圖像內(nèi)顯著度，并融合兩類顯著度得到各塊的權(quán)重作為匹配得分融合的依據(jù)。實(shí)驗(yàn)證明，在常用的行人再識(shí)別數(shù)據(jù)集上，該方法能取得較好的識(shí)別結(jié)果。
針對(duì)基于分塊匹配的行人再識(shí)別中對(duì)分塊的規(guī)則和大小缺乏指導(dǎo)，以及不同分塊間的區(qū)分度差異問題，該文提出基于顯著度融合的自適應(yīng)分塊行人再識(shí)別方法。首先，利用啟發(fā)式思想確定初始聚類中心，并根據(jù)圖像內(nèi)容自動(dòng)確定分塊的大小和數(shù)目。然后，利用歸一化部分曲線下面積計(jì)算各塊的圖像間顯著度，利用結(jié)構(gòu)化支持向量機(jī)學(xué)習(xí)各塊的圖像內(nèi)顯著度，并融合兩類顯著度得到各塊的權(quán)重作為匹配得分融合的依據(jù)。實(shí)驗(yàn)證明，在常用的行人再識(shí)別數(shù)據(jù)集上，該方法能取得較好的識(shí)別結(jié)果。
2017, 39(11): 2661-2668.
doi: 10.11999/JEIT170214
摘要:
為了實(shí)現(xiàn)含有復(fù)雜背景和弱邊界圖像的快速準(zhǔn)確分割，傳統(tǒng)的水平集常采用重新初始化的方法，但是這種方法存在計(jì)算量大、分割不準(zhǔn)確等問題。因此，結(jié)合顯著性區(qū)域，該文提出一種基于邊緣信息與區(qū)域局部信息結(jié)合的變水平集圖像快速分割方法。首先用元胞自動(dòng)機(jī)模型檢測(cè)出圖像的顯著性區(qū)域，得到圖像的初始化邊界曲線。然后，采用改進(jìn)的距離正規(guī)化水平集演化(Distance Regularized Level Set Evolution, DRLSE)模型把圖像的局部信息結(jié)合到變分能量方程中，用改進(jìn)的能量方程去指導(dǎo)曲線的演化。實(shí)驗(yàn)結(jié)果表明，與DRLSE模型相比，提出的算法平均消耗的時(shí)間只需要前者的2.76%，且具有較高的分割準(zhǔn)確性。
為了實(shí)現(xiàn)含有復(fù)雜背景和弱邊界圖像的快速準(zhǔn)確分割，傳統(tǒng)的水平集常采用重新初始化的方法，但是這種方法存在計(jì)算量大、分割不準(zhǔn)確等問題。因此，結(jié)合顯著性區(qū)域，該文提出一種基于邊緣信息與區(qū)域局部信息結(jié)合的變水平集圖像快速分割方法。首先用元胞自動(dòng)機(jī)模型檢測(cè)出圖像的顯著性區(qū)域，得到圖像的初始化邊界曲線。然后，采用改進(jìn)的距離正規(guī)化水平集演化(Distance Regularized Level Set Evolution, DRLSE)模型把圖像的局部信息結(jié)合到變分能量方程中，用改進(jìn)的能量方程去指導(dǎo)曲線的演化。實(shí)驗(yàn)結(jié)果表明，與DRLSE模型相比，提出的算法平均消耗的時(shí)間只需要前者的2.76%，且具有較高的分割準(zhǔn)確性。
2017, 39(11): 2669-2676.
doi: 10.11999/JEIT170120
摘要:
現(xiàn)代生活普遍壓力較大，容易引起消極痛苦的應(yīng)激，導(dǎo)致不良情緒甚至滋生各類慢性病。心理專家需要了解個(gè)體的壓力狀態(tài)，從而開展對(duì)應(yīng)性心理疏導(dǎo)和治療。傳統(tǒng)心理學(xué)自評(píng)法存在一定的主觀性；基于生理多導(dǎo)儀的壓力狀態(tài)評(píng)估法，受設(shè)備體積所限無法用于日常壓力狀態(tài)評(píng)估。針對(duì)上述問題，該文采用可穿戴式傳感設(shè)備實(shí)時(shí)采集個(gè)體生理信號(hào)，利用心理和生理的伴生關(guān)系，對(duì)個(gè)體的心理壓力進(jìn)行長(zhǎng)期實(shí)時(shí)評(píng)估。同時(shí)通過蒙特利爾影像應(yīng)激實(shí)驗(yàn)(MIST)誘發(fā)出被試平靜、輕微及高度壓力3種壓力狀態(tài)，此實(shí)驗(yàn)范式同時(shí)包含認(rèn)知負(fù)荷精神壓力因素與社會(huì)評(píng)價(jià)心理壓力因素，與日常真實(shí)生活更為接近。該文共采集39名健康被試的實(shí)驗(yàn)數(shù)據(jù)，通過對(duì)數(shù)據(jù)的特征值提取等預(yù)處理，結(jié)合隨機(jī)森林算法對(duì)最優(yōu)特征子集進(jìn)行選擇，采用支持向量機(jī)(SVM)分類算法對(duì)3種壓力狀態(tài)進(jìn)行分類預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，通過隨機(jī)森林特征選擇優(yōu)化后的SVM分類，與通用的單一SVM分類算法相比，具有更好的分類識(shí)別效果，對(duì)3種壓力狀態(tài)的分類準(zhǔn)確率可從78%提高至84%。
現(xiàn)代生活普遍壓力較大，容易引起消極痛苦的應(yīng)激，導(dǎo)致不良情緒甚至滋生各類慢性病。心理專家需要了解個(gè)體的壓力狀態(tài)，從而開展對(duì)應(yīng)性心理疏導(dǎo)和治療。傳統(tǒng)心理學(xué)自評(píng)法存在一定的主觀性；基于生理多導(dǎo)儀的壓力狀態(tài)評(píng)估法，受設(shè)備體積所限無法用于日常壓力狀態(tài)評(píng)估。針對(duì)上述問題，該文采用可穿戴式傳感設(shè)備實(shí)時(shí)采集個(gè)體生理信號(hào)，利用心理和生理的伴生關(guān)系，對(duì)個(gè)體的心理壓力進(jìn)行長(zhǎng)期實(shí)時(shí)評(píng)估。同時(shí)通過蒙特利爾影像應(yīng)激實(shí)驗(yàn)(MIST)誘發(fā)出被試平靜、輕微及高度壓力3種壓力狀態(tài)，此實(shí)驗(yàn)范式同時(shí)包含認(rèn)知負(fù)荷精神壓力因素與社會(huì)評(píng)價(jià)心理壓力因素，與日常真實(shí)生活更為接近。該文共采集39名健康被試的實(shí)驗(yàn)數(shù)據(jù)，通過對(duì)數(shù)據(jù)的特征值提取等預(yù)處理，結(jié)合隨機(jī)森林算法對(duì)最優(yōu)特征子集進(jìn)行選擇，采用支持向量機(jī)(SVM)分類算法對(duì)3種壓力狀態(tài)進(jìn)行分類預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，通過隨機(jī)森林特征選擇優(yōu)化后的SVM分類，與通用的單一SVM分類算法相比，具有更好的分類識(shí)別效果，對(duì)3種壓力狀態(tài)的分類準(zhǔn)確率可從78%提高至84%。
2017, 39(11): 2677-2683.
