郵件訂閱
2016年 第38卷 第1期
顯示方式:
2016, 38(1): 1-7.
doi: 10.11999/JEIT150600
摘要:
該文針對(duì)視覺(jué)跟蹤中運(yùn)動(dòng)目標(biāo)的魯棒性跟蹤問(wèn)題，基于主成分分析(PCA)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，提出一種易于初始化的類CNN提取深度特征的視覺(jué)跟蹤算法。該算法首先利用仿射變換對(duì)原始圖像進(jìn)行處理，然后對(duì)歸一化尺寸的圖像進(jìn)行分層PCA學(xué)習(xí)，將學(xué)習(xí)得到的PCA特征向量作為CNN結(jié)構(gòu)中的各階濾波器，完成特征提取網(wǎng)絡(luò)的初始化，再利用特征提取網(wǎng)絡(luò)獲取目標(biāo)的深層次表達(dá)。最后結(jié)合粒子濾波，利用一個(gè)簡(jiǎn)單的邏輯回歸分類器通過(guò)分類估計(jì)實(shí)現(xiàn)目標(biāo)跟蹤。結(jié)果表明，利用這種易于初始化的CNN提取到的深度特征能夠有效地區(qū)分目標(biāo)和背景，具有很好的可區(qū)分性，提出的視覺(jué)跟蹤算法對(duì)光照變化、尺度變化、遮擋、旋轉(zhuǎn)和攝像機(jī)抖動(dòng)等都具有良好的適應(yīng)性，在許多視頻序列上表現(xiàn)出了較好的魯棒性和準(zhǔn)確性。
該文針對(duì)視覺(jué)跟蹤中運(yùn)動(dòng)目標(biāo)的魯棒性跟蹤問(wèn)題，基于主成分分析(PCA)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，提出一種易于初始化的類CNN提取深度特征的視覺(jué)跟蹤算法。該算法首先利用仿射變換對(duì)原始圖像進(jìn)行處理，然后對(duì)歸一化尺寸的圖像進(jìn)行分層PCA學(xué)習(xí)，將學(xué)習(xí)得到的PCA特征向量作為CNN結(jié)構(gòu)中的各階濾波器，完成特征提取網(wǎng)絡(luò)的初始化，再利用特征提取網(wǎng)絡(luò)獲取目標(biāo)的深層次表達(dá)。最后結(jié)合粒子濾波，利用一個(gè)簡(jiǎn)單的邏輯回歸分類器通過(guò)分類估計(jì)實(shí)現(xiàn)目標(biāo)跟蹤。結(jié)果表明，利用這種易于初始化的CNN提取到的深度特征能夠有效地區(qū)分目標(biāo)和背景，具有很好的可區(qū)分性，提出的視覺(jué)跟蹤算法對(duì)光照變化、尺度變化、遮擋、旋轉(zhuǎn)和攝像機(jī)抖動(dòng)等都具有良好的適應(yīng)性，在許多視頻序列上表現(xiàn)出了較好的魯棒性和準(zhǔn)確性。
2016, 38(1): 8-14.
doi: 10.11999/JEIT150479
摘要:
多波段紅外圖像配準(zhǔn)和融合是得到更高質(zhì)量夜視圖像的關(guān)鍵步驟。過(guò)去，這兩種方法被定義為兩個(gè)獨(dú)立的圖像處理過(guò)程。因此，在融合過(guò)程中忽略配準(zhǔn)誤差會(huì)嚴(yán)重影響最后的融合質(zhì)量。為解決上述問(wèn)題，該文提出一種新的迭代優(yōu)化方法，該方法通過(guò)尋找最優(yōu)配準(zhǔn)參數(shù)來(lái)獲得最佳的融合性能，采用基于人眼感興趣區(qū)域的清晰度指標(biāo)作為融合質(zhì)量評(píng)價(jià)函數(shù)來(lái)完善配準(zhǔn)過(guò)程，采用模擬退火法解決聯(lián)合優(yōu)化問(wèn)題。實(shí)驗(yàn)結(jié)果表明，針對(duì)夜視領(lǐng)域的多波段紅外圖像，該方法在配準(zhǔn)精度、融合質(zhì)量以及穩(wěn)定性上明顯優(yōu)于常用的配準(zhǔn)和融合算法。
多波段紅外圖像配準(zhǔn)和融合是得到更高質(zhì)量夜視圖像的關(guān)鍵步驟。過(guò)去，這兩種方法被定義為兩個(gè)獨(dú)立的圖像處理過(guò)程。因此，在融合過(guò)程中忽略配準(zhǔn)誤差會(huì)嚴(yán)重影響最后的融合質(zhì)量。為解決上述問(wèn)題，該文提出一種新的迭代優(yōu)化方法，該方法通過(guò)尋找最優(yōu)配準(zhǔn)參數(shù)來(lái)獲得最佳的融合性能，采用基于人眼感興趣區(qū)域的清晰度指標(biāo)作為融合質(zhì)量評(píng)價(jià)函數(shù)來(lái)完善配準(zhǔn)過(guò)程，采用模擬退火法解決聯(lián)合優(yōu)化問(wèn)題。實(shí)驗(yàn)結(jié)果表明，針對(duì)夜視領(lǐng)域的多波段紅外圖像，該方法在配準(zhǔn)精度、融合質(zhì)量以及穩(wěn)定性上明顯優(yōu)于常用的配準(zhǔn)和融合算法。
2016, 38(1): 15-22.
doi: 10.11999/JEIT150515
摘要:
該文提出一種基于場(chǎng)景傳輸漸進(jìn)估計(jì)的單幅圖像能見(jiàn)度快速?gòu)?fù)原方法。利用場(chǎng)景輻射的邊界條件，結(jié)合大氣散射模型估計(jì)場(chǎng)景傳輸?shù)某跏贾担⒉捎眠f歸雙邊濾波對(duì)其精化。通過(guò)梯度域遞歸雙邊濾波分解復(fù)原結(jié)果，對(duì)得到的基層和細(xì)節(jié)層分別進(jìn)行色調(diào)調(diào)整和增強(qiáng)，獲取高質(zhì)量的清晰圖像。利用高斯KD樹(shù)對(duì)原始圖像的高維特征空間進(jìn)行自適應(yīng)剖分，獲取其高斯采樣以加速?gòu)?fù)原計(jì)算。與相關(guān)工作比較，所提方法能夠保持邊緣和細(xì)節(jié)，有效避免光暈效應(yīng)。采用客觀指標(biāo)評(píng)價(jià)復(fù)原結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法有效易行，復(fù)原結(jié)果更加符合真實(shí)場(chǎng)景。
該文提出一種基于場(chǎng)景傳輸漸進(jìn)估計(jì)的單幅圖像能見(jiàn)度快速?gòu)?fù)原方法。利用場(chǎng)景輻射的邊界條件，結(jié)合大氣散射模型估計(jì)場(chǎng)景傳輸?shù)某跏贾担⒉捎眠f歸雙邊濾波對(duì)其精化。通過(guò)梯度域遞歸雙邊濾波分解復(fù)原結(jié)果，對(duì)得到的基層和細(xì)節(jié)層分別進(jìn)行色調(diào)調(diào)整和增強(qiáng)，獲取高質(zhì)量的清晰圖像。利用高斯KD樹(shù)對(duì)原始圖像的高維特征空間進(jìn)行自適應(yīng)剖分，獲取其高斯采樣以加速?gòu)?fù)原計(jì)算。與相關(guān)工作比較，所提方法能夠保持邊緣和細(xì)節(jié)，有效避免光暈效應(yīng)。采用客觀指標(biāo)評(píng)價(jià)復(fù)原結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法有效易行，復(fù)原結(jié)果更加符合真實(shí)場(chǎng)景。
2016, 38(1): 23-28.
doi: 10.11999/JEIT150546
摘要:
論文為解決旋轉(zhuǎn)目標(biāo)圖像匹配問(wèn)題，提出旋轉(zhuǎn)不變梯度直方圖(RI-HOG)目標(biāo)描述方法。RI-HOG描述方法首先將目標(biāo)區(qū)域等間隔劃分為多個(gè)同心圓環(huán)并統(tǒng)計(jì)每個(gè)圓環(huán)的梯度直方圖(HoG)，各圓環(huán)HoG累加的結(jié)果作為目標(biāo)區(qū)域的主方向，再將各圓環(huán)HoG根據(jù)主方向旋轉(zhuǎn)相應(yīng)角度作主方向歸一化處理，最后把旋轉(zhuǎn)后的各圓環(huán)HoG按空間順序連接后即生成RI-HOG。對(duì)實(shí)際采集圖像的仿真結(jié)果表明，基于RI-HOG的目標(biāo)匹配算法在目標(biāo)旋轉(zhuǎn)任意角度時(shí)依然能夠準(zhǔn)確檢測(cè)到目標(biāo)。RI-HOG具有很好的旋轉(zhuǎn)不變性。
論文為解決旋轉(zhuǎn)目標(biāo)圖像匹配問(wèn)題，提出旋轉(zhuǎn)不變梯度直方圖(RI-HOG)目標(biāo)描述方法。RI-HOG描述方法首先將目標(biāo)區(qū)域等間隔劃分為多個(gè)同心圓環(huán)并統(tǒng)計(jì)每個(gè)圓環(huán)的梯度直方圖(HoG)，各圓環(huán)HoG累加的結(jié)果作為目標(biāo)區(qū)域的主方向，再將各圓環(huán)HoG根據(jù)主方向旋轉(zhuǎn)相應(yīng)角度作主方向歸一化處理，最后把旋轉(zhuǎn)后的各圓環(huán)HoG按空間順序連接后即生成RI-HOG。對(duì)實(shí)際采集圖像的仿真結(jié)果表明，基于RI-HOG的目標(biāo)匹配算法在目標(biāo)旋轉(zhuǎn)任意角度時(shí)依然能夠準(zhǔn)確檢測(cè)到目標(biāo)。RI-HOG具有很好的旋轉(zhuǎn)不變性。
2016, 38(1): 29-37.
