郵件訂閱
2020年 第42卷 第10期
顯示方式:
2020, 42(10): 2319-2329.
doi: 10.11999/JEIT200058
摘要:
隨著移動通信技術(shù)的快速發(fā)展和第5代移動通信(5G)網(wǎng)絡(luò)的商用，網(wǎng)絡(luò)空間安全問題日益凸顯。該文針對5G網(wǎng)絡(luò)空間安全中對抗博弈問題進行探討，從靜態(tài)博弈、動態(tài)博弈、基于演化和圖論的博弈等基礎(chǔ)模型以及竊聽與竊聽對抗、干擾與干擾對抗等典型對抗種類方面，對當前國內(nèi)外網(wǎng)絡(luò)空間安全對抗博弈的研究進行分析和歸納，并進一步闡述5G網(wǎng)絡(luò)空間安全對抗博弈研究中潛在的基礎(chǔ)理論和對抗規(guī)律研究方向，分析5G環(huán)境下安全對抗博弈研究的必要性及面臨的挑戰(zhàn)，為5G網(wǎng)絡(luò)空間安全攻防對抗研究提供新視角。
隨著移動通信技術(shù)的快速發(fā)展和第5代移動通信(5G)網(wǎng)絡(luò)的商用，網(wǎng)絡(luò)空間安全問題日益凸顯。該文針對5G網(wǎng)絡(luò)空間安全中對抗博弈問題進行探討，從靜態(tài)博弈、動態(tài)博弈、基于演化和圖論的博弈等基礎(chǔ)模型以及竊聽與竊聽對抗、干擾與干擾對抗等典型對抗種類方面，對當前國內(nèi)外網(wǎng)絡(luò)空間安全對抗博弈的研究進行分析和歸納，并進一步闡述5G網(wǎng)絡(luò)空間安全對抗博弈研究中潛在的基礎(chǔ)理論和對抗規(guī)律研究方向，分析5G環(huán)境下安全對抗博弈研究的必要性及面臨的挑戰(zhàn)，為5G網(wǎng)絡(luò)空間安全攻防對抗研究提供新視角。
2020, 42(10): 2330-2341.
doi: 10.11999/JEIT200002
摘要:
物理層安全技術(shù)從信息論安全理論出發(fā)，保障通信安全，是實現(xiàn)安全與通信一體化的關(guān)鍵手段，逐漸成為國內(nèi)外研究熱點。該文圍繞無線通信物理層密鑰生成技術(shù)研究，主要聚焦在物理層密鑰生成技術(shù)的理論模型，機制機理和研究現(xiàn)狀，重點對比分析了兩種不同類型密鑰生成算法，即源型密鑰生成算法和信道型密鑰生成算法的區(qū)別和聯(lián)系，揭示了物理層密鑰技術(shù)利用通信信道內(nèi)在安全屬性促進通信安全的實質(zhì)。特別地，該文給出了一種可行的物理層密鑰生成5G工程實現(xiàn)框架。最后，該文展望了物理層密鑰生成技術(shù)未來可能的研究方向。
物理層安全技術(shù)從信息論安全理論出發(fā)，保障通信安全，是實現(xiàn)安全與通信一體化的關(guān)鍵手段，逐漸成為國內(nèi)外研究熱點。該文圍繞無線通信物理層密鑰生成技術(shù)研究，主要聚焦在物理層密鑰生成技術(shù)的理論模型，機制機理和研究現(xiàn)狀，重點對比分析了兩種不同類型密鑰生成算法，即源型密鑰生成算法和信道型密鑰生成算法的區(qū)別和聯(lián)系，揭示了物理層密鑰技術(shù)利用通信信道內(nèi)在安全屬性促進通信安全的實質(zhì)。特別地，該文給出了一種可行的物理層密鑰生成5G工程實現(xiàn)框架。最后，該文展望了物理層密鑰生成技術(shù)未來可能的研究方向。
2020, 42(10): 2342-2349.
doi: 10.11999/JEIT191047
摘要:
軟件定義網(wǎng)絡(luò)(SDN)為網(wǎng)絡(luò)基礎(chǔ)設(shè)施提供靈活性、可管理性以及可編程性的同時，引入了諸多新型的攻擊向量。該文介紹了攻擊者針對OpenFlow關(guān)鍵字段發(fā)起的惡意操縱攻擊，并設(shè)計了3種基于數(shù)據(jù)包轉(zhuǎn)發(fā)時延的嗅探技術(shù)以保證字段操縱攻擊在真實SDN網(wǎng)絡(luò)中的可實施性。實驗結(jié)果表明，字段操縱攻擊嚴重消耗了SDN網(wǎng)絡(luò)資源，進而導(dǎo)致合法用戶之間的通信性能明顯降低。
軟件定義網(wǎng)絡(luò)(SDN)為網(wǎng)絡(luò)基礎(chǔ)設(shè)施提供靈活性、可管理性以及可編程性的同時，引入了諸多新型的攻擊向量。該文介紹了攻擊者針對OpenFlow關(guān)鍵字段發(fā)起的惡意操縱攻擊，并設(shè)計了3種基于數(shù)據(jù)包轉(zhuǎn)發(fā)時延的嗅探技術(shù)以保證字段操縱攻擊在真實SDN網(wǎng)絡(luò)中的可實施性。實驗結(jié)果表明，字段操縱攻擊嚴重消耗了SDN網(wǎng)絡(luò)資源，進而導(dǎo)致合法用戶之間的通信性能明顯降低。
2020, 42(10): 2350-2356.
doi: 10.11999/JEIT200005
摘要:
針對當前霧計算環(huán)境下終端節(jié)點的切換認證協(xié)議在存儲量、計算量和安全性等方面還存在缺陷，該文提出一種高效的終端節(jié)點切換認證協(xié)議。在該協(xié)議中，采用雙因子組合公鑰(TF-CPK)和認證Ticket相結(jié)合的方式，實現(xiàn)霧節(jié)點和終端節(jié)點的相互認證和會話密鑰協(xié)商。安全性和性能分析結(jié)果表明，該協(xié)議支持不可跟蹤性，可以抵抗眾多已知攻擊和安全威脅，且具有較小的系統(tǒng)開銷。
針對當前霧計算環(huán)境下終端節(jié)點的切換認證協(xié)議在存儲量、計算量和安全性等方面還存在缺陷，該文提出一種高效的終端節(jié)點切換認證協(xié)議。在該協(xié)議中，采用雙因子組合公鑰(TF-CPK)和認證Ticket相結(jié)合的方式，實現(xiàn)霧節(jié)點和終端節(jié)點的相互認證和會話密鑰協(xié)商。安全性和性能分析結(jié)果表明，該協(xié)議支持不可跟蹤性，可以抵抗眾多已知攻擊和安全威脅，且具有較小的系統(tǒng)開銷。
2020, 42(10): 2357-2364.
doi: 10.11999/JEIT200001
摘要:
近年來，基于運動矢量的視頻隱寫引起了信息隱藏領(lǐng)域研究者的廣泛關(guān)注。許多視頻隱寫方法通過合理地對運動矢量定義加性嵌入失真函數(shù)獲得了良好的性能，然而這些方法忽略了載體元素之間的相互嵌入影響。該文提出的利用非加性嵌入失真的視頻隱寫方法為運動矢量設(shè)計了可以反映相互嵌入影響的聯(lián)合嵌入失真，并通過分解聯(lián)合失真實現(xiàn)修改概率的轉(zhuǎn)換，從而動態(tài)、合理地在運動矢量的水平分量和垂直分量分配秘密消息。實驗結(jié)果表明，與使用加性嵌入失真方法相比，該方法能獲得更好的安全性和率失真性能。
近年來，基于運動矢量的視頻隱寫引起了信息隱藏領(lǐng)域研究者的廣泛關(guān)注。許多視頻隱寫方法通過合理地對運動矢量定義加性嵌入失真函數(shù)獲得了良好的性能，然而這些方法忽略了載體元素之間的相互嵌入影響。該文提出的利用非加性嵌入失真的視頻隱寫方法為運動矢量設(shè)計了可以反映相互嵌入影響的聯(lián)合嵌入失真，并通過分解聯(lián)合失真實現(xiàn)修改概率的轉(zhuǎn)換，從而動態(tài)、合理地在運動矢量的水平分量和垂直分量分配秘密消息。實驗結(jié)果表明，與使用加性嵌入失真方法相比，該方法能獲得更好的安全性和率失真性能。
2020, 42(10): 2365-2373.
