郵件訂閱
2019年 第41卷 第10期
顯示方式:
2019, 41(10): 2287-2293.
doi: 10.11999/JEIT190149
摘要:
針對D2D通信的資源分配問題，該文研究了D2D信道選擇與功率控制策略。在保證蜂窩用戶服務(wù)質(zhì)量(QoS)的前提下，提出一種基于啟發(fā)式的D2D信道選擇算法，為系統(tǒng)內(nèi)的D2D用戶找到合適的信道復(fù)用資源。同時，利用拉格朗日對偶方法求解得到D2D用戶最優(yōu)傳輸功率。仿真結(jié)果表明當(dāng)蜂窩用戶與多對D2D用戶共享信道資源時能夠大幅度提升系統(tǒng)平均吞吐量。在相同條件下，該算法的性能要明顯優(yōu)于現(xiàn)有算法。
針對D2D通信的資源分配問題，該文研究了D2D信道選擇與功率控制策略。在保證蜂窩用戶服務(wù)質(zhì)量(QoS)的前提下，提出一種基于啟發(fā)式的D2D信道選擇算法，為系統(tǒng)內(nèi)的D2D用戶找到合適的信道復(fù)用資源。同時，利用拉格朗日對偶方法求解得到D2D用戶最優(yōu)傳輸功率。仿真結(jié)果表明當(dāng)蜂窩用戶與多對D2D用戶共享信道資源時能夠大幅度提升系統(tǒng)平均吞吐量。在相同條件下，該算法的性能要明顯優(yōu)于現(xiàn)有算法。
2019, 41(10): 2294-2301.
doi: 10.11999/JEIT190079
摘要:
水下無線傳感網(wǎng)絡(luò)(UWSN)執(zhí)行目標(biāo)跟蹤時，因為各個傳感器節(jié)點測量值對目標(biāo)狀態(tài)估計的貢獻(xiàn)不一樣以及節(jié)點能量有限，所以探索一種好的節(jié)點融合權(quán)重方法和節(jié)點規(guī)劃機(jī)制能夠獲得更好的跟蹤性能。針對上述問題，該文提出一種基于Grubbs準(zhǔn)則和互信息熵加權(quán)融合的分布式粒子濾波(PF)目標(biāo)跟蹤算法(GMIEW)。首先利用Grubbs準(zhǔn)則對傳感器節(jié)點所獲得的信息進(jìn)行分析檢驗，去除干擾信息和錯誤信息。其次，在粒子濾波的重要性權(quán)值計算的過程中，引入動態(tài)加權(quán)因子，采用傳感器節(jié)點的測量值與目標(biāo)狀態(tài)之間的互信息熵，來反映傳感器節(jié)點提供的目標(biāo)信息量，從而獲得各個節(jié)點相應(yīng)的加權(quán)因子。最后，采用3維場景下的簇-樹型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，跟蹤監(jiān)測區(qū)域內(nèi)的目標(biāo)。實驗結(jié)果顯示，該算法可有效提高水下傳感器網(wǎng)絡(luò)測量數(shù)據(jù)對目標(biāo)跟蹤預(yù)測的準(zhǔn)確度，降低跟蹤誤差。
水下無線傳感網(wǎng)絡(luò)(UWSN)執(zhí)行目標(biāo)跟蹤時，因為各個傳感器節(jié)點測量值對目標(biāo)狀態(tài)估計的貢獻(xiàn)不一樣以及節(jié)點能量有限，所以探索一種好的節(jié)點融合權(quán)重方法和節(jié)點規(guī)劃機(jī)制能夠獲得更好的跟蹤性能。針對上述問題，該文提出一種基于Grubbs準(zhǔn)則和互信息熵加權(quán)融合的分布式粒子濾波(PF)目標(biāo)跟蹤算法(GMIEW)。首先利用Grubbs準(zhǔn)則對傳感器節(jié)點所獲得的信息進(jìn)行分析檢驗，去除干擾信息和錯誤信息。其次，在粒子濾波的重要性權(quán)值計算的過程中，引入動態(tài)加權(quán)因子，采用傳感器節(jié)點的測量值與目標(biāo)狀態(tài)之間的互信息熵，來反映傳感器節(jié)點提供的目標(biāo)信息量，從而獲得各個節(jié)點相應(yīng)的加權(quán)因子。最后，采用3維場景下的簇-樹型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，跟蹤監(jiān)測區(qū)域內(nèi)的目標(biāo)。實驗結(jié)果顯示，該算法可有效提高水下傳感器網(wǎng)絡(luò)測量數(shù)據(jù)對目標(biāo)跟蹤預(yù)測的準(zhǔn)確度，降低跟蹤誤差。
2019, 41(10): 2302-2309.
doi: 10.11999/JEIT180599
摘要:
室內(nèi)定位中半監(jiān)督學(xué)習(xí)的指紋庫構(gòu)建方法能夠降低人力開銷，但忽略了高維接收信號強(qiáng)度(RSS)數(shù)據(jù)不均勻的非齊分布特點，影響定位精度，針對此問題該文提出一種基于RSS非齊性分布特征的半監(jiān)督流形對齊指紋庫構(gòu)建方法。該算法運(yùn)用局部RSS尺度參數(shù)以及共享近鄰相似性構(gòu)造權(quán)重矩陣，得到精確反映RSS數(shù)據(jù)流形結(jié)構(gòu)的權(quán)重圖，利用該權(quán)重圖通過求解流形對齊的目標(biāo)函數(shù)最優(yōu)解，實現(xiàn)運(yùn)用少量標(biāo)記數(shù)據(jù)對大量未標(biāo)記數(shù)據(jù)的位置標(biāo)定。實驗結(jié)果表明，該算法可以顯著降低離線階段數(shù)據(jù)采集的工作量，同時可以取得較高的定位精度。
室內(nèi)定位中半監(jiān)督學(xué)習(xí)的指紋庫構(gòu)建方法能夠降低人力開銷，但忽略了高維接收信號強(qiáng)度(RSS)數(shù)據(jù)不均勻的非齊分布特點，影響定位精度，針對此問題該文提出一種基于RSS非齊性分布特征的半監(jiān)督流形對齊指紋庫構(gòu)建方法。該算法運(yùn)用局部RSS尺度參數(shù)以及共享近鄰相似性構(gòu)造權(quán)重矩陣，得到精確反映RSS數(shù)據(jù)流形結(jié)構(gòu)的權(quán)重圖，利用該權(quán)重圖通過求解流形對齊的目標(biāo)函數(shù)最優(yōu)解，實現(xiàn)運(yùn)用少量標(biāo)記數(shù)據(jù)對大量未標(biāo)記數(shù)據(jù)的位置標(biāo)定。實驗結(jié)果表明，該算法可以顯著降低離線階段數(shù)據(jù)采集的工作量，同時可以取得較高的定位精度。
2019, 41(10): 2310-2317.
doi: 10.11999/JEIT190094
摘要:
針對高密度部署的隨機(jī)異構(gòu)傳感器網(wǎng)絡(luò)內(nèi)部存在的覆蓋冗余問題，該文提出一種隨機(jī)異構(gòu)無線傳感器網(wǎng)絡(luò)的節(jié)點調(diào)度算法(NSSH)。在網(wǎng)絡(luò)原型拓?fù)涞闹蜗聵?gòu)建Delaunary三角剖分，規(guī)劃出節(jié)點進(jìn)行本地化調(diào)度的局部工作子集。通過折中與鄰近節(jié)點的空外接圓半徑，完成對感知半徑的獨立配置；引入幾何線、面概念，利用重疊面積和有效約束圓弧完成對灰、黑色節(jié)點的分類識別，使得節(jié)點僅依賴本地及鄰居信息進(jìn)行半徑調(diào)整和冗余休眠。仿真結(jié)果表明，NSSH能以低復(fù)雜度的代價，近似追平貪婪算法的去冗余性能，并表現(xiàn)出了對網(wǎng)絡(luò)規(guī)模、異構(gòu)跨度和參數(shù)配置的低敏感性。
針對高密度部署的隨機(jī)異構(gòu)傳感器網(wǎng)絡(luò)內(nèi)部存在的覆蓋冗余問題，該文提出一種隨機(jī)異構(gòu)無線傳感器網(wǎng)絡(luò)的節(jié)點調(diào)度算法(NSSH)。在網(wǎng)絡(luò)原型拓?fù)涞闹蜗聵?gòu)建Delaunary三角剖分，規(guī)劃出節(jié)點進(jìn)行本地化調(diào)度的局部工作子集。通過折中與鄰近節(jié)點的空外接圓半徑，完成對感知半徑的獨立配置；引入幾何線、面概念，利用重疊面積和有效約束圓弧完成對灰、黑色節(jié)點的分類識別，使得節(jié)點僅依賴本地及鄰居信息進(jìn)行半徑調(diào)整和冗余休眠。仿真結(jié)果表明，NSSH能以低復(fù)雜度的代價，近似追平貪婪算法的去冗余性能，并表現(xiàn)出了對網(wǎng)絡(luò)規(guī)模、異構(gòu)跨度和參數(shù)配置的低敏感性。
2019, 41(10): 2318-2324.