doi: 10.11999/JEIT170108
摘要:
心臟疾病是全球發(fā)病率和死亡率最高的疾病，心音聽診可以獲取心臟的機(jī)械特性及結(jié)構(gòu)特征，與超聲心動(dòng)圖、核磁共振等無創(chuàng)診斷技術(shù)相比具有快速、低成本和操作簡(jiǎn)單的優(yōu)勢(shì)。心音信號(hào)成分復(fù)雜，容易受到各種噪聲和干擾的影響，聽診診斷結(jié)果容易受到醫(yī)生主觀性的影響，極大限制了心音聽診的應(yīng)用。該文提出一種基于心動(dòng)周期估計(jì)的心音分割及異常心音篩查算法，預(yù)先估計(jì)了心音的心動(dòng)周期，存在隨機(jī)干擾的情況下也可以正確識(shí)別信號(hào)中80%以上的心動(dòng)周期，提高了算法的穩(wěn)定性。同時(shí)提出了區(qū)分度良好的時(shí)域和頻域特征指標(biāo)，利用支持向量機(jī)建模，對(duì)異常心音的識(shí)別率可達(dá)92%。算法可輔助醫(yī)生診斷，或用于家用便攜式心音監(jiān)護(hù)設(shè)備。
心臟疾病是全球發(fā)病率和死亡率最高的疾病，心音聽診可以獲取心臟的機(jī)械特性及結(jié)構(gòu)特征，與超聲心動(dòng)圖、核磁共振等無創(chuàng)診斷技術(shù)相比具有快速、低成本和操作簡(jiǎn)單的優(yōu)勢(shì)。心音信號(hào)成分復(fù)雜，容易受到各種噪聲和干擾的影響，聽診診斷結(jié)果容易受到醫(yī)生主觀性的影響，極大限制了心音聽診的應(yīng)用。該文提出一種基于心動(dòng)周期估計(jì)的心音分割及異常心音篩查算法，預(yù)先估計(jì)了心音的心動(dòng)周期，存在隨機(jī)干擾的情況下也可以正確識(shí)別信號(hào)中80%以上的心動(dòng)周期，提高了算法的穩(wěn)定性。同時(shí)提出了區(qū)分度良好的時(shí)域和頻域特征指標(biāo)，利用支持向量機(jī)建模，對(duì)異常心音的識(shí)別率可達(dá)92%。算法可輔助醫(yī)生診斷，或用于家用便攜式心音監(jiān)護(hù)設(shè)備。
2017, 39(11): 2684-2689.
doi: 10.11999/JEIT170283
摘要:
為了增加水下高速目標(biāo)的識(shí)別特征維度，優(yōu)化識(shí)別效果，該文設(shè)計(jì)了一種基于目標(biāo)輻射噪聲高速特征量(High Speed Characteristic Quantity, HSCQ)的分類方法。首先，針對(duì)水下高速目標(biāo)輻射噪聲的DEMON(Detection of Envelope Modulation On Noise)譜特征進(jìn)行分析，根據(jù)DEMON譜的頻率可分性，定義了DEMON譜調(diào)制分布比(Modulation Distribution Ratio, MDR)。然后，根據(jù)水下高速目標(biāo)輻射噪聲的功率譜歷程圖直紋特征，應(yīng)用圖像邊緣檢測(cè)、線譜生長(zhǎng)等理論進(jìn)行特征提取，并分析了功率譜歷程圖的直紋特征量(Straight-line Characteristic Quantity of Spectrum, SCQS)。最后，根據(jù)2種特征量的實(shí)測(cè)信號(hào)分析結(jié)果，定義了目標(biāo)輻射噪聲的HSCQ，實(shí)現(xiàn)了一種新的水下高速目標(biāo)分類方法。實(shí)測(cè)信號(hào)分析結(jié)果顯示，采用MDR或SCQS進(jìn)行單特征量分類，非高速目標(biāo)的誤報(bào)率分別為21.4%和16.3%；采用HSCQ進(jìn)行分類，非高速目標(biāo)的誤報(bào)率僅為4.1%。
為了增加水下高速目標(biāo)的識(shí)別特征維度，優(yōu)化識(shí)別效果，該文設(shè)計(jì)了一種基于目標(biāo)輻射噪聲高速特征量(High Speed Characteristic Quantity, HSCQ)的分類方法。首先，針對(duì)水下高速目標(biāo)輻射噪聲的DEMON(Detection of Envelope Modulation On Noise)譜特征進(jìn)行分析，根據(jù)DEMON譜的頻率可分性，定義了DEMON譜調(diào)制分布比(Modulation Distribution Ratio, MDR)。然后，根據(jù)水下高速目標(biāo)輻射噪聲的功率譜歷程圖直紋特征，應(yīng)用圖像邊緣檢測(cè)、線譜生長(zhǎng)等理論進(jìn)行特征提取，并分析了功率譜歷程圖的直紋特征量(Straight-line Characteristic Quantity of Spectrum, SCQS)。最后，根據(jù)2種特征量的實(shí)測(cè)信號(hào)分析結(jié)果，定義了目標(biāo)輻射噪聲的HSCQ，實(shí)現(xiàn)了一種新的水下高速目標(biāo)分類方法。實(shí)測(cè)信號(hào)分析結(jié)果顯示，采用MDR或SCQS進(jìn)行單特征量分類，非高速目標(biāo)的誤報(bào)率分別為21.4%和16.3%；采用HSCQ進(jìn)行分類，非高速目標(biāo)的誤報(bào)率僅為4.1%。
2017, 39(11): 2690-2696.
