郵件訂閱
2016年 第38卷 第6期
顯示方式:
2016, 38(6): 1271-1327.
doi: 10.11999/JEIT160224
摘要:
業(yè)已證明四色猜想的數(shù)學(xué)證明可歸結(jié)為刻畫(huà)4-色漏斗型偽唯一4-色極大平面圖的特征。為刻畫(huà)此類(lèi)極大平面圖的結(jié)構(gòu)特征，本文提出一種構(gòu)造極大平面圖的方法 擴(kuò)縮運(yùn)算。研究發(fā)現(xiàn)：此方法的關(guān)鍵問(wèn)題是需要清楚一種構(gòu)形，稱為多米諾構(gòu)形。文中構(gòu)造性地給出了多米諾構(gòu)形的充要條件；在此基礎(chǔ)上提出并建立了一個(gè)圖的祖先圖與子孫圖理論與構(gòu)造方法。特別證明了：任一最小度4的n(9)-階極大平面圖必含(n-2)-階或(n-3)-階祖先圖；給出極大平面圖的遞推構(gòu)造法，并用此方法構(gòu)造出6~12-階所有最小度的4極大平面圖。擴(kuò)縮運(yùn)算是本系列文章的基石。
業(yè)已證明四色猜想的數(shù)學(xué)證明可歸結(jié)為刻畫(huà)4-色漏斗型偽唯一4-色極大平面圖的特征。為刻畫(huà)此類(lèi)極大平面圖的結(jié)構(gòu)特征，本文提出一種構(gòu)造極大平面圖的方法 擴(kuò)縮運(yùn)算。研究發(fā)現(xiàn)：此方法的關(guān)鍵問(wèn)題是需要清楚一種構(gòu)形，稱為多米諾構(gòu)形。文中構(gòu)造性地給出了多米諾構(gòu)形的充要條件；在此基礎(chǔ)上提出并建立了一個(gè)圖的祖先圖與子孫圖理論與構(gòu)造方法。特別證明了：任一最小度4的n(9)-階極大平面圖必含(n-2)-階或(n-3)-階祖先圖；給出極大平面圖的遞推構(gòu)造法，并用此方法構(gòu)造出6~12-階所有最小度的4極大平面圖。擴(kuò)縮運(yùn)算是本系列文章的基石。
2016, 38(6): 1328-1353.
doi: 10.11999/JEIT160409
摘要:
一個(gè)極大平面圖若是從K4出發(fā)，不斷地在三角面上嵌入3度頂點(diǎn)得到的，則稱此極大平面圖為遞歸極大平面圖。唯一4-色極大平面圖猜想是指：一個(gè)平面圖是唯一4-可著色的當(dāng)且僅當(dāng)它是遞歸極大平面圖。此猜想已有43年歷史，是圖著色理論中繼四色猜想之后另一個(gè)著名的未解猜想。為此，該文相繼深入研究了啞鈴極大平面圖與遞歸極大平面圖的結(jié)構(gòu)與特性，結(jié)合該系列文章(2)的擴(kuò)縮運(yùn)算，給出了證明唯一4-色極大平面圖猜想的一種思路。
一個(gè)極大平面圖若是從K4出發(fā)，不斷地在三角面上嵌入3度頂點(diǎn)得到的，則稱此極大平面圖為遞歸極大平面圖。唯一4-色極大平面圖猜想是指：一個(gè)平面圖是唯一4-可著色的當(dāng)且僅當(dāng)它是遞歸極大平面圖。此猜想已有43年歷史，是圖著色理論中繼四色猜想之后另一個(gè)著名的未解猜想。為此，該文相繼深入研究了啞鈴極大平面圖與遞歸極大平面圖的結(jié)構(gòu)與特性，結(jié)合該系列文章(2)的擴(kuò)縮運(yùn)算，給出了證明唯一4-色極大平面圖猜想的一種思路。
2016, 38(6): 1354-1361.
doi: 10.11999/JEIT150872
摘要:
光無(wú)線混合網(wǎng)絡(luò)的生存性保障程度與部署成本之間存在矛盾。為提高網(wǎng)絡(luò)資源利用率，該文提出一種低成本的無(wú)線功能部署策略。根據(jù)網(wǎng)絡(luò)中無(wú)線功能部署情況，綜合考慮網(wǎng)絡(luò)生存性保障程度及部署成本兩方面因素，在此基礎(chǔ)上，提出基于向量評(píng)價(jià)的二進(jìn)制粒子群算法實(shí)現(xiàn)其優(yōu)化過(guò)程，進(jìn)而，由進(jìn)化得到的種群粒子不斷調(diào)整光網(wǎng)絡(luò)單元選取，以較低的成本實(shí)現(xiàn)較強(qiáng)生存性的網(wǎng)絡(luò)部署。結(jié)果表明所提出的無(wú)線功能部署策略能有效提高網(wǎng)絡(luò)的生存性，并大幅度的降低網(wǎng)絡(luò)成本。
光無(wú)線混合網(wǎng)絡(luò)的生存性保障程度與部署成本之間存在矛盾。為提高網(wǎng)絡(luò)資源利用率，該文提出一種低成本的無(wú)線功能部署策略。根據(jù)網(wǎng)絡(luò)中無(wú)線功能部署情況，綜合考慮網(wǎng)絡(luò)生存性保障程度及部署成本兩方面因素，在此基礎(chǔ)上，提出基于向量評(píng)價(jià)的二進(jìn)制粒子群算法實(shí)現(xiàn)其優(yōu)化過(guò)程，進(jìn)而，由進(jìn)化得到的種群粒子不斷調(diào)整光網(wǎng)絡(luò)單元選取，以較低的成本實(shí)現(xiàn)較強(qiáng)生存性的網(wǎng)絡(luò)部署。結(jié)果表明所提出的無(wú)線功能部署策略能有效提高網(wǎng)絡(luò)的生存性，并大幅度的降低網(wǎng)絡(luò)成本。
2016, 38(6): 1362-1367.
