郵件訂閱
2020年 第42卷 第11期
顯示方式:
2020, 42(11): 2573-2578.
doi: 10.11999/JEIT190228
摘要:
無線通信中的抗干擾技術(shù)對(duì)通信的穩(wěn)定性和安全性都具有重要意義，干擾識(shí)別作為抗干擾技術(shù)的重要環(huán)節(jié)一直是研究的熱點(diǎn)。該文提出一種基于奇異值分解與神經(jīng)網(wǎng)絡(luò)的干擾識(shí)別方法，該方法只計(jì)算信號(hào)矩陣的奇異值即完成特征提取，與傳統(tǒng)方法相比節(jié)省了多個(gè)譜特性的計(jì)算量。仿真結(jié)果表明：基于奇異值分解與神經(jīng)網(wǎng)絡(luò)的干擾識(shí)別方法與傳統(tǒng)方法相比在干信比為0 dB左右的條件下識(shí)別準(zhǔn)確率有10%～25%的提高。
無線通信中的抗干擾技術(shù)對(duì)通信的穩(wěn)定性和安全性都具有重要意義，干擾識(shí)別作為抗干擾技術(shù)的重要環(huán)節(jié)一直是研究的熱點(diǎn)。該文提出一種基于奇異值分解與神經(jīng)網(wǎng)絡(luò)的干擾識(shí)別方法，該方法只計(jì)算信號(hào)矩陣的奇異值即完成特征提取，與傳統(tǒng)方法相比節(jié)省了多個(gè)譜特性的計(jì)算量。仿真結(jié)果表明：基于奇異值分解與神經(jīng)網(wǎng)絡(luò)的干擾識(shí)別方法與傳統(tǒng)方法相比在干信比為0 dB左右的條件下識(shí)別準(zhǔn)確率有10%～25%的提高。
2020, 42(11): 2579-2586.
doi: 10.11999/JEIT190455
摘要:
針對(duì)現(xiàn)有L型陣列相干信號(hào)DOA估計(jì)算法精度不高、孔徑損失較大的問題，該文提出一種基于主奇異矢量的解相干(L-PUMA)方法以及改進(jìn)的主奇異矢量法(L-MPUMA)。L-PUMA算法首先對(duì)互協(xié)方差矩陣進(jìn)行降噪，再通過奇異值分解得到2維主奇異矢量，然后利用加權(quán)最小二乘法得到線性預(yù)測(cè)方程的多項(xiàng)式系數(shù)，該線性預(yù)測(cè)方程的根即為信號(hào)的DOA估計(jì)，最后提出一種新的配對(duì)算法實(shí)現(xiàn)仰角和方位角的配對(duì)。L-MPUMA算法利用反向共軛變換構(gòu)造增廣主奇異矢量，進(jìn)一步提高了數(shù)據(jù)利用率，克服了信號(hào)完全相干時(shí)L-PUMA算法性能下降嚴(yán)重的問題，仿真實(shí)驗(yàn)驗(yàn)證了所提算法的高效性。
針對(duì)現(xiàn)有L型陣列相干信號(hào)DOA估計(jì)算法精度不高、孔徑損失較大的問題，該文提出一種基于主奇異矢量的解相干(L-PUMA)方法以及改進(jìn)的主奇異矢量法(L-MPUMA)。L-PUMA算法首先對(duì)互協(xié)方差矩陣進(jìn)行降噪，再通過奇異值分解得到2維主奇異矢量，然后利用加權(quán)最小二乘法得到線性預(yù)測(cè)方程的多項(xiàng)式系數(shù)，該線性預(yù)測(cè)方程的根即為信號(hào)的DOA估計(jì)，最后提出一種新的配對(duì)算法實(shí)現(xiàn)仰角和方位角的配對(duì)。L-MPUMA算法利用反向共軛變換構(gòu)造增廣主奇異矢量，進(jìn)一步提高了數(shù)據(jù)利用率，克服了信號(hào)完全相干時(shí)L-PUMA算法性能下降嚴(yán)重的問題，仿真實(shí)驗(yàn)驗(yàn)證了所提算法的高效性。
2020, 42(11): 2587-2591.
doi: 10.11999/JEIT190521
摘要:
針對(duì)脈沖噪聲與同頻帶干擾并存時(shí)寬帶信號(hào)的波達(dá)方向(DOA)估計(jì)問題，該文提出一種結(jié)合循環(huán)相關(guān)熵(CCE)與稀疏重構(gòu)的算法。首先，分析了寬帶信源的接收信號(hào)模型，并利用循環(huán)相關(guān)熵的性質(zhì)構(gòu)造出對(duì)脈沖噪聲與同頻帶干擾具有抑制能力的寬帶信號(hào)虛擬輸出陣列。隨后對(duì)該虛擬輸出陣列進(jìn)行稀疏表示，并通過歸一化迭代硬閾值(NIHT)算法進(jìn)行稀疏重構(gòu)，從而估計(jì)寬帶信號(hào)的波達(dá)方向。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)脈沖噪聲和同頻帶干擾具有很好的抑制作用，并且相較已有算法在估計(jì)性能方面有明顯的改善。
針對(duì)脈沖噪聲與同頻帶干擾并存時(shí)寬帶信號(hào)的波達(dá)方向(DOA)估計(jì)問題，該文提出一種結(jié)合循環(huán)相關(guān)熵(CCE)與稀疏重構(gòu)的算法。首先，分析了寬帶信源的接收信號(hào)模型，并利用循環(huán)相關(guān)熵的性質(zhì)構(gòu)造出對(duì)脈沖噪聲與同頻帶干擾具有抑制能力的寬帶信號(hào)虛擬輸出陣列。隨后對(duì)該虛擬輸出陣列進(jìn)行稀疏表示，并通過歸一化迭代硬閾值(NIHT)算法進(jìn)行稀疏重構(gòu)，從而估計(jì)寬帶信號(hào)的波達(dá)方向。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)脈沖噪聲和同頻帶干擾具有很好的抑制作用，并且相較已有算法在估計(jì)性能方面有明顯的改善。
2020, 42(11): 2592-2599.
doi: 10.11999/JEIT190562
摘要:
由于天基雷達(dá)覆蓋范圍廣，大量強(qiáng)離散雜波(小型島礁、陸地鐵塔等)會(huì)從天線旁瓣進(jìn)入雷達(dá)系統(tǒng)，其多普勒特征與目標(biāo)相同，極易造成虛警。針對(duì)以上問題，該文提出基于空時(shí)導(dǎo)向約束的天基雷達(dá)離散旁瓣雜波判別方法，該方法首先選取空時(shí)自適應(yīng)處理(STAP)雜波抑制后檢測(cè)到的潛在“目標(biāo)”(包含真實(shí)目標(biāo)與離散旁瓣雜波)距離多普勒單元及其附近單元；然后根據(jù)雜波多普勒頻率與空間角度的耦合關(guān)系獲得各雜波單元對(duì)應(yīng)的空時(shí)導(dǎo)向矢量；最后利用獲得新的導(dǎo)向矢量構(gòu)成的濾波器再次對(duì)“目標(biāo)”距離多普勒單元及其附近單元進(jìn)行濾波處理，此時(shí)真實(shí)目標(biāo)信雜噪比會(huì)大幅度降低，而離散旁瓣雜波信雜噪比變化不大，從而實(shí)現(xiàn)離散旁瓣雜波的判別。理論分析及機(jī)載實(shí)測(cè)數(shù)據(jù)處理證明該方法具有良好的穩(wěn)健性和可靠性。
由于天基雷達(dá)覆蓋范圍廣，大量強(qiáng)離散雜波(小型島礁、陸地鐵塔等)會(huì)從天線旁瓣進(jìn)入雷達(dá)系統(tǒng)，其多普勒特征與目標(biāo)相同，極易造成虛警。針對(duì)以上問題，該文提出基于空時(shí)導(dǎo)向約束的天基雷達(dá)離散旁瓣雜波判別方法，該方法首先選取空時(shí)自適應(yīng)處理(STAP)雜波抑制后檢測(cè)到的潛在“目標(biāo)”(包含真實(shí)目標(biāo)與離散旁瓣雜波)距離多普勒單元及其附近單元；然后根據(jù)雜波多普勒頻率與空間角度的耦合關(guān)系獲得各雜波單元對(duì)應(yīng)的空時(shí)導(dǎo)向矢量；最后利用獲得新的導(dǎo)向矢量構(gòu)成的濾波器再次對(duì)“目標(biāo)”距離多普勒單元及其附近單元進(jìn)行濾波處理，此時(shí)真實(shí)目標(biāo)信雜噪比會(huì)大幅度降低，而離散旁瓣雜波信雜噪比變化不大，從而實(shí)現(xiàn)離散旁瓣雜波的判別。理論分析及機(jī)載實(shí)測(cè)數(shù)據(jù)處理證明該方法具有良好的穩(wěn)健性和可靠性。
2020, 42(11): 2600-2606.
doi: 10.11999/JEIT200325
摘要:
針對(duì)復(fù)雜電磁環(huán)境下被動(dòng)無線監(jiān)測(cè)定位問題，該文提出廣義相關(guān)熵的概念，推導(dǎo)了廣義相關(guān)熵的性質(zhì)，用以抑制陣列輸出信號(hào)中的脈沖噪聲。為了實(shí)現(xiàn)脈沖噪聲環(huán)境下相干分布源中心DOA和擴(kuò)散角的聯(lián)合估計(jì)，提出基于廣義相關(guān)熵的DOA估計(jì)新方法，并證明了該方法的有界性。為進(jìn)一步提升算法的魯棒性，推導(dǎo)了一種僅依賴陣列輸出信號(hào)的自適應(yīng)核函數(shù)。仿真結(jié)果表明，該算法能夠?qū)崿F(xiàn)脈沖噪聲環(huán)境下相干分布源參數(shù)的聯(lián)合估計(jì)，相比已有算法，具有更高的估計(jì)精度和魯棒性。
針對(duì)復(fù)雜電磁環(huán)境下被動(dòng)無線監(jiān)測(cè)定位問題，該文提出廣義相關(guān)熵的概念，推導(dǎo)了廣義相關(guān)熵的性質(zhì)，用以抑制陣列輸出信號(hào)中的脈沖噪聲。為了實(shí)現(xiàn)脈沖噪聲環(huán)境下相干分布源中心DOA和擴(kuò)散角的聯(lián)合估計(jì)，提出基于廣義相關(guān)熵的DOA估計(jì)新方法，并證明了該方法的有界性。為進(jìn)一步提升算法的魯棒性，推導(dǎo)了一種僅依賴陣列輸出信號(hào)的自適應(yīng)核函數(shù)。仿真結(jié)果表明，該算法能夠?qū)崿F(xiàn)脈沖噪聲環(huán)境下相干分布源參數(shù)的聯(lián)合估計(jì)，相比已有算法，具有更高的估計(jì)精度和魯棒性。
2020, 42(11): 2607-2614.
