郵件訂閱
2016年 第38卷 第11期
顯示方式:
2016, 38(11): 2701-2708.
doi: 10.11999/JEIT160011
摘要:
基于圖像中存在的鄰域以及非局部相似等圖像空間特征和聯(lián)合稀疏解混思想，該文提出一種基于高光譜圖像光譜相似性度量的多任務(wù)聯(lián)合稀疏解混方法。通過高光譜圖像的光譜特性統(tǒng)計(jì)值設(shè)定光譜度量閾值，對(duì)高光譜圖像中相似的像元光譜進(jìn)行光譜相似性度量分組，再對(duì)分組像元光譜數(shù)據(jù)進(jìn)行多任務(wù)聯(lián)合稀疏光譜解混模型的構(gòu)建和求解，得到最終的豐度系數(shù)。模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明，該方法一定程度上提升了現(xiàn)有聯(lián)合稀疏光譜解混方法的豐度估計(jì)精度，真實(shí)數(shù)據(jù)結(jié)果也驗(yàn)證了方法的有效性。
基于圖像中存在的鄰域以及非局部相似等圖像空間特征和聯(lián)合稀疏解混思想，該文提出一種基于高光譜圖像光譜相似性度量的多任務(wù)聯(lián)合稀疏解混方法。通過高光譜圖像的光譜特性統(tǒng)計(jì)值設(shè)定光譜度量閾值，對(duì)高光譜圖像中相似的像元光譜進(jìn)行光譜相似性度量分組，再對(duì)分組像元光譜數(shù)據(jù)進(jìn)行多任務(wù)聯(lián)合稀疏光譜解混模型的構(gòu)建和求解，得到最終的豐度系數(shù)。模擬數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明，該方法一定程度上提升了現(xiàn)有聯(lián)合稀疏光譜解混方法的豐度估計(jì)精度，真實(shí)數(shù)據(jù)結(jié)果也驗(yàn)證了方法的有效性。
2016, 38(11): 2709-2714.
doi: 10.11999/JEIT151439
摘要:
針對(duì)基于預(yù)測(cè)的高光譜圖像無損壓縮算法壓縮比低的問題，該文將聚類算法與高光譜圖像預(yù)測(cè)壓縮算法相結(jié)合，提出一種基于K-均值聚類和傳統(tǒng)遞歸最小二乘法的高光譜圖像無損壓縮算法。首先，對(duì)高光譜圖像按光譜矢量進(jìn)行K-均值聚類以提升同類光譜矢量間的相似度。然后，對(duì)每一聚類群分別使用傳統(tǒng)遞歸最小二乘法進(jìn)行預(yù)測(cè)，消除高光譜圖像的空間冗余和譜間冗余。最后，對(duì)預(yù)測(cè)誤差圖像進(jìn)行算術(shù)編碼，完成高光譜圖像壓縮過程。對(duì)AVIRIS 2006高光譜數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，所提算法對(duì)16位校正圖像、16位未校正圖像和12位未校正圖像分別取得了4.63倍，2.82倍和4.77倍的壓縮比，優(yōu)于同類型已報(bào)道的各種算法。
針對(duì)基于預(yù)測(cè)的高光譜圖像無損壓縮算法壓縮比低的問題，該文將聚類算法與高光譜圖像預(yù)測(cè)壓縮算法相結(jié)合，提出一種基于K-均值聚類和傳統(tǒng)遞歸最小二乘法的高光譜圖像無損壓縮算法。首先，對(duì)高光譜圖像按光譜矢量進(jìn)行K-均值聚類以提升同類光譜矢量間的相似度。然后，對(duì)每一聚類群分別使用傳統(tǒng)遞歸最小二乘法進(jìn)行預(yù)測(cè)，消除高光譜圖像的空間冗余和譜間冗余。最后，對(duì)預(yù)測(cè)誤差圖像進(jìn)行算術(shù)編碼，完成高光譜圖像壓縮過程。對(duì)AVIRIS 2006高光譜數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，所提算法對(duì)16位校正圖像、16位未校正圖像和12位未校正圖像分別取得了4.63倍，2.82倍和4.77倍的壓縮比，優(yōu)于同類型已報(bào)道的各種算法。
2016, 38(11): 2715-2723.
doi: 10.11999/JEIT160052
摘要:
高光譜遙感影像由于其巨大的波段數(shù)直接導(dǎo)致信息的高冗余和數(shù)據(jù)處理的復(fù)雜，這不僅帶來龐大的計(jì)算量，而且會(huì)損害分類精度。因此，在對(duì)高光譜影像進(jìn)行處理、分析之前進(jìn)行降維變得非常必要。神經(jīng)網(wǎng)絡(luò)敏感性分析可以用于對(duì)模型的簡(jiǎn)化降維，該文將該方法運(yùn)用于高光譜遙感影像降維中，通過子空間劃分弱化波段之間的相關(guān)性，利用差分進(jìn)化算法(DE)優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，采用Ruck敏感性分析方法剔除掉對(duì)分類貢獻(xiàn)較小的波段，從而實(shí)現(xiàn)降維。最后，采用AVIRIS影像進(jìn)行實(shí)驗(yàn)，所提算法相比其他相近的降維與分類方法能獲得更高的分類精度，達(dá)到85.83%，比其他相近方法中最優(yōu)方法高出0.31%。
高光譜遙感影像由于其巨大的波段數(shù)直接導(dǎo)致信息的高冗余和數(shù)據(jù)處理的復(fù)雜，這不僅帶來龐大的計(jì)算量，而且會(huì)損害分類精度。因此，在對(duì)高光譜影像進(jìn)行處理、分析之前進(jìn)行降維變得非常必要。神經(jīng)網(wǎng)絡(luò)敏感性分析可以用于對(duì)模型的簡(jiǎn)化降維，該文將該方法運(yùn)用于高光譜遙感影像降維中，通過子空間劃分弱化波段之間的相關(guān)性，利用差分進(jìn)化算法(DE)優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，采用Ruck敏感性分析方法剔除掉對(duì)分類貢獻(xiàn)較小的波段，從而實(shí)現(xiàn)降維。最后，采用AVIRIS影像進(jìn)行實(shí)驗(yàn)，所提算法相比其他相近的降維與分類方法能獲得更高的分類精度，達(dá)到85.83%，比其他相近方法中最優(yōu)方法高出0.31%。
2016, 38(11): 2724-2730.
doi: 10.11999/JEIT160104
摘要:
目前的微波輻射測(cè)量成像系統(tǒng)在一次觀測(cè)中所采集的數(shù)據(jù)量大，基于奈奎斯特空間采樣及常規(guī)微波輻射圖像重構(gòu)方法難以實(shí)現(xiàn)高分辨率要求。該文針對(duì)微波輻射干涉測(cè)量在頻域中進(jìn)行，采用傅里葉最優(yōu)隨機(jī)抽取的超稀疏干涉測(cè)量(低于奈奎斯特采樣)對(duì)微波輻射圖像進(jìn)行線性壓縮投影，降低數(shù)據(jù)采樣。考慮微波輻射圖像在總體差分域和小波中都具有可壓縮特性，提出總體差分和小波混合正交基的K-SVD字典學(xué)習(xí)微波輻射圖像重構(gòu)模型，利用Bregman和交替迭代算法求解該模型，重構(gòu)線性壓縮投影信息從而獲得微波輻射圖像。仿真實(shí)驗(yàn)表明，該文提出的算法在微波輻射圖像重構(gòu)效果、噪聲穩(wěn)定性上優(yōu)于DLMRI算法和GradDLRec算法。
目前的微波輻射測(cè)量成像系統(tǒng)在一次觀測(cè)中所采集的數(shù)據(jù)量大，基于奈奎斯特空間采樣及常規(guī)微波輻射圖像重構(gòu)方法難以實(shí)現(xiàn)高分辨率要求。該文針對(duì)微波輻射干涉測(cè)量在頻域中進(jìn)行，采用傅里葉最優(yōu)隨機(jī)抽取的超稀疏干涉測(cè)量(低于奈奎斯特采樣)對(duì)微波輻射圖像進(jìn)行線性壓縮投影，降低數(shù)據(jù)采樣。考慮微波輻射圖像在總體差分域和小波中都具有可壓縮特性，提出總體差分和小波混合正交基的K-SVD字典學(xué)習(xí)微波輻射圖像重構(gòu)模型，利用Bregman和交替迭代算法求解該模型，重構(gòu)線性壓縮投影信息從而獲得微波輻射圖像。仿真實(shí)驗(yàn)表明，該文提出的算法在微波輻射圖像重構(gòu)效果、噪聲穩(wěn)定性上優(yōu)于DLMRI算法和GradDLRec算法。
2016, 38(11): 2731-2738.
doi: 10.11999/JEIT160195
摘要:
海況偏差(Sea State Bias, SSB)是雷達(dá)高度計(jì)測(cè)量海面高度的重要誤差源。目前，業(yè)務(wù)化運(yùn)行的雷達(dá)高度計(jì)的海況偏差校正都是采用基于風(fēng)速(U)和有效波高(SWH)的2維經(jīng)驗(yàn)?zāi)Ｐ头椒?，其海況偏差校正不確定度約為2 cm。該文提出一種基于交叉點(diǎn)數(shù)據(jù)和3維非參數(shù)模型的海況偏差估計(jì)方法，該方法利用星下交叉點(diǎn)數(shù)據(jù)，采用基于U, SWH以及平均波周期(MWP)的3維非參數(shù)模型進(jìn)行海況偏差估計(jì)。該文利用這種估計(jì)方法對(duì)Jason-2衛(wèi)星雷達(dá)高度計(jì)2009~2011年3年的數(shù)據(jù)進(jìn)行了處理，將處理結(jié)果與Jason-2衛(wèi)星高度計(jì)的地球物理數(shù)據(jù)集(Geophysical Data Records, GDR)中的海況偏差校正項(xiàng)進(jìn)行對(duì)比，結(jié)果表明該文提出的海況偏差估計(jì)方法平均能降低1.64 cm2的交叉點(diǎn)海面高度不符值的方差和0.92 cm2的沿軌海面高度異常值的方差，分別對(duì)應(yīng)于1.28 cm和0.96 cm的均方根(RMS)海面高度，這對(duì)于提高高度計(jì)數(shù)據(jù)產(chǎn)品的精度具有重要意義。
海況偏差(Sea State Bias, SSB)是雷達(dá)高度計(jì)測(cè)量海面高度的重要誤差源。目前，業(yè)務(wù)化運(yùn)行的雷達(dá)高度計(jì)的海況偏差校正都是采用基于風(fēng)速(U)和有效波高(SWH)的2維經(jīng)驗(yàn)?zāi)Ｐ头椒?，其海況偏差校正不確定度約為2 cm。該文提出一種基于交叉點(diǎn)數(shù)據(jù)和3維非參數(shù)模型的海況偏差估計(jì)方法，該方法利用星下交叉點(diǎn)數(shù)據(jù)，采用基于U, SWH以及平均波周期(MWP)的3維非參數(shù)模型進(jìn)行海況偏差估計(jì)。該文利用這種估計(jì)方法對(duì)Jason-2衛(wèi)星雷達(dá)高度計(jì)2009~2011年3年的數(shù)據(jù)進(jìn)行了處理，將處理結(jié)果與Jason-2衛(wèi)星高度計(jì)的地球物理數(shù)據(jù)集(Geophysical Data Records, GDR)中的海況偏差校正項(xiàng)進(jìn)行對(duì)比，結(jié)果表明該文提出的海況偏差估計(jì)方法平均能降低1.64 cm2的交叉點(diǎn)海面高度不符值的方差和0.92 cm2的沿軌海面高度異常值的方差，分別對(duì)應(yīng)于1.28 cm和0.96 cm的均方根(RMS)海面高度，這對(duì)于提高高度計(jì)數(shù)據(jù)產(chǎn)品的精度具有重要意義。
2016, 38(11): 2739-2744.