doi: 10.11999/JEIT151027
摘要:
無(wú)線環(huán)境復(fù)雜經(jīng)常導(dǎo)致高誤碼率的出現(xiàn)，該文結(jié)合無(wú)線傳感網(wǎng)對(duì)傳輸能耗有較高要求的特點(diǎn)，針對(duì)分組協(xié)議字段錯(cuò)誤修復(fù)問(wèn)題提出基于貝葉斯網(wǎng)絡(luò)的最大后驗(yàn)修復(fù)方法MAP-BN。該方法使得傳感網(wǎng)節(jié)點(diǎn)在無(wú)需任何編碼的情況下可以得到向前糾錯(cuò)的能力。MAP-BN算法利用貝葉斯網(wǎng)絡(luò)對(duì)分組協(xié)議字段的先驗(yàn)信息進(jìn)行建模，并在此基礎(chǔ)上利用動(dòng)態(tài)規(guī)劃算法進(jìn)行最大后驗(yàn)概率推理，成功降低了最大后驗(yàn)修復(fù)的計(jì)算復(fù)雜度。仿真和分析結(jié)果表明，MAP-BN算法具有良好的數(shù)據(jù)差錯(cuò)控制能力，并可以很大程度上提升網(wǎng)絡(luò)節(jié)點(diǎn)傳輸數(shù)據(jù)的能效性。
無(wú)線環(huán)境復(fù)雜經(jīng)常導(dǎo)致高誤碼率的出現(xiàn)，該文結(jié)合無(wú)線傳感網(wǎng)對(duì)傳輸能耗有較高要求的特點(diǎn)，針對(duì)分組協(xié)議字段錯(cuò)誤修復(fù)問(wèn)題提出基于貝葉斯網(wǎng)絡(luò)的最大后驗(yàn)修復(fù)方法MAP-BN。該方法使得傳感網(wǎng)節(jié)點(diǎn)在無(wú)需任何編碼的情況下可以得到向前糾錯(cuò)的能力。MAP-BN算法利用貝葉斯網(wǎng)絡(luò)對(duì)分組協(xié)議字段的先驗(yàn)信息進(jìn)行建模，并在此基礎(chǔ)上利用動(dòng)態(tài)規(guī)劃算法進(jìn)行最大后驗(yàn)概率推理，成功降低了最大后驗(yàn)修復(fù)的計(jì)算復(fù)雜度。仿真和分析結(jié)果表明，MAP-BN算法具有良好的數(shù)據(jù)差錯(cuò)控制能力，并可以很大程度上提升網(wǎng)絡(luò)節(jié)點(diǎn)傳輸數(shù)據(jù)的能效性。
2016, 38(6): 1368-1376.
doi: 10.11999/JEIT150831
摘要:
基于服務(wù)質(zhì)量(QoS)的Web服務(wù)最優(yōu)選擇是一個(gè)熱點(diǎn)問(wèn)題。高度動(dòng)態(tài)的QoS數(shù)據(jù)導(dǎo)致QoS模型的不確定性，對(duì)可靠的Web服務(wù)選擇構(gòu)成巨大的挑戰(zhàn)，該文提出動(dòng)態(tài)QoS數(shù)據(jù)驅(qū)動(dòng)的可靠Web服務(wù)選擇(DQoS_RSS)。首先利用均值標(biāo)準(zhǔn)差刻畫(huà)QoS數(shù)據(jù)的效益和風(fēng)險(xiǎn)，提高QoS描述的準(zhǔn)確度；接著建立不確定服務(wù)Skyline集，縮小搜索空間，提高選擇效率；借鑒優(yōu)劣解距離法(TOPSIS)，設(shè)計(jì)2種Web服務(wù)選擇算法，獲得體現(xiàn)用戶需求的最優(yōu)服務(wù)。另外，介紹2種QoS模型轉(zhuǎn)換器，以及能夠適應(yīng)QoS動(dòng)態(tài)變化的QoS模型自適應(yīng)調(diào)整機(jī)制。最后，實(shí)驗(yàn)分析驗(yàn)證了該方法的優(yōu)越性和高效性。
基于服務(wù)質(zhì)量(QoS)的Web服務(wù)最優(yōu)選擇是一個(gè)熱點(diǎn)問(wèn)題。高度動(dòng)態(tài)的QoS數(shù)據(jù)導(dǎo)致QoS模型的不確定性，對(duì)可靠的Web服務(wù)選擇構(gòu)成巨大的挑戰(zhàn)，該文提出動(dòng)態(tài)QoS數(shù)據(jù)驅(qū)動(dòng)的可靠Web服務(wù)選擇(DQoS_RSS)。首先利用均值標(biāo)準(zhǔn)差刻畫(huà)QoS數(shù)據(jù)的效益和風(fēng)險(xiǎn)，提高QoS描述的準(zhǔn)確度；接著建立不確定服務(wù)Skyline集，縮小搜索空間，提高選擇效率；借鑒優(yōu)劣解距離法(TOPSIS)，設(shè)計(jì)2種Web服務(wù)選擇算法，獲得體現(xiàn)用戶需求的最優(yōu)服務(wù)。另外，介紹2種QoS模型轉(zhuǎn)換器，以及能夠適應(yīng)QoS動(dòng)態(tài)變化的QoS模型自適應(yīng)調(diào)整機(jī)制。最后，實(shí)驗(yàn)分析驗(yàn)證了該方法的優(yōu)越性和高效性。
2016, 38(6): 1377-1384.
