郵件訂閱
2018年 第40卷 第12期
2018, 40(12): 2795-2803.
doi: 10.11999/JEIT180229
摘要:
該文提出一種基于判別式聚類框架的非監(jiān)督極化SAR圖像分類算法，利用判別式監(jiān)督分類技術(shù)實(shí)現(xiàn)非監(jiān)督聚類。為實(shí)現(xiàn)該算法，定義了一個(gè)結(jié)合softmax回歸模型和馬爾科夫隨機(jī)場(chǎng)光滑性約束的能量函數(shù)。該模型中，像素類標(biāo)和分類器均為需要優(yōu)化的未知變量。該算法從基于 \begin{document}${H / {\bar \alpha }}$\end{document} ![]()
![]()
目標(biāo)極化分解和K-Wishart極化統(tǒng)計(jì)分布而產(chǎn)生的初始化類標(biāo)開(kāi)始，交替迭代優(yōu)化分類器和類標(biāo)的能量函數(shù)，從而實(shí)現(xiàn)對(duì)分類器和類標(biāo)的求解。真實(shí)極化SAR數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果證明了該算法的有效性和先進(jìn)性。
該文提出一種基于判別式聚類框架的非監(jiān)督極化SAR圖像分類算法，利用判別式監(jiān)督分類技術(shù)實(shí)現(xiàn)非監(jiān)督聚類。為實(shí)現(xiàn)該算法，定義了一個(gè)結(jié)合softmax回歸模型和馬爾科夫隨機(jī)場(chǎng)光滑性約束的能量函數(shù)。該模型中，像素類標(biāo)和分類器均為需要優(yōu)化的未知變量。該算法從基于
2018, 40(12): 2804-2811.
doi: 10.11999/JEIT180263
摘要:
為提升全色圖像和多光譜圖像的融合效果，該文提出基于優(yōu)化字典學(xué)習(xí)的遙感圖像融合方法。首先將經(jīng)典圖像庫(kù)中的圖像分塊作為訓(xùn)練樣本，對(duì)其進(jìn)行K均值聚類，根據(jù)聚類結(jié)果適度裁減數(shù)量較多且相似度較高的圖像塊，減少訓(xùn)練樣本個(gè)數(shù)。接著對(duì)裁減后的訓(xùn)練樣本進(jìn)行訓(xùn)練，得到通用性字典，并標(biāo)記出相似字典原子和較少使用的字典原子。然后用與原稀疏模型差異最大的全色圖像塊規(guī)范化后替換相似字典原子和較少使用的字典原子，得到自適應(yīng)字典。使用自適應(yīng)字典對(duì)多光譜圖像經(jīng)IHS變換后獲取的亮度分量和源全色圖像進(jìn)行稀疏表示，把每一個(gè)圖像塊稀疏系數(shù)中的模極大值系數(shù)分離，得到極大值稀疏系數(shù)，將剩下的稀疏系數(shù)稱為剩余稀疏系數(shù)。針對(duì)極大值稀疏系數(shù)和剩余稀疏系數(shù)分別選擇不同的融合規(guī)則進(jìn)行融合，以保留更多的光譜信息和空間細(xì)節(jié)信息，最后進(jìn)行IHS逆變換獲得融合圖像。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比所提方法得到的融合圖像主觀視覺(jué)效果較好，且客觀評(píng)價(jià)指標(biāo)更優(yōu)。
為提升全色圖像和多光譜圖像的融合效果，該文提出基于優(yōu)化字典學(xué)習(xí)的遙感圖像融合方法。首先將經(jīng)典圖像庫(kù)中的圖像分塊作為訓(xùn)練樣本，對(duì)其進(jìn)行K均值聚類，根據(jù)聚類結(jié)果適度裁減數(shù)量較多且相似度較高的圖像塊，減少訓(xùn)練樣本個(gè)數(shù)。接著對(duì)裁減后的訓(xùn)練樣本進(jìn)行訓(xùn)練，得到通用性字典，并標(biāo)記出相似字典原子和較少使用的字典原子。然后用與原稀疏模型差異最大的全色圖像塊規(guī)范化后替換相似字典原子和較少使用的字典原子，得到自適應(yīng)字典。使用自適應(yīng)字典對(duì)多光譜圖像經(jīng)IHS變換后獲取的亮度分量和源全色圖像進(jìn)行稀疏表示，把每一個(gè)圖像塊稀疏系數(shù)中的模極大值系數(shù)分離，得到極大值稀疏系數(shù)，將剩下的稀疏系數(shù)稱為剩余稀疏系數(shù)。針對(duì)極大值稀疏系數(shù)和剩余稀疏系數(shù)分別選擇不同的融合規(guī)則進(jìn)行融合，以保留更多的光譜信息和空間細(xì)節(jié)信息，最后進(jìn)行IHS逆變換獲得融合圖像。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)方法相比所提方法得到的融合圖像主觀視覺(jué)效果較好，且客觀評(píng)價(jià)指標(biāo)更優(yōu)。
2018, 40(12): 2812-2819.
doi: 10.11999/JEIT180209
摘要:
車輛檢測(cè)是遙感圖像分析領(lǐng)域的熱點(diǎn)研究?jī)?nèi)容之一，車輛目標(biāo)的智能提取和識(shí)別，對(duì)于交通管理、城市建設(shè)有重要意義。在遙感領(lǐng)域中，現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測(cè)方法存在實(shí)現(xiàn)過(guò)程復(fù)雜并且對(duì)于車輛密集區(qū)域檢測(cè)效果不理想的缺陷。針對(duì)上述問(wèn)題，該文提出基于端到端的神經(jīng)網(wǎng)絡(luò)模型DF-RCNN以提高車輛密集區(qū)域的檢測(cè)精度。首先，在特征提取階段，DF-RCNN模型將深淺層特征圖的分辨率統(tǒng)一并融合；其次，DF-RCNN模型結(jié)合可變形卷積和可變形感興趣區(qū)池化模塊，通過(guò)加入少量的參數(shù)和計(jì)算量以學(xué)習(xí)目標(biāo)的幾何形變。實(shí)驗(yàn)結(jié)果表明，該文提出的模型針對(duì)密集區(qū)域的車輛目標(biāo)具有較好的檢測(cè)性能。
車輛檢測(cè)是遙感圖像分析領(lǐng)域的熱點(diǎn)研究?jī)?nèi)容之一，車輛目標(biāo)的智能提取和識(shí)別，對(duì)于交通管理、城市建設(shè)有重要意義。在遙感領(lǐng)域中，現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測(cè)方法存在實(shí)現(xiàn)過(guò)程復(fù)雜并且對(duì)于車輛密集區(qū)域檢測(cè)效果不理想的缺陷。針對(duì)上述問(wèn)題，該文提出基于端到端的神經(jīng)網(wǎng)絡(luò)模型DF-RCNN以提高車輛密集區(qū)域的檢測(cè)精度。首先，在特征提取階段，DF-RCNN模型將深淺層特征圖的分辨率統(tǒng)一并融合；其次，DF-RCNN模型結(jié)合可變形卷積和可變形感興趣區(qū)池化模塊，通過(guò)加入少量的參數(shù)和計(jì)算量以學(xué)習(xí)目標(biāo)的幾何形變。實(shí)驗(yàn)結(jié)果表明，該文提出的模型針對(duì)密集區(qū)域的車輛目標(biāo)具有較好的檢測(cè)性能。
2018, 40(12): 2820-2825.
doi: 10.11999/JEIT180177
摘要:
傳統(tǒng)合成孔徑雷達(dá)方位向分辨率僅由合成孔徑提供，但在正前視區(qū)域多普勒分集有限，成像性能迅速下降且前視成像也存在固有的左右多普勒模糊問(wèn)題。針對(duì)上述問(wèn)題該文討論前視多通道合成孔徑雷達(dá)系統(tǒng)模型，提出一種理想直線航跡下空域零點(diǎn)約束自適應(yīng)波束形成的成像方法，有效綜合陣列實(shí)孔徑和合成孔徑提高正前視區(qū)域的成像質(zhì)量，利用有限陣列空域自由度實(shí)現(xiàn)左右多普勒解模糊。首先對(duì)回波數(shù)據(jù)大前斜成像處理，得到左右模糊的圖像，然后進(jìn)行波束形成，將各通道圖像加權(quán)并且相干累加，實(shí)現(xiàn)左右多普勒解模糊以及方位分辨率增強(qiáng)。仿真實(shí)驗(yàn)表明空域零點(diǎn)約束自適應(yīng)波束形成的成像方法可對(duì)前視場(chǎng)景進(jìn)行高分辨成像。
傳統(tǒng)合成孔徑雷達(dá)方位向分辨率僅由合成孔徑提供，但在正前視區(qū)域多普勒分集有限，成像性能迅速下降且前視成像也存在固有的左右多普勒模糊問(wèn)題。針對(duì)上述問(wèn)題該文討論前視多通道合成孔徑雷達(dá)系統(tǒng)模型，提出一種理想直線航跡下空域零點(diǎn)約束自適應(yīng)波束形成的成像方法，有效綜合陣列實(shí)孔徑和合成孔徑提高正前視區(qū)域的成像質(zhì)量，利用有限陣列空域自由度實(shí)現(xiàn)左右多普勒解模糊。首先對(duì)回波數(shù)據(jù)大前斜成像處理，得到左右模糊的圖像，然后進(jìn)行波束形成，將各通道圖像加權(quán)并且相干累加，實(shí)現(xiàn)左右多普勒解模糊以及方位分辨率增強(qiáng)。仿真實(shí)驗(yàn)表明空域零點(diǎn)約束自適應(yīng)波束形成的成像方法可對(duì)前視場(chǎng)景進(jìn)行高分辨成像。
2018, 40(12): 2826-2833.