doi: 10.11999/JEIT181181
摘要:
針對復(fù)雜環(huán)境下，單測量矢量(SMV)條件下的正交頻分復(fù)用(OFDM)時延估計問題，該文提出了一種基于貝葉斯自動相關(guān)性確定(BARD)的稀疏重構(gòu)時延估計算法。該算法運(yùn)用貝葉斯框架，從進(jìn)一步挖掘有用信息的角度入手，引入不對稱的自動相關(guān)性確定(ARD)先驗，融入?yún)?shù)估計過程中，有效提升了低信噪比(SNR)和SMV條件下的時延估計精度。該算法首先基于OFDM信號物理層協(xié)議數(shù)據(jù)單元估計出的信道頻域響應(yīng)構(gòu)造稀疏化實數(shù)域表示模型，然后對模型中的噪聲和稀疏系數(shù)矢量進(jìn)行概率假設(shè)，同時引入自動相關(guān)性確定先驗；最后根據(jù)貝葉斯框架，通過期望最大化(EM)算法求解超參數(shù)，實現(xiàn)對時延的估計。仿真實驗表明，該算法具有更好的估計性能，在信噪比較高時更加貼近克拉美羅界(CRB)。同時基于通用軟件無線電外設(shè)(USRP)，利用實際信號對所提算法進(jìn)行了有效性地驗證。
針對復(fù)雜環(huán)境下，單測量矢量(SMV)條件下的正交頻分復(fù)用(OFDM)時延估計問題，該文提出了一種基于貝葉斯自動相關(guān)性確定(BARD)的稀疏重構(gòu)時延估計算法。該算法運(yùn)用貝葉斯框架，從進(jìn)一步挖掘有用信息的角度入手，引入不對稱的自動相關(guān)性確定(ARD)先驗，融入?yún)?shù)估計過程中，有效提升了低信噪比(SNR)和SMV條件下的時延估計精度。該算法首先基于OFDM信號物理層協(xié)議數(shù)據(jù)單元估計出的信道頻域響應(yīng)構(gòu)造稀疏化實數(shù)域表示模型，然后對模型中的噪聲和稀疏系數(shù)矢量進(jìn)行概率假設(shè)，同時引入自動相關(guān)性確定先驗；最后根據(jù)貝葉斯框架，通過期望最大化(EM)算法求解超參數(shù)，實現(xiàn)對時延的估計。仿真實驗表明，該算法具有更好的估計性能，在信噪比較高時更加貼近克拉美羅界(CRB)。同時基于通用軟件無線電外設(shè)(USRP)，利用實際信號對所提算法進(jìn)行了有效性地驗證。
2019, 41(10): 2325-2333.
doi: 10.11999/JEIT190069
摘要:
為解決多信源多中繼低密度奇偶校驗(LDPC)碼編碼協(xié)作系統(tǒng)編碼復(fù)雜度高、編碼時延長的問題，該文引入一種特殊結(jié)構(gòu)的LDPC碼—基于生成矩陣的準(zhǔn)循環(huán)LDPC碼(QC-LDPC)碼。該類碼結(jié)合了QC-LDPC碼與基于生成矩陣LDPC (G-LDPC)碼的特點，可直接實現(xiàn)完全并行編碼，極大地降低了中繼節(jié)點的編碼時延及編碼復(fù)雜度。在此基礎(chǔ)上，推導(dǎo)出對應(yīng)于信源節(jié)點和中繼節(jié)點采用的QC-LDPC碼的聯(lián)合校驗矩陣，并基于最大公約數(shù)(GCD)定理聯(lián)合設(shè)計該矩陣以消除其所有圍長為4, 6(girth-4, girth-6)的短環(huán)。理論分析和仿真結(jié)果表明，在同等條件下該系統(tǒng)的誤碼率(BER)性能優(yōu)于相應(yīng)的點對點系統(tǒng)。仿真結(jié)果還表明，與采用顯式算法構(gòu)造QC-LDPC碼或一般構(gòu)造QC-LDPC碼的協(xié)作系統(tǒng)相比，采用聯(lián)合設(shè)計QC-LDPC碼的系統(tǒng)均可獲得更高的編碼增益。
為解決多信源多中繼低密度奇偶校驗(LDPC)碼編碼協(xié)作系統(tǒng)編碼復(fù)雜度高、編碼時延長的問題，該文引入一種特殊結(jié)構(gòu)的LDPC碼—基于生成矩陣的準(zhǔn)循環(huán)LDPC碼(QC-LDPC)碼。該類碼結(jié)合了QC-LDPC碼與基于生成矩陣LDPC (G-LDPC)碼的特點，可直接實現(xiàn)完全并行編碼，極大地降低了中繼節(jié)點的編碼時延及編碼復(fù)雜度。在此基礎(chǔ)上，推導(dǎo)出對應(yīng)于信源節(jié)點和中繼節(jié)點采用的QC-LDPC碼的聯(lián)合校驗矩陣，并基于最大公約數(shù)(GCD)定理聯(lián)合設(shè)計該矩陣以消除其所有圍長為4, 6(girth-4, girth-6)的短環(huán)。理論分析和仿真結(jié)果表明，在同等條件下該系統(tǒng)的誤碼率(BER)性能優(yōu)于相應(yīng)的點對點系統(tǒng)。仿真結(jié)果還表明，與采用顯式算法構(gòu)造QC-LDPC碼或一般構(gòu)造QC-LDPC碼的協(xié)作系統(tǒng)相比，采用聯(lián)合設(shè)計QC-LDPC碼的系統(tǒng)均可獲得更高的編碼增益。
2019, 41(10): 2334-2341.
doi: 10.11999/JEIT190034
摘要:
針對非線性衛(wèi)星信道，該文提出了兩種基于回聲狀態(tài)網(wǎng)絡(luò)(ESN)的在線盲均衡算法。利用ESN良好的非線性逼近能力，將發(fā)送信號的高階統(tǒng)計量(HOS)代入ESN，結(jié)合常模算法(CMA)和多模算法(MMA)構(gòu)造盲均衡的代價函數(shù)，并采用遞歸最小二乘(RLS)算法對ESN輸出權(quán)值進(jìn)行迭代尋優(yōu)，實現(xiàn)了Volterra衛(wèi)星信道下常模和多模信號的在線盲均衡。實驗表明，該文算法可以有效降低非線性信道對發(fā)送信號產(chǎn)生的畸變，相較于傳統(tǒng)的Volterra濾波方法，有更快的收斂速度和更低的均方誤差值。
針對非線性衛(wèi)星信道，該文提出了兩種基于回聲狀態(tài)網(wǎng)絡(luò)(ESN)的在線盲均衡算法。利用ESN良好的非線性逼近能力，將發(fā)送信號的高階統(tǒng)計量(HOS)代入ESN，結(jié)合常模算法(CMA)和多模算法(MMA)構(gòu)造盲均衡的代價函數(shù)，并采用遞歸最小二乘(RLS)算法對ESN輸出權(quán)值進(jìn)行迭代尋優(yōu)，實現(xiàn)了Volterra衛(wèi)星信道下常模和多模信號的在線盲均衡。實驗表明，該文算法可以有效降低非線性信道對發(fā)送信號產(chǎn)生的畸變，相較于傳統(tǒng)的Volterra濾波方法，有更快的收斂速度和更低的均方誤差值。
2019, 41(10): 2342-2349.
doi: 10.11999/JEIT190157
摘要:
針對對偶序列跳頻(DSHF)在極低信噪比(SNR)下無法通信的問題，該文充分利用對偶序列跳頻信號時、頻域物理特征，提出一種隨機(jī)共振(SR)檢測方法，極大擴(kuò)展該信號的應(yīng)用場景。首先，通過分析對偶序列跳頻的發(fā)射、接收信號及超外差解調(diào)的中頻(IF)信號，構(gòu)建隨機(jī)共振系統(tǒng)，采用尺度變換調(diào)整中頻信號；然后，引入判決時刻，將無定態(tài)解的非自治福克普朗克方程(FPE)轉(zhuǎn)化為可解的自治方程，從而推導(dǎo)出含時間參量的概率密度周期定態(tài)解；其次，以最大后驗概率為準(zhǔn)則，得到檢測概率、虛警概率和接收機(jī)工作特性(ROC)曲線；最后，得出以下結(jié)論：(1) 應(yīng)用匹配隨機(jī)共振檢測對偶序列跳頻信號的信噪比最低可達(dá)–18 dB；(2)對偶序列跳頻與匹配隨機(jī)共振結(jié)合，適用于信噪比在–18～–14 dB的信號檢測；(3)應(yīng)用匹配隨機(jī)共振檢測對偶序列跳頻信號在信噪比為–14 dB時，檢測性能提升了25.47%。仿真實驗驗證了理論的正確性。
針對對偶序列跳頻(DSHF)在極低信噪比(SNR)下無法通信的問題，該文充分利用對偶序列跳頻信號時、頻域物理特征，提出一種隨機(jī)共振(SR)檢測方法，極大擴(kuò)展該信號的應(yīng)用場景。首先，通過分析對偶序列跳頻的發(fā)射、接收信號及超外差解調(diào)的中頻(IF)信號，構(gòu)建隨機(jī)共振系統(tǒng)，采用尺度變換調(diào)整中頻信號；然后，引入判決時刻，將無定態(tài)解的非自治福克普朗克方程(FPE)轉(zhuǎn)化為可解的自治方程，從而推導(dǎo)出含時間參量的概率密度周期定態(tài)解；其次，以最大后驗概率為準(zhǔn)則，得到檢測概率、虛警概率和接收機(jī)工作特性(ROC)曲線；最后，得出以下結(jié)論：(1) 應(yīng)用匹配隨機(jī)共振檢測對偶序列跳頻信號的信噪比最低可達(dá)–18 dB；(2)對偶序列跳頻與匹配隨機(jī)共振結(jié)合，適用于信噪比在–18～–14 dB的信號檢測；(3)應(yīng)用匹配隨機(jī)共振檢測對偶序列跳頻信號在信噪比為–14 dB時，檢測性能提升了25.47%。仿真實驗驗證了理論的正確性。
2019, 41(10): 2350-2357.