doi: 10.11999/JEIT150944
摘要:
針對(duì)星載交換結(jié)構(gòu)受空間輻射影響造成的可靠性嚴(yán)重下降問(wèn)題，該文提出了一種支持全分布式調(diào)度的三級(jí)Clos網(wǎng)絡(luò)及其全分布式容錯(cuò)(Fully Distributed Fault Tolerant, FDFT)調(diào)度算法，以提高星載交換結(jié)構(gòu)在交叉點(diǎn)故障下的容錯(cuò)能力。該Clos網(wǎng)絡(luò)的中間級(jí)和輸出級(jí)采用聯(lián)合輸入交叉點(diǎn)隊(duì)列，以支持Clos網(wǎng)絡(luò)和交換單元內(nèi)部的全分布式調(diào)度。FDFT采用一種分布式故障檢測(cè)算法獲得交叉點(diǎn)故障信息?；趯?duì)交叉點(diǎn)故障影響范圍的分析，F(xiàn)DFT在輸入級(jí)采用一種容錯(cuò)信元分發(fā)算法，實(shí)現(xiàn)無(wú)故障路徑的負(fù)載均衡。理論分析證明，當(dāng)任一輸入/輸出級(jí)交換單元故障個(gè)數(shù)不超過(guò)(m-n)或所有中間級(jí)交換單元故障個(gè)數(shù)不超過(guò)(m-n)時(shí)，其中m, n分別為輸入級(jí)交換單元輸入、輸出端口數(shù)，F(xiàn)DFT能夠達(dá)到100%吞吐率。仿真結(jié)果進(jìn)一步驗(yàn)證，故障隨機(jī)發(fā)生情況下，F(xiàn)DFT能夠抵抗比故障任意發(fā)生情況下更多的故障，且在不同的業(yè)務(wù)場(chǎng)景下具有良好的吞吐率和時(shí)延性能。
針對(duì)星載交換結(jié)構(gòu)受空間輻射影響造成的可靠性嚴(yán)重下降問(wèn)題，該文提出了一種支持全分布式調(diào)度的三級(jí)Clos網(wǎng)絡(luò)及其全分布式容錯(cuò)(Fully Distributed Fault Tolerant, FDFT)調(diào)度算法，以提高星載交換結(jié)構(gòu)在交叉點(diǎn)故障下的容錯(cuò)能力。該Clos網(wǎng)絡(luò)的中間級(jí)和輸出級(jí)采用聯(lián)合輸入交叉點(diǎn)隊(duì)列，以支持Clos網(wǎng)絡(luò)和交換單元內(nèi)部的全分布式調(diào)度。FDFT采用一種分布式故障檢測(cè)算法獲得交叉點(diǎn)故障信息?；趯?duì)交叉點(diǎn)故障影響范圍的分析，F(xiàn)DFT在輸入級(jí)采用一種容錯(cuò)信元分發(fā)算法，實(shí)現(xiàn)無(wú)故障路徑的負(fù)載均衡。理論分析證明，當(dāng)任一輸入/輸出級(jí)交換單元故障個(gè)數(shù)不超過(guò)(m-n)或所有中間級(jí)交換單元故障個(gè)數(shù)不超過(guò)(m-n)時(shí)，其中m, n分別為輸入級(jí)交換單元輸入、輸出端口數(shù)，F(xiàn)DFT能夠達(dá)到100%吞吐率。仿真結(jié)果進(jìn)一步驗(yàn)證，故障隨機(jī)發(fā)生情況下，F(xiàn)DFT能夠抵抗比故障任意發(fā)生情況下更多的故障，且在不同的業(yè)務(wù)場(chǎng)景下具有良好的吞吐率和時(shí)延性能。
2016, 38(6): 1385-1390.
doi: 10.11999/JEIT150967
摘要:
該文提出一種特征域的傳輸方案(ETS)，用以提高窄帶干擾下MIMO系統(tǒng)的容量。首先，發(fā)射端在特征域產(chǎn)生N路發(fā)射信息，然后根據(jù)窄帶干擾信號(hào)的統(tǒng)計(jì)特征，通過(guò)預(yù)編碼將發(fā)射信息從特征域變換至?xí)r域進(jìn)行傳輸。在接收端，時(shí)域的接收信號(hào)再次被變換為N路特征域信號(hào)。據(jù)此，期望信道被劃分為N路并行子信道，根據(jù)各子信道的干擾分布采用相對(duì)應(yīng)的傳輸方案，以最大化干擾場(chǎng)景下信道的利用率。由計(jì)算機(jī)仿真可得，當(dāng)系統(tǒng)容量為15 bit/(s?Hz)時(shí)，該文所提特征域傳輸方案相對(duì)于傳統(tǒng)干擾抑制算法在22 MIMO系統(tǒng)中取得了約10 dB的性能增益。
該文提出一種特征域的傳輸方案(ETS)，用以提高窄帶干擾下MIMO系統(tǒng)的容量。首先，發(fā)射端在特征域產(chǎn)生N路發(fā)射信息，然后根據(jù)窄帶干擾信號(hào)的統(tǒng)計(jì)特征，通過(guò)預(yù)編碼將發(fā)射信息從特征域變換至?xí)r域進(jìn)行傳輸。在接收端，時(shí)域的接收信號(hào)再次被變換為N路特征域信號(hào)。據(jù)此，期望信道被劃分為N路并行子信道，根據(jù)各子信道的干擾分布采用相對(duì)應(yīng)的傳輸方案，以最大化干擾場(chǎng)景下信道的利用率。由計(jì)算機(jī)仿真可得，當(dāng)系統(tǒng)容量為15 bit/(s?Hz)時(shí)，該文所提特征域傳輸方案相對(duì)于傳統(tǒng)干擾抑制算法在22 MIMO系統(tǒng)中取得了約10 dB的性能增益。
2016, 38(6): 1391-1397.
doi: 10.11999/JEIT150974
摘要:
頻譜感知是認(rèn)知無(wú)線電網(wǎng)絡(luò)中關(guān)鍵的一個(gè)環(huán)節(jié)，為了保證主用戶不受干擾，要求感知算法必須具有較高的檢測(cè)效率和檢測(cè)精度。該文主要研究MIMO場(chǎng)景下的頻譜感知問(wèn)題，利用非圓信號(hào)的特性，提出一種基于局部最大功效不變檢驗(yàn)(LMPIT)的頻譜感知方法。根據(jù)漸近分布理論，推導(dǎo)了所述方法的理論檢測(cè)門(mén)限。最后，采用蒙特卡洛仿真方法，分別分析了不同信道環(huán)境下該方法的檢測(cè)性能，并與相關(guān)的感知算法進(jìn)行對(duì)比。結(jié)果表明：在相同的環(huán)境下，文中提出的方法相比其他方法檢測(cè)性能更高，且所需的采樣點(diǎn)數(shù)更小，能夠?qū)崿F(xiàn)快速且精確的檢測(cè)。
頻譜感知是認(rèn)知無(wú)線電網(wǎng)絡(luò)中關(guān)鍵的一個(gè)環(huán)節(jié)，為了保證主用戶不受干擾，要求感知算法必須具有較高的檢測(cè)效率和檢測(cè)精度。該文主要研究MIMO場(chǎng)景下的頻譜感知問(wèn)題，利用非圓信號(hào)的特性，提出一種基于局部最大功效不變檢驗(yàn)(LMPIT)的頻譜感知方法。根據(jù)漸近分布理論，推導(dǎo)了所述方法的理論檢測(cè)門(mén)限。最后，采用蒙特卡洛仿真方法，分別分析了不同信道環(huán)境下該方法的檢測(cè)性能，并與相關(guān)的感知算法進(jìn)行對(duì)比。結(jié)果表明：在相同的環(huán)境下，文中提出的方法相比其他方法檢測(cè)性能更高，且所需的采樣點(diǎn)數(shù)更小，能夠?qū)崿F(xiàn)快速且精確的檢測(cè)。
2016, 38(6): 1398-1405.