doi: 10.11999/JEIT191020
摘要:
為了對自動廣播相關(guān)監(jiān)視(ADS-B)攻擊數(shù)據(jù)進行彈性恢復(fù)，確?？涨閼B(tài)勢感知信息的持續(xù)可用性，該文提出針對ADS-B攻擊數(shù)據(jù)的彈性恢復(fù)方法?；谇爸玫墓魴z測機制，獲取當前ADS-B量測數(shù)據(jù)序列和預(yù)測數(shù)據(jù)序列，并在此基礎(chǔ)上構(gòu)建偏差數(shù)據(jù)序列、差分數(shù)據(jù)序列和鄰近密度數(shù)據(jù)序列。依托偏差數(shù)據(jù)構(gòu)建恢復(fù)向量，依托差分數(shù)據(jù)挖掘攻擊數(shù)據(jù)的時序特性，依托鄰近密度數(shù)據(jù)挖掘攻擊數(shù)據(jù)的空間特性。通過整合3種數(shù)據(jù)序列構(gòu)建彈性恢復(fù)策略并確定恢復(fù)終止點，實現(xiàn)對攻擊影響的弱化，將ADS-B攻擊數(shù)據(jù)向正常數(shù)據(jù)方向進行定向恢復(fù)。通過對6種典型攻擊樣式的實驗分析，證明該彈性恢復(fù)方法能夠有效恢復(fù)ADS-B攻擊數(shù)據(jù)，削弱數(shù)據(jù)攻擊對監(jiān)視系統(tǒng)的影響。
為了對自動廣播相關(guān)監(jiān)視(ADS-B)攻擊數(shù)據(jù)進行彈性恢復(fù)，確?？涨閼B(tài)勢感知信息的持續(xù)可用性，該文提出針對ADS-B攻擊數(shù)據(jù)的彈性恢復(fù)方法?；谇爸玫墓魴z測機制，獲取當前ADS-B量測數(shù)據(jù)序列和預(yù)測數(shù)據(jù)序列，并在此基礎(chǔ)上構(gòu)建偏差數(shù)據(jù)序列、差分數(shù)據(jù)序列和鄰近密度數(shù)據(jù)序列。依托偏差數(shù)據(jù)構(gòu)建恢復(fù)向量，依托差分數(shù)據(jù)挖掘攻擊數(shù)據(jù)的時序特性，依托鄰近密度數(shù)據(jù)挖掘攻擊數(shù)據(jù)的空間特性。通過整合3種數(shù)據(jù)序列構(gòu)建彈性恢復(fù)策略并確定恢復(fù)終止點，實現(xiàn)對攻擊影響的弱化，將ADS-B攻擊數(shù)據(jù)向正常數(shù)據(jù)方向進行定向恢復(fù)。通過對6種典型攻擊樣式的實驗分析，證明該彈性恢復(fù)方法能夠有效恢復(fù)ADS-B攻擊數(shù)據(jù)，削弱數(shù)據(jù)攻擊對監(jiān)視系統(tǒng)的影響。
2020, 42(10): 2374-2385.
doi: 10.11999/JEIT190890
摘要:
云計算作為一種新型計算模式，具有海量資源、動態(tài)擴展、按需分配等特點。資源受限的用戶可以將計算任務(wù)外包給云服務(wù)器，在享受高質(zhì)量數(shù)據(jù)服務(wù)的同時大大降低了本地管理開銷。然而，數(shù)據(jù)外包導(dǎo)致數(shù)據(jù)所有權(quán)與管理權(quán)分離，如何保證數(shù)據(jù)的安全性成為云計算中亟待解決的關(guān)鍵問題。傳統(tǒng)的加密技術(shù)雖然可以保證數(shù)據(jù)的機密性，但是在密文中如何執(zhí)行有意義的檢索操作成為一個巨大的挑戰(zhàn)。為了保證數(shù)據(jù)機密性的同時實現(xiàn)密文數(shù)據(jù)的高效檢索，可搜索加密技術(shù)應(yīng)運而生。近年來，可搜索加密方案的設(shè)計日趨多樣化，旨在提高方案的實用性。該文主要圍繞目前可搜索加密方案的研究熱點，從4個方面展開闡述，具體包括：單關(guān)鍵詞檢索、多模式檢索、前/后向安全檢索和可驗證檢索。該文主要介紹和分析具有代表性的研究成果，總結(jié)最新研究進展及提煉關(guān)鍵技術(shù)難點，最后對未來的研究方向進行展望。
云計算作為一種新型計算模式，具有海量資源、動態(tài)擴展、按需分配等特點。資源受限的用戶可以將計算任務(wù)外包給云服務(wù)器，在享受高質(zhì)量數(shù)據(jù)服務(wù)的同時大大降低了本地管理開銷。然而，數(shù)據(jù)外包導(dǎo)致數(shù)據(jù)所有權(quán)與管理權(quán)分離，如何保證數(shù)據(jù)的安全性成為云計算中亟待解決的關(guān)鍵問題。傳統(tǒng)的加密技術(shù)雖然可以保證數(shù)據(jù)的機密性，但是在密文中如何執(zhí)行有意義的檢索操作成為一個巨大的挑戰(zhàn)。為了保證數(shù)據(jù)機密性的同時實現(xiàn)密文數(shù)據(jù)的高效檢索，可搜索加密技術(shù)應(yīng)運而生。近年來，可搜索加密方案的設(shè)計日趨多樣化，旨在提高方案的實用性。該文主要圍繞目前可搜索加密方案的研究熱點，從4個方面展開闡述，具體包括：單關(guān)鍵詞檢索、多模式檢索、前/后向安全檢索和可驗證檢索。該文主要介紹和分析具有代表性的研究成果，總結(jié)最新研究進展及提煉關(guān)鍵技術(shù)難點，最后對未來的研究方向進行展望。
2020, 42(10): 2386-2393.
doi: 10.11999/JEIT200023
摘要:
針對5G網(wǎng)絡(luò)高可靠性、低時延的服務(wù)需求，該文提出一種面向時延與可靠性優(yōu)化的服務(wù)功能鏈(SFC)部署(DROSD)方法。在不預(yù)留冗余資源的情況下，首先通過功能互斥約束來確定SFC中相鄰虛擬網(wǎng)絡(luò)功能(VNF)是否可聚合；其次通過功能性約束、資源約束選擇可聚合物理節(jié)點集合，實現(xiàn)負載均衡，提高SFC可靠性；然后通過跳數(shù)約束進行優(yōu)化，進一步篩選可聚合物理節(jié)點集合以降低SFC的端到端時延；最后通過節(jié)點可用資源、節(jié)點度以及與原節(jié)點跳數(shù)指標進行降序排列，取最大值物理節(jié)點部署VNF。SFC的路由選擇，采用K-最短路徑算法。仿真實驗表明，該文所提算法提高了請求接受率、長期平均收益開銷比，增強了SFC可靠性，降低了端到端時延，減小了平均帶寬開銷。
針對5G網(wǎng)絡(luò)高可靠性、低時延的服務(wù)需求，該文提出一種面向時延與可靠性優(yōu)化的服務(wù)功能鏈(SFC)部署(DROSD)方法。在不預(yù)留冗余資源的情況下，首先通過功能互斥約束來確定SFC中相鄰虛擬網(wǎng)絡(luò)功能(VNF)是否可聚合；其次通過功能性約束、資源約束選擇可聚合物理節(jié)點集合，實現(xiàn)負載均衡，提高SFC可靠性；然后通過跳數(shù)約束進行優(yōu)化，進一步篩選可聚合物理節(jié)點集合以降低SFC的端到端時延；最后通過節(jié)點可用資源、節(jié)點度以及與原節(jié)點跳數(shù)指標進行降序排列，取最大值物理節(jié)點部署VNF。SFC的路由選擇，采用K-最短路徑算法。仿真實驗表明，該文所提算法提高了請求接受率、長期平均收益開銷比，增強了SFC可靠性，降低了端到端時延，減小了平均帶寬開銷。
2020, 42(10): 2394-2402.