doi: 10.11999/JEIT170178
摘要:
強(qiáng)雜波背景下的弱靜止目標(biāo)檢測(cè)是機(jī)場(chǎng)跑道異物(Foreign Object Debris, FOD)監(jiān)測(cè)雷達(dá)面臨的關(guān)鍵問題。該文提出一種基于特征譜特征和最小最大概率機(jī)(Minimax Probability Machine, MPM)的FOD分層檢測(cè)算法，首先利用雜波圖恒虛警(Constant False Alarm Rate, CFAR)將雷達(dá)錄取回波中的背景雜波和FOD回波(包含虛警)區(qū)分開，然后提取特征譜特征將在回波域中差異較小的FOD回波和虛警回波轉(zhuǎn)換到區(qū)分性更大的特征域，最后利用MPM分類器實(shí)現(xiàn)對(duì)FOD和虛警的分類，從而達(dá)到降低虛警次數(shù)的目的?；趯?shí)測(cè)數(shù)據(jù)的試驗(yàn)結(jié)果表明，所提方法可以獲得較好的檢測(cè)性能。
強(qiáng)雜波背景下的弱靜止目標(biāo)檢測(cè)是機(jī)場(chǎng)跑道異物(Foreign Object Debris, FOD)監(jiān)測(cè)雷達(dá)面臨的關(guān)鍵問題。該文提出一種基于特征譜特征和最小最大概率機(jī)(Minimax Probability Machine, MPM)的FOD分層檢測(cè)算法，首先利用雜波圖恒虛警(Constant False Alarm Rate, CFAR)將雷達(dá)錄取回波中的背景雜波和FOD回波(包含虛警)區(qū)分開，然后提取特征譜特征將在回波域中差異較小的FOD回波和虛警回波轉(zhuǎn)換到區(qū)分性更大的特征域，最后利用MPM分類器實(shí)現(xiàn)對(duì)FOD和虛警的分類，從而達(dá)到降低虛警次數(shù)的目的?；趯?shí)測(cè)數(shù)據(jù)的試驗(yàn)結(jié)果表明，所提方法可以獲得較好的檢測(cè)性能。
2017, 39(11): 2697-2704.
doi: 10.11999/JEIT170149
摘要:
雙基星載合成孔徑雷達(dá)(SAR)利用雙平臺(tái)接收以及聯(lián)合處理回波信號(hào)，在測(cè)繪、干涉測(cè)量、目標(biāo)識(shí)別、自然災(zāi)害監(jiān)測(cè)等領(lǐng)域有重要的應(yīng)用價(jià)值。為了進(jìn)一步提升該體制的成像性能，該文提出一種采用空時(shí)編碼和短偏移正交波形的雙基星載多發(fā)多收合成孔徑雷達(dá)系統(tǒng)(MIMO SAR)?；诮邮斩说臄?shù)字波束形成技術(shù)，該系統(tǒng)能夠有效分離提取不同波形回波數(shù)據(jù)，獲取更多空間自由度，從而同時(shí)具備雙基體制和MIMO體制的優(yōu)勢(shì)。此外，通過對(duì)獲取的不同波形圖像數(shù)據(jù)做波束形成處理，該系統(tǒng)能夠減輕2次散射干擾回波對(duì)SAR圖像的影響。仿真實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)方案的有效性。
雙基星載合成孔徑雷達(dá)(SAR)利用雙平臺(tái)接收以及聯(lián)合處理回波信號(hào)，在測(cè)繪、干涉測(cè)量、目標(biāo)識(shí)別、自然災(zāi)害監(jiān)測(cè)等領(lǐng)域有重要的應(yīng)用價(jià)值。為了進(jìn)一步提升該體制的成像性能，該文提出一種采用空時(shí)編碼和短偏移正交波形的雙基星載多發(fā)多收合成孔徑雷達(dá)系統(tǒng)(MIMO SAR)?；诮邮斩说臄?shù)字波束形成技術(shù)，該系統(tǒng)能夠有效分離提取不同波形回波數(shù)據(jù)，獲取更多空間自由度，從而同時(shí)具備雙基體制和MIMO體制的優(yōu)勢(shì)。此外，通過對(duì)獲取的不同波形圖像數(shù)據(jù)做波束形成處理，該系統(tǒng)能夠減輕2次散射干擾回波對(duì)SAR圖像的影響。仿真實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)方案的有效性。
2017, 39(11): 2705-2715.