doi: 10.11999/JEIT150860
摘要:
針對(duì)高速高動(dòng)態(tài)接收機(jī)在長(zhǎng)偽碼周期、大頻偏情況下的快速捕獲問(wèn)題，該文提出一種基于碼相位壓縮相關(guān)器與快速傅里葉變換(CCPC-FFT)的雙駐留偽碼快速捕獲方法。在第一駐留階段，利用碼相位壓縮相關(guān)器對(duì)相鄰碼相位進(jìn)行快速、粗略的壓縮搜索，同時(shí)利用FFT算法完成對(duì)多普勒頻偏的并行捕獲；在第二駐留階段，利用傳統(tǒng)的相關(guān)積分方法對(duì)第一駐留捕獲的所有碼相位進(jìn)行逐個(gè)精確搜索。給出了系統(tǒng)性能的理論分析模型，并通過(guò)蒙特卡洛仿真驗(yàn)證了理論分析的正確性。最后仿真結(jié)果表明：新方法在平均捕獲時(shí)間上比2維壓縮相關(guān)(TDCC)捕獲方法進(jìn)一步縮短，同時(shí)提高了頻偏的捕獲帶寬和精度，且針對(duì)長(zhǎng)碼的捕獲比其他基于FFT的方法節(jié)省資源。
針對(duì)高速高動(dòng)態(tài)接收機(jī)在長(zhǎng)偽碼周期、大頻偏情況下的快速捕獲問(wèn)題，該文提出一種基于碼相位壓縮相關(guān)器與快速傅里葉變換(CCPC-FFT)的雙駐留偽碼快速捕獲方法。在第一駐留階段，利用碼相位壓縮相關(guān)器對(duì)相鄰碼相位進(jìn)行快速、粗略的壓縮搜索，同時(shí)利用FFT算法完成對(duì)多普勒頻偏的并行捕獲；在第二駐留階段，利用傳統(tǒng)的相關(guān)積分方法對(duì)第一駐留捕獲的所有碼相位進(jìn)行逐個(gè)精確搜索。給出了系統(tǒng)性能的理論分析模型，并通過(guò)蒙特卡洛仿真驗(yàn)證了理論分析的正確性。最后仿真結(jié)果表明：新方法在平均捕獲時(shí)間上比2維壓縮相關(guān)(TDCC)捕獲方法進(jìn)一步縮短，同時(shí)提高了頻偏的捕獲帶寬和精度，且針對(duì)長(zhǎng)碼的捕獲比其他基于FFT的方法節(jié)省資源。
2016, 38(6): 1406-1411.
doi: 10.11999/JEIT150845
摘要:
可撤銷(xiāo)的屬性加密方案是屬性加密方案的延伸和擴(kuò)展。該文構(gòu)造了細(xì)粒度屬性撤銷(xiāo)下的具有兩個(gè)可撤銷(xiāo)屬性列表的密鑰策略的屬性加密方案，該方案是對(duì)含有單個(gè)屬性撤銷(xiāo)列表方案的推廣，新方案涉及兩個(gè)屬性撤銷(xiāo)列表，允許兩個(gè)列表中被撤銷(xiāo)用戶存在交集或者無(wú)關(guān)，同時(shí)利用追蹤算法，判定了用戶與私鑰的關(guān)聯(lián)性。在選擇安全模型下證明了方案的安全性，將方案的安全性規(guī)約到求解判定性雙線性Diffie-Hellman 指數(shù)問(wèn)題上。
可撤銷(xiāo)的屬性加密方案是屬性加密方案的延伸和擴(kuò)展。該文構(gòu)造了細(xì)粒度屬性撤銷(xiāo)下的具有兩個(gè)可撤銷(xiāo)屬性列表的密鑰策略的屬性加密方案，該方案是對(duì)含有單個(gè)屬性撤銷(xiāo)列表方案的推廣，新方案涉及兩個(gè)屬性撤銷(xiāo)列表，允許兩個(gè)列表中被撤銷(xiāo)用戶存在交集或者無(wú)關(guān)，同時(shí)利用追蹤算法，判定了用戶與私鑰的關(guān)聯(lián)性。在選擇安全模型下證明了方案的安全性，將方案的安全性規(guī)約到求解判定性雙線性Diffie-Hellman 指數(shù)問(wèn)題上。
2016, 38(6): 1412-1418.
doi: 10.11999/JEIT150911
摘要:
隱私保護(hù)技術(shù)是當(dāng)前信息安全領(lǐng)域的研究熱點(diǎn)。然而，現(xiàn)階段集合并集運(yùn)算中的隱私保護(hù)技術(shù)側(cè)重理論研究，在實(shí)驗(yàn)?zāi)Ｐ偷拈_(kāi)發(fā)上較為欠缺。針對(duì)該問(wèn)題，該文首先設(shè)計(jì)了保護(hù)隱私的集合合并運(yùn)算電路、去重電路和混淆電路，并應(yīng)用YAO氏通用混淆電路估值技術(shù)提出了一種布爾電路上保護(hù)隱私的集合并集協(xié)議。然后，該文使用模擬器視圖仿真法證明了協(xié)議的安全性。最后，基于MightBeEvil中的YAO氏混淆電路估值框架，開(kāi)發(fā)了該文理論方案對(duì)應(yīng)的實(shí)驗(yàn)?zāi)Ｐ?。?shí)驗(yàn)結(jié)果表明，在安全計(jì)算稀疏集合的并集時(shí)，所提算法效率優(yōu)于當(dāng)前布爾電路上的其他算法。
隱私保護(hù)技術(shù)是當(dāng)前信息安全領(lǐng)域的研究熱點(diǎn)。然而，現(xiàn)階段集合并集運(yùn)算中的隱私保護(hù)技術(shù)側(cè)重理論研究，在實(shí)驗(yàn)?zāi)Ｐ偷拈_(kāi)發(fā)上較為欠缺。針對(duì)該問(wèn)題，該文首先設(shè)計(jì)了保護(hù)隱私的集合合并運(yùn)算電路、去重電路和混淆電路，并應(yīng)用YAO氏通用混淆電路估值技術(shù)提出了一種布爾電路上保護(hù)隱私的集合并集協(xié)議。然后，該文使用模擬器視圖仿真法證明了協(xié)議的安全性。最后，基于MightBeEvil中的YAO氏混淆電路估值框架，開(kāi)發(fā)了該文理論方案對(duì)應(yīng)的實(shí)驗(yàn)?zāi)Ｐ?。?shí)驗(yàn)結(jié)果表明，在安全計(jì)算稀疏集合的并集時(shí)，所提算法效率優(yōu)于當(dāng)前布爾電路上的其他算法。
2016, 38(6): 1419-1423.
