郵件訂閱
2018年 第40卷 第3期
2018, 40(3): 705-712.
doi: 10.11999/JEIT170603
摘要:
多子集零相關區(qū)序列集適用于多小區(qū)環(huán)境下的準同步碼分多址系統(tǒng)，可以同時消除小區(qū)內用戶間干擾和小區(qū)間用戶干擾。該文利用零相關區(qū)非周期互補序列集構造了參數(shù)幾乎最優(yōu)的二元多子集零相關區(qū)序列集。
多子集零相關區(qū)序列集適用于多小區(qū)環(huán)境下的準同步碼分多址系統(tǒng)，可以同時消除小區(qū)內用戶間干擾和小區(qū)間用戶干擾。該文利用零相關區(qū)非周期互補序列集構造了參數(shù)幾乎最優(yōu)的二元多子集零相關區(qū)序列集。
2018, 40(3): 648-655.
doi: 10.11999/JEIT170593
摘要:
針對稀疏分解冗余字典中原子數(shù)量龐大的缺點，該文提出一種三階多項式相位信號的快速稀疏分解算法。該算法根據(jù)三階多項式相位信號的特點，把原有信號變換成兩個子空間信號，并根據(jù)這兩個子空間信號構建相應的冗余字典，然后采用正交匹配追蹤法來完成其稀疏分解，最后利用稀疏分解原理完成原有信號的稀疏分解。該算法把原有信號變換成兩個不同子空間信號，構建了兩個不同的冗余字典，對比采用一個冗余字典庫，這種采用兩個冗余字典的算法大大減少了原子數(shù)量，并且通過快速傅里葉變換，在一個冗余字典進行稀疏分解時，同時找到另一個冗余字典中的最匹配的原子。因此該算法通過減少原子數(shù)量和采用快速傅里葉變換大大加快了稀疏分解速度。實驗結果表明，相比于采用Gabor原子構建的冗余字典，采用匹配追蹤算法與遺傳算法及最近提出的基于調制相關劃分的快速稀疏分解，它的稀疏分解速度更快，并且具有更好的收斂性。
針對稀疏分解冗余字典中原子數(shù)量龐大的缺點，該文提出一種三階多項式相位信號的快速稀疏分解算法。該算法根據(jù)三階多項式相位信號的特點，把原有信號變換成兩個子空間信號，并根據(jù)這兩個子空間信號構建相應的冗余字典，然后采用正交匹配追蹤法來完成其稀疏分解，最后利用稀疏分解原理完成原有信號的稀疏分解。該算法把原有信號變換成兩個不同子空間信號，構建了兩個不同的冗余字典，對比采用一個冗余字典庫，這種采用兩個冗余字典的算法大大減少了原子數(shù)量，并且通過快速傅里葉變換，在一個冗余字典進行稀疏分解時，同時找到另一個冗余字典中的最匹配的原子。因此該算法通過減少原子數(shù)量和采用快速傅里葉變換大大加快了稀疏分解速度。實驗結果表明，相比于采用Gabor原子構建的冗余字典，采用匹配追蹤算法與遺傳算法及最近提出的基于調制相關劃分的快速稀疏分解，它的稀疏分解速度更快，并且具有更好的收斂性。
2018, 40(3): 602-609.
doi: 10.11999/JEIT170527
摘要:
在紅外目標跟蹤中，由于目標所處的背景信息復雜多變和目標外觀的顯著變化，單一的分類器不足以擬合多模態(tài)的數(shù)據(jù)。該文結合核相關濾波器(KCF)將多個核相關分類器通過集成學習整合到一個框架中。利用KCF分類器具有解析解的特點平衡跟蹤魯棒性與實時性之間的矛盾，從而解決單個分類器無法處理復雜背景與顯著的外觀變化問題，并顯著提升目標跟蹤的性能與穩(wěn)定性。為了驗證算法的有效性，該文利用兩個核相關跟蹤器聯(lián)合學習出1個強分類器。大量的定性定量實驗表明所提的算法的跟蹤性能超過傳統(tǒng)的KCF算法，且跟蹤速度也超過大多數(shù)比較算法。
在紅外目標跟蹤中，由于目標所處的背景信息復雜多變和目標外觀的顯著變化，單一的分類器不足以擬合多模態(tài)的數(shù)據(jù)。該文結合核相關濾波器(KCF)將多個核相關分類器通過集成學習整合到一個框架中。利用KCF分類器具有解析解的特點平衡跟蹤魯棒性與實時性之間的矛盾，從而解決單個分類器無法處理復雜背景與顯著的外觀變化問題，并顯著提升目標跟蹤的性能與穩(wěn)定性。為了驗證算法的有效性，該文利用兩個核相關跟蹤器聯(lián)合學習出1個強分類器。大量的定性定量實驗表明所提的算法的跟蹤性能超過傳統(tǒng)的KCF算法，且跟蹤速度也超過大多數(shù)比較算法。
2018, 40(3): 728-733.
doi: 10.11999/JEIT170505
摘要:
在多用戶MIMO系統(tǒng)中，信道狀態(tài)的精確性嚴重影響干擾對齊技術的性能。該文針對信道狀態(tài)信息(CSI)有限反饋導致的干擾泄露問題，提出一種基于動態(tài)反饋與功率分配的干擾對齊方法。首先從理論上分析了系統(tǒng)和速率與信道狀態(tài)反饋比特分配和功率分配之間的關系，得到了在動態(tài)反饋和功率分配條件下系統(tǒng)和速率的解析表達式；在此基礎上，以系統(tǒng)容量提升為目標，對反饋比特分配和功率分配優(yōu)化問題進行建模；并根據(jù)信道的準靜態(tài)特性利用庫恩塔克條件(KKT)對該問題進行求解，得到功率和反饋比特分配方案。仿真結果表明，與單獨考慮信道狀態(tài)動態(tài)反饋條件下的干擾對齊技術相比，提出的方法能夠有效減少干擾泄漏強度，提高系統(tǒng)和速率。
在多用戶MIMO系統(tǒng)中，信道狀態(tài)的精確性嚴重影響干擾對齊技術的性能。該文針對信道狀態(tài)信息(CSI)有限反饋導致的干擾泄露問題，提出一種基于動態(tài)反饋與功率分配的干擾對齊方法。首先從理論上分析了系統(tǒng)和速率與信道狀態(tài)反饋比特分配和功率分配之間的關系，得到了在動態(tài)反饋和功率分配條件下系統(tǒng)和速率的解析表達式；在此基礎上，以系統(tǒng)容量提升為目標，對反饋比特分配和功率分配優(yōu)化問題進行建模；并根據(jù)信道的準靜態(tài)特性利用庫恩塔克條件(KKT)對該問題進行求解，得到功率和反饋比特分配方案。仿真結果表明，與單獨考慮信道狀態(tài)動態(tài)反饋條件下的干擾對齊技術相比，提出的方法能夠有效減少干擾泄漏強度，提高系統(tǒng)和速率。
2018, 40(3): 683-689.