doi: 10.11999/JEIT160051
摘要:
在電子系統(tǒng)中，有時(shí)需要在同一平臺(tái)上實(shí)現(xiàn)同時(shí)進(jìn)行信號(hào)的接收和發(fā)射。這時(shí)，通常會(huì)采用一定的收發(fā)隔離措施和信號(hào)相消處理技術(shù)。相對(duì)于收發(fā)非同時(shí)而言，收發(fā)同時(shí)會(huì)對(duì)電磁頻譜控制區(qū)域產(chǎn)生較大的影響。該文以同時(shí)接收雷達(dá)信號(hào)又干擾該雷達(dá)的情況為例，研究了收發(fā)同時(shí)對(duì)電磁頻譜控制區(qū)域的影響，提出了綜合天線收發(fā)隔離與后續(xù)數(shù)字相消處理的總體隔離度概念，分析了影響總體隔離度的因素，建立了數(shù)學(xué)模型，推導(dǎo)了相關(guān)公式，仿真分析了總體隔離度對(duì)偵察作用區(qū)、干擾暴露區(qū)以及電磁頻譜控制區(qū)的影響。
在電子系統(tǒng)中，有時(shí)需要在同一平臺(tái)上實(shí)現(xiàn)同時(shí)進(jìn)行信號(hào)的接收和發(fā)射。這時(shí)，通常會(huì)采用一定的收發(fā)隔離措施和信號(hào)相消處理技術(shù)。相對(duì)于收發(fā)非同時(shí)而言，收發(fā)同時(shí)會(huì)對(duì)電磁頻譜控制區(qū)域產(chǎn)生較大的影響。該文以同時(shí)接收雷達(dá)信號(hào)又干擾該雷達(dá)的情況為例，研究了收發(fā)同時(shí)對(duì)電磁頻譜控制區(qū)域的影響，提出了綜合天線收發(fā)隔離與后續(xù)數(shù)字相消處理的總體隔離度概念，分析了影響總體隔離度的因素，建立了數(shù)學(xué)模型，推導(dǎo)了相關(guān)公式，仿真分析了總體隔離度對(duì)偵察作用區(qū)、干擾暴露區(qū)以及電磁頻譜控制區(qū)的影響。
2016, 38(11): 2745-2752.
doi: 10.11999/JEIT160050
摘要:
該文針對(duì)無源定位中參考信號(hào)真實(shí)值未知的時(shí)差-頻差聯(lián)合估計(jì)問題，構(gòu)建了一種新的時(shí)差-頻差最大似然估計(jì)模型，并采用馬爾科夫鏈蒙特卡洛(MCMC)方法求解似然函數(shù)的全局極大值，得到時(shí)差-頻差聯(lián)合估計(jì)。算法通過生成時(shí)差-頻差樣本，并統(tǒng)計(jì)樣本均值得到估計(jì)值，克服了傳統(tǒng)互模糊函數(shù)(CAF)算法只能得到時(shí)域和頻域采樣間隔整數(shù)倍估計(jì)值的問題，且不存在期望最大化(EM)等迭代算法的初值依賴和收斂問題。推導(dǎo)了時(shí)差-頻差聯(lián)合估計(jì)的克拉美羅界，并通過仿真實(shí)驗(yàn)表明，算法在不同信噪比條件下的估計(jì)精度優(yōu)于CAF算法和EM算法，且計(jì)算復(fù)雜度較低。
該文針對(duì)無源定位中參考信號(hào)真實(shí)值未知的時(shí)差-頻差聯(lián)合估計(jì)問題，構(gòu)建了一種新的時(shí)差-頻差最大似然估計(jì)模型，并采用馬爾科夫鏈蒙特卡洛(MCMC)方法求解似然函數(shù)的全局極大值，得到時(shí)差-頻差聯(lián)合估計(jì)。算法通過生成時(shí)差-頻差樣本，并統(tǒng)計(jì)樣本均值得到估計(jì)值，克服了傳統(tǒng)互模糊函數(shù)(CAF)算法只能得到時(shí)域和頻域采樣間隔整數(shù)倍估計(jì)值的問題，且不存在期望最大化(EM)等迭代算法的初值依賴和收斂問題。推導(dǎo)了時(shí)差-頻差聯(lián)合估計(jì)的克拉美羅界，并通過仿真實(shí)驗(yàn)表明，算法在不同信噪比條件下的估計(jì)精度優(yōu)于CAF算法和EM算法，且計(jì)算復(fù)雜度較低。
2016, 38(11): 2753-2759.
doi: 10.11999/JEIT160125
摘要:
傳統(tǒng)的2維大規(guī)模濾波器組的設(shè)計(jì)方法具有復(fù)雜度高的缺點(diǎn)。該文提出一種設(shè)計(jì)2維雙原型濾波器組的快速方法，該方法利用近似完全重構(gòu)的條件，并采用完全過采樣的離散傅里葉變換(DFT)調(diào)制濾波器組來設(shè)計(jì)。新算法將兩個(gè)原型濾波器的設(shè)計(jì)問題歸結(jié)為一個(gè)無約束優(yōu)化問題，其中目標(biāo)函數(shù)為濾波器組的總體失真(傳遞失真和混疊失真)與原型濾波器阻帶能量的加權(quán)和，利用目標(biāo)函數(shù)的梯度向量，通過雙迭代機(jī)制求解該優(yōu)化問題。單步迭代中，利用矩陣求逆的等效條件和塊Toeplitz矩陣求逆的快速算法，顯著地降低了計(jì)算復(fù)雜度。理論分析和數(shù)值實(shí)驗(yàn)表明，新算法可以得到整體性能更好的濾波器組，計(jì)算復(fù)雜度大幅度降低，故可以快速設(shè)計(jì)大規(guī)模的2維濾波器組。
傳統(tǒng)的2維大規(guī)模濾波器組的設(shè)計(jì)方法具有復(fù)雜度高的缺點(diǎn)。該文提出一種設(shè)計(jì)2維雙原型濾波器組的快速方法，該方法利用近似完全重構(gòu)的條件，并采用完全過采樣的離散傅里葉變換(DFT)調(diào)制濾波器組來設(shè)計(jì)。新算法將兩個(gè)原型濾波器的設(shè)計(jì)問題歸結(jié)為一個(gè)無約束優(yōu)化問題，其中目標(biāo)函數(shù)為濾波器組的總體失真(傳遞失真和混疊失真)與原型濾波器阻帶能量的加權(quán)和，利用目標(biāo)函數(shù)的梯度向量，通過雙迭代機(jī)制求解該優(yōu)化問題。單步迭代中，利用矩陣求逆的等效條件和塊Toeplitz矩陣求逆的快速算法，顯著地降低了計(jì)算復(fù)雜度。理論分析和數(shù)值實(shí)驗(yàn)表明，新算法可以得到整體性能更好的濾波器組，計(jì)算復(fù)雜度大幅度降低，故可以快速設(shè)計(jì)大規(guī)模的2維濾波器組。
2016, 38(11): 2760-2766.
doi: 10.11999/JEIT160042
摘要:
該文針對(duì)低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信號(hào)的組合碼序列(將偽碼序列和副載波序列看成一個(gè)整體序列)及信息序列盲估計(jì)問題，提出一種改進(jìn)的基于奇異值分解的方法。該方法首先利用雙信息符號(hào)周期、間隔一信息符號(hào)周期的時(shí)間窗對(duì)接受信號(hào)進(jìn)行分段，并構(gòu)成觀測(cè)矩陣。然后對(duì)觀測(cè)矩陣進(jìn)行奇異值分解，通過左奇異向量實(shí)現(xiàn)組合碼序列的盲估計(jì)。同時(shí)，通過右奇異向量實(shí)現(xiàn)信息序列的盲估計(jì)。仿真分析表明，該方法能夠在較低的信噪比下達(dá)到精確估計(jì)的目的。這對(duì)于從事衛(wèi)星導(dǎo)航接收機(jī)設(shè)計(jì)具有一定的參考價(jià)值。
該文針對(duì)低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信號(hào)的組合碼序列(將偽碼序列和副載波序列看成一個(gè)整體序列)及信息序列盲估計(jì)問題，提出一種改進(jìn)的基于奇異值分解的方法。該方法首先利用雙信息符號(hào)周期、間隔一信息符號(hào)周期的時(shí)間窗對(duì)接受信號(hào)進(jìn)行分段，并構(gòu)成觀測(cè)矩陣。然后對(duì)觀測(cè)矩陣進(jìn)行奇異值分解，通過左奇異向量實(shí)現(xiàn)組合碼序列的盲估計(jì)。同時(shí)，通過右奇異向量實(shí)現(xiàn)信息序列的盲估計(jì)。仿真分析表明，該方法能夠在較低的信噪比下達(dá)到精確估計(jì)的目的。這對(duì)于從事衛(wèi)星導(dǎo)航接收機(jī)設(shè)計(jì)具有一定的參考價(jià)值。
2016, 38(11): 2767-2773.
doi: 10.11999/JEIT160093
摘要:
該文針對(duì)分布式陣列相干信號(hào)單次快拍波達(dá)方向估計(jì)問題，提出一種基于狀態(tài)空間平衡法的1維波達(dá)角估計(jì)算法。該算法首先直接利用單快拍數(shù)據(jù)以分布式陣列每個(gè)子陣單元進(jìn)行Hankle矩陣構(gòu)造，然后采用狀態(tài)空間平衡法，分別獲得低精度無模糊的子陣單元內(nèi)DOA估計(jì)和高精度有模糊的子陣單元間DOA估計(jì)，最后結(jié)合配對(duì)和解模糊算法獲得高精度無模糊DOA估計(jì)。該算法不受信號(hào)形式限制，可同時(shí)對(duì)相干信號(hào)和非相干信號(hào)進(jìn)行處理，能充分利用分布式陣列擴(kuò)展陣列物理孔徑特性，獲得較高的DOA估計(jì)精度。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了所提算法的有效性。
該文針對(duì)分布式陣列相干信號(hào)單次快拍波達(dá)方向估計(jì)問題，提出一種基于狀態(tài)空間平衡法的1維波達(dá)角估計(jì)算法。該算法首先直接利用單快拍數(shù)據(jù)以分布式陣列每個(gè)子陣單元進(jìn)行Hankle矩陣構(gòu)造，然后采用狀態(tài)空間平衡法，分別獲得低精度無模糊的子陣單元內(nèi)DOA估計(jì)和高精度有模糊的子陣單元間DOA估計(jì)，最后結(jié)合配對(duì)和解模糊算法獲得高精度無模糊DOA估計(jì)。該算法不受信號(hào)形式限制，可同時(shí)對(duì)相干信號(hào)和非相干信號(hào)進(jìn)行處理，能充分利用分布式陣列擴(kuò)展陣列物理孔徑特性，獲得較高的DOA估計(jì)精度。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了所提算法的有效性。
2016, 38(11): 2774-2779.