doi: 10.11999/JEIT180039
摘要:
在多基地雷達(dá)中，該文為解決局部雷達(dá)站同融合中心之間通信帶寬受限的問(wèn)題，提出一種基于刪失數(shù)據(jù)的分布式融合(CDDF)檢測(cè)算法。在局部雷達(dá)站具有多通道接收系統(tǒng)的條件下，計(jì)算了雜波背景下動(dòng)目標(biāo)回波信號(hào)的似然比函數(shù)。各個(gè)局部雷達(dá)站根據(jù)其自身傳輸信道的通信限制設(shè)置局部門(mén)限，剔除低于局部門(mén)限的似然比，同時(shí)將高于局部門(mén)限的似然比向融合中心傳輸?；谀温?皮爾遜引理，融合中心根據(jù)接收到的刪失數(shù)據(jù)計(jì)算全局檢驗(yàn)統(tǒng)計(jì)量，并將其與全局門(mén)限進(jìn)行比較獲得全局判決。此外，該文推導(dǎo)了全局門(mén)限同虛警概率或者檢測(cè)概率的閉式表達(dá)式。數(shù)值仿真表明，該算法可以在大幅降低通信率的同時(shí)獲得比“或”準(zhǔn)則更好的檢測(cè)性能，并且隨著通信率的增加逐漸逼近集中式(CF)融合的檢測(cè)性能。
在多基地雷達(dá)中，該文為解決局部雷達(dá)站同融合中心之間通信帶寬受限的問(wèn)題，提出一種基于刪失數(shù)據(jù)的分布式融合(CDDF)檢測(cè)算法。在局部雷達(dá)站具有多通道接收系統(tǒng)的條件下，計(jì)算了雜波背景下動(dòng)目標(biāo)回波信號(hào)的似然比函數(shù)。各個(gè)局部雷達(dá)站根據(jù)其自身傳輸信道的通信限制設(shè)置局部門(mén)限，剔除低于局部門(mén)限的似然比，同時(shí)將高于局部門(mén)限的似然比向融合中心傳輸?；谀温?皮爾遜引理，融合中心根據(jù)接收到的刪失數(shù)據(jù)計(jì)算全局檢驗(yàn)統(tǒng)計(jì)量，并將其與全局門(mén)限進(jìn)行比較獲得全局判決。此外，該文推導(dǎo)了全局門(mén)限同虛警概率或者檢測(cè)概率的閉式表達(dá)式。數(shù)值仿真表明，該算法可以在大幅降低通信率的同時(shí)獲得比“或”準(zhǔn)則更好的檢測(cè)性能，并且隨著通信率的增加逐漸逼近集中式(CF)融合的檢測(cè)性能。
2018, 40(12): 2834-2840.
doi: 10.11999/JEIT180079
摘要:
為了提高SAR系統(tǒng)的分辨率，在距離向可以通過(guò)發(fā)射一系列不同載頻的窄帶信號(hào)，通過(guò)信號(hào)處理的方法實(shí)現(xiàn)帶寬合成，進(jìn)而得到等效大帶寬信號(hào)對(duì)應(yīng)的分辨率。為有效實(shí)現(xiàn)帶寬合成，要求不同子帶回波的載頻步進(jìn)值嚴(yán)格已知，這在某些實(shí)際應(yīng)用環(huán)境中，并不能總是滿足，因而需要從回波數(shù)據(jù)中直接估計(jì)步進(jìn)值。該文提出一種基于子帶回波數(shù)據(jù)的載頻誤差估計(jì)與補(bǔ)償方法。該方法基于壓縮后子帶回波數(shù)據(jù)多普勒相位與載頻的關(guān)系，對(duì)子帶圖像進(jìn)行干涉處理，提取差分相位，并利用差分相位沿方位向的冗余進(jìn)行相干積累，獲得以實(shí)際載頻步進(jìn)值為振蕩頻率的單頻信號(hào)，進(jìn)而通過(guò)頻譜分析方法得到誤差頻率，并對(duì)子帶間相位誤差進(jìn)行補(bǔ)償。通過(guò)該方法，能夠?qū)崿F(xiàn)子帶信號(hào)的相干合成，提升了SAR數(shù)據(jù)成像質(zhì)量。實(shí)驗(yàn)數(shù)據(jù)的處理結(jié)果驗(yàn)證了該方法的有效性。
為了提高SAR系統(tǒng)的分辨率，在距離向可以通過(guò)發(fā)射一系列不同載頻的窄帶信號(hào)，通過(guò)信號(hào)處理的方法實(shí)現(xiàn)帶寬合成，進(jìn)而得到等效大帶寬信號(hào)對(duì)應(yīng)的分辨率。為有效實(shí)現(xiàn)帶寬合成，要求不同子帶回波的載頻步進(jìn)值嚴(yán)格已知，這在某些實(shí)際應(yīng)用環(huán)境中，并不能總是滿足，因而需要從回波數(shù)據(jù)中直接估計(jì)步進(jìn)值。該文提出一種基于子帶回波數(shù)據(jù)的載頻誤差估計(jì)與補(bǔ)償方法。該方法基于壓縮后子帶回波數(shù)據(jù)多普勒相位與載頻的關(guān)系，對(duì)子帶圖像進(jìn)行干涉處理，提取差分相位，并利用差分相位沿方位向的冗余進(jìn)行相干積累，獲得以實(shí)際載頻步進(jìn)值為振蕩頻率的單頻信號(hào)，進(jìn)而通過(guò)頻譜分析方法得到誤差頻率，并對(duì)子帶間相位誤差進(jìn)行補(bǔ)償。通過(guò)該方法，能夠?qū)崿F(xiàn)子帶信號(hào)的相干合成，提升了SAR數(shù)據(jù)成像質(zhì)量。實(shí)驗(yàn)數(shù)據(jù)的處理結(jié)果驗(yàn)證了該方法的有效性。
2018, 40(12): 2841-2847.
doi: 10.11999/JEIT180097
摘要:
在無(wú)源雷達(dá)系統(tǒng)中，監(jiān)測(cè)通道信號(hào)中存在零頻和非零頻多徑雜波，影響目標(biāo)的檢測(cè)。時(shí)域自適應(yīng)迭代濾波器(如LMS, NLMS, RLS等)常被用于無(wú)源雷達(dá)雜波抑制，但這些方法只適用于零頻多徑雜波。該文針對(duì)零頻和非零頻多徑雜波的問(wèn)題，結(jié)合數(shù)字廣播電視信號(hào)的正交頻分復(fù)用波形特征，提出一種基于載波域自適應(yīng)迭代濾波器的雜波抑制算法。該算法利用同一載頻下含有相同多普勒頻移的多徑雜波的相關(guān)性原理，進(jìn)行雜波抑制。仿真和實(shí)測(cè)數(shù)據(jù)處理結(jié)果證明了算法的有效性。
在無(wú)源雷達(dá)系統(tǒng)中，監(jiān)測(cè)通道信號(hào)中存在零頻和非零頻多徑雜波，影響目標(biāo)的檢測(cè)。時(shí)域自適應(yīng)迭代濾波器(如LMS, NLMS, RLS等)常被用于無(wú)源雷達(dá)雜波抑制，但這些方法只適用于零頻多徑雜波。該文針對(duì)零頻和非零頻多徑雜波的問(wèn)題，結(jié)合數(shù)字廣播電視信號(hào)的正交頻分復(fù)用波形特征，提出一種基于載波域自適應(yīng)迭代濾波器的雜波抑制算法。該算法利用同一載頻下含有相同多普勒頻移的多徑雜波的相關(guān)性原理，進(jìn)行雜波抑制。仿真和實(shí)測(cè)數(shù)據(jù)處理結(jié)果證明了算法的有效性。
2018, 40(12): 2848-2853.
doi: 10.11999/JEIT180294
摘要:
可分辨概率是用來(lái)衡量SAR分布目標(biāo)分辨特性的重要指標(biāo)。該文在細(xì)化目標(biāo)可分辨條件的基礎(chǔ)上，結(jié)合SAR分布目標(biāo)統(tǒng)計(jì)特性，提出一種新的目標(biāo)可分辨判斷準(zhǔn)則，給出一種可分辨概率精確計(jì)算方法。同時(shí)為了簡(jiǎn)化計(jì)算，給出計(jì)算復(fù)雜度更小的近似計(jì)算方法。仿真結(jié)果表明，該文提出的可分辨概率計(jì)算方法符合實(shí)際情況，能夠更真實(shí)地反映SAR分布目標(biāo)統(tǒng)計(jì)特性對(duì)分辨特性的影響，可為SAR圖像質(zhì)量評(píng)估和系統(tǒng)參數(shù)設(shè)計(jì)等提供理論支撐。
可分辨概率是用來(lái)衡量SAR分布目標(biāo)分辨特性的重要指標(biāo)。該文在細(xì)化目標(biāo)可分辨條件的基礎(chǔ)上，結(jié)合SAR分布目標(biāo)統(tǒng)計(jì)特性，提出一種新的目標(biāo)可分辨判斷準(zhǔn)則，給出一種可分辨概率精確計(jì)算方法。同時(shí)為了簡(jiǎn)化計(jì)算，給出計(jì)算復(fù)雜度更小的近似計(jì)算方法。仿真結(jié)果表明，該文提出的可分辨概率計(jì)算方法符合實(shí)際情況，能夠更真實(shí)地反映SAR分布目標(biāo)統(tǒng)計(jì)特性對(duì)分辨特性的影響，可為SAR圖像質(zhì)量評(píng)估和系統(tǒng)參數(shù)設(shè)計(jì)等提供理論支撐。
2018, 40(12): 2854-2860.
doi: 10.11999/JEIT180115
摘要:
為了更好地將散射中心與目標(biāo)結(jié)構(gòu)聯(lián)系起來(lái)，該文基于目標(biāo)幾何模型給出一種在單次和2次耦合散射機(jī)理下雷達(dá)目標(biāo)部件級(jí)3維散射中心位置正向推算方法。重點(diǎn)探究了2次耦合散射機(jī)理下強(qiáng)散射情況的射線等效位置確定原理及方法。對(duì)其他弱散射情況，應(yīng)用等價(jià)變換等效為強(qiáng)散射情況。最后，使用此位置推算方法推導(dǎo)并分析了直角二面角，鈍角二面角，SLICY, T72坦克模型的部件級(jí)3維散射中心位置，并與相應(yīng)的仿真或?qū)崪y(cè)SAR圖像進(jìn)行比對(duì)以驗(yàn)證此位置推算方法的正確性。
為了更好地將散射中心與目標(biāo)結(jié)構(gòu)聯(lián)系起來(lái)，該文基于目標(biāo)幾何模型給出一種在單次和2次耦合散射機(jī)理下雷達(dá)目標(biāo)部件級(jí)3維散射中心位置正向推算方法。重點(diǎn)探究了2次耦合散射機(jī)理下強(qiáng)散射情況的射線等效位置確定原理及方法。對(duì)其他弱散射情況，應(yīng)用等價(jià)變換等效為強(qiáng)散射情況。最后，使用此位置推算方法推導(dǎo)并分析了直角二面角，鈍角二面角，SLICY, T72坦克模型的部件級(jí)3維散射中心位置，并與相應(yīng)的仿真或?qū)崪y(cè)SAR圖像進(jìn)行比對(duì)以驗(yàn)證此位置推算方法的正確性。
2018, 40(12): 2861-2867.