doi: 10.11999/JEIT170448
摘要:
屬性代理重加密機制既能實現(xiàn)數(shù)據(jù)共享又能實現(xiàn)數(shù)據(jù)轉發(fā)，但這種機制通常并不支持數(shù)據(jù)檢索功能，阻礙了屬性代理重加密的發(fā)展應用。為了解決這一問題，該文提出一個支持關鍵詞搜索的密文策略的屬性代理重加密方案。通過將密鑰分為屬性密鑰和搜索密鑰，不僅可以實現(xiàn)關鍵詞可搜索，而且實現(xiàn)了代理重加密。在驗證階段，云服務器既執(zhí)行關鍵詞驗證，又可以對原始密文和重加密密文進行部分解密，從而減輕用戶的計算負擔。通過安全性分析，該方案可以實現(xiàn)數(shù)據(jù)安全性、檢索分離、關鍵詞隱藏和抗共謀攻擊。
屬性代理重加密機制既能實現(xiàn)數(shù)據(jù)共享又能實現(xiàn)數(shù)據(jù)轉發(fā)，但這種機制通常并不支持數(shù)據(jù)檢索功能，阻礙了屬性代理重加密的發(fā)展應用。為了解決這一問題，該文提出一個支持關鍵詞搜索的密文策略的屬性代理重加密方案。通過將密鑰分為屬性密鑰和搜索密鑰，不僅可以實現(xiàn)關鍵詞可搜索，而且實現(xiàn)了代理重加密。在驗證階段，云服務器既執(zhí)行關鍵詞驗證，又可以對原始密文和重加密密文進行部分解密，從而減輕用戶的計算負擔。通過安全性分析，該方案可以實現(xiàn)數(shù)據(jù)安全性、檢索分離、關鍵詞隱藏和抗共謀攻擊。
2018, 40(3): 676-682.
doi: 10.11999/JEIT170425
摘要:
該文提出一種基于自適應塊稀疏字典學習的電阻抗圖像重建算法，構建了分塊稀疏字典，較好地保留了重建圖像的細節(jié)信息；同時，將字典學習與圖像重建交替進行，并將迭代重建的中間結果作為稀疏字典的訓練樣本，有效提高了字典學習效果。數(shù)值仿真與實驗重建結果表明，新方法對電阻抗成像系統(tǒng)測量噪聲具有較好的魯棒性，能準確重構電導率分布圖像，特別是對突變細節(jié)的準確恢復。
該文提出一種基于自適應塊稀疏字典學習的電阻抗圖像重建算法，構建了分塊稀疏字典，較好地保留了重建圖像的細節(jié)信息；同時，將字典學習與圖像重建交替進行，并將迭代重建的中間結果作為稀疏字典的訓練樣本，有效提高了字典學習效果。數(shù)值仿真與實驗重建結果表明，新方法對電阻抗成像系統(tǒng)測量噪聲具有較好的魯棒性，能準確重構電導率分布圖像，特別是對突變細節(jié)的準確恢復。
2018, 40(3): 565-572.
doi: 10.11999/JEIT170597
摘要:
針對GPS/INS組合導航系統(tǒng)中，由于量測噪聲統(tǒng)計的不確定性導致平方根容積卡爾曼濾波器(SCKF)濾波精度下降甚至發(fā)散的問題，該文提出一種基于加權的自適應SCKF(WASCKF)方法。該方法首先利用移動開窗理論對SCKF新息的協(xié)方差陣進行最大似然估計，實現(xiàn)對測量噪聲統(tǒng)計特性的在線調整；然后，利用加權理論，依據(jù)窗口內不同時刻信息的有用程度的不同而設置相應的權值，增強對窗口內有用信息的利用。最后，將WASCKF方法應用于GPS/INS組合導航系統(tǒng)中進行仿真驗證，并與SCKF和ASCKF方法進行比較，結果表明，在測量噪聲統(tǒng)計存在不確定情況下，該文所提出方法的速度誤差和位置誤差的均方根均小于SCKF和ASCKF方法，能夠有效地提高GPS/INS組合導航系統(tǒng)對量測噪聲統(tǒng)計不確定的自適應能力與導航性能。
針對GPS/INS組合導航系統(tǒng)中，由于量測噪聲統(tǒng)計的不確定性導致平方根容積卡爾曼濾波器(SCKF)濾波精度下降甚至發(fā)散的問題，該文提出一種基于加權的自適應SCKF(WASCKF)方法。該方法首先利用移動開窗理論對SCKF新息的協(xié)方差陣進行最大似然估計，實現(xiàn)對測量噪聲統(tǒng)計特性的在線調整；然后，利用加權理論，依據(jù)窗口內不同時刻信息的有用程度的不同而設置相應的權值，增強對窗口內有用信息的利用。最后，將WASCKF方法應用于GPS/INS組合導航系統(tǒng)中進行仿真驗證，并與SCKF和ASCKF方法進行比較，結果表明，在測量噪聲統(tǒng)計存在不確定情況下，該文所提出方法的速度誤差和位置誤差的均方根均小于SCKF和ASCKF方法，能夠有效地提高GPS/INS組合導航系統(tǒng)對量測噪聲統(tǒng)計不確定的自適應能力與導航性能。
2018, 40(3): 626-632.
doi: 10.11999/JEIT170592
摘要:
針對視頻表情識別，靜態(tài)特征不能有效描述人臉區(qū)域沿時間軸動態(tài)變化信息的局限，該文提出一種融合動態(tài)紋理信息和運動信息的表情識別方法，借鑒LBP-TOP原理，提出具有時空域描述能力的時空韋伯局部描述子(STWLD)來提取動態(tài)紋理信息，同時采用分塊光流直方圖(BHOF)描述運動信息，最后利用SVM對融合后的紋理和運動信息完成表情分類。在CK+和MMI表情數(shù)據(jù)庫上的交叉實驗結果表明，相比基于單一特征的識別方法，所提方法取得了更好的效果；與其他相關方法的對比實驗也驗證了該方法的優(yōu)越性。
針對視頻表情識別，靜態(tài)特征不能有效描述人臉區(qū)域沿時間軸動態(tài)變化信息的局限，該文提出一種融合動態(tài)紋理信息和運動信息的表情識別方法，借鑒LBP-TOP原理，提出具有時空域描述能力的時空韋伯局部描述子(STWLD)來提取動態(tài)紋理信息，同時采用分塊光流直方圖(BHOF)描述運動信息，最后利用SVM對融合后的紋理和運動信息完成表情分類。在CK+和MMI表情數(shù)據(jù)庫上的交叉實驗結果表明，相比基于單一特征的識別方法，所提方法取得了更好的效果；與其他相關方法的對比實驗也驗證了該方法的優(yōu)越性。
2018, 40(3): 734-742.
doi: 10.11999/JEIT170519
摘要:
針對頻譜感知錯誤累積造成頻譜預測性能惡化問題，該文提出一種基于最小貝葉斯風險的穩(wěn)健頻譜預測策略。分布擬合檢驗表明頻譜預測輸出服從正態(tài)分布，定義頻譜預測輸出的貝葉斯風險函數(shù)，證明使貝葉斯風險函數(shù)最小的頻譜預測輸出判決門限將使頻譜預測的均方誤差最小，求得了使貝葉斯風險最小的最優(yōu)判決門限，構建穩(wěn)健頻譜預測策略。仿真結果表明，與固定判決門限的神經網絡頻譜預測相比，穩(wěn)健頻譜預測策略改進了頻譜感知錯誤下的頻譜預測性能，改善了非授權用戶的動態(tài)頻譜接入性能。
針對頻譜感知錯誤累積造成頻譜預測性能惡化問題，該文提出一種基于最小貝葉斯風險的穩(wěn)健頻譜預測策略。分布擬合檢驗表明頻譜預測輸出服從正態(tài)分布，定義頻譜預測輸出的貝葉斯風險函數(shù)，證明使貝葉斯風險函數(shù)最小的頻譜預測輸出判決門限將使頻譜預測的均方誤差最小，求得了使貝葉斯風險最小的最優(yōu)判決門限，構建穩(wěn)健頻譜預測策略。仿真結果表明，與固定判決門限的神經網絡頻譜預測相比，穩(wěn)健頻譜預測策略改進了頻譜感知錯誤下的頻譜預測性能，改善了非授權用戶的動態(tài)頻譜接入性能。
2018, 40(3): 517-524.