doi: 10.11999/JEIT151056
摘要:
該文利用復(fù)數(shù)稀疏信號(hào)的時(shí)域相互關(guān)系提出一種新的稀疏貝葉斯算法(CTSBL)。該算法利用復(fù)數(shù)信號(hào)的實(shí)部與虛部分量具有相同的稀疏結(jié)構(gòu)的特點(diǎn)，提升估計(jì)信號(hào)的稀疏程度。同時(shí)將多個(gè)測(cè)量信號(hào)間的內(nèi)部結(jié)構(gòu)信息引入到了信號(hào)恢復(fù)中，使原始的多測(cè)量稀疏信號(hào)恢復(fù)問(wèn)題轉(zhuǎn)變?yōu)閱螠y(cè)量塊稀疏信號(hào)恢復(fù)問(wèn)題，使恢復(fù)性能得到了提升。理論分析和仿真結(jié)果證明，提出的CTSBL算法相較于目前的針對(duì)復(fù)數(shù)信號(hào)的多測(cè)量矢量貝葉斯壓縮感知(CMTBCS)算法和塊正交匹配追蹤算法(BOMP)在估計(jì)精度上具有更好的性能。
該文利用復(fù)數(shù)稀疏信號(hào)的時(shí)域相互關(guān)系提出一種新的稀疏貝葉斯算法(CTSBL)。該算法利用復(fù)數(shù)信號(hào)的實(shí)部與虛部分量具有相同的稀疏結(jié)構(gòu)的特點(diǎn)，提升估計(jì)信號(hào)的稀疏程度。同時(shí)將多個(gè)測(cè)量信號(hào)間的內(nèi)部結(jié)構(gòu)信息引入到了信號(hào)恢復(fù)中，使原始的多測(cè)量稀疏信號(hào)恢復(fù)問(wèn)題轉(zhuǎn)變?yōu)閱螠y(cè)量塊稀疏信號(hào)恢復(fù)問(wèn)題，使恢復(fù)性能得到了提升。理論分析和仿真結(jié)果證明，提出的CTSBL算法相較于目前的針對(duì)復(fù)數(shù)信號(hào)的多測(cè)量矢量貝葉斯壓縮感知(CMTBCS)算法和塊正交匹配追蹤算法(BOMP)在估計(jì)精度上具有更好的性能。
2016, 38(6): 1424-1430.
doi: 10.11999/JEIT150919
摘要:
針對(duì)干擾平臺(tái)旋轉(zhuǎn)或者在不同方向被探測(cè)的情況，該文提出正交多點(diǎn)源反向交叉眼方案，并對(duì)方案進(jìn)行了嚴(yán)格的數(shù)學(xué)推導(dǎo)和理論分析，得出了角度偏差與其他影響因素的閉合解公式。閉合解公式為與傳統(tǒng)兩點(diǎn)源反向交叉眼和正交四點(diǎn)源反向交叉眼的對(duì)比和評(píng)估提供了數(shù)學(xué)依據(jù)，同時(shí)為優(yōu)化方案性能提供了理論依據(jù)。通過(guò)對(duì)比分析了采用正交陣列和線性排布干擾單元的工程實(shí)踐方法的數(shù)學(xué)本質(zhì)。將穩(wěn)定因數(shù)和系統(tǒng)在相同雷達(dá)指向角時(shí)的角度偏差作為衡量指標(biāo)，對(duì)所提方案和以往的方案進(jìn)行了數(shù)學(xué)和實(shí)例分析，突顯了所提方案在產(chǎn)生穩(wěn)定的角度偏差方面和產(chǎn)生有效的角度偏差方面的優(yōu)越性。
針對(duì)干擾平臺(tái)旋轉(zhuǎn)或者在不同方向被探測(cè)的情況，該文提出正交多點(diǎn)源反向交叉眼方案，并對(duì)方案進(jìn)行了嚴(yán)格的數(shù)學(xué)推導(dǎo)和理論分析，得出了角度偏差與其他影響因素的閉合解公式。閉合解公式為與傳統(tǒng)兩點(diǎn)源反向交叉眼和正交四點(diǎn)源反向交叉眼的對(duì)比和評(píng)估提供了數(shù)學(xué)依據(jù)，同時(shí)為優(yōu)化方案性能提供了理論依據(jù)。通過(guò)對(duì)比分析了采用正交陣列和線性排布干擾單元的工程實(shí)踐方法的數(shù)學(xué)本質(zhì)。將穩(wěn)定因數(shù)和系統(tǒng)在相同雷達(dá)指向角時(shí)的角度偏差作為衡量指標(biāo)，對(duì)所提方案和以往的方案進(jìn)行了數(shù)學(xué)和實(shí)例分析，突顯了所提方案在產(chǎn)生穩(wěn)定的角度偏差方面和產(chǎn)生有效的角度偏差方面的優(yōu)越性。
2016, 38(6): 1431-1437.
doi: 10.11999/JEIT151008
摘要:
應(yīng)用于缺失數(shù)據(jù)恢復(fù)的迭代自適應(yīng)方法(IAA)被證實(shí)可利用20%的有效數(shù)據(jù)估計(jì)信號(hào)參數(shù)，并能高精度恢復(fù)缺失數(shù)據(jù)，優(yōu)于經(jīng)典GAPES方法，但當(dāng)缺失數(shù)據(jù)超過(guò)80%時(shí)其數(shù)據(jù)恢復(fù)性能迅速下降。該文基于稀疏迭代協(xié)方差估計(jì)提出一種新的缺失數(shù)據(jù)譜分析方法(M-SPICE)及針對(duì)該方法的缺失數(shù)據(jù)修正時(shí)域重建方法。該方法將加權(quán)缺失數(shù)據(jù)協(xié)方差擬合代價(jià)函數(shù)轉(zhuǎn)換為凸優(yōu)化問(wèn)題，構(gòu)造循環(huán)最小化器保證缺失數(shù)據(jù)參數(shù)估計(jì)的全局收斂特性，通過(guò)對(duì)缺失數(shù)據(jù)估計(jì)算子的更新實(shí)現(xiàn)了時(shí)域重建方法的修正，使其在有效數(shù)據(jù)功率譜欠估計(jì)的情況下獲得更高的數(shù)據(jù)重建精度。仿真實(shí)驗(yàn)表明無(wú)論是數(shù)據(jù)塊缺失還是任意缺失，該方法均能夠利用更少的有效數(shù)據(jù)進(jìn)行譜分析，并重建大比例缺失數(shù)據(jù)。
應(yīng)用于缺失數(shù)據(jù)恢復(fù)的迭代自適應(yīng)方法(IAA)被證實(shí)可利用20%的有效數(shù)據(jù)估計(jì)信號(hào)參數(shù)，并能高精度恢復(fù)缺失數(shù)據(jù)，優(yōu)于經(jīng)典GAPES方法，但當(dāng)缺失數(shù)據(jù)超過(guò)80%時(shí)其數(shù)據(jù)恢復(fù)性能迅速下降。該文基于稀疏迭代協(xié)方差估計(jì)提出一種新的缺失數(shù)據(jù)譜分析方法(M-SPICE)及針對(duì)該方法的缺失數(shù)據(jù)修正時(shí)域重建方法。該方法將加權(quán)缺失數(shù)據(jù)協(xié)方差擬合代價(jià)函數(shù)轉(zhuǎn)換為凸優(yōu)化問(wèn)題，構(gòu)造循環(huán)最小化器保證缺失數(shù)據(jù)參數(shù)估計(jì)的全局收斂特性，通過(guò)對(duì)缺失數(shù)據(jù)估計(jì)算子的更新實(shí)現(xiàn)了時(shí)域重建方法的修正，使其在有效數(shù)據(jù)功率譜欠估計(jì)的情況下獲得更高的數(shù)據(jù)重建精度。仿真實(shí)驗(yàn)表明無(wú)論是數(shù)據(jù)塊缺失還是任意缺失，該方法均能夠利用更少的有效數(shù)據(jù)進(jìn)行譜分析，并重建大比例缺失數(shù)據(jù)。
2016, 38(6): 1438-1445.