doi: 10.11999/JEIT180212
摘要:
該文基于隨機(jī)有限集的多目標(biāo)濾波器提出一種基于目標(biāo)威脅度評(píng)估的傳感器控制策略。首先，在部分可觀測(cè)馬爾科夫決策過(guò)程(POMDP)的理論框架下，給出基于信息論的傳感器控制一般方法。其次，結(jié)合目標(biāo)運(yùn)動(dòng)態(tài)勢(shì)對(duì)影響目標(biāo)威脅度的因素進(jìn)行分析。然后，基于粒子多目標(biāo)濾波器估計(jì)多目標(biāo)狀態(tài)，依據(jù)多目標(biāo)運(yùn)動(dòng)態(tài)勢(shì)的評(píng)估研究建立多目標(biāo)威脅水平，并從多目標(biāo)分布特性中深入分析并提取出當(dāng)前時(shí)刻最大威脅度目標(biāo)的分布特性。最后，利用Rényi散度作為傳感器控制的評(píng)價(jià)指標(biāo)，以最大威脅度目標(biāo)的信息增益最大化為準(zhǔn)則進(jìn)行最終控制方案的求解。仿真實(shí)驗(yàn)驗(yàn)證了該方法的實(shí)用性和有效性。
該文基于隨機(jī)有限集的多目標(biāo)濾波器提出一種基于目標(biāo)威脅度評(píng)估的傳感器控制策略。首先，在部分可觀測(cè)馬爾科夫決策過(guò)程(POMDP)的理論框架下，給出基于信息論的傳感器控制一般方法。其次，結(jié)合目標(biāo)運(yùn)動(dòng)態(tài)勢(shì)對(duì)影響目標(biāo)威脅度的因素進(jìn)行分析。然后，基于粒子多目標(biāo)濾波器估計(jì)多目標(biāo)狀態(tài)，依據(jù)多目標(biāo)運(yùn)動(dòng)態(tài)勢(shì)的評(píng)估研究建立多目標(biāo)威脅水平，并從多目標(biāo)分布特性中深入分析并提取出當(dāng)前時(shí)刻最大威脅度目標(biāo)的分布特性。最后，利用Rényi散度作為傳感器控制的評(píng)價(jià)指標(biāo)，以最大威脅度目標(biāo)的信息增益最大化為準(zhǔn)則進(jìn)行最終控制方案的求解。仿真實(shí)驗(yàn)驗(yàn)證了該方法的實(shí)用性和有效性。
2018, 40(12): 2868-2873.
doi: 10.11999/JEIT180147
摘要:
Wi-Fi室內(nèi)定位技術(shù)是目前移動(dòng)計(jì)算領(lǐng)域的研究熱點(diǎn)之一，而傳統(tǒng)位置指紋定位方法沒(méi)有考慮復(fù)雜室內(nèi)環(huán)境下Wi-Fi信號(hào)分布的多樣性問(wèn)題，從而導(dǎo)致Wi-Fi室內(nèi)定位系統(tǒng)的魯棒性較差。為了解決這一問(wèn)題，該文提出一種基于信號(hào)分布混合假設(shè)檢驗(yàn)的Wi-Fi室內(nèi)定位方法。首先根據(jù)Jarque-Bera(JB)檢驗(yàn)結(jié)果對(duì)各個(gè)參考點(diǎn)處的Wi-Fi信號(hào)分布進(jìn)行正態(tài)性評(píng)價(jià)；然后針對(duì)不同Wi-Fi信號(hào)分布特性，利用混合Mann-Whitney U檢驗(yàn)/T檢驗(yàn)方法構(gòu)造匹配參考點(diǎn)集合，以實(shí)現(xiàn)對(duì)目標(biāo)的區(qū)域定位；最后通過(guò)計(jì)算定位區(qū)域中匹配參考點(diǎn)的K近鄰(K-Nearest Neighbor, KNN)，完成對(duì)目標(biāo)的位置坐標(biāo)估計(jì)。實(shí)驗(yàn)結(jié)果表明，所提方法相比于傳統(tǒng)Wi-Fi室內(nèi)定位方法具有更高的定位精度和更強(qiáng)的系統(tǒng)魯棒性。
Wi-Fi室內(nèi)定位技術(shù)是目前移動(dòng)計(jì)算領(lǐng)域的研究熱點(diǎn)之一，而傳統(tǒng)位置指紋定位方法沒(méi)有考慮復(fù)雜室內(nèi)環(huán)境下Wi-Fi信號(hào)分布的多樣性問(wèn)題，從而導(dǎo)致Wi-Fi室內(nèi)定位系統(tǒng)的魯棒性較差。為了解決這一問(wèn)題，該文提出一種基于信號(hào)分布混合假設(shè)檢驗(yàn)的Wi-Fi室內(nèi)定位方法。首先根據(jù)Jarque-Bera(JB)檢驗(yàn)結(jié)果對(duì)各個(gè)參考點(diǎn)處的Wi-Fi信號(hào)分布進(jìn)行正態(tài)性評(píng)價(jià)；然后針對(duì)不同Wi-Fi信號(hào)分布特性，利用混合Mann-Whitney U檢驗(yàn)/T檢驗(yàn)方法構(gòu)造匹配參考點(diǎn)集合，以實(shí)現(xiàn)對(duì)目標(biāo)的區(qū)域定位；最后通過(guò)計(jì)算定位區(qū)域中匹配參考點(diǎn)的K近鄰(K-Nearest Neighbor, KNN)，完成對(duì)目標(biāo)的位置坐標(biāo)估計(jì)。實(shí)驗(yàn)結(jié)果表明，所提方法相比于傳統(tǒng)Wi-Fi室內(nèi)定位方法具有更高的定位精度和更強(qiáng)的系統(tǒng)魯棒性。
2018, 40(12): 2874-2880.
doi: 10.11999/JEIT180225
摘要:
針對(duì)自適應(yīng)波束形成器在目標(biāo)導(dǎo)向矢量存在約束偏差時(shí)性能急劇下降的問(wèn)題，該文提出一種目標(biāo)導(dǎo)向矢量和干擾噪聲協(xié)方差矩陣聯(lián)合迭代估計(jì)的穩(wěn)健波束形成算法。該算法首先采用稀疏重構(gòu)的方法得到目標(biāo)導(dǎo)向矢量的初始值，并通過(guò)從采樣協(xié)方差矩陣中剔除目標(biāo)信號(hào)估計(jì)值完成干擾加噪聲協(xié)方差矩陣的初始化；然后在建立導(dǎo)向矢量誤差優(yōu)化模型的基礎(chǔ)上，采用凸優(yōu)化方法對(duì)目標(biāo)導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣聯(lián)合迭代求解。最后利用目標(biāo)導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣的穩(wěn)態(tài)估計(jì)值獲得自適應(yīng)權(quán)矢量。仿真結(jié)果表明該算法提高了波束形成器在目標(biāo)導(dǎo)向矢量約束偏差時(shí)的輸出信干噪比。
針對(duì)自適應(yīng)波束形成器在目標(biāo)導(dǎo)向矢量存在約束偏差時(shí)性能急劇下降的問(wèn)題，該文提出一種目標(biāo)導(dǎo)向矢量和干擾噪聲協(xié)方差矩陣聯(lián)合迭代估計(jì)的穩(wěn)健波束形成算法。該算法首先采用稀疏重構(gòu)的方法得到目標(biāo)導(dǎo)向矢量的初始值，并通過(guò)從采樣協(xié)方差矩陣中剔除目標(biāo)信號(hào)估計(jì)值完成干擾加噪聲協(xié)方差矩陣的初始化；然后在建立導(dǎo)向矢量誤差優(yōu)化模型的基礎(chǔ)上，采用凸優(yōu)化方法對(duì)目標(biāo)導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣聯(lián)合迭代求解。最后利用目標(biāo)導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣的穩(wěn)態(tài)估計(jì)值獲得自適應(yīng)權(quán)矢量。仿真結(jié)果表明該算法提高了波束形成器在目標(biāo)導(dǎo)向矢量約束偏差時(shí)的輸出信干噪比。
2018, 40(12): 2881-2888.