doi: 10.11999/JEIT160133
摘要:
在偽最近鄰(PNN)分類算法中，待分類樣本點(diǎn)與每一類樣本集中各個(gè)近鄰的距離加權(quán)系數(shù)都是主觀確定的，這就使得算法得不到最優(yōu)距離加權(quán)值。針對(duì)這一問題，該文提出一種基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)偽最近鄰分類算法。首先通過計(jì)算待分類樣本點(diǎn)與每一類樣本集中各個(gè)近鄰的距離值，并將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入。然后根據(jù)BP神經(jīng)網(wǎng)絡(luò)輸入與輸出之間的映射來自適應(yīng)確定相應(yīng)的距離加權(quán)值。最后由BP神經(jīng)網(wǎng)絡(luò)的輸出值判別樣本類別號(hào)。實(shí)驗(yàn)結(jié)果表明，該算法能夠自適應(yīng)地調(diào)節(jié)距離加權(quán)系數(shù)，同時(shí)還能有效地改善分類準(zhǔn)確率。
在偽最近鄰(PNN)分類算法中，待分類樣本點(diǎn)與每一類樣本集中各個(gè)近鄰的距離加權(quán)系數(shù)都是主觀確定的，這就使得算法得不到最優(yōu)距離加權(quán)值。針對(duì)這一問題，該文提出一種基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)偽最近鄰分類算法。首先通過計(jì)算待分類樣本點(diǎn)與每一類樣本集中各個(gè)近鄰的距離值，并將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入。然后根據(jù)BP神經(jīng)網(wǎng)絡(luò)輸入與輸出之間的映射來自適應(yīng)確定相應(yīng)的距離加權(quán)值。最后由BP神經(jīng)網(wǎng)絡(luò)的輸出值判別樣本類別號(hào)。實(shí)驗(yàn)結(jié)果表明，該算法能夠自適應(yīng)地調(diào)節(jié)距離加權(quán)系數(shù)，同時(shí)還能有效地改善分類準(zhǔn)確率。
2016, 38(11): 2780-2786.
doi: 10.11999/JEIT160099
摘要:
常數(shù)模算法在無線通信系統(tǒng)的盲均衡中得到廣泛的使用，為了進(jìn)一步降低穩(wěn)態(tài)誤差通常選擇將其與判決引導(dǎo)最小均方誤差算法相結(jié)合，傳統(tǒng)的雙模切換盲均衡算法通過人為設(shè)定門限值實(shí)現(xiàn)兩種算法的硬切換，其切換時(shí)機(jī)選擇的合理性無法保證，不能充分凸顯雙模切換的長(zhǎng)處。該文利用凸組合結(jié)構(gòu)借助遵循一定規(guī)則迭代變化的聯(lián)合參數(shù)將兩種算法進(jìn)行結(jié)合，實(shí)現(xiàn)兩種算法模式的切換，自適應(yīng)地選擇切換時(shí)機(jī)，并通過對(duì)算法的修正和混合參數(shù)歸一化的改進(jìn)使在克服恢復(fù)信號(hào)相位偏轉(zhuǎn)的同時(shí)加快了收斂速率、降低了穩(wěn)態(tài)誤差；另外，對(duì)穩(wěn)態(tài)性能進(jìn)行推導(dǎo)分析得到了理論的穩(wěn)態(tài)模型。仿真結(jié)果證明穩(wěn)態(tài)性能與模型推導(dǎo)結(jié)果保持一致，參數(shù)歸一化改進(jìn)所得效果較為明顯，與同類其它雙模切換算法相比具有更優(yōu)的性能。
常數(shù)模算法在無線通信系統(tǒng)的盲均衡中得到廣泛的使用，為了進(jìn)一步降低穩(wěn)態(tài)誤差通常選擇將其與判決引導(dǎo)最小均方誤差算法相結(jié)合，傳統(tǒng)的雙模切換盲均衡算法通過人為設(shè)定門限值實(shí)現(xiàn)兩種算法的硬切換，其切換時(shí)機(jī)選擇的合理性無法保證，不能充分凸顯雙模切換的長(zhǎng)處。該文利用凸組合結(jié)構(gòu)借助遵循一定規(guī)則迭代變化的聯(lián)合參數(shù)將兩種算法進(jìn)行結(jié)合，實(shí)現(xiàn)兩種算法模式的切換，自適應(yīng)地選擇切換時(shí)機(jī)，并通過對(duì)算法的修正和混合參數(shù)歸一化的改進(jìn)使在克服恢復(fù)信號(hào)相位偏轉(zhuǎn)的同時(shí)加快了收斂速率、降低了穩(wěn)態(tài)誤差；另外，對(duì)穩(wěn)態(tài)性能進(jìn)行推導(dǎo)分析得到了理論的穩(wěn)態(tài)模型。仿真結(jié)果證明穩(wěn)態(tài)性能與模型推導(dǎo)結(jié)果保持一致，參數(shù)歸一化改進(jìn)所得效果較為明顯，與同類其它雙模切換算法相比具有更優(yōu)的性能。
2016, 38(11): 2787-2794.
doi: 10.11999/JEIT160161
摘要:
該文提出一種基于超像素和游程直方圖的圖像對(duì)比度修改檢測(cè)取證算法。算法首先對(duì)圖像進(jìn)行超像素分割，并提取每個(gè)分割區(qū)域的游程直方圖特征值，然后將不同方向的特征值進(jìn)行融合，并進(jìn)行歸一化處理；再計(jì)算處理后的特征值數(shù)值突變量；最后將區(qū)域的數(shù)值突變量用支持向量機(jī)(SVM)進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，和現(xiàn)有的一些算法相比，該文提出的算法計(jì)算復(fù)雜度低，在多種不同的測(cè)試數(shù)據(jù)庫(kù)上都具有良好的識(shí)別性能。此外，在區(qū)域篡改檢測(cè)實(shí)驗(yàn)中，該算法不僅可以定位出篡改區(qū)域，還能準(zhǔn)確地描繪出篡改區(qū)域的輪廓形狀。
該文提出一種基于超像素和游程直方圖的圖像對(duì)比度修改檢測(cè)取證算法。算法首先對(duì)圖像進(jìn)行超像素分割，并提取每個(gè)分割區(qū)域的游程直方圖特征值，然后將不同方向的特征值進(jìn)行融合，并進(jìn)行歸一化處理；再計(jì)算處理后的特征值數(shù)值突變量；最后將區(qū)域的數(shù)值突變量用支持向量機(jī)(SVM)進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，和現(xiàn)有的一些算法相比，該文提出的算法計(jì)算復(fù)雜度低，在多種不同的測(cè)試數(shù)據(jù)庫(kù)上都具有良好的識(shí)別性能。此外，在區(qū)域篡改檢測(cè)實(shí)驗(yàn)中，該算法不僅可以定位出篡改區(qū)域，還能準(zhǔn)確地描繪出篡改區(qū)域的輪廓形狀。
2016, 38(11): 2795-2802.
doi: 10.11999/JEIT160013
摘要:
論文針對(duì)已有高階模糊時(shí)間序列模型在預(yù)測(cè)精度和預(yù)測(cè)范圍上的限制，結(jié)合直覺模糊集理論，提出一種啟發(fā)式變階直覺模糊時(shí)間序列預(yù)測(cè)模型。模型首先應(yīng)用直接模糊聚類算法對(duì)論域進(jìn)行非等分劃分；然后，針對(duì)直覺模糊時(shí)間序列的數(shù)據(jù)特性，改進(jìn)現(xiàn)有直覺模糊集隸屬度和非隸屬度函數(shù)的建立方法；最后，采用階數(shù)隨序列實(shí)時(shí)變化的高階預(yù)測(cè)規(guī)則進(jìn)行預(yù)測(cè)，并將歷史數(shù)據(jù)發(fā)展趨勢(shì)的啟發(fā)知識(shí)引入解模糊過程，使模型的預(yù)測(cè)范圍得到擴(kuò)展。在Alabama大學(xué)入學(xué)人數(shù)和北京市日均氣溫兩組數(shù)據(jù)集上分別與典型方法進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明該模型有效克服了傳統(tǒng)模型的缺點(diǎn)，擁有較高的預(yù)測(cè)精度，證明了模型的有效性和優(yōu)越性。
論文針對(duì)已有高階模糊時(shí)間序列模型在預(yù)測(cè)精度和預(yù)測(cè)范圍上的限制，結(jié)合直覺模糊集理論，提出一種啟發(fā)式變階直覺模糊時(shí)間序列預(yù)測(cè)模型。模型首先應(yīng)用直接模糊聚類算法對(duì)論域進(jìn)行非等分劃分；然后，針對(duì)直覺模糊時(shí)間序列的數(shù)據(jù)特性，改進(jìn)現(xiàn)有直覺模糊集隸屬度和非隸屬度函數(shù)的建立方法；最后，采用階數(shù)隨序列實(shí)時(shí)變化的高階預(yù)測(cè)規(guī)則進(jìn)行預(yù)測(cè)，并將歷史數(shù)據(jù)發(fā)展趨勢(shì)的啟發(fā)知識(shí)引入解模糊過程，使模型的預(yù)測(cè)范圍得到擴(kuò)展。在Alabama大學(xué)入學(xué)人數(shù)和北京市日均氣溫兩組數(shù)據(jù)集上分別與典型方法進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明該模型有效克服了傳統(tǒng)模型的缺點(diǎn)，擁有較高的預(yù)測(cè)精度，證明了模型的有效性和優(yōu)越性。
2016, 38(11): 2803-2810.
doi: 10.11999/JEIT160122
摘要:
在貝葉斯推理框架下，基于PCA子空間和L2范數(shù)最小化的目標(biāo)跟蹤算法能較好地處理視頻場(chǎng)景中多種復(fù)雜的外觀變化，但在目標(biāo)出現(xiàn)旋轉(zhuǎn)或姿態(tài)變化時(shí)易發(fā)生跟蹤漂移現(xiàn)象。針對(duì)這一問題，該文提出一種融合L2范數(shù)最小化和壓縮Haar-like特征匹配的快速視覺跟蹤方法。該方法通過去除規(guī)模龐大的方塊模板集和簡(jiǎn)化觀測(cè)似然度函數(shù)降低計(jì)算的復(fù)雜度；而壓縮Haar-like特征匹配技術(shù)則增強(qiáng)了算法對(duì)目標(biāo)姿態(tài)變化及旋轉(zhuǎn)的魯棒性。實(shí)驗(yàn)結(jié)果表明：與目前流行的跟蹤方法相比，該方法對(duì)嚴(yán)重遮擋、光照突變、快速運(yùn)動(dòng)、姿態(tài)變化和旋轉(zhuǎn)等干擾均具有較強(qiáng)的魯棒性，且在多個(gè)測(cè)試視頻上可以達(dá)到29幀/s的速度，能滿足快速視頻跟蹤要求。
在貝葉斯推理框架下，基于PCA子空間和L2范數(shù)最小化的目標(biāo)跟蹤算法能較好地處理視頻場(chǎng)景中多種復(fù)雜的外觀變化，但在目標(biāo)出現(xiàn)旋轉(zhuǎn)或姿態(tài)變化時(shí)易發(fā)生跟蹤漂移現(xiàn)象。針對(duì)這一問題，該文提出一種融合L2范數(shù)最小化和壓縮Haar-like特征匹配的快速視覺跟蹤方法。該方法通過去除規(guī)模龐大的方塊模板集和簡(jiǎn)化觀測(cè)似然度函數(shù)降低計(jì)算的復(fù)雜度；而壓縮Haar-like特征匹配技術(shù)則增強(qiáng)了算法對(duì)目標(biāo)姿態(tài)變化及旋轉(zhuǎn)的魯棒性。實(shí)驗(yàn)結(jié)果表明：與目前流行的跟蹤方法相比，該方法對(duì)嚴(yán)重遮擋、光照突變、快速運(yùn)動(dòng)、姿態(tài)變化和旋轉(zhuǎn)等干擾均具有較強(qiáng)的魯棒性，且在多個(gè)測(cè)試視頻上可以達(dá)到29幀/s的速度，能滿足快速視頻跟蹤要求。
2016, 38(11): 2811-2818.