doi: 10.11999/JEIT190534
摘要:
基于微波輻射無源探測(cè)系統(tǒng)的目標(biāo)探測(cè)方程，該文探討了云、霧和雨等復(fù)雜天氣以及海風(fēng)對(duì)天基被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)的影響，定量化仿真分析了這些因素對(duì)系統(tǒng)探測(cè)能力的影響，實(shí)驗(yàn)驗(yàn)證了被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)對(duì)云層的穿透能力。研究結(jié)果表明：云、霧和雨等復(fù)雜天氣對(duì)被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)對(duì)海面目標(biāo)的探測(cè)有一定的影響，但在低頻段云霧影響較小，可忽略不計(jì)；而降雨會(huì)對(duì)系統(tǒng)的目標(biāo)探測(cè)能力影響較大；海風(fēng)對(duì)海面金屬目標(biāo)的探測(cè)是有利的，而海風(fēng)對(duì)隱身目標(biāo)探測(cè)是不利的，會(huì)降低系統(tǒng)的探測(cè)能力。
基于微波輻射無源探測(cè)系統(tǒng)的目標(biāo)探測(cè)方程，該文探討了云、霧和雨等復(fù)雜天氣以及海風(fēng)對(duì)天基被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)的影響，定量化仿真分析了這些因素對(duì)系統(tǒng)探測(cè)能力的影響，實(shí)驗(yàn)驗(yàn)證了被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)對(duì)云層的穿透能力。研究結(jié)果表明：云、霧和雨等復(fù)雜天氣對(duì)被動(dòng)干涉微波輻射無源探測(cè)系統(tǒng)對(duì)海面目標(biāo)的探測(cè)有一定的影響，但在低頻段云霧影響較小，可忽略不計(jì)；而降雨會(huì)對(duì)系統(tǒng)的目標(biāo)探測(cè)能力影響較大；海風(fēng)對(duì)海面金屬目標(biāo)的探測(cè)是有利的，而海風(fēng)對(duì)隱身目標(biāo)探測(cè)是不利的，會(huì)降低系統(tǒng)的探測(cè)能力。
2020, 42(11): 2615-2620.
doi: 10.11999/JEIT190765
摘要:
網(wǎng)格剖分是有限元建模分析過程中最重要，也是工作量最大的環(huán)節(jié)，直接影響有限元分析的精度和時(shí)間。該文在研究網(wǎng)格自適應(yīng)剖分及有限元離散誤差的基礎(chǔ)上，在高壓輸電場(chǎng)環(huán)境中建立不同復(fù)雜度的3維人體模型。通過對(duì)人體模型自適應(yīng)網(wǎng)格剖分和手動(dòng)網(wǎng)格剖分電場(chǎng)仿真結(jié)果的對(duì)比，分析能量誤差變化的趨勢(shì)，從而指導(dǎo)人體模型的建立及最佳剖分尺寸的設(shè)置。該文的研究成果，對(duì)其它有限元剖分方案的優(yōu)化研究具有一定參考意義。
網(wǎng)格剖分是有限元建模分析過程中最重要，也是工作量最大的環(huán)節(jié)，直接影響有限元分析的精度和時(shí)間。該文在研究網(wǎng)格自適應(yīng)剖分及有限元離散誤差的基礎(chǔ)上，在高壓輸電場(chǎng)環(huán)境中建立不同復(fù)雜度的3維人體模型。通過對(duì)人體模型自適應(yīng)網(wǎng)格剖分和手動(dòng)網(wǎng)格剖分電場(chǎng)仿真結(jié)果的對(duì)比，分析能量誤差變化的趨勢(shì)，從而指導(dǎo)人體模型的建立及最佳剖分尺寸的設(shè)置。該文的研究成果，對(duì)其它有限元剖分方案的優(yōu)化研究具有一定參考意義。
2020, 42(11): 2621-2628.
doi: 10.11999/JEIT190564
摘要:
為了使星載通信天線產(chǎn)生1個(gè)賦形波束覆蓋服務(wù)區(qū)，同時(shí)產(chǎn)生1個(gè)固定點(diǎn)波束和1個(gè)有限掃描點(diǎn)波束，該文提出一種由2個(gè)賦形反射面和3個(gè)饋源組成的混合反射面天線。該天線是以賦形主反射面共用為基礎(chǔ)，等效為2副單饋源單偏置反射面天線和1副雙偏置格里高利型賦形反射面天線，分別產(chǎn)生賦形波束、固定點(diǎn)波束和有限掃描點(diǎn)波束。通過對(duì)一副口徑為1.2 m的天線各個(gè)波束進(jìn)行仿真實(shí)驗(yàn)，賦形波束在Ku收、發(fā)頻段時(shí)波束覆蓋區(qū)邊緣(EoC)方向性系數(shù)為27.5 dBi，固定點(diǎn)波束在C收、發(fā)頻段時(shí)天線口徑效率高于70%，通過將賦形副反射面及對(duì)應(yīng)饋源橫向偏焦實(shí)現(xiàn)Ka收、發(fā)頻段的點(diǎn)波束在服務(wù)區(qū)內(nèi)外的掃描。仿真結(jié)果表明，該混合反射面天線可實(shí)現(xiàn)C/Ku/Ka頻段的同時(shí)通信任務(wù)。
為了使星載通信天線產(chǎn)生1個(gè)賦形波束覆蓋服務(wù)區(qū)，同時(shí)產(chǎn)生1個(gè)固定點(diǎn)波束和1個(gè)有限掃描點(diǎn)波束，該文提出一種由2個(gè)賦形反射面和3個(gè)饋源組成的混合反射面天線。該天線是以賦形主反射面共用為基礎(chǔ)，等效為2副單饋源單偏置反射面天線和1副雙偏置格里高利型賦形反射面天線，分別產(chǎn)生賦形波束、固定點(diǎn)波束和有限掃描點(diǎn)波束。通過對(duì)一副口徑為1.2 m的天線各個(gè)波束進(jìn)行仿真實(shí)驗(yàn)，賦形波束在Ku收、發(fā)頻段時(shí)波束覆蓋區(qū)邊緣(EoC)方向性系數(shù)為27.5 dBi，固定點(diǎn)波束在C收、發(fā)頻段時(shí)天線口徑效率高于70%，通過將賦形副反射面及對(duì)應(yīng)饋源橫向偏焦實(shí)現(xiàn)Ka收、發(fā)頻段的點(diǎn)波束在服務(wù)區(qū)內(nèi)外的掃描。仿真結(jié)果表明，該混合反射面天線可實(shí)現(xiàn)C/Ku/Ka頻段的同時(shí)通信任務(wù)。
2020, 42(11): 2629-2635.
doi: 10.11999/JEIT190645
摘要:
為了滿足置于粗糙面之上組合目標(biāo)測(cè)量和檢測(cè)的需要，該文分別采用Dobson半經(jīng)驗(yàn)?zāi)Ｐ秃碗娊橘|(zhì)復(fù)介電常數(shù)公式表示土壤介電常數(shù)的實(shí)部和虛部，應(yīng)用指數(shù)型分布粗糙面和Monte Carlo方法模擬實(shí)際的土壤表面。通過與矩量法得到的計(jì)算結(jié)果比較，驗(yàn)證了時(shí)域有限差分(FDTD)方法計(jì)算粗糙面與目標(biāo)復(fù)合散射問題的有效性，進(jìn)而運(yùn)用該方法研究了土壤表面與置于其上組合目標(biāo)的復(fù)合散射，得出了復(fù)合散射系數(shù)的角分布曲線。結(jié)果表明：復(fù)合散射系數(shù)隨散射角振蕩地變化，在鏡反射方向處發(fā)生散射增強(qiáng)效應(yīng)；土壤表面高度起伏均方根越大，復(fù)合散射系數(shù)越大；相關(guān)長(zhǎng)度越大，復(fù)合散射系數(shù)越?。粷穸仍酱?，復(fù)合散射系數(shù)越??；組合目標(biāo)尺度、介電常數(shù)、入射角對(duì)復(fù)合散射系數(shù)影響比較復(fù)雜。該文結(jié)果可用于求解地、海粗糙面與置于其上任意目標(biāo)的復(fù)合電磁散射問題，與其它數(shù)值計(jì)算方法相比較，采用時(shí)域有限差分方法既可獲得較高的準(zhǔn)確性，同時(shí)又可減少計(jì)算時(shí)間和內(nèi)存占用量。
為了滿足置于粗糙面之上組合目標(biāo)測(cè)量和檢測(cè)的需要，該文分別采用Dobson半經(jīng)驗(yàn)?zāi)Ｐ秃碗娊橘|(zhì)復(fù)介電常數(shù)公式表示土壤介電常數(shù)的實(shí)部和虛部，應(yīng)用指數(shù)型分布粗糙面和Monte Carlo方法模擬實(shí)際的土壤表面。通過與矩量法得到的計(jì)算結(jié)果比較，驗(yàn)證了時(shí)域有限差分(FDTD)方法計(jì)算粗糙面與目標(biāo)復(fù)合散射問題的有效性，進(jìn)而運(yùn)用該方法研究了土壤表面與置于其上組合目標(biāo)的復(fù)合散射，得出了復(fù)合散射系數(shù)的角分布曲線。結(jié)果表明：復(fù)合散射系數(shù)隨散射角振蕩地變化，在鏡反射方向處發(fā)生散射增強(qiáng)效應(yīng)；土壤表面高度起伏均方根越大，復(fù)合散射系數(shù)越大；相關(guān)長(zhǎng)度越大，復(fù)合散射系數(shù)越?。粷穸仍酱?，復(fù)合散射系數(shù)越??；組合目標(biāo)尺度、介電常數(shù)、入射角對(duì)復(fù)合散射系數(shù)影響比較復(fù)雜。該文結(jié)果可用于求解地、海粗糙面與置于其上任意目標(biāo)的復(fù)合電磁散射問題，與其它數(shù)值計(jì)算方法相比較，采用時(shí)域有限差分方法既可獲得較高的準(zhǔn)確性，同時(shí)又可減少計(jì)算時(shí)間和內(nèi)存占用量。
2020, 42(11): 2636-2642.