doi: 10.11999/JEIT171058
摘要:
在相干分布式非圓信號(hào)2維波達(dá)方向(DOA)估計(jì)中，針對(duì)利用非圓特性后維數(shù)擴(kuò)展帶來(lái)的較大復(fù)雜度問(wèn)題，且現(xiàn)有的低復(fù)雜度算法均需要額外的參數(shù)匹配，該文提出一種基于互相關(guān)傳播算子的自動(dòng)匹配2維DOA快速估計(jì)算法。該算法考慮L型陣列，在建立相干分布式非圓信號(hào)擴(kuò)展陣列模型的基礎(chǔ)上，首先證明了L陣中兩個(gè)子陣的廣義方向矢量(GSV)均具有近似旋轉(zhuǎn)不變特性，然后通過(guò)陣列輸出信號(hào)的互相關(guān)運(yùn)算消除了額外噪聲，最終利用子陣GSV的近似旋轉(zhuǎn)不變關(guān)系通過(guò)傳播算子方法得到中心方位角與俯仰角估計(jì)。理論分析和仿真實(shí)驗(yàn)表明，所提算法無(wú)須譜峰搜索和協(xié)方差矩陣特征分解運(yùn)算，具有較低的計(jì)算復(fù)雜度，并且能夠?qū)崿F(xiàn)2維DOA估計(jì)的自動(dòng)匹配；同時(shí)，相比于現(xiàn)有的相干分布式非圓信號(hào)傳播算子算法，所提算法以較小的復(fù)雜度代價(jià)獲得了性能的較大提升。
在相干分布式非圓信號(hào)2維波達(dá)方向(DOA)估計(jì)中，針對(duì)利用非圓特性后維數(shù)擴(kuò)展帶來(lái)的較大復(fù)雜度問(wèn)題，且現(xiàn)有的低復(fù)雜度算法均需要額外的參數(shù)匹配，該文提出一種基于互相關(guān)傳播算子的自動(dòng)匹配2維DOA快速估計(jì)算法。該算法考慮L型陣列，在建立相干分布式非圓信號(hào)擴(kuò)展陣列模型的基礎(chǔ)上，首先證明了L陣中兩個(gè)子陣的廣義方向矢量(GSV)均具有近似旋轉(zhuǎn)不變特性，然后通過(guò)陣列輸出信號(hào)的互相關(guān)運(yùn)算消除了額外噪聲，最終利用子陣GSV的近似旋轉(zhuǎn)不變關(guān)系通過(guò)傳播算子方法得到中心方位角與俯仰角估計(jì)。理論分析和仿真實(shí)驗(yàn)表明，所提算法無(wú)須譜峰搜索和協(xié)方差矩陣特征分解運(yùn)算，具有較低的計(jì)算復(fù)雜度，并且能夠?qū)崿F(xiàn)2維DOA估計(jì)的自動(dòng)匹配；同時(shí)，相比于現(xiàn)有的相干分布式非圓信號(hào)傳播算子算法，所提算法以較小的復(fù)雜度代價(jià)獲得了性能的較大提升。
2018, 40(12): 2889-2895.
doi: 10.11999/JEIT180186
摘要:
在室內(nèi)覆蓋的大量的WiFi信號(hào)可以用來(lái)室內(nèi)定位。盡管很多WiFi室內(nèi)定位技術(shù)被提出，但其定位精度仍然未達(dá)到實(shí)際應(yīng)用的需求。針對(duì)這個(gè)問(wèn)題，該文提出一種自適應(yīng)仿射傳播聚類(AAPC)算法用以提高WiFi指紋的聚類質(zhì)量，從而提高定位精度。AAPC算法通過(guò)動(dòng)態(tài)調(diào)整參數(shù)生成不同的聚類結(jié)果，然后采用聚類有效性指標(biāo)篩選出其中最佳的。采集大量真實(shí)環(huán)境數(shù)據(jù)進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果表明采用AAPC算法產(chǎn)生的聚類結(jié)果具有更高的定位精度。
在室內(nèi)覆蓋的大量的WiFi信號(hào)可以用來(lái)室內(nèi)定位。盡管很多WiFi室內(nèi)定位技術(shù)被提出，但其定位精度仍然未達(dá)到實(shí)際應(yīng)用的需求。針對(duì)這個(gè)問(wèn)題，該文提出一種自適應(yīng)仿射傳播聚類(AAPC)算法用以提高WiFi指紋的聚類質(zhì)量，從而提高定位精度。AAPC算法通過(guò)動(dòng)態(tài)調(diào)整參數(shù)生成不同的聚類結(jié)果，然后采用聚類有效性指標(biāo)篩選出其中最佳的。采集大量真實(shí)環(huán)境數(shù)據(jù)進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果表明采用AAPC算法產(chǎn)生的聚類結(jié)果具有更高的定位精度。
2018, 40(12): 2896-2904.
doi: 10.11999/JEIT180241
摘要:
針對(duì)目前協(xié)同顯著性檢測(cè)問(wèn)題中存在的協(xié)同性較差、誤匹配和復(fù)雜場(chǎng)景下檢測(cè)效果不佳等問(wèn)題，該文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)與全局優(yōu)化的協(xié)同顯著性檢測(cè)算法。首先基于VGG16Net構(gòu)建了全卷積結(jié)構(gòu)的顯著性檢測(cè)網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠模擬人類視覺(jué)注意機(jī)制，從高級(jí)語(yǔ)義層次提取一幅圖像中的顯著性區(qū)域；然后在傳統(tǒng)單幅圖像顯著性優(yōu)化模型的基礎(chǔ)上構(gòu)造了全局協(xié)同顯著性優(yōu)化模型。該模型通過(guò)超像素匹配機(jī)制，實(shí)現(xiàn)當(dāng)前超像素塊顯著值在圖像內(nèi)與圖像間的傳播與共享，使得優(yōu)化后的顯著圖相對(duì)于初始顯著圖具有更好的協(xié)同性與一致性。最后，該文創(chuàng)新性地引入圖像間顯著性傳播約束因子來(lái)克服超像素誤匹配帶來(lái)的影響。在公開(kāi)測(cè)試數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提算法在檢測(cè)精度和檢測(cè)效率上優(yōu)于目前的主流算法，并具有較強(qiáng)的魯棒性。
針對(duì)目前協(xié)同顯著性檢測(cè)問(wèn)題中存在的協(xié)同性較差、誤匹配和復(fù)雜場(chǎng)景下檢測(cè)效果不佳等問(wèn)題，該文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)與全局優(yōu)化的協(xié)同顯著性檢測(cè)算法。首先基于VGG16Net構(gòu)建了全卷積結(jié)構(gòu)的顯著性檢測(cè)網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠模擬人類視覺(jué)注意機(jī)制，從高級(jí)語(yǔ)義層次提取一幅圖像中的顯著性區(qū)域；然后在傳統(tǒng)單幅圖像顯著性優(yōu)化模型的基礎(chǔ)上構(gòu)造了全局協(xié)同顯著性優(yōu)化模型。該模型通過(guò)超像素匹配機(jī)制，實(shí)現(xiàn)當(dāng)前超像素塊顯著值在圖像內(nèi)與圖像間的傳播與共享，使得優(yōu)化后的顯著圖相對(duì)于初始顯著圖具有更好的協(xié)同性與一致性。最后，該文創(chuàng)新性地引入圖像間顯著性傳播約束因子來(lái)克服超像素誤匹配帶來(lái)的影響。在公開(kāi)測(cè)試數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提算法在檢測(cè)精度和檢測(cè)效率上優(yōu)于目前的主流算法，并具有較強(qiáng)的魯棒性。
2018, 40(12): 2905-2912.
doi: 10.11999/JEIT180180
摘要:
該文針對(duì)低信噪比噪聲環(huán)境下的聲音事件檢測(cè)問(wèn)題，提出基于多頻帶能量分布圖離散余弦變換的聲音事件檢測(cè)的方法。首先，將聲音數(shù)據(jù)轉(zhuǎn)化為gammatone頻譜，并計(jì)算其多頻帶能量分布；接著，對(duì)多頻帶能量分布圖進(jìn)行8×8分塊與離散余弦變換；然后，對(duì)8×8的離散余弦變換系數(shù)進(jìn)行Zigzag掃描，抽取離散余弦變換系數(shù)的主要系數(shù)作為聲音事件的特征；最后，利用隨機(jī)森林分類器對(duì)特征建模與檢測(cè)。實(shí)驗(yàn)結(jié)果表明，在低信噪比及各種噪聲環(huán)境下，該文提出的方法具有良好的檢測(cè)效果。
該文針對(duì)低信噪比噪聲環(huán)境下的聲音事件檢測(cè)問(wèn)題，提出基于多頻帶能量分布圖離散余弦變換的聲音事件檢測(cè)的方法。首先，將聲音數(shù)據(jù)轉(zhuǎn)化為gammatone頻譜，并計(jì)算其多頻帶能量分布；接著，對(duì)多頻帶能量分布圖進(jìn)行8×8分塊與離散余弦變換；然后，對(duì)8×8的離散余弦變換系數(shù)進(jìn)行Zigzag掃描，抽取離散余弦變換系數(shù)的主要系數(shù)作為聲音事件的特征；最后，利用隨機(jī)森林分類器對(duì)特征建模與檢測(cè)。實(shí)驗(yàn)結(jié)果表明，在低信噪比及各種噪聲環(huán)境下，該文提出的方法具有良好的檢測(cè)效果。
2018, 40(12): 2913-2918.
doi: 10.11999/JEIT171091
摘要:
該文針對(duì)同步壓縮S變換(SSST)在混合噪聲下的失真問(wèn)題，提出一種新型穩(wěn)健性廣義同步壓縮S變換(GSST)。該方法首先改進(jìn)Viterbi算法以提高S變換在混合噪聲下的時(shí)頻分析性能，在獲取調(diào)頻(FM)信號(hào)的相位軌跡信息后，利用同步壓縮技術(shù)提高時(shí)頻聚集性。仿真實(shí)驗(yàn)表明，在α-高斯混合噪聲環(huán)境下，該方法能夠在低信噪比下精確獲取FM信號(hào)的時(shí)頻信息，有效改善了傳統(tǒng)同步壓縮算法的穩(wěn)健性和適用性。
該文針對(duì)同步壓縮S變換(SSST)在混合噪聲下的失真問(wèn)題，提出一種新型穩(wěn)健性廣義同步壓縮S變換(GSST)。該方法首先改進(jìn)Viterbi算法以提高S變換在混合噪聲下的時(shí)頻分析性能，在獲取調(diào)頻(FM)信號(hào)的相位軌跡信息后，利用同步壓縮技術(shù)提高時(shí)頻聚集性。仿真實(shí)驗(yàn)表明，在α-高斯混合噪聲環(huán)境下，該方法能夠在低信噪比下精確獲取FM信號(hào)的時(shí)頻信息，有效改善了傳統(tǒng)同步壓縮算法的穩(wěn)健性和適用性。
2018, 40(12): 2919-2927.