doi: 10.11999/JEIT180832
摘要:
針對殘缺電磁矢量傳感器的極化敏感陣列多參數(shù)聯(lián)合估計問題，該文提出一種基于正交偶極子的均勻線陣的2維波達(dá)方向(Direction-Of-Arrival, DOA)估計算法。首先，對極化敏感陣列的接收數(shù)據(jù)矢量的協(xié)方差矩陣進(jìn)行特征分解，然后將信號子空間劃分成4個子陣，根據(jù)旋轉(zhuǎn)不變子空間(ESPRIT)算法分別求出其中1個子陣與其它3個子陣的相位差，再對不同子陣間的相位差進(jìn)行配對，最后根據(jù)相位差求出信號的DOA估計和極化參數(shù)。由正交偶極子組成的均勻線陣使用極化MUSIC算法和傳統(tǒng)ESPRIT算法無法進(jìn)行2維DOA估計，該文提出的算法解決了這個問題，并且相較于極化MUISC算法降低了算法的復(fù)雜度。仿真結(jié)果驗證了該文算法的有效性。
針對殘缺電磁矢量傳感器的極化敏感陣列多參數(shù)聯(lián)合估計問題，該文提出一種基于正交偶極子的均勻線陣的2維波達(dá)方向(Direction-Of-Arrival, DOA)估計算法。首先，對極化敏感陣列的接收數(shù)據(jù)矢量的協(xié)方差矩陣進(jìn)行特征分解，然后將信號子空間劃分成4個子陣，根據(jù)旋轉(zhuǎn)不變子空間(ESPRIT)算法分別求出其中1個子陣與其它3個子陣的相位差，再對不同子陣間的相位差進(jìn)行配對，最后根據(jù)相位差求出信號的DOA估計和極化參數(shù)。由正交偶極子組成的均勻線陣使用極化MUSIC算法和傳統(tǒng)ESPRIT算法無法進(jìn)行2維DOA估計，該文提出的算法解決了這個問題，并且相較于極化MUISC算法降低了算法的復(fù)雜度。仿真結(jié)果驗證了該文算法的有效性。
2019, 41(10): 2358-2365.
doi: 10.11999/JEIT180858
摘要:
延長積累時間可以有效提高無源雷達(dá)的目標(biāo)探測能力，但是對于高速機(jī)動目標(biāo)，其速度、加速度、第二加速度等因素導(dǎo)致現(xiàn)有的檢測算法在積累過程中發(fā)生距離徙動(RM)和多普勒頻率徙動(DFM)，使得目標(biāo)檢測性能惡化。該文針對無源雷達(dá)中變加速運(yùn)動目標(biāo)的長時間相參積累問題，提出一種基于相鄰互相關(guān)函數(shù)(ACCF)-參數(shù)化中心頻率-調(diào)頻率分布(PCFCRD)-Keystone變換(KT)的相參積累算法(ACCF-PCFCRD-KT)。首先給出無源雷達(dá)中變加速運(yùn)動目標(biāo)的回波模型，分析了目標(biāo)速度、加速度和第二加速度對相參積累的影響。針對目標(biāo)第二加速度引起的多普勒頻率彎曲，采用ACCF降低了距離和多普勒頻率徙動的階數(shù)，而后利用PCFCRD估計出目標(biāo)加速度和第二加速度參數(shù)，在補(bǔ)償了目標(biāo)加速度和第二加速度引起的2次和3次徙動后，利用KT校正目標(biāo)速度引起的線性徙動，并實現(xiàn)目標(biāo)回波的積累。仿真結(jié)果表明，該算法可有效補(bǔ)償無源雷達(dá)中目標(biāo)運(yùn)動導(dǎo)致的RM和DFM，對變加速機(jī)動目標(biāo)的積累效果顯著優(yōu)于現(xiàn)有算法。
延長積累時間可以有效提高無源雷達(dá)的目標(biāo)探測能力，但是對于高速機(jī)動目標(biāo)，其速度、加速度、第二加速度等因素導(dǎo)致現(xiàn)有的檢測算法在積累過程中發(fā)生距離徙動(RM)和多普勒頻率徙動(DFM)，使得目標(biāo)檢測性能惡化。該文針對無源雷達(dá)中變加速運(yùn)動目標(biāo)的長時間相參積累問題，提出一種基于相鄰互相關(guān)函數(shù)(ACCF)-參數(shù)化中心頻率-調(diào)頻率分布(PCFCRD)-Keystone變換(KT)的相參積累算法(ACCF-PCFCRD-KT)。首先給出無源雷達(dá)中變加速運(yùn)動目標(biāo)的回波模型，分析了目標(biāo)速度、加速度和第二加速度對相參積累的影響。針對目標(biāo)第二加速度引起的多普勒頻率彎曲，采用ACCF降低了距離和多普勒頻率徙動的階數(shù)，而后利用PCFCRD估計出目標(biāo)加速度和第二加速度參數(shù)，在補(bǔ)償了目標(biāo)加速度和第二加速度引起的2次和3次徙動后，利用KT校正目標(biāo)速度引起的線性徙動，并實現(xiàn)目標(biāo)回波的積累。仿真結(jié)果表明，該算法可有效補(bǔ)償無源雷達(dá)中目標(biāo)運(yùn)動導(dǎo)致的RM和DFM，對變加速機(jī)動目標(biāo)的積累效果顯著優(yōu)于現(xiàn)有算法。
2019, 41(10): 2366-2372.
doi: 10.11999/JEIT190014
摘要:
針對任意測站的對流層散射斜延遲估算時存在探空氣象數(shù)據(jù)不易實時獲取的不足，該文提出一種利用地面氣象參數(shù)內(nèi)插改進(jìn)射線描跡計算公式的對流層散射斜延遲估計算法。該算法利用中緯度大氣氣象參數(shù)公式推導(dǎo)了折射指數(shù)隨地心距變化的關(guān)系式，并采用氣象參數(shù)內(nèi)插方法獲取溫度變化率和水汽壓變化率，克服了射線描跡法對探空數(shù)據(jù)的依賴。根據(jù)亞洲地區(qū)6個國際GPS服務(wù)(IGS)測站2012年的實測氣象數(shù)據(jù)，驗證了該文算法解算天頂延遲年平均偏差的絕對值在1 cm以內(nèi)；選取基線距離適宜的3個測站分成3組散射通信比對站，利用射線描跡法計算了其在0°～5°入射角下全年的斜延遲，結(jié)果表明，3組比對站進(jìn)行單向傳輸?shù)淖畲笮毖舆t為17.03～33.10 m；進(jìn)行雙向時間比對相互抵消95%時，時間延遲為2.88～5.52 ns。
針對任意測站的對流層散射斜延遲估算時存在探空氣象數(shù)據(jù)不易實時獲取的不足，該文提出一種利用地面氣象參數(shù)內(nèi)插改進(jìn)射線描跡計算公式的對流層散射斜延遲估計算法。該算法利用中緯度大氣氣象參數(shù)公式推導(dǎo)了折射指數(shù)隨地心距變化的關(guān)系式，并采用氣象參數(shù)內(nèi)插方法獲取溫度變化率和水汽壓變化率，克服了射線描跡法對探空數(shù)據(jù)的依賴。根據(jù)亞洲地區(qū)6個國際GPS服務(wù)(IGS)測站2012年的實測氣象數(shù)據(jù)，驗證了該文算法解算天頂延遲年平均偏差的絕對值在1 cm以內(nèi)；選取基線距離適宜的3個測站分成3組散射通信比對站，利用射線描跡法計算了其在0°～5°入射角下全年的斜延遲，結(jié)果表明，3組比對站進(jìn)行單向傳輸?shù)淖畲笮毖舆t為17.03～33.10 m；進(jìn)行雙向時間比對相互抵消95%時，時間延遲為2.88～5.52 ns。
2019, 41(10): 2373-2381.
doi: 10.11999/JEIT190098
摘要:
針對新一代多普勒氣象雷達(dá)的散射回波圖像受非降雨等噪聲回波干擾導(dǎo)致精細(xì)化短時氣象預(yù)報準(zhǔn)確度降低的問題，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的氣象雷達(dá)噪聲圖像語義分割方法。首先，設(shè)計一種深度卷積神經(jīng)網(wǎng)絡(luò)模型(DCNNM)，利用MJDATA數(shù)據(jù)集的訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練，通過前向傳播過程提取特征，將圖像高維全局語義信息與局部特征細(xì)節(jié)融合；然后，利用訓(xùn)練誤差值反向傳播迭代更新網(wǎng)絡(luò)參數(shù)，實現(xiàn)模型的收斂效果最優(yōu)化；最后，通過該模型對氣象雷達(dá)圖像數(shù)據(jù)進(jìn)行分割處理。實驗結(jié)果表明，該文方法對氣象雷達(dá)圖像的去噪效果較好，與光流法、全卷積網(wǎng)絡(luò)(FCN)等方法相比，該文方法對氣象雷達(dá)圖像中真實回波和噪聲回波的識別準(zhǔn)確率高，圖像的像素精度較高。
針對新一代多普勒氣象雷達(dá)的散射回波圖像受非降雨等噪聲回波干擾導(dǎo)致精細(xì)化短時氣象預(yù)報準(zhǔn)確度降低的問題，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的氣象雷達(dá)噪聲圖像語義分割方法。首先，設(shè)計一種深度卷積神經(jīng)網(wǎng)絡(luò)模型(DCNNM)，利用MJDATA數(shù)據(jù)集的訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練，通過前向傳播過程提取特征，將圖像高維全局語義信息與局部特征細(xì)節(jié)融合；然后，利用訓(xùn)練誤差值反向傳播迭代更新網(wǎng)絡(luò)參數(shù)，實現(xiàn)模型的收斂效果最優(yōu)化；最后，通過該模型對氣象雷達(dá)圖像數(shù)據(jù)進(jìn)行分割處理。實驗結(jié)果表明，該文方法對氣象雷達(dá)圖像的去噪效果較好，與光流法、全卷積網(wǎng)絡(luò)(FCN)等方法相比，該文方法對氣象雷達(dá)圖像中真實回波和噪聲回波的識別準(zhǔn)確率高，圖像的像素精度較高。
2019, 41(10): 2382-2388.