doi: 10.11999/JEIT190172
摘要:
無線紫外光通信成為強(qiáng)電磁干擾下的有效通信手段，滿足復(fù)雜戰(zhàn)場(chǎng)環(huán)境下車隊(duì)執(zhí)行戰(zhàn)略物資運(yùn)輸和彈車隊(duì)隱蔽行駛時(shí)車輛間保持可靠隱秘通信的需求。在行駛中每輛車自身作為其它車輛的中繼，通過多跳方式為非視線內(nèi)車輛之間建立穩(wěn)定可靠的通信鏈路。因此，基于紫外光單次散射模型，該文研究了最優(yōu)多跳中繼問題，理論分析了收發(fā)仰角與頻譜效率的關(guān)系，依據(jù)使頻譜效率最大化原則，得出最優(yōu)跳數(shù)近似表達(dá)式。仿真結(jié)果表明，不同距離移位范圍和不同收發(fā)仰角都對(duì)應(yīng)特定的最優(yōu)跳數(shù)值，與最優(yōu)能量計(jì)算方法相比，最大頻譜效率計(jì)算方法在小功率傳輸時(shí)有更好的傳輸能力，并且達(dá)到節(jié)約功率的需求。紫外光長(zhǎng)距離通信時(shí)，系統(tǒng)性能并不隨著協(xié)作中繼數(shù)的增加而提高，選取合適的中繼數(shù)及小發(fā)射仰角和大接收仰角的結(jié)構(gòu)配置，系統(tǒng)可獲得較高的傳輸能力。
無線紫外光通信成為強(qiáng)電磁干擾下的有效通信手段，滿足復(fù)雜戰(zhàn)場(chǎng)環(huán)境下車隊(duì)執(zhí)行戰(zhàn)略物資運(yùn)輸和彈車隊(duì)隱蔽行駛時(shí)車輛間保持可靠隱秘通信的需求。在行駛中每輛車自身作為其它車輛的中繼，通過多跳方式為非視線內(nèi)車輛之間建立穩(wěn)定可靠的通信鏈路。因此，基于紫外光單次散射模型，該文研究了最優(yōu)多跳中繼問題，理論分析了收發(fā)仰角與頻譜效率的關(guān)系，依據(jù)使頻譜效率最大化原則，得出最優(yōu)跳數(shù)近似表達(dá)式。仿真結(jié)果表明，不同距離移位范圍和不同收發(fā)仰角都對(duì)應(yīng)特定的最優(yōu)跳數(shù)值，與最優(yōu)能量計(jì)算方法相比，最大頻譜效率計(jì)算方法在小功率傳輸時(shí)有更好的傳輸能力，并且達(dá)到節(jié)約功率的需求。紫外光長(zhǎng)距離通信時(shí)，系統(tǒng)性能并不隨著協(xié)作中繼數(shù)的增加而提高，選取合適的中繼數(shù)及小發(fā)射仰角和大接收仰角的結(jié)構(gòu)配置，系統(tǒng)可獲得較高的傳輸能力。
2020, 42(11): 2643-2648.
doi: 10.11999/JEIT190658
摘要:
在軍用和民用領(lǐng)域，Morse電報(bào)一直是一種重要的短波通信手段，但目前的自動(dòng)譯碼算法仍然存在準(zhǔn)確率低、無法適應(yīng)低信噪比和不穩(wěn)定的信號(hào)等問題。該文引入深度學(xué)習(xí)方法構(gòu)建了一個(gè)Morse碼自動(dòng)識(shí)別系統(tǒng)，神經(jīng)網(wǎng)絡(luò)模型由卷積神經(jīng)網(wǎng)絡(luò)、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)和連接時(shí)序分類層組成，結(jié)構(gòu)簡(jiǎn)單，且能夠?qū)崿F(xiàn)端到端的訓(xùn)練。相關(guān)實(shí)驗(yàn)表明，該譯碼系統(tǒng)在不同信噪比、不同碼速、信號(hào)出現(xiàn)頻率漂移以及不同發(fā)報(bào)手法引起的碼長(zhǎng)偏差等情況下，均能取得較好的識(shí)別效果，性能優(yōu)于傳統(tǒng)的自動(dòng)識(shí)別算法。
在軍用和民用領(lǐng)域，Morse電報(bào)一直是一種重要的短波通信手段，但目前的自動(dòng)譯碼算法仍然存在準(zhǔn)確率低、無法適應(yīng)低信噪比和不穩(wěn)定的信號(hào)等問題。該文引入深度學(xué)習(xí)方法構(gòu)建了一個(gè)Morse碼自動(dòng)識(shí)別系統(tǒng)，神經(jīng)網(wǎng)絡(luò)模型由卷積神經(jīng)網(wǎng)絡(luò)、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)和連接時(shí)序分類層組成，結(jié)構(gòu)簡(jiǎn)單，且能夠?qū)崿F(xiàn)端到端的訓(xùn)練。相關(guān)實(shí)驗(yàn)表明，該譯碼系統(tǒng)在不同信噪比、不同碼速、信號(hào)出現(xiàn)頻率漂移以及不同發(fā)報(bào)手法引起的碼長(zhǎng)偏差等情況下，均能取得較好的識(shí)別效果，性能優(yōu)于傳統(tǒng)的自動(dòng)識(shí)別算法。
2020, 42(11): 2649-2655.
doi: 10.11999/JEIT190471
摘要:
大規(guī)模多輸入多輸出技術(shù)作為第5代通信系統(tǒng)的關(guān)鍵技術(shù)，可有效提高頻譜利用率?；径瞬捎孟鬟f檢測(cè)(MPD)算法可以實(shí)現(xiàn)良好的檢測(cè)性能。但是由于MPD算法的計(jì)算復(fù)雜度隨調(diào)制階數(shù)和用戶天線數(shù)的增加而增加，而概率近似消息傳遞檢測(cè)(PA-MPD)算法可以減少M(fèi)PD算法的計(jì)算復(fù)雜度。為了進(jìn)一步降低PA-MPD算法的復(fù)雜度，該文在PA-MPD算法的基礎(chǔ)上引入了提前終止迭代策略，提出了一種改進(jìn)的概率近似消息傳遞檢測(cè)算法(IPA-MPD)。首先確定不同用戶的符號(hào)概率在迭代過程中的收斂速率，然后根據(jù)收斂率來判斷用戶的符號(hào)概率是否達(dá)到最佳收斂，最后對(duì)符號(hào)概率到達(dá)最佳收斂的用戶終止算法迭代。仿真結(jié)果表明，在不同單天線用戶配置下IPA-MPD算法的計(jì)算復(fù)雜度可降低為PA-MPD算法的52%～77%，且不損失算法的檢測(cè)性能。
大規(guī)模多輸入多輸出技術(shù)作為第5代通信系統(tǒng)的關(guān)鍵技術(shù)，可有效提高頻譜利用率?；径瞬捎孟鬟f檢測(cè)(MPD)算法可以實(shí)現(xiàn)良好的檢測(cè)性能。但是由于MPD算法的計(jì)算復(fù)雜度隨調(diào)制階數(shù)和用戶天線數(shù)的增加而增加，而概率近似消息傳遞檢測(cè)(PA-MPD)算法可以減少M(fèi)PD算法的計(jì)算復(fù)雜度。為了進(jìn)一步降低PA-MPD算法的復(fù)雜度，該文在PA-MPD算法的基礎(chǔ)上引入了提前終止迭代策略，提出了一種改進(jìn)的概率近似消息傳遞檢測(cè)算法(IPA-MPD)。首先確定不同用戶的符號(hào)概率在迭代過程中的收斂速率，然后根據(jù)收斂率來判斷用戶的符號(hào)概率是否達(dá)到最佳收斂，最后對(duì)符號(hào)概率到達(dá)最佳收斂的用戶終止算法迭代。仿真結(jié)果表明，在不同單天線用戶配置下IPA-MPD算法的計(jì)算復(fù)雜度可降低為PA-MPD算法的52%～77%，且不損失算法的檢測(cè)性能。
2020, 42(11): 2656-2663.
doi: 10.11999/JEIT190492
摘要:
該文針對(duì)應(yīng)用非正交多址接入(NOMA)技術(shù)的異構(gòu)蜂窩網(wǎng)絡(luò)，在考慮層間層內(nèi)干擾的情況下，提出一種能效最大化的功率分配算法。該算法主要包括兩部分，一部分為子信道內(nèi)用戶功率分配因子的求解，主要利用差分優(yōu)化的方法，迭代求解。另一部分為子信道間的功率分配，主要利用凹凸程序法將原有的非凸問題簡(jiǎn)化為可解的凸問題，最后利用拉格朗日求解法得出功率最優(yōu)解。仿真結(jié)果表明該算法有良好的迭代性，且新算法表明利用NOMA技術(shù)得到的系統(tǒng)能效較利用正交技術(shù)得到的系統(tǒng)能效提高了至少44%以上。
該文針對(duì)應(yīng)用非正交多址接入(NOMA)技術(shù)的異構(gòu)蜂窩網(wǎng)絡(luò)，在考慮層間層內(nèi)干擾的情況下，提出一種能效最大化的功率分配算法。該算法主要包括兩部分，一部分為子信道內(nèi)用戶功率分配因子的求解，主要利用差分優(yōu)化的方法，迭代求解。另一部分為子信道間的功率分配，主要利用凹凸程序法將原有的非凸問題簡(jiǎn)化為可解的凸問題，最后利用拉格朗日求解法得出功率最優(yōu)解。仿真結(jié)果表明該算法有良好的迭代性，且新算法表明利用NOMA技術(shù)得到的系統(tǒng)能效較利用正交技術(shù)得到的系統(tǒng)能效提高了至少44%以上。
2020, 42(11): 2664-2670.
doi: 10.11999/JEIT190483
摘要:
車載云計(jì)算環(huán)境中的計(jì)算卸載存在回程網(wǎng)絡(luò)延遲高、遠(yuǎn)程云端負(fù)載大等問題，車載邊緣計(jì)算利用邊緣服務(wù)器靠近車載終端，就近提供云計(jì)算服務(wù)的特點(diǎn)，在一定程度上解決了上述問題。但由于汽車運(yùn)動(dòng)造成的通信環(huán)境動(dòng)態(tài)變化進(jìn)而導(dǎo)致任務(wù)完成時(shí)間增加，為此該文提出一種基于移動(dòng)路徑可預(yù)測(cè)的計(jì)算卸載切換策略MPOHS，即在車輛移動(dòng)路徑可預(yù)測(cè)情況下，引入基于最小完成時(shí)間的計(jì)算切換策略，以降低車輛移動(dòng)性對(duì)計(jì)算卸載的影響。實(shí)驗(yàn)結(jié)果表明，相對(duì)于現(xiàn)有研究，該文所提算法能夠在減少平均任務(wù)完成時(shí)間的同時(shí)，減少切換次數(shù)和切換時(shí)間開銷，有效降低汽車運(yùn)動(dòng)對(duì)計(jì)算卸載的影響。
車載云計(jì)算環(huán)境中的計(jì)算卸載存在回程網(wǎng)絡(luò)延遲高、遠(yuǎn)程云端負(fù)載大等問題，車載邊緣計(jì)算利用邊緣服務(wù)器靠近車載終端，就近提供云計(jì)算服務(wù)的特點(diǎn)，在一定程度上解決了上述問題。但由于汽車運(yùn)動(dòng)造成的通信環(huán)境動(dòng)態(tài)變化進(jìn)而導(dǎo)致任務(wù)完成時(shí)間增加，為此該文提出一種基于移動(dòng)路徑可預(yù)測(cè)的計(jì)算卸載切換策略MPOHS，即在車輛移動(dòng)路徑可預(yù)測(cè)情況下，引入基于最小完成時(shí)間的計(jì)算切換策略，以降低車輛移動(dòng)性對(duì)計(jì)算卸載的影響。實(shí)驗(yàn)結(jié)果表明，相對(duì)于現(xiàn)有研究，該文所提算法能夠在減少平均任務(wù)完成時(shí)間的同時(shí)，減少切換次數(shù)和切換時(shí)間開銷，有效降低汽車運(yùn)動(dòng)對(duì)計(jì)算卸載的影響。
2020, 42(11): 2671-2679.