doi: 10.11999/JEIT150557
摘要:
現(xiàn)有無(wú)監(jiān)督特征學(xué)習(xí)算法通常在RGB色彩空間進(jìn)行特征提取，而圖像和視頻壓縮編碼標(biāo)準(zhǔn)則廣泛采用YUV色彩空間。為了利用人類視覺(jué)特性和避免色彩空間轉(zhuǎn)換所消耗的計(jì)算量，該文提出一種基于稀疏自動(dòng)編碼器在YUV色彩空間進(jìn)行無(wú)監(jiān)督特征學(xué)習(xí)的方法。首先在YUV空間隨機(jī)采集圖像子塊并進(jìn)行白化處理，然后利用稀疏自動(dòng)編碼器進(jìn)行無(wú)監(jiān)督局部特征學(xué)習(xí)。在預(yù)處理階段，針對(duì)YUV空間亮度和色度通道相互獨(dú)立的特性，提出一種將亮度和色度進(jìn)行分離的白化措施。最后用學(xué)習(xí)到的局部特征在大尺寸圖像上進(jìn)行卷積操作從而獲得全局特征，并送入圖像分類系統(tǒng)進(jìn)行性能測(cè)試。實(shí)驗(yàn)結(jié)果表明：只要對(duì)亮度分量進(jìn)行適當(dāng)?shù)陌谆幚?，在YUV空間中的無(wú)監(jiān)督特征學(xué)習(xí)就能夠獲得相當(dāng)于甚至優(yōu)于RGB空間的彩色圖像分類性能。
現(xiàn)有無(wú)監(jiān)督特征學(xué)習(xí)算法通常在RGB色彩空間進(jìn)行特征提取，而圖像和視頻壓縮編碼標(biāo)準(zhǔn)則廣泛采用YUV色彩空間。為了利用人類視覺(jué)特性和避免色彩空間轉(zhuǎn)換所消耗的計(jì)算量，該文提出一種基于稀疏自動(dòng)編碼器在YUV色彩空間進(jìn)行無(wú)監(jiān)督特征學(xué)習(xí)的方法。首先在YUV空間隨機(jī)采集圖像子塊并進(jìn)行白化處理，然后利用稀疏自動(dòng)編碼器進(jìn)行無(wú)監(jiān)督局部特征學(xué)習(xí)。在預(yù)處理階段，針對(duì)YUV空間亮度和色度通道相互獨(dú)立的特性，提出一種將亮度和色度進(jìn)行分離的白化措施。最后用學(xué)習(xí)到的局部特征在大尺寸圖像上進(jìn)行卷積操作從而獲得全局特征，并送入圖像分類系統(tǒng)進(jìn)行性能測(cè)試。實(shí)驗(yàn)結(jié)果表明：只要對(duì)亮度分量進(jìn)行適當(dāng)?shù)陌谆幚?，在YUV空間中的無(wú)監(jiān)督特征學(xué)習(xí)就能夠獲得相當(dāng)于甚至優(yōu)于RGB空間的彩色圖像分類性能。
2016, 38(1): 38-46.
doi: 10.11999/JEIT150337
摘要:
在目標(biāo)分類領(lǐng)域，當(dāng)前主流的目標(biāo)分類方法是基于視覺(jué)詞典模型，而時(shí)間效率低、視覺(jué)單詞同義性和歧義性及單詞空間信息的缺失等問(wèn)題嚴(yán)重制約了其分類性能。針對(duì)這些問(wèn)題，該文提出一種基于弱監(jiān)督的精確位置敏感哈希(E2LSH)和顯著圖加權(quán)的目標(biāo)分類方法。首先，引入E2LSH算法對(duì)訓(xùn)練圖像集的特征點(diǎn)聚類生成一組視覺(jué)詞典，并提出一種弱監(jiān)督策略對(duì)E2LSH中哈希函數(shù)的選取進(jìn)行監(jiān)督，以降低其隨機(jī)性，提高視覺(jué)詞典的區(qū)分性。然后，利用GBVS(Graph-Based Visual Saliency)顯著度檢測(cè)算法對(duì)圖像進(jìn)行顯著度檢測(cè)，并依據(jù)單詞所處區(qū)域的顯著度值為其分配權(quán)重；最后，利用顯著圖加權(quán)的視覺(jué)語(yǔ)言模型完成目標(biāo)分類。在數(shù)據(jù)集Caltech-256和Pascal VOC 2007上的實(shí)驗(yàn)結(jié)果表明，所提方法能夠較好地提高詞典生成效率，提高目標(biāo)表達(dá)的分辨能力，其目標(biāo)分類性能優(yōu)于當(dāng)前主流方法。
在目標(biāo)分類領(lǐng)域，當(dāng)前主流的目標(biāo)分類方法是基于視覺(jué)詞典模型，而時(shí)間效率低、視覺(jué)單詞同義性和歧義性及單詞空間信息的缺失等問(wèn)題嚴(yán)重制約了其分類性能。針對(duì)這些問(wèn)題，該文提出一種基于弱監(jiān)督的精確位置敏感哈希(E2LSH)和顯著圖加權(quán)的目標(biāo)分類方法。首先，引入E2LSH算法對(duì)訓(xùn)練圖像集的特征點(diǎn)聚類生成一組視覺(jué)詞典，并提出一種弱監(jiān)督策略對(duì)E2LSH中哈希函數(shù)的選取進(jìn)行監(jiān)督，以降低其隨機(jī)性，提高視覺(jué)詞典的區(qū)分性。然后，利用GBVS(Graph-Based Visual Saliency)顯著度檢測(cè)算法對(duì)圖像進(jìn)行顯著度檢測(cè)，并依據(jù)單詞所處區(qū)域的顯著度值為其分配權(quán)重；最后，利用顯著圖加權(quán)的視覺(jué)語(yǔ)言模型完成目標(biāo)分類。在數(shù)據(jù)集Caltech-256和Pascal VOC 2007上的實(shí)驗(yàn)結(jié)果表明，所提方法能夠較好地提高詞典生成效率，提高目標(biāo)表達(dá)的分辨能力，其目標(biāo)分類性能優(yōu)于當(dāng)前主流方法。
2016, 38(1): 47-52.
doi: 10.11999/JEIT150501
摘要:
非剛性點(diǎn)集配準(zhǔn)算法在實(shí)際應(yīng)用中要求對(duì)噪聲、遮擋或異常點(diǎn)具有很好的魯棒性。該文采用高斯混合模型并結(jié)合點(diǎn)的鄰域結(jié)構(gòu)信息實(shí)現(xiàn)非剛性點(diǎn)集配準(zhǔn)。使用高斯混合模型表示模型點(diǎn)集，通過(guò)高斯徑向基函數(shù)構(gòu)建變換模型。并根據(jù)點(diǎn)的鄰域結(jié)構(gòu)信息決定高斯混合模型中每個(gè)高斯組成部分所占的比例。在EM算法的期望步(E-step)階段求解點(diǎn)的對(duì)應(yīng)關(guān)系，在最大化步(M-step)階段求解異常點(diǎn)比例系數(shù)和變換的閉合形式解，直至算法收斂得到最優(yōu)解。通過(guò)在合成數(shù)據(jù)和實(shí)際的視網(wǎng)膜圖像上的實(shí)驗(yàn)，與目前幾種先進(jìn)的點(diǎn)集配準(zhǔn)方法進(jìn)行了比較，證明該算法具有較好的配準(zhǔn)效果和魯棒性。
非剛性點(diǎn)集配準(zhǔn)算法在實(shí)際應(yīng)用中要求對(duì)噪聲、遮擋或異常點(diǎn)具有很好的魯棒性。該文采用高斯混合模型并結(jié)合點(diǎn)的鄰域結(jié)構(gòu)信息實(shí)現(xiàn)非剛性點(diǎn)集配準(zhǔn)。使用高斯混合模型表示模型點(diǎn)集，通過(guò)高斯徑向基函數(shù)構(gòu)建變換模型。并根據(jù)點(diǎn)的鄰域結(jié)構(gòu)信息決定高斯混合模型中每個(gè)高斯組成部分所占的比例。在EM算法的期望步(E-step)階段求解點(diǎn)的對(duì)應(yīng)關(guān)系，在最大化步(M-step)階段求解異常點(diǎn)比例系數(shù)和變換的閉合形式解，直至算法收斂得到最優(yōu)解。通過(guò)在合成數(shù)據(jù)和實(shí)際的視網(wǎng)膜圖像上的實(shí)驗(yàn)，與目前幾種先進(jìn)的點(diǎn)集配準(zhǔn)方法進(jìn)行了比較，證明該算法具有較好的配準(zhǔn)效果和魯棒性。
2016, 38(1): 53-62.
doi: 10.11999/JEIT150157
摘要:
針對(duì)信息物理融合系統(tǒng)中的在線時(shí)間序列預(yù)測(cè)問(wèn)題，該文選擇計(jì)算復(fù)雜度低且具有自適應(yīng)特點(diǎn)的核自適應(yīng)濾波器(Kernel Adaptive Filter, KAF)方法與FPGA計(jì)算系統(tǒng)相結(jié)合，提出一種基于FPGA的KAF向量處理器解決思路。通過(guò)多路并行、多級(jí)流水線技術(shù)提高了處理器的計(jì)算速度，降低了功耗和計(jì)算延遲，并采用微碼編程提高了設(shè)計(jì)的通用性和可擴(kuò)展性。該文基于該向量處理器實(shí)現(xiàn)了經(jīng)典的KAF方法，實(shí)驗(yàn)表明，在滿足計(jì)算精度要求的前提下，該向量處理器與CPU相比，最高可獲得22倍計(jì)算速度提升，功耗降為1/139，計(jì)算延遲降為1/26。
針對(duì)信息物理融合系統(tǒng)中的在線時(shí)間序列預(yù)測(cè)問(wèn)題，該文選擇計(jì)算復(fù)雜度低且具有自適應(yīng)特點(diǎn)的核自適應(yīng)濾波器(Kernel Adaptive Filter, KAF)方法與FPGA計(jì)算系統(tǒng)相結(jié)合，提出一種基于FPGA的KAF向量處理器解決思路。通過(guò)多路并行、多級(jí)流水線技術(shù)提高了處理器的計(jì)算速度，降低了功耗和計(jì)算延遲，并采用微碼編程提高了設(shè)計(jì)的通用性和可擴(kuò)展性。該文基于該向量處理器實(shí)現(xiàn)了經(jīng)典的KAF方法，實(shí)驗(yàn)表明，在滿足計(jì)算精度要求的前提下，該向量處理器與CPU相比，最高可獲得22倍計(jì)算速度提升，功耗降為1/139，計(jì)算延遲降為1/26。
2016, 38(1): 63-70.