doi: 10.11999/JEIT180120
摘要:
相干平面波復(fù)合(CPWC)成像算法采用多個(gè)角度平面波成像結(jié)果直接疊加的方式進(jìn)行成像，具有速度快，質(zhì)量高等優(yōu)點(diǎn)，CPWC成像直接疊加的成像方式，忽略了平面波成像結(jié)果之間的相干性。相干系數(shù)(CF)加權(quán)算法可以有效提高成像的分辨率和對(duì)比度，降低了背景成像質(zhì)量。該文提出了短階相干系數(shù)(SLCF)加權(quán)算法，該算法采用角度差異參數(shù)來(lái)確定相干系數(shù)的階數(shù)，根據(jù)角度差異較小的平面波輸出計(jì)算相干系數(shù)，對(duì)CPWC成像結(jié)果進(jìn)行加權(quán)成像。仿真和實(shí)驗(yàn)結(jié)果表明SLCF加權(quán)算法相對(duì)于傳統(tǒng)的CPWC成像算法，可以改善成像的橫向分辨率和對(duì)比度。相對(duì)CF和廣義相干系數(shù)(GCF)算法，SLCF可以提高對(duì)比度和背景成像質(zhì)量，而且運(yùn)算量更低。
相干平面波復(fù)合(CPWC)成像算法采用多個(gè)角度平面波成像結(jié)果直接疊加的方式進(jìn)行成像，具有速度快，質(zhì)量高等優(yōu)點(diǎn)，CPWC成像直接疊加的成像方式，忽略了平面波成像結(jié)果之間的相干性。相干系數(shù)(CF)加權(quán)算法可以有效提高成像的分辨率和對(duì)比度，降低了背景成像質(zhì)量。該文提出了短階相干系數(shù)(SLCF)加權(quán)算法，該算法采用角度差異參數(shù)來(lái)確定相干系數(shù)的階數(shù)，根據(jù)角度差異較小的平面波輸出計(jì)算相干系數(shù)，對(duì)CPWC成像結(jié)果進(jìn)行加權(quán)成像。仿真和實(shí)驗(yàn)結(jié)果表明SLCF加權(quán)算法相對(duì)于傳統(tǒng)的CPWC成像算法，可以改善成像的橫向分辨率和對(duì)比度。相對(duì)CF和廣義相干系數(shù)(GCF)算法，SLCF可以提高對(duì)比度和背景成像質(zhì)量，而且運(yùn)算量更低。
2018, 40(12): 2928-2935.
doi: 10.11999/JEIT180191
摘要:
針對(duì)脈沖型噪聲，該文提出一種新的非線性處理方法，即高斯化-廣義匹配(GGM)處理。GGM方法基于高斯化處理與廣義匹配濾波，可結(jié)合非參數(shù)的概率密度估計(jì)進(jìn)行設(shè)計(jì)，解決噪聲模型未知時(shí)的非線性處理問(wèn)題。該文以脈沖型噪聲 \begin{document}${\rm S\alpha S}$\end{document} ![]()
![]()
分布模型為例，分析GGM方法的特點(diǎn)和性能；再結(jié)合Class A噪聲模型，討論GGM設(shè)計(jì)作為非參數(shù)方法相比模型假設(shè)失配的優(yōu)勢(shì)；引入效能函數(shù)，驗(yàn)證GGM方法在恒虛警技術(shù)中的運(yùn)用。結(jié)果表明，在已知噪聲分布情況下，GGM方法具有次優(yōu)檢測(cè)性能；當(dāng)噪聲模型未知時(shí)，非參數(shù)GGM設(shè)計(jì)能保持穩(wěn)健性能，優(yōu)于模型失配下的處理。并且，GGM設(shè)計(jì)對(duì)樣本數(shù)目要求不高，為噪聲特性不明或時(shí)變的場(chǎng)景提供了一種新的信號(hào)處理方法。
針對(duì)脈沖型噪聲，該文提出一種新的非線性處理方法，即高斯化-廣義匹配(GGM)處理。GGM方法基于高斯化處理與廣義匹配濾波，可結(jié)合非參數(shù)的概率密度估計(jì)進(jìn)行設(shè)計(jì)，解決噪聲模型未知時(shí)的非線性處理問(wèn)題。該文以脈沖型噪聲
2018, 40(12): 2936-2944.
doi: 10.11999/JEIT180154
摘要:
色度擴(kuò)展視頻編碼是當(dāng)前視頻編碼領(lǐng)域的一個(gè)熱點(diǎn)研究課題。該文提出基于AVS2平臺(tái)的色度擴(kuò)展視頻幀內(nèi)編碼的實(shí)現(xiàn)方案。仿444/422編碼方案通過(guò)將輸入圖像中的色度分量下采樣后，使用原有的420方式進(jìn)行編碼，以實(shí)現(xiàn)444/422編碼。進(jìn)一步，該文將幀內(nèi)預(yù)測(cè)及環(huán)路濾波等編碼模塊無(wú)縫擴(kuò)展到相應(yīng)的444/422格式，實(shí)現(xiàn)444/422幀內(nèi)預(yù)測(cè)編碼。實(shí)驗(yàn)結(jié)果表明，對(duì)444格式和422格式序列，在高碼率的情況下444/422幀內(nèi)預(yù)測(cè)編碼與仿444/422編碼相比，U/V平均BD-rate的減少分別為31.44%/31.72%和18.85%/19.3%，而Y分量平均BD-rate的增加僅為0.5%。其中422色度幀內(nèi)預(yù)測(cè)過(guò)程的算法優(yōu)化減少Y/U/V BD-rate最高可達(dá)5.66%。與HEVC RExt編碼相比，在低碼率時(shí)，444/422幀內(nèi)預(yù)測(cè)編碼取得了更好或相近的編碼性能。
色度擴(kuò)展視頻編碼是當(dāng)前視頻編碼領(lǐng)域的一個(gè)熱點(diǎn)研究課題。該文提出基于AVS2平臺(tái)的色度擴(kuò)展視頻幀內(nèi)編碼的實(shí)現(xiàn)方案。仿444/422編碼方案通過(guò)將輸入圖像中的色度分量下采樣后，使用原有的420方式進(jìn)行編碼，以實(shí)現(xiàn)444/422編碼。進(jìn)一步，該文將幀內(nèi)預(yù)測(cè)及環(huán)路濾波等編碼模塊無(wú)縫擴(kuò)展到相應(yīng)的444/422格式，實(shí)現(xiàn)444/422幀內(nèi)預(yù)測(cè)編碼。實(shí)驗(yàn)結(jié)果表明，對(duì)444格式和422格式序列，在高碼率的情況下444/422幀內(nèi)預(yù)測(cè)編碼與仿444/422編碼相比，U/V平均BD-rate的減少分別為31.44%/31.72%和18.85%/19.3%，而Y分量平均BD-rate的增加僅為0.5%。其中422色度幀內(nèi)預(yù)測(cè)過(guò)程的算法優(yōu)化減少Y/U/V BD-rate最高可達(dá)5.66%。與HEVC RExt編碼相比，在低碼率時(shí)，444/422幀內(nèi)預(yù)測(cè)編碼取得了更好或相近的編碼性能。
2018, 40(12): 2945-2953.
doi: 10.11999/JEIT180077
摘要:
針對(duì)系統(tǒng)誤差導(dǎo)致光流計(jì)算穩(wěn)健性較差及精度較低的問(wèn)題，該文提出一種基于小波多分辨理論的穩(wěn)健光流計(jì)算方法。所提算法基于小波多尺度分辨率特性，將光照條件變化及傳感器噪聲引起的系統(tǒng)誤差包含進(jìn)光流計(jì)算中以改善光流計(jì)算的穩(wěn)健性及估計(jì)精度，并通過(guò)總體最小二乘法求解超定小波光流方程組以獲得光流矢量。仿真結(jié)果表明，與傳統(tǒng)的Lucas-Kanade算法、Horn-Schunck算法及基于小波的全向圖像光流估計(jì)方法相比，所提算法可顯著改善光流估計(jì)精度及穩(wěn)健性。
針對(duì)系統(tǒng)誤差導(dǎo)致光流計(jì)算穩(wěn)健性較差及精度較低的問(wèn)題，該文提出一種基于小波多分辨理論的穩(wěn)健光流計(jì)算方法。所提算法基于小波多尺度分辨率特性，將光照條件變化及傳感器噪聲引起的系統(tǒng)誤差包含進(jìn)光流計(jì)算中以改善光流計(jì)算的穩(wěn)健性及估計(jì)精度，并通過(guò)總體最小二乘法求解超定小波光流方程組以獲得光流矢量。仿真結(jié)果表明，與傳統(tǒng)的Lucas-Kanade算法、Horn-Schunck算法及基于小波的全向圖像光流估計(jì)方法相比，所提算法可顯著改善光流估計(jì)精度及穩(wěn)健性。
2018, 40(12): 2954-2961.
doi: 10.11999/JEIT180192
摘要:
針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)移動(dòng)造成的AdHoc網(wǎng)絡(luò)分簇結(jié)構(gòu)變化和路由失效問(wèn)題，該文提出一種基于相對(duì)移動(dòng)性預(yù)測(cè)的k跳分簇算法，分析和預(yù)測(cè)網(wǎng)絡(luò)節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)，自適應(yīng)地調(diào)整分簇結(jié)構(gòu)，提高簇結(jié)構(gòu)穩(wěn)定性。首先，使用多普勒頻移計(jì)算節(jié)點(diǎn)間相對(duì)移動(dòng)速度，預(yù)測(cè)節(jié)點(diǎn)移動(dòng)性，得到節(jié)點(diǎn)間鏈路保持時(shí)間。然后，在簇形成階段，采用面向節(jié)點(diǎn)穩(wěn)定性的MAX-MIN啟發(fā)式算法，根據(jù)節(jié)點(diǎn)的平均鏈路保持時(shí)間對(duì)簇首進(jìn)行選擇。進(jìn)而，在簇保持階段，提出一種基于節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)的網(wǎng)絡(luò)自適應(yīng)調(diào)整算法，一方面調(diào)整節(jié)點(diǎn)信息數(shù)據(jù)發(fā)送周期以平衡數(shù)據(jù)開(kāi)銷和精確度，另一方面通過(guò)預(yù)測(cè)節(jié)點(diǎn)間鏈路通斷情況調(diào)整分簇結(jié)構(gòu)，以減少鏈路失效時(shí)的鏈路重建時(shí)間，提高網(wǎng)絡(luò)運(yùn)行質(zhì)量。仿真實(shí)驗(yàn)表明，所提算法可以有效延長(zhǎng)簇首持續(xù)時(shí)間，提高簇結(jié)構(gòu)在動(dòng)態(tài)環(huán)境下的穩(wěn)定性。
針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)隨機(jī)移動(dòng)造成的AdHoc網(wǎng)絡(luò)分簇結(jié)構(gòu)變化和路由失效問(wèn)題，該文提出一種基于相對(duì)移動(dòng)性預(yù)測(cè)的k跳分簇算法，分析和預(yù)測(cè)網(wǎng)絡(luò)節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)，自適應(yīng)地調(diào)整分簇結(jié)構(gòu)，提高簇結(jié)構(gòu)穩(wěn)定性。首先，使用多普勒頻移計(jì)算節(jié)點(diǎn)間相對(duì)移動(dòng)速度，預(yù)測(cè)節(jié)點(diǎn)移動(dòng)性，得到節(jié)點(diǎn)間鏈路保持時(shí)間。然后，在簇形成階段，采用面向節(jié)點(diǎn)穩(wěn)定性的MAX-MIN啟發(fā)式算法，根據(jù)節(jié)點(diǎn)的平均鏈路保持時(shí)間對(duì)簇首進(jìn)行選擇。進(jìn)而，在簇保持階段，提出一種基于節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)的網(wǎng)絡(luò)自適應(yīng)調(diào)整算法，一方面調(diào)整節(jié)點(diǎn)信息數(shù)據(jù)發(fā)送周期以平衡數(shù)據(jù)開(kāi)銷和精確度，另一方面通過(guò)預(yù)測(cè)節(jié)點(diǎn)間鏈路通斷情況調(diào)整分簇結(jié)構(gòu)，以減少鏈路失效時(shí)的鏈路重建時(shí)間，提高網(wǎng)絡(luò)運(yùn)行質(zhì)量。仿真實(shí)驗(yàn)表明，所提算法可以有效延長(zhǎng)簇首持續(xù)時(shí)間，提高簇結(jié)構(gòu)在動(dòng)態(tài)環(huán)境下的穩(wěn)定性。
2018, 40(12): 2962-2969.