doi: 10.11999/JEIT170481
摘要:
組網雷達的多視角特性有利于獲取目標的真實空間結構。該文在構建有翼進動目標回波模型的基礎上，分析不同類型散射中心的微多普勒信息變化率的變化趨勢，對微多普勒信息進行分離提取。利用非線性最小二乘擬合獲取散射中心的幅度、相位信息?；谖犹卣鞯牟蛔冃?，利用多部雷達錐頂散射中心的幅度信息估計微動特征和坐標轉換參數(shù)。然后根據(jù)各散射中心在不同視角上投影分量的差異，實現(xiàn)尾翼散射中心的匹配，之后求解散射中心的瞬時空間位置，實現(xiàn)目標重構。仿真驗證了算法的有效性，并分析了微動參數(shù)和信噪比對重構結果的影響。
組網雷達的多視角特性有利于獲取目標的真實空間結構。該文在構建有翼進動目標回波模型的基礎上，分析不同類型散射中心的微多普勒信息變化率的變化趨勢，對微多普勒信息進行分離提取。利用非線性最小二乘擬合獲取散射中心的幅度、相位信息?；谖犹卣鞯牟蛔冃?，利用多部雷達錐頂散射中心的幅度信息估計微動特征和坐標轉換參數(shù)。然后根據(jù)各散射中心在不同視角上投影分量的差異，實現(xiàn)尾翼散射中心的匹配，之后求解散射中心的瞬時空間位置，實現(xiàn)目標重構。仿真驗證了算法的有效性，并分析了微動參數(shù)和信噪比對重構結果的影響。
2018, 40(3): 525-531.
doi: 10.11999/JEIT170479
摘要:
該文提出一種新的同時具有高重復頻率和大帶寬性能的相干激光雷達系統(tǒng)。該系統(tǒng)基于IQ調制器正交調制技術與帶寬合成信號處理技術，使得系統(tǒng)能夠同時滿足大帶寬和高重復頻率的要求，解決了傳統(tǒng)激光雷達寬帶信號調制速度慢的問題。該系統(tǒng)能夠生成高重頻、大帶寬的相干線性調頻激光雷達信號，在高分辨距離成像、(逆)合成孔徑激光雷達成像、距離分辨的振動測量等方面，具有重要的應用價值。文中闡述了寬帶高重復頻率調制的原理和方法、基于微波域頻率步進的帶寬合成信號處理方法，并進行光纖環(huán)路實驗和自由空間實驗。作為演示，該激光雷達系統(tǒng)獲得了16.7 kHz重復頻率、6 GHz帶寬，實現(xiàn)了優(yōu)于2.5 cm距離向分辨率成像及遠距離運動目標逆合成孔徑激光雷達成像。實驗結果證明了該系統(tǒng)與方法的有效性。
該文提出一種新的同時具有高重復頻率和大帶寬性能的相干激光雷達系統(tǒng)。該系統(tǒng)基于IQ調制器正交調制技術與帶寬合成信號處理技術，使得系統(tǒng)能夠同時滿足大帶寬和高重復頻率的要求，解決了傳統(tǒng)激光雷達寬帶信號調制速度慢的問題。該系統(tǒng)能夠生成高重頻、大帶寬的相干線性調頻激光雷達信號，在高分辨距離成像、(逆)合成孔徑激光雷達成像、距離分辨的振動測量等方面，具有重要的應用價值。文中闡述了寬帶高重復頻率調制的原理和方法、基于微波域頻率步進的帶寬合成信號處理方法，并進行光纖環(huán)路實驗和自由空間實驗。作為演示，該激光雷達系統(tǒng)獲得了16.7 kHz重復頻率、6 GHz帶寬，實現(xiàn)了優(yōu)于2.5 cm距離向分辨率成像及遠距離運動目標逆合成孔徑激光雷達成像。實驗結果證明了該系統(tǒng)與方法的有效性。
2018, 40(3): 610-617.
doi: 10.11999/JEIT170472
摘要:
弱監(jiān)督語義分割任務常利用訓練集中全體圖像的超像素及其相似度建立圖模型，使用圖像級別標記的監(jiān)督關系進行約束求解。全局建模缺少單幅圖像結構信息，同時此類參數(shù)方法受到復雜度限制，無法使用大規(guī)模的弱監(jiān)督訓練數(shù)據(jù)。針對以上問題，該文提出一種基于紋元森林和顯著性先驗的弱監(jiān)督圖像語義分割方法。算法使用弱監(jiān)督數(shù)據(jù)和圖像顯著性訓練隨機森林分類器用于語義紋元森林特征(Semantic Texton Forest, STF)的提取。測試時，先將圖像進行過分割，然后提取超像素語義紋元特征，利用樸素貝葉斯法進行超像素標記的概率估計，最后在條件隨機場(CRF)框架下結合圖像顯著性信息定義了新的能量函數(shù)表達式，將圖像的標注(labeling)問題轉換為能量最小化問題求解。在MSRC-21類數(shù)據(jù)庫上進行了驗證，完成了語義分割任務。結果表明，在并未對整個訓練集建立圖模型的情況下，僅利用單幅圖像的顯著性信息也可以得到較好的分割結果，同時非參模型有利于規(guī)模數(shù)據(jù)分析。
弱監(jiān)督語義分割任務常利用訓練集中全體圖像的超像素及其相似度建立圖模型，使用圖像級別標記的監(jiān)督關系進行約束求解。全局建模缺少單幅圖像結構信息，同時此類參數(shù)方法受到復雜度限制，無法使用大規(guī)模的弱監(jiān)督訓練數(shù)據(jù)。針對以上問題，該文提出一種基于紋元森林和顯著性先驗的弱監(jiān)督圖像語義分割方法。算法使用弱監(jiān)督數(shù)據(jù)和圖像顯著性訓練隨機森林分類器用于語義紋元森林特征(Semantic Texton Forest, STF)的提取。測試時，先將圖像進行過分割，然后提取超像素語義紋元特征，利用樸素貝葉斯法進行超像素標記的概率估計，最后在條件隨機場(CRF)框架下結合圖像顯著性信息定義了新的能量函數(shù)表達式，將圖像的標注(labeling)問題轉換為能量最小化問題求解。在MSRC-21類數(shù)據(jù)庫上進行了驗證，完成了語義分割任務。結果表明，在并未對整個訓練集建立圖模型的情況下，僅利用單幅圖像的顯著性信息也可以得到較好的分割結果，同時非參模型有利于規(guī)模數(shù)據(jù)分析。
2018, 40(3): 587-593.
doi: 10.11999/JEIT170581
摘要:
對流層斜延遲是對流層散射雙向時間比對中一個重要誤差源，該文提出一種對流層散射雙向時間比對中對流層斜延遲實時估計方法。通過GPT2w模型計算測站氣象數(shù)據(jù)，克服對流層斜延遲估計中對實時氣象數(shù)據(jù)的依賴。針對Hopfield模型中固定的對流層散射頂層高，利用幾何方法計算動態(tài)對流層散射頂層高，以解決對流層散射雙向比對的實際應用問題。選取日本地區(qū)3個測站，兩兩進行比對，在驗證Hopfield模型精度后，計算3組比對站在不同入射角和不同時間的對流層斜延遲。計算結果表明，對流層散射雙向時間比對中對流層斜延遲呈現(xiàn)出隨比對距離增大而增大，隨入射角增大而減小的特性，并且四季變化特性也比較明顯。3個比對站的對流層散射斜延遲10~35 m之間，經比對抵消90%后的時間延遲為3.5~11.8 ns。
對流層斜延遲是對流層散射雙向時間比對中一個重要誤差源，該文提出一種對流層散射雙向時間比對中對流層斜延遲實時估計方法。通過GPT2w模型計算測站氣象數(shù)據(jù)，克服對流層斜延遲估計中對實時氣象數(shù)據(jù)的依賴。針對Hopfield模型中固定的對流層散射頂層高，利用幾何方法計算動態(tài)對流層散射頂層高，以解決對流層散射雙向比對的實際應用問題。選取日本地區(qū)3個測站，兩兩進行比對，在驗證Hopfield模型精度后，計算3組比對站在不同入射角和不同時間的對流層斜延遲。計算結果表明，對流層散射雙向時間比對中對流層斜延遲呈現(xiàn)出隨比對距離增大而增大，隨入射角增大而減小的特性，并且四季變化特性也比較明顯。3個比對站的對流層散射斜延遲10~35 m之間，經比對抵消90%后的時間延遲為3.5~11.8 ns。
2018, 40(3): 641-647.