doi: 10.11999/JEIT150421
摘要:
基于機(jī)器視覺(jué)的田間車輛自動(dòng)導(dǎo)航是農(nóng)用車輛導(dǎo)航的熱門研究方向，但含較密集雜草的農(nóng)田作物行提取，目前依然是個(gè)難題。該文提出一種適用于密集雜草農(nóng)田的，主要基于頻率和顏色信息的農(nóng)田圖像分割算法。通過(guò)小波多分辨率分解后構(gòu)建的頻率總量指標(biāo)，利用作物產(chǎn)生主頻信息的總量?jī)?yōu)勢(shì)，結(jié)合作物行的交替及最大類間方差法、顏色模型分量變換，實(shí)現(xiàn)農(nóng)田雜草的去除，并通過(guò)最小二乘法擬合直線，實(shí)現(xiàn)農(nóng)田作物行提取。實(shí)驗(yàn)表明算法能有效克服密集雜草干擾，針對(duì) 像素大小圖像，單幅處理時(shí)間平均為132 ms。
基于機(jī)器視覺(jué)的田間車輛自動(dòng)導(dǎo)航是農(nóng)用車輛導(dǎo)航的熱門研究方向，但含較密集雜草的農(nóng)田作物行提取，目前依然是個(gè)難題。該文提出一種適用于密集雜草農(nóng)田的，主要基于頻率和顏色信息的農(nóng)田圖像分割算法。通過(guò)小波多分辨率分解后構(gòu)建的頻率總量指標(biāo)，利用作物產(chǎn)生主頻信息的總量?jī)?yōu)勢(shì)，結(jié)合作物行的交替及最大類間方差法、顏色模型分量變換，實(shí)現(xiàn)農(nóng)田雜草的去除，并通過(guò)最小二乘法擬合直線，實(shí)現(xiàn)農(nóng)田作物行提取。實(shí)驗(yàn)表明算法能有效克服密集雜草干擾，針對(duì) 像素大小圖像，單幅處理時(shí)間平均為132 ms。
2016, 38(1): 71-79.
doi: 10.11999/JEIT150394
摘要:
森林區(qū)域豎直結(jié)構(gòu)參數(shù)的反演是極化干涉雷達(dá)的一個(gè)重要應(yīng)用，基于RVoG模型，運(yùn)用全極化干涉數(shù)據(jù)可成功獲得森林區(qū)域的地形估計(jì)及樹(shù)高反演。該文將基于單基線簡(jiǎn)縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)對(duì)森林區(qū)域進(jìn)行林下地形估計(jì)及樹(shù)高反演。推導(dǎo)單基線簡(jiǎn)縮極化干涉相干系數(shù)及相干區(qū)域，根據(jù)相干區(qū)域進(jìn)行直線擬合，提出簡(jiǎn)縮極化干涉數(shù)據(jù)下的地形相位判別準(zhǔn)則及體散射去相干估計(jì)方法，然后完成樹(shù)高反演。通過(guò)L, P波段仿真數(shù)據(jù)以及實(shí)測(cè)機(jī)載數(shù)據(jù)對(duì)上述方法進(jìn)行驗(yàn)證，獲得正確地形及樹(shù)高。簡(jiǎn)縮極化發(fā)射波極化狀態(tài)不唯一，因此該文詳細(xì)分析不同參數(shù)的橢圓極化對(duì)地形及樹(shù)高等參數(shù)估計(jì)的影響，研究表明地形樹(shù)高受橢圓極化波影響較小，也驗(yàn)證了估計(jì)方法的穩(wěn)定性。
森林區(qū)域豎直結(jié)構(gòu)參數(shù)的反演是極化干涉雷達(dá)的一個(gè)重要應(yīng)用，基于RVoG模型，運(yùn)用全極化干涉數(shù)據(jù)可成功獲得森林區(qū)域的地形估計(jì)及樹(shù)高反演。該文將基于單基線簡(jiǎn)縮極化干涉SAR(C-PolInSAR)數(shù)據(jù)對(duì)森林區(qū)域進(jìn)行林下地形估計(jì)及樹(shù)高反演。推導(dǎo)單基線簡(jiǎn)縮極化干涉相干系數(shù)及相干區(qū)域，根據(jù)相干區(qū)域進(jìn)行直線擬合，提出簡(jiǎn)縮極化干涉數(shù)據(jù)下的地形相位判別準(zhǔn)則及體散射去相干估計(jì)方法，然后完成樹(shù)高反演。通過(guò)L, P波段仿真數(shù)據(jù)以及實(shí)測(cè)機(jī)載數(shù)據(jù)對(duì)上述方法進(jìn)行驗(yàn)證，獲得正確地形及樹(shù)高。簡(jiǎn)縮極化發(fā)射波極化狀態(tài)不唯一，因此該文詳細(xì)分析不同參數(shù)的橢圓極化對(duì)地形及樹(shù)高等參數(shù)估計(jì)的影響，研究表明地形樹(shù)高受橢圓極化波影響較小，也驗(yàn)證了估計(jì)方法的穩(wěn)定性。
2016, 38(1): 80-89.
doi: 10.11999/JEIT150402
摘要:
該文針對(duì)十字型陣列配置下的單基地MIMO雷達(dá)2維空間角度估計(jì)問(wèn)題，提出一種基于ESPRIT算法的降維DOA估計(jì)算法。算法通過(guò)降維矩陣的設(shè)計(jì)及回波數(shù)據(jù)的降維變換，將高維回波數(shù)據(jù)轉(zhuǎn)換至低維信號(hào)空間，最大程度地去除了所有的冗余數(shù)據(jù)；利用矩陣的酉變換進(jìn)行實(shí)數(shù)域信號(hào)子空間的估計(jì)，并基于ESPRIT算法實(shí)現(xiàn)2維空間角度的聯(lián)合估計(jì)及參數(shù)的自動(dòng)配對(duì)。算法不犧牲陣列孔徑，在獲取信噪比增益和快拍增益的同時(shí)，有效降低了回波數(shù)據(jù)的維數(shù)，具有更低的運(yùn)算復(fù)雜度。仿真結(jié)果驗(yàn)證了理論分析的正確性和算法的有效性。
該文針對(duì)十字型陣列配置下的單基地MIMO雷達(dá)2維空間角度估計(jì)問(wèn)題，提出一種基于ESPRIT算法的降維DOA估計(jì)算法。算法通過(guò)降維矩陣的設(shè)計(jì)及回波數(shù)據(jù)的降維變換，將高維回波數(shù)據(jù)轉(zhuǎn)換至低維信號(hào)空間，最大程度地去除了所有的冗余數(shù)據(jù)；利用矩陣的酉變換進(jìn)行實(shí)數(shù)域信號(hào)子空間的估計(jì)，并基于ESPRIT算法實(shí)現(xiàn)2維空間角度的聯(lián)合估計(jì)及參數(shù)的自動(dòng)配對(duì)。算法不犧牲陣列孔徑，在獲取信噪比增益和快拍增益的同時(shí)，有效降低了回波數(shù)據(jù)的維數(shù)，具有更低的運(yùn)算復(fù)雜度。仿真結(jié)果驗(yàn)證了理論分析的正確性和算法的有效性。
2016, 38(1): 90-96.
doi: 10.11999/JEIT150505
摘要:
微動(dòng)目標(biāo)散射點(diǎn)的微多普勒對(duì)目標(biāo)運(yùn)動(dòng)、結(jié)構(gòu)參數(shù)的估計(jì)具有重要意義。該文針對(duì)表面光滑的錐裙目標(biāo)，首先依據(jù)進(jìn)動(dòng)錐裙目標(biāo)的等效散射點(diǎn)模型，推導(dǎo)出散射點(diǎn)的理論微多普勒曲線表達(dá)式。結(jié)合進(jìn)動(dòng)調(diào)制的錐裙目標(biāo)微多普勒曲線為多階正弦級(jí)數(shù)疊加的先驗(yàn)信息，提出一種基于參數(shù)化時(shí)頻分析的進(jìn)動(dòng)錐裙目標(biāo)微多普勒曲線提取方法。針對(duì)多分量信號(hào)組成的錐裙目標(biāo)回波，該方法利用相干信號(hào)單距離多普勒干涉(CSRDI)方法估計(jì)錐旋頻率，進(jìn)而利用參數(shù)化時(shí)頻分析估計(jì)散射點(diǎn)的微多普勒曲線，之后利用帶阻濾波器分離估計(jì)得到的散射點(diǎn)回波信號(hào)。基于電磁仿真數(shù)據(jù)驗(yàn)證了所提方法的有效性。
微動(dòng)目標(biāo)散射點(diǎn)的微多普勒對(duì)目標(biāo)運(yùn)動(dòng)、結(jié)構(gòu)參數(shù)的估計(jì)具有重要意義。該文針對(duì)表面光滑的錐裙目標(biāo)，首先依據(jù)進(jìn)動(dòng)錐裙目標(biāo)的等效散射點(diǎn)模型，推導(dǎo)出散射點(diǎn)的理論微多普勒曲線表達(dá)式。結(jié)合進(jìn)動(dòng)調(diào)制的錐裙目標(biāo)微多普勒曲線為多階正弦級(jí)數(shù)疊加的先驗(yàn)信息，提出一種基于參數(shù)化時(shí)頻分析的進(jìn)動(dòng)錐裙目標(biāo)微多普勒曲線提取方法。針對(duì)多分量信號(hào)組成的錐裙目標(biāo)回波，該方法利用相干信號(hào)單距離多普勒干涉(CSRDI)方法估計(jì)錐旋頻率，進(jìn)而利用參數(shù)化時(shí)頻分析估計(jì)散射點(diǎn)的微多普勒曲線，之后利用帶阻濾波器分離估計(jì)得到的散射點(diǎn)回波信號(hào)。基于電磁仿真數(shù)據(jù)驗(yàn)證了所提方法的有效性。
2016, 38(1): 97-103.