doi: 10.11999/JEIT170086
摘要:
針對(duì)復(fù)雜場(chǎng)景中的SAR目標(biāo)鑒別問題，該文提出一種基于多特征融合詞包(Bag-of-Words, BoW)模型的SAR目標(biāo)鑒別算法。在BoW模型底層特征提取階段，算法采用SAR-SIFT特征描述局部區(qū)域的形狀信息；同時(shí)，采用該文基于傳統(tǒng)鑒別特征提出的一組新的SAR圖像局部特征描述局部區(qū)域的對(duì)比度信息和紋理信息。對(duì)于BoW模型中多個(gè)底層特征的融合，算法采用圖像層的特征融合方式生成圖像的全局鑒別特征，其中各單底層特征BoW模型特征的權(quán)系數(shù)通過L2范數(shù)約束的多核學(xué)習(xí)方法訓(xùn)練得到。在MiniSAR實(shí)測(cè)SAR圖像數(shù)據(jù)上的目標(biāo)鑒別實(shí)驗(yàn)表明，與基于傳統(tǒng)鑒別特征以及單底層特征BoW模型特征的鑒別算法相比較，該文基于多特征融合BoW模型SAR目標(biāo)鑒別算法具有更好的鑒別性能。
針對(duì)復(fù)雜場(chǎng)景中的SAR目標(biāo)鑒別問題，該文提出一種基于多特征融合詞包(Bag-of-Words, BoW)模型的SAR目標(biāo)鑒別算法。在BoW模型底層特征提取階段，算法采用SAR-SIFT特征描述局部區(qū)域的形狀信息；同時(shí)，采用該文基于傳統(tǒng)鑒別特征提出的一組新的SAR圖像局部特征描述局部區(qū)域的對(duì)比度信息和紋理信息。對(duì)于BoW模型中多個(gè)底層特征的融合，算法采用圖像層的特征融合方式生成圖像的全局鑒別特征，其中各單底層特征BoW模型特征的權(quán)系數(shù)通過L2范數(shù)約束的多核學(xué)習(xí)方法訓(xùn)練得到。在MiniSAR實(shí)測(cè)SAR圖像數(shù)據(jù)上的目標(biāo)鑒別實(shí)驗(yàn)表明，與基于傳統(tǒng)鑒別特征以及單底層特征BoW模型特征的鑒別算法相比較，該文基于多特征融合BoW模型SAR目標(biāo)鑒別算法具有更好的鑒別性能。
2017, 39(11): 2716-2723.
doi: 10.11999/JEIT170079
摘要:
參考信號(hào)信雜比(SCR)是評(píng)估外輻射源雷達(dá)積累增益損失的重要參數(shù)。利用數(shù)字電視地面廣播(DTTB)輻射源中的PN序列進(jìn)行信雜比估計(jì)時(shí)，將出現(xiàn)接收信號(hào)相對(duì)于本地幀頭的分?jǐn)?shù)階時(shí)延問題，導(dǎo)致信雜比估計(jì)出現(xiàn)嚴(yán)重偏差。針對(duì)該問題，該文利用信號(hào)在時(shí)延維的稀疏性，提出基于壓縮感知的信雜比估計(jì)算法。仿真結(jié)果表明，該算法對(duì)不同強(qiáng)弱的信號(hào)都能得到精確的時(shí)延和強(qiáng)度估計(jì)，從而保證了信雜比估計(jì)的準(zhǔn)確性。實(shí)測(cè)數(shù)據(jù)處理結(jié)果表明，實(shí)測(cè)數(shù)據(jù)的參考信號(hào)信雜比較高，積累損失較小，約為0.5 dB；信雜比與基線距離有關(guān)，基線越長(zhǎng)信雜比越低，積累損失越大。
參考信號(hào)信雜比(SCR)是評(píng)估外輻射源雷達(dá)積累增益損失的重要參數(shù)。利用數(shù)字電視地面廣播(DTTB)輻射源中的PN序列進(jìn)行信雜比估計(jì)時(shí)，將出現(xiàn)接收信號(hào)相對(duì)于本地幀頭的分?jǐn)?shù)階時(shí)延問題，導(dǎo)致信雜比估計(jì)出現(xiàn)嚴(yán)重偏差。針對(duì)該問題，該文利用信號(hào)在時(shí)延維的稀疏性，提出基于壓縮感知的信雜比估計(jì)算法。仿真結(jié)果表明，該算法對(duì)不同強(qiáng)弱的信號(hào)都能得到精確的時(shí)延和強(qiáng)度估計(jì)，從而保證了信雜比估計(jì)的準(zhǔn)確性。實(shí)測(cè)數(shù)據(jù)處理結(jié)果表明，實(shí)測(cè)數(shù)據(jù)的參考信號(hào)信雜比較高，積累損失較小，約為0.5 dB；信雜比與基線距離有關(guān)，基線越長(zhǎng)信雜比越低，積累損失越大。
2017, 39(11): 2724-2732.
doi: 10.11999/JEIT170072
摘要:
屬性基加密因其細(xì)粒度訪問控制在云存儲(chǔ)中得到廣泛應(yīng)用。但原始屬性基加密方案中單授權(quán)機(jī)構(gòu)帶來了分發(fā)私鑰的計(jì)算瓶頸與信任問題。為解決上述問題，該文基于素?cái)?shù)階雙線性群構(gòu)造了一種分布式屬性基加密方案，方案中授權(quán)機(jī)構(gòu)由多個(gè)權(quán)威中心和多個(gè)屬性中心組成。權(quán)威中心負(fù)責(zé)系統(tǒng)建立及用戶身份相關(guān)密鑰生成，且每次用戶私鑰申請(qǐng)過程中只需一個(gè)權(quán)威中心參與工作，采用多權(quán)威中心的目的是提高系統(tǒng)的穩(wěn)定性和降低權(quán)威中心的計(jì)算量；屬性中心負(fù)責(zé)不同的屬性域，相互獨(dú)立甚至不需要知道其它屬性中心的存在。同時(shí)，該方案的密文長(zhǎng)度與屬性數(shù)量無關(guān)，為一個(gè)常值；在解密運(yùn)算過程中需要的對(duì)運(yùn)算與屬性數(shù)量也無關(guān)，為2個(gè)對(duì)運(yùn)算。該文基于q-Bilinear Diffie-Hellman Exponent假設(shè)在隨機(jī)預(yù)言機(jī)模型下對(duì)方案進(jìn)行了選擇明文攻擊的安全性證明。最后從理論和實(shí)驗(yàn)兩方面對(duì)所提方案的功能與效率進(jìn)行了分析與驗(yàn)證。實(shí)驗(yàn)結(jié)果表明所提方案具有固定密文長(zhǎng)度和快速解密的能力，大大減少了存儲(chǔ)負(fù)擔(dān)并提高了系統(tǒng)效率。
屬性基加密因其細(xì)粒度訪問控制在云存儲(chǔ)中得到廣泛應(yīng)用。但原始屬性基加密方案中單授權(quán)機(jī)構(gòu)帶來了分發(fā)私鑰的計(jì)算瓶頸與信任問題。為解決上述問題，該文基于素?cái)?shù)階雙線性群構(gòu)造了一種分布式屬性基加密方案，方案中授權(quán)機(jī)構(gòu)由多個(gè)權(quán)威中心和多個(gè)屬性中心組成。權(quán)威中心負(fù)責(zé)系統(tǒng)建立及用戶身份相關(guān)密鑰生成，且每次用戶私鑰申請(qǐng)過程中只需一個(gè)權(quán)威中心參與工作，采用多權(quán)威中心的目的是提高系統(tǒng)的穩(wěn)定性和降低權(quán)威中心的計(jì)算量；屬性中心負(fù)責(zé)不同的屬性域，相互獨(dú)立甚至不需要知道其它屬性中心的存在。同時(shí)，該方案的密文長(zhǎng)度與屬性數(shù)量無關(guān)，為一個(gè)常值；在解密運(yùn)算過程中需要的對(duì)運(yùn)算與屬性數(shù)量也無關(guān)，為2個(gè)對(duì)運(yùn)算。該文基于q-Bilinear Diffie-Hellman Exponent假設(shè)在隨機(jī)預(yù)言機(jī)模型下對(duì)方案進(jìn)行了選擇明文攻擊的安全性證明。最后從理論和實(shí)驗(yàn)兩方面對(duì)所提方案的功能與效率進(jìn)行了分析與驗(yàn)證。實(shí)驗(yàn)結(jié)果表明所提方案具有固定密文長(zhǎng)度和快速解密的能力，大大減少了存儲(chǔ)負(fù)擔(dān)并提高了系統(tǒng)效率。
2017, 39(11): 2733-2740.