doi: 10.11999/JEIT170579
摘要:
在數(shù)據(jù)融合系統(tǒng)中，傳感器自身系統(tǒng)誤差造成其上報融合中心的目標位置狀態(tài)出現(xiàn)系統(tǒng)性偏差，若得不到有效估計與補償，融合系統(tǒng)難以實現(xiàn)預期的性能優(yōu)勢。然而，基于目標關聯(lián)配對關系而構造的超定方程組是系統(tǒng)誤差估計的出發(fā)點。復雜環(huán)境下，受隨機噪聲、系統(tǒng)誤差、虛警、漏報等因素的干擾，數(shù)據(jù)關聯(lián)模塊的輸出結果常常包含錯誤關聯(lián)。針對非理想關聯(lián)下多傳感器系統(tǒng)誤差的穩(wěn)健估計問題，該文提出基于最小截平方的系統(tǒng)誤差穩(wěn)健估計方法，并進一步提出剔除異常方程的重加權最小二乘方法。與最小二乘及最小中值平方相比，所提方法在保證估計器穩(wěn)健性能的前提下，降低了估計結果對隨機噪聲的敏感程度。仿真實驗驗證了所提方法的有效性。
在數(shù)據(jù)融合系統(tǒng)中，傳感器自身系統(tǒng)誤差造成其上報融合中心的目標位置狀態(tài)出現(xiàn)系統(tǒng)性偏差，若得不到有效估計與補償，融合系統(tǒng)難以實現(xiàn)預期的性能優(yōu)勢。然而，基于目標關聯(lián)配對關系而構造的超定方程組是系統(tǒng)誤差估計的出發(fā)點。復雜環(huán)境下，受隨機噪聲、系統(tǒng)誤差、虛警、漏報等因素的干擾，數(shù)據(jù)關聯(lián)模塊的輸出結果常常包含錯誤關聯(lián)。針對非理想關聯(lián)下多傳感器系統(tǒng)誤差的穩(wěn)健估計問題，該文提出基于最小截平方的系統(tǒng)誤差穩(wěn)健估計方法，并進一步提出剔除異常方程的重加權最小二乘方法。與最小二乘及最小中值平方相比，所提方法在保證估計器穩(wěn)健性能的前提下，降低了估計結果對隨機噪聲的敏感程度。仿真實驗驗證了所提方法的有效性。
2018, 40(3): 594-601.
doi: 10.11999/JEIT170575
摘要:
為解決量子彩色圖像濾波問題，該文提出一種基于量子傅里葉變換的頻域濾波方法。首先采用新穎的增強量子描述(NEQR)方案將彩色圖像描述為量子圖像，然后對該量子圖像實施傅里葉變換，采用基于濾波函數(shù)定義的量子Oracle將變換后的圖像劃分為不同頻率的圖像，最后通過逆量子傅里葉變換將這些不同頻率的量子圖像變換到空域，通過對空域量子圖像實施測量即可得到不同頻率的經典濾波圖像。文中給出了具體的量子濾波線路，以彩色圖像平滑、銳化、周期噪聲消除為例，驗證了提出方案的正確性。
為解決量子彩色圖像濾波問題，該文提出一種基于量子傅里葉變換的頻域濾波方法。首先采用新穎的增強量子描述(NEQR)方案將彩色圖像描述為量子圖像，然后對該量子圖像實施傅里葉變換，采用基于濾波函數(shù)定義的量子Oracle將變換后的圖像劃分為不同頻率的圖像，最后通過逆量子傅里葉變換將這些不同頻率的量子圖像變換到空域，通過對空域量子圖像實施測量即可得到不同頻率的經典濾波圖像。文中給出了具體的量子濾波線路，以彩色圖像平滑、銳化、周期噪聲消除為例，驗證了提出方案的正確性。
2018, 40(3): 579-586.
doi: 10.11999/JEIT170562
摘要:
不同風浪等級下的海面會對船艦目標雷達散射截面(RCS)分析產生強烈影響。該文建立了一種船艦模型，利用物理光學法與矩量法的混合算法(PO-MOM)分析了不同海情下的船艦目標遠場單站RCS。之后研究了海情對船艦目標RCS測試結果的影響。最后提出了基于3次樣條插值(Cubic Spline Interpolation, CSI)算法的優(yōu)化補償方法。結果表明，隨著海情等級的增加，艦船RCS降低；利用3次樣條插值算法進行補償，其補償結果的平均值誤差小于0.38 dBsm，最大值誤差小于0.05 dBsm，因此能有效地減少海情對船艦RCS測試結果的影響。
不同風浪等級下的海面會對船艦目標雷達散射截面(RCS)分析產生強烈影響。該文建立了一種船艦模型，利用物理光學法與矩量法的混合算法(PO-MOM)分析了不同海情下的船艦目標遠場單站RCS。之后研究了海情對船艦目標RCS測試結果的影響。最后提出了基于3次樣條插值(Cubic Spline Interpolation, CSI)算法的優(yōu)化補償方法。結果表明，隨著海情等級的增加，艦船RCS降低；利用3次樣條插值算法進行補償，其補償結果的平均值誤差小于0.38 dBsm，最大值誤差小于0.05 dBsm，因此能有效地減少海情對船艦RCS測試結果的影響。
2018, 40(3): 532-540.
doi: 10.11999/JEIT170560
摘要:
針對目標和雜波先驗知識不準確時認知雷達的檢測波形設計問題，同時兼顧功率放大器對低峰均比(PAR)波形的需求，該文提出一種信號相關雜波背景下認知雷達低PAR穩(wěn)健波形設計方法。首先，在目標和雜波不確定集范圍內，基于極大極小化準則構造關于輸出信干噪比(SINR)的優(yōu)化模型；然后將不確定性參數(shù)代入該模型，給出最差SINR下對應雜波協(xié)方差矩陣和目標Toeplitz矩陣的取值；在此基礎上，利用半正定松弛，將非凸的優(yōu)化模型轉化為關于發(fā)射波形半正定矩陣的凸問題進行求解；最后，通過秩1近似法結合最近鄰方法，進一步從波形的最優(yōu)矩陣解中提取出最優(yōu)向量解。分析表明，在穩(wěn)健性能相同的情況下，與現(xiàn)有方法相比該算法具有更低的運算量，仿真結果驗證了所提方法的有效性和穩(wěn)健性。
針對目標和雜波先驗知識不準確時認知雷達的檢測波形設計問題，同時兼顧功率放大器對低峰均比(PAR)波形的需求，該文提出一種信號相關雜波背景下認知雷達低PAR穩(wěn)健波形設計方法。首先，在目標和雜波不確定集范圍內，基于極大極小化準則構造關于輸出信干噪比(SINR)的優(yōu)化模型；然后將不確定性參數(shù)代入該模型，給出最差SINR下對應雜波協(xié)方差矩陣和目標Toeplitz矩陣的取值；在此基礎上，利用半正定松弛，將非凸的優(yōu)化模型轉化為關于發(fā)射波形半正定矩陣的凸問題進行求解；最后，通過秩1近似法結合最近鄰方法，進一步從波形的最優(yōu)矩陣解中提取出最優(yōu)向量解。分析表明，在穩(wěn)健性能相同的情況下，與現(xiàn)有方法相比該算法具有更低的運算量，仿真結果驗證了所提方法的有效性和穩(wěn)健性。
2018, 40(3): 750-757.