doi: 10.11999/JEIT190731
摘要:
大多數(shù)有向網(wǎng)絡(luò)鏈路預(yù)測方法在計算節(jié)點相似性時沒有充分考慮有向網(wǎng)絡(luò)的結(jié)構(gòu)特點，未區(qū)分不同有向鄰居對連邊形成具有的貢獻差異，導(dǎo)致預(yù)測性能受到局限。鑒于此，該文提出一種基于線性規(guī)劃的有向網(wǎng)絡(luò)鏈路預(yù)測方法。該方法對3種有向鄰居的信息貢獻進行量化分析，結(jié)合結(jié)構(gòu)特點建立線性規(guī)劃模型，進而通過求解貢獻矩陣的最優(yōu)解構(gòu)建相似性指標。9個真實有向網(wǎng)絡(luò)中的實驗結(jié)果表明，所提方法相比于9種現(xiàn)有方法在兩種衡量標準下表現(xiàn)出較高的預(yù)測性能與良好的魯棒性。
大多數(shù)有向網(wǎng)絡(luò)鏈路預(yù)測方法在計算節(jié)點相似性時沒有充分考慮有向網(wǎng)絡(luò)的結(jié)構(gòu)特點，未區(qū)分不同有向鄰居對連邊形成具有的貢獻差異，導(dǎo)致預(yù)測性能受到局限。鑒于此，該文提出一種基于線性規(guī)劃的有向網(wǎng)絡(luò)鏈路預(yù)測方法。該方法對3種有向鄰居的信息貢獻進行量化分析，結(jié)合結(jié)構(gòu)特點建立線性規(guī)劃模型，進而通過求解貢獻矩陣的最優(yōu)解構(gòu)建相似性指標。9個真實有向網(wǎng)絡(luò)中的實驗結(jié)果表明，所提方法相比于9種現(xiàn)有方法在兩種衡量標準下表現(xiàn)出較高的預(yù)測性能與良好的魯棒性。
2020, 42(10): 2403-2411.
doi: 10.11999/JEIT190739
摘要:
為了解決基于集中式算法的傳統(tǒng)物聯(lián)網(wǎng)數(shù)據(jù)分析處理方式易引發(fā)網(wǎng)絡(luò)帶寬壓力過大、延遲過高以及數(shù)據(jù)隱私安全等問題，該文針對彈性網(wǎng)絡(luò)回歸這一典型的線性回歸模型，提出一種面向物聯(lián)網(wǎng)(IoT)的分布式學習算法。該算法基于交替方向乘子法(ADMM)，將彈性網(wǎng)絡(luò)回歸目標優(yōu)化問題分解為多個能夠由物聯(lián)網(wǎng)節(jié)點利用本地數(shù)據(jù)進行獨立求解的子問題。不同于傳統(tǒng)的集中式算法，該算法并不要求物聯(lián)網(wǎng)節(jié)點將隱私數(shù)據(jù)上傳至服務(wù)器進行訓(xùn)練，而僅僅傳遞本地訓(xùn)練的中間參數(shù)，再由服務(wù)器進行簡單整合，以這樣的協(xié)作方式經(jīng)過多輪迭代獲得最終結(jié)果?；趦蓚€典型數(shù)據(jù)集的實驗結(jié)果表明：該算法能夠在幾十輪迭代內(nèi)快速收斂到最優(yōu)解。相比于由單個節(jié)點獨立訓(xùn)練模型的本地化算法，該算法提高了模型結(jié)果的有效性和準確性；相比于集中式算法，該算法在確保計算準確性和可擴展性的同時，可有效地保護個體隱私數(shù)據(jù)的安全性。
為了解決基于集中式算法的傳統(tǒng)物聯(lián)網(wǎng)數(shù)據(jù)分析處理方式易引發(fā)網(wǎng)絡(luò)帶寬壓力過大、延遲過高以及數(shù)據(jù)隱私安全等問題，該文針對彈性網(wǎng)絡(luò)回歸這一典型的線性回歸模型，提出一種面向物聯(lián)網(wǎng)(IoT)的分布式學習算法。該算法基于交替方向乘子法(ADMM)，將彈性網(wǎng)絡(luò)回歸目標優(yōu)化問題分解為多個能夠由物聯(lián)網(wǎng)節(jié)點利用本地數(shù)據(jù)進行獨立求解的子問題。不同于傳統(tǒng)的集中式算法，該算法并不要求物聯(lián)網(wǎng)節(jié)點將隱私數(shù)據(jù)上傳至服務(wù)器進行訓(xùn)練，而僅僅傳遞本地訓(xùn)練的中間參數(shù)，再由服務(wù)器進行簡單整合，以這樣的協(xié)作方式經(jīng)過多輪迭代獲得最終結(jié)果?；趦蓚€典型數(shù)據(jù)集的實驗結(jié)果表明：該算法能夠在幾十輪迭代內(nèi)快速收斂到最優(yōu)解。相比于由單個節(jié)點獨立訓(xùn)練模型的本地化算法，該算法提高了模型結(jié)果的有效性和準確性；相比于集中式算法，該算法在確保計算準確性和可擴展性的同時，可有效地保護個體隱私數(shù)據(jù)的安全性。
2020, 42(10): 2412-2419.
doi: 10.11999/JEIT190395
摘要:
軟件定義光網(wǎng)絡(luò)(SDON)作為智能光網(wǎng)絡(luò)中最新一代網(wǎng)絡(luò)架構(gòu)，其控制平面承載著諸多核心功能，其中控制平面的生存性、控制冗余和控制時延等因素對網(wǎng)絡(luò)整體性能起到至關(guān)重要的作用。該文提出一種以生存性條件為約束的軟件定義光網(wǎng)絡(luò)(SCD)控制器部署算法，在保證用戶對網(wǎng)絡(luò)生存性需求的前提下，利用最短路徑和極小支配集等數(shù)學原理來降低控制時延和減少控制器部署個數(shù)，降低控制冗余，并利用聯(lián)合判決條件選擇管控中心部署節(jié)點，協(xié)調(diào)控制器間的工作。實驗表明：首先，所提算法可以百分之百保證用戶對網(wǎng)絡(luò)的生存性要求；其次，所提算法相對于C-MPC算法至少降低了15%的網(wǎng)絡(luò)故障告警概率，提高了網(wǎng)絡(luò)生存性；同時，相對于以時延為約束的部署算法減少了約40%的控制器部署個數(shù)。特別是在生存性要求較高的場景中，所提算法表現(xiàn)出良好的適應(yīng)性。此外，管控中心的部署算法在復(fù)雜的大規(guī)模網(wǎng)絡(luò)中，可以動態(tài)地滿足用戶對網(wǎng)絡(luò)生存性不同程度的需求。
軟件定義光網(wǎng)絡(luò)(SDON)作為智能光網(wǎng)絡(luò)中最新一代網(wǎng)絡(luò)架構(gòu)，其控制平面承載著諸多核心功能，其中控制平面的生存性、控制冗余和控制時延等因素對網(wǎng)絡(luò)整體性能起到至關(guān)重要的作用。該文提出一種以生存性條件為約束的軟件定義光網(wǎng)絡(luò)(SCD)控制器部署算法，在保證用戶對網(wǎng)絡(luò)生存性需求的前提下，利用最短路徑和極小支配集等數(shù)學原理來降低控制時延和減少控制器部署個數(shù)，降低控制冗余，并利用聯(lián)合判決條件選擇管控中心部署節(jié)點，協(xié)調(diào)控制器間的工作。實驗表明：首先，所提算法可以百分之百保證用戶對網(wǎng)絡(luò)的生存性要求；其次，所提算法相對于C-MPC算法至少降低了15%的網(wǎng)絡(luò)故障告警概率，提高了網(wǎng)絡(luò)生存性；同時，相對于以時延為約束的部署算法減少了約40%的控制器部署個數(shù)。特別是在生存性要求較高的場景中，所提算法表現(xiàn)出良好的適應(yīng)性。此外，管控中心的部署算法在復(fù)雜的大規(guī)模網(wǎng)絡(luò)中，可以動態(tài)地滿足用戶對網(wǎng)絡(luò)生存性不同程度的需求。
2020, 42(10): 2420-2428.