doi: 10.11999/JEIT150366
摘要:
特征提取是合成孔徑雷達(dá)(SAR)圖像目標(biāo)識(shí)別的關(guān)鍵環(huán)節(jié)。SAR圖像中存在的相干斑點(diǎn)和非光滑特性使得傳統(tǒng)針對(duì)光學(xué)圖像的特征提取方法變得很難應(yīng)用。雖然可以采用深度置信網(wǎng)絡(luò)(DBN)自動(dòng)地進(jìn)行特征學(xué)習(xí)，但是該方法屬于無(wú)監(jiān)督學(xué)習(xí)方法，這使得學(xué)習(xí)到的特征與具體的任務(wù)是無(wú)關(guān)的。該文提出一種叫做相似性約束的受限玻爾茲曼機(jī)模型。該模型在學(xué)習(xí)過(guò)程中通過(guò)約束特征向量之間的相似性達(dá)到引入監(jiān)督信息的目的。另外，可以將多個(gè)相似性約束的受限玻爾茲曼機(jī)堆疊成一種新的深度模型，稱其為相似性約束的深度置信網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果表明在SAR圖像目標(biāo)識(shí)別應(yīng)用中，該方法相比主成分分析(PCA)以及原始DBN具有更好的識(shí)別性能。
特征提取是合成孔徑雷達(dá)(SAR)圖像目標(biāo)識(shí)別的關(guān)鍵環(huán)節(jié)。SAR圖像中存在的相干斑點(diǎn)和非光滑特性使得傳統(tǒng)針對(duì)光學(xué)圖像的特征提取方法變得很難應(yīng)用。雖然可以采用深度置信網(wǎng)絡(luò)(DBN)自動(dòng)地進(jìn)行特征學(xué)習(xí)，但是該方法屬于無(wú)監(jiān)督學(xué)習(xí)方法，這使得學(xué)習(xí)到的特征與具體的任務(wù)是無(wú)關(guān)的。該文提出一種叫做相似性約束的受限玻爾茲曼機(jī)模型。該模型在學(xué)習(xí)過(guò)程中通過(guò)約束特征向量之間的相似性達(dá)到引入監(jiān)督信息的目的。另外，可以將多個(gè)相似性約束的受限玻爾茲曼機(jī)堆疊成一種新的深度模型，稱其為相似性約束的深度置信網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果表明在SAR圖像目標(biāo)識(shí)別應(yīng)用中，該方法相比主成分分析(PCA)以及原始DBN具有更好的識(shí)別性能。
2016, 38(1): 104-110.
doi: 10.11999/JEIT150381
摘要:
傳統(tǒng)的大斜視角SAR成像算法利用時(shí)域線性走動(dòng)減少距離徙動(dòng)校正的難度，運(yùn)用非線性變標(biāo)算法改善方位向的聚焦效果，然而變標(biāo)因子的引入也帶來(lái)了一些處理上的不便。針對(duì)這一問(wèn)題，該文從分塊近似匹配的角度出發(fā)，結(jié)合DFT濾波器組理論，提出了一種方位向聚焦的新算法。與傳統(tǒng)的方位非線性變標(biāo)類算法相比，新算法不引入相位操作，能更好地補(bǔ)償空變的多普勒調(diào)頻率，穩(wěn)定性和成像性能都得到了提高，且在一般情況下算法的計(jì)算量要少于傳統(tǒng)算法。仿真結(jié)果證明了算法的有效性。
傳統(tǒng)的大斜視角SAR成像算法利用時(shí)域線性走動(dòng)減少距離徙動(dòng)校正的難度，運(yùn)用非線性變標(biāo)算法改善方位向的聚焦效果，然而變標(biāo)因子的引入也帶來(lái)了一些處理上的不便。針對(duì)這一問(wèn)題，該文從分塊近似匹配的角度出發(fā)，結(jié)合DFT濾波器組理論，提出了一種方位向聚焦的新算法。與傳統(tǒng)的方位非線性變標(biāo)類算法相比，新算法不引入相位操作，能更好地補(bǔ)償空變的多普勒調(diào)頻率，穩(wěn)定性和成像性能都得到了提高，且在一般情況下算法的計(jì)算量要少于傳統(tǒng)算法。仿真結(jié)果證明了算法的有效性。
2016, 38(1): 111-118.
doi: 10.11999/JEIT150444
摘要:
為提高人工神經(jīng)網(wǎng)絡(luò)的逼近能力，該文從研究隱層神經(jīng)元的映射機(jī)制入手，提出基于量子比特在Bloch球面的繞軸旋轉(zhuǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型的新思想。首先將樣本線性變換為量子比特的相位，并使量子比特在Bloch球面上分別繞著3個(gè)坐標(biāo)軸旋轉(zhuǎn)，旋轉(zhuǎn)角度即為網(wǎng)絡(luò)參數(shù)。然后通過(guò)投影測(cè)量可以得到量子比特的球面坐標(biāo)，將這些坐標(biāo)值提交到隱層激勵(lì)函數(shù)，可得隱層神經(jīng)元的輸出。輸出層采用普通神經(jīng)元。基于L-M(Levenberg-Marquardt)算法設(shè)計(jì)了該模型的學(xué)習(xí)算法。實(shí)驗(yàn)結(jié)果表明，該文提出的模型在逼近能力、泛化能力、魯棒性能方面，均優(yōu)于采用L-M算法的普通神經(jīng)網(wǎng)絡(luò)。
為提高人工神經(jīng)網(wǎng)絡(luò)的逼近能力，該文從研究隱層神經(jīng)元的映射機(jī)制入手，提出基于量子比特在Bloch球面的繞軸旋轉(zhuǎn)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型的新思想。首先將樣本線性變換為量子比特的相位，并使量子比特在Bloch球面上分別繞著3個(gè)坐標(biāo)軸旋轉(zhuǎn)，旋轉(zhuǎn)角度即為網(wǎng)絡(luò)參數(shù)。然后通過(guò)投影測(cè)量可以得到量子比特的球面坐標(biāo)，將這些坐標(biāo)值提交到隱層激勵(lì)函數(shù)，可得隱層神經(jīng)元的輸出。輸出層采用普通神經(jīng)元。基于L-M(Levenberg-Marquardt)算法設(shè)計(jì)了該模型的學(xué)習(xí)算法。實(shí)驗(yàn)結(jié)果表明，該文提出的模型在逼近能力、泛化能力、魯棒性能方面，均優(yōu)于采用L-M算法的普通神經(jīng)網(wǎng)絡(luò)。
2016, 38(1): 119-126.
doi: 10.11999/JEIT150476
摘要:
在被動(dòng)式的超高頻(UHF)射頻識(shí)別(RFID)系統(tǒng)中，當(dāng)多個(gè)標(biāo)簽選擇同一個(gè)時(shí)隙向閱讀器發(fā)送信息，標(biāo)簽間沖突就會(huì)產(chǎn)生，該沖突通常只在介質(zhì)訪問(wèn)控制(MAC)層上解決。其實(shí)，若沖突信號(hào)在物理層上被分離，識(shí)別效率將能得到很大的提高。在物理層沖突信號(hào)分離中，信道估計(jì)是一項(xiàng)關(guān)鍵技術(shù)，因?yàn)楹玫男诺拦烙?jì)有助于準(zhǔn)確地恢復(fù)沖突信號(hào)。傳統(tǒng)的信道估計(jì)方法在兩個(gè)標(biāo)簽沖突的情況下具有較好的估計(jì)性能，但當(dāng)沖突標(biāo)簽數(shù)超過(guò)2時(shí)，卻會(huì)產(chǎn)生較高的誤差。該文針對(duì)物理層的UHF RFID信號(hào)分離問(wèn)題，提出一種新的信道估計(jì)方法。該方法利用已知的前綴信號(hào)，采用最小二乘方法對(duì)信道進(jìn)行估計(jì)。從實(shí)驗(yàn)結(jié)果看，當(dāng)標(biāo)簽沖突數(shù)超過(guò)2時(shí)，該文提出的信道估計(jì)方法的誤差要小于傳統(tǒng)的估計(jì)方法，而且估計(jì)的信道得到的分離效率也高于傳統(tǒng)方法。
在被動(dòng)式的超高頻(UHF)射頻識(shí)別(RFID)系統(tǒng)中，當(dāng)多個(gè)標(biāo)簽選擇同一個(gè)時(shí)隙向閱讀器發(fā)送信息，標(biāo)簽間沖突就會(huì)產(chǎn)生，該沖突通常只在介質(zhì)訪問(wèn)控制(MAC)層上解決。其實(shí)，若沖突信號(hào)在物理層上被分離，識(shí)別效率將能得到很大的提高。在物理層沖突信號(hào)分離中，信道估計(jì)是一項(xiàng)關(guān)鍵技術(shù)，因?yàn)楹玫男诺拦烙?jì)有助于準(zhǔn)確地恢復(fù)沖突信號(hào)。傳統(tǒng)的信道估計(jì)方法在兩個(gè)標(biāo)簽沖突的情況下具有較好的估計(jì)性能，但當(dāng)沖突標(biāo)簽數(shù)超過(guò)2時(shí)，卻會(huì)產(chǎn)生較高的誤差。該文針對(duì)物理層的UHF RFID信號(hào)分離問(wèn)題，提出一種新的信道估計(jì)方法。該方法利用已知的前綴信號(hào)，采用最小二乘方法對(duì)信道進(jìn)行估計(jì)。從實(shí)驗(yàn)結(jié)果看，當(dāng)標(biāo)簽沖突數(shù)超過(guò)2時(shí)，該文提出的信道估計(jì)方法的誤差要小于傳統(tǒng)的估計(jì)方法，而且估計(jì)的信道得到的分離效率也高于傳統(tǒng)方法。
2016, 38(1): 127-134.