doi: 10.11999/JEIT170556
摘要:
代碼混淆利用系統(tǒng)自身邏輯來保護內部重要信息和關鍵算法，常用于軟件代碼的安全防護，確保開發(fā)者和用戶的利益。如何在硬件電路上實現(xiàn)混淆、保護硬件IP核的知識產權，也是亟待解決的問題。該文通過對硬件混淆和AES算法的研究，提出一種基于狀態(tài)映射的AES算法硬件混淆方案。該方案首先利用冗余和黑洞兩種狀態(tài)相結合的狀態(tài)映射方式，實現(xiàn)有限狀態(tài)機的混淆；然后，采用比特翻轉的方法，實現(xiàn)組合邏輯電路的混淆；最后，在SMIC 65 nm CMOS工藝下設計基于狀態(tài)映射的AES算法硬件混淆電路，并采用Toggle、數(shù)據(jù)相關性和代碼覆蓋率等評價硬件混淆的效率和有效性。實驗結果表明，基于狀態(tài)映射的AES算法硬件混淆電路面積和功耗分別增加9%和16%，代碼覆蓋率達到93%以上。
代碼混淆利用系統(tǒng)自身邏輯來保護內部重要信息和關鍵算法，常用于軟件代碼的安全防護，確保開發(fā)者和用戶的利益。如何在硬件電路上實現(xiàn)混淆、保護硬件IP核的知識產權，也是亟待解決的問題。該文通過對硬件混淆和AES算法的研究，提出一種基于狀態(tài)映射的AES算法硬件混淆方案。該方案首先利用冗余和黑洞兩種狀態(tài)相結合的狀態(tài)映射方式，實現(xiàn)有限狀態(tài)機的混淆；然后，采用比特翻轉的方法，實現(xiàn)組合邏輯電路的混淆；最后，在SMIC 65 nm CMOS工藝下設計基于狀態(tài)映射的AES算法硬件混淆電路，并采用Toggle、數(shù)據(jù)相關性和代碼覆蓋率等評價硬件混淆的效率和有效性。實驗結果表明，基于狀態(tài)映射的AES算法硬件混淆電路面積和功耗分別增加9%和16%，代碼覆蓋率達到93%以上。
2018, 40(3): 509-516.
doi: 10.11999/JEIT170554
摘要:
基于壓縮感知(CS)理論的稀疏線性調頻步進信號(SFCS)逆合成孔徑雷達(ISAR)成像技術能夠從少量觀測數(shù)據(jù)中高概率重構出目標像，其中，觀測矩陣的優(yōu)化設計是提高成像質量和減少觀測數(shù)據(jù)量的有效途徑。然而，現(xiàn)有的觀測矩陣優(yōu)化設計研究通常沒有考慮目標特征信息的有效利用，對目標的自適應能力不足。因此，該文在充分利用目標特征信息的基礎上，結合稀疏SFCS信號的實際物理觀測過程，提出一種ISAR成像觀測矩陣自適應優(yōu)化方法。該方法首先建立參數(shù)化稀疏表征成像模型以解決稀疏SFCS信號多普勒敏感問題，在此基礎上，以在達到成像質量要求條件下使用最少觀測數(shù)據(jù)量獲得最優(yōu)成像結果為目標對觀測矩陣進行自適應優(yōu)化設計，最終能夠利用最少的數(shù)據(jù)量獲得滿意的目標成像結果。仿真實驗驗證了該算法的有效性。
基于壓縮感知(CS)理論的稀疏線性調頻步進信號(SFCS)逆合成孔徑雷達(ISAR)成像技術能夠從少量觀測數(shù)據(jù)中高概率重構出目標像，其中，觀測矩陣的優(yōu)化設計是提高成像質量和減少觀測數(shù)據(jù)量的有效途徑。然而，現(xiàn)有的觀測矩陣優(yōu)化設計研究通常沒有考慮目標特征信息的有效利用，對目標的自適應能力不足。因此，該文在充分利用目標特征信息的基礎上，結合稀疏SFCS信號的實際物理觀測過程，提出一種ISAR成像觀測矩陣自適應優(yōu)化方法。該方法首先建立參數(shù)化稀疏表征成像模型以解決稀疏SFCS信號多普勒敏感問題，在此基礎上，以在達到成像質量要求條件下使用最少觀測數(shù)據(jù)量獲得最優(yōu)成像結果為目標對觀測矩陣進行自適應優(yōu)化設計，最終能夠利用最少的數(shù)據(jù)量獲得滿意的目標成像結果。仿真實驗驗證了該算法的有效性。
2018, 40(3): 656-662.
doi: 10.11999/JEIT170544
摘要:
跳頻信號每跳帶寬窄且多跳間積累困難，利用傳統(tǒng)方法對其時延估計精度都很低。針對該問題，該文充分挖掘跳頻信號寬跳帶的潛能，建立了多頻點相時延估計模型，把時延估計問題轉化為整周模糊求解問題；然后在解模糊過程中引入中國余數(shù)定理，針對非合作場景中模數(shù)無法選擇的問題，提出一種基于虛擬頻點的干涉相位外推方法，構造出魯棒中國余數(shù)定理的適用條件；最后采用閉式魯棒中國余數(shù)定理解算整周模糊，得到高精度的相時延。該方法具有精度高、運算量小、不依賴于信道衰落特性的優(yōu)點。仿真結果驗證了所提模型及方法的有效性和正確性。
跳頻信號每跳帶寬窄且多跳間積累困難，利用傳統(tǒng)方法對其時延估計精度都很低。針對該問題，該文充分挖掘跳頻信號寬跳帶的潛能，建立了多頻點相時延估計模型，把時延估計問題轉化為整周模糊求解問題；然后在解模糊過程中引入中國余數(shù)定理，針對非合作場景中模數(shù)無法選擇的問題，提出一種基于虛擬頻點的干涉相位外推方法，構造出魯棒中國余數(shù)定理的適用條件；最后采用閉式魯棒中國余數(shù)定理解算整周模糊，得到高精度的相時延。該方法具有精度高、運算量小、不依賴于信道衰落特性的優(yōu)點。仿真結果驗證了所提模型及方法的有效性和正確性。
2018, 40(3): 721-727.
doi: 10.11999/JEIT170538
摘要:
無線帶內全雙工(IBFD)具有頻譜效率倍增潛力，應用到多用戶接入時，共享信道的優(yōu)化分配將決定系統(tǒng)容量的實際增益。該文分析多用戶爭用沖突的干擾特性及鏈路分配的約束條件，以容量最大為優(yōu)化目標，針對雙向全雙工(BFD)、全雙工中繼(FDR)以及兩者混合的傳輸模式，建立信道資源分配的問題模型。通過典型站點分布的最優(yōu)解計算，分析IBFD系統(tǒng)相對半雙工(HD)的容量增益。結果表明，BFD有理想的100%增益，而FDR有較大變化范圍(最低增益25%)。此外，計算發(fā)現(xiàn)，站點間傳輸鏈路呈現(xiàn)1維鏈型結構的容量增益明顯優(yōu)于2維平面分布的鏈路結構。
無線帶內全雙工(IBFD)具有頻譜效率倍增潛力，應用到多用戶接入時，共享信道的優(yōu)化分配將決定系統(tǒng)容量的實際增益。該文分析多用戶爭用沖突的干擾特性及鏈路分配的約束條件，以容量最大為優(yōu)化目標，針對雙向全雙工(BFD)、全雙工中繼(FDR)以及兩者混合的傳輸模式，建立信道資源分配的問題模型。通過典型站點分布的最優(yōu)解計算，分析IBFD系統(tǒng)相對半雙工(HD)的容量增益。結果表明，BFD有理想的100%增益，而FDR有較大變化范圍(最低增益25%)。此外，計算發(fā)現(xiàn)，站點間傳輸鏈路呈現(xiàn)1維鏈型結構的容量增益明顯優(yōu)于2維平面分布的鏈路結構。
2018, 40(3): 663-669.