doi: 10.11999/JEIT180131
摘要:
針對(duì)無(wú)線接入網(wǎng)絡(luò)切片虛擬資源分配優(yōu)化問(wèn)題，該文提出基于受限馬爾可夫決策過(guò)程(CMDP)的網(wǎng)絡(luò)切片自適應(yīng)虛擬資源分配算法。首先，該算法在非正交多址接入(NOMA)系統(tǒng)中以用戶中斷概率和切片隊(duì)列積壓為約束，切片的總速率作為回報(bào)，運(yùn)用受限馬爾可夫決策過(guò)程理論構(gòu)建資源自適應(yīng)問(wèn)題的動(dòng)態(tài)優(yōu)化模型；其次定義后決策狀態(tài)，規(guī)避最優(yōu)值函數(shù)中的期望運(yùn)算；進(jìn)一步地，針對(duì)馬爾科夫決策過(guò)程(MDP)的“維度災(zāi)難”問(wèn)題，基于近似動(dòng)態(tài)規(guī)劃理論，定義關(guān)于分配行為的基函數(shù)，替代決策后狀態(tài)空間，減少計(jì)算維度；最后設(shè)計(jì)了一種自適應(yīng)虛擬資源分配算法，通過(guò)與外部環(huán)境的不斷交互學(xué)習(xí)，動(dòng)態(tài)調(diào)整資源分配策略，優(yōu)化切片性能。仿真結(jié)果表明，該算法可以較好地提高系統(tǒng)的性能，滿足切片的服務(wù)需求。
針對(duì)無(wú)線接入網(wǎng)絡(luò)切片虛擬資源分配優(yōu)化問(wèn)題，該文提出基于受限馬爾可夫決策過(guò)程(CMDP)的網(wǎng)絡(luò)切片自適應(yīng)虛擬資源分配算法。首先，該算法在非正交多址接入(NOMA)系統(tǒng)中以用戶中斷概率和切片隊(duì)列積壓為約束，切片的總速率作為回報(bào)，運(yùn)用受限馬爾可夫決策過(guò)程理論構(gòu)建資源自適應(yīng)問(wèn)題的動(dòng)態(tài)優(yōu)化模型；其次定義后決策狀態(tài)，規(guī)避最優(yōu)值函數(shù)中的期望運(yùn)算；進(jìn)一步地，針對(duì)馬爾科夫決策過(guò)程(MDP)的“維度災(zāi)難”問(wèn)題，基于近似動(dòng)態(tài)規(guī)劃理論，定義關(guān)于分配行為的基函數(shù)，替代決策后狀態(tài)空間，減少計(jì)算維度；最后設(shè)計(jì)了一種自適應(yīng)虛擬資源分配算法，通過(guò)與外部環(huán)境的不斷交互學(xué)習(xí)，動(dòng)態(tài)調(diào)整資源分配策略，優(yōu)化切片性能。仿真結(jié)果表明，該算法可以較好地提高系統(tǒng)的性能，滿足切片的服務(wù)需求。
2018, 40(12): 2970-2978.
doi: 10.11999/JEIT180111
摘要:
基于干擾消除思想該文提出一種適用于大規(guī)模MIMO系統(tǒng)上行鏈路的低復(fù)雜度迭代并行干擾消除算法，在算法實(shí)現(xiàn)中避免了線性檢測(cè)算法所需的高復(fù)雜度 \begin{document}$({\cal O}({K^3}))$\end{document} ![]()
![]()
矩陣求逆運(yùn)算，將復(fù)雜度保持在 \begin{document}$({\cal O}({K^2}))$\end{document} ![]()
![]()
。在此基礎(chǔ)上，引入噪聲預(yù)測(cè)機(jī)制，提出一種基于噪聲預(yù)測(cè)的迭代并行干擾消除算法，進(jìn)一步提高了硬判決檢測(cè)性能。考慮天線間殘留干擾，將干擾消除思想運(yùn)用到軟判決中，最后提出一種基于迭代并行干擾消除的低復(fù)雜度軟輸出信號(hào)檢測(cè)算法。仿真結(jié)果表明：提出的信號(hào)檢測(cè)方法的復(fù)雜度優(yōu)于MMSE檢測(cè)算法，經(jīng)過(guò)幾次簡(jiǎn)單的迭代，算法即快速收斂并獲得接近甚至優(yōu)于MMSE檢測(cè)算法的誤碼率性能。
基于干擾消除思想該文提出一種適用于大規(guī)模MIMO系統(tǒng)上行鏈路的低復(fù)雜度迭代并行干擾消除算法，在算法實(shí)現(xiàn)中避免了線性檢測(cè)算法所需的高復(fù)雜度
2018, 40(12): 2979-2985.
doi: 10.11999/JEIT180218
摘要:
針對(duì)云無(wú)線接入網(wǎng)絡(luò)(C-RAN)的資源分配問(wèn)題，該文采用max-min公平準(zhǔn)則作為優(yōu)化準(zhǔn)則，以C-RAN用戶的能量效率作為優(yōu)化目標(biāo)函數(shù)，在滿足最大發(fā)射功率和最小傳輸速率約束條件下，通過(guò)最大化最差鏈路的能量效率來(lái)實(shí)現(xiàn)用戶發(fā)射功率和無(wú)線遠(yuǎn)端射頻單元(RRHs)波束成形向量的聯(lián)合優(yōu)化。上述優(yōu)化問(wèn)題屬于非線性、分式規(guī)劃問(wèn)題，為了方便求解，首先將原優(yōu)化問(wèn)題轉(zhuǎn)化為差分形式的優(yōu)化問(wèn)題，然后通過(guò)引入變量將差分形式的、非平滑優(yōu)化問(wèn)題轉(zhuǎn)化為平滑優(yōu)化問(wèn)題。最終，提出一種雙層迭代功率分配和波束成形算法。在仿真實(shí)驗(yàn)中，將該文算法與傳統(tǒng)的非能效資源分配算法和能量效率最大化算法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果證明該文算法在改進(jìn)C-RAN能量效率和提高資源分配公平性方面的有效性。
針對(duì)云無(wú)線接入網(wǎng)絡(luò)(C-RAN)的資源分配問(wèn)題，該文采用max-min公平準(zhǔn)則作為優(yōu)化準(zhǔn)則，以C-RAN用戶的能量效率作為優(yōu)化目標(biāo)函數(shù)，在滿足最大發(fā)射功率和最小傳輸速率約束條件下，通過(guò)最大化最差鏈路的能量效率來(lái)實(shí)現(xiàn)用戶發(fā)射功率和無(wú)線遠(yuǎn)端射頻單元(RRHs)波束成形向量的聯(lián)合優(yōu)化。上述優(yōu)化問(wèn)題屬于非線性、分式規(guī)劃問(wèn)題，為了方便求解，首先將原優(yōu)化問(wèn)題轉(zhuǎn)化為差分形式的優(yōu)化問(wèn)題，然后通過(guò)引入變量將差分形式的、非平滑優(yōu)化問(wèn)題轉(zhuǎn)化為平滑優(yōu)化問(wèn)題。最終，提出一種雙層迭代功率分配和波束成形算法。在仿真實(shí)驗(yàn)中，將該文算法與傳統(tǒng)的非能效資源分配算法和能量效率最大化算法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果證明該文算法在改進(jìn)C-RAN能量效率和提高資源分配公平性方面的有效性。
2018, 40(12): 2986-2991.
doi: 10.11999/JEIT180196
摘要:
Lai-Massey結(jié)構(gòu)是由IDEA算法發(fā)展而來(lái)的一個(gè)分組密碼結(jié)構(gòu)，F(xiàn)OX系列密碼算法是該密碼結(jié)構(gòu)的代表。該文從差分概率關(guān)于獨(dú)立等概輪密鑰的平均概率上界和給定起點(diǎn)和終點(diǎn)的線性鏈的平均概率上界兩個(gè)角度出發(fā)，研究Lai-Massey 結(jié)構(gòu)的差分和線性可證明安全性。該文證明了2輪Lai-Massey結(jié)構(gòu)的非平凡差分對(duì)應(yīng)關(guān)于獨(dú)立等概的輪密鑰的平均概率 \begin{document}$ \le p{}_{\max }$\end{document} ![]()
![]()
；證明了當(dāng)Lai-Massey 結(jié)構(gòu)的F函數(shù)是正型置換時(shí)，輪數(shù) \begin{document}$r \ge 3$\end{document} ![]()
![]()
的非平凡差分對(duì)應(yīng)關(guān)于獨(dú)立等概的輪密鑰的平均概率 \begin{document}$ \le p_{\max }^2$\end{document} ![]()
![]()
。針對(duì)給定起點(diǎn)和終點(diǎn)的線性鏈的平均概率上界，該文也獲得了類似的結(jié)論。
Lai-Massey結(jié)構(gòu)是由IDEA算法發(fā)展而來(lái)的一個(gè)分組密碼結(jié)構(gòu)，F(xiàn)OX系列密碼算法是該密碼結(jié)構(gòu)的代表。該文從差分概率關(guān)于獨(dú)立等概輪密鑰的平均概率上界和給定起點(diǎn)和終點(diǎn)的線性鏈的平均概率上界兩個(gè)角度出發(fā)，研究Lai-Massey 結(jié)構(gòu)的差分和線性可證明安全性。該文證明了2輪Lai-Massey結(jié)構(gòu)的非平凡差分對(duì)應(yīng)關(guān)于獨(dú)立等概的輪密鑰的平均概率
2018, 40(12): 2992-2997.