doi: 10.11999/JEIT190095
摘要:
該文著重研究了FPGA芯片中核心模塊基本可編程邏輯單元(BLE)的電路結(jié)構(gòu)與優(yōu)化設(shè)計方法，針對傳統(tǒng)4輸入查找表(LUT)進(jìn)行邏輯操作和算術(shù)運(yùn)算時資源利用率低的問題，提出一種融合多路選擇器的改進(jìn)型LUT結(jié)構(gòu)，該結(jié)構(gòu)具有更高面積利用率；同時提出一種對映射后網(wǎng)表進(jìn)行統(tǒng)計的評估優(yōu)化方法，可以對綜合映射后網(wǎng)表進(jìn)行重新組合，通過預(yù)裝箱產(chǎn)生優(yōu)化后網(wǎng)表；最后，對所提結(jié)構(gòu)進(jìn)行了實驗評估和驗證。結(jié)果表明：與Intel公司Stratix系列FPGA相比，采用該文所提優(yōu)化結(jié)構(gòu)，在MCNC電路集和VTR電路集下，資源利用率平均分別提高了10.428% 和 10.433%，有效提升了FPGA的邏輯效能。
該文著重研究了FPGA芯片中核心模塊基本可編程邏輯單元(BLE)的電路結(jié)構(gòu)與優(yōu)化設(shè)計方法，針對傳統(tǒng)4輸入查找表(LUT)進(jìn)行邏輯操作和算術(shù)運(yùn)算時資源利用率低的問題，提出一種融合多路選擇器的改進(jìn)型LUT結(jié)構(gòu)，該結(jié)構(gòu)具有更高面積利用率；同時提出一種對映射后網(wǎng)表進(jìn)行統(tǒng)計的評估優(yōu)化方法，可以對綜合映射后網(wǎng)表進(jìn)行重新組合，通過預(yù)裝箱產(chǎn)生優(yōu)化后網(wǎng)表；最后，對所提結(jié)構(gòu)進(jìn)行了實驗評估和驗證。結(jié)果表明：與Intel公司Stratix系列FPGA相比，采用該文所提優(yōu)化結(jié)構(gòu)，在MCNC電路集和VTR電路集下，資源利用率平均分別提高了10.428% 和 10.433%，有效提升了FPGA的邏輯效能。
2019, 41(10): 2389-2395.
doi: 10.11999/JEIT181134
摘要:
該文針對3維FPGA (3D FPGA)芯片存在的散熱問題，提出具有低熱梯度特征的互連網(wǎng)絡(luò)通道結(jié)構(gòu)，力圖解決傳統(tǒng)FPGA勻稱互連通道設(shè)計在芯片堆疊實現(xiàn)上產(chǎn)生的溫度非平衡現(xiàn)象。該文建立了3D FPGA的熱阻網(wǎng)絡(luò)模型；對不同類型的通道線對3D FPGA的熱分布影響進(jìn)行了理論分析和熱仿真；提出了垂直方向通道網(wǎng)絡(luò)非均勻分布的3D FPGA通道結(jié)構(gòu)，實驗表明，與給定傳統(tǒng)FPGA互連通道結(jié)構(gòu)相比，采用所提方法實現(xiàn)的3D FPGA設(shè)計架構(gòu)能夠降低76.8%的層間最高溫度梯度，10.4%的層內(nèi)溫度梯度。
該文針對3維FPGA (3D FPGA)芯片存在的散熱問題，提出具有低熱梯度特征的互連網(wǎng)絡(luò)通道結(jié)構(gòu)，力圖解決傳統(tǒng)FPGA勻稱互連通道設(shè)計在芯片堆疊實現(xiàn)上產(chǎn)生的溫度非平衡現(xiàn)象。該文建立了3D FPGA的熱阻網(wǎng)絡(luò)模型；對不同類型的通道線對3D FPGA的熱分布影響進(jìn)行了理論分析和熱仿真；提出了垂直方向通道網(wǎng)絡(luò)非均勻分布的3D FPGA通道結(jié)構(gòu)，實驗表明，與給定傳統(tǒng)FPGA互連通道結(jié)構(gòu)相比，采用所提方法實現(xiàn)的3D FPGA設(shè)計架構(gòu)能夠降低76.8%的層間最高溫度梯度，10.4%的層內(nèi)溫度梯度。
2019, 41(10): 2396-2401.
doi: 10.11999/JEIT190051
摘要:
渦輪式氣體流量傳感器在用力肺功能測試中用于記錄人體呼氣信號，由于旋轉(zhuǎn)慣性，對于相同用力呼氣容量(FVC)值，測量結(jié)果因呼出氣體流量而異，且差異值通常不可接受。針對該問題，該文通過在傳統(tǒng)穩(wěn)態(tài)渦輪流量計算模型的基礎(chǔ)上引入速度懲罰項，構(gòu)建一種FVC速度懲罰模型，與此同時，提出使用過幅降采樣渦輪旋轉(zhuǎn)周數(shù)算法，二者結(jié)合，提高了FVC測試結(jié)果的可接受性。利用國際通用的標(biāo)準(zhǔn)3 L定標(biāo)桶，模擬真實用力肺功能測試過程，對算法的有效性進(jìn)行驗證。實驗結(jié)果表明：所提方法能夠有效降低前述差異，在一定程度上滿足美國胸科協(xié)會(ATS)和歐洲呼吸學(xué)會(ERS)所提出的用力肺功能測試可接受標(biāo)準(zhǔn)和準(zhǔn)確度要求。
渦輪式氣體流量傳感器在用力肺功能測試中用于記錄人體呼氣信號，由于旋轉(zhuǎn)慣性，對于相同用力呼氣容量(FVC)值，測量結(jié)果因呼出氣體流量而異，且差異值通常不可接受。針對該問題，該文通過在傳統(tǒng)穩(wěn)態(tài)渦輪流量計算模型的基礎(chǔ)上引入速度懲罰項，構(gòu)建一種FVC速度懲罰模型，與此同時，提出使用過幅降采樣渦輪旋轉(zhuǎn)周數(shù)算法，二者結(jié)合，提高了FVC測試結(jié)果的可接受性。利用國際通用的標(biāo)準(zhǔn)3 L定標(biāo)桶，模擬真實用力肺功能測試過程，對算法的有效性進(jìn)行驗證。實驗結(jié)果表明：所提方法能夠有效降低前述差異，在一定程度上滿足美國胸科協(xié)會(ATS)和歐洲呼吸學(xué)會(ERS)所提出的用力肺功能測試可接受標(biāo)準(zhǔn)和準(zhǔn)確度要求。
2019, 41(10): 2402-2408.
doi: 10.11999/JEIT190003
摘要:
密碼卡在信息安全領(lǐng)域發(fā)揮著重要作用，但當(dāng)前密碼卡存在性能不足的問題，難以滿足高速網(wǎng)絡(luò)安全服務(wù)的需要。該文提出一種基于MIPS64多核處理器的高速PCIe密碼卡的設(shè)計與系統(tǒng)實現(xiàn)方法，支持SM2/3/4國產(chǎn)密碼(GM)算法以及RSA, SHA, AES等國際密碼算法，系統(tǒng)包括硬件模塊，密碼算法模塊，主機(jī)驅(qū)動模塊和接口調(diào)用模塊；對SM3的實現(xiàn)提出一種優(yōu)化方案，性能提升了19%；支持主機(jī)以Non-Blocking方式發(fā)送請求，單進(jìn)程應(yīng)用即可獲得密碼卡滿載性能。該卡在10核CPU下SM2簽名和驗證速度分別為18000次/s和4200次/s, SM3雜湊速度2200 Mbps, SM4加/解密速度8/10 Gbps，多項指標(biāo)達(dá)到較高水平；采用1300 MHz主頻16核CPU時，SM2/3的性能指標(biāo)提高1倍，采用48核CPU時SM2簽名速度可達(dá)到105次/s。
密碼卡在信息安全領(lǐng)域發(fā)揮著重要作用，但當(dāng)前密碼卡存在性能不足的問題，難以滿足高速網(wǎng)絡(luò)安全服務(wù)的需要。該文提出一種基于MIPS64多核處理器的高速PCIe密碼卡的設(shè)計與系統(tǒng)實現(xiàn)方法，支持SM2/3/4國產(chǎn)密碼(GM)算法以及RSA, SHA, AES等國際密碼算法，系統(tǒng)包括硬件模塊，密碼算法模塊，主機(jī)驅(qū)動模塊和接口調(diào)用模塊；對SM3的實現(xiàn)提出一種優(yōu)化方案，性能提升了19%；支持主機(jī)以Non-Blocking方式發(fā)送請求，單進(jìn)程應(yīng)用即可獲得密碼卡滿載性能。該卡在10核CPU下SM2簽名和驗證速度分別為18000次/s和4200次/s, SM3雜湊速度2200 Mbps, SM4加/解密速度8/10 Gbps，多項指標(biāo)達(dá)到較高水平；采用1300 MHz主頻16核CPU時，SM2/3的性能指標(biāo)提高1倍，采用48核CPU時SM2簽名速度可達(dá)到105次/s。
2019, 41(10): 2409-2415.
doi: 10.11999/JEIT190038
摘要:
為了克服云存儲不可信及云存儲中密文檢索效率低的問題，該文提出區(qū)塊鏈上基于B+樹的密文排序可搜索加密方案。該方案結(jié)合區(qū)塊鏈技術(shù)解決了在互不了解的多方建立可靠信任的問題；使用向量空間模型降低了文本的復(fù)雜性實現(xiàn)了高效的文本檢索系統(tǒng)；采用B+樹的索引結(jié)構(gòu)提高了區(qū)塊鏈上密文交易的檢索速度；利用加權(quán)統(tǒng)計(TF-IDF)算法實現(xiàn)了多關(guān)鍵詞查詢結(jié)果的排序。在隨機(jī)預(yù)言機(jī)模型下，證明該方案是適應(yīng)性不可區(qū)分安全的，通過效率對比分析，表明該方案在區(qū)塊鏈上實現(xiàn)了高效的密文檢索。
為了克服云存儲不可信及云存儲中密文檢索效率低的問題，該文提出區(qū)塊鏈上基于B+樹的密文排序可搜索加密方案。該方案結(jié)合區(qū)塊鏈技術(shù)解決了在互不了解的多方建立可靠信任的問題；使用向量空間模型降低了文本的復(fù)雜性實現(xiàn)了高效的文本檢索系統(tǒng)；采用B+樹的索引結(jié)構(gòu)提高了區(qū)塊鏈上密文交易的檢索速度；利用加權(quán)統(tǒng)計(TF-IDF)算法實現(xiàn)了多關(guān)鍵詞查詢結(jié)果的排序。在隨機(jī)預(yù)言機(jī)模型下，證明該方案是適應(yīng)性不可區(qū)分安全的，通過效率對比分析，表明該方案在區(qū)塊鏈上實現(xiàn)了高效的密文檢索。
2019, 41(10): 2416-2422.