doi: 10.11999/JEIT160009
摘要:
該文針對(duì)現(xiàn)有的基于低秩表示的子空間聚類算法使用核范數(shù)來代替秩函數(shù)，不能有效地估計(jì)矩陣的秩和對(duì)高斯噪聲敏感的缺陷，提出一種改進(jìn)的算法，旨在提高算法準(zhǔn)確率的同時(shí)，保持其在高斯噪聲下的穩(wěn)定性。在構(gòu)建目標(biāo)函數(shù)時(shí)，使用系數(shù)矩陣的核范數(shù)和Forbenius范數(shù)作為正則項(xiàng)，對(duì)系數(shù)矩陣的奇異值進(jìn)行強(qiáng)凸的正則化后，采用非精確的增廣拉格朗日乘子方法求解，最后對(duì)求得的系數(shù)矩陣進(jìn)行后處理得到親和矩陣，并采用經(jīng)典的譜聚類方法進(jìn)行聚類。在人工數(shù)據(jù)集、Extended Yale B數(shù)據(jù)庫(kù)和PIE數(shù)據(jù)庫(kù)上同流行的子空間聚類算法的實(shí)驗(yàn)對(duì)比證明了所提改進(jìn)算法的有效性和對(duì)高斯噪聲的魯棒性。
該文針對(duì)現(xiàn)有的基于低秩表示的子空間聚類算法使用核范數(shù)來代替秩函數(shù)，不能有效地估計(jì)矩陣的秩和對(duì)高斯噪聲敏感的缺陷，提出一種改進(jìn)的算法，旨在提高算法準(zhǔn)確率的同時(shí)，保持其在高斯噪聲下的穩(wěn)定性。在構(gòu)建目標(biāo)函數(shù)時(shí)，使用系數(shù)矩陣的核范數(shù)和Forbenius范數(shù)作為正則項(xiàng)，對(duì)系數(shù)矩陣的奇異值進(jìn)行強(qiáng)凸的正則化后，采用非精確的增廣拉格朗日乘子方法求解，最后對(duì)求得的系數(shù)矩陣進(jìn)行后處理得到親和矩陣，并采用經(jīng)典的譜聚類方法進(jìn)行聚類。在人工數(shù)據(jù)集、Extended Yale B數(shù)據(jù)庫(kù)和PIE數(shù)據(jù)庫(kù)上同流行的子空間聚類算法的實(shí)驗(yàn)對(duì)比證明了所提改進(jìn)算法的有效性和對(duì)高斯噪聲的魯棒性。
2016, 38(11): 2819-2825.
doi: 10.11999/JEIT160114
摘要:
作為概率假設(shè)密度濾波的典型實(shí)現(xiàn)方式，粒子概率假設(shè)密度濾波器無需線性高斯等先驗(yàn)假設(shè)，因而在多目標(biāo)跟蹤中得到了廣泛的應(yīng)用。為解決粒子退化問題并保持粒子規(guī)模，該濾波器引入了重采樣機(jī)制，然而，該重采樣機(jī)制易引起粒子多樣性耗盡，導(dǎo)致粒子貧化問題產(chǎn)生。為解決這一問題，該文提出一種新的基于隨機(jī)攝動(dòng)再采樣的粒子概率假設(shè)密度濾波器。首先，全面分析了粒子概率假設(shè)密度濾波因粒子貧化問題導(dǎo)致目標(biāo)失跟的過程。然后設(shè)計(jì)了一種隨機(jī)攝動(dòng)再采樣算法，該算法在重采樣導(dǎo)致粒子多樣性缺失時(shí)，根據(jù)源粒子的位置與復(fù)制次數(shù)隨機(jī)產(chǎn)生相應(yīng)數(shù)目的新粒子，并對(duì)源粒子進(jìn)行刪減，其可在保留源粒子信息的前提下保持粒子的多樣性。最后，該文將該算法納入概率假設(shè)密度濾波框架，提出了一種新的粒子概率假設(shè)密度濾波器。仿真結(jié)果表明該濾波器在不顯著增加運(yùn)行時(shí)間的前提下能夠克服粒子貧化問題，相比標(biāo)準(zhǔn)的粒子概率假設(shè)密度濾波器具有更好的跟蹤性能。
作為概率假設(shè)密度濾波的典型實(shí)現(xiàn)方式，粒子概率假設(shè)密度濾波器無需線性高斯等先驗(yàn)假設(shè)，因而在多目標(biāo)跟蹤中得到了廣泛的應(yīng)用。為解決粒子退化問題并保持粒子規(guī)模，該濾波器引入了重采樣機(jī)制，然而，該重采樣機(jī)制易引起粒子多樣性耗盡，導(dǎo)致粒子貧化問題產(chǎn)生。為解決這一問題，該文提出一種新的基于隨機(jī)攝動(dòng)再采樣的粒子概率假設(shè)密度濾波器。首先，全面分析了粒子概率假設(shè)密度濾波因粒子貧化問題導(dǎo)致目標(biāo)失跟的過程。然后設(shè)計(jì)了一種隨機(jī)攝動(dòng)再采樣算法，該算法在重采樣導(dǎo)致粒子多樣性缺失時(shí)，根據(jù)源粒子的位置與復(fù)制次數(shù)隨機(jī)產(chǎn)生相應(yīng)數(shù)目的新粒子，并對(duì)源粒子進(jìn)行刪減，其可在保留源粒子信息的前提下保持粒子的多樣性。最后，該文將該算法納入概率假設(shè)密度濾波框架，提出了一種新的粒子概率假設(shè)密度濾波器。仿真結(jié)果表明該濾波器在不顯著增加運(yùn)行時(shí)間的前提下能夠克服粒子貧化問題，相比標(biāo)準(zhǔn)的粒子概率假設(shè)密度濾波器具有更好的跟蹤性能。
2016, 38(11): 2826-2831.
doi: 10.11999/JEIT160150
摘要:
基于帶寬估算的碼率選擇算法具有帶寬利用率高的優(yōu)點(diǎn)，但是同時(shí)也存在容易受網(wǎng)絡(luò)波動(dòng)影響造成計(jì)算出的目標(biāo)碼率出現(xiàn)瞬時(shí)峰值而造成帶寬浪費(fèi)的問題。針對(duì)于此，該文提出一種基于人眼對(duì)比敏感度特征的碼率選擇算法，在客戶端利用人眼對(duì)比敏感度模型計(jì)算當(dāng)前觀看條件下人眼截止空間頻率，選擇服務(wù)器中和截止空間頻率差的絕對(duì)值最小視頻分片對(duì)應(yīng)的碼率作為目標(biāo)碼率。和基于帶寬估算選擇目標(biāo)碼率的方法進(jìn)行對(duì)比實(shí)驗(yàn)，測(cè)試二者在不同視角內(nèi)計(jì)算的目標(biāo)碼率，得到兩者的碼率計(jì)算結(jié)果階梯圖。實(shí)驗(yàn)結(jié)果表明，在視角為5到15情況下，所提方法較帶寬估計(jì)方法在確保視頻效果前提下能夠有效節(jié)約帶寬。
基于帶寬估算的碼率選擇算法具有帶寬利用率高的優(yōu)點(diǎn)，但是同時(shí)也存在容易受網(wǎng)絡(luò)波動(dòng)影響造成計(jì)算出的目標(biāo)碼率出現(xiàn)瞬時(shí)峰值而造成帶寬浪費(fèi)的問題。針對(duì)于此，該文提出一種基于人眼對(duì)比敏感度特征的碼率選擇算法，在客戶端利用人眼對(duì)比敏感度模型計(jì)算當(dāng)前觀看條件下人眼截止空間頻率，選擇服務(wù)器中和截止空間頻率差的絕對(duì)值最小視頻分片對(duì)應(yīng)的碼率作為目標(biāo)碼率。和基于帶寬估算選擇目標(biāo)碼率的方法進(jìn)行對(duì)比實(shí)驗(yàn)，測(cè)試二者在不同視角內(nèi)計(jì)算的目標(biāo)碼率，得到兩者的碼率計(jì)算結(jié)果階梯圖。實(shí)驗(yàn)結(jié)果表明，在視角為5到15情況下，所提方法較帶寬估計(jì)方法在確保視頻效果前提下能夠有效節(jié)約帶寬。
2016, 38(11): 2832-2839.
doi: 10.11999/JEIT160169
摘要:
針對(duì)現(xiàn)有一些彩色圖像自適應(yīng)水印算法在自適應(yīng)過程中未充分考慮色彩信息或者在嵌入過程中未考慮彩色載體圖像分量的整體性等不足，該文提出一種基于分?jǐn)?shù)階四元數(shù)傅里葉變換(FrQFT)的彩色圖像自適應(yīng)數(shù)字水印算法。首先利用人類視覺系統(tǒng)(HVS)提取彩色載體圖像塊的紋理、邊緣和色調(diào)掩蔽特性，并依據(jù)這些特性對(duì)適合嵌入圖像塊自適應(yīng)分配嵌入強(qiáng)度，然后在FrQFT域以自適應(yīng)強(qiáng)度采用量化索引調(diào)制算法和冗余嵌入策略嵌入水印。實(shí)驗(yàn)結(jié)果表明，該算法優(yōu)于現(xiàn)有的基于四元數(shù)傅里葉變換(QFT)的算法以及基于分?jǐn)?shù)階傅里葉變換(FrFT)的算法，具有較好的不可見性和魯棒性。
針對(duì)現(xiàn)有一些彩色圖像自適應(yīng)水印算法在自適應(yīng)過程中未充分考慮色彩信息或者在嵌入過程中未考慮彩色載體圖像分量的整體性等不足，該文提出一種基于分?jǐn)?shù)階四元數(shù)傅里葉變換(FrQFT)的彩色圖像自適應(yīng)數(shù)字水印算法。首先利用人類視覺系統(tǒng)(HVS)提取彩色載體圖像塊的紋理、邊緣和色調(diào)掩蔽特性，并依據(jù)這些特性對(duì)適合嵌入圖像塊自適應(yīng)分配嵌入強(qiáng)度，然后在FrQFT域以自適應(yīng)強(qiáng)度采用量化索引調(diào)制算法和冗余嵌入策略嵌入水印。實(shí)驗(yàn)結(jié)果表明，該算法優(yōu)于現(xiàn)有的基于四元數(shù)傅里葉變換(QFT)的算法以及基于分?jǐn)?shù)階傅里葉變換(FrFT)的算法，具有較好的不可見性和魯棒性。
2016, 38(11): 2840-2847.
doi: 10.11999/JEIT160209
摘要:
腦電數(shù)據(jù)經(jīng)常被各種電生理信號(hào)偽跡所污染。在常見偽跡中，肌電偽跡特別難以去除。文獻(xiàn)中最常用的方法包括諸如獨(dú)立分量分析(Independent Component Analysis, ICA)和典型相關(guān)分析(Canonical Correlation Analysis, CCA)等盲源分離技術(shù)。該文首次提出一種基于獨(dú)立向量分析(Independent Vector Analysis, IVA)的新方法，用以去除腦電中的肌電偽跡。IVA同時(shí)使用高階統(tǒng)計(jì)量和二階統(tǒng)計(jì)量，因此該方法能夠充分利用肌電偽跡的非高斯性和弱相關(guān)性，兼具ICA方法和CCA方法的優(yōu)勢(shì)。實(shí)驗(yàn)表明，使用IVA方法可以在保留腦電成份的同時(shí)極大抑制肌電偽跡，效果顯著優(yōu)于ICA法和CCA法。
腦電數(shù)據(jù)經(jīng)常被各種電生理信號(hào)偽跡所污染。在常見偽跡中，肌電偽跡特別難以去除。文獻(xiàn)中最常用的方法包括諸如獨(dú)立分量分析(Independent Component Analysis, ICA)和典型相關(guān)分析(Canonical Correlation Analysis, CCA)等盲源分離技術(shù)。該文首次提出一種基于獨(dú)立向量分析(Independent Vector Analysis, IVA)的新方法，用以去除腦電中的肌電偽跡。IVA同時(shí)使用高階統(tǒng)計(jì)量和二階統(tǒng)計(jì)量，因此該方法能夠充分利用肌電偽跡的非高斯性和弱相關(guān)性，兼具ICA方法和CCA方法的優(yōu)勢(shì)。實(shí)驗(yàn)表明，使用IVA方法可以在保留腦電成份的同時(shí)極大抑制肌電偽跡，效果顯著優(yōu)于ICA法和CCA法。
2016, 38(11): 2848-2855.