doi: 10.11999/JEIT150849
摘要:
針對(duì)雜波環(huán)境下的多目標(biāo)跟蹤數(shù)據(jù)互聯(lián)問(wèn)題，該文提出基于全鄰模糊聚類(lèi)的聯(lián)合概率數(shù)據(jù)互聯(lián)算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering, ANFCJPDA)。該算法根據(jù)確認(rèn)區(qū)域中量測(cè)的分布和點(diǎn)跡-航跡關(guān)聯(lián)規(guī)則構(gòu)造統(tǒng)計(jì)距離，以各目標(biāo)的預(yù)測(cè)位置為聚類(lèi)中心，利用模糊聚類(lèi)方法，計(jì)算相關(guān)波門(mén)內(nèi)候選量測(cè)與不同目標(biāo)互聯(lián)的概率，通過(guò)概率加權(quán)融合對(duì)各目標(biāo)狀態(tài)與協(xié)方差進(jìn)行更新。仿真分析表明，與經(jīng)典的聯(lián)合概率數(shù)據(jù)互聯(lián)算法(Joint Probabilistic Data Association algorithm, JPDA)相比，ANFCJPDA較大程度地改善了算法的實(shí)時(shí)性，并且跟蹤精度與JPDA相當(dāng)。
針對(duì)雜波環(huán)境下的多目標(biāo)跟蹤數(shù)據(jù)互聯(lián)問(wèn)題，該文提出基于全鄰模糊聚類(lèi)的聯(lián)合概率數(shù)據(jù)互聯(lián)算法(Joint Probabilistic Data Association algorithm based on All-Neighbor Fuzzy Clustering, ANFCJPDA)。該算法根據(jù)確認(rèn)區(qū)域中量測(cè)的分布和點(diǎn)跡-航跡關(guān)聯(lián)規(guī)則構(gòu)造統(tǒng)計(jì)距離，以各目標(biāo)的預(yù)測(cè)位置為聚類(lèi)中心，利用模糊聚類(lèi)方法，計(jì)算相關(guān)波門(mén)內(nèi)候選量測(cè)與不同目標(biāo)互聯(lián)的概率，通過(guò)概率加權(quán)融合對(duì)各目標(biāo)狀態(tài)與協(xié)方差進(jìn)行更新。仿真分析表明，與經(jīng)典的聯(lián)合概率數(shù)據(jù)互聯(lián)算法(Joint Probabilistic Data Association algorithm, JPDA)相比，ANFCJPDA較大程度地改善了算法的實(shí)時(shí)性，并且跟蹤精度與JPDA相當(dāng)。
2016, 38(6): 1446-1451.
doi: 10.11999/JEIT151021
摘要:
在自跟蹤接收機(jī)中，當(dāng)輸入信噪比較低時(shí)，需要通過(guò)相參積累來(lái)提高信噪比才能獲得滿意的測(cè)角精度。傳統(tǒng)提高信噪比的方法為通道內(nèi)的碼捕獲算法，需要進(jìn)行在時(shí)間維和多普勒維的2維搜索，必要時(shí)還需要進(jìn)行第3維位跳變的搜索補(bǔ)償，運(yùn)算量非常大，無(wú)法實(shí)現(xiàn)快速測(cè)角。該文提出一種基于通道間互相關(guān)的相參積累快速測(cè)角算法，新算法具有結(jié)構(gòu)簡(jiǎn)單、運(yùn)算量低、幾乎零延遲的優(yōu)點(diǎn)，且測(cè)角精度可以達(dá)到傳統(tǒng)相參積累方法的水平，容易滿足自跟蹤接收機(jī)快速測(cè)角的要求；理論推導(dǎo)和仿真驗(yàn)證了新算法的有效性。
在自跟蹤接收機(jī)中，當(dāng)輸入信噪比較低時(shí)，需要通過(guò)相參積累來(lái)提高信噪比才能獲得滿意的測(cè)角精度。傳統(tǒng)提高信噪比的方法為通道內(nèi)的碼捕獲算法，需要進(jìn)行在時(shí)間維和多普勒維的2維搜索，必要時(shí)還需要進(jìn)行第3維位跳變的搜索補(bǔ)償，運(yùn)算量非常大，無(wú)法實(shí)現(xiàn)快速測(cè)角。該文提出一種基于通道間互相關(guān)的相參積累快速測(cè)角算法，新算法具有結(jié)構(gòu)簡(jiǎn)單、運(yùn)算量低、幾乎零延遲的優(yōu)點(diǎn)，且測(cè)角精度可以達(dá)到傳統(tǒng)相參積累方法的水平，容易滿足自跟蹤接收機(jī)快速測(cè)角的要求；理論推導(dǎo)和仿真驗(yàn)證了新算法的有效性。
2016, 38(6): 1452-1459.