doi: 10.11999/JEIT190759
摘要:
移動云計算、人工智能(AI)、5G等新興技術(shù)應(yīng)用促使彈性光網(wǎng)絡(luò)(EON)在骨干傳輸網(wǎng)中發(fā)揮更重要的角色，降級服務(wù)(DS)技術(shù)為降低EON的業(yè)務(wù)阻塞率、提高頻譜利用率提供了新途徑。該文首先對現(xiàn)有DS算法的資源分配不公、忽略低等級業(yè)務(wù)的體驗質(zhì)量(QoE)等問題，建立了以最小化降級頻次、降級等級與傳輸時延損失(TDL)為聯(lián)合優(yōu)化目標的混合整數(shù)線性規(guī)劃(MILP)模型，并提出一種時延感知的降級恢復(fù)路由與頻譜分配(DDR-RSA)算法。為提高降級業(yè)務(wù)的QoE和運營商收益，在算法的最優(yōu)DS窗口選擇階段中融入降級恢復(fù)策略，在保障傳輸數(shù)據(jù)量不變的前提下，將降級業(yè)務(wù)向空閑頻域復(fù)原，從而提高頻譜效率、減小降級業(yè)務(wù)TDL和最大化網(wǎng)絡(luò)收益。最后，通過仿真證明了所提算法在業(yè)務(wù)阻塞率、網(wǎng)絡(luò)收益和降級業(yè)務(wù)成功率等方面的優(yōu)勢。
移動云計算、人工智能(AI)、5G等新興技術(shù)應(yīng)用促使彈性光網(wǎng)絡(luò)(EON)在骨干傳輸網(wǎng)中發(fā)揮更重要的角色，降級服務(wù)(DS)技術(shù)為降低EON的業(yè)務(wù)阻塞率、提高頻譜利用率提供了新途徑。該文首先對現(xiàn)有DS算法的資源分配不公、忽略低等級業(yè)務(wù)的體驗質(zhì)量(QoE)等問題，建立了以最小化降級頻次、降級等級與傳輸時延損失(TDL)為聯(lián)合優(yōu)化目標的混合整數(shù)線性規(guī)劃(MILP)模型，并提出一種時延感知的降級恢復(fù)路由與頻譜分配(DDR-RSA)算法。為提高降級業(yè)務(wù)的QoE和運營商收益，在算法的最優(yōu)DS窗口選擇階段中融入降級恢復(fù)策略，在保障傳輸數(shù)據(jù)量不變的前提下，將降級業(yè)務(wù)向空閑頻域復(fù)原，從而提高頻譜效率、減小降級業(yè)務(wù)TDL和最大化網(wǎng)絡(luò)收益。最后，通過仿真證明了所提算法在業(yè)務(wù)阻塞率、網(wǎng)絡(luò)收益和降級業(yè)務(wù)成功率等方面的優(yōu)勢。
2020, 42(10): 2429-2436.
doi: 10.11999/JEIT190406
摘要:
針對低信噪比下非周期長碼直接序列碼分多址(NPLC-DS-CDMA)信號偽碼序列估計問題，該文提出一種基于張量分解和多項式庫搜索的多天線估計方法。該方法首先對接收信號建模為3階張量模型并根據(jù)擴頻增益分割為多個子張量，然后利用交替最小二乘投影(ALSP)算法對子張量進行CP分解得到偽碼片段因子矩陣和接收增益因子矩陣，利用接收增益矩陣互相關(guān)性和旁瓣能量檢測對偽碼片段組合序列篩選得到每個用戶的偽碼序列，最后利用多項式庫搜索的方法識別出偽碼序列的生成多項式，進一步提高偽碼序列估計的正確率。仿真結(jié)果表明，所提方法能夠?qū)崿F(xiàn)對NPLC-DS-CDMA信號偽碼序列的有效估計。
針對低信噪比下非周期長碼直接序列碼分多址(NPLC-DS-CDMA)信號偽碼序列估計問題，該文提出一種基于張量分解和多項式庫搜索的多天線估計方法。該方法首先對接收信號建模為3階張量模型并根據(jù)擴頻增益分割為多個子張量，然后利用交替最小二乘投影(ALSP)算法對子張量進行CP分解得到偽碼片段因子矩陣和接收增益因子矩陣，利用接收增益矩陣互相關(guān)性和旁瓣能量檢測對偽碼片段組合序列篩選得到每個用戶的偽碼序列，最后利用多項式庫搜索的方法識別出偽碼序列的生成多項式，進一步提高偽碼序列估計的正確率。仿真結(jié)果表明，所提方法能夠?qū)崿F(xiàn)對NPLC-DS-CDMA信號偽碼序列的有效估計。
2020, 42(10): 2437-2444.
doi: 10.11999/JEIT190704
摘要:
鄰道干擾(ACI)抑制中需要獲取干擾信號非線性特征進行信號重建與抵消，因此接收機需使用高速率寬帶模數(shù)轉(zhuǎn)換器(ADC)采集干擾信號，這將大幅增加接收機成本。針對上述問題，該文提出一種采用干擾信號帶外分量卷積反演的鄰道干擾抑制方法，利用接收的干擾信號帶外非線性分量，計算并消除相鄰幀之間的影響，由窄帶部分卷積信號幀構(gòu)造出線性卷積信號幀，然后用正則化最小二乘方法恢復(fù)原始非線性寬帶干擾信號，從而降低ADC采樣率。仿真驗證結(jié)果表明當采樣率僅為傳統(tǒng)方案1/3，所提方法帶來的殘余干擾不高于底噪6 dB。
鄰道干擾(ACI)抑制中需要獲取干擾信號非線性特征進行信號重建與抵消，因此接收機需使用高速率寬帶模數(shù)轉(zhuǎn)換器(ADC)采集干擾信號，這將大幅增加接收機成本。針對上述問題，該文提出一種采用干擾信號帶外分量卷積反演的鄰道干擾抑制方法，利用接收的干擾信號帶外非線性分量，計算并消除相鄰幀之間的影響，由窄帶部分卷積信號幀構(gòu)造出線性卷積信號幀，然后用正則化最小二乘方法恢復(fù)原始非線性寬帶干擾信號，從而降低ADC采樣率。仿真驗證結(jié)果表明當采樣率僅為傳統(tǒng)方案1/3，所提方法帶來的殘余干擾不高于底噪6 dB。
2020, 42(10): 2445-2453.