doi: 10.11999/JEIT160082
摘要:
腦電圖(EEG)信號(hào)檢測(cè)和識(shí)別是癲癇病的重要診斷手段。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)具有出色的逼近能力和泛化性能，能直接識(shí)別出不同狀態(tài)的腦電信號(hào)，但其透明性和可解釋性差，忽視了不同類別數(shù)據(jù)間可分性的不同。對(duì)此，該文提出一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和最小最大概率決策技術(shù)的分類樹，采用一對(duì)一策略和排除法，更多考慮了類間可分性的不同。針對(duì)腦電信號(hào)識(shí)別的實(shí)驗(yàn)表明，所提方法結(jié)構(gòu)清晰，分類能力強(qiáng)，可解釋性更好。
腦電圖(EEG)信號(hào)檢測(cè)和識(shí)別是癲癇病的重要診斷手段。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)具有出色的逼近能力和泛化性能，能直接識(shí)別出不同狀態(tài)的腦電信號(hào)，但其透明性和可解釋性差，忽視了不同類別數(shù)據(jù)間可分性的不同。對(duì)此，該文提出一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和最小最大概率決策技術(shù)的分類樹，采用一對(duì)一策略和排除法，更多考慮了類間可分性的不同。針對(duì)腦電信號(hào)識(shí)別的實(shí)驗(yàn)表明，所提方法結(jié)構(gòu)清晰，分類能力強(qiáng)，可解釋性更好。
2016, 38(11): 2856-2863.
doi: 10.11999/JEIT160181
摘要:
紋理因素是描述圖像的重要特征之一，為了準(zhǔn)確地刻畫紋理特征，增強(qiáng)圖像的區(qū)分能力，該文提出一種基于雙樹復(fù)數(shù)小波域統(tǒng)計(jì)特征的紋理圖像檢索方法。首先對(duì)圖像采用雙樹復(fù)數(shù)小波變換得到各子帶系數(shù)，由于系數(shù)存在細(xì)微不完全對(duì)稱分布特性，將其建模為雙廣義高斯模型。其次，因?yàn)楦髯訋禂?shù)之間不完全獨(dú)立也不完全沖突，存在不確定關(guān)系，所以采用模糊集合和證據(jù)理論(FS-DS)的方法，融合各子帶系數(shù)特征。最后，對(duì)Brodatz和彩色紋理圖像庫(kù)進(jìn)行仿真實(shí)驗(yàn)，并與多種統(tǒng)計(jì)建模的方法相比較。結(jié)果表明，該方法有效地提高了紋理圖像的平均檢索率。
紋理因素是描述圖像的重要特征之一，為了準(zhǔn)確地刻畫紋理特征，增強(qiáng)圖像的區(qū)分能力，該文提出一種基于雙樹復(fù)數(shù)小波域統(tǒng)計(jì)特征的紋理圖像檢索方法。首先對(duì)圖像采用雙樹復(fù)數(shù)小波變換得到各子帶系數(shù)，由于系數(shù)存在細(xì)微不完全對(duì)稱分布特性，將其建模為雙廣義高斯模型。其次，因?yàn)楦髯訋禂?shù)之間不完全獨(dú)立也不完全沖突，存在不確定關(guān)系，所以采用模糊集合和證據(jù)理論(FS-DS)的方法，融合各子帶系數(shù)特征。最后，對(duì)Brodatz和彩色紋理圖像庫(kù)進(jìn)行仿真實(shí)驗(yàn)，并與多種統(tǒng)計(jì)建模的方法相比較。結(jié)果表明，該方法有效地提高了紋理圖像的平均檢索率。
2016, 38(11): 2864-2870.
doi: 10.11999/JEIT160080
摘要:
為了解決可變形部件模型檢測(cè)過程中的速度瓶頸問題，該文針對(duì)模型的檢測(cè)流程，提出一種結(jié)合快速特征金字塔計(jì)算的級(jí)聯(lián)可變形部件模型。由于模型的檢測(cè)速度主要取決于特征計(jì)算以及對(duì)象定位這兩個(gè)過程，提出一種兩階段的加速算法：首先采用尺度上稀疏采樣的特征金字塔來近似表示精細(xì)采樣的多尺度圖像特征，以加快特征計(jì)算過程；然后在定位過程中結(jié)合級(jí)聯(lián)算法，以一個(gè)序列模型順序地評(píng)估各個(gè)部件，從而快速剪除大部分可能性較小的對(duì)象假設(shè)，以加快對(duì)象定位過程。在PASCAL VOC 2007和INRIA數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該算法可以明顯加快檢測(cè)速度，而檢測(cè)精度僅略有下降。
為了解決可變形部件模型檢測(cè)過程中的速度瓶頸問題，該文針對(duì)模型的檢測(cè)流程，提出一種結(jié)合快速特征金字塔計(jì)算的級(jí)聯(lián)可變形部件模型。由于模型的檢測(cè)速度主要取決于特征計(jì)算以及對(duì)象定位這兩個(gè)過程，提出一種兩階段的加速算法：首先采用尺度上稀疏采樣的特征金字塔來近似表示精細(xì)采樣的多尺度圖像特征，以加快特征計(jì)算過程；然后在定位過程中結(jié)合級(jí)聯(lián)算法，以一個(gè)序列模型順序地評(píng)估各個(gè)部件，從而快速剪除大部分可能性較小的對(duì)象假設(shè)，以加快對(duì)象定位過程。在PASCAL VOC 2007和INRIA數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該算法可以明顯加快檢測(cè)速度，而檢測(cè)精度僅略有下降。
2016, 38(11): 2871-2878.
doi: 10.11999/JEIT160165
摘要:
許多全身性疾病會(huì)引起視網(wǎng)膜血管管徑及動(dòng)靜脈血管比例(Arteriolar-to-Venular diameter Ratios, AVR)的變化，因此對(duì)視網(wǎng)膜血管管徑進(jìn)行準(zhǔn)確的量化分析對(duì)病情診斷具有重要的意義。該文提出一種視網(wǎng)膜動(dòng)靜脈血管管徑及AVR的自動(dòng)測(cè)量方法。首先，在分割血管網(wǎng)絡(luò)的基礎(chǔ)上，依據(jù)Hesse矩陣檢測(cè)線狀結(jié)構(gòu)的優(yōu)勢(shì)，結(jié)合多尺度分析準(zhǔn)確定位血管方向并計(jì)算血管管徑；然后利用廣義回歸神經(jīng)網(wǎng)絡(luò)(General Regression Neural Network, GRNN)分類器對(duì)動(dòng)靜脈血管骨架線上的點(diǎn)進(jìn)行準(zhǔn)確分類；最后計(jì)算感興趣區(qū)域(Region Of Interest, ROI)內(nèi)的AVR。對(duì)REVIEW和DRIVE數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了該文方法的有效性。
許多全身性疾病會(huì)引起視網(wǎng)膜血管管徑及動(dòng)靜脈血管比例(Arteriolar-to-Venular diameter Ratios, AVR)的變化，因此對(duì)視網(wǎng)膜血管管徑進(jìn)行準(zhǔn)確的量化分析對(duì)病情診斷具有重要的意義。該文提出一種視網(wǎng)膜動(dòng)靜脈血管管徑及AVR的自動(dòng)測(cè)量方法。首先，在分割血管網(wǎng)絡(luò)的基礎(chǔ)上，依據(jù)Hesse矩陣檢測(cè)線狀結(jié)構(gòu)的優(yōu)勢(shì)，結(jié)合多尺度分析準(zhǔn)確定位血管方向并計(jì)算血管管徑；然后利用廣義回歸神經(jīng)網(wǎng)絡(luò)(General Regression Neural Network, GRNN)分類器對(duì)動(dòng)靜脈血管骨架線上的點(diǎn)進(jìn)行準(zhǔn)確分類；最后計(jì)算感興趣區(qū)域(Region Of Interest, ROI)內(nèi)的AVR。對(duì)REVIEW和DRIVE數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了該文方法的有效性。
2016, 38(11): 2879-2886.
doi: 10.11999/JEIT160157
摘要:
為了進(jìn)一步提高低信噪比下語(yǔ)音激活檢測(cè)(VAD)的準(zhǔn)確率，該文提出一種基于子帶雙特征的自適應(yīng)保留似然比魯棒語(yǔ)音激活檢測(cè)算法。算法采用子帶歸一化最大自相關(guān)函數(shù)與子帶歸一化平均過零率雙重特征設(shè)置頻率分量似然比的保留權(quán)值，同時(shí)利用已過去固定時(shí)長(zhǎng)的VAD判決結(jié)果及對(duì)應(yīng)的子帶特征參數(shù)自適應(yīng)地估計(jì)似然比的保留閾值。實(shí)驗(yàn)結(jié)果表明，此算法的VAD檢測(cè)準(zhǔn)確率相比原保留似然比算法在10 dB, 0 dB和-10 dB平穩(wěn)白噪聲下分別提高了1.2%, 7.2%和8.1%，在10 dB和0 dB非平穩(wěn)Babble噪聲下分別提高了1.6%和3.4%。當(dāng)其被用于2.4 kbps低速率聲碼器系統(tǒng)時(shí)，合成語(yǔ)音的感知語(yǔ)音質(zhì)量評(píng)價(jià)(PESQ)比原聲碼器系統(tǒng)在白噪聲下提高了0.098~0.153，在Babble噪聲下提高了0.157~0.186。
為了進(jìn)一步提高低信噪比下語(yǔ)音激活檢測(cè)(VAD)的準(zhǔn)確率，該文提出一種基于子帶雙特征的自適應(yīng)保留似然比魯棒語(yǔ)音激活檢測(cè)算法。算法采用子帶歸一化最大自相關(guān)函數(shù)與子帶歸一化平均過零率雙重特征設(shè)置頻率分量似然比的保留權(quán)值，同時(shí)利用已過去固定時(shí)長(zhǎng)的VAD判決結(jié)果及對(duì)應(yīng)的子帶特征參數(shù)自適應(yīng)地估計(jì)似然比的保留閾值。實(shí)驗(yàn)結(jié)果表明，此算法的VAD檢測(cè)準(zhǔn)確率相比原保留似然比算法在10 dB, 0 dB和-10 dB平穩(wěn)白噪聲下分別提高了1.2%, 7.2%和8.1%，在10 dB和0 dB非平穩(wěn)Babble噪聲下分別提高了1.6%和3.4%。當(dāng)其被用于2.4 kbps低速率聲碼器系統(tǒng)時(shí)，合成語(yǔ)音的感知語(yǔ)音質(zhì)量評(píng)價(jià)(PESQ)比原聲碼器系統(tǒng)在白噪聲下提高了0.098~0.153，在Babble噪聲下提高了0.157~0.186。
2016, 38(11): 2887-2892.