doi: 10.11999/JEIT181113
摘要:
隨著物聯(lián)網(wǎng)等普適計算的發(fā)展，傳感器、射頻識別(RFID)標(biāo)簽等被廣泛使用，這些微型設(shè)備的計算能力有限，傳統(tǒng)的密碼算法難以實現(xiàn)，需要硬件效率高的輕量級分組密碼來支撐。最大距離可分(MDS)矩陣擴(kuò)散性能最好，通常被用于構(gòu)造分組密碼擴(kuò)散層，異或操作次數(shù)(XORs)是用來衡量擴(kuò)散層硬件應(yīng)用效率的一個指標(biāo)。該文利用一種能更準(zhǔn)確評估硬件效率的XORs計算方法，結(jié)合一種特殊結(jié)構(gòu)的矩陣—Toeplitz矩陣，構(gòu)造XORs較少效率較高的MDS矩陣。利用Toeplitz矩陣的結(jié)構(gòu)特點，改進(jìn)矩陣元素的約束條件，降低矩陣搜索的計算復(fù)雜度，在有限域\begin{document}${\mathbb{F}_{{2^8}}}$\end{document} ![]()
![]()
隨著物聯(lián)網(wǎng)等普適計算的發(fā)展，傳感器、射頻識別(RFID)標(biāo)簽等被廣泛使用，這些微型設(shè)備的計算能力有限，傳統(tǒng)的密碼算法難以實現(xiàn)，需要硬件效率高的輕量級分組密碼來支撐。最大距離可分(MDS)矩陣擴(kuò)散性能最好，通常被用于構(gòu)造分組密碼擴(kuò)散層，異或操作次數(shù)(XORs)是用來衡量擴(kuò)散層硬件應(yīng)用效率的一個指標(biāo)。該文利用一種能更準(zhǔn)確評估硬件效率的XORs計算方法，結(jié)合一種特殊結(jié)構(gòu)的矩陣—Toeplitz矩陣，構(gòu)造XORs較少效率較高的MDS矩陣。利用Toeplitz矩陣的結(jié)構(gòu)特點，改進(jìn)矩陣元素的約束條件，降低矩陣搜索的計算復(fù)雜度，在有限域
2019, 41(10): 2423-2427.
doi: 10.11999/JEIT190070
摘要:
GC重量是DNA碼的一個重要參數(shù)，如何構(gòu)造滿足GC常重量約束的DNA碼是一個有趣的問題。該文通過在DNA碼與四元碼之間建立一個雙射，將構(gòu)造滿足GC常重量約束的DNA碼轉(zhuǎn)化為構(gòu)造GC常重量四元碼。通過代數(shù)的方法，構(gòu)造了3類滿足GC常重量約束的DNA碼。
GC重量是DNA碼的一個重要參數(shù)，如何構(gòu)造滿足GC常重量約束的DNA碼是一個有趣的問題。該文通過在DNA碼與四元碼之間建立一個雙射，將構(gòu)造滿足GC常重量約束的DNA碼轉(zhuǎn)化為構(gòu)造GC常重量四元碼。通過代數(shù)的方法，構(gòu)造了3類滿足GC常重量約束的DNA碼。
2019, 41(10): 2428-2434.
doi: 10.11999/JEIT181160
摘要:
由于命名數(shù)據(jù)網(wǎng)絡(luò)(NDN)具有網(wǎng)內(nèi)緩存特點，任意用戶可直接從中間路由節(jié)點獲取數(shù)據(jù)，同時，內(nèi)容提供商也無法得知用戶的訪問信息。針對這些問題，該文結(jié)合基于身份的組合公鑰和Schnorr簽名方法，提出了“三次握手”匿名安全認(rèn)證協(xié)議，同時，采用改進(jìn)的秘密共享方法來高效分發(fā)內(nèi)容密鑰，實現(xiàn)了一種可追溯且輕量級的細(xì)粒度訪問控制機(jī)制(TLAC)，最后，通過實驗驗證了TLAC機(jī)制的高效性。
由于命名數(shù)據(jù)網(wǎng)絡(luò)(NDN)具有網(wǎng)內(nèi)緩存特點，任意用戶可直接從中間路由節(jié)點獲取數(shù)據(jù)，同時，內(nèi)容提供商也無法得知用戶的訪問信息。針對這些問題，該文結(jié)合基于身份的組合公鑰和Schnorr簽名方法，提出了“三次握手”匿名安全認(rèn)證協(xié)議，同時，采用改進(jìn)的秘密共享方法來高效分發(fā)內(nèi)容密鑰，實現(xiàn)了一種可追溯且輕量級的細(xì)粒度訪問控制機(jī)制(TLAC)，最后，通過實驗驗證了TLAC機(jī)制的高效性。
2019, 41(10): 2435-2441.
doi: 10.11999/JEIT181130
摘要:
網(wǎng)絡(luò)功能虛擬化(NFV)為服務(wù)鏈構(gòu)建帶來了靈活性與動態(tài)性，然而，軟件化與虛擬化環(huán)境可能存在軟件漏洞、后門等安全風(fēng)險，對服務(wù)鏈(SC)的安全產(chǎn)生影響。為此，該文提出一種服務(wù)鏈上虛擬網(wǎng)絡(luò)功能(VNF)調(diào)度方法。首先，為虛擬網(wǎng)絡(luò)功能構(gòu)建異構(gòu)鏡像池，避免利用共模漏洞的大范圍攻擊；隨后，以特定周期選擇服務(wù)鏈虛擬網(wǎng)絡(luò)功能進(jìn)行調(diào)度，加載異構(gòu)鏡像對該網(wǎng)絡(luò)功能的執(zhí)行實體進(jìn)行替換；最后，考慮調(diào)度對網(wǎng)絡(luò)功能性能的影響，應(yīng)用斯坦科爾伯格博弈對攻防過程建模，以最優(yōu)化防御者收益為目標(biāo)求解服務(wù)鏈上各網(wǎng)絡(luò)功能的調(diào)度概率。實驗表明，該方法能夠降低攻擊者攻擊成功率，同時將調(diào)度產(chǎn)生的開銷控制在可接受范圍內(nèi)。
網(wǎng)絡(luò)功能虛擬化(NFV)為服務(wù)鏈構(gòu)建帶來了靈活性與動態(tài)性，然而，軟件化與虛擬化環(huán)境可能存在軟件漏洞、后門等安全風(fēng)險，對服務(wù)鏈(SC)的安全產(chǎn)生影響。為此，該文提出一種服務(wù)鏈上虛擬網(wǎng)絡(luò)功能(VNF)調(diào)度方法。首先，為虛擬網(wǎng)絡(luò)功能構(gòu)建異構(gòu)鏡像池，避免利用共模漏洞的大范圍攻擊；隨后，以特定周期選擇服務(wù)鏈虛擬網(wǎng)絡(luò)功能進(jìn)行調(diào)度，加載異構(gòu)鏡像對該網(wǎng)絡(luò)功能的執(zhí)行實體進(jìn)行替換；最后，考慮調(diào)度對網(wǎng)絡(luò)功能性能的影響，應(yīng)用斯坦科爾伯格博弈對攻防過程建模，以最優(yōu)化防御者收益為目標(biāo)求解服務(wù)鏈上各網(wǎng)絡(luò)功能的調(diào)度概率。實驗表明，該方法能夠降低攻擊者攻擊成功率，同時將調(diào)度產(chǎn)生的開銷控制在可接受范圍內(nèi)。
2019, 41(10): 2442-2449.
doi: 10.11999/JEIT190093
摘要:
顯著性目標(biāo)檢測旨在于一個場景中自動檢測能夠引起人類注意的目標(biāo)或區(qū)域，在自底向上的方法中，基于多核支持向量機(jī)(SVM)的集成學(xué)習(xí)取得了卓越的效果。然而，針對每一張要處理的圖像，該方法都要重新訓(xùn)練，每一次訓(xùn)練都非常耗時。因此，該文提出一個基于加權(quán)的K近鄰線性混合(WKNNLB)顯著性目標(biāo)檢測方法：利用現(xiàn)有的方法來產(chǎn)生初始的弱顯著圖并獲得訓(xùn)練樣本，引入加權(quán)的K近鄰(WKNN)模型來預(yù)測樣本的顯著性值，該模型不需要任何訓(xùn)練過程，僅需選擇一個最優(yōu)的K值和計算與測試樣本最近的K個訓(xùn)練樣本的歐式距離。為了減少選擇K值帶來的影響，多個加權(quán)的K近鄰模型通過線性混合的方式融合來產(chǎn)生強(qiáng)的顯著圖。最后，將多尺度的弱顯著圖和強(qiáng)顯著圖融合來進(jìn)一步提高檢測效果。在常用的ASD和復(fù)雜的DUT-OMRON數(shù)據(jù)集上的實驗結(jié)果表明了該算法在運(yùn)行時間和性能上的有效性和優(yōu)越性。當(dāng)采用較好的弱顯著圖時，該算法能夠取得更好的效果。
顯著性目標(biāo)檢測旨在于一個場景中自動檢測能夠引起人類注意的目標(biāo)或區(qū)域，在自底向上的方法中，基于多核支持向量機(jī)(SVM)的集成學(xué)習(xí)取得了卓越的效果。然而，針對每一張要處理的圖像，該方法都要重新訓(xùn)練，每一次訓(xùn)練都非常耗時。因此，該文提出一個基于加權(quán)的K近鄰線性混合(WKNNLB)顯著性目標(biāo)檢測方法：利用現(xiàn)有的方法來產(chǎn)生初始的弱顯著圖并獲得訓(xùn)練樣本，引入加權(quán)的K近鄰(WKNN)模型來預(yù)測樣本的顯著性值，該模型不需要任何訓(xùn)練過程，僅需選擇一個最優(yōu)的K值和計算與測試樣本最近的K個訓(xùn)練樣本的歐式距離。為了減少選擇K值帶來的影響，多個加權(quán)的K近鄰模型通過線性混合的方式融合來產(chǎn)生強(qiáng)的顯著圖。最后，將多尺度的弱顯著圖和強(qiáng)顯著圖融合來進(jìn)一步提高檢測效果。在常用的ASD和復(fù)雜的DUT-OMRON數(shù)據(jù)集上的實驗結(jié)果表明了該算法在運(yùn)行時間和性能上的有效性和優(yōu)越性。當(dāng)采用較好的弱顯著圖時，該算法能夠取得更好的效果。
2019, 41(10): 2450-2456.