doi: 10.11999/JEIT190542
摘要:
針對(duì)5G網(wǎng)絡(luò)切片環(huán)境下由于業(yè)務(wù)請(qǐng)求的隨機(jī)性和未知性導(dǎo)致的資源分配不合理從而引起的系統(tǒng)高時(shí)延問題，該文提出了一種基于遷移演員-評(píng)論家(A-C)學(xué)習(xí)的服務(wù)功能鏈(SFC)部署算法(TACA)。首先，該算法建立基于虛擬網(wǎng)絡(luò)功能放置、計(jì)算資源、鏈路帶寬資源和前傳網(wǎng)絡(luò)資源聯(lián)合分配的端到端時(shí)延最小化模型，并將其轉(zhuǎn)化為離散時(shí)間馬爾可夫決策過程(MDP)。而后，在該MDP中采用A-C學(xué)習(xí)算法與環(huán)境進(jìn)行不斷交互動(dòng)態(tài)調(diào)整SFC部署策略，優(yōu)化端到端時(shí)延。進(jìn)一步，為了實(shí)現(xiàn)并加速該A-C算法在其他相似目標(biāo)任務(wù)中(如業(yè)務(wù)請(qǐng)求到達(dá)率普遍更高)的收斂過程，采用遷移A-C學(xué)習(xí)算法實(shí)現(xiàn)利用源任務(wù)學(xué)習(xí)的SFC部署知識(shí)快速尋找目標(biāo)任務(wù)中的部署策略。仿真結(jié)果表明，該文所提算法能夠減小且穩(wěn)定SFC業(yè)務(wù)數(shù)據(jù)包的隊(duì)列積壓，優(yōu)化系統(tǒng)端到端時(shí)延，并提高資源利用率。
針對(duì)5G網(wǎng)絡(luò)切片環(huán)境下由于業(yè)務(wù)請(qǐng)求的隨機(jī)性和未知性導(dǎo)致的資源分配不合理從而引起的系統(tǒng)高時(shí)延問題，該文提出了一種基于遷移演員-評(píng)論家(A-C)學(xué)習(xí)的服務(wù)功能鏈(SFC)部署算法(TACA)。首先，該算法建立基于虛擬網(wǎng)絡(luò)功能放置、計(jì)算資源、鏈路帶寬資源和前傳網(wǎng)絡(luò)資源聯(lián)合分配的端到端時(shí)延最小化模型，并將其轉(zhuǎn)化為離散時(shí)間馬爾可夫決策過程(MDP)。而后，在該MDP中采用A-C學(xué)習(xí)算法與環(huán)境進(jìn)行不斷交互動(dòng)態(tài)調(diào)整SFC部署策略，優(yōu)化端到端時(shí)延。進(jìn)一步，為了實(shí)現(xiàn)并加速該A-C算法在其他相似目標(biāo)任務(wù)中(如業(yè)務(wù)請(qǐng)求到達(dá)率普遍更高)的收斂過程，采用遷移A-C學(xué)習(xí)算法實(shí)現(xiàn)利用源任務(wù)學(xué)習(xí)的SFC部署知識(shí)快速尋找目標(biāo)任務(wù)中的部署策略。仿真結(jié)果表明，該文所提算法能夠減小且穩(wěn)定SFC業(yè)務(wù)數(shù)據(jù)包的隊(duì)列積壓，優(yōu)化系統(tǒng)端到端時(shí)延，并提高資源利用率。
2020, 42(11): 2680-2688.
doi: 10.11999/JEIT190515
摘要:
針對(duì)5G非授權(quán)頻段通信(NR-U)場(chǎng)景，該文提出一種新型的低時(shí)延隨機(jī)接入機(jī)制。該機(jī)制分別在隨機(jī)接入回復(fù)窗口(RARW)與競(jìng)爭(zhēng)窗口中加入了信道空閑計(jì)時(shí)器，來減少UE因在非授權(quán)頻段進(jìn)行競(jìng)爭(zhēng)接入所引起的時(shí)延；此外該機(jī)制還加入了請(qǐng)求發(fā)送/允許發(fā)送機(jī)制，來解決隱藏節(jié)點(diǎn)對(duì)隨機(jī)接入過程的影響。該機(jī)制可降低傳統(tǒng)機(jī)制中由于未考慮非授權(quán)頻段特性及隱藏節(jié)點(diǎn)問題所引起的隨機(jī)接入時(shí)延問題。該文首先對(duì)NR-U場(chǎng)景中的傳統(tǒng)隨機(jī)接入機(jī)制進(jìn)行分析并進(jìn)行問題定位；其次，提出新型隨機(jī)接入機(jī)制的網(wǎng)絡(luò)實(shí)體交互流程，建立新型機(jī)制與傳統(tǒng)機(jī)制中的網(wǎng)絡(luò)實(shí)體交互時(shí)序模型；最后以數(shù)學(xué)推導(dǎo)和仿真的方法對(duì)新型機(jī)制與傳統(tǒng)機(jī)制進(jìn)行對(duì)比評(píng)估，相關(guān)結(jié)果顯示出新型機(jī)制在平均耗時(shí)方面的優(yōu)勢(shì)。
針對(duì)5G非授權(quán)頻段通信(NR-U)場(chǎng)景，該文提出一種新型的低時(shí)延隨機(jī)接入機(jī)制。該機(jī)制分別在隨機(jī)接入回復(fù)窗口(RARW)與競(jìng)爭(zhēng)窗口中加入了信道空閑計(jì)時(shí)器，來減少UE因在非授權(quán)頻段進(jìn)行競(jìng)爭(zhēng)接入所引起的時(shí)延；此外該機(jī)制還加入了請(qǐng)求發(fā)送/允許發(fā)送機(jī)制，來解決隱藏節(jié)點(diǎn)對(duì)隨機(jī)接入過程的影響。該機(jī)制可降低傳統(tǒng)機(jī)制中由于未考慮非授權(quán)頻段特性及隱藏節(jié)點(diǎn)問題所引起的隨機(jī)接入時(shí)延問題。該文首先對(duì)NR-U場(chǎng)景中的傳統(tǒng)隨機(jī)接入機(jī)制進(jìn)行分析并進(jìn)行問題定位；其次，提出新型隨機(jī)接入機(jī)制的網(wǎng)絡(luò)實(shí)體交互流程，建立新型機(jī)制與傳統(tǒng)機(jī)制中的網(wǎng)絡(luò)實(shí)體交互時(shí)序模型；最后以數(shù)學(xué)推導(dǎo)和仿真的方法對(duì)新型機(jī)制與傳統(tǒng)機(jī)制進(jìn)行對(duì)比評(píng)估，相關(guān)結(jié)果顯示出新型機(jī)制在平均耗時(shí)方面的優(yōu)勢(shì)。
2020, 42(11): 2689-2697.
doi: 10.11999/JEIT190683
摘要:
全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)空間信號(hào)(SIS)質(zhì)量直接影響了用戶使用性能。北斗三號(hào)衛(wèi)星不同于北斗二號(hào)衛(wèi)星，將繼續(xù)播發(fā)北斗二號(hào)老信號(hào)，同時(shí)新增播發(fā)B1C, B2a等新信號(hào)，多頻多信號(hào)多分量的信號(hào)體制較北斗二號(hào)更為復(fù)雜，對(duì)導(dǎo)航衛(wèi)星信號(hào)質(zhì)量控制提出了較大挑戰(zhàn)。2018年底北斗系統(tǒng)完成了18顆衛(wèi)星組網(wǎng)，完成北斗三號(hào)基本系統(tǒng)建設(shè)并開始提供全球服務(wù)，有必要對(duì)北斗三號(hào)在軌衛(wèi)星空間信號(hào)質(zhì)量進(jìn)行量化評(píng)估。傳統(tǒng)空間信號(hào)質(zhì)量評(píng)估方法側(cè)重于單項(xiàng)的定性評(píng)估，而針對(duì)北斗三號(hào)復(fù)雜的信號(hào)體制，缺乏系統(tǒng)的、定量的分析結(jié)果。該文對(duì)標(biāo)北斗系統(tǒng)接口控制文件(ICD)，從功率特性、頻域特性、時(shí)域特性、相關(guān)域特性和信號(hào)一致性等方面研究了不同參數(shù)配置對(duì)評(píng)估結(jié)果的影響，形成了一套面向新型調(diào)制方式和多頻多分量復(fù)用信號(hào)的量化評(píng)估方法。基于40 m大口徑天線的空間信號(hào)質(zhì)量評(píng)估系統(tǒng)，對(duì)18顆MEO衛(wèi)星進(jìn)行了長(zhǎng)時(shí)間監(jiān)測(cè)跟蹤和數(shù)據(jù)采集，首次對(duì)北斗三號(hào)衛(wèi)星空間信號(hào)質(zhì)量進(jìn)行了全面量化評(píng)估。結(jié)果表明：北斗三號(hào)衛(wèi)星空間信號(hào)質(zhì)量良好，18顆MEO衛(wèi)星一致性較好，符合ICD指標(biāo)要求，可滿足服務(wù)區(qū)內(nèi)用戶需求；評(píng)估方法可用于對(duì)后續(xù)導(dǎo)航衛(wèi)星空間信號(hào)質(zhì)量的量化評(píng)估。
全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)空間信號(hào)(SIS)質(zhì)量直接影響了用戶使用性能。北斗三號(hào)衛(wèi)星不同于北斗二號(hào)衛(wèi)星，將繼續(xù)播發(fā)北斗二號(hào)老信號(hào)，同時(shí)新增播發(fā)B1C, B2a等新信號(hào)，多頻多信號(hào)多分量的信號(hào)體制較北斗二號(hào)更為復(fù)雜，對(duì)導(dǎo)航衛(wèi)星信號(hào)質(zhì)量控制提出了較大挑戰(zhàn)。2018年底北斗系統(tǒng)完成了18顆衛(wèi)星組網(wǎng)，完成北斗三號(hào)基本系統(tǒng)建設(shè)并開始提供全球服務(wù)，有必要對(duì)北斗三號(hào)在軌衛(wèi)星空間信號(hào)質(zhì)量進(jìn)行量化評(píng)估。傳統(tǒng)空間信號(hào)質(zhì)量評(píng)估方法側(cè)重于單項(xiàng)的定性評(píng)估，而針對(duì)北斗三號(hào)復(fù)雜的信號(hào)體制，缺乏系統(tǒng)的、定量的分析結(jié)果。該文對(duì)標(biāo)北斗系統(tǒng)接口控制文件(ICD)，從功率特性、頻域特性、時(shí)域特性、相關(guān)域特性和信號(hào)一致性等方面研究了不同參數(shù)配置對(duì)評(píng)估結(jié)果的影響，形成了一套面向新型調(diào)制方式和多頻多分量復(fù)用信號(hào)的量化評(píng)估方法。基于40 m大口徑天線的空間信號(hào)質(zhì)量評(píng)估系統(tǒng)，對(duì)18顆MEO衛(wèi)星進(jìn)行了長(zhǎng)時(shí)間監(jiān)測(cè)跟蹤和數(shù)據(jù)采集，首次對(duì)北斗三號(hào)衛(wèi)星空間信號(hào)質(zhì)量進(jìn)行了全面量化評(píng)估。結(jié)果表明：北斗三號(hào)衛(wèi)星空間信號(hào)質(zhì)量良好，18顆MEO衛(wèi)星一致性較好，符合ICD指標(biāo)要求，可滿足服務(wù)區(qū)內(nèi)用戶需求；評(píng)估方法可用于對(duì)后續(xù)導(dǎo)航衛(wèi)星空間信號(hào)質(zhì)量的量化評(píng)估。
2020, 42(11): 2698-2705.