doi: 10.11999/JEIT170525
摘要:
基于常規(guī)時頻分析方法的跳頻信號參數(shù)估計中，采用核函數(shù)抑制時頻分布交叉項會導致時頻聚集性的下降，不利于信號參數(shù)提取。針對此問題，該文提出一種基于稀疏時頻分布(STFD)的跳頻信號處理方法。該方法首先根據(jù)Cohen類分布的原理和跳頻信號模糊函數(shù)的特點，以模糊域矩形窗為核函數(shù)，構建了一種Cohen類的矩形核分布(RKD)。RKD可有效抑制交叉項，但其時頻分辨率較低。為提高RKD的時頻性能，在壓縮感知框架下，利用跳頻信號時頻分布的稀疏特性，對RKD附加稀疏性約束，建立稀疏時頻分布(STFD)的優(yōu)化求解模型。STFD不僅能有效抑制交叉項，而且具有良好的時頻聚集性。仿真分析表明，與傳統(tǒng)時頻分析方法相比，該文提出的基于STFD的跳頻信號參數(shù)估計方法性能更優(yōu)。
基于常規(guī)時頻分析方法的跳頻信號參數(shù)估計中，采用核函數(shù)抑制時頻分布交叉項會導致時頻聚集性的下降，不利于信號參數(shù)提取。針對此問題，該文提出一種基于稀疏時頻分布(STFD)的跳頻信號處理方法。該方法首先根據(jù)Cohen類分布的原理和跳頻信號模糊函數(shù)的特點，以模糊域矩形窗為核函數(shù)，構建了一種Cohen類的矩形核分布(RKD)。RKD可有效抑制交叉項，但其時頻分辨率較低。為提高RKD的時頻性能，在壓縮感知框架下，利用跳頻信號時頻分布的稀疏特性，對RKD附加稀疏性約束，建立稀疏時頻分布(STFD)的優(yōu)化求解模型。STFD不僅能有效抑制交叉項，而且具有良好的時頻聚集性。仿真分析表明，與傳統(tǒng)時頻分析方法相比，該文提出的基于STFD的跳頻信號參數(shù)估計方法性能更優(yōu)。
2018, 40(3): 548-556.
doi: 10.11999/JEIT170510
摘要:
該文針對分布式MIMO雷達系統(tǒng)中的運動目標定位問題，以雙基地距離(BR)及其變化率(BRR)作為觀測量，提出一種基于多步加權最小二乘的代數(shù)解算法。算法共需要3步加權最小二乘估計。首先，在第1步加權最小二乘估計中，通過選取適當?shù)妮o助參數(shù)，將非線性的BR和BRR的觀測方程進行偽線性化處理，從而得到目標位置和速度的粗略解；而后在后兩步加權最小二乘估計中，利用目標位置參數(shù)和輔助參數(shù)之間的約束關系構建方程，從而得到目標位置和速度的精確估計。最后，推導了算法的理論誤差，從理論上證明了算法可以達到克拉美羅界。在仿真實驗中，將所提算法與現(xiàn)有算法進行了對比，驗證了算法的優(yōu)越性。
該文針對分布式MIMO雷達系統(tǒng)中的運動目標定位問題，以雙基地距離(BR)及其變化率(BRR)作為觀測量，提出一種基于多步加權最小二乘的代數(shù)解算法。算法共需要3步加權最小二乘估計。首先，在第1步加權最小二乘估計中，通過選取適當?shù)妮o助參數(shù)，將非線性的BR和BRR的觀測方程進行偽線性化處理，從而得到目標位置和速度的粗略解；而后在后兩步加權最小二乘估計中，利用目標位置參數(shù)和輔助參數(shù)之間的約束關系構建方程，從而得到目標位置和速度的精確估計。最后，推導了算法的理論誤差，從理論上證明了算法可以達到克拉美羅界。在仿真實驗中，將所提算法與現(xiàn)有算法進行了對比，驗證了算法的優(yōu)越性。
2018, 40(3): 713-720.
doi: 10.11999/JEIT170502
摘要:
運動補償幀率提升(MC-FRUC)是常見的視頻時域篡改手段。現(xiàn)有方法依靠被動分析視頻統(tǒng)計特征發(fā)現(xiàn)MC-FRUC篡改，然而，視頻統(tǒng)計特性的非平穩(wěn)性影響了取證性能的穩(wěn)定性。該文提出一種主動混噪取證算法，通過預先混入統(tǒng)計特性已知的高斯白噪聲，提高MC-FRUC取證的準確度。首先，利用偽隨機序列生成高斯白噪聲，加入原始視頻序列。接著，由小波系數(shù)的絕對中位差預測各視頻幀中混入高斯噪聲的標準差。最后，檢測高斯噪聲標準差的時域變化周期性，通過硬閾值判決，自動甄別MC-FRUC篡改。實驗結果表明，針對不同的MC-FRUC偽造方法，提出算法均表現(xiàn)出良好的取證性能，尤其是當采用去噪、壓縮等操作后處理視頻后，提出算法仍能確保較高的檢測準確度。
運動補償幀率提升(MC-FRUC)是常見的視頻時域篡改手段。現(xiàn)有方法依靠被動分析視頻統(tǒng)計特征發(fā)現(xiàn)MC-FRUC篡改，然而，視頻統(tǒng)計特性的非平穩(wěn)性影響了取證性能的穩(wěn)定性。該文提出一種主動混噪取證算法，通過預先混入統(tǒng)計特性已知的高斯白噪聲，提高MC-FRUC取證的準確度。首先，利用偽隨機序列生成高斯白噪聲，加入原始視頻序列。接著，由小波系數(shù)的絕對中位差預測各視頻幀中混入高斯噪聲的標準差。最后，檢測高斯噪聲標準差的時域變化周期性，通過硬閾值判決，自動甄別MC-FRUC篡改。實驗結果表明，針對不同的MC-FRUC偽造方法，提出算法均表現(xiàn)出良好的取證性能，尤其是當采用去噪、壓縮等操作后處理視頻后，提出算法仍能確保較高的檢測準確度。
2018, 40(3): 573-578.
doi: 10.11999/JEIT170499
摘要:
特征基函數(shù)法是分析目標寬角度電磁散射特性的有效方法之一，但在構造特征基函數(shù)時，設置的入射波激勵包含大量的冗余信息，大大降低了特征基函數(shù)的構造效率；另外在分析復雜目標時，在增加激勵數(shù)目的情況下，僅應用主要特征基函數(shù)并不能顯著提高計算精度。針對這些問題，該文對特征基函數(shù)構造方法進行改進，首先采用奇異值分解技術對激勵矩陣進行壓縮去除冗余信息，減少求解矩陣方程的次數(shù)；其次充分考慮子域之間的互耦作用，將主要特征基函數(shù)與次要特征基函數(shù)融合，得到改進的主要特征基函數(shù)。數(shù)值計算結果表明：與傳統(tǒng)方法相比，該方法具有更高的計算效率和計算精度。
特征基函數(shù)法是分析目標寬角度電磁散射特性的有效方法之一，但在構造特征基函數(shù)時，設置的入射波激勵包含大量的冗余信息，大大降低了特征基函數(shù)的構造效率；另外在分析復雜目標時，在增加激勵數(shù)目的情況下，僅應用主要特征基函數(shù)并不能顯著提高計算精度。針對這些問題，該文對特征基函數(shù)構造方法進行改進，首先采用奇異值分解技術對激勵矩陣進行壓縮去除冗余信息，減少求解矩陣方程的次數(shù)；其次充分考慮子域之間的互耦作用，將主要特征基函數(shù)與次要特征基函數(shù)融合，得到改進的主要特征基函數(shù)。數(shù)值計算結果表明：與傳統(tǒng)方法相比，該方法具有更高的計算效率和計算精度。
2018, 40(3): 618-625.