doi: 10.11999/JEIT180857
摘要:
針對目前國內(nèi)礦井目標(biāo)定位精度低和定位實時性差的現(xiàn)況，該文提出一種基于分布式壓縮感知原理構(gòu)造指紋數(shù)據(jù)庫的方法，該方法在離線階段只需采集少量巷道中的指紋信息(參考節(jié)點ID信息、基于電磁波到達(dá)時間(TOA)的距離測量值和實際距離值)，便可高概率重構(gòu)礦井目標(biāo)指紋數(shù)據(jù)庫指紋信息，從而達(dá)到減少數(shù)據(jù)采集工作量和提高工作效率的目的。后續(xù)在線階段，只需獲得某時刻參考節(jié)點ID信息和目標(biāo)節(jié)點被參考節(jié)點測得的實時TOA距離測量值，根據(jù)模式匹配方法可獲得該時刻目標(biāo)節(jié)點距離參考節(jié)點的待估距離值，保證了定位精度和定位實時性。在此基礎(chǔ)上，提出一種改進(jìn)的壓縮采樣修正匹配追蹤算法(CoSaMMP)進(jìn)行指紋信息重構(gòu)，該算法利用折半法增大裁剪力度從而有效縮短重構(gòu)數(shù)據(jù)時間。仿真結(jié)果表明所提算法的可行性及有效性。
針對目前國內(nèi)礦井目標(biāo)定位精度低和定位實時性差的現(xiàn)況，該文提出一種基于分布式壓縮感知原理構(gòu)造指紋數(shù)據(jù)庫的方法，該方法在離線階段只需采集少量巷道中的指紋信息(參考節(jié)點ID信息、基于電磁波到達(dá)時間(TOA)的距離測量值和實際距離值)，便可高概率重構(gòu)礦井目標(biāo)指紋數(shù)據(jù)庫指紋信息，從而達(dá)到減少數(shù)據(jù)采集工作量和提高工作效率的目的。后續(xù)在線階段，只需獲得某時刻參考節(jié)點ID信息和目標(biāo)節(jié)點被參考節(jié)點測得的實時TOA距離測量值，根據(jù)模式匹配方法可獲得該時刻目標(biāo)節(jié)點距離參考節(jié)點的待估距離值，保證了定位精度和定位實時性。在此基礎(chǔ)上，提出一種改進(jìn)的壓縮采樣修正匹配追蹤算法(CoSaMMP)進(jìn)行指紋信息重構(gòu)，該算法利用折半法增大裁剪力度從而有效縮短重構(gòu)數(shù)據(jù)時間。仿真結(jié)果表明所提算法的可行性及有效性。
2019, 41(10): 2457-2463.
doi: 10.11999/JEIT181121
摘要:
在有重尾的過程噪聲和量測噪聲的影響下，高斯混合勢均衡多目標(biāo)多伯努利濾波器(GM-CBMeMBer)的濾波性能會明顯下降。針對上述問題，該文提出一種新的學(xué)生 t 混合勢均衡多目標(biāo)多伯努利濾波器(STM-CBMeMBer)。該濾波器將過程噪聲和量測噪聲近似為學(xué)生 t 分布，并用學(xué)生 t 混合模型來近似多目標(biāo)的先驗強(qiáng)度。從理論上推導(dǎo)出學(xué)生 t 混合形式的預(yù)測強(qiáng)度和后驗強(qiáng)度，建立了勢均衡多目標(biāo)多伯努利濾波器的閉式遞推框架。仿真結(jié)果表明，在重尾的過程噪聲和量測噪聲存在的環(huán)境中，該濾波器能有效抑制其干擾，相比于傳統(tǒng)方法，具有更高的跟蹤精度。
在有重尾的過程噪聲和量測噪聲的影響下，高斯混合勢均衡多目標(biāo)多伯努利濾波器(GM-CBMeMBer)的濾波性能會明顯下降。針對上述問題，該文提出一種新的學(xué)生 t 混合勢均衡多目標(biāo)多伯努利濾波器(STM-CBMeMBer)。該濾波器將過程噪聲和量測噪聲近似為學(xué)生 t 分布，并用學(xué)生 t 混合模型來近似多目標(biāo)的先驗強(qiáng)度。從理論上推導(dǎo)出學(xué)生 t 混合形式的預(yù)測強(qiáng)度和后驗強(qiáng)度，建立了勢均衡多目標(biāo)多伯努利濾波器的閉式遞推框架。仿真結(jié)果表明，在重尾的過程噪聲和量測噪聲存在的環(huán)境中，該濾波器能有效抑制其干擾，相比于傳統(tǒng)方法，具有更高的跟蹤精度。
2019, 41(10): 2464-2470.
doi: 10.11999/JEIT180971
摘要:
針對目標(biāo)快速運(yùn)動、遮擋等復(fù)雜視頻場景中目標(biāo)跟蹤魯棒性差和跟蹤精度低的問題，該文提出一種基于多層卷積特征的自適應(yīng)決策融合目標(biāo)跟蹤算法(ASFTT)。首先提取卷積神經(jīng)網(wǎng)絡(luò)(CNN)中幀圖像的多層卷積特征，避免網(wǎng)絡(luò)單層特征表征目標(biāo)信息不全面的缺陷，增強(qiáng)算法的泛化能力；使用多層特征計算幀圖像相關(guān)性響應(yīng)，提高算法的跟蹤精度；最后該文使用自適應(yīng)決策融合算法將所有響應(yīng)中目標(biāo)位置決策動態(tài)融合以定位目標(biāo)，融合算法綜合考慮生成響應(yīng)的各跟蹤器的歷史決策信息和當(dāng)前決策信息，以保證算法的魯棒性。采用標(biāo)準(zhǔn)數(shù)據(jù)集OTB2013對該文算法和6種當(dāng)前主流跟蹤算法進(jìn)行了仿真對比，結(jié)果表明該文算法具有更加優(yōu)秀的跟蹤性能。
針對目標(biāo)快速運(yùn)動、遮擋等復(fù)雜視頻場景中目標(biāo)跟蹤魯棒性差和跟蹤精度低的問題，該文提出一種基于多層卷積特征的自適應(yīng)決策融合目標(biāo)跟蹤算法(ASFTT)。首先提取卷積神經(jīng)網(wǎng)絡(luò)(CNN)中幀圖像的多層卷積特征，避免網(wǎng)絡(luò)單層特征表征目標(biāo)信息不全面的缺陷，增強(qiáng)算法的泛化能力；使用多層特征計算幀圖像相關(guān)性響應(yīng)，提高算法的跟蹤精度；最后該文使用自適應(yīng)決策融合算法將所有響應(yīng)中目標(biāo)位置決策動態(tài)融合以定位目標(biāo)，融合算法綜合考慮生成響應(yīng)的各跟蹤器的歷史決策信息和當(dāng)前決策信息，以保證算法的魯棒性。采用標(biāo)準(zhǔn)數(shù)據(jù)集OTB2013對該文算法和6種當(dāng)前主流跟蹤算法進(jìn)行了仿真對比，結(jié)果表明該文算法具有更加優(yōu)秀的跟蹤性能。
2019, 41(10): 2471-2478.
doi: 10.11999/JEIT180867
摘要:
針對現(xiàn)有的人機(jī)交互系統(tǒng)普遍存在情感缺失、參與人參與度不高的問題，該文依據(jù)PAD情感空間提出一種基于博弈的機(jī)器人認(rèn)知情感交互模型。首先，對參與人的交互輸入情感進(jìn)行評估并分析當(dāng)前人機(jī)交互關(guān)系，提取友好度和共鳴度2個影響因素。其次，模擬人際交往的心理博弈過程對參與人和機(jī)器人的情感生成過程進(jìn)行建模，將嵌入博弈的子博弈完美均衡策略作為機(jī)器人的最優(yōu)情感選擇策略；最后，根據(jù)最優(yōu)情感策略更新機(jī)器人的情感狀態(tài)轉(zhuǎn)移概率，并以6種基本情感的空間坐標(biāo)為標(biāo)簽，得出受到情感刺激后機(jī)器人情感狀態(tài)的空間坐標(biāo)。實驗結(jié)果表明，與其它認(rèn)知交互模型相比，該文模型能夠減少機(jī)器人對外界情感刺激的依賴并有效引導(dǎo)參與人參與人機(jī)交互，為機(jī)器人的情感認(rèn)知建模提供了新的方法和思路。
針對現(xiàn)有的人機(jī)交互系統(tǒng)普遍存在情感缺失、參與人參與度不高的問題，該文依據(jù)PAD情感空間提出一種基于博弈的機(jī)器人認(rèn)知情感交互模型。首先，對參與人的交互輸入情感進(jìn)行評估并分析當(dāng)前人機(jī)交互關(guān)系，提取友好度和共鳴度2個影響因素。其次，模擬人際交往的心理博弈過程對參與人和機(jī)器人的情感生成過程進(jìn)行建模，將嵌入博弈的子博弈完美均衡策略作為機(jī)器人的最優(yōu)情感選擇策略；最后，根據(jù)最優(yōu)情感策略更新機(jī)器人的情感狀態(tài)轉(zhuǎn)移概率，并以6種基本情感的空間坐標(biāo)為標(biāo)簽，得出受到情感刺激后機(jī)器人情感狀態(tài)的空間坐標(biāo)。實驗結(jié)果表明，與其它認(rèn)知交互模型相比，該文模型能夠減少機(jī)器人對外界情感刺激的依賴并有效引導(dǎo)參與人參與人機(jī)交互，為機(jī)器人的情感認(rèn)知建模提供了新的方法和思路。
2019, 41(10): 2479-2486.