doi: 10.11999/JEIT190778
摘要:
針對差分混沌移位鍵控系統(tǒng)傳輸速率和能量效率低的缺點，該文提出一種正交多用戶短參考差分混沌移位鍵控(OMU-SR-DCSK)通信系統(tǒng)。系統(tǒng)將參考信號長度縮短為每個信息承載信號長度的1/P，并在參考時隙后增加了兩路連續(xù)的信息時隙，每個信息時隙內(nèi)，N個用戶信息在Walsh碼正交特性作用下同時傳輸，利用Walsh碼的正交特性可完全消除用戶間干擾，從而改善系統(tǒng)誤碼性能。推導(dǎo)了OMU-SR-DCSK在加性高斯白噪聲(AWGN)信道和Rayleigh衰落信道下的理論比特誤碼率(BER)公式并進行了仿真。仿真結(jié)果和理論推導(dǎo)的吻合證明了理論推導(dǎo)的正確性，從而為OMU-SR-DCSK應(yīng)用于多用戶串行傳輸系統(tǒng)提供了理論依據(jù)。
針對差分混沌移位鍵控系統(tǒng)傳輸速率和能量效率低的缺點，該文提出一種正交多用戶短參考差分混沌移位鍵控(OMU-SR-DCSK)通信系統(tǒng)。系統(tǒng)將參考信號長度縮短為每個信息承載信號長度的1/P，并在參考時隙后增加了兩路連續(xù)的信息時隙，每個信息時隙內(nèi)，N個用戶信息在Walsh碼正交特性作用下同時傳輸，利用Walsh碼的正交特性可完全消除用戶間干擾，從而改善系統(tǒng)誤碼性能。推導(dǎo)了OMU-SR-DCSK在加性高斯白噪聲(AWGN)信道和Rayleigh衰落信道下的理論比特誤碼率(BER)公式并進行了仿真。仿真結(jié)果和理論推導(dǎo)的吻合證明了理論推導(dǎo)的正確性，從而為OMU-SR-DCSK應(yīng)用于多用戶串行傳輸系統(tǒng)提供了理論依據(jù)。
2020, 42(10): 2454-2461.
doi: 10.11999/JEIT190748
摘要:
在多小區(qū)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中，導(dǎo)頻污染已經(jīng)成為制約整個系統(tǒng)的瓶頸。合理地使用導(dǎo)頻資源能減輕導(dǎo)頻污染的影響，為了尋找使邊緣用戶和容量最大的導(dǎo)頻分配方式，該文首次提出了基于遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)(HNCNN)的導(dǎo)頻分配方案。遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)作為良好的優(yōu)化工具，其優(yōu)化能力與所設(shè)計的能量函數(shù)相關(guān)。該方案結(jié)合導(dǎo)頻資源使用的特點以及最大化邊緣用戶和容量的計算方式，設(shè)計了新的能量函數(shù)。仿真結(jié)果表明，網(wǎng)絡(luò)能在一定迭代次數(shù)后收斂到較優(yōu)的導(dǎo)頻分配方式。與其它文獻方案相比，采用以HNCNN為框架求取導(dǎo)頻分配方式，可以更有效減輕導(dǎo)頻污染的影響，使系統(tǒng)性能得到改善。
在多小區(qū)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中，導(dǎo)頻污染已經(jīng)成為制約整個系統(tǒng)的瓶頸。合理地使用導(dǎo)頻資源能減輕導(dǎo)頻污染的影響，為了尋找使邊緣用戶和容量最大的導(dǎo)頻分配方式，該文首次提出了基于遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)(HNCNN)的導(dǎo)頻分配方案。遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)作為良好的優(yōu)化工具，其優(yōu)化能力與所設(shè)計的能量函數(shù)相關(guān)。該方案結(jié)合導(dǎo)頻資源使用的特點以及最大化邊緣用戶和容量的計算方式，設(shè)計了新的能量函數(shù)。仿真結(jié)果表明，網(wǎng)絡(luò)能在一定迭代次數(shù)后收斂到較優(yōu)的導(dǎo)頻分配方式。與其它文獻方案相比，采用以HNCNN為框架求取導(dǎo)頻分配方式，可以更有效減輕導(dǎo)頻污染的影響，使系統(tǒng)性能得到改善。
2020, 42(10): 2462-2470.
doi: 10.11999/JEIT190882
摘要:
一直以來，情緒是心理學、教育學、信息科學等多個學科的研究熱點，腦電信號(EEG)因其客觀、不易偽裝的特點，在情緒識別領(lǐng)域受到廣泛關(guān)注。由于人類情緒是大腦多個腦區(qū)相互作用產(chǎn)生的，該文提出一種基于同步性腦網(wǎng)絡(luò)的支持張量機情緒分類算法(SBN-STM)，該算法采用相位鎖定值(PLV)構(gòu)建了同步性腦網(wǎng)絡(luò)，分析多導(dǎo)聯(lián)腦電信號之間的同步性和相關(guān)性，并生成2階張量序列作為訓(xùn)練集，運用支持張量機(STM)模型實現(xiàn)正負情緒的二分類。該文基于DEAP腦電情緒數(shù)據(jù)庫，詳細分析了同步性腦網(wǎng)絡(luò)張量序列的選取方法，最佳張量序列窗口的大小和位置，解決了傳統(tǒng)情緒分類算法特征冗余的問題，提高了模型訓(xùn)練速度。仿真實驗表明，基于支持張量機的同步性腦網(wǎng)絡(luò)分類方法的情緒準確率優(yōu)于支持向量機、C4.5決策樹、人工神經(jīng)網(wǎng)絡(luò)、K近鄰等以向量為特征的情緒分類模型。
一直以來，情緒是心理學、教育學、信息科學等多個學科的研究熱點，腦電信號(EEG)因其客觀、不易偽裝的特點，在情緒識別領(lǐng)域受到廣泛關(guān)注。由于人類情緒是大腦多個腦區(qū)相互作用產(chǎn)生的，該文提出一種基于同步性腦網(wǎng)絡(luò)的支持張量機情緒分類算法(SBN-STM)，該算法采用相位鎖定值(PLV)構(gòu)建了同步性腦網(wǎng)絡(luò)，分析多導(dǎo)聯(lián)腦電信號之間的同步性和相關(guān)性，并生成2階張量序列作為訓(xùn)練集，運用支持張量機(STM)模型實現(xiàn)正負情緒的二分類。該文基于DEAP腦電情緒數(shù)據(jù)庫，詳細分析了同步性腦網(wǎng)絡(luò)張量序列的選取方法，最佳張量序列窗口的大小和位置，解決了傳統(tǒng)情緒分類算法特征冗余的問題，提高了模型訓(xùn)練速度。仿真實驗表明，基于支持張量機的同步性腦網(wǎng)絡(luò)分類方法的情緒準確率優(yōu)于支持向量機、C4.5決策樹、人工神經(jīng)網(wǎng)絡(luò)、K近鄰等以向量為特征的情緒分類模型。
2020, 42(10): 2471-2477.