doi: 10.11999/JEIT161054
摘要:
多控制器負(fù)載均衡是SDN網(wǎng)絡(luò)部署研究中關(guān)注的問題之一。該文針對(duì)多控制器間負(fù)載均衡的時(shí)間效率問題，提出一種基于負(fù)載通告策略的負(fù)載均衡機(jī)制(LILB)。該機(jī)制包括負(fù)載測(cè)量、負(fù)載通告、均衡決策和交換機(jī)遷移4個(gè)核心功能組件。借助于負(fù)載通告的能力，每個(gè)控制器可以在過載后無需收集其他控制器的負(fù)載信息而盡快完成均衡決策。為了減少負(fù)載通告帶來的通信負(fù)荷和處理負(fù)荷，該文提出一個(gè)抑制算法來降低負(fù)載通告的頻率。此外，該文還提出了最重過載控制器、遷移交換機(jī)和目標(biāo)控制器的決策方法，以及目標(biāo)控制器接受遷移請(qǐng)求的判定策略來避免控制器的負(fù)載震蕩；并為支持交換機(jī)遷移過程中控制器角色的平滑切換設(shè)計(jì)了一種交換機(jī)遷移的消息交互機(jī)制。最后，在基于Floodlight和Mininet的實(shí)驗(yàn)環(huán)境中驗(yàn)證了所提出方法的有效性。
多控制器負(fù)載均衡是SDN網(wǎng)絡(luò)部署研究中關(guān)注的問題之一。該文針對(duì)多控制器間負(fù)載均衡的時(shí)間效率問題，提出一種基于負(fù)載通告策略的負(fù)載均衡機(jī)制(LILB)。該機(jī)制包括負(fù)載測(cè)量、負(fù)載通告、均衡決策和交換機(jī)遷移4個(gè)核心功能組件。借助于負(fù)載通告的能力，每個(gè)控制器可以在過載后無需收集其他控制器的負(fù)載信息而盡快完成均衡決策。為了減少負(fù)載通告帶來的通信負(fù)荷和處理負(fù)荷，該文提出一個(gè)抑制算法來降低負(fù)載通告的頻率。此外，該文還提出了最重過載控制器、遷移交換機(jī)和目標(biāo)控制器的決策方法，以及目標(biāo)控制器接受遷移請(qǐng)求的判定策略來避免控制器的負(fù)載震蕩；并為支持交換機(jī)遷移過程中控制器角色的平滑切換設(shè)計(jì)了一種交換機(jī)遷移的消息交互機(jī)制。最后，在基于Floodlight和Mininet的實(shí)驗(yàn)環(huán)境中驗(yàn)證了所提出方法的有效性。
2017, 39(11): 2741-2747.
doi: 10.11999/JEIT170212
摘要:
網(wǎng)內(nèi)緩存技術(shù)一直是信息中心網(wǎng)絡(luò)(Information-Centric Networking, ICN)研究中的核心問題。傳統(tǒng)緩存方案通常為網(wǎng)絡(luò)內(nèi)的單一全局協(xié)作策略，然而不同網(wǎng)絡(luò)區(qū)域的緩存目標(biāo)不同，導(dǎo)致傳統(tǒng)方案的性能優(yōu)化程度有限，可擴(kuò)展性不強(qiáng)。同時(shí)協(xié)同緩存放置和請(qǐng)求路由，相較于純緩存方案有效性更高。該文提出并評(píng)估了一種新型面向分域的協(xié)作混合緩存放置和路由請(qǐng)求機(jī)制，該機(jī)制將緩存網(wǎng)絡(luò)區(qū)分核心網(wǎng)絡(luò)和邊緣網(wǎng)絡(luò)，在核心網(wǎng)絡(luò)中采用非沿路的HASH協(xié)作機(jī)制，邊緣網(wǎng)絡(luò)采用沿路的回退協(xié)作機(jī)制，創(chuàng)建二元組標(biāo)簽保存緩存放置的信息并作用于后續(xù)的請(qǐng)求轉(zhuǎn)發(fā)。通過仿真對(duì)比表明，該文提出的協(xié)作混合緩存機(jī)制相較于傳統(tǒng)策略可以更好地平衡網(wǎng)絡(luò)資源利用和用戶體驗(yàn)，并在大型ISPs中拓展性更好。
網(wǎng)內(nèi)緩存技術(shù)一直是信息中心網(wǎng)絡(luò)(Information-Centric Networking, ICN)研究中的核心問題。傳統(tǒng)緩存方案通常為網(wǎng)絡(luò)內(nèi)的單一全局協(xié)作策略，然而不同網(wǎng)絡(luò)區(qū)域的緩存目標(biāo)不同，導(dǎo)致傳統(tǒng)方案的性能優(yōu)化程度有限，可擴(kuò)展性不強(qiáng)。同時(shí)協(xié)同緩存放置和請(qǐng)求路由，相較于純緩存方案有效性更高。該文提出并評(píng)估了一種新型面向分域的協(xié)作混合緩存放置和路由請(qǐng)求機(jī)制，該機(jī)制將緩存網(wǎng)絡(luò)區(qū)分核心網(wǎng)絡(luò)和邊緣網(wǎng)絡(luò)，在核心網(wǎng)絡(luò)中采用非沿路的HASH協(xié)作機(jī)制，邊緣網(wǎng)絡(luò)采用沿路的回退協(xié)作機(jī)制，創(chuàng)建二元組標(biāo)簽保存緩存放置的信息并作用于后續(xù)的請(qǐng)求轉(zhuǎn)發(fā)。通過仿真對(duì)比表明，該文提出的協(xié)作混合緩存機(jī)制相較于傳統(tǒng)策略可以更好地平衡網(wǎng)絡(luò)資源利用和用戶體驗(yàn)，并在大型ISPs中拓展性更好。
2017, 39(11): 2748-2754.