doi: 10.11999/JEIT150616
摘要:
該文針對(duì)多尺度結(jié)構(gòu)相似性(Multiple-scale Structural SIMilarity, MSSIM)圖像質(zhì)量評(píng)價(jià)算法對(duì)圖像信息不確定部分度量能力的不足，結(jié)合人類視覺(jué)系統(tǒng)(HVS)，提出基于內(nèi)在生成機(jī)制(internal generative mechanism)的iMSSIM算法。首先采用基于逐段式自回歸(Piecewise AutoRegressive, PAR)模型的內(nèi)在生成機(jī)制將失真圖像和原始圖像分解成采用MSSIM算法評(píng)分的圖像內(nèi)容預(yù)測(cè)部分和采用PSNR評(píng)分的圖像信息不確定部分；然后采用均方誤差(MSE)進(jìn)行加權(quán)來(lái)聯(lián)合這兩部分評(píng)分獲得最終結(jié)果。在基準(zhǔn)數(shù)據(jù)庫(kù)上完成的對(duì)比實(shí)驗(yàn)表明：該算法不僅在不同失真類型上性能最好，且在6個(gè)公開(kāi)數(shù)據(jù)庫(kù)上的性能優(yōu)于現(xiàn)有算法。
該文針對(duì)多尺度結(jié)構(gòu)相似性(Multiple-scale Structural SIMilarity, MSSIM)圖像質(zhì)量評(píng)價(jià)算法對(duì)圖像信息不確定部分度量能力的不足，結(jié)合人類視覺(jué)系統(tǒng)(HVS)，提出基于內(nèi)在生成機(jī)制(internal generative mechanism)的iMSSIM算法。首先采用基于逐段式自回歸(Piecewise AutoRegressive, PAR)模型的內(nèi)在生成機(jī)制將失真圖像和原始圖像分解成采用MSSIM算法評(píng)分的圖像內(nèi)容預(yù)測(cè)部分和采用PSNR評(píng)分的圖像信息不確定部分；然后采用均方誤差(MSE)進(jìn)行加權(quán)來(lái)聯(lián)合這兩部分評(píng)分獲得最終結(jié)果。在基準(zhǔn)數(shù)據(jù)庫(kù)上完成的對(duì)比實(shí)驗(yàn)表明：該算法不僅在不同失真類型上性能最好，且在6個(gè)公開(kāi)數(shù)據(jù)庫(kù)上的性能優(yōu)于現(xiàn)有算法。
2016, 38(1): 135-140.
doi: 10.11999/JEIT150597
摘要:
Biclique攻擊是目前唯一能將對(duì)AES全輪攻擊降至窮舉攻擊之下的密鑰恢復(fù)攻擊，但如何得到AES新的Biclique結(jié)構(gòu)或全部Biclique結(jié)構(gòu)尚沒(méi)有解決。該文設(shè)計(jì)了尋找AES-128全部Biclique結(jié)構(gòu)的算法以及衡量基于相應(yīng)結(jié)構(gòu)Biclique攻擊的數(shù)據(jù)和時(shí)間復(fù)雜度的算法，得出了AES-128共有215類i-差分能產(chǎn)生555個(gè)Biclique結(jié)構(gòu)，給出了數(shù)據(jù)復(fù)雜度最小和次小的i-差分路徑，分別列出了計(jì)算復(fù)雜度最小和數(shù)據(jù)復(fù)雜度最小的Biclique差分及匹配。
Biclique攻擊是目前唯一能將對(duì)AES全輪攻擊降至窮舉攻擊之下的密鑰恢復(fù)攻擊，但如何得到AES新的Biclique結(jié)構(gòu)或全部Biclique結(jié)構(gòu)尚沒(méi)有解決。該文設(shè)計(jì)了尋找AES-128全部Biclique結(jié)構(gòu)的算法以及衡量基于相應(yīng)結(jié)構(gòu)Biclique攻擊的數(shù)據(jù)和時(shí)間復(fù)雜度的算法，得出了AES-128共有215類i-差分能產(chǎn)生555個(gè)Biclique結(jié)構(gòu)，給出了數(shù)據(jù)復(fù)雜度最小和次小的i-差分路徑，分別列出了計(jì)算復(fù)雜度最小和數(shù)據(jù)復(fù)雜度最小的Biclique差分及匹配。
2016, 38(1): 141-145.
doi: 10.11999/JEIT150620
摘要:
混沌無(wú)線數(shù)字通信是未來(lái)高安全高保密無(wú)線通信的重要發(fā)展方向，而混沌碼同步是其核心技術(shù)之一。該文根據(jù)混沌無(wú)線通信特點(diǎn)，提出一種基于滑動(dòng)相關(guān)峰檢測(cè)的混沌碼同步方法。針對(duì)非周期混沌碼同步，設(shè)計(jì)了在混沌碼同步3個(gè)約束條件下的相位延遲控制模塊，搭建了基于Logistic序列的同步系統(tǒng)動(dòng)態(tài)模型，并進(jìn)行了仿真。仿真結(jié)果表明，該方法可實(shí)現(xiàn)收發(fā)兩端混沌碼同步，同步速度快，抗噪能力強(qiáng)，有效地解決了混沌無(wú)線數(shù)字通信中的同步方法問(wèn)題。
混沌無(wú)線數(shù)字通信是未來(lái)高安全高保密無(wú)線通信的重要發(fā)展方向，而混沌碼同步是其核心技術(shù)之一。該文根據(jù)混沌無(wú)線通信特點(diǎn)，提出一種基于滑動(dòng)相關(guān)峰檢測(cè)的混沌碼同步方法。針對(duì)非周期混沌碼同步，設(shè)計(jì)了在混沌碼同步3個(gè)約束條件下的相位延遲控制模塊，搭建了基于Logistic序列的同步系統(tǒng)動(dòng)態(tài)模型，并進(jìn)行了仿真。仿真結(jié)果表明，該方法可實(shí)現(xiàn)收發(fā)兩端混沌碼同步，同步速度快，抗噪能力強(qiáng)，有效地解決了混沌無(wú)線數(shù)字通信中的同步方法問(wèn)題。
2016, 38(1): 146-152.
doi: 10.11999/JEIT150396
摘要:
向擁有較寬連續(xù)頻譜的高頻頻段擴(kuò)展帶寬成為未來(lái)高鐵無(wú)線通信系統(tǒng)提升容量的有力手段，不過(guò)，需要采用大規(guī)模天線波束賦形技術(shù)克服高頻頻段路徑損耗嚴(yán)重的缺陷。在高鐵雙車載臺(tái)方案中，可以通過(guò)大規(guī)模天線陣列形成雙波束傳輸提高系統(tǒng)容量。在對(duì)其傳輸性能進(jìn)行分析后發(fā)現(xiàn)，雙波束傳輸優(yōu)化配置與列車的位置有關(guān)。基于此，論文提出自適應(yīng)波束分合傳輸方案，當(dāng)列車距離基站較遠(yuǎn)時(shí)，為了避免波束間的嚴(yán)重干擾，雙波束合成為一個(gè)波束來(lái)覆蓋兩個(gè)接收端，實(shí)現(xiàn)接收分集，提高接收信號(hào)質(zhì)量；當(dāng)列車距離基站較近時(shí)，分裂成雙波束，實(shí)現(xiàn)空間復(fù)用，提高系統(tǒng)容量及傳輸可靠性。數(shù)值仿真結(jié)果表明，所提方案可以適應(yīng)列車運(yùn)行位置，提升傳輸性能。
向擁有較寬連續(xù)頻譜的高頻頻段擴(kuò)展帶寬成為未來(lái)高鐵無(wú)線通信系統(tǒng)提升容量的有力手段，不過(guò)，需要采用大規(guī)模天線波束賦形技術(shù)克服高頻頻段路徑損耗嚴(yán)重的缺陷。在高鐵雙車載臺(tái)方案中，可以通過(guò)大規(guī)模天線陣列形成雙波束傳輸提高系統(tǒng)容量。在對(duì)其傳輸性能進(jìn)行分析后發(fā)現(xiàn)，雙波束傳輸優(yōu)化配置與列車的位置有關(guān)。基于此，論文提出自適應(yīng)波束分合傳輸方案，當(dāng)列車距離基站較遠(yuǎn)時(shí)，為了避免波束間的嚴(yán)重干擾，雙波束合成為一個(gè)波束來(lái)覆蓋兩個(gè)接收端，實(shí)現(xiàn)接收分集，提高接收信號(hào)質(zhì)量；當(dāng)列車距離基站較近時(shí)，分裂成雙波束，實(shí)現(xiàn)空間復(fù)用，提高系統(tǒng)容量及傳輸可靠性。數(shù)值仿真結(jié)果表明，所提方案可以適應(yīng)列車運(yùn)行位置，提升傳輸性能。
2016, 38(1): 153-159.
doi: 10.11999/JEIT150415
摘要:
原模圖低密度奇偶校驗(yàn)碼相較于傳統(tǒng)LDPC碼,具有結(jié)構(gòu)簡(jiǎn)單、迭代譯碼門限低、易于擴(kuò)展及線性編譯碼復(fù)雜度等優(yōu)點(diǎn)。針對(duì)強(qiáng)多途、長(zhǎng)時(shí)延、窄帶寬的淺海水聲信道，該文研究了PG-LDPC碼的設(shè)計(jì)及性能特征，提出一種碼型設(shè)計(jì)方案，并采用基于原模圖度分布的外部信息轉(zhuǎn)移圖算法，對(duì)所設(shè)計(jì)PG-LDPC碼的糾錯(cuò)性能進(jìn)行分析及預(yù)測(cè)。仿真與實(shí)驗(yàn)結(jié)果表明，與(3,6)隨機(jī)規(guī)則LDPC碼相比，所提的PG-LDPC碼在低、高信噪比區(qū)域均有良好的糾錯(cuò)性能。
原模圖低密度奇偶校驗(yàn)碼相較于傳統(tǒng)LDPC碼,具有結(jié)構(gòu)簡(jiǎn)單、迭代譯碼門限低、易于擴(kuò)展及線性編譯碼復(fù)雜度等優(yōu)點(diǎn)。針對(duì)強(qiáng)多途、長(zhǎng)時(shí)延、窄帶寬的淺海水聲信道，該文研究了PG-LDPC碼的設(shè)計(jì)及性能特征，提出一種碼型設(shè)計(jì)方案，并采用基于原模圖度分布的外部信息轉(zhuǎn)移圖算法，對(duì)所設(shè)計(jì)PG-LDPC碼的糾錯(cuò)性能進(jìn)行分析及預(yù)測(cè)。仿真與實(shí)驗(yàn)結(jié)果表明，與(3,6)隨機(jī)規(guī)則LDPC碼相比，所提的PG-LDPC碼在低、高信噪比區(qū)域均有良好的糾錯(cuò)性能。
2016, 38(1): 160-167.