doi: 10.11999/JEIT180189
摘要:
該文根據(jù)特征為4的Galois環(huán)理論，在Z4上利用廣義分圓構(gòu)造出一類新的周期為2p2(p為奇素?cái)?shù))的四元序列，并且給出了它的線性復(fù)雜度。結(jié)果表明，該序列具有良好的線性復(fù)雜度性質(zhì)，能夠抗擊Berlekamp-Massey (B-M)算法的攻擊，是密碼學(xué)意義上性質(zhì)良好的偽隨機(jī)序列。
該文根據(jù)特征為4的Galois環(huán)理論，在Z4上利用廣義分圓構(gòu)造出一類新的周期為2p2(p為奇素?cái)?shù))的四元序列，并且給出了它的線性復(fù)雜度。結(jié)果表明，該序列具有良好的線性復(fù)雜度性質(zhì)，能夠抗擊Berlekamp-Massey (B-M)算法的攻擊，是密碼學(xué)意義上性質(zhì)良好的偽隨機(jī)序列。
2018, 40(12): 2998-3006.
doi: 10.11999/JEIT180122
摘要:
屬性基加密可以為霧-云計(jì)算中的數(shù)據(jù)提供機(jī)密性保護(hù)和細(xì)粒度訪問(wèn)控制，但霧-云計(jì)算系統(tǒng)中的移動(dòng)設(shè)備難以承擔(dān)屬性基加密的繁重計(jì)算負(fù)擔(dān)。為解決該問(wèn)題，該文提出一種可驗(yàn)證外包解密的離線/在線屬性基加密方案。該方案能夠?qū)崿F(xiàn)離線/在線的密鑰生成和數(shù)據(jù)加密，同時(shí)支持可驗(yàn)證外包解密。然后，給出方案的選擇明文攻擊的安全證明和可驗(yàn)證性的安全證明。之后，該文將轉(zhuǎn)換階段所需雙線性對(duì)的計(jì)算量降為恒定常數(shù)。最后，從理論和實(shí)驗(yàn)兩方面對(duì)所提方案進(jìn)行性能分析，實(shí)驗(yàn)結(jié)果表明該方案是有效且實(shí)用的。
屬性基加密可以為霧-云計(jì)算中的數(shù)據(jù)提供機(jī)密性保護(hù)和細(xì)粒度訪問(wèn)控制，但霧-云計(jì)算系統(tǒng)中的移動(dòng)設(shè)備難以承擔(dān)屬性基加密的繁重計(jì)算負(fù)擔(dān)。為解決該問(wèn)題，該文提出一種可驗(yàn)證外包解密的離線/在線屬性基加密方案。該方案能夠?qū)崿F(xiàn)離線/在線的密鑰生成和數(shù)據(jù)加密，同時(shí)支持可驗(yàn)證外包解密。然后，給出方案的選擇明文攻擊的安全證明和可驗(yàn)證性的安全證明。之后，該文將轉(zhuǎn)換階段所需雙線性對(duì)的計(jì)算量降為恒定常數(shù)。最后，從理論和實(shí)驗(yàn)兩方面對(duì)所提方案進(jìn)行性能分析，實(shí)驗(yàn)結(jié)果表明該方案是有效且實(shí)用的。
2018, 40(12): 3007-3012.
doi: 10.11999/JEIT180249
摘要:
異構(gòu)聚合簽密方案不僅可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機(jī)密性和不可偽造性，而且可以提供多個(gè)密文批量驗(yàn)證。該文分析了一個(gè)具有隱私保護(hù)功能的異構(gòu)聚合簽密方案的安全性，指出該方案不能抵擋惡意密鑰生成中心(KGC)攻擊，惡意KGC可以偽造有效的單密文和聚合密文。為了提高原方案的安全性，該文提出一種新的具有隱私保護(hù)功能的異構(gòu)聚合簽密方案。該方案克服了原方案存在的安全性問(wèn)題，實(shí)現(xiàn)了無(wú)證書(shū)密碼環(huán)境到身份密碼環(huán)境之間的數(shù)據(jù)安全傳輸，在隨機(jī)預(yù)言機(jī)模型下證明新方案的安全性。效率分析表明新方案與原方案效率相當(dāng)。
異構(gòu)聚合簽密方案不僅可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機(jī)密性和不可偽造性，而且可以提供多個(gè)密文批量驗(yàn)證。該文分析了一個(gè)具有隱私保護(hù)功能的異構(gòu)聚合簽密方案的安全性，指出該方案不能抵擋惡意密鑰生成中心(KGC)攻擊，惡意KGC可以偽造有效的單密文和聚合密文。為了提高原方案的安全性，該文提出一種新的具有隱私保護(hù)功能的異構(gòu)聚合簽密方案。該方案克服了原方案存在的安全性問(wèn)題，實(shí)現(xiàn)了無(wú)證書(shū)密碼環(huán)境到身份密碼環(huán)境之間的數(shù)據(jù)安全傳輸，在隨機(jī)預(yù)言機(jī)模型下證明新方案的安全性。效率分析表明新方案與原方案效率相當(dāng)。
2018, 40(12): 3013-3019.
doi: 10.11999/JEIT180219
摘要:
無(wú)線供電技術(shù)是延長(zhǎng)無(wú)線網(wǎng)絡(luò)節(jié)點(diǎn)壽命的有效方案。該文研究一個(gè)由基站和多個(gè)分簇用戶組成的無(wú)線供電混合多址接入系統(tǒng)。系統(tǒng)的傳輸分為兩個(gè)階段。在第1階段，基站向用戶廣播能量；在第2階段，用戶向基站傳輸信息。用戶簇和用戶簇之間采用時(shí)分多址接入，分時(shí)傳輸；同一簇內(nèi)多個(gè)用戶采用非正交多址接入，同時(shí)傳輸。該文研究聯(lián)合優(yōu)化系統(tǒng)的各階段的傳輸時(shí)間、基站的發(fā)射功率、用戶的發(fā)射功率等資源，分別以優(yōu)化網(wǎng)絡(luò)頻譜效率和用戶簇之間的公平性為目的，提出最大化網(wǎng)絡(luò)吞吐量和最大化用戶簇的最小吞吐量的聯(lián)合資源分配算法。研究結(jié)果表明所提的兩種算法分別能有效提高系統(tǒng)的頻譜效率和保證用戶簇之間的公平性。
無(wú)線供電技術(shù)是延長(zhǎng)無(wú)線網(wǎng)絡(luò)節(jié)點(diǎn)壽命的有效方案。該文研究一個(gè)由基站和多個(gè)分簇用戶組成的無(wú)線供電混合多址接入系統(tǒng)。系統(tǒng)的傳輸分為兩個(gè)階段。在第1階段，基站向用戶廣播能量；在第2階段，用戶向基站傳輸信息。用戶簇和用戶簇之間采用時(shí)分多址接入，分時(shí)傳輸；同一簇內(nèi)多個(gè)用戶采用非正交多址接入，同時(shí)傳輸。該文研究聯(lián)合優(yōu)化系統(tǒng)的各階段的傳輸時(shí)間、基站的發(fā)射功率、用戶的發(fā)射功率等資源，分別以優(yōu)化網(wǎng)絡(luò)頻譜效率和用戶簇之間的公平性為目的，提出最大化網(wǎng)絡(luò)吞吐量和最大化用戶簇的最小吞吐量的聯(lián)合資源分配算法。研究結(jié)果表明所提的兩種算法分別能有效提高系統(tǒng)的頻譜效率和保證用戶簇之間的公平性。
2018, 40(12): 3020-3027.
doi: 10.11999/JEIT171085
摘要:
物聯(lián)網(wǎng)逐漸成為學(xué)術(shù)界研究的熱點(diǎn)領(lǐng)域，無(wú)處不在的傳感器設(shè)備促進(jìn)了傳感器搜索服務(wù)的產(chǎn)生。物聯(lián)網(wǎng)中搜索的強(qiáng)時(shí)空性、海量數(shù)據(jù)的異構(gòu)性與傳感器節(jié)點(diǎn)的資源受限性，給物聯(lián)網(wǎng)搜索引擎高效地查詢傳感器提出了挑戰(zhàn)。該文提出基于傳感器定量數(shù)值的線性分段擬合相似性(PLSS)搜索算法。PLSS算法通過(guò)分段和線性擬合的方法，構(gòu)建傳感器定量數(shù)值的相似性計(jì)算模型，從而計(jì)算傳感器的相似度，根據(jù)相似度查找最相似的傳感器集群。與模糊集(FUZZY)算法和最小二乘法相比，PLSS算法平均查詢精度和查詢效率較高。與原數(shù)據(jù)相比，PLSS算法的存儲(chǔ)開(kāi)銷至少降低了兩個(gè)數(shù)量級(jí)。
物聯(lián)網(wǎng)逐漸成為學(xué)術(shù)界研究的熱點(diǎn)領(lǐng)域，無(wú)處不在的傳感器設(shè)備促進(jìn)了傳感器搜索服務(wù)的產(chǎn)生。物聯(lián)網(wǎng)中搜索的強(qiáng)時(shí)空性、海量數(shù)據(jù)的異構(gòu)性與傳感器節(jié)點(diǎn)的資源受限性，給物聯(lián)網(wǎng)搜索引擎高效地查詢傳感器提出了挑戰(zhàn)。該文提出基于傳感器定量數(shù)值的線性分段擬合相似性(PLSS)搜索算法。PLSS算法通過(guò)分段和線性擬合的方法，構(gòu)建傳感器定量數(shù)值的相似性計(jì)算模型，從而計(jì)算傳感器的相似度，根據(jù)相似度查找最相似的傳感器集群。與模糊集(FUZZY)算法和最小二乘法相比，PLSS算法平均查詢精度和查詢效率較高。與原數(shù)據(jù)相比，PLSS算法的存儲(chǔ)開(kāi)銷至少降低了兩個(gè)數(shù)量級(jí)。
2018, 40(12): 3028-3035.