doi: 10.11999/JEIT180963
摘要:
JPEG在高壓縮比的情況下，解壓縮后的圖像會產(chǎn)生塊效應(yīng)、邊緣振蕩效應(yīng)和模糊，嚴(yán)重影響了圖像的視覺效果。為了去除JPEG壓縮偽跡，該文提出了多尺度稠密殘差網(wǎng)絡(luò)。首先把擴(kuò)張卷積引入到殘差網(wǎng)絡(luò)的稠密塊中，利用不同的擴(kuò)張因子，使其形成多尺度稠密塊；然后采用4個多尺度稠密塊將網(wǎng)絡(luò)設(shè)計成包含2條支路的結(jié)構(gòu)，其中后一條支路用于補(bǔ)充前一條支路沒有提取到的特征；最后采用殘差學(xué)習(xí)的方法來提高網(wǎng)絡(luò)的性能。為了提高網(wǎng)絡(luò)的通用性，采用具有不同壓縮質(zhì)量因子的聯(lián)合訓(xùn)練方式對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，針對不同壓縮質(zhì)量因子訓(xùn)練出一個通用模型。經(jīng)實驗表明，該文方法不僅具有較高的JPEG壓縮偽跡去除性能，且具有較強(qiáng)的泛化能力。
JPEG在高壓縮比的情況下，解壓縮后的圖像會產(chǎn)生塊效應(yīng)、邊緣振蕩效應(yīng)和模糊，嚴(yán)重影響了圖像的視覺效果。為了去除JPEG壓縮偽跡，該文提出了多尺度稠密殘差網(wǎng)絡(luò)。首先把擴(kuò)張卷積引入到殘差網(wǎng)絡(luò)的稠密塊中，利用不同的擴(kuò)張因子，使其形成多尺度稠密塊；然后采用4個多尺度稠密塊將網(wǎng)絡(luò)設(shè)計成包含2條支路的結(jié)構(gòu)，其中后一條支路用于補(bǔ)充前一條支路沒有提取到的特征；最后采用殘差學(xué)習(xí)的方法來提高網(wǎng)絡(luò)的性能。為了提高網(wǎng)絡(luò)的通用性，采用具有不同壓縮質(zhì)量因子的聯(lián)合訓(xùn)練方式對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，針對不同壓縮質(zhì)量因子訓(xùn)練出一個通用模型。經(jīng)實驗表明，該文方法不僅具有較高的JPEG壓縮偽跡去除性能，且具有較強(qiáng)的泛化能力。
2019, 41(10): 2487-2494.
doi: 10.11999/JEIT190017
摘要:
高分辨率遙感圖像內(nèi)容復(fù)雜，提取特征來準(zhǔn)確地表達(dá)圖像內(nèi)容是提高檢索性能的關(guān)鍵。卷積神經(jīng)網(wǎng)絡(luò)(CNN)遷移學(xué)習(xí)能力強(qiáng)，其高層特征能夠有效遷移到高分辨率遙感圖像中。為了充分利用高層特征的優(yōu)點，該文提出一種基于高層特征圖組合及池化的方法來融合不同CNN中的高層特征。首先將高層特征作為特殊的卷積層特征，進(jìn)而在不同輸入尺寸下保留高層輸出的特征圖；然后將不同高層輸出的特征圖組合成一個更大的特征圖，以綜合不同CNN學(xué)習(xí)到的特征；接著采用最大池化的方法對組合特征圖進(jìn)行壓縮，提取特征圖中的顯著特征；最后，采用主成分分析(PCA)來降低顯著特征的冗余度。實驗結(jié)果表明，與現(xiàn)有檢索方法相比，該方法提取的特征在檢索效率和準(zhǔn)確率上都有優(yōu)勢。
高分辨率遙感圖像內(nèi)容復(fù)雜，提取特征來準(zhǔn)確地表達(dá)圖像內(nèi)容是提高檢索性能的關(guān)鍵。卷積神經(jīng)網(wǎng)絡(luò)(CNN)遷移學(xué)習(xí)能力強(qiáng)，其高層特征能夠有效遷移到高分辨率遙感圖像中。為了充分利用高層特征的優(yōu)點，該文提出一種基于高層特征圖組合及池化的方法來融合不同CNN中的高層特征。首先將高層特征作為特殊的卷積層特征，進(jìn)而在不同輸入尺寸下保留高層輸出的特征圖；然后將不同高層輸出的特征圖組合成一個更大的特征圖，以綜合不同CNN學(xué)習(xí)到的特征；接著采用最大池化的方法對組合特征圖進(jìn)行壓縮，提取特征圖中的顯著特征；最后，采用主成分分析(PCA)來降低顯著特征的冗余度。實驗結(jié)果表明，與現(xiàn)有檢索方法相比，該方法提取的特征在檢索效率和準(zhǔn)確率上都有優(yōu)勢。
2019, 41(10): 2495-2500.
doi: 10.11999/JEIT181195
摘要:
為了提高幀存儲的壓縮性能，該文提出一種基于方向插值預(yù)測變長編碼(DIPVLC)的幀存有損壓縮算法。首先根據(jù)自適應(yīng)紋理方向插值獲取參考像素，從而得到預(yù)測殘差，然后優(yōu)化率失真模型對預(yù)測殘差進(jìn)行量化，最后通過游程哥倫布算法對量化殘差進(jìn)行變長編碼。實驗結(jié)果顯示，與內(nèi)容感知自適應(yīng)量化(CAAQ)的幀存壓縮算法相比，該文算法不但PSNR下降更少，而且壓縮率提高了10.05%，同時編碼時間減少了10.62%。
為了提高幀存儲的壓縮性能，該文提出一種基于方向插值預(yù)測變長編碼(DIPVLC)的幀存有損壓縮算法。首先根據(jù)自適應(yīng)紋理方向插值獲取參考像素，從而得到預(yù)測殘差，然后優(yōu)化率失真模型對預(yù)測殘差進(jìn)行量化，最后通過游程哥倫布算法對量化殘差進(jìn)行變長編碼。實驗結(jié)果顯示，與內(nèi)容感知自適應(yīng)量化(CAAQ)的幀存壓縮算法相比，該文算法不但PSNR下降更少，而且壓縮率提高了10.05%，同時編碼時間減少了10.62%。
2019, 41(10): 2501-2508.
doi: 10.11999/JEIT190036
摘要:
由于快速的卷積神經(jīng)網(wǎng)絡(luò)超分辨率重建算法(FSRCNN)卷積層數(shù)少、相鄰卷積層的特征信息之間缺乏關(guān)聯(lián)性，因此難以提取到圖像深層信息導(dǎo)致圖像超分辨率重建效果不佳。針對此問題，該文提出多級跳線連接的深度殘差網(wǎng)絡(luò)超分辨率重建方法。首先，該方法設(shè)計了多級跳線連接的殘差塊，在多級跳線連接的殘差塊基礎(chǔ)上構(gòu)造了多級跳線連接的深度殘差網(wǎng)絡(luò)，解決相鄰卷積層的特性信息缺乏關(guān)聯(lián)性的問題；然后，使用隨機(jī)梯度下降法(SGD)以可調(diào)節(jié)的學(xué)習(xí)率策略對多級跳線連接的深度殘差網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到該網(wǎng)絡(luò)超分辨率重建模型；最后，將低分辨率圖像輸入到多級跳線連接的深度殘差網(wǎng)絡(luò)超分辨率重建模型中，通過多級跳線連接的殘差塊得到預(yù)測的殘差特征值，再將殘差圖像和低分辨率圖像組合在一起轉(zhuǎn)化為高分辨率圖像。該文方法與bicubic, A+, SRCNN, FSRCNN和ESPCN算法在Set5和Set14測試集上進(jìn)行了對比測試，在視覺效果和評價指標(biāo)數(shù)值上該方法都優(yōu)于其它對比算法。
由于快速的卷積神經(jīng)網(wǎng)絡(luò)超分辨率重建算法(FSRCNN)卷積層數(shù)少、相鄰卷積層的特征信息之間缺乏關(guān)聯(lián)性，因此難以提取到圖像深層信息導(dǎo)致圖像超分辨率重建效果不佳。針對此問題，該文提出多級跳線連接的深度殘差網(wǎng)絡(luò)超分辨率重建方法。首先，該方法設(shè)計了多級跳線連接的殘差塊，在多級跳線連接的殘差塊基礎(chǔ)上構(gòu)造了多級跳線連接的深度殘差網(wǎng)絡(luò)，解決相鄰卷積層的特性信息缺乏關(guān)聯(lián)性的問題；然后，使用隨機(jī)梯度下降法(SGD)以可調(diào)節(jié)的學(xué)習(xí)率策略對多級跳線連接的深度殘差網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到該網(wǎng)絡(luò)超分辨率重建模型；最后，將低分辨率圖像輸入到多級跳線連接的深度殘差網(wǎng)絡(luò)超分辨率重建模型中，通過多級跳線連接的殘差塊得到預(yù)測的殘差特征值，再將殘差圖像和低分辨率圖像組合在一起轉(zhuǎn)化為高分辨率圖像。該文方法與bicubic, A+, SRCNN, FSRCNN和ESPCN算法在Set5和Set14測試集上進(jìn)行了對比測試，在視覺效果和評價指標(biāo)數(shù)值上該方法都優(yōu)于其它對比算法。
2019, 41(10): 2509-2515.