doi: 10.11999/JEIT190510
摘要:
內(nèi)積加密是一種支持內(nèi)積形式的函數(shù)加密，已有內(nèi)積加密方案的公開參數(shù)規(guī)模較大，為解決該問題，該文基于素?cái)?shù)階熵?cái)U(kuò)張引理，利用雙對(duì)偶向量空間(DPVS)技術(shù)，提出一個(gè)公開參數(shù)規(guī)模較小的具有適應(yīng)安全性的內(nèi)積加密方案。在方案的私鑰生成算法中，將用戶的屬性向量的分量與主私鑰向量結(jié)合，生成一個(gè)可與熵?cái)U(kuò)張引理中密鑰分量結(jié)合的向量；在方案的加密算法中，將內(nèi)積向量的每一分量與熵?cái)U(kuò)張引理中的部分密文分量結(jié)合。在素?cái)?shù)階熵?cái)U(kuò)張引理和\begin{document}${\rm{MDDH}}_{k, k + 1}^n$\end{document} ![]()
![]()
內(nèi)積加密是一種支持內(nèi)積形式的函數(shù)加密，已有內(nèi)積加密方案的公開參數(shù)規(guī)模較大，為解決該問題，該文基于素?cái)?shù)階熵?cái)U(kuò)張引理，利用雙對(duì)偶向量空間(DPVS)技術(shù)，提出一個(gè)公開參數(shù)規(guī)模較小的具有適應(yīng)安全性的內(nèi)積加密方案。在方案的私鑰生成算法中，將用戶的屬性向量的分量與主私鑰向量結(jié)合，生成一個(gè)可與熵?cái)U(kuò)張引理中密鑰分量結(jié)合的向量；在方案的加密算法中，將內(nèi)積向量的每一分量與熵?cái)U(kuò)張引理中的部分密文分量結(jié)合。在素?cái)?shù)階熵?cái)U(kuò)張引理和
2020, 42(11): 2706-2712.
doi: 10.11999/JEIT190655
摘要:
卷積神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)技術(shù)領(lǐng)域中已得到廣泛應(yīng)用，一般地認(rèn)為層次越深的網(wǎng)絡(luò)結(jié)構(gòu)其在特征提取、檢測(cè)準(zhǔn)確率等方面就越精確。但也伴隨著梯度彌散、泛化能力不足且參數(shù)量大準(zhǔn)確率不高等問題。針對(duì)上述問題，該文提出將密集連接卷積神經(jīng)網(wǎng)絡(luò)(DCCNet)應(yīng)用到入侵檢測(cè)技術(shù)中，并通過使用混合損失函數(shù)達(dá)到提升檢測(cè)準(zhǔn)確率的目的。用KDD 99數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，將實(shí)驗(yàn)結(jié)果與常用的LeNet神經(jīng)網(wǎng)絡(luò)、VggNet神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相比。分析顯示在檢測(cè)的準(zhǔn)確率上有一定的提高，而且緩解了在訓(xùn)練過程中梯度彌散問題。
卷積神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)技術(shù)領(lǐng)域中已得到廣泛應(yīng)用，一般地認(rèn)為層次越深的網(wǎng)絡(luò)結(jié)構(gòu)其在特征提取、檢測(cè)準(zhǔn)確率等方面就越精確。但也伴隨著梯度彌散、泛化能力不足且參數(shù)量大準(zhǔn)確率不高等問題。針對(duì)上述問題，該文提出將密集連接卷積神經(jīng)網(wǎng)絡(luò)(DCCNet)應(yīng)用到入侵檢測(cè)技術(shù)中，并通過使用混合損失函數(shù)達(dá)到提升檢測(cè)準(zhǔn)確率的目的。用KDD 99數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，將實(shí)驗(yàn)結(jié)果與常用的LeNet神經(jīng)網(wǎng)絡(luò)、VggNet神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相比。分析顯示在檢測(cè)的準(zhǔn)確率上有一定的提高，而且緩解了在訓(xùn)練過程中梯度彌散問題。
2020, 42(11): 2713-2719.
doi: 10.11999/JEIT190752
摘要:
公鑰加密等值測(cè)試(PKEET)可以實(shí)現(xiàn)云環(huán)境下不同公鑰加密數(shù)據(jù)之間的密文等值比較，即不對(duì)密文解密的情況下測(cè)試兩個(gè)密文對(duì)應(yīng)的明文是否一致。但是，密文等值測(cè)試加密不提供關(guān)鍵字密文搜索功能。已有密文等值測(cè)試加密方案直接以消息生成陷門作為等值測(cè)試的憑證，測(cè)試的準(zhǔn)確度不高，搜索效率較低。針對(duì)此問題，該文首先提出了支持關(guān)鍵字搜索的無證書密文等值測(cè)試加密(CLEETS)方案。方案通過關(guān)鍵字檢索判斷是否包含自己需要的信息，根據(jù)判斷結(jié)果選擇執(zhí)行等值測(cè)試，從而避免無效測(cè)試。然后，在隨機(jī)預(yù)言機(jī)模型下證明該方案滿足適應(yīng)性選擇關(guān)鍵詞不可區(qū)分性。最后，對(duì)方案進(jìn)行功能和效率對(duì)比。對(duì)比結(jié)果表明，該文方案的計(jì)算代價(jià)略高，但是方案在密文等值測(cè)試加密中實(shí)現(xiàn)了關(guān)鍵字的檢索功能，彌補(bǔ)了效率低的不足。
公鑰加密等值測(cè)試(PKEET)可以實(shí)現(xiàn)云環(huán)境下不同公鑰加密數(shù)據(jù)之間的密文等值比較，即不對(duì)密文解密的情況下測(cè)試兩個(gè)密文對(duì)應(yīng)的明文是否一致。但是，密文等值測(cè)試加密不提供關(guān)鍵字密文搜索功能。已有密文等值測(cè)試加密方案直接以消息生成陷門作為等值測(cè)試的憑證，測(cè)試的準(zhǔn)確度不高，搜索效率較低。針對(duì)此問題，該文首先提出了支持關(guān)鍵字搜索的無證書密文等值測(cè)試加密(CLEETS)方案。方案通過關(guān)鍵字檢索判斷是否包含自己需要的信息，根據(jù)判斷結(jié)果選擇執(zhí)行等值測(cè)試，從而避免無效測(cè)試。然后，在隨機(jī)預(yù)言機(jī)模型下證明該方案滿足適應(yīng)性選擇關(guān)鍵詞不可區(qū)分性。最后，對(duì)方案進(jìn)行功能和效率對(duì)比。對(duì)比結(jié)果表明，該文方案的計(jì)算代價(jià)略高，但是方案在密文等值測(cè)試加密中實(shí)現(xiàn)了關(guān)鍵字的檢索功能，彌補(bǔ)了效率低的不足。
2020, 42(11): 2720-2726.
doi: 10.11999/JEIT190673
摘要:
廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)作為一種新的監(jiān)視技術(shù)正受到國(guó)際民用航空組織(ICAO)的大力推廣。然而，由于ADS-B信號(hào)傳輸具有隨機(jī)性，多條信號(hào)交織問題不可避免。該文提出一種改進(jìn)的單天線投影算法(PASA)。利用單通道分離交織信號(hào)，首先對(duì)單通道接收到的數(shù)據(jù)提出一種新的矩陣重構(gòu)方式，從而降低兩條信號(hào)之間的相對(duì)時(shí)延和頻偏要求；然后利用投影算法分離交織信號(hào)。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)作為一種新的監(jiān)視技術(shù)正受到國(guó)際民用航空組織(ICAO)的大力推廣。然而，由于ADS-B信號(hào)傳輸具有隨機(jī)性，多條信號(hào)交織問題不可避免。該文提出一種改進(jìn)的單天線投影算法(PASA)。利用單通道分離交織信號(hào)，首先對(duì)單通道接收到的數(shù)據(jù)提出一種新的矩陣重構(gòu)方式，從而降低兩條信號(hào)之間的相對(duì)時(shí)延和頻偏要求；然后利用投影算法分離交織信號(hào)。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
2020, 42(11): 2727-2734.