doi: 10.11999/JEIT150510
摘要:
針對(duì)現(xiàn)有混沌檢測(cè)算法精度不高、狀態(tài)響應(yīng)滯后的問(wèn)題，該文從混沌狀態(tài)整體性、系統(tǒng)解頻域特性等角度進(jìn)行全面分析，提出一種基于攝動(dòng)解主頻功率比的弱信號(hào)檢測(cè)方法，該算法不僅準(zhǔn)確實(shí)現(xiàn)了臨界狀態(tài)的有效界定，提高了信號(hào)檢測(cè)的可靠程度，而且揭示了系統(tǒng)各個(gè)狀態(tài)之間的差別及物理含義。文中采用參數(shù)攝動(dòng)法推導(dǎo)了Duffing-Van der pol振子的一階攝動(dòng)平衡解，證明了其為影響主頻率分量的主要因素。在此基礎(chǔ)上，采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)有效參量信息進(jìn)行選擇性重構(gòu)，以最小均方誤差約束準(zhǔn)則下的比值系數(shù)重新定義了系統(tǒng)狀態(tài)，得到系統(tǒng)主頻功率比與策動(dòng)力幅值之間的映射關(guān)系，并以此作為臨界閾值確定的依據(jù)。實(shí)驗(yàn)結(jié)果表明，采用主頻功率比準(zhǔn)則的信號(hào)檢測(cè)方法可靠性提高了約1個(gè)數(shù)量級(jí)，且算法的響應(yīng)速度為傳統(tǒng)分析方法的2倍以上。
針對(duì)現(xiàn)有混沌檢測(cè)算法精度不高、狀態(tài)響應(yīng)滯后的問(wèn)題，該文從混沌狀態(tài)整體性、系統(tǒng)解頻域特性等角度進(jìn)行全面分析，提出一種基于攝動(dòng)解主頻功率比的弱信號(hào)檢測(cè)方法，該算法不僅準(zhǔn)確實(shí)現(xiàn)了臨界狀態(tài)的有效界定，提高了信號(hào)檢測(cè)的可靠程度，而且揭示了系統(tǒng)各個(gè)狀態(tài)之間的差別及物理含義。文中采用參數(shù)攝動(dòng)法推導(dǎo)了Duffing-Van der pol振子的一階攝動(dòng)平衡解，證明了其為影響主頻率分量的主要因素。在此基礎(chǔ)上，采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)有效參量信息進(jìn)行選擇性重構(gòu)，以最小均方誤差約束準(zhǔn)則下的比值系數(shù)重新定義了系統(tǒng)狀態(tài)，得到系統(tǒng)主頻功率比與策動(dòng)力幅值之間的映射關(guān)系，并以此作為臨界閾值確定的依據(jù)。實(shí)驗(yàn)結(jié)果表明，采用主頻功率比準(zhǔn)則的信號(hào)檢測(cè)方法可靠性提高了約1個(gè)數(shù)量級(jí)，且算法的響應(yīng)速度為傳統(tǒng)分析方法的2倍以上。
2016, 38(1): 168-173.
doi: 10.11999/JEIT150538
摘要:
該文提出一種基于空域平滑稀疏重構(gòu)的DOA估計(jì)算法，利用空域平滑理論對(duì)協(xié)方差矩陣進(jìn)行處理，然后通過(guò)KR積變換改變其結(jié)構(gòu)，并對(duì)變換后的矩陣進(jìn)行稀疏重構(gòu)獲得角度估計(jì)。此外，該文還給出了兩種不同的目標(biāo)函數(shù)誤差求解方法。從仿真實(shí)驗(yàn)可以看出，該算法與傳統(tǒng)的基于壓縮感知理論的DOA估計(jì)算法對(duì)比，明顯降低了運(yùn)算量，且對(duì)于相干和非相干信號(hào)的處理性能均有所提高，在低角度間隔、低信噪比和低采樣數(shù)條件下優(yōu)勢(shì)更為突出。
該文提出一種基于空域平滑稀疏重構(gòu)的DOA估計(jì)算法，利用空域平滑理論對(duì)協(xié)方差矩陣進(jìn)行處理，然后通過(guò)KR積變換改變其結(jié)構(gòu)，并對(duì)變換后的矩陣進(jìn)行稀疏重構(gòu)獲得角度估計(jì)。此外，該文還給出了兩種不同的目標(biāo)函數(shù)誤差求解方法。從仿真實(shí)驗(yàn)可以看出，該算法與傳統(tǒng)的基于壓縮感知理論的DOA估計(jì)算法對(duì)比，明顯降低了運(yùn)算量，且對(duì)于相干和非相干信號(hào)的處理性能均有所提高，在低角度間隔、低信噪比和低采樣數(shù)條件下優(yōu)勢(shì)更為突出。
2016, 38(1): 174-179.
doi: 10.11999/JEIT150504
摘要:
為了提高單通道語(yǔ)音增強(qiáng)降噪算法的整體質(zhì)量，該文從噪聲消除和語(yǔ)音感知兩個(gè)角度出發(fā)對(duì)傳統(tǒng)語(yǔ)音增強(qiáng)算法進(jìn)行改進(jìn)，通過(guò)引入多種處理手段來(lái)達(dá)到最佳優(yōu)化效果。首先在參數(shù)估計(jì)方面，把基于弱語(yǔ)音出現(xiàn)的平滑算法加入到基于固定先驗(yàn)信噪比的軟判決方法中來(lái)解決噪聲譜過(guò)估計(jì)問(wèn)題，并根據(jù)語(yǔ)音幀存在概率動(dòng)態(tài)調(diào)整平滑因子，從而提高先驗(yàn)信噪比的跟蹤效果。其次在語(yǔ)音質(zhì)量感知提升方面，采用諧波恢復(fù)的方法重建語(yǔ)音段的高頻諧波分量，并采用相位補(bǔ)償和增益平滑的方法消除靜默段和語(yǔ)音段的音樂(lè)噪聲。實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)算法，該文算法通過(guò)引入?yún)?shù)估計(jì)改進(jìn)模塊和感知質(zhì)量提升模塊，在消噪效果和語(yǔ)音質(zhì)量?jī)煞矫婢玫搅溯^大的提高，并適用于多類噪聲環(huán)境和信噪比條件。
為了提高單通道語(yǔ)音增強(qiáng)降噪算法的整體質(zhì)量，該文從噪聲消除和語(yǔ)音感知兩個(gè)角度出發(fā)對(duì)傳統(tǒng)語(yǔ)音增強(qiáng)算法進(jìn)行改進(jìn)，通過(guò)引入多種處理手段來(lái)達(dá)到最佳優(yōu)化效果。首先在參數(shù)估計(jì)方面，把基于弱語(yǔ)音出現(xiàn)的平滑算法加入到基于固定先驗(yàn)信噪比的軟判決方法中來(lái)解決噪聲譜過(guò)估計(jì)問(wèn)題，并根據(jù)語(yǔ)音幀存在概率動(dòng)態(tài)調(diào)整平滑因子，從而提高先驗(yàn)信噪比的跟蹤效果。其次在語(yǔ)音質(zhì)量感知提升方面，采用諧波恢復(fù)的方法重建語(yǔ)音段的高頻諧波分量，并采用相位補(bǔ)償和增益平滑的方法消除靜默段和語(yǔ)音段的音樂(lè)噪聲。實(shí)驗(yàn)結(jié)果表明，相比傳統(tǒng)算法，該文算法通過(guò)引入?yún)?shù)估計(jì)改進(jìn)模塊和感知質(zhì)量提升模塊，在消噪效果和語(yǔ)音質(zhì)量?jī)煞矫婢玫搅溯^大的提高，并適用于多類噪聲環(huán)境和信噪比條件。
2016, 38(1): 180-186.
doi: 10.11999/JEIT150425
摘要:
傳統(tǒng)窄帶主動(dòng)噪聲控制系統(tǒng)中，各窄帶噪聲分量由各控制器并行處理，而相應(yīng)的控制系數(shù)卻仍由系統(tǒng)的整體殘余誤差進(jìn)行更新。這導(dǎo)致各控制器之間相互影響，從而降低了系統(tǒng)的收斂速度。為保證各控制器單獨(dú)利用自身的殘余誤差來(lái)更新控制系數(shù)，實(shí)現(xiàn)殘余誤差信號(hào)的頻率分量分離，該文提出一種基于泄漏殘余誤差分離器的窄帶主動(dòng)噪聲控制系統(tǒng)，并對(duì)新系統(tǒng)進(jìn)行初步統(tǒng)計(jì)分析。理論分析、仿真及實(shí)驗(yàn)表明，這種引入泄漏因子的殘余誤差分離器，在不犧牲穩(wěn)態(tài)性能情況下，提升了系統(tǒng)的魯棒性和收斂性。
傳統(tǒng)窄帶主動(dòng)噪聲控制系統(tǒng)中，各窄帶噪聲分量由各控制器并行處理，而相應(yīng)的控制系數(shù)卻仍由系統(tǒng)的整體殘余誤差進(jìn)行更新。這導(dǎo)致各控制器之間相互影響，從而降低了系統(tǒng)的收斂速度。為保證各控制器單獨(dú)利用自身的殘余誤差來(lái)更新控制系數(shù)，實(shí)現(xiàn)殘余誤差信號(hào)的頻率分量分離，該文提出一種基于泄漏殘余誤差分離器的窄帶主動(dòng)噪聲控制系統(tǒng)，并對(duì)新系統(tǒng)進(jìn)行初步統(tǒng)計(jì)分析。理論分析、仿真及實(shí)驗(yàn)表明，這種引入泄漏因子的殘余誤差分離器，在不犧牲穩(wěn)態(tài)性能情況下，提升了系統(tǒng)的魯棒性和收斂性。
2016, 38(1): 187-194.