doi: 10.11999/JEIT170561
摘要:
針對直觀協(xié)方差無關增量式主成分分析算法(CCIPCA)需要滿足零均值高斯分布的問題，該文提出含均值差向量更新的泛化CCIPCA算法(GCCIPCA)，拓展了算法的適用范圍。其次，針對機器人感知學習存在的在線增量計算及有效數(shù)據(jù)降維等問題，將GCCIPCA的增量思想引入到現(xiàn)有的雙向主成分分析算法(BDPCA)，提出基于增量式BDPCA(IBDPCA)的機器人感知學習方法。該方法直接針對圖像矩陣行列方向的類散度矩陣進行迭代估計，具有一定的泛化能力和快速的增量學習能力，提高了實時處理速度。最后，以機器人待抓取物塊作為感知對象進行實驗，結果表明所提算法能夠滿足機器人感知學習的實時處理需求，相比現(xiàn)有的增量式主成分分析算法，在收斂率、分類識別率、計算時間及所需內存等性能方面均得到顯著提升。
針對直觀協(xié)方差無關增量式主成分分析算法(CCIPCA)需要滿足零均值高斯分布的問題，該文提出含均值差向量更新的泛化CCIPCA算法(GCCIPCA)，拓展了算法的適用范圍。其次，針對機器人感知學習存在的在線增量計算及有效數(shù)據(jù)降維等問題，將GCCIPCA的增量思想引入到現(xiàn)有的雙向主成分分析算法(BDPCA)，提出基于增量式BDPCA(IBDPCA)的機器人感知學習方法。該方法直接針對圖像矩陣行列方向的類散度矩陣進行迭代估計，具有一定的泛化能力和快速的增量學習能力，提高了實時處理速度。最后，以機器人待抓取物塊作為感知對象進行實驗，結果表明所提算法能夠滿足機器人感知學習的實時處理需求，相比現(xiàn)有的增量式主成分分析算法，在收斂率、分類識別率、計算時間及所需內存等性能方面均得到顯著提升。
2018, 40(3): 697-704.
doi: 10.11999/JEIT170531
摘要:
為解決FTSA-2-SS結構中的信元沖突、信元失序以及交換流程復雜化等問題，該文提出一種基于逆向傳輸機制的反饋型兩級交換結構(FRTM-TSA)。該結構通過crossbar逆向傳輸機制使得任意輸入端口均可獲得其相鄰端口的調度結果并以此對目標端口所反饋的緩存信息進行修正，基于修正后的信息進行算法調度使得FRTM-TSA能夠避免信元沖突和信元失序，也無需在輸出端口設置重排序緩存。理論分析和仿真結果均表明FRTM-TSA能夠以相對簡潔的交換結構和交換流程獲得更優(yōu)的時延性能。
為解決FTSA-2-SS結構中的信元沖突、信元失序以及交換流程復雜化等問題，該文提出一種基于逆向傳輸機制的反饋型兩級交換結構(FRTM-TSA)。該結構通過crossbar逆向傳輸機制使得任意輸入端口均可獲得其相鄰端口的調度結果并以此對目標端口所反饋的緩存信息進行修正，基于修正后的信息進行算法調度使得FRTM-TSA能夠避免信元沖突和信元失序，也無需在輸出端口設置重排序緩存。理論分析和仿真結果均表明FRTM-TSA能夠以相對簡潔的交換結構和交換流程獲得更優(yōu)的時延性能。
2018, 40(3): 633-640.
doi: 10.11999/JEIT170513
摘要:
該文提出一種新穎的基于二值圖像微觀結構模式(Binary Image Micorsructure Pattern, BIMP)表達和灰度圖像微觀結構二值模式(Gray Image Micorsruct Maximum Response Pattern, GIMMRP)編碼方法。通過對圖像33鄰域結構進行二值編碼，獲得圖像微觀結構的描述，進而選取其中的重要執(zhí)行模式子集和池化操作，實現(xiàn)整體圖像的表示。為了檢驗算法的有效性，在ORL, YALE兩個人臉公開數(shù)據(jù)集，MNIST, USPS兩個手寫數(shù)字公開數(shù)據(jù)集，以及非公開車標數(shù)據(jù)集上進行了測試，顯示該方法具有很強的鑒別能力和魯棒性，可以達到和超過很多最新算法的性能。
該文提出一種新穎的基于二值圖像微觀結構模式(Binary Image Micorsructure Pattern, BIMP)表達和灰度圖像微觀結構二值模式(Gray Image Micorsruct Maximum Response Pattern, GIMMRP)編碼方法。通過對圖像33鄰域結構進行二值編碼，獲得圖像微觀結構的描述，進而選取其中的重要執(zhí)行模式子集和池化操作，實現(xiàn)整體圖像的表示。為了檢驗算法的有效性，在ORL, YALE兩個人臉公開數(shù)據(jù)集，MNIST, USPS兩個手寫數(shù)字公開數(shù)據(jù)集，以及非公開車標數(shù)據(jù)集上進行了測試，顯示該方法具有很強的鑒別能力和魯棒性，可以達到和超過很多最新算法的性能。
2018, 40(3): 541-547.
doi: 10.11999/JEIT170511
摘要:
機動目標檢測是天波超視距雷達的研究重點之一。目前已有的算法在高信噪比條件時對單個機動目標的檢測效果較好，但在低信噪比時對多個機動目標的檢測性能有待提高。該文提出一種基于Hankel矩陣分解的機動目標檢測算法，該算法將機動目標信號構造為Hankel矩陣的形式，通過矩陣分解將信號時頻估計轉化為線性主成分分析的凸優(yōu)化問題，從而實現(xiàn)勻速與機動目標的分離以及多個目標的同時估計。仿真結果證明了該算法具有估計精度高，信噪比條件低，可以同時多目標檢測等優(yōu)點。
機動目標檢測是天波超視距雷達的研究重點之一。目前已有的算法在高信噪比條件時對單個機動目標的檢測效果較好，但在低信噪比時對多個機動目標的檢測性能有待提高。該文提出一種基于Hankel矩陣分解的機動目標檢測算法，該算法將機動目標信號構造為Hankel矩陣的形式，通過矩陣分解將信號時頻估計轉化為線性主成分分析的凸優(yōu)化問題，從而實現(xiàn)勻速與機動目標的分離以及多個目標的同時估計。仿真結果證明了該算法具有估計精度高，信噪比條件低，可以同時多目標檢測等優(yōu)點。
2018, 40(3): 670-675.
doi: 10.11999/JEIT170371
摘要:
針對沖擊噪聲下用稀疏重構的方法不能準確估計波達方向的問題，該文提出基于多項式矩陣預處理的稀疏重構的波達方向(DoA)估計方法。由于沖擊噪聲的二階矩不存在，基于二階矩估計的子空間類算法和稀疏重構類算法不能有效估計出波達方向，且不能很好地處理相干信源。為了解決這個問題，采用多項式預處理技術對接收信號的自相關函數(shù)和方向矢量進行預處理，并在此基礎上利用稀疏重構技術進行DoA估計。多項式預處理可以縮小矩陣的奇異值分布，使得反映噪聲能量的奇異值分布更加明顯，從而有利于減小沖擊噪聲的影響。仿真結果表明，算法在沖擊噪聲環(huán)境下能準確穩(wěn)定地估計出兩種信源的波達方向，尤其是在沖擊噪聲較強的情況下表現(xiàn)出靈敏度高、魯棒性好的優(yōu)點。
針對沖擊噪聲下用稀疏重構的方法不能準確估計波達方向的問題，該文提出基于多項式矩陣預處理的稀疏重構的波達方向(DoA)估計方法。由于沖擊噪聲的二階矩不存在，基于二階矩估計的子空間類算法和稀疏重構類算法不能有效估計出波達方向，且不能很好地處理相干信源。為了解決這個問題，采用多項式預處理技術對接收信號的自相關函數(shù)和方向矢量進行預處理，并在此基礎上利用稀疏重構技術進行DoA估計。多項式預處理可以縮小矩陣的奇異值分布，使得反映噪聲能量的奇異值分布更加明顯，從而有利于減小沖擊噪聲的影響。仿真結果表明，算法在沖擊噪聲環(huán)境下能準確穩(wěn)定地估計出兩種信源的波達方向，尤其是在沖擊噪聲較強的情況下表現(xiàn)出靈敏度高、魯棒性好的優(yōu)點。
2018, 40(3): 690-696.