doi: 10.11999/JEIT180207
摘要:
在當(dāng)前的網(wǎng)絡(luò)體系結(jié)構(gòu)下，采用硬件系統(tǒng)實(shí)現(xiàn)服務(wù)器集群負(fù)載均衡存在著獲取負(fù)載節(jié)點(diǎn)狀態(tài)困難、流量導(dǎo)向方式復(fù)雜等制約因素，不利于提升服務(wù)器集群的伸縮性和服務(wù)性能。針對(duì)此問(wèn)題，該文提出一種基于軟件定義網(wǎng)絡(luò)(SDN)的負(fù)載均衡機(jī)制(SDNLB)。該機(jī)制借助SDN具有的集中式控制和流量靈活調(diào)度優(yōu)勢(shì)，利用SNMP協(xié)議和OpenFlow協(xié)議對(duì)服務(wù)器的運(yùn)行狀態(tài)和全局網(wǎng)絡(luò)負(fù)載信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)，并通過(guò)權(quán)值計(jì)算的方式選擇出權(quán)重最高的服務(wù)器作為流處理的目標(biāo)服務(wù)器，在此基礎(chǔ)上，采用最優(yōu)轉(zhuǎn)發(fā)路徑算法進(jìn)行流量調(diào)度，從而達(dá)到提高服務(wù)器集群的利用率與處理性能的目的。搭建了實(shí)驗(yàn)平臺(tái)對(duì)SDNLB的性能進(jìn)行仿真測(cè)試，實(shí)驗(yàn)結(jié)果表明：在相同的網(wǎng)絡(luò)負(fù)載條件下，SDNLB與其他負(fù)載均衡算法相比，能夠有效地降低服務(wù)器集群的負(fù)載，并能夠顯著提高網(wǎng)絡(luò)吞吐量和帶寬利用率，縮短流的完成時(shí)間和平均時(shí)延。
在當(dāng)前的網(wǎng)絡(luò)體系結(jié)構(gòu)下，采用硬件系統(tǒng)實(shí)現(xiàn)服務(wù)器集群負(fù)載均衡存在著獲取負(fù)載節(jié)點(diǎn)狀態(tài)困難、流量導(dǎo)向方式復(fù)雜等制約因素，不利于提升服務(wù)器集群的伸縮性和服務(wù)性能。針對(duì)此問(wèn)題，該文提出一種基于軟件定義網(wǎng)絡(luò)(SDN)的負(fù)載均衡機(jī)制(SDNLB)。該機(jī)制借助SDN具有的集中式控制和流量靈活調(diào)度優(yōu)勢(shì)，利用SNMP協(xié)議和OpenFlow協(xié)議對(duì)服務(wù)器的運(yùn)行狀態(tài)和全局網(wǎng)絡(luò)負(fù)載信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)，并通過(guò)權(quán)值計(jì)算的方式選擇出權(quán)重最高的服務(wù)器作為流處理的目標(biāo)服務(wù)器，在此基礎(chǔ)上，采用最優(yōu)轉(zhuǎn)發(fā)路徑算法進(jìn)行流量調(diào)度，從而達(dá)到提高服務(wù)器集群的利用率與處理性能的目的。搭建了實(shí)驗(yàn)平臺(tái)對(duì)SDNLB的性能進(jìn)行仿真測(cè)試，實(shí)驗(yàn)結(jié)果表明：在相同的網(wǎng)絡(luò)負(fù)載條件下，SDNLB與其他負(fù)載均衡算法相比，能夠有效地降低服務(wù)器集群的負(fù)載，并能夠顯著提高網(wǎng)絡(luò)吞吐量和帶寬利用率，縮短流的完成時(shí)間和平均時(shí)延。
2018, 40(12): 3036-3041.
doi: 10.11999/JEIT180217
摘要:
該文基于高性能的MEMS電場(chǎng)敏感芯片研制出一種新型的工頻電場(chǎng)測(cè)量系統(tǒng)。針對(duì)芯片調(diào)制被測(cè)電場(chǎng)后其輸出信號(hào)的特征，采用正交相關(guān)檢測(cè)原理提出一種可抑制背景干擾噪聲的工頻電場(chǎng)解調(diào)算法，設(shè)計(jì)出小型化、空間分辨力高的工頻電場(chǎng)測(cè)量探頭，并在基礎(chǔ)上提出MEMS工頻電場(chǎng)測(cè)量系統(tǒng)的系統(tǒng)級(jí)設(shè)計(jì)方案，成功實(shí)現(xiàn)了MEMS電場(chǎng)敏感芯片輸出信號(hào)的無(wú)線采集、濾波、以及電場(chǎng)信號(hào)的高精度解調(diào)。高壓輸電線路下工頻電場(chǎng)測(cè)量結(jié)果表明，MEMS工頻電場(chǎng)測(cè)量系統(tǒng)與傳統(tǒng)電場(chǎng)測(cè)量?jī)x的測(cè)量結(jié)果具有良好的一致性。
該文基于高性能的MEMS電場(chǎng)敏感芯片研制出一種新型的工頻電場(chǎng)測(cè)量系統(tǒng)。針對(duì)芯片調(diào)制被測(cè)電場(chǎng)后其輸出信號(hào)的特征，采用正交相關(guān)檢測(cè)原理提出一種可抑制背景干擾噪聲的工頻電場(chǎng)解調(diào)算法，設(shè)計(jì)出小型化、空間分辨力高的工頻電場(chǎng)測(cè)量探頭，并在基礎(chǔ)上提出MEMS工頻電場(chǎng)測(cè)量系統(tǒng)的系統(tǒng)級(jí)設(shè)計(jì)方案，成功實(shí)現(xiàn)了MEMS電場(chǎng)敏感芯片輸出信號(hào)的無(wú)線采集、濾波、以及電場(chǎng)信號(hào)的高精度解調(diào)。高壓輸電線路下工頻電場(chǎng)測(cè)量結(jié)果表明，MEMS工頻電場(chǎng)測(cè)量系統(tǒng)與傳統(tǒng)電場(chǎng)測(cè)量?jī)x的測(cè)量結(jié)果具有良好的一致性。
2018, 40(12): 3042-3050.
doi: 10.11999/JEIT180170
摘要:
高吞吐浮點(diǎn)可靈活重構(gòu)的快速傅里葉變換(FFT)處理器可滿足尖端雷達(dá)實(shí)時(shí)成像和高精度科學(xué)計(jì)算等多種應(yīng)用需求。與定點(diǎn)FFT相比，浮點(diǎn)運(yùn)算復(fù)雜度更高，使得浮點(diǎn)型FFT的運(yùn)算吞吐率與其實(shí)現(xiàn)面積、功耗之間的矛盾問(wèn)題尤為突出。鑒于此，為降低運(yùn)算復(fù)雜度，首先將大點(diǎn)數(shù)FFT分解成若干個(gè)小點(diǎn)數(shù)基2k 級(jí)聯(lián)子級(jí)實(shí)現(xiàn)，提出分別針對(duì)128/256/512/1024/2048點(diǎn)FFT的優(yōu)化混合基算法。同時(shí)，結(jié)合所提出同時(shí)支持單通道單精度和雙通道半精度兩種浮點(diǎn)模式的新型融合加減與點(diǎn)乘運(yùn)算單元，首次提出一款高吞吐率雙模浮點(diǎn)可變點(diǎn)FFT處理器結(jié)構(gòu)，并在28 nm標(biāo)準(zhǔn)CMOS工藝下進(jìn)行設(shè)計(jì)并實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，單通道單精度和雙通道半精度浮點(diǎn)兩種模式下的運(yùn)算吞吐率和輸出平均信號(hào)量化噪聲比分別為3.478 GSample/s, 135 dB和6.957 GSample/s, 60 dB。歸一化吞吐率面積比相比于現(xiàn)有其他浮點(diǎn)FFT實(shí)現(xiàn)可提高約12倍。
高吞吐浮點(diǎn)可靈活重構(gòu)的快速傅里葉變換(FFT)處理器可滿足尖端雷達(dá)實(shí)時(shí)成像和高精度科學(xué)計(jì)算等多種應(yīng)用需求。與定點(diǎn)FFT相比，浮點(diǎn)運(yùn)算復(fù)雜度更高，使得浮點(diǎn)型FFT的運(yùn)算吞吐率與其實(shí)現(xiàn)面積、功耗之間的矛盾問(wèn)題尤為突出。鑒于此，為降低運(yùn)算復(fù)雜度，首先將大點(diǎn)數(shù)FFT分解成若干個(gè)小點(diǎn)數(shù)基2k 級(jí)聯(lián)子級(jí)實(shí)現(xiàn)，提出分別針對(duì)128/256/512/1024/2048點(diǎn)FFT的優(yōu)化混合基算法。同時(shí)，結(jié)合所提出同時(shí)支持單通道單精度和雙通道半精度兩種浮點(diǎn)模式的新型融合加減與點(diǎn)乘運(yùn)算單元，首次提出一款高吞吐率雙模浮點(diǎn)可變點(diǎn)FFT處理器結(jié)構(gòu)，并在28 nm標(biāo)準(zhǔn)CMOS工藝下進(jìn)行設(shè)計(jì)并實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，單通道單精度和雙通道半精度浮點(diǎn)兩種模式下的運(yùn)算吞吐率和輸出平均信號(hào)量化噪聲比分別為3.478 GSample/s, 135 dB和6.957 GSample/s, 60 dB。歸一化吞吐率面積比相比于現(xiàn)有其他浮點(diǎn)FFT實(shí)現(xiàn)可提高約12倍。