doi: 10.11999/JEIT151070
摘要:
針對(duì)LFM噪聲雷達(dá)波形旁瓣功率水平高的問(wèn)題，該文將低旁瓣波形設(shè)計(jì)方法和LFM噪聲雷達(dá)波形設(shè)計(jì)方法相結(jié)合，提出一種新的低旁瓣LFM噪聲雷達(dá)波形設(shè)計(jì)方法。該方法首先建立低旁瓣LFM噪聲雷達(dá)波形設(shè)計(jì)目標(biāo)函數(shù)，將確定性二次相位和隨機(jī)相位的組合關(guān)系轉(zhuǎn)化為優(yōu)化問(wèn)題的約束條件，然后通過(guò)該文提出的修正循環(huán)算法(MCAN)迭代求解，使得設(shè)計(jì)的恒模LFM噪聲波形同時(shí)具有低旁瓣和高多普勒容忍性。最后，仿真結(jié)果表明該算法能夠降低波形模糊函數(shù)的距離-多普勒2維旁瓣，對(duì)靜止目標(biāo)和運(yùn)動(dòng)目標(biāo)均能夠起到較好的效果，且保證了波形的低截獲概率性能。
針對(duì)LFM噪聲雷達(dá)波形旁瓣功率水平高的問(wèn)題，該文將低旁瓣波形設(shè)計(jì)方法和LFM噪聲雷達(dá)波形設(shè)計(jì)方法相結(jié)合，提出一種新的低旁瓣LFM噪聲雷達(dá)波形設(shè)計(jì)方法。該方法首先建立低旁瓣LFM噪聲雷達(dá)波形設(shè)計(jì)目標(biāo)函數(shù)，將確定性二次相位和隨機(jī)相位的組合關(guān)系轉(zhuǎn)化為優(yōu)化問(wèn)題的約束條件，然后通過(guò)該文提出的修正循環(huán)算法(MCAN)迭代求解，使得設(shè)計(jì)的恒模LFM噪聲波形同時(shí)具有低旁瓣和高多普勒容忍性。最后，仿真結(jié)果表明該算法能夠降低波形模糊函數(shù)的距離-多普勒2維旁瓣，對(duì)靜止目標(biāo)和運(yùn)動(dòng)目標(biāo)均能夠起到較好的效果，且保證了波形的低截獲概率性能。
2016, 38(6): 1460-1467.
doi: 10.11999/JEIT151042
摘要:
該文提出一種新的高速機(jī)動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)算法。首先，通過(guò)二階Keystone變換(KT)消除距離頻率與慢時(shí)間的二次耦合，并計(jì)算對(duì)稱瞬時(shí)自相關(guān)函數(shù)(SIAF)。其次，對(duì)SIAF不同維依次進(jìn)行尺度逆傅里葉變換(SIFT)、尺度傅里葉變換(SFT)和快速傅里葉變換(FFT)實(shí)現(xiàn)能量積累，在新的參數(shù)空間進(jìn)行峰值檢測(cè)得到徑向速度模糊數(shù)和徑向加速度估計(jì)值。最后，根據(jù)估計(jì)的參數(shù)構(gòu)造補(bǔ)償函數(shù)對(duì)距離徙動(dòng)和多普勒擴(kuò)散進(jìn)行補(bǔ)償，并通過(guò)KT算法實(shí)現(xiàn)目標(biāo)檢測(cè)和距離、模糊徑向速度的估計(jì)，結(jié)合補(bǔ)償?shù)膹较蛩俣饶：龜?shù)計(jì)算出不模糊徑向速度。 由于不需要進(jìn)行參數(shù)搜索，并且SIFT和SFT均能通過(guò)FFT快速實(shí)現(xiàn)，因此算法計(jì)算量得到大幅度減小。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
該文提出一種新的高速機(jī)動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)算法。首先，通過(guò)二階Keystone變換(KT)消除距離頻率與慢時(shí)間的二次耦合，并計(jì)算對(duì)稱瞬時(shí)自相關(guān)函數(shù)(SIAF)。其次，對(duì)SIAF不同維依次進(jìn)行尺度逆傅里葉變換(SIFT)、尺度傅里葉變換(SFT)和快速傅里葉變換(FFT)實(shí)現(xiàn)能量積累，在新的參數(shù)空間進(jìn)行峰值檢測(cè)得到徑向速度模糊數(shù)和徑向加速度估計(jì)值。最后，根據(jù)估計(jì)的參數(shù)構(gòu)造補(bǔ)償函數(shù)對(duì)距離徙動(dòng)和多普勒擴(kuò)散進(jìn)行補(bǔ)償，并通過(guò)KT算法實(shí)現(xiàn)目標(biāo)檢測(cè)和距離、模糊徑向速度的估計(jì)，結(jié)合補(bǔ)償?shù)膹较蛩俣饶：龜?shù)計(jì)算出不模糊徑向速度。 由于不需要進(jìn)行參數(shù)搜索，并且SIFT和SFT均能通過(guò)FFT快速實(shí)現(xiàn)，因此算法計(jì)算量得到大幅度減小。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
2016, 38(6): 1468-1474.
doi: 10.11999/JEIT151013
摘要:
現(xiàn)有的低仰角測(cè)高方法多采用鏡面反射模型，將直達(dá)波與多徑簡(jiǎn)化為兩遠(yuǎn)場(chǎng)點(diǎn)源；然而實(shí)際中不規(guī)則反射面使多徑回波波前畸變，遠(yuǎn)場(chǎng)點(diǎn)源模型難以完全描述多徑信號(hào)。針對(duì)此模型失配問(wèn)題，該文重點(diǎn)研究低仰角目標(biāo)多徑模型，首先分析經(jīng)典多徑模型，對(duì)反射系數(shù)和反射面高度進(jìn)行參數(shù)反演；然后提出一種擾動(dòng)多徑模型，將反射面對(duì)多徑回波的影響建模為擾動(dòng)反射系數(shù)，并利用最大似然算法反演擾動(dòng)反射系數(shù)。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了參數(shù)反演方法的有效性；實(shí)測(cè)數(shù)據(jù)驗(yàn)證了復(fù)雜情形下所建模型的合理性和反演方法的有效性，提高了低仰角測(cè)高算法在實(shí)際陣地的適用性。
現(xiàn)有的低仰角測(cè)高方法多采用鏡面反射模型，將直達(dá)波與多徑簡(jiǎn)化為兩遠(yuǎn)場(chǎng)點(diǎn)源；然而實(shí)際中不規(guī)則反射面使多徑回波波前畸變，遠(yuǎn)場(chǎng)點(diǎn)源模型難以完全描述多徑信號(hào)。針對(duì)此模型失配問(wèn)題，該文重點(diǎn)研究低仰角目標(biāo)多徑模型，首先分析經(jīng)典多徑模型，對(duì)反射系數(shù)和反射面高度進(jìn)行參數(shù)反演；然后提出一種擾動(dòng)多徑模型，將反射面對(duì)多徑回波的影響建模為擾動(dòng)反射系數(shù)，并利用最大似然算法反演擾動(dòng)反射系數(shù)。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了參數(shù)反演方法的有效性；實(shí)測(cè)數(shù)據(jù)驗(yàn)證了復(fù)雜情形下所建模型的合理性和反演方法的有效性，提高了低仰角測(cè)高算法在實(shí)際陣地的適用性。
2016, 38(6): 1475-1481.