doi: 10.11999/JEIT170508
摘要:
光無線融合接入網存在光網絡單元利用率低，數(shù)據(jù)傳輸過程中控制開銷較大的問題。該文提出一種帶有上行數(shù)據(jù)幀聚合的節(jié)能機制，建立M/G/1模型分析數(shù)據(jù)幀在無線域節(jié)點及光域節(jié)點的隊列時延，結合不同優(yōu)先級業(yè)務的最大容忍時延，推導各優(yōu)先級聚合幀在不同網絡狀態(tài)下的最佳長度，進而根據(jù)所得到的最佳幀長對光域節(jié)點進行休眠調度，在保障業(yè)務時延的前提下，盡可能地延長節(jié)點休眠時間長度，提高網絡能量效率。仿真結果表明，所提方法在有效降低整個網絡能耗的同時能夠保證業(yè)務的時延性能。
光無線融合接入網存在光網絡單元利用率低，數(shù)據(jù)傳輸過程中控制開銷較大的問題。該文提出一種帶有上行數(shù)據(jù)幀聚合的節(jié)能機制，建立M/G/1模型分析數(shù)據(jù)幀在無線域節(jié)點及光域節(jié)點的隊列時延，結合不同優(yōu)先級業(yè)務的最大容忍時延，推導各優(yōu)先級聚合幀在不同網絡狀態(tài)下的最佳長度，進而根據(jù)所得到的最佳幀長對光域節(jié)點進行休眠調度，在保障業(yè)務時延的前提下，盡可能地延長節(jié)點休眠時間長度，提高網絡能量效率。仿真結果表明，所提方法在有效降低整個網絡能耗的同時能夠保證業(yè)務的時延性能。
2018, 40(3): 557-564.
doi: 10.11999/JEIT170506
摘要:
為了進一步提高衛(wèi)星導航接收機對BOC(1,1)及其衍生類型調制信號的碼鑒相的質量和跟蹤能力，尤其是在高動態(tài)下的跟蹤性能。該文提出一種基于局部相關函數(shù)插值的方法確定BOC(1,1)調制信號的碼相位。該方法基于相關器陣列的結構，根據(jù)相關器陣列的輸出值判斷相關峰值的大致范圍。利用廣義延拓逼近的方法估計碼相位的位置，同時在缺少延拓空間的情況下構造一個虛擬的相關器以完成對碼相位的估計。該文具體分析了單側相關器個數(shù)對牽入范圍的影響，在此基礎上對所提方法進行了計算機仿真實驗。理論和仿真證明：所提方法能夠在不增加過多硬件資源的條件下擴大碼鑒相函數(shù)的線性牽入范圍，進而能夠提高接收機對于BOC調制信號的跟蹤精度。
為了進一步提高衛(wèi)星導航接收機對BOC(1,1)及其衍生類型調制信號的碼鑒相的質量和跟蹤能力，尤其是在高動態(tài)下的跟蹤性能。該文提出一種基于局部相關函數(shù)插值的方法確定BOC(1,1)調制信號的碼相位。該方法基于相關器陣列的結構，根據(jù)相關器陣列的輸出值判斷相關峰值的大致范圍。利用廣義延拓逼近的方法估計碼相位的位置，同時在缺少延拓空間的情況下構造一個虛擬的相關器以完成對碼相位的估計。該文具體分析了單側相關器個數(shù)對牽入范圍的影響，在此基礎上對所提方法進行了計算機仿真實驗。理論和仿真證明：所提方法能夠在不增加過多硬件資源的條件下擴大碼鑒相函數(shù)的線性牽入范圍，進而能夠提高接收機對于BOC調制信號的跟蹤精度。
2018, 40(3): 743-749.
doi: 10.11999/JEIT170443
摘要:
硬件木馬是一種在特定條件下使集成電路失效或泄露機密信息等的惡意電路，給現(xiàn)代信息系統(tǒng)帶來了嚴重的安全隱患。該文基于硬件木馬在芯片工作之初造成的溫度響應特征，提出一種利用芯片溫度變化特性并進行比對的硬件木馬檢測方法。該方法采用環(huán)形振蕩器作為片內溫度特征測量傳感器，提取溫度變化特征信息，并采用曲線擬合評價指標來評估硬件木馬對溫度變化特征的影響，通過比對無木馬芯片溫度響應特征從而完成木馬檢測。通過對10個不同芯片的檢測，結果表明該方法能夠對面積消耗32個邏輯單元硬件木馬的檢測率達到100%，對16個邏輯單元檢測概率也能達到90%；同時檢測結果表明該方法完成硬件木馬檢測后，能夠對硬件木馬的植入位置進行粗定位。
硬件木馬是一種在特定條件下使集成電路失效或泄露機密信息等的惡意電路，給現(xiàn)代信息系統(tǒng)帶來了嚴重的安全隱患。該文基于硬件木馬在芯片工作之初造成的溫度響應特征，提出一種利用芯片溫度變化特性并進行比對的硬件木馬檢測方法。該方法采用環(huán)形振蕩器作為片內溫度特征測量傳感器，提取溫度變化特征信息，并采用曲線擬合評價指標來評估硬件木馬對溫度變化特征的影響，通過比對無木馬芯片溫度響應特征從而完成木馬檢測。通過對10個不同芯片的檢測，結果表明該方法能夠對面積消耗32個邏輯單元硬件木馬的檢測率達到100%，對16個邏輯單元檢測概率也能達到90%；同時檢測結果表明該方法完成硬件木馬檢測后，能夠對硬件木馬的植入位置進行粗定位。
2018, 40(3): 758-762.
doi: 10.11999/JEIT170595
摘要:
為了提高快速傅里葉變換的運算效率，減少運算時間，該文研究了FFT中倒序序列的計算。研究發(fā)現(xiàn)不同長度的倒序序列不相互獨立，它們之間有深刻的聯(lián)系，長度為N的倒序序列可以由長度為N/2的倒序序列生成。根據(jù)不同長度的倒序序列之間的相互關聯(lián)性，給出了新的倒序序列的計算方法及相應的算法流程。通過計算仿真，驗證了算法的正確性。該算法實現(xiàn)簡單，而且運算效率高。與傳統(tǒng)算法相比，新算法可將計算效率提高3個數(shù)量級。
為了提高快速傅里葉變換的運算效率，減少運算時間，該文研究了FFT中倒序序列的計算。研究發(fā)現(xiàn)不同長度的倒序序列不相互獨立，它們之間有深刻的聯(lián)系，長度為N的倒序序列可以由長度為N/2的倒序序列生成。根據(jù)不同長度的倒序序列之間的相互關聯(lián)性，給出了新的倒序序列的計算方法及相應的算法流程。通過計算仿真，驗證了算法的正確性。該算法實現(xiàn)簡單，而且運算效率高。與傳統(tǒng)算法相比，新算法可將計算效率提高3個數(shù)量級。