doi: 10.11999/JEIT150437
摘要:
磁感應(yīng)成像(MIT)3維正問(wèn)題中，直接求解法計(jì)算有限元方程組時(shí)，計(jì)算速度慢且因舍入誤差造成計(jì)算結(jié)果不正確。該文為了解決這一問(wèn)題，采用不完全喬列斯基分解共軛梯度(ICCG)迭代求解法?；贏NSYS平臺(tái)建立有限元數(shù)值模型，采用ICCG法迭代求解。通過(guò)仿真實(shí)驗(yàn)獲得設(shè)定收斂容差的最優(yōu)值。對(duì)仿真結(jié)果進(jìn)行對(duì)比，與直接求解法、雅克比共軛梯度(JCG)法相比，ICCG法計(jì)算速度快、穩(wěn)健性高。計(jì)算結(jié)果表明ICCG法受網(wǎng)格粗細(xì)影響小，能夠正確求解磁感應(yīng)成像3維正問(wèn)題。
磁感應(yīng)成像(MIT)3維正問(wèn)題中，直接求解法計(jì)算有限元方程組時(shí)，計(jì)算速度慢且因舍入誤差造成計(jì)算結(jié)果不正確。該文為了解決這一問(wèn)題，采用不完全喬列斯基分解共軛梯度(ICCG)迭代求解法?；贏NSYS平臺(tái)建立有限元數(shù)值模型，采用ICCG法迭代求解。通過(guò)仿真實(shí)驗(yàn)獲得設(shè)定收斂容差的最優(yōu)值。對(duì)仿真結(jié)果進(jìn)行對(duì)比，與直接求解法、雅克比共軛梯度(JCG)法相比，ICCG法計(jì)算速度快、穩(wěn)健性高。計(jì)算結(jié)果表明ICCG法受網(wǎng)格粗細(xì)影響小，能夠正確求解磁感應(yīng)成像3維正問(wèn)題。
2016, 38(1): 195-201.
doi: 10.11999/JEIT150491
摘要:
為解決信息物理融合系統(tǒng)下無(wú)線傳感器網(wǎng)絡(luò)接入互聯(lián)網(wǎng)的問(wèn)題，該文提出一種基于微分進(jìn)化的網(wǎng)關(guān)優(yōu)化部署方法。該方法以最小化網(wǎng)關(guān)覆蓋半徑和負(fù)載平衡水平為優(yōu)化目標(biāo)，利用微分進(jìn)化算法尋找網(wǎng)關(guān)優(yōu)化部署方案，通過(guò)自適應(yīng)反向搜索、動(dòng)態(tài)參數(shù)調(diào)整等方法保障尋優(yōu)過(guò)程的種群多樣性，解決幾何 中心下的網(wǎng)關(guān)部署問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明，該方法具備良好的全局尋優(yōu)能力和收斂速度，能夠在縮小網(wǎng)關(guān)集覆蓋半徑的前提下，進(jìn)一步平衡各網(wǎng)關(guān)之間的負(fù)載水平，提高信息物理融合系統(tǒng)的網(wǎng)絡(luò)QoS水平。
為解決信息物理融合系統(tǒng)下無(wú)線傳感器網(wǎng)絡(luò)接入互聯(lián)網(wǎng)的問(wèn)題，該文提出一種基于微分進(jìn)化的網(wǎng)關(guān)優(yōu)化部署方法。該方法以最小化網(wǎng)關(guān)覆蓋半徑和負(fù)載平衡水平為優(yōu)化目標(biāo)，利用微分進(jìn)化算法尋找網(wǎng)關(guān)優(yōu)化部署方案，通過(guò)自適應(yīng)反向搜索、動(dòng)態(tài)參數(shù)調(diào)整等方法保障尋優(yōu)過(guò)程的種群多樣性，解決幾何 中心下的網(wǎng)關(guān)部署問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明，該方法具備良好的全局尋優(yōu)能力和收斂速度，能夠在縮小網(wǎng)關(guān)集覆蓋半徑的前提下，進(jìn)一步平衡各網(wǎng)關(guān)之間的負(fù)載水平，提高信息物理融合系統(tǒng)的網(wǎng)絡(luò)QoS水平。
2016, 38(1): 202-208.
doi: 10.11999/JEIT150247
摘要:
網(wǎng)絡(luò)文獻(xiàn)知識(shí)庫(kù)中的海量資源及其分類的粗粒度，導(dǎo)致學(xué)習(xí)者容易在文獻(xiàn)檢索和閱讀過(guò)程出現(xiàn)認(rèn)知迷航和知識(shí)過(guò)載問(wèn)題。該文提出一種基于MapReduce的知識(shí)聚類與統(tǒng)計(jì)機(jī)制：首先，提出基于MapReduce的共現(xiàn)矩陣構(gòu)建算法MR-CoMatrix；其次，將共現(xiàn)矩陣與相似度系數(shù)結(jié)合構(gòu)建相似度矩陣；然后，通過(guò)Z Scores對(duì)相似度矩陣進(jìn)行標(biāo)準(zhǔn)化；最后，使用離差平方和法(Ward,s method)對(duì)相似度矩陣進(jìn)行聚類，生成樹(shù)狀的知識(shí)聚類譜系圖；基于聚類結(jié)果，提出基于MapReduce的知識(shí)文獻(xiàn)統(tǒng)計(jì)算法MR-Statistics，對(duì)每個(gè)分類的知識(shí)屬性進(jìn)行統(tǒng)計(jì)。實(shí)驗(yàn)結(jié)果表明：將MR-CoMatrix和MR-Statistics方法應(yīng)用于網(wǎng)絡(luò)文獻(xiàn)知識(shí)庫(kù)進(jìn)行知識(shí)聚類和統(tǒng)計(jì)，達(dá)到較理想的聚類精度和計(jì)算效率，實(shí)現(xiàn)了細(xì)粒度知識(shí)聚類和多維統(tǒng)計(jì)，同時(shí)減少了時(shí)間開(kāi)銷。
網(wǎng)絡(luò)文獻(xiàn)知識(shí)庫(kù)中的海量資源及其分類的粗粒度，導(dǎo)致學(xué)習(xí)者容易在文獻(xiàn)檢索和閱讀過(guò)程出現(xiàn)認(rèn)知迷航和知識(shí)過(guò)載問(wèn)題。該文提出一種基于MapReduce的知識(shí)聚類與統(tǒng)計(jì)機(jī)制：首先，提出基于MapReduce的共現(xiàn)矩陣構(gòu)建算法MR-CoMatrix；其次，將共現(xiàn)矩陣與相似度系數(shù)結(jié)合構(gòu)建相似度矩陣；然后，通過(guò)Z Scores對(duì)相似度矩陣進(jìn)行標(biāo)準(zhǔn)化；最后，使用離差平方和法(Ward,s method)對(duì)相似度矩陣進(jìn)行聚類，生成樹(shù)狀的知識(shí)聚類譜系圖；基于聚類結(jié)果，提出基于MapReduce的知識(shí)文獻(xiàn)統(tǒng)計(jì)算法MR-Statistics，對(duì)每個(gè)分類的知識(shí)屬性進(jìn)行統(tǒng)計(jì)。實(shí)驗(yàn)結(jié)果表明：將MR-CoMatrix和MR-Statistics方法應(yīng)用于網(wǎng)絡(luò)文獻(xiàn)知識(shí)庫(kù)進(jìn)行知識(shí)聚類和統(tǒng)計(jì)，達(dá)到較理想的聚類精度和計(jì)算效率，實(shí)現(xiàn)了細(xì)粒度知識(shí)聚類和多維統(tǒng)計(jì)，同時(shí)減少了時(shí)間開(kāi)銷。
2016, 38(1): 209-215.
doi: 10.11999/JEIT150210
摘要:
海上對(duì)流層微波超視距傳播與海洋大氣環(huán)境特性的相關(guān)性研究對(duì)電波傳播的短期預(yù)測(cè)以及無(wú)線電通信系統(tǒng)的設(shè)計(jì)和應(yīng)用有著十分重要的意義。該文根據(jù)在我國(guó)黃渤海海域進(jìn)行的14.1 GHz海上對(duì)流層微波超視距傳播試驗(yàn)的傳輸損耗數(shù)據(jù)以及在發(fā)射端塔基平臺(tái)上同步進(jìn)行的氣象梯度儀試驗(yàn)的氣象數(shù)據(jù)，分別分析了風(fēng)向、風(fēng)速以及氣海溫差對(duì)傳輸損耗和蒸發(fā)波導(dǎo)高度相關(guān)性的影響，研究了沿海海域氣象數(shù)據(jù)在微波超視距傳播鏈路中的可用性，并結(jié)合散射拋物方程方法和高級(jí)折射效應(yīng)預(yù)報(bào)系統(tǒng)(AREPS)對(duì)分析結(jié)果進(jìn)行了驗(yàn)證。該文的研究結(jié)果對(duì)海上對(duì)流層微波超視距傳播的傳播特性以及短期預(yù)測(cè)的研究有一定的指導(dǎo)意義。
海上對(duì)流層微波超視距傳播與海洋大氣環(huán)境特性的相關(guān)性研究對(duì)電波傳播的短期預(yù)測(cè)以及無(wú)線電通信系統(tǒng)的設(shè)計(jì)和應(yīng)用有著十分重要的意義。該文根據(jù)在我國(guó)黃渤海海域進(jìn)行的14.1 GHz海上對(duì)流層微波超視距傳播試驗(yàn)的傳輸損耗數(shù)據(jù)以及在發(fā)射端塔基平臺(tái)上同步進(jìn)行的氣象梯度儀試驗(yàn)的氣象數(shù)據(jù)，分別分析了風(fēng)向、風(fēng)速以及氣海溫差對(duì)傳輸損耗和蒸發(fā)波導(dǎo)高度相關(guān)性的影響，研究了沿海海域氣象數(shù)據(jù)在微波超視距傳播鏈路中的可用性，并結(jié)合散射拋物方程方法和高級(jí)折射效應(yīng)預(yù)報(bào)系統(tǒng)(AREPS)對(duì)分析結(jié)果進(jìn)行了驗(yàn)證。該文的研究結(jié)果對(duì)海上對(duì)流層微波超視距傳播的傳播特性以及短期預(yù)測(cè)的研究有一定的指導(dǎo)意義。
2016, 38(1): 216-221.