doi: 10.11999/JEIT190767
摘要:
廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)作為新一代空中交通管理(ATM)通信協(xié)議，是未來空管監(jiān)視系統(tǒng)的關(guān)鍵技術(shù)。目前，由于ADS-B采用明文格式廣播發(fā)送數(shù)據(jù)，其安全性問題受到挑戰(zhàn)。針對(duì)ADS-B易受到的欺騙干擾，該文將ADS-B位置數(shù)據(jù)和同步的二次雷達(dá)(SSR)數(shù)據(jù)作差，將兩者的差值作為樣本數(shù)據(jù)。利用多核支持向量數(shù)據(jù)描述(MKSVDD)訓(xùn)練樣本，得到了超球體分類器，此超球體分類器能檢測(cè)出ADS-B測(cè)試樣本中的異常數(shù)據(jù)。并且，通過粒子群算法(PSO)優(yōu)化了GaussLapl和GaussTanh兩種MKSVDD的懲罰因子、多核核函數(shù)系數(shù)以及核參數(shù)，提高了異常數(shù)據(jù)檢測(cè)性能。實(shí)驗(yàn)結(jié)果表明，對(duì)于隨機(jī)位置偏移、固定位置偏移、拒絕服務(wù)(DOS)攻擊和重放攻擊，粒子群優(yōu)化多核支持向量數(shù)據(jù)描述(PSO-MKSVDD)模型能檢測(cè)出這4種攻擊類型的異常數(shù)據(jù)。且相較于其他機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法，該模型的適應(yīng)性更好，異常檢測(cè)的召回率和檢測(cè)率更優(yōu)。證明該模型可用于ADS-B異常數(shù)據(jù)的檢測(cè)。
廣播式自動(dòng)相關(guān)監(jiān)視(ADS-B)作為新一代空中交通管理(ATM)通信協(xié)議，是未來空管監(jiān)視系統(tǒng)的關(guān)鍵技術(shù)。目前，由于ADS-B采用明文格式廣播發(fā)送數(shù)據(jù)，其安全性問題受到挑戰(zhàn)。針對(duì)ADS-B易受到的欺騙干擾，該文將ADS-B位置數(shù)據(jù)和同步的二次雷達(dá)(SSR)數(shù)據(jù)作差，將兩者的差值作為樣本數(shù)據(jù)。利用多核支持向量數(shù)據(jù)描述(MKSVDD)訓(xùn)練樣本，得到了超球體分類器，此超球體分類器能檢測(cè)出ADS-B測(cè)試樣本中的異常數(shù)據(jù)。并且，通過粒子群算法(PSO)優(yōu)化了GaussLapl和GaussTanh兩種MKSVDD的懲罰因子、多核核函數(shù)系數(shù)以及核參數(shù)，提高了異常數(shù)據(jù)檢測(cè)性能。實(shí)驗(yàn)結(jié)果表明，對(duì)于隨機(jī)位置偏移、固定位置偏移、拒絕服務(wù)(DOS)攻擊和重放攻擊，粒子群優(yōu)化多核支持向量數(shù)據(jù)描述(PSO-MKSVDD)模型能檢測(cè)出這4種攻擊類型的異常數(shù)據(jù)。且相較于其他機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法，該模型的適應(yīng)性更好，異常檢測(cè)的召回率和檢測(cè)率更優(yōu)。證明該模型可用于ADS-B異常數(shù)據(jù)的檢測(cè)。
2020, 42(11): 2735-2741.
doi: 10.11999/JEIT190426
摘要:
稀疏多元邏輯回歸(SMLR)作為一種廣義的線性模型被廣泛地應(yīng)用于各種多分類任務(wù)場(chǎng)景中。SMLR通過將拉普拉斯先驗(yàn)引入多元邏輯回歸(MLR)中使其解具有稀疏性，這使得該分類器可以在進(jìn)行分類的過程中嵌入特征選擇。為了使分類器能夠解決非線性數(shù)據(jù)分類的問題，該文通過核技巧對(duì)SMLR進(jìn)行核化擴(kuò)充后得到了核稀疏多元邏輯回歸(KSMLR)。KSMLR能夠?qū)⒎蔷€性特征數(shù)據(jù)通過核函數(shù)映射到高維甚至無窮維的特征空間中，使其特征能夠充分地表達(dá)并最終能進(jìn)行有效的分類。此外，該文還利用了基于中心對(duì)齊的多核學(xué)習(xí)算法，通過不同的核函數(shù)對(duì)數(shù)據(jù)進(jìn)行不同維度的映射，并用中心對(duì)齊相似度來靈活地選取多核學(xué)習(xí)權(quán)重系數(shù)，使得分類器具有更好的泛化能力。實(shí)驗(yàn)結(jié)果表明，該文提出的基于中心對(duì)齊多核學(xué)習(xí)的稀疏多元邏輯回歸算法在分類的準(zhǔn)確率指標(biāo)上都優(yōu)于目前常規(guī)的分類算法。
稀疏多元邏輯回歸(SMLR)作為一種廣義的線性模型被廣泛地應(yīng)用于各種多分類任務(wù)場(chǎng)景中。SMLR通過將拉普拉斯先驗(yàn)引入多元邏輯回歸(MLR)中使其解具有稀疏性，這使得該分類器可以在進(jìn)行分類的過程中嵌入特征選擇。為了使分類器能夠解決非線性數(shù)據(jù)分類的問題，該文通過核技巧對(duì)SMLR進(jìn)行核化擴(kuò)充后得到了核稀疏多元邏輯回歸(KSMLR)。KSMLR能夠?qū)⒎蔷€性特征數(shù)據(jù)通過核函數(shù)映射到高維甚至無窮維的特征空間中，使其特征能夠充分地表達(dá)并最終能進(jìn)行有效的分類。此外，該文還利用了基于中心對(duì)齊的多核學(xué)習(xí)算法，通過不同的核函數(shù)對(duì)數(shù)據(jù)進(jìn)行不同維度的映射，并用中心對(duì)齊相似度來靈活地選取多核學(xué)習(xí)權(quán)重系數(shù)，使得分類器具有更好的泛化能力。實(shí)驗(yàn)結(jié)果表明，該文提出的基于中心對(duì)齊多核學(xué)習(xí)的稀疏多元邏輯回歸算法在分類的準(zhǔn)確率指標(biāo)上都優(yōu)于目前常規(guī)的分類算法。
2020, 42(11): 2742-2748.
doi: 10.11999/JEIT190473
摘要:
Adaboost是一種廣泛使用的機(jī)器學(xué)習(xí)算法，然而Adaboost算法在訓(xùn)練時(shí)耗時(shí)十分嚴(yán)重。針對(duì)該問題，該文提出一種基于自適應(yīng)權(quán)值的Adaboost快速訓(xùn)練算法AWTAdaboost。該算法首先統(tǒng)計(jì)每一輪迭代的樣本權(quán)值分布，再結(jié)合當(dāng)前樣本權(quán)值的最大值和樣本集規(guī)模計(jì)算出裁剪系數(shù)，權(quán)值小于裁剪系數(shù)的樣本將不參與訓(xùn)練，進(jìn)而加快了訓(xùn)練速度。在INRIA數(shù)據(jù)集和自定義數(shù)據(jù)集上的實(shí)驗(yàn)表明，該文算法能在保證檢測(cè)效果的情況下大幅加快訓(xùn)練速度，相比于其他快速訓(xùn)練算法，在訓(xùn)練時(shí)間接近的情況下有更好的檢測(cè)效果。
Adaboost是一種廣泛使用的機(jī)器學(xué)習(xí)算法，然而Adaboost算法在訓(xùn)練時(shí)耗時(shí)十分嚴(yán)重。針對(duì)該問題，該文提出一種基于自適應(yīng)權(quán)值的Adaboost快速訓(xùn)練算法AWTAdaboost。該算法首先統(tǒng)計(jì)每一輪迭代的樣本權(quán)值分布，再結(jié)合當(dāng)前樣本權(quán)值的最大值和樣本集規(guī)模計(jì)算出裁剪系數(shù)，權(quán)值小于裁剪系數(shù)的樣本將不參與訓(xùn)練，進(jìn)而加快了訓(xùn)練速度。在INRIA數(shù)據(jù)集和自定義數(shù)據(jù)集上的實(shí)驗(yàn)表明，該文算法能在保證檢測(cè)效果的情況下大幅加快訓(xùn)練速度，相比于其他快速訓(xùn)練算法，在訓(xùn)練時(shí)間接近的情況下有更好的檢測(cè)效果。
2020, 42(11): 2749-2755.
doi: 10.11999/JEIT190516
摘要:
現(xiàn)有的增廣狀態(tài)-交互式多模型算法存在著依賴于量測(cè)噪聲協(xié)方差矩陣這一先驗(yàn)信息的問題。當(dāng)先驗(yàn)信息未知或不準(zhǔn)確時(shí)，算法的跟蹤性能將會(huì)下降。針對(duì)上述問題，該文提出一種自適應(yīng)的變分貝葉斯增廣狀態(tài)-交互式多模型算法VB-AS-IMM。首先，針對(duì)增廣狀態(tài)的跳變馬爾科夫系統(tǒng)，該文給出了聯(lián)合估計(jì)增廣狀態(tài)和量測(cè)噪聲協(xié)方差矩陣的變分貝葉斯推斷概率模型。其次，通過理論推導(dǎo)證明了該概率模型是非共軛的。最后，通過引入一種“信息反饋+后處理”方案，提出聯(lián)合后驗(yàn)密度的次優(yōu)求解方法。所提算法能夠在線估計(jì)未知的量測(cè)噪聲協(xié)方差矩陣，具有更強(qiáng)的魯棒性和適應(yīng)性。仿真結(jié)果驗(yàn)證了算法的有效性。
現(xiàn)有的增廣狀態(tài)-交互式多模型算法存在著依賴于量測(cè)噪聲協(xié)方差矩陣這一先驗(yàn)信息的問題。當(dāng)先驗(yàn)信息未知或不準(zhǔn)確時(shí)，算法的跟蹤性能將會(huì)下降。針對(duì)上述問題，該文提出一種自適應(yīng)的變分貝葉斯增廣狀態(tài)-交互式多模型算法VB-AS-IMM。首先，針對(duì)增廣狀態(tài)的跳變馬爾科夫系統(tǒng)，該文給出了聯(lián)合估計(jì)增廣狀態(tài)和量測(cè)噪聲協(xié)方差矩陣的變分貝葉斯推斷概率模型。其次，通過理論推導(dǎo)證明了該概率模型是非共軛的。最后，通過引入一種“信息反饋+后處理”方案，提出聯(lián)合后驗(yàn)密度的次優(yōu)求解方法。所提算法能夠在線估計(jì)未知的量測(cè)噪聲協(xié)方差矩陣，具有更強(qiáng)的魯棒性和適應(yīng)性。仿真結(jié)果驗(yàn)證了算法的有效性。
2020, 42(11): 2756-2764.