doi: 10.11999/JEJT190722
摘要:
針對復(fù)雜工況下滾動軸承故障信號盲提取問題，該文提出一種獨立分量分析(ICA)中非線性函數(shù)自適應(yīng)選擇方法，解決了等變化自適應(yīng)源分離算法(EASI)在多類振動源共存的情況下無法分離軸承故障信號的問題。此外，為了解決在線盲分離算法穩(wěn)態(tài)誤差與收斂速率的平衡問題，提出基于模糊邏輯的自適應(yīng)迭代步長選擇方法，極大地提高了學習算法的收斂速度，且穩(wěn)態(tài)誤差更小。軸承故障數(shù)據(jù)的盲提取仿真結(jié)果驗證了算法的性能。
針對復(fù)雜工況下滾動軸承故障信號盲提取問題，該文提出一種獨立分量分析(ICA)中非線性函數(shù)自適應(yīng)選擇方法，解決了等變化自適應(yīng)源分離算法(EASI)在多類振動源共存的情況下無法分離軸承故障信號的問題。此外，為了解決在線盲分離算法穩(wěn)態(tài)誤差與收斂速率的平衡問題，提出基于模糊邏輯的自適應(yīng)迭代步長選擇方法，極大地提高了學習算法的收斂速度，且穩(wěn)態(tài)誤差更小。軸承故障數(shù)據(jù)的盲提取仿真結(jié)果驗證了算法的性能。
2020, 42(10): 2478-2484.
doi: 10.11999/JEIT190916
摘要:
為了解決Alpha穩(wěn)定分布噪聲下目標螺旋槳特征提取問題，該文提出一種基于分數(shù)低階循環(huán)譜的特征提取方法。首先，從理論上推導(dǎo)出脈沖噪聲條件下艦船輻射噪聲分數(shù)低階循環(huán)譜，指出分數(shù)低階循環(huán)譜中出現(xiàn)峰值與螺旋槳特征的關(guān)系。然后根據(jù)該關(guān)系，提出基于分數(shù)低階循環(huán)譜的螺旋槳特征估計方法。最后，通過仿真實驗驗證該方法的性能，并通過實測數(shù)據(jù)進一步驗證了算法有效性。
為了解決Alpha穩(wěn)定分布噪聲下目標螺旋槳特征提取問題，該文提出一種基于分數(shù)低階循環(huán)譜的特征提取方法。首先，從理論上推導(dǎo)出脈沖噪聲條件下艦船輻射噪聲分數(shù)低階循環(huán)譜，指出分數(shù)低階循環(huán)譜中出現(xiàn)峰值與螺旋槳特征的關(guān)系。然后根據(jù)該關(guān)系，提出基于分數(shù)低階循環(huán)譜的螺旋槳特征估計方法。最后，通過仿真實驗驗證該方法的性能，并通過實測數(shù)據(jù)進一步驗證了算法有效性。
2020, 42(10): 2485-2492.
doi: 10.11999/JEIT190831
摘要:
加速度和下降速度的存在使機動平臺大斜視SAR的成像參數(shù)存在明顯的2維空變性，嚴重影響場景的聚焦深度。針對這個問題，該文提出了一種基于Keystone變換和擾動重采樣的機動SAR成像方法。首先，通過距離走動校正和去加速處理實現(xiàn)距離方位解耦以及方位頻譜去混疊，然后采用方位時域的Keystone變換校正空變的距離徙動；在方位壓縮過程中，通過引入時域的高階擾動因子去除多普勒參數(shù)的2階及3階方位空變性，然后通過方位頻域的重采樣處理去除多普勒參數(shù)的方位1階空變性。所提方法能夠有效校正距離徙動軌跡和方位聚焦參數(shù)的2維空變性，實現(xiàn)機動平臺大斜SAR的大場景成像，仿真分析驗證了所提方法的有效性。
加速度和下降速度的存在使機動平臺大斜視SAR的成像參數(shù)存在明顯的2維空變性，嚴重影響場景的聚焦深度。針對這個問題，該文提出了一種基于Keystone變換和擾動重采樣的機動SAR成像方法。首先，通過距離走動校正和去加速處理實現(xiàn)距離方位解耦以及方位頻譜去混疊，然后采用方位時域的Keystone變換校正空變的距離徙動；在方位壓縮過程中，通過引入時域的高階擾動因子去除多普勒參數(shù)的2階及3階方位空變性，然后通過方位頻域的重采樣處理去除多普勒參數(shù)的方位1階空變性。所提方法能夠有效校正距離徙動軌跡和方位聚焦參數(shù)的2維空變性，實現(xiàn)機動平臺大斜SAR的大場景成像，仿真分析驗證了所提方法的有效性。
2020, 42(10): 2493-2499.
doi: 10.11999/JEIT190747
摘要:
針對傳統(tǒng)LS-ESPRIT算法在估計GTD模型參數(shù)時抗噪效果差，估計精度不高這一問題，該文提出了一種改進的LS-ESPRT算法，有效地提高了算法的參數(shù)估計性能與抗噪性。首先，根據(jù)雷達目標的回波數(shù)據(jù)構(gòu)建Hankel矩陣；其次，采用核范數(shù)凸優(yōu)化方法對上述Hankel矩陣進行降噪處理，得到低秩的重構(gòu)Hankel矩陣；最后，利用傳統(tǒng)的LS-ESPRIT算法對降噪后的數(shù)據(jù)進行處理，估計出GTD模型參數(shù)。基于改進算法與傳統(tǒng)算法分別得到重構(gòu)RCS，并針對不同帶寬對參數(shù)估計精度的影響作以仿真探究。仿真結(jié)果表明，與傳統(tǒng)LS-ESPRIT算法與傳統(tǒng)TLS-ESPRIT算法相比，改進LS-ESPRIT算法的參數(shù)估計性能更高，抗噪性更強，且重構(gòu)RCS的幅值與相角誤差更小。對不同帶寬下的參數(shù)估計精度也進行了探究，并得出：帶寬越大，估計精度越高。
針對傳統(tǒng)LS-ESPRIT算法在估計GTD模型參數(shù)時抗噪效果差，估計精度不高這一問題，該文提出了一種改進的LS-ESPRT算法，有效地提高了算法的參數(shù)估計性能與抗噪性。首先，根據(jù)雷達目標的回波數(shù)據(jù)構(gòu)建Hankel矩陣；其次，采用核范數(shù)凸優(yōu)化方法對上述Hankel矩陣進行降噪處理，得到低秩的重構(gòu)Hankel矩陣；最后，利用傳統(tǒng)的LS-ESPRIT算法對降噪后的數(shù)據(jù)進行處理，估計出GTD模型參數(shù)。基于改進算法與傳統(tǒng)算法分別得到重構(gòu)RCS，并針對不同帶寬對參數(shù)估計精度的影響作以仿真探究。仿真結(jié)果表明，與傳統(tǒng)LS-ESPRIT算法與傳統(tǒng)TLS-ESPRIT算法相比，改進LS-ESPRIT算法的參數(shù)估計性能更高，抗噪性更強，且重構(gòu)RCS的幅值與相角誤差更小。對不同帶寬下的參數(shù)估計精度也進行了探究，并得出：帶寬越大，估計精度越高。
2020, 42(10): 2500-2507.
doi: 10.11999/JEIT190822
摘要:
為有效解決實際工程中的航跡關(guān)聯(lián)問題，該文定義了廣義時空交叉點，并提出了以航跡對時空交叉點為特征，通過特征匹配來實現(xiàn)航跡抗差關(guān)聯(lián)的新方法。實測數(shù)據(jù)驗證結(jié)果表明：在雷達航跡不完全匹配且存在時空差異誤差的情況下，該方法可有效實現(xiàn)雷達航跡的抗差關(guān)聯(lián)，并且?guī)缀醪皇軙r空差異誤差大小的影響，具有強魯棒性和穩(wěn)定性，可有效解決實際工程中的航跡關(guān)聯(lián)問題，消除冗余航跡，提供統(tǒng)一態(tài)勢。
為有效解決實際工程中的航跡關(guān)聯(lián)問題，該文定義了廣義時空交叉點，并提出了以航跡對時空交叉點為特征，通過特征匹配來實現(xiàn)航跡抗差關(guān)聯(lián)的新方法。實測數(shù)據(jù)驗證結(jié)果表明：在雷達航跡不完全匹配且存在時空差異誤差的情況下，該方法可有效實現(xiàn)雷達航跡的抗差關(guān)聯(lián)，并且?guī)缀醪皇軙r空差異誤差大小的影響，具有強魯棒性和穩(wěn)定性，可有效解決實際工程中的航跡關(guān)聯(lián)問題，消除冗余航跡，提供統(tǒng)一態(tài)勢。
2020, 42(10): 2508-2515.