doi: 10.11999/JEIT150553
摘要:
空時(shí)自適應(yīng)處理是衛(wèi)星導(dǎo)航抗干擾的有效方法。但在高動(dòng)態(tài)環(huán)境下，干擾來(lái)向動(dòng)態(tài)變化，干擾很容易移出常規(guī)自適應(yīng)抗干擾算法所形成的窄零陷，導(dǎo)致算法失效。常用的解決辦法是加寬零陷。該文從干擾來(lái)向變化的統(tǒng)計(jì)模型出發(fā)，提出一種基于拉普拉斯分布的空時(shí)加寬零陷算法，該算法能在干擾方向形成較寬的零陷。并且考慮到空時(shí)處理將增加算法的計(jì)算復(fù)雜度，該文將新的空時(shí)加寬零陷算法與多級(jí)維納濾波器相結(jié)合，給出一種基于空時(shí)降維處理的加寬零陷算法。新算法能有效降低算法復(fù)雜度，并能在小快拍下得到更好的性能。仿真結(jié)果表明新算法的有效性。
空時(shí)自適應(yīng)處理是衛(wèi)星導(dǎo)航抗干擾的有效方法。但在高動(dòng)態(tài)環(huán)境下，干擾來(lái)向動(dòng)態(tài)變化，干擾很容易移出常規(guī)自適應(yīng)抗干擾算法所形成的窄零陷，導(dǎo)致算法失效。常用的解決辦法是加寬零陷。該文從干擾來(lái)向變化的統(tǒng)計(jì)模型出發(fā)，提出一種基于拉普拉斯分布的空時(shí)加寬零陷算法，該算法能在干擾方向形成較寬的零陷。并且考慮到空時(shí)處理將增加算法的計(jì)算復(fù)雜度，該文將新的空時(shí)加寬零陷算法與多級(jí)維納濾波器相結(jié)合，給出一種基于空時(shí)降維處理的加寬零陷算法。新算法能有效降低算法復(fù)雜度，并能在小快拍下得到更好的性能。仿真結(jié)果表明新算法的有效性。
2016, 38(1): 222-228.
doi: 10.11999/JEIT150481
摘要:
單頻干擾能夠引起較大的偽碼跟蹤誤差，基于小誤差條件的跟蹤誤差分析會(huì)失效。在大誤差條件下，由于碼環(huán)鑒相器不再工作在線性區(qū)域，利用鑒相器輸出的二階泰勒展開(kāi)式代替一階線性化近似，該文給出了單頻干擾下偽碼跟蹤誤差的解析表達(dá)式。通過(guò)數(shù)值分析和仿真實(shí)驗(yàn)分析驗(yàn)證了在單頻干擾下偽碼跟蹤誤差隨干擾起始相位、干擾頻率和干信比的變化特性。結(jié)果表明：當(dāng)干擾引起的偽碼跟蹤誤差較大時(shí)，基于鑒相器線性化的理論預(yù)測(cè)的準(zhǔn)確性顯著下降，而基于鑒相器二階泰勒近似的理論分析能夠準(zhǔn)確預(yù)測(cè)大誤差條件下的偽碼跟蹤誤差，在跟蹤誤差不超過(guò)0.34 chip時(shí)，理論分析誤差不超過(guò)20%。
單頻干擾能夠引起較大的偽碼跟蹤誤差，基于小誤差條件的跟蹤誤差分析會(huì)失效。在大誤差條件下，由于碼環(huán)鑒相器不再工作在線性區(qū)域，利用鑒相器輸出的二階泰勒展開(kāi)式代替一階線性化近似，該文給出了單頻干擾下偽碼跟蹤誤差的解析表達(dá)式。通過(guò)數(shù)值分析和仿真實(shí)驗(yàn)分析驗(yàn)證了在單頻干擾下偽碼跟蹤誤差隨干擾起始相位、干擾頻率和干信比的變化特性。結(jié)果表明：當(dāng)干擾引起的偽碼跟蹤誤差較大時(shí)，基于鑒相器線性化的理論預(yù)測(cè)的準(zhǔn)確性顯著下降，而基于鑒相器二階泰勒近似的理論分析能夠準(zhǔn)確預(yù)測(cè)大誤差條件下的偽碼跟蹤誤差，在跟蹤誤差不超過(guò)0.34 chip時(shí)，理論分析誤差不超過(guò)20%。
2016, 38(1): 229-240.
doi: 10.11999/JEIT151116
摘要:
縱觀星載合成孔徑雷達(dá)技術(shù)的發(fā)展歷程，其發(fā)展趨勢(shì)已經(jīng)從傳統(tǒng)的單項(xiàng)技術(shù)突破轉(zhuǎn)變?yōu)楦拍铙w制的更新。各種面向新型應(yīng)用的新體制、新模式不斷出現(xiàn)，推動(dòng)著星載 SAR 技術(shù)蓬勃發(fā)展。該文在介紹歐美等國(guó)星載 SAR 技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，分析未來(lái)星載SAR 技術(shù)的發(fā)展趨勢(shì)，重點(diǎn)探討星載 SAR 技術(shù)在面向高分辨率寬覆蓋對(duì)地觀測(cè)、多方位角信息獲取、高時(shí)相信息獲取、3維地形測(cè)繪及圖像質(zhì)量提升等方面的發(fā)展。
縱觀星載合成孔徑雷達(dá)技術(shù)的發(fā)展歷程，其發(fā)展趨勢(shì)已經(jīng)從傳統(tǒng)的單項(xiàng)技術(shù)突破轉(zhuǎn)變?yōu)楦拍铙w制的更新。各種面向新型應(yīng)用的新體制、新模式不斷出現(xiàn)，推動(dòng)著星載 SAR 技術(shù)蓬勃發(fā)展。該文在介紹歐美等國(guó)星載 SAR 技術(shù)發(fā)展現(xiàn)狀的基礎(chǔ)上，分析未來(lái)星載SAR 技術(shù)的發(fā)展趨勢(shì)，重點(diǎn)探討星載 SAR 技術(shù)在面向高分辨率寬覆蓋對(duì)地觀測(cè)、多方位角信息獲取、高時(shí)相信息獲取、3維地形測(cè)繪及圖像質(zhì)量提升等方面的發(fā)展。
2016, 38(1): 241-245.
doi: 10.11999/JEIT150694
摘要:
針對(duì)等距映射(ISOMAP)算法無(wú)監(jiān)督，不能生成顯式映射函數(shù)等局限性，該文提出一種正則化的半監(jiān)督等距映射(Reg-SS-ISOMAP)算法。該算法首先利用訓(xùn)練樣本的標(biāo)簽樣本構(gòu)建K聯(lián)通圖(K-CG)，得到近似樣本間測(cè)地線距離，并作為矢量特征代替原始數(shù)據(jù)點(diǎn)；然后通過(guò)測(cè)地線距離計(jì)算核矩陣，用半監(jiān)督正則化方法代替多維尺度分析(MDS)算法處理矢量特征；最后利用正則化回歸模型構(gòu)建目標(biāo)函數(shù)，得到低維表示的顯式映射。算法在多個(gè)數(shù)據(jù)集上進(jìn)行了比較實(shí)驗(yàn)，結(jié)果表明，文中提出的算法降維效果穩(wěn)定，識(shí)別率高，顯示了算法的有效性。
針對(duì)等距映射(ISOMAP)算法無(wú)監(jiān)督，不能生成顯式映射函數(shù)等局限性，該文提出一種正則化的半監(jiān)督等距映射(Reg-SS-ISOMAP)算法。該算法首先利用訓(xùn)練樣本的標(biāo)簽樣本構(gòu)建K聯(lián)通圖(K-CG)，得到近似樣本間測(cè)地線距離，并作為矢量特征代替原始數(shù)據(jù)點(diǎn)；然后通過(guò)測(cè)地線距離計(jì)算核矩陣，用半監(jiān)督正則化方法代替多維尺度分析(MDS)算法處理矢量特征；最后利用正則化回歸模型構(gòu)建目標(biāo)函數(shù)，得到低維表示的顯式映射。算法在多個(gè)數(shù)據(jù)集上進(jìn)行了比較實(shí)驗(yàn)，結(jié)果表明，文中提出的算法降維效果穩(wěn)定，識(shí)別率高，顯示了算法的有效性。
2016, 38(1): 246-254.
摘要:
本文首先對(duì)2015年度信息一處的計(jì)算機(jī)輔助受理情況進(jìn)行了簡(jiǎn)要的介紹和分析，然后以表格的形式說(shuō)明了2015年度項(xiàng)目申請(qǐng)代碼、研究方向選擇中存在的主要問(wèn)題。最后介紹了2016年度申請(qǐng)代碼和研究方向及相關(guān)說(shuō)明一覽表的試用版，并強(qiáng)調(diào)了選擇中應(yīng)該注意的兩個(gè)問(wèn)題。
本文首先對(duì)2015年度信息一處的計(jì)算機(jī)輔助受理情況進(jìn)行了簡(jiǎn)要的介紹和分析，然后以表格的形式說(shuō)明了2015年度項(xiàng)目申請(qǐng)代碼、研究方向選擇中存在的主要問(wèn)題。最后介紹了2016年度申請(qǐng)代碼和研究方向及相關(guān)說(shuō)明一覽表的試用版，并強(qiáng)調(diào)了選擇中應(yīng)該注意的兩個(gè)問(wèn)題。