doi: 10.11999/JEIT190617
摘要:
極限學(xué)習(xí)機(jī)(ELM)具有學(xué)習(xí)速度快、易實(shí)現(xiàn)和泛化能力強(qiáng)等優(yōu)點(diǎn)，但單個(gè)ELM的分類性能不穩(wěn)定。集成學(xué)習(xí)可以有效地提高單個(gè)ELM的分類性能，但隨著數(shù)據(jù)規(guī)模和基ELM數(shù)目的增加，計(jì)算復(fù)雜度會(huì)大幅度增加，消耗大量的計(jì)算資源。針對(duì)上述問題，該文提出一種基于雙錯(cuò)測(cè)度的極限學(xué)習(xí)機(jī)選擇性集成方法(DFSEE)，同時(shí)從理論和實(shí)驗(yàn)的角度進(jìn)行了詳細(xì)分析。首先，運(yùn)用bootstrap 方法重復(fù)抽取訓(xùn)練集，獲得多個(gè)訓(xùn)練子集，在ELM上進(jìn)行獨(dú)立訓(xùn)練，得到多個(gè)具有較大差異性的基ELM，構(gòu)成基ELM池；其次，計(jì)算出每個(gè)基ELM的雙錯(cuò)測(cè)度，將基ELM按照雙錯(cuò)測(cè)度的大小進(jìn)行升序排序；最后，采用多數(shù)投票算法，根據(jù)順序?qū)⒒鵈LM逐個(gè)累加集成，直至集成精度最優(yōu)，即獲得基ELM最優(yōu)子集成，并分析了其理論基礎(chǔ)。在10個(gè)UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，較其他方法使用了更小規(guī)模的基ELM，獲得了更高的集成精度，同時(shí)表明了其有效性和顯著性。
極限學(xué)習(xí)機(jī)(ELM)具有學(xué)習(xí)速度快、易實(shí)現(xiàn)和泛化能力強(qiáng)等優(yōu)點(diǎn)，但單個(gè)ELM的分類性能不穩(wěn)定。集成學(xué)習(xí)可以有效地提高單個(gè)ELM的分類性能，但隨著數(shù)據(jù)規(guī)模和基ELM數(shù)目的增加，計(jì)算復(fù)雜度會(huì)大幅度增加，消耗大量的計(jì)算資源。針對(duì)上述問題，該文提出一種基于雙錯(cuò)測(cè)度的極限學(xué)習(xí)機(jī)選擇性集成方法(DFSEE)，同時(shí)從理論和實(shí)驗(yàn)的角度進(jìn)行了詳細(xì)分析。首先，運(yùn)用bootstrap 方法重復(fù)抽取訓(xùn)練集，獲得多個(gè)訓(xùn)練子集，在ELM上進(jìn)行獨(dú)立訓(xùn)練，得到多個(gè)具有較大差異性的基ELM，構(gòu)成基ELM池；其次，計(jì)算出每個(gè)基ELM的雙錯(cuò)測(cè)度，將基ELM按照雙錯(cuò)測(cè)度的大小進(jìn)行升序排序；最后，采用多數(shù)投票算法，根據(jù)順序?qū)⒒鵈LM逐個(gè)累加集成，直至集成精度最優(yōu)，即獲得基ELM最優(yōu)子集成，并分析了其理論基礎(chǔ)。在10個(gè)UCI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，較其他方法使用了更小規(guī)模的基ELM，獲得了更高的集成精度，同時(shí)表明了其有效性和顯著性。
2020, 42(11): 2765-2772.
doi: 10.11999/JEIT190496
摘要:
利用圖像結(jié)構(gòu)信息是字典學(xué)習(xí)的難點(diǎn)，針對(duì)傳統(tǒng)非參數(shù)貝葉斯算法對(duì)圖像結(jié)構(gòu)信息利用不充分，以及算法運(yùn)行效率低下的問題，該文提出一種結(jié)構(gòu)相似性聚類beta過程因子分析(SSC-BPFA)字典學(xué)習(xí)算法。該算法通過Markov隨機(jī)場(chǎng)和分層Dirichlet過程實(shí)現(xiàn)對(duì)圖像局部結(jié)構(gòu)相似性和全局聚類差異性的兼顧，利用變分貝葉斯推斷完成對(duì)概率模型的高效學(xué)習(xí)，在確保算法收斂性的同時(shí)具有聚類的自適應(yīng)性。實(shí)驗(yàn)表明，相比目前非參數(shù)貝葉斯字典學(xué)習(xí)方面的主流算法，該文算法在圖像去噪和插值修復(fù)應(yīng)用中具有更高的表示精度、結(jié)構(gòu)相似性測(cè)度和運(yùn)行效率。
利用圖像結(jié)構(gòu)信息是字典學(xué)習(xí)的難點(diǎn)，針對(duì)傳統(tǒng)非參數(shù)貝葉斯算法對(duì)圖像結(jié)構(gòu)信息利用不充分，以及算法運(yùn)行效率低下的問題，該文提出一種結(jié)構(gòu)相似性聚類beta過程因子分析(SSC-BPFA)字典學(xué)習(xí)算法。該算法通過Markov隨機(jī)場(chǎng)和分層Dirichlet過程實(shí)現(xiàn)對(duì)圖像局部結(jié)構(gòu)相似性和全局聚類差異性的兼顧，利用變分貝葉斯推斷完成對(duì)概率模型的高效學(xué)習(xí)，在確保算法收斂性的同時(shí)具有聚類的自適應(yīng)性。實(shí)驗(yàn)表明，相比目前非參數(shù)貝葉斯字典學(xué)習(xí)方面的主流算法，該文算法在圖像去噪和插值修復(fù)應(yīng)用中具有更高的表示精度、結(jié)構(gòu)相似性測(cè)度和運(yùn)行效率。
2020, 42(11): 2773-2780.
doi: 10.11999/JEIT190243
摘要:
針對(duì)基于傳統(tǒng)全變分(TV)模型的圖像壓縮感知(CS)重建算法不能有效地恢復(fù)圖像的細(xì)節(jié)和紋理，從而導(dǎo)致圖像過平滑的問題，該文提出一種基于結(jié)構(gòu)組全變分(SGTV)模型的圖像壓縮感知重建算法。該算法利用圖像的非局部自相似性和結(jié)構(gòu)稀疏特性，將圖像的重建問題轉(zhuǎn)化為由非局部自相似圖像塊構(gòu)建的結(jié)構(gòu)組全變分最小化問題。算法以結(jié)構(gòu)組全變分模型為正則化約束項(xiàng)構(gòu)建優(yōu)化模型，利用分裂Bregman迭代將算法分離成多個(gè)子問題，并對(duì)每個(gè)子問題高效地求解。所提算法很好地利用了圖像自身的信息和結(jié)構(gòu)稀疏特性，保護(hù)了圖像細(xì)節(jié)和紋理。實(shí)驗(yàn)結(jié)果表明，該文所提出的算法優(yōu)于現(xiàn)有基于全變分模型的壓縮感知重建算法，在PSNR和視覺效果方面取得了顯著提升。
針對(duì)基于傳統(tǒng)全變分(TV)模型的圖像壓縮感知(CS)重建算法不能有效地恢復(fù)圖像的細(xì)節(jié)和紋理，從而導(dǎo)致圖像過平滑的問題，該文提出一種基于結(jié)構(gòu)組全變分(SGTV)模型的圖像壓縮感知重建算法。該算法利用圖像的非局部自相似性和結(jié)構(gòu)稀疏特性，將圖像的重建問題轉(zhuǎn)化為由非局部自相似圖像塊構(gòu)建的結(jié)構(gòu)組全變分最小化問題。算法以結(jié)構(gòu)組全變分模型為正則化約束項(xiàng)構(gòu)建優(yōu)化模型，利用分裂Bregman迭代將算法分離成多個(gè)子問題，并對(duì)每個(gè)子問題高效地求解。所提算法很好地利用了圖像自身的信息和結(jié)構(gòu)稀疏特性，保護(hù)了圖像細(xì)節(jié)和紋理。實(shí)驗(yàn)結(jié)果表明，該文所提出的算法優(yōu)于現(xiàn)有基于全變分模型的壓縮感知重建算法，在PSNR和視覺效果方面取得了顯著提升。
2020, 42(11): 2781-2787.
doi: 10.11999/JEIT190330
摘要:
針對(duì)高性能視頻編碼(HEVC)幀內(nèi)預(yù)測(cè)編碼算法復(fù)雜度較高的問題，該文提出一種基于感興趣區(qū)域的高性能視頻編碼幀內(nèi)預(yù)測(cè)優(yōu)化算法。首先，根據(jù)圖像顯著性劃分當(dāng)前幀的感興趣區(qū)域(ROI)和非感興趣區(qū)域(NROI)；然后，對(duì)ROI基于空域相關(guān)性采用提出的快速編碼單元(CU)劃分算法決定當(dāng)前編碼單元的最終劃分深度，跳過不必要的CU劃分過程；最后，基于ROI采用提出的預(yù)測(cè)單元(PU)模式快速選擇算法計(jì)算當(dāng)前PU的能量和方向，根據(jù)能量和方向確定當(dāng)前PU的預(yù)測(cè)模式，減少率失真代價(jià)的相關(guān)計(jì)算，達(dá)到降低編碼復(fù)雜度和節(jié)省編碼時(shí)間的目的。實(shí)驗(yàn)結(jié)果表明，在峰值信噪比(PSNR)損失僅為0.0390 dB的情況下，所提算法可以平均降低47.37%的編碼時(shí)間。
針對(duì)高性能視頻編碼(HEVC)幀內(nèi)預(yù)測(cè)編碼算法復(fù)雜度較高的問題，該文提出一種基于感興趣區(qū)域的高性能視頻編碼幀內(nèi)預(yù)測(cè)優(yōu)化算法。首先，根據(jù)圖像顯著性劃分當(dāng)前幀的感興趣區(qū)域(ROI)和非感興趣區(qū)域(NROI)；然后，對(duì)ROI基于空域相關(guān)性采用提出的快速編碼單元(CU)劃分算法決定當(dāng)前編碼單元的最終劃分深度，跳過不必要的CU劃分過程；最后，基于ROI采用提出的預(yù)測(cè)單元(PU)模式快速選擇算法計(jì)算當(dāng)前PU的能量和方向，根據(jù)能量和方向確定當(dāng)前PU的預(yù)測(cè)模式，減少率失真代價(jià)的相關(guān)計(jì)算，達(dá)到降低編碼復(fù)雜度和節(jié)省編碼時(shí)間的目的。實(shí)驗(yàn)結(jié)果表明，在峰值信噪比(PSNR)損失僅為0.0390 dB的情況下，所提算法可以平均降低47.37%的編碼時(shí)間。
2020, 42(11): 2788-2795.
doi: 10.11999/JEIT190452
摘要:
針對(duì)背景運(yùn)動(dòng)引起動(dòng)目標(biāo)檢測(cè)精度顯著下降的問題，該文提出一種基于低秩及稀疏分解的動(dòng)目標(biāo)檢測(cè)方法。所提方法首先引入伽馬范數(shù)(\begin{document}$\gamma {\rm{ - norm}}$\end{document} ![]()
![]()
\begin{document}${L_{{1 / 2}}}$\end{document} ![]()
![]()
針對(duì)背景運(yùn)動(dòng)引起動(dòng)目標(biāo)檢測(cè)精度顯著下降的問題，該文提出一種基于低秩及稀疏分解的動(dòng)目標(biāo)檢測(cè)方法。所提方法首先引入伽馬范數(shù)(
2020, 42(11): 2796-2804.