doi: 10.11999/JEIT190734
摘要:
現(xiàn)有頻譜彌散干擾(SMSP)抑制算法以一個長度為雷達發(fā)射信號的受干擾回波為處理對象，未涉及相參處理間隔內(nèi)整體回波。針對此問題，該文以自衛(wèi)式干擾條件下線性調(diào)頻(LFM)相參體制雷達抗SMSP干擾為背景，提出快慢時間域聯(lián)合處理抑制SMSP干擾算法。分析了SMSP干擾時頻特征和對相參雷達的干擾特性，在此基礎(chǔ)上，設(shè)計了慢時間微分熵估計干擾位置，相關(guān)系數(shù)最大準則估計干擾參數(shù)，雙正交傅里葉變換快時間分段重構(gòu)干擾信號和干擾對消的抑制流程。仿真結(jié)果表明，所提算法模型與雷達處理流程切合度高，對比分析進一步驗證算法效能。
現(xiàn)有頻譜彌散干擾(SMSP)抑制算法以一個長度為雷達發(fā)射信號的受干擾回波為處理對象，未涉及相參處理間隔內(nèi)整體回波。針對此問題，該文以自衛(wèi)式干擾條件下線性調(diào)頻(LFM)相參體制雷達抗SMSP干擾為背景，提出快慢時間域聯(lián)合處理抑制SMSP干擾算法。分析了SMSP干擾時頻特征和對相參雷達的干擾特性，在此基礎(chǔ)上，設(shè)計了慢時間微分熵估計干擾位置，相關(guān)系數(shù)最大準則估計干擾參數(shù)，雙正交傅里葉變換快時間分段重構(gòu)干擾信號和干擾對消的抑制流程。仿真結(jié)果表明，所提算法模型與雷達處理流程切合度高，對比分析進一步驗證算法效能。
2020, 42(10): 2516-2523.
doi: 10.11999/JEIT190805
摘要:
針對地震后高層建筑物結(jié)構(gòu)損傷監(jiān)測問題，該文提出一種基于方向碼匹配(OCM)和邊緣增強匹配(EEM)算法的微小位移測量算法。該算法先將原始圖像梯度信息與像素強度融合，增強圖像信息；采用相位相關(guān)法進行匹配運算，匹配速度比歸一化互相關(guān)法提升了96.1%；最后使用亞像素插值法，使測量結(jié)果達到亞像素精度。實驗結(jié)果表明，該文算法避免了OCM和EEM算法量化過程中圖像梯度信息的損失，大大提高了模板匹配精度，匹配速度比OCM提升了43.3%，比EEM提升了19.6%。
針對地震后高層建筑物結(jié)構(gòu)損傷監(jiān)測問題，該文提出一種基于方向碼匹配(OCM)和邊緣增強匹配(EEM)算法的微小位移測量算法。該算法先將原始圖像梯度信息與像素強度融合，增強圖像信息；采用相位相關(guān)法進行匹配運算，匹配速度比歸一化互相關(guān)法提升了96.1%；最后使用亞像素插值法，使測量結(jié)果達到亞像素精度。實驗結(jié)果表明，該文算法避免了OCM和EEM算法量化過程中圖像梯度信息的損失，大大提高了模板匹配精度，匹配速度比OCM提升了43.3%，比EEM提升了19.6%。
2020, 42(10): 2524-2532.
doi: 10.11999/JEIT190761
摘要:
超大視場(U-FOV)紅外成像系統(tǒng)探測范圍大、不受光照限制，但存在尺度多樣、小目標豐富的特點。為此該文提出一種具備背景感知能力的多尺度紅外行人檢測方法，在提高小目標檢測性能的同時，減少冗余計算。首先，構(gòu)建了4尺度的特征金字塔網(wǎng)絡(luò)分別獨立預(yù)測目標，補充高分辨率細節(jié)特征。其次，在特征金字塔結(jié)構(gòu)的橫向連接中融入注意力模塊，產(chǎn)生顯著性特征，抑制不相關(guān)區(qū)域的特征響應(yīng)、突出圖像局部目標特征。最后，在顯著性系數(shù)的基礎(chǔ)上構(gòu)建了錨框掩膜生成子網(wǎng)絡(luò)，約束錨框位置，排除平坦背景，提高處理效率。實驗結(jié)果表明，顯著性生成子網(wǎng)絡(luò)僅增加5.94%的處理時間，具備輕量特性；超大視場(U-FOV)紅外行人數(shù)據(jù)集上的識別準確率達到了93.20%，比YOLOv3高了26.49%；錨框約束策略能節(jié)約處理時間18.05%。重構(gòu)模型具有輕量性和高準確性，適合于檢測超大視場中的多尺度紅外目標。
超大視場(U-FOV)紅外成像系統(tǒng)探測范圍大、不受光照限制，但存在尺度多樣、小目標豐富的特點。為此該文提出一種具備背景感知能力的多尺度紅外行人檢測方法，在提高小目標檢測性能的同時，減少冗余計算。首先，構(gòu)建了4尺度的特征金字塔網(wǎng)絡(luò)分別獨立預(yù)測目標，補充高分辨率細節(jié)特征。其次，在特征金字塔結(jié)構(gòu)的橫向連接中融入注意力模塊，產(chǎn)生顯著性特征，抑制不相關(guān)區(qū)域的特征響應(yīng)、突出圖像局部目標特征。最后，在顯著性系數(shù)的基礎(chǔ)上構(gòu)建了錨框掩膜生成子網(wǎng)絡(luò)，約束錨框位置，排除平坦背景，提高處理效率。實驗結(jié)果表明，顯著性生成子網(wǎng)絡(luò)僅增加5.94%的處理時間，具備輕量特性；超大視場(U-FOV)紅外行人數(shù)據(jù)集上的識別準確率達到了93.20%，比YOLOv3高了26.49%；錨框約束策略能節(jié)約處理時間18.05%。重構(gòu)模型具有輕量性和高準確性，適合于檢測超大視場中的多尺度紅外目標。
2020, 42(10): 2533-2540.
doi: 10.11999/JEIT190721
摘要:
針對難以準確有效地提取混合失真圖像質(zhì)量特征的問題，該文提出一種基于空間分布分析的圖像質(zhì)量評價方法。首先將圖像進行亮度系數(shù)歸一化處理，然后將圖像進行分塊，利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行端對端的深度學習，采用多層次卷積核堆疊的方法獲取圖像的質(zhì)量感知特征，并通過全連接層將特征映射到圖像塊的質(zhì)量分數(shù)。再將塊質(zhì)量分數(shù)匯總獲取質(zhì)量池，通過對質(zhì)量池中局部質(zhì)量的空間分布情況進行分析，提取能夠表征其空間分布情況的特征，然后采用神經(jīng)網(wǎng)絡(luò)建立局部質(zhì)量到整體質(zhì)量的映射模型，將圖像的局部質(zhì)量進行匯總。最后在MLIVE, MDID2013, MDID2016混合失真圖像庫中進行性能測試以及與相關(guān)的對比算法進行比較，驗證了該算法的有效性。
針對難以準確有效地提取混合失真圖像質(zhì)量特征的問題，該文提出一種基于空間分布分析的圖像質(zhì)量評價方法。首先將圖像進行亮度系數(shù)歸一化處理，然后將圖像進行分塊，利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行端對端的深度學習，采用多層次卷積核堆疊的方法獲取圖像的質(zhì)量感知特征，并通過全連接層將特征映射到圖像塊的質(zhì)量分數(shù)。再將塊質(zhì)量分數(shù)匯總獲取質(zhì)量池，通過對質(zhì)量池中局部質(zhì)量的空間分布情況進行分析，提取能夠表征其空間分布情況的特征，然后采用神經(jīng)網(wǎng)絡(luò)建立局部質(zhì)量到整體質(zhì)量的映射模型，將圖像的局部質(zhì)量進行匯總。最后在MLIVE, MDID2013, MDID2016混合失真圖像庫中進行性能測試以及與相關(guān)的對比算法進行比較，驗證了該算法的有效性。
2020, 42(10): 2541-2548.