doi: 10.11999/JEIT160054
摘要:
該文研究在采用波束賦形和人工噪聲的物理層安全方案中利用人工噪聲提高合法接收端性能。發(fā)送端根據(jù)發(fā)送符號(hào)和信道系數(shù)，判斷人工噪聲是否對(duì)合法接收端的信號(hào)檢測(cè)有益，并針對(duì)有益噪聲和無益噪聲分別設(shè)計(jì)不同的噪聲波束賦形矢量。通過利用有益噪聲，在不改變竊聽端接收信噪比的條件下，合法接收端的信噪比有較明顯的提高。對(duì)誤比特率和保密容量進(jìn)行理論分析和仿真，結(jié)果顯示，與傳統(tǒng)的人工噪聲方案相比，所提方案可提高合法接收端的性能，改善保密容量。
該文研究在采用波束賦形和人工噪聲的物理層安全方案中利用人工噪聲提高合法接收端性能。發(fā)送端根據(jù)發(fā)送符號(hào)和信道系數(shù)，判斷人工噪聲是否對(duì)合法接收端的信號(hào)檢測(cè)有益，并針對(duì)有益噪聲和無益噪聲分別設(shè)計(jì)不同的噪聲波束賦形矢量。通過利用有益噪聲，在不改變竊聽端接收信噪比的條件下，合法接收端的信噪比有較明顯的提高。對(duì)誤比特率和保密容量進(jìn)行理論分析和仿真，結(jié)果顯示，與傳統(tǒng)的人工噪聲方案相比，所提方案可提高合法接收端的性能，改善保密容量。
2016, 38(11): 2893-2899.
doi: 10.11999/JEIT151444
摘要:
為解決MIMO系統(tǒng)盲檢測(cè)問題，該文以最大似然序列檢測(cè)為估計(jì)準(zhǔn)則，通過推導(dǎo)建立了一種新的半正定松弛(SemiDefinite Relaxation, SDR)求解模型，使得到的松弛解的秩等于發(fā)送天線數(shù)。為了解決了松弛解秩大于1時(shí)估計(jì)原始發(fā)送序列的難題，該文提出一種特征向量近似法和隨機(jī)法相結(jié)合的方法。通過限定目標(biāo)函數(shù)的取值上限，使算法能夠根據(jù)目標(biāo)函數(shù)值自適應(yīng)判斷求解發(fā)送序列個(gè)數(shù)，從而減少每次求解的約束個(gè)數(shù)和SDR的求解次數(shù)，分析表明算法的計(jì)算復(fù)雜度與發(fā)送天線數(shù)成線性關(guān)系。最后，通過仿真表明所提算法能夠在與秩1的算法性能保持相當(dāng)?shù)臈l件下減少計(jì)算時(shí)間，并驗(yàn)證了算法計(jì)算復(fù)雜度與發(fā)送天線數(shù)成線性關(guān)系。
為解決MIMO系統(tǒng)盲檢測(cè)問題，該文以最大似然序列檢測(cè)為估計(jì)準(zhǔn)則，通過推導(dǎo)建立了一種新的半正定松弛(SemiDefinite Relaxation, SDR)求解模型，使得到的松弛解的秩等于發(fā)送天線數(shù)。為了解決了松弛解秩大于1時(shí)估計(jì)原始發(fā)送序列的難題，該文提出一種特征向量近似法和隨機(jī)法相結(jié)合的方法。通過限定目標(biāo)函數(shù)的取值上限，使算法能夠根據(jù)目標(biāo)函數(shù)值自適應(yīng)判斷求解發(fā)送序列個(gè)數(shù)，從而減少每次求解的約束個(gè)數(shù)和SDR的求解次數(shù)，分析表明算法的計(jì)算復(fù)雜度與發(fā)送天線數(shù)成線性關(guān)系。最后，通過仿真表明所提算法能夠在與秩1的算法性能保持相當(dāng)?shù)臈l件下減少計(jì)算時(shí)間，并驗(yàn)證了算法計(jì)算復(fù)雜度與發(fā)送天線數(shù)成線性關(guān)系。
2016, 38(11): 2900-2907.
doi: 10.11999/JEIT160007
摘要:
現(xiàn)有物理層挑戰(zhàn)-響應(yīng)認(rèn)證機(jī)制使用無線信道信息掩藏密鑰生成認(rèn)證響應(yīng)，一旦攻擊方獲得合法信道信息，則可直接破解密鑰。針對(duì)上述問題，該文借鑒曲線匹配原理，提出一種基于哈希方法的物理層認(rèn)證機(jī)制。首先，認(rèn)證雙方提取無線信道特征，并和認(rèn)證密鑰組合得到初始認(rèn)證向量，該向量被等效為一條曲線；隨后，采用具有容錯(cuò)性的單向哈希函數(shù)將該曲線映射為低維的哈希矢量，用作認(rèn)證響應(yīng)；最后，認(rèn)證方根據(jù)需求設(shè)置認(rèn)證門限，并根據(jù)響應(yīng)的匹配結(jié)果進(jìn)行判決。性能分析表明，所采用的哈希方法實(shí)質(zhì)為欠定方程組，攻擊方無法根據(jù)低維哈希矢量還原曲線信息，從而無法破解密鑰；仿真結(jié)果表明，在攻擊方竊取了合法信道信息的條件下，在4 dB時(shí)，現(xiàn)有挑戰(zhàn)-響應(yīng)機(jī)制攻擊率約為0.5，該文所提機(jī)制可實(shí)現(xiàn)攻擊率小于10-5 。
現(xiàn)有物理層挑戰(zhàn)-響應(yīng)認(rèn)證機(jī)制使用無線信道信息掩藏密鑰生成認(rèn)證響應(yīng)，一旦攻擊方獲得合法信道信息，則可直接破解密鑰。針對(duì)上述問題，該文借鑒曲線匹配原理，提出一種基于哈希方法的物理層認(rèn)證機(jī)制。首先，認(rèn)證雙方提取無線信道特征，并和認(rèn)證密鑰組合得到初始認(rèn)證向量，該向量被等效為一條曲線；隨后，采用具有容錯(cuò)性的單向哈希函數(shù)將該曲線映射為低維的哈希矢量，用作認(rèn)證響應(yīng)；最后，認(rèn)證方根據(jù)需求設(shè)置認(rèn)證門限，并根據(jù)響應(yīng)的匹配結(jié)果進(jìn)行判決。性能分析表明，所采用的哈希方法實(shí)質(zhì)為欠定方程組，攻擊方無法根據(jù)低維哈希矢量還原曲線信息，從而無法破解密鑰；仿真結(jié)果表明，在攻擊方竊取了合法信道信息的條件下，在4 dB時(shí)，現(xiàn)有挑戰(zhàn)-響應(yīng)機(jī)制攻擊率約為0.5，該文所提機(jī)制可實(shí)現(xiàn)攻擊率小于10-5 。
2016, 38(11): 2908-2915.
doi: 10.11999/JEIT151477
摘要:
Shuffled-BP(SBP)譯碼算法是一種基于變量節(jié)點(diǎn)的串行消息傳遞譯碼算法，其收斂速度快于原有的置信度傳播譯碼算法，然而由于實(shí)際工程實(shí)現(xiàn)中的半并行化處理，其收斂速度和誤碼性能均有所降低。為了進(jìn)一步提高SBP算法的性能，該文提出一種交疊的Shuffled-BP(Overlapped Shuffled-BP, OSBP)譯碼算法。該算法采用若干個(gè)相同的子譯碼器以不同的更新順序同時(shí)進(jìn)行更新，對(duì)于每個(gè)變量節(jié)點(diǎn)，在每次迭代更新后選取最可靠的信息參與下一次迭代，以此提高迭代的收斂速度。理論分析和仿真實(shí)驗(yàn)均表明，在不增加額外存儲(chǔ)空間的條件下，OSBP算法相比于SBP算法有著更優(yōu)的誤碼性能以及更快的收斂速度。此外，提出的OSBP算法對(duì)于規(guī)則和不規(guī)則LDPC碼均有效。
Shuffled-BP(SBP)譯碼算法是一種基于變量節(jié)點(diǎn)的串行消息傳遞譯碼算法，其收斂速度快于原有的置信度傳播譯碼算法，然而由于實(shí)際工程實(shí)現(xiàn)中的半并行化處理，其收斂速度和誤碼性能均有所降低。為了進(jìn)一步提高SBP算法的性能，該文提出一種交疊的Shuffled-BP(Overlapped Shuffled-BP, OSBP)譯碼算法。該算法采用若干個(gè)相同的子譯碼器以不同的更新順序同時(shí)進(jìn)行更新，對(duì)于每個(gè)變量節(jié)點(diǎn)，在每次迭代更新后選取最可靠的信息參與下一次迭代，以此提高迭代的收斂速度。理論分析和仿真實(shí)驗(yàn)均表明，在不增加額外存儲(chǔ)空間的條件下，OSBP算法相比于SBP算法有著更優(yōu)的誤碼性能以及更快的收斂速度。此外，提出的OSBP算法對(duì)于規(guī)則和不規(guī)則LDPC碼均有效。
2016, 38(11): 2916-2921.
doi: 10.11999/JEIT160074
摘要:
該文針對(duì)擬陣搜索算法復(fù)雜度高以及局部擬陣搜索算法無法搜索到全部最優(yōu)碼的問題，通過研究擬陣搜索算法，提出可變擬陣搜索算法，并用于搜索準(zhǔn)循環(huán)碼。該算法通過減少重復(fù)搜索從而降低運(yùn)算復(fù)雜度；基于該算法構(gòu)造碼率為1/p的二進(jìn)制系統(tǒng)準(zhǔn)循環(huán)碼，隨著整數(shù)p的變化，生成矩陣減少或者增加一個(gè)循環(huán)矩陣，產(chǎn)生碼率均為1/p的最優(yōu)碼。通過實(shí)驗(yàn)得到兩個(gè)最小距離比現(xiàn)有最優(yōu)碼更大的準(zhǔn)循環(huán)碼，表明算法的可行性和優(yōu)越性。
該文針對(duì)擬陣搜索算法復(fù)雜度高以及局部擬陣搜索算法無法搜索到全部最優(yōu)碼的問題，通過研究擬陣搜索算法，提出可變擬陣搜索算法，并用于搜索準(zhǔn)循環(huán)碼。該算法通過減少重復(fù)搜索從而降低運(yùn)算復(fù)雜度；基于該算法構(gòu)造碼率為1/p的二進(jìn)制系統(tǒng)準(zhǔn)循環(huán)碼，隨著整數(shù)p的變化，生成矩陣減少或者增加一個(gè)循環(huán)矩陣，產(chǎn)生碼率均為1/p的最優(yōu)碼。通過實(shí)驗(yàn)得到兩個(gè)最小距離比現(xiàn)有最優(yōu)碼更大的準(zhǔn)循環(huán)碼，表明算法的可行性和優(yōu)越性。
2016, 38(11): 2922-2930.