doi: 10.11999/JEIT190403
摘要:
現(xiàn)有視頻去霧算法由于缺少對(duì)視頻結(jié)構(gòu)關(guān)聯(lián)約束和幀間一致性分析，容易導(dǎo)致連續(xù)幀去霧結(jié)果在顏色和亮度上存在突變，同時(shí)去霧后的前景目標(biāo)邊緣區(qū)域也容易出現(xiàn)退化現(xiàn)象。針對(duì)上述問題，該文提出一種基于霧線先驗(yàn)的時(shí)空關(guān)聯(lián)約束視頻去霧算法，通過引入每幀圖像在空間鄰域中具有的結(jié)構(gòu)關(guān)聯(lián)性和時(shí)間鄰域中具有的連續(xù)一致性，提高視頻去霧算法的求解準(zhǔn)確性和魯棒性。算法首先使用暗通道先驗(yàn)估計(jì)每幀圖像的大氣光向量，并結(jié)合霧線先驗(yàn)求取初始透射率圖。然后引入加權(quán)最小二乘邊緣保持平滑濾波器對(duì)初始透射率圖進(jìn)行空間平滑，消除奇異點(diǎn)和噪聲對(duì)估計(jì)結(jié)果的影響。進(jìn)一步利用相機(jī)參數(shù)刻畫連續(xù)幀間透射率圖的時(shí)序變化規(guī)律，對(duì)獨(dú)立求取的每幀透射率圖進(jìn)行時(shí)序關(guān)聯(lián)修正。最后根據(jù)霧圖模型獲得最終的視頻去霧結(jié)果。定性和定量的對(duì)比實(shí)驗(yàn)結(jié)果表明，該算法下視頻去霧結(jié)果的幀間過渡更加自然，同時(shí)對(duì)每一幀圖像的色彩還原更加準(zhǔn)確，圖像邊緣的細(xì)節(jié)信息顯示也更加豐富。
現(xiàn)有視頻去霧算法由于缺少對(duì)視頻結(jié)構(gòu)關(guān)聯(lián)約束和幀間一致性分析，容易導(dǎo)致連續(xù)幀去霧結(jié)果在顏色和亮度上存在突變，同時(shí)去霧后的前景目標(biāo)邊緣區(qū)域也容易出現(xiàn)退化現(xiàn)象。針對(duì)上述問題，該文提出一種基于霧線先驗(yàn)的時(shí)空關(guān)聯(lián)約束視頻去霧算法，通過引入每幀圖像在空間鄰域中具有的結(jié)構(gòu)關(guān)聯(lián)性和時(shí)間鄰域中具有的連續(xù)一致性，提高視頻去霧算法的求解準(zhǔn)確性和魯棒性。算法首先使用暗通道先驗(yàn)估計(jì)每幀圖像的大氣光向量，并結(jié)合霧線先驗(yàn)求取初始透射率圖。然后引入加權(quán)最小二乘邊緣保持平滑濾波器對(duì)初始透射率圖進(jìn)行空間平滑，消除奇異點(diǎn)和噪聲對(duì)估計(jì)結(jié)果的影響。進(jìn)一步利用相機(jī)參數(shù)刻畫連續(xù)幀間透射率圖的時(shí)序變化規(guī)律，對(duì)獨(dú)立求取的每幀透射率圖進(jìn)行時(shí)序關(guān)聯(lián)修正。最后根據(jù)霧圖模型獲得最終的視頻去霧結(jié)果。定性和定量的對(duì)比實(shí)驗(yàn)結(jié)果表明，該算法下視頻去霧結(jié)果的幀間過渡更加自然，同時(shí)對(duì)每一幀圖像的色彩還原更加準(zhǔn)確，圖像邊緣的細(xì)節(jié)信息顯示也更加豐富。
2020, 42(11): 2805-2812.
doi: 10.11999/JEIT190604
摘要:
Mask R-CNN是現(xiàn)階段實(shí)例分割相對(duì)成熟的方法，針對(duì)Mask R-CNN算法當(dāng)中還存在的分割邊界精度以及對(duì)于模糊圖片魯棒性較差等問題，該文提出一種基于改進(jìn)的Mask R-CNN實(shí)例分割方法。該方法首先提出在Mask分支上使用卷積化條件隨機(jī)場(chǎng)(ConvCRF)來優(yōu)化Mask分支對(duì)于候選區(qū)域進(jìn)一步分割，并使用FCN-ConvCRF分支來代替原有分支；之后提出新錨點(diǎn)大小和IOU標(biāo)準(zhǔn)，使得RPN候選框能夠涵蓋所有實(shí)例區(qū)域；最后使用一種添加部分經(jīng)過轉(zhuǎn)換網(wǎng)絡(luò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行訓(xùn)練的方法?？偟膍AP值與原算法相比提升了3%，并且分割邊界精確度和魯棒性都有一定提高。
Mask R-CNN是現(xiàn)階段實(shí)例分割相對(duì)成熟的方法，針對(duì)Mask R-CNN算法當(dāng)中還存在的分割邊界精度以及對(duì)于模糊圖片魯棒性較差等問題，該文提出一種基于改進(jìn)的Mask R-CNN實(shí)例分割方法。該方法首先提出在Mask分支上使用卷積化條件隨機(jī)場(chǎng)(ConvCRF)來優(yōu)化Mask分支對(duì)于候選區(qū)域進(jìn)一步分割，并使用FCN-ConvCRF分支來代替原有分支；之后提出新錨點(diǎn)大小和IOU標(biāo)準(zhǔn)，使得RPN候選框能夠涵蓋所有實(shí)例區(qū)域；最后使用一種添加部分經(jīng)過轉(zhuǎn)換網(wǎng)絡(luò)轉(zhuǎn)換的數(shù)據(jù)進(jìn)行訓(xùn)練的方法?？偟膍AP值與原算法相比提升了3%，并且分割邊界精確度和魯棒性都有一定提高。
2020, 42(11): 2813-2818.
doi: 10.11999/JEIT200123
摘要:
典型相關(guān)分析(CCA)是一種經(jīng)典的多模態(tài)特征學(xué)習(xí)方法，能夠從不同模態(tài)同時(shí)學(xué)習(xí)相關(guān)性最大的低維特征，然而難以發(fā)現(xiàn)隱藏在樣本空間中的非線性流形結(jié)構(gòu)。該文提出一種基于測(cè)地流形的多模態(tài)特征學(xué)習(xí)方法，即測(cè)地局部典型相關(guān)分析(GeoLCCA)。該方法利用測(cè)地距離構(gòu)建了低維相關(guān)特征的測(cè)地散布，并進(jìn)一步通過最大化模態(tài)間的相關(guān)性和最小化模態(tài)內(nèi)的測(cè)地散布學(xué)習(xí)更具鑒別力的非線性相關(guān)特征。該文不僅在理論上對(duì)提出的方法進(jìn)行了分析，而且在真實(shí)的圖像數(shù)據(jù)集上驗(yàn)證了方法的有效性。
典型相關(guān)分析(CCA)是一種經(jīng)典的多模態(tài)特征學(xué)習(xí)方法，能夠從不同模態(tài)同時(shí)學(xué)習(xí)相關(guān)性最大的低維特征，然而難以發(fā)現(xiàn)隱藏在樣本空間中的非線性流形結(jié)構(gòu)。該文提出一種基于測(cè)地流形的多模態(tài)特征學(xué)習(xí)方法，即測(cè)地局部典型相關(guān)分析(GeoLCCA)。該方法利用測(cè)地距離構(gòu)建了低維相關(guān)特征的測(cè)地散布，并進(jìn)一步通過最大化模態(tài)間的相關(guān)性和最小化模態(tài)內(nèi)的測(cè)地散布學(xué)習(xí)更具鑒別力的非線性相關(guān)特征。該文不僅在理論上對(duì)提出的方法進(jìn)行了分析，而且在真實(shí)的圖像數(shù)據(jù)集上驗(yàn)證了方法的有效性。
2020, 42(11): 2819-2826.
doi: 10.11999/JEIT190482
摘要:
數(shù)字控制在電力電子領(lǐng)域的優(yōu)勢(shì)使得數(shù)字脈沖寬度調(diào)制的使用日益增加，然而其分辨率不足一直是制約開關(guān)電源領(lǐng)域中數(shù)字控制技術(shù)發(fā)展的主要因素之一。針對(duì)高分辨率數(shù)字脈沖寬度調(diào)制的應(yīng)用需求，該文提出一種基于高速進(jìn)位鏈結(jié)構(gòu)的高分辨率數(shù)字脈沖寬度調(diào)制電路。該電路采用計(jì)數(shù)器、比較器、固定相移鎖相環(huán)單元及高速進(jìn)位鏈的混合結(jié)構(gòu)，有效地提高了分辨率，并在Altera的Cyclone IV低成本現(xiàn)場(chǎng)可編程門陣列器件上實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果顯示，當(dāng)輸入?yún)⒖紩r(shí)鐘工作頻率為70 MHz時(shí)，該結(jié)構(gòu)的分辨率可達(dá)到56 ps。此外，該電路還具有較寬的開關(guān)頻率調(diào)節(jié)范圍及較好的線性度等優(yōu)點(diǎn)。
數(shù)字控制在電力電子領(lǐng)域的優(yōu)勢(shì)使得數(shù)字脈沖寬度調(diào)制的使用日益增加，然而其分辨率不足一直是制約開關(guān)電源領(lǐng)域中數(shù)字控制技術(shù)發(fā)展的主要因素之一。針對(duì)高分辨率數(shù)字脈沖寬度調(diào)制的應(yīng)用需求，該文提出一種基于高速進(jìn)位鏈結(jié)構(gòu)的高分辨率數(shù)字脈沖寬度調(diào)制電路。該電路采用計(jì)數(shù)器、比較器、固定相移鎖相環(huán)單元及高速進(jìn)位鏈的混合結(jié)構(gòu)，有效地提高了分辨率，并在Altera的Cyclone IV低成本現(xiàn)場(chǎng)可編程門陣列器件上實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果顯示，當(dāng)輸入?yún)⒖紩r(shí)鐘工作頻率為70 MHz時(shí)，該結(jié)構(gòu)的分辨率可達(dá)到56 ps。此外，該電路還具有較寬的開關(guān)頻率調(diào)節(jié)范圍及較好的線性度等優(yōu)點(diǎn)。