doi: 10.11999/JEIT180957
摘要:
針對從單目視覺圖像中估計深度信息時存在的預(yù)測精度不夠準(zhǔn)確的問題，該文提出一種基于金字塔池化網(wǎng)絡(luò)的道路場景深度估計方法。該方法利用4個殘差網(wǎng)絡(luò)塊的組合提取道路場景圖像特征，然后通過上采樣將特征圖逐漸恢復(fù)到原始圖像尺寸，多個殘差網(wǎng)絡(luò)塊的加入增加網(wǎng)絡(luò)模型的深度；考慮到上采樣過程中不同尺度信息的多樣性，將提取特征過程中各種尺寸的特征圖與上采樣過程中相同尺寸的特征圖進(jìn)行融合，從而提高深度估計的精確度。此外，對4個殘差網(wǎng)絡(luò)塊提取的高級特征采用金字塔池化網(wǎng)絡(luò)塊進(jìn)行場景解析，最后將金字塔池化網(wǎng)絡(luò)塊輸出的特征圖恢復(fù)到原始圖像尺寸并與上采樣模塊的輸出一同輸入預(yù)測層。通過在KITTI數(shù)據(jù)集上進(jìn)行實驗，結(jié)果表明該文所提的基于金字塔池化網(wǎng)絡(luò)的道路場景深度估計方法優(yōu)于現(xiàn)有的估計方法。
針對從單目視覺圖像中估計深度信息時存在的預(yù)測精度不夠準(zhǔn)確的問題，該文提出一種基于金字塔池化網(wǎng)絡(luò)的道路場景深度估計方法。該方法利用4個殘差網(wǎng)絡(luò)塊的組合提取道路場景圖像特征，然后通過上采樣將特征圖逐漸恢復(fù)到原始圖像尺寸，多個殘差網(wǎng)絡(luò)塊的加入增加網(wǎng)絡(luò)模型的深度；考慮到上采樣過程中不同尺度信息的多樣性，將提取特征過程中各種尺寸的特征圖與上采樣過程中相同尺寸的特征圖進(jìn)行融合，從而提高深度估計的精確度。此外，對4個殘差網(wǎng)絡(luò)塊提取的高級特征采用金字塔池化網(wǎng)絡(luò)塊進(jìn)行場景解析，最后將金字塔池化網(wǎng)絡(luò)塊輸出的特征圖恢復(fù)到原始圖像尺寸并與上采樣模塊的輸出一同輸入預(yù)測層。通過在KITTI數(shù)據(jù)集上進(jìn)行實驗，結(jié)果表明該文所提的基于金字塔池化網(wǎng)絡(luò)的道路場景深度估計方法優(yōu)于現(xiàn)有的估計方法。
2019, 41(10): 2516-2524.
doi: 10.11999/JEIT181059
摘要:
在偏標(biāo)記學(xué)習(xí)中，示例的真實標(biāo)記隱藏在由一組候選標(biāo)記組成的標(biāo)記集中?，F(xiàn)有的偏標(biāo)記學(xué)習(xí)算法在衡量示例之間的相似度時，只基于示例的特征進(jìn)行計算，缺乏對候選標(biāo)記集信息的利用。該文提出一種候選標(biāo)記感知的偏標(biāo)記學(xué)習(xí)算法(CLAPLL)，在構(gòu)建圖的階段有效地結(jié)合候選標(biāo)記集信息來衡量示例之間的相似度。首先，基于杰卡德距離和線性重構(gòu)，計算出各個示例的標(biāo)記集之間的相似度，然后結(jié)合示例相似度和標(biāo)記集的相似度構(gòu)建相似度圖，并通過現(xiàn)有的基于圖的偏標(biāo)記學(xué)習(xí)算法進(jìn)行學(xué)習(xí)和預(yù)測。3個合成數(shù)據(jù)集和6個真實數(shù)據(jù)集上實驗結(jié)果表明，該文方法相比于基線算法消歧準(zhǔn)確率提升了0.3%～16.5%，分類準(zhǔn)確率提升了0.2%～2.8%。
在偏標(biāo)記學(xué)習(xí)中，示例的真實標(biāo)記隱藏在由一組候選標(biāo)記組成的標(biāo)記集中?，F(xiàn)有的偏標(biāo)記學(xué)習(xí)算法在衡量示例之間的相似度時，只基于示例的特征進(jìn)行計算，缺乏對候選標(biāo)記集信息的利用。該文提出一種候選標(biāo)記感知的偏標(biāo)記學(xué)習(xí)算法(CLAPLL)，在構(gòu)建圖的階段有效地結(jié)合候選標(biāo)記集信息來衡量示例之間的相似度。首先，基于杰卡德距離和線性重構(gòu)，計算出各個示例的標(biāo)記集之間的相似度，然后結(jié)合示例相似度和標(biāo)記集的相似度構(gòu)建相似度圖，并通過現(xiàn)有的基于圖的偏標(biāo)記學(xué)習(xí)算法進(jìn)行學(xué)習(xí)和預(yù)測。3個合成數(shù)據(jù)集和6個真實數(shù)據(jù)集上實驗結(jié)果表明，該文方法相比于基線算法消歧準(zhǔn)確率提升了0.3%～16.5%，分類準(zhǔn)確率提升了0.2%～2.8%。
2019, 41(10): 2525-2531.
doi: 10.11999/JEIT190047
摘要:
在遙感圖像語義分割中，利用多元數(shù)據(jù)(如高程信息)進(jìn)行輔助是一個研究重點?，F(xiàn)有的基于多元數(shù)據(jù)的分割方法通常直接將多元數(shù)據(jù)作為模型的多特征輸入，未能充分利用多元數(shù)據(jù)的多層次特征，此外，遙感圖像中目標(biāo)尺寸大小不一，對于一些中小型目標(biāo)，如車輛、房屋等，難以做到精細(xì)化分割。針對以上問題，提出一種多特征圖金字塔融合深度網(wǎng)絡(luò)(MFPNet)，該模型利用光學(xué)遙感圖像和高程數(shù)據(jù)作為輸入，提取圖像的多層次特征，然后針對不同層次的特征，分別引入金字塔池化結(jié)構(gòu)，提取圖像的多尺度特征，最后，設(shè)計了一種多層次、多尺度特征融合策略，綜合利用多元數(shù)據(jù)的特征信息，實現(xiàn)遙感圖像的精細(xì)化分割?；赩aihingen數(shù)據(jù)集設(shè)計了相應(yīng)的對比實驗，實驗結(jié)果證明了所提方法的有效性。
在遙感圖像語義分割中，利用多元數(shù)據(jù)(如高程信息)進(jìn)行輔助是一個研究重點?，F(xiàn)有的基于多元數(shù)據(jù)的分割方法通常直接將多元數(shù)據(jù)作為模型的多特征輸入，未能充分利用多元數(shù)據(jù)的多層次特征，此外，遙感圖像中目標(biāo)尺寸大小不一，對于一些中小型目標(biāo)，如車輛、房屋等，難以做到精細(xì)化分割。針對以上問題，提出一種多特征圖金字塔融合深度網(wǎng)絡(luò)(MFPNet)，該模型利用光學(xué)遙感圖像和高程數(shù)據(jù)作為輸入，提取圖像的多層次特征，然后針對不同層次的特征，分別引入金字塔池化結(jié)構(gòu)，提取圖像的多尺度特征，最后，設(shè)計了一種多層次、多尺度特征融合策略，綜合利用多元數(shù)據(jù)的特征信息，實現(xiàn)遙感圖像的精細(xì)化分割?；赩aihingen數(shù)據(jù)集設(shè)計了相應(yīng)的對比實驗，實驗結(jié)果證明了所提方法的有效性。
2019, 41(10): 2532-2540.
doi: 10.11999/JEIT190101
摘要:
針對基于圖模型的顯著性檢測算法中節(jié)點間特征差異描述不準(zhǔn)確的問題，該文提出一種目標(biāo)緊密性與區(qū)域同質(zhì)性策略相結(jié)合的圖像顯著性檢測算法。區(qū)別于常用的圖模型，該算法建立更貼近人眼視覺系統(tǒng)的稀疏圖結(jié)構(gòu)與新穎的區(qū)域同質(zhì)性圖結(jié)構(gòu)，以便描述圖像前景內(nèi)部的關(guān)聯(lián)性與前景背景間的差異性，從而摒棄眾多節(jié)點的冗余連接，強(qiáng)化節(jié)點局部空間關(guān)系；并且結(jié)合聚類簇緊密性采取流形排序的方式形成顯著圖，利用背景區(qū)域簇的相似性，引入背景置信度進(jìn)行顯著性優(yōu)化，最終得到精細(xì)的檢測結(jié)果。在4個基準(zhǔn)數(shù)據(jù)集上與4種基于圖模型的流行算法對比，該算法能清晰地突出顯著區(qū)域，且在多種綜合指標(biāo)評估中，具備更優(yōu)越的性能。
針對基于圖模型的顯著性檢測算法中節(jié)點間特征差異描述不準(zhǔn)確的問題，該文提出一種目標(biāo)緊密性與區(qū)域同質(zhì)性策略相結(jié)合的圖像顯著性檢測算法。區(qū)別于常用的圖模型，該算法建立更貼近人眼視覺系統(tǒng)的稀疏圖結(jié)構(gòu)與新穎的區(qū)域同質(zhì)性圖結(jié)構(gòu)，以便描述圖像前景內(nèi)部的關(guān)聯(lián)性與前景背景間的差異性，從而摒棄眾多節(jié)點的冗余連接，強(qiáng)化節(jié)點局部空間關(guān)系；并且結(jié)合聚類簇緊密性采取流形排序的方式形成顯著圖，利用背景區(qū)域簇的相似性，引入背景置信度進(jìn)行顯著性優(yōu)化，最終得到精細(xì)的檢測結(jié)果。在4個基準(zhǔn)數(shù)據(jù)集上與4種基于圖模型的流行算法對比，該算法能清晰地突出顯著區(qū)域，且在多種綜合指標(biāo)評估中，具備更優(yōu)越的性能。