doi: 10.11999/JEIT170229
摘要:
針對(duì)無線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤傳感器分配問題，考慮傳感器能量、帶寬、觀測(cè)距離和通信距離受限，該文提出一種基于勢(shì)博弈的分布式目標(biāo)跟蹤傳感器分配算法。算法基于目標(biāo)預(yù)測(cè)位置，以幾何精度衰減因子作為優(yōu)化準(zhǔn)則，建立了基于鄰居合作促進(jìn)整體最優(yōu)化的傳感器分配局部信息博弈模型，并證明了該模型是一個(gè)精確勢(shì)博弈模型，存在純策略納什均衡。在此基礎(chǔ)上，提出了一種并行最佳響應(yīng)動(dòng)態(tài)的傳感器分配方法，從理論上證明了所提算法只需要傳感器與一跳鄰居進(jìn)行信息交互，就能收斂到納什均衡并且擁有比傳統(tǒng)最佳響應(yīng)動(dòng)態(tài)更快的收斂速度。同時(shí)借鑒通信網(wǎng)中的載波偵聽多路訪問機(jī)制，設(shè)計(jì)了一種完全分布式的決策節(jié)點(diǎn)推選機(jī)制，更加符合無線傳感器網(wǎng)絡(luò)自組織的特性。仿真結(jié)果表明所提算法在收斂速度、跟蹤精度和能量有效性方面的優(yōu)勢(shì)。
針對(duì)無線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤傳感器分配問題，考慮傳感器能量、帶寬、觀測(cè)距離和通信距離受限，該文提出一種基于勢(shì)博弈的分布式目標(biāo)跟蹤傳感器分配算法。算法基于目標(biāo)預(yù)測(cè)位置，以幾何精度衰減因子作為優(yōu)化準(zhǔn)則，建立了基于鄰居合作促進(jìn)整體最優(yōu)化的傳感器分配局部信息博弈模型，并證明了該模型是一個(gè)精確勢(shì)博弈模型，存在純策略納什均衡。在此基礎(chǔ)上，提出了一種并行最佳響應(yīng)動(dòng)態(tài)的傳感器分配方法，從理論上證明了所提算法只需要傳感器與一跳鄰居進(jìn)行信息交互，就能收斂到納什均衡并且擁有比傳統(tǒng)最佳響應(yīng)動(dòng)態(tài)更快的收斂速度。同時(shí)借鑒通信網(wǎng)中的載波偵聽多路訪問機(jī)制，設(shè)計(jì)了一種完全分布式的決策節(jié)點(diǎn)推選機(jī)制，更加符合無線傳感器網(wǎng)絡(luò)自組織的特性。仿真結(jié)果表明所提算法在收斂速度、跟蹤精度和能量有效性方面的優(yōu)勢(shì)。
2017, 39(11): 2755-2762.
doi: 10.11999/JEIT170547
摘要:
基于Synopsys公司3D TCAD器件模擬，該文通過改變3種工藝參數(shù)，研究65 nm體硅CMOS工藝下PMOS晶體管工藝參數(shù)變化對(duì)靜態(tài)隨機(jī)存儲(chǔ)器(Static Random Access Memory, SRAM)存儲(chǔ)單元翻轉(zhuǎn)恢復(fù)效應(yīng)的影響。研究結(jié)果表明：降低PMOS晶體管的P+深阱摻雜濃度、N阱摻雜濃度或調(diào)閾摻雜濃度，有助于減小翻轉(zhuǎn)恢復(fù)所需的線性能量傳輸值(Linear Energy Transfer, LET)；通過降低PMOS晶體管的P+深阱摻雜濃度和N阱摻雜濃度，使翻轉(zhuǎn)恢復(fù)時(shí)間變長(zhǎng)。該文研究結(jié)論有助于優(yōu)化SRAM存儲(chǔ)單元抗單粒子效應(yīng)(Single-Event Effect, SEE)設(shè)計(jì)，并且可以指導(dǎo)體硅CMOS工藝下抗輻射集成電路的研究。
基于Synopsys公司3D TCAD器件模擬，該文通過改變3種工藝參數(shù)，研究65 nm體硅CMOS工藝下PMOS晶體管工藝參數(shù)變化對(duì)靜態(tài)隨機(jī)存儲(chǔ)器(Static Random Access Memory, SRAM)存儲(chǔ)單元翻轉(zhuǎn)恢復(fù)效應(yīng)的影響。研究結(jié)果表明：降低PMOS晶體管的P+深阱摻雜濃度、N阱摻雜濃度或調(diào)閾摻雜濃度，有助于減小翻轉(zhuǎn)恢復(fù)所需的線性能量傳輸值(Linear Energy Transfer, LET)；通過降低PMOS晶體管的P+深阱摻雜濃度和N阱摻雜濃度，使翻轉(zhuǎn)恢復(fù)時(shí)間變長(zhǎng)。該文研究結(jié)論有助于優(yōu)化SRAM存儲(chǔ)單元抗單粒子效應(yīng)(Single-Event Effect, SEE)設(shè)計(jì)，并且可以指導(dǎo)體硅CMOS工藝下抗輻射集成電路的研究。
2017, 39(11): 2763-2769.