doi: 10.11999/JEIT190796
摘要:
為提高對隨機脈沖噪聲(RVIN)圖像的降噪效果，該文提出一種被稱為雙通道降噪卷積神經(jīng)網(wǎng)絡(luò)(D-DnCNN)的RVIN深度降噪模型。首先，提取多個不同階對數(shù)差值排序(ROLD)統(tǒng)計值及1個邊緣特征統(tǒng)計值構(gòu)成描述圖塊中心像素點是否為RVIN噪聲的噪聲感知特征矢量。其次，利用預(yù)先訓(xùn)練好的深度置信網(wǎng)絡(luò)(DBN)預(yù)測模型實現(xiàn)特征矢量到噪聲標簽的映射，完成對噪聲圖像中噪聲點的檢測。再次，在噪聲檢測標簽的指示下采用Delaunay三角剖分插值算法快速修復(fù)噪聲像素點從而獲得初步復(fù)原圖像。最后，將初步復(fù)原圖像作為參考圖像與噪聲圖像聯(lián)接(concatenate)后輸入D-DnCNN模型后獲得殘差圖像，將參考圖像減去殘差圖像即可獲得降噪后圖像。實驗數(shù)據(jù)表明：D-DnCNN模型在各個噪聲比例下的降噪效果均顯著超過了現(xiàn)有的經(jīng)典開關(guān)型RVIN降噪算法，與普通的單通道RVIN深度降噪模型相比也有較大幅度提升。
為提高對隨機脈沖噪聲(RVIN)圖像的降噪效果，該文提出一種被稱為雙通道降噪卷積神經(jīng)網(wǎng)絡(luò)(D-DnCNN)的RVIN深度降噪模型。首先，提取多個不同階對數(shù)差值排序(ROLD)統(tǒng)計值及1個邊緣特征統(tǒng)計值構(gòu)成描述圖塊中心像素點是否為RVIN噪聲的噪聲感知特征矢量。其次，利用預(yù)先訓(xùn)練好的深度置信網(wǎng)絡(luò)(DBN)預(yù)測模型實現(xiàn)特征矢量到噪聲標簽的映射，完成對噪聲圖像中噪聲點的檢測。再次，在噪聲檢測標簽的指示下采用Delaunay三角剖分插值算法快速修復(fù)噪聲像素點從而獲得初步復(fù)原圖像。最后，將初步復(fù)原圖像作為參考圖像與噪聲圖像聯(lián)接(concatenate)后輸入D-DnCNN模型后獲得殘差圖像，將參考圖像減去殘差圖像即可獲得降噪后圖像。實驗數(shù)據(jù)表明：D-DnCNN模型在各個噪聲比例下的降噪效果均顯著超過了現(xiàn)有的經(jīng)典開關(guān)型RVIN降噪算法，與普通的單通道RVIN深度降噪模型相比也有較大幅度提升。
2020, 42(10): 2549-2556.
doi: 10.11999/JEIT190077
摘要:
FPGA存儲器映射算法負責將用戶的邏輯存儲需求映射到芯片中的分布式存儲資源上實現(xiàn)。前人對雙端口存儲器的映射算法研究相對較少，成熟的商業(yè)EDA工具的映射結(jié)果仍有不少改進空間。該文分別針對面積、延時、功耗這3個常用指標，提出一種雙端口存儲器映射的優(yōu)化算法，并給出了具體配置方案。實驗表明，在面向簡單存儲需求時，與商用工具Vivado的映射結(jié)果一致；在面向復(fù)雜存儲需求時，面積優(yōu)化和功耗優(yōu)化的映射結(jié)果對比商用工具改善了至少50%。
FPGA存儲器映射算法負責將用戶的邏輯存儲需求映射到芯片中的分布式存儲資源上實現(xiàn)。前人對雙端口存儲器的映射算法研究相對較少，成熟的商業(yè)EDA工具的映射結(jié)果仍有不少改進空間。該文分別針對面積、延時、功耗這3個常用指標，提出一種雙端口存儲器映射的優(yōu)化算法，并給出了具體配置方案。實驗表明，在面向簡單存儲需求時，與商用工具Vivado的映射結(jié)果一致；在面向復(fù)雜存儲需求時，面積優(yōu)化和功耗優(yōu)化的映射結(jié)果對比商用工具改善了至少50%。
2020, 42(10): 2557-2565.
doi: 10.11999/JEIT190880
摘要:
DNA鏈置換技術(shù)具有自發(fā)性、并行性、可編程性、動態(tài)級聯(lián)性的特點，在DNA計算中占據(jù)重要的地位。DNA鏈置換技術(shù)被廣泛的應(yīng)用于解決數(shù)學問題，該文采用格雷碼編碼方式結(jié)合DNA鏈置換技術(shù)設(shè)計了兩位減法器，擴展DNA減法運算。最后利用Visual DSD軟件模擬兩位減法器，該電路達到預(yù)期的功能，且具有并行性和可擴展性，可與其他生化電路結(jié)合使用。
DNA鏈置換技術(shù)具有自發(fā)性、并行性、可編程性、動態(tài)級聯(lián)性的特點，在DNA計算中占據(jù)重要的地位。DNA鏈置換技術(shù)被廣泛的應(yīng)用于解決數(shù)學問題，該文采用格雷碼編碼方式結(jié)合DNA鏈置換技術(shù)設(shè)計了兩位減法器，擴展DNA減法運算。最后利用Visual DSD軟件模擬兩位減法器，該電路達到預(yù)期的功能，且具有并行性和可擴展性，可與其他生化電路結(jié)合使用。
2020, 42(10): 2566-2572.
doi: 10.11999/JEIT190719
摘要:
通過對一種低功耗高噪聲源真隨機數(shù)發(fā)生器(TRNG)的研究，設(shè)計了一種新型的低頻時鐘電路，可以把電阻熱噪聲放大100倍以上，從而減少低頻時鐘電路的帶寬和電阻值，使電路的面積和功耗減少，并且使低頻時鐘的jitter到達58.2 ns。電路采用SMIC 40 nm CMOS工藝設(shè)計，完成了流片和測試，真隨機數(shù)產(chǎn)生器輸出速度范圍為1.38～3.33 Mbit/s，電路整體功耗為0.11 mW，面積為0.00789 mm2。隨機數(shù)輸出滿足AIS31真隨機數(shù)熵源測試要求，并且通過了國密2安全測試。
通過對一種低功耗高噪聲源真隨機數(shù)發(fā)生器(TRNG)的研究，設(shè)計了一種新型的低頻時鐘電路，可以把電阻熱噪聲放大100倍以上，從而減少低頻時鐘電路的帶寬和電阻值，使電路的面積和功耗減少，并且使低頻時鐘的jitter到達58.2 ns。電路采用SMIC 40 nm CMOS工藝設(shè)計，完成了流片和測試，真隨機數(shù)產(chǎn)生器輸出速度范圍為1.38～3.33 Mbit/s，電路整體功耗為0.11 mW，面積為0.00789 mm2。隨機數(shù)輸出滿足AIS31真隨機數(shù)熵源測試要求，并且通過了國密2安全測試。