doi: 10.11999/JEIT160045
摘要:
為了應(yīng)對(duì)移動(dòng)數(shù)據(jù)流量的爆炸性增長(zhǎng)，5G移動(dòng)通信網(wǎng)將引入新型的架構(gòu)設(shè)計(jì)。軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化是網(wǎng)絡(luò)轉(zhuǎn)型的關(guān)鍵技術(shù)，將驅(qū)動(dòng)移動(dòng)通信網(wǎng)絡(luò)架構(gòu)的創(chuàng)新，服務(wù)鏈虛擬網(wǎng)絡(luò)功能的部署是網(wǎng)絡(luò)虛擬化研究中亟待解決的問題。該文針對(duì)已有部署方法未考慮服務(wù)鏈中虛擬網(wǎng)絡(luò)功能間順序約束和移動(dòng)業(yè)務(wù)特點(diǎn)的問題，提出一種基于Viterbi算法的虛擬網(wǎng)絡(luò)功能自適應(yīng)部署方法。該方法實(shí)時(shí)感知底層節(jié)點(diǎn)的資源變化并動(dòng)態(tài)調(diào)整拓?fù)浣Y(jié)構(gòu)，采用隱馬爾科夫模型描述滿足資源約束的可用的底層網(wǎng)絡(luò)節(jié)點(diǎn)拓?fù)湫畔ⅲ赩iterbi算法在候選節(jié)點(diǎn)中選擇時(shí)延最短的服務(wù)路徑。實(shí)驗(yàn)表明，與其它的虛擬網(wǎng)絡(luò)功能部署方法相比，該方法降低了服務(wù)鏈的服務(wù)處理時(shí)間，并提高了服務(wù)鏈的請(qǐng)求接受率和底層資源的成本效率。
為了應(yīng)對(duì)移動(dòng)數(shù)據(jù)流量的爆炸性增長(zhǎng)，5G移動(dòng)通信網(wǎng)將引入新型的架構(gòu)設(shè)計(jì)。軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化是網(wǎng)絡(luò)轉(zhuǎn)型的關(guān)鍵技術(shù)，將驅(qū)動(dòng)移動(dòng)通信網(wǎng)絡(luò)架構(gòu)的創(chuàng)新，服務(wù)鏈虛擬網(wǎng)絡(luò)功能的部署是網(wǎng)絡(luò)虛擬化研究中亟待解決的問題。該文針對(duì)已有部署方法未考慮服務(wù)鏈中虛擬網(wǎng)絡(luò)功能間順序約束和移動(dòng)業(yè)務(wù)特點(diǎn)的問題，提出一種基于Viterbi算法的虛擬網(wǎng)絡(luò)功能自適應(yīng)部署方法。該方法實(shí)時(shí)感知底層節(jié)點(diǎn)的資源變化并動(dòng)態(tài)調(diào)整拓?fù)浣Y(jié)構(gòu)，采用隱馬爾科夫模型描述滿足資源約束的可用的底層網(wǎng)絡(luò)節(jié)點(diǎn)拓?fù)湫畔ⅲ赩iterbi算法在候選節(jié)點(diǎn)中選擇時(shí)延最短的服務(wù)路徑。實(shí)驗(yàn)表明，與其它的虛擬網(wǎng)絡(luò)功能部署方法相比，該方法降低了服務(wù)鏈的服務(wù)處理時(shí)間，并提高了服務(wù)鏈的請(qǐng)求接受率和底層資源的成本效率。
2016, 38(11): 2931-2939.
doi: 10.11999/JEIT160064
摘要:
云存儲(chǔ)中往往采用屬性加密方案來實(shí)現(xiàn)細(xì)粒度的訪問控制，為了進(jìn)一步保護(hù)訪問控制策略中的敏感信息，并解決授權(quán)中心單獨(dú)為用戶生成密鑰而產(chǎn)生的密鑰托管問題。該文對(duì)訪問控制策略中的屬性進(jìn)行重新映射，以實(shí)現(xiàn)其隱私性。另外在密鑰生成算法中設(shè)計(jì)一個(gè)雙方計(jì)算協(xié)議，由用戶產(chǎn)生密鑰的部分組件，與授權(quán)中心共同生成密鑰以解決密鑰托管問題。最后在標(biāo)準(zhǔn)模型下對(duì)方案進(jìn)行了安全證明，并進(jìn)行了性能分析與實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，與已有相關(guān)方案相比，雖然為了實(shí)現(xiàn)訪問控制策略隱藏并且解決密鑰托管問題增加了額外的計(jì)算負(fù)載， 但是由于該文將大部分解密工作授權(quán)給云存儲(chǔ)中心來執(zhí)行，因此數(shù)據(jù)訪問者的計(jì)算負(fù)載較小。
云存儲(chǔ)中往往采用屬性加密方案來實(shí)現(xiàn)細(xì)粒度的訪問控制，為了進(jìn)一步保護(hù)訪問控制策略中的敏感信息，并解決授權(quán)中心單獨(dú)為用戶生成密鑰而產(chǎn)生的密鑰托管問題。該文對(duì)訪問控制策略中的屬性進(jìn)行重新映射，以實(shí)現(xiàn)其隱私性。另外在密鑰生成算法中設(shè)計(jì)一個(gè)雙方計(jì)算協(xié)議，由用戶產(chǎn)生密鑰的部分組件，與授權(quán)中心共同生成密鑰以解決密鑰托管問題。最后在標(biāo)準(zhǔn)模型下對(duì)方案進(jìn)行了安全證明，并進(jìn)行了性能分析與實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，與已有相關(guān)方案相比，雖然為了實(shí)現(xiàn)訪問控制策略隱藏并且解決密鑰托管問題增加了額外的計(jì)算負(fù)載， 但是由于該文將大部分解密工作授權(quán)給云存儲(chǔ)中心來執(zhí)行，因此數(shù)據(jù)訪問者的計(jì)算負(fù)載較小。
2016, 38(11): 2940-2947.
doi: 10.11999/JEIT160105
摘要:
針對(duì)信息中心網(wǎng)絡(luò)提供面向業(yè)務(wù)類型的差異化服務(wù)的問題，該文提出一種元模塊承載的差異化服務(wù)模型(DSM3)。DSM3定義了基礎(chǔ)網(wǎng)絡(luò)控制功能單元元模塊，通過匹配不同的元模塊組合串實(shí)例來承載不同特征需求的業(yè)務(wù)類型；并將元模塊組合過程視為業(yè)務(wù)策略實(shí)例組合串業(yè)務(wù)承載路徑的二級(jí)映射問題，重點(diǎn)設(shè)計(jì)了針對(duì)實(shí)時(shí)業(yè)務(wù)、非實(shí)時(shí)流媒體業(yè)務(wù)和用戶自產(chǎn)生業(yè)務(wù)的路由計(jì)算類元模塊實(shí)例。仿真表明，DSM3通過少量額外控制開銷，降低了上述3種業(yè)務(wù)的平均響應(yīng)時(shí)延，提高了網(wǎng)絡(luò)節(jié)點(diǎn)緩存命中率，實(shí)現(xiàn)了對(duì)于差異化服務(wù)需求的支持。
針對(duì)信息中心網(wǎng)絡(luò)提供面向業(yè)務(wù)類型的差異化服務(wù)的問題，該文提出一種元模塊承載的差異化服務(wù)模型(DSM3)。DSM3定義了基礎(chǔ)網(wǎng)絡(luò)控制功能單元元模塊，通過匹配不同的元模塊組合串實(shí)例來承載不同特征需求的業(yè)務(wù)類型；并將元模塊組合過程視為業(yè)務(wù)策略實(shí)例組合串業(yè)務(wù)承載路徑的二級(jí)映射問題，重點(diǎn)設(shè)計(jì)了針對(duì)實(shí)時(shí)業(yè)務(wù)、非實(shí)時(shí)流媒體業(yè)務(wù)和用戶自產(chǎn)生業(yè)務(wù)的路由計(jì)算類元模塊實(shí)例。仿真表明，DSM3通過少量額外控制開銷，降低了上述3種業(yè)務(wù)的平均響應(yīng)時(shí)延，提高了網(wǎng)絡(luò)節(jié)點(diǎn)緩存命中率，實(shí)現(xiàn)了對(duì)于差異化服務(wù)需求的支持。
2016, 38(11): 2948-2953.
doi: 10.11999/JEIT160056
摘要:
在過去的研究中，人們通常假設(shè)通信雙方都處在同一個(gè)公鑰密碼體制環(huán)境中，但隨著科技的發(fā)展和網(wǎng)絡(luò)的普及，不同的地區(qū)可能采用不同的公鑰密碼體制。為了解決異構(gòu)系統(tǒng)之間的通信安全問題，該文提出兩種在公共密鑰基礎(chǔ)設(shè)施(PKI)和無證書公鑰密碼體制(CLC)下安全通信的異構(gòu)簽密方案。同時(shí)在雙線性Diffie-Hellman問題(BDHP)和計(jì)算性Diffie-Hellman問題(CDHP)的難解性下，所提方案在隨機(jī)預(yù)言模型中具有自適應(yīng)選擇密文攻擊下的不可區(qū)分性(IND-CCA2)和自適應(yīng)選擇消息攻擊下的不可偽造性(EUF-CMA)。
在過去的研究中，人們通常假設(shè)通信雙方都處在同一個(gè)公鑰密碼體制環(huán)境中，但隨著科技的發(fā)展和網(wǎng)絡(luò)的普及，不同的地區(qū)可能采用不同的公鑰密碼體制。為了解決異構(gòu)系統(tǒng)之間的通信安全問題，該文提出兩種在公共密鑰基礎(chǔ)設(shè)施(PKI)和無證書公鑰密碼體制(CLC)下安全通信的異構(gòu)簽密方案。同時(shí)在雙線性Diffie-Hellman問題(BDHP)和計(jì)算性Diffie-Hellman問題(CDHP)的難解性下，所提方案在隨機(jī)預(yù)言模型中具有自適應(yīng)選擇密文攻擊下的不可區(qū)分性(IND-CCA2)和自適應(yīng)選擇消息攻擊下的不可偽造性(EUF-CMA)。
2016, 38(11): 2954-2959.
doi: 10.11999/JEIT160049
摘要:
在超寬帶TEM喇叭天線的設(shè)計(jì)中，往往由于低頻性能優(yōu)化和天線小型化兩者難以兼顧，而使得其應(yīng)用受到限制。該文針對(duì)低頻的反射問題，基于帶通濾波器并聯(lián)的設(shè)計(jì)思路，且區(qū)別于傳統(tǒng)天線末端的低頻反饋回路結(jié)構(gòu)，提出在超寬帶TEM喇叭天線饋電過渡結(jié)構(gòu)上設(shè)計(jì)低頻分離回路結(jié)構(gòu)，減少低頻分量在天線末端的反射，從而改善天線的低頻性能。采用該設(shè)計(jì)思路，對(duì)一款超寬帶TEM喇叭天線的結(jié)構(gòu)進(jìn)行改進(jìn)并實(shí)現(xiàn)其優(yōu)化設(shè)計(jì)。通過對(duì)比改進(jìn)前后的天線性能，其阻抗帶寬的低頻降至0.1 GHz，拓展了12.5%，同時(shí)天線端口饋電效率提升10%，結(jié)果驗(yàn)證了該設(shè)計(jì)思路和方法對(duì)于超寬帶TEM喇叭天線低頻優(yōu)化的有效性。最終，對(duì)阻抗特性以及該結(jié)構(gòu)在不同頻點(diǎn)下電流分布的分析，進(jìn)一步證實(shí)新思路的可行性。
在超寬帶TEM喇叭天線的設(shè)計(jì)中，往往由于低頻性能優(yōu)化和天線小型化兩者難以兼顧，而使得其應(yīng)用受到限制。該文針對(duì)低頻的反射問題，基于帶通濾波器并聯(lián)的設(shè)計(jì)思路，且區(qū)別于傳統(tǒng)天線末端的低頻反饋回路結(jié)構(gòu)，提出在超寬帶TEM喇叭天線饋電過渡結(jié)構(gòu)上設(shè)計(jì)低頻分離回路結(jié)構(gòu)，減少低頻分量在天線末端的反射，從而改善天線的低頻性能。采用該設(shè)計(jì)思路，對(duì)一款超寬帶TEM喇叭天線的結(jié)構(gòu)進(jìn)行改進(jìn)并實(shí)現(xiàn)其優(yōu)化設(shè)計(jì)。通過對(duì)比改進(jìn)前后的天線性能，其阻抗帶寬的低頻降至0.1 GHz，拓展了12.5%，同時(shí)天線端口饋電效率提升10%，結(jié)果驗(yàn)證了該設(shè)計(jì)思路和方法對(duì)于超寬帶TEM喇叭天線低頻優(yōu)化的有效性。最終，對(duì)阻抗特性以及該結(jié)構(gòu)在不同頻點(diǎn)下電流分布的分析，進(jìn)一步證實(shí)新思路的可行性。
2016, 38(11): 2960-2964.