doi: 10.11999/JEIT170210
摘要:
針對(duì)傳統(tǒng)的基于頻域目標(biāo)阻抗的去耦電容選擇方法存在過度設(shè)計(jì)的問題，該文提出基于最大時(shí)域瞬態(tài)噪聲的去耦電容選擇方法。首先，利用板級(jí)電流可由一系列三角脈沖近似合成這一性質(zhì)，推導(dǎo)出了去耦電容瞬態(tài)電壓噪聲達(dá)到局部最大值的時(shí)刻及時(shí)域瞬態(tài)阻抗應(yīng)該滿足的條件，并通過分析VRM支路最大瞬態(tài)電壓噪聲確定了去耦電容的去耦時(shí)間范圍；其次，通過研究去耦電容時(shí)域瞬態(tài)阻抗曲線的性質(zhì)和特點(diǎn)，制定了去耦電容的選擇標(biāo)準(zhǔn)。最后，提出基于最大時(shí)域瞬態(tài)噪聲的去耦設(shè)計(jì)方案。通過對(duì)4個(gè)具有典型激勵(lì)輸入的實(shí)例進(jìn)行去耦設(shè)計(jì)，結(jié)果表明，在輸入激勵(lì)條件相同且滿足電壓噪聲要求的前提下，與傳統(tǒng)頻域目標(biāo)阻抗法獲得的去耦方案相比，該文提出的算法所需電容數(shù)量至少能減少24.59%以上。
針對(duì)傳統(tǒng)的基于頻域目標(biāo)阻抗的去耦電容選擇方法存在過度設(shè)計(jì)的問題，該文提出基于最大時(shí)域瞬態(tài)噪聲的去耦電容選擇方法。首先，利用板級(jí)電流可由一系列三角脈沖近似合成這一性質(zhì)，推導(dǎo)出了去耦電容瞬態(tài)電壓噪聲達(dá)到局部最大值的時(shí)刻及時(shí)域瞬態(tài)阻抗應(yīng)該滿足的條件，并通過分析VRM支路最大瞬態(tài)電壓噪聲確定了去耦電容的去耦時(shí)間范圍；其次，通過研究去耦電容時(shí)域瞬態(tài)阻抗曲線的性質(zhì)和特點(diǎn)，制定了去耦電容的選擇標(biāo)準(zhǔn)。最后，提出基于最大時(shí)域瞬態(tài)噪聲的去耦設(shè)計(jì)方案。通過對(duì)4個(gè)具有典型激勵(lì)輸入的實(shí)例進(jìn)行去耦設(shè)計(jì)，結(jié)果表明，在輸入激勵(lì)條件相同且滿足電壓噪聲要求的前提下，與傳統(tǒng)頻域目標(biāo)阻抗法獲得的去耦方案相比，該文提出的算法所需電容數(shù)量至少能減少24.59%以上。
2017, 39(11): 2770-2776.
doi: 10.11999/JEIT170117
摘要:
目前對(duì)于液冷式速調(diào)管收集極的熱分析均未考慮到冷卻液流動(dòng)狀態(tài)對(duì)收集極整體的熱分布及散熱能力的影響。該文介紹了一種大功率速調(diào)管收集極散熱過程中的流固耦合換熱數(shù)值分析方法。以ANSYS Workbench中的CFX流體計(jì)算軟件作為分析平臺(tái)，對(duì)雙層水套溝槽型收集極結(jié)構(gòu)進(jìn)行了適當(dāng)簡(jiǎn)化，建立了3維參數(shù)化實(shí)體模型；仿真分析得到了冷卻通道內(nèi)部流體的3維流速分布、溫升、壓力分布及收集極體溫度分布等結(jié)果，并與理論計(jì)算結(jié)果進(jìn)行了對(duì)比，誤差在合理范圍內(nèi)，對(duì)于速調(diào)管大功率微波測(cè)試和收集極的優(yōu)化設(shè)計(jì)有較大的參考意義。
目前對(duì)于液冷式速調(diào)管收集極的熱分析均未考慮到冷卻液流動(dòng)狀態(tài)對(duì)收集極整體的熱分布及散熱能力的影響。該文介紹了一種大功率速調(diào)管收集極散熱過程中的流固耦合換熱數(shù)值分析方法。以ANSYS Workbench中的CFX流體計(jì)算軟件作為分析平臺(tái)，對(duì)雙層水套溝槽型收集極結(jié)構(gòu)進(jìn)行了適當(dāng)簡(jiǎn)化，建立了3維參數(shù)化實(shí)體模型；仿真分析得到了冷卻通道內(nèi)部流體的3維流速分布、溫升、壓力分布及收集極體溫度分布等結(jié)果，并與理論計(jì)算結(jié)果進(jìn)行了對(duì)比，誤差在合理范圍內(nèi)，對(duì)于速調(diào)管大功率微波測(cè)試和收集極的優(yōu)化設(shè)計(jì)有較大的參考意義。
2017, 39(11): 2777-2781.