doi: 10.11999/JEIT160608
摘要:
為了提高M(jìn)EMS電場(chǎng)傳感器敏感芯片封裝的環(huán)境適應(yīng)性，該文提出一種新型的電極型MEMS電場(chǎng)傳感器封裝結(jié)構(gòu)。區(qū)別于將傳感器敏感芯片及探頭放置于被測(cè)環(huán)境中，該文通過在MEMS電場(chǎng)傳感器封裝管殼外部增加封裝電極，僅將封裝電極暴露在被測(cè)環(huán)境中，有效避免了傳感器敏感芯片封裝管殼受到多種惡劣環(huán)境的干擾。研制出基于新型封裝結(jié)構(gòu)的MEMS地面電場(chǎng)傳感器及探空電場(chǎng)傳感器，仿真及試驗(yàn)結(jié)果表明，該結(jié)構(gòu)傳感器能夠?qū)崿F(xiàn)對(duì)電場(chǎng)高精度準(zhǔn)確測(cè)量，在高濕、低溫等惡劣環(huán)境下輸出穩(wěn)定可靠。
為了提高M(jìn)EMS電場(chǎng)傳感器敏感芯片封裝的環(huán)境適應(yīng)性，該文提出一種新型的電極型MEMS電場(chǎng)傳感器封裝結(jié)構(gòu)。區(qū)別于將傳感器敏感芯片及探頭放置于被測(cè)環(huán)境中，該文通過在MEMS電場(chǎng)傳感器封裝管殼外部增加封裝電極，僅將封裝電極暴露在被測(cè)環(huán)境中，有效避免了傳感器敏感芯片封裝管殼受到多種惡劣環(huán)境的干擾。研制出基于新型封裝結(jié)構(gòu)的MEMS地面電場(chǎng)傳感器及探空電場(chǎng)傳感器，仿真及試驗(yàn)結(jié)果表明，該結(jié)構(gòu)傳感器能夠?qū)崿F(xiàn)對(duì)電場(chǎng)高精度準(zhǔn)確測(cè)量，在高濕、低溫等惡劣環(huán)境下輸出穩(wěn)定可靠。
2016, 38(11): 2965-2971.
doi: 10.11999/JEIT160035
摘要:
陰極熱子組件作為星載行波管的核心部件，要求它具備穩(wěn)定可靠、壽命長(zhǎng)久、低功耗的特點(diǎn)。該文利用數(shù)值模擬和熱測(cè)實(shí)驗(yàn)對(duì)某星載行波管陰極熱子組件結(jié)構(gòu)開展了研究，提出一種接觸熱阻估算方法，模擬了陰極熱子組件結(jié)構(gòu)熱特性，設(shè)計(jì)并完成了陰極熱子組件結(jié)構(gòu)熱測(cè)實(shí)驗(yàn)，首次獲取了結(jié)構(gòu)在一系列熱子加熱功率下由內(nèi)到外的溫度實(shí)測(cè)數(shù)據(jù)。進(jìn)一步，通過修正陰極熱子組件結(jié)構(gòu)熱模擬邊界及激勵(lì)，迭代得到接觸熱阻值，獲取了一種高可靠的陰極熱子組件結(jié)構(gòu)熱模型，實(shí)驗(yàn)表明，該熱模型陰極溫度計(jì)算精度在5%以內(nèi)，結(jié)構(gòu)最大溫度計(jì)算誤差不超過72 C。
陰極熱子組件作為星載行波管的核心部件，要求它具備穩(wěn)定可靠、壽命長(zhǎng)久、低功耗的特點(diǎn)。該文利用數(shù)值模擬和熱測(cè)實(shí)驗(yàn)對(duì)某星載行波管陰極熱子組件結(jié)構(gòu)開展了研究，提出一種接觸熱阻估算方法，模擬了陰極熱子組件結(jié)構(gòu)熱特性，設(shè)計(jì)并完成了陰極熱子組件結(jié)構(gòu)熱測(cè)實(shí)驗(yàn)，首次獲取了結(jié)構(gòu)在一系列熱子加熱功率下由內(nèi)到外的溫度實(shí)測(cè)數(shù)據(jù)。進(jìn)一步，通過修正陰極熱子組件結(jié)構(gòu)熱模擬邊界及激勵(lì)，迭代得到接觸熱阻值，獲取了一種高可靠的陰極熱子組件結(jié)構(gòu)熱模型，實(shí)驗(yàn)表明，該熱模型陰極溫度計(jì)算精度在5%以內(nèi)，結(jié)構(gòu)最大溫度計(jì)算誤差不超過72 C。
2016, 38(11): 2972-2976.
doi: 10.11999/JEIT160031
摘要:
基于深度置信網(wǎng)絡(luò)(DBN)對(duì)信號(hào)雙譜對(duì)角切片(BDS)結(jié)構(gòu)特征進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)低截獲概率(LPI)雷達(dá)信號(hào)識(shí)別。該方法首先建立基于受限玻爾茲曼機(jī)(RBM)的DBN模型，對(duì)LPI雷達(dá)信號(hào)的BDS數(shù)據(jù)進(jìn)行逐層無監(jiān)督貪心學(xué)習(xí)，然后運(yùn)用后向傳播(BP)機(jī)制在有監(jiān)督學(xué)習(xí)方式下根據(jù)學(xué)習(xí)誤差對(duì)DBN模型參數(shù)進(jìn)行微調(diào)，最后基于該BDS-DBN模型實(shí)現(xiàn)未知信號(hào)的分類和識(shí)別。理論分析和仿真結(jié)果表明，信噪比高于8 dB時(shí)，基于BDS和DBN的識(shí)別方法對(duì)調(diào)頻連續(xù)波(FMCW), Frank, Costas, FSK/PSK 4類LPI信號(hào)的綜合識(shí)別率保持在93.4%以上，高于傳統(tǒng)的主成分分析加支持向量機(jī)法(PCA-SVM)和主成分分析加線性判別分析法(PCA-LDA)。
基于深度置信網(wǎng)絡(luò)(DBN)對(duì)信號(hào)雙譜對(duì)角切片(BDS)結(jié)構(gòu)特征進(jìn)行學(xué)習(xí)，實(shí)現(xiàn)低截獲概率(LPI)雷達(dá)信號(hào)識(shí)別。該方法首先建立基于受限玻爾茲曼機(jī)(RBM)的DBN模型，對(duì)LPI雷達(dá)信號(hào)的BDS數(shù)據(jù)進(jìn)行逐層無監(jiān)督貪心學(xué)習(xí)，然后運(yùn)用后向傳播(BP)機(jī)制在有監(jiān)督學(xué)習(xí)方式下根據(jù)學(xué)習(xí)誤差對(duì)DBN模型參數(shù)進(jìn)行微調(diào)，最后基于該BDS-DBN模型實(shí)現(xiàn)未知信號(hào)的分類和識(shí)別。理論分析和仿真結(jié)果表明，信噪比高于8 dB時(shí)，基于BDS和DBN的識(shí)別方法對(duì)調(diào)頻連續(xù)波(FMCW), Frank, Costas, FSK/PSK 4類LPI信號(hào)的綜合識(shí)別率保持在93.4%以上，高于傳統(tǒng)的主成分分析加支持向量機(jī)法(PCA-SVM)和主成分分析加線性判別分析法(PCA-LDA)。
2016, 38(11): 2977-2981.
doi: 10.11999/JEIT160089
摘要:
特征模理論能夠?yàn)樘炀€設(shè)計(jì)者展現(xiàn)關(guān)于天線工作原理的清晰物理景象。該文基于特征模理論，分析了從金屬腔中簡(jiǎn)單環(huán)結(jié)構(gòu)到組合倒L結(jié)構(gòu)等多種結(jié)構(gòu)形式的特征模參數(shù)以及相應(yīng)模式的輻射特性，確定了適宜作為所需天線的結(jié)構(gòu)形式，并研究了有效的激勵(lì)方式。通過參數(shù)優(yōu)化設(shè)計(jì)了一種工作于UHF頻段、結(jié)構(gòu)緊湊的嵌入式全向共形天線，并制作了天線樣機(jī)。天線樣機(jī)直徑為中心頻率的0.260 ，高度為0.080 ，測(cè)量電壓駐波比小于2∶1的帶寬為1.8%，測(cè)試結(jié)果與仿真結(jié)果吻合。驗(yàn)證了采用特征摸理論進(jìn)行天線設(shè)計(jì)的方法之有效性。
特征模理論能夠?yàn)樘炀€設(shè)計(jì)者展現(xiàn)關(guān)于天線工作原理的清晰物理景象。該文基于特征模理論，分析了從金屬腔中簡(jiǎn)單環(huán)結(jié)構(gòu)到組合倒L結(jié)構(gòu)等多種結(jié)構(gòu)形式的特征模參數(shù)以及相應(yīng)模式的輻射特性，確定了適宜作為所需天線的結(jié)構(gòu)形式，并研究了有效的激勵(lì)方式。通過參數(shù)優(yōu)化設(shè)計(jì)了一種工作于UHF頻段、結(jié)構(gòu)緊湊的嵌入式全向共形天線，并制作了天線樣機(jī)。天線樣機(jī)直徑為中心頻率的0.260 ，高度為0.080 ，測(cè)量電壓駐波比小于2∶1的帶寬為1.8%，測(cè)試結(jié)果與仿真結(jié)果吻合。驗(yàn)證了采用特征摸理論進(jìn)行天線設(shè)計(jì)的方法之有效性。
2016, 38(11): 2982-2986.
doi: 10.11999/JEIT160140
摘要:
為緩解網(wǎng)絡(luò)擁塞對(duì)空間延遲/中斷容忍網(wǎng)絡(luò)產(chǎn)生的影響，該文提出一種基于QoS的網(wǎng)絡(luò)擁塞控制算法。該算法包括接觸擁塞判斷和基于QoS的數(shù)據(jù)轉(zhuǎn)發(fā)兩種機(jī)制，分別從接觸剩余可用容量和節(jié)點(diǎn)剩余存儲(chǔ)空間兩方面對(duì)每一段接觸的擁塞程度進(jìn)行預(yù)測(cè)，將接觸劃分為不同的擁塞等級(jí)。在計(jì)算路由時(shí)，以整段路徑中所包含接觸的最高擁塞等級(jí)為該路徑的擁塞等級(jí)，并根據(jù)該擁塞等級(jí)發(fā)送不同優(yōu)先級(jí)的數(shù)據(jù)。實(shí)驗(yàn)表明，基于QoS的擁塞控制算法可以提高低優(yōu)先級(jí)數(shù)據(jù)的傳遞率并在節(jié)點(diǎn)存儲(chǔ)空間不足時(shí)降低最高優(yōu)先級(jí)數(shù)據(jù)的傳遞時(shí)延。
為緩解網(wǎng)絡(luò)擁塞對(duì)空間延遲/中斷容忍網(wǎng)絡(luò)產(chǎn)生的影響，該文提出一種基于QoS的網(wǎng)絡(luò)擁塞控制算法。該算法包括接觸擁塞判斷和基于QoS的數(shù)據(jù)轉(zhuǎn)發(fā)兩種機(jī)制，分別從接觸剩余可用容量和節(jié)點(diǎn)剩余存儲(chǔ)空間兩方面對(duì)每一段接觸的擁塞程度進(jìn)行預(yù)測(cè)，將接觸劃分為不同的擁塞等級(jí)。在計(jì)算路由時(shí)，以整段路徑中所包含接觸的最高擁塞等級(jí)為該路徑的擁塞等級(jí)，并根據(jù)該擁塞等級(jí)發(fā)送不同優(yōu)先級(jí)的數(shù)據(jù)。實(shí)驗(yàn)表明，基于QoS的擁塞控制算法可以提高低優(yōu)先級(jí)數(shù)據(jù)的傳遞率并在節(jié)點(diǎn)存儲(chǔ)空間不足時(shí)降低最高優(yōu)先級(jí)數(shù)據(jù)的傳遞時(shí)延。