doi: 10.11999/JEIT161267
摘要:
該文對(duì)Ka波段空間行波管寬頻帶、高線性、高效率的慢波系統(tǒng)進(jìn)行設(shè)計(jì)，通過動(dòng)態(tài)漸變技術(shù)實(shí)現(xiàn)了低相位失真、高效率的指標(biāo)要求。在此設(shè)計(jì)基礎(chǔ)上研制的Ka波段空間行波管實(shí)現(xiàn)了寬頻帶(25~27 GHz)、低非線性失真(非線性相移40 , AM/PM2.86/dB ，三階交調(diào)10.39 dBc)、高效率(總效率51.7%)。經(jīng)數(shù)傳系統(tǒng)測(cè)試，誤碼pe優(yōu)于10-6 的情況下C/N0有2.4 dB裕度，滿足了衛(wèi)星數(shù)傳系統(tǒng)對(duì)多通道并行傳輸方案的工作需求。
該文對(duì)Ka波段空間行波管寬頻帶、高線性、高效率的慢波系統(tǒng)進(jìn)行設(shè)計(jì)，通過動(dòng)態(tài)漸變技術(shù)實(shí)現(xiàn)了低相位失真、高效率的指標(biāo)要求。在此設(shè)計(jì)基礎(chǔ)上研制的Ka波段空間行波管實(shí)現(xiàn)了寬頻帶(25~27 GHz)、低非線性失真(非線性相移40 , AM/PM2.86/dB ，三階交調(diào)10.39 dBc)、高效率(總效率51.7%)。經(jīng)數(shù)傳系統(tǒng)測(cè)試，誤碼pe優(yōu)于10-6 的情況下C/N0有2.4 dB裕度，滿足了衛(wèi)星數(shù)傳系統(tǒng)對(duì)多通道并行傳輸方案的工作需求。
2017, 39(11): 2782-2789.
doi: 10.11999/JEIT170107
摘要:
該文通過通信裝備帶內(nèi)電磁干擾效應(yīng)機(jī)理研究，分別以峰值場(chǎng)強(qiáng)敏感和平均功率敏感為基礎(chǔ)，建立了兩種用頻裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)模型，提出一種電磁干擾預(yù)測(cè)方法。首先通過單頻和調(diào)幅波試驗(yàn)確定受試裝備的敏感參量，然后根據(jù)不同敏感參量模型對(duì)某電磁環(huán)境下受試裝備是否會(huì)受到干擾進(jìn)行預(yù)測(cè)。該文以不同制式通用通信裝備為試驗(yàn)對(duì)象，通過帶內(nèi)雙頻、帶內(nèi)三頻電磁輻射效應(yīng)試驗(yàn)對(duì)預(yù)測(cè)方法進(jìn)行了驗(yàn)證。試驗(yàn)結(jié)果表明：通過單頻和調(diào)幅連續(xù)波電磁輻射敏感度之間的差別能夠區(qū)分受試設(shè)備符合哪種帶內(nèi)多頻電磁干擾預(yù)測(cè)模型，對(duì)干擾峰值場(chǎng)強(qiáng)敏感的EUT1預(yù)測(cè)模型效應(yīng)指數(shù)都略大于1，對(duì)干擾平均功率敏感的EUT2預(yù)測(cè)模型效應(yīng)指數(shù)都在1左右。以此為基礎(chǔ)提出了通信裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)方法，能夠有效解決通信裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)問題。
該文通過通信裝備帶內(nèi)電磁干擾效應(yīng)機(jī)理研究，分別以峰值場(chǎng)強(qiáng)敏感和平均功率敏感為基礎(chǔ)，建立了兩種用頻裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)模型，提出一種電磁干擾預(yù)測(cè)方法。首先通過單頻和調(diào)幅波試驗(yàn)確定受試裝備的敏感參量，然后根據(jù)不同敏感參量模型對(duì)某電磁環(huán)境下受試裝備是否會(huì)受到干擾進(jìn)行預(yù)測(cè)。該文以不同制式通用通信裝備為試驗(yàn)對(duì)象，通過帶內(nèi)雙頻、帶內(nèi)三頻電磁輻射效應(yīng)試驗(yàn)對(duì)預(yù)測(cè)方法進(jìn)行了驗(yàn)證。試驗(yàn)結(jié)果表明：通過單頻和調(diào)幅連續(xù)波電磁輻射敏感度之間的差別能夠區(qū)分受試設(shè)備符合哪種帶內(nèi)多頻電磁干擾預(yù)測(cè)模型，對(duì)干擾峰值場(chǎng)強(qiáng)敏感的EUT1預(yù)測(cè)模型效應(yīng)指數(shù)都略大于1，對(duì)干擾平均功率敏感的EUT2預(yù)測(cè)模型效應(yīng)指數(shù)都在1左右。以此為基礎(chǔ)提出了通信裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)方法，能夠有效解決通信裝備帶內(nèi)多頻電磁干擾預(yù)測(cè)問題。
2017, 39(11): 2790-2794.
doi: 10.11999/JEIT170111
摘要:
該文設(shè)計(jì)并制作了一種基于超材料的高增益寬帶雙極化天線，該天線由兩個(gè)正交放置的印刷振子單元、饋電巴倫及金屬接地板構(gòu)成。為了進(jìn)一步展寬帶寬、提高增益，在天線上了加載開口諧振環(huán)、互補(bǔ)開口諧振環(huán)等超材料結(jié)構(gòu)。測(cè)試結(jié)果表明，該天線回波損耗小于-10 dB的帶寬約為69%(0.98~2.01 GHz)，在相同的頻帶內(nèi)隔離度大于20 dB。由于開口諧振環(huán)的引向作用，天線的輻射特性得到改善，增益最大提高了4.1 dB左右。和已有設(shè)計(jì)相比，該天線的總體高度減小了約12%。其可以當(dāng)作獨(dú)立天線使用，也可用作反射面天線的雙極化饋源。
該文設(shè)計(jì)并制作了一種基于超材料的高增益寬帶雙極化天線，該天線由兩個(gè)正交放置的印刷振子單元、饋電巴倫及金屬接地板構(gòu)成。為了進(jìn)一步展寬帶寬、提高增益，在天線上了加載開口諧振環(huán)、互補(bǔ)開口諧振環(huán)等超材料結(jié)構(gòu)。測(cè)試結(jié)果表明，該天線回波損耗小于-10 dB的帶寬約為69%(0.98~2.01 GHz)，在相同的頻帶內(nèi)隔離度大于20 dB。由于開口諧振環(huán)的引向作用，天線的輻射特性得到改善，增益最大提高了4.1 dB左右。和已有設(shè)計(jì)相比，該天線的總體高度減小了約12%。其可以當(dāng)作獨(dú)立天線使用，也可用作反射面天線的雙極化饋源。