doi: 10.11999/JEIT150995
摘要:
在寬帶多輸入多輸出(MIMO)雷達(dá)3維成像中，MIMO雷達(dá)收發(fā)陣元數(shù)量和空間分布的限制會(huì)導(dǎo)致圖像的2維橫向分辨率難以滿足實(shí)際需求。該文利用壓縮感知(CS)理論來(lái)實(shí)現(xiàn)圖像在2維橫向上的超分辨?？紤]到對(duì)信號(hào)的每一維分別進(jìn)行超分辨會(huì)損失各維間的耦合信息，提出一種基于Kronecker CS(KCS)的2維聯(lián)合超分辨方法；為解決KCS在多維高分辨應(yīng)用中存儲(chǔ)量大、計(jì)算效率低的問(wèn)題，進(jìn)一步提出了一種基于低分辨3維圖像先驗(yàn)信息的降維KCS方法。仿真和實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了方法的有效性。
在寬帶多輸入多輸出(MIMO)雷達(dá)3維成像中，MIMO雷達(dá)收發(fā)陣元數(shù)量和空間分布的限制會(huì)導(dǎo)致圖像的2維橫向分辨率難以滿足實(shí)際需求。該文利用壓縮感知(CS)理論來(lái)實(shí)現(xiàn)圖像在2維橫向上的超分辨?？紤]到對(duì)信號(hào)的每一維分別進(jìn)行超分辨會(huì)損失各維間的耦合信息，提出一種基于Kronecker CS(KCS)的2維聯(lián)合超分辨方法；為解決KCS在多維高分辨應(yīng)用中存儲(chǔ)量大、計(jì)算效率低的問(wèn)題，進(jìn)一步提出了一種基于低分辨3維圖像先驗(yàn)信息的降維KCS方法。仿真和實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了方法的有效性。
2016, 38(6): 1482-1488.
doi: 10.11999/JEIT150990
摘要:
在局部極坐標(biāo)系下，快速多級(jí)后向投影算法(FFBPA)可以以較低的采樣率對(duì)子孔徑成像，但在不同局部極坐標(biāo)系之間需大量的2維圖像域插值實(shí)現(xiàn)圖像融合。相比極坐標(biāo)系，圖像融合在直角坐標(biāo)系下更容易實(shí)現(xiàn)。但在直角坐標(biāo)系下進(jìn)行子孔徑成像的奈奎斯特采樣率較高，這將影響直角坐標(biāo)系下的成像效率。該文針對(duì)此問(wèn)題提出一種譜壓縮技術(shù)，通過(guò)對(duì)距離時(shí)域和距離頻域兩次補(bǔ)償，大幅壓縮了直角坐標(biāo)系下子孔徑成像的方位譜寬度。該文算法具有堪比原始后向投影算法(BPA)的成像質(zhì)量和優(yōu)于FFBPA的計(jì)算效率，且能夠應(yīng)用于非線性軌道SAR。最后通過(guò)星載0.1 m仿真實(shí)驗(yàn)和機(jī)載0.2 m實(shí)測(cè)實(shí)驗(yàn)驗(yàn)證了算法的有效性。
在局部極坐標(biāo)系下，快速多級(jí)后向投影算法(FFBPA)可以以較低的采樣率對(duì)子孔徑成像，但在不同局部極坐標(biāo)系之間需大量的2維圖像域插值實(shí)現(xiàn)圖像融合。相比極坐標(biāo)系，圖像融合在直角坐標(biāo)系下更容易實(shí)現(xiàn)。但在直角坐標(biāo)系下進(jìn)行子孔徑成像的奈奎斯特采樣率較高，這將影響直角坐標(biāo)系下的成像效率。該文針對(duì)此問(wèn)題提出一種譜壓縮技術(shù)，通過(guò)對(duì)距離時(shí)域和距離頻域兩次補(bǔ)償，大幅壓縮了直角坐標(biāo)系下子孔徑成像的方位譜寬度。該文算法具有堪比原始后向投影算法(BPA)的成像質(zhì)量和優(yōu)于FFBPA的計(jì)算效率，且能夠應(yīng)用于非線性軌道SAR。最后通過(guò)星載0.1 m仿真實(shí)驗(yàn)和機(jī)載0.2 m實(shí)測(cè)實(shí)驗(yàn)驗(yàn)證了算法的有效性。
2016, 38(6): 1489-1495.
doi: 10.11999/JEIT151334
摘要:
針對(duì)光學(xué)遙感圖像中受陰影干擾的油罐目標(biāo)識(shí)別率低的問(wèn)題，該文提出一種將改進(jìn)的視覺(jué)顯著模型與似圓陰影區(qū)域特征檢測(cè)相結(jié)合的由粗到精的油罐目標(biāo)檢測(cè)方法。首先建立改進(jìn)的視覺(jué)顯著模型，將油罐從復(fù)雜背景中粗分離。然后對(duì)分離結(jié)果中由油罐產(chǎn)生的似圓陰影區(qū)域進(jìn)行精檢測(cè)，得到疑似油罐目標(biāo)。再去除陰影，獲得油罐目標(biāo)的初步檢測(cè)結(jié)果。最后基于圖搜索策略及先驗(yàn)知識(shí)，確定油罐目標(biāo)并定位油庫(kù)區(qū)域。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)檢測(cè)光學(xué)遙感圖像中存在似圓陰影的油罐目標(biāo)具有較高的魯棒性和準(zhǔn)確率。同時(shí)，在不同環(huán)境的光學(xué)遙感圖像中使用該方法可快速準(zhǔn)確地定位油庫(kù)區(qū)域。
針對(duì)光學(xué)遙感圖像中受陰影干擾的油罐目標(biāo)識(shí)別率低的問(wèn)題，該文提出一種將改進(jìn)的視覺(jué)顯著模型與似圓陰影區(qū)域特征檢測(cè)相結(jié)合的由粗到精的油罐目標(biāo)檢測(cè)方法。首先建立改進(jìn)的視覺(jué)顯著模型，將油罐從復(fù)雜背景中粗分離。然后對(duì)分離結(jié)果中由油罐產(chǎn)生的似圓陰影區(qū)域進(jìn)行精檢測(cè)，得到疑似油罐目標(biāo)。再去除陰影，獲得油罐目標(biāo)的初步檢測(cè)結(jié)果。最后基于圖搜索策略及先驗(yàn)知識(shí)，確定油罐目標(biāo)并定位油庫(kù)區(qū)域。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)檢測(cè)光學(xué)遙感圖像中存在似圓陰影的油罐目標(biāo)具有較高的魯棒性和準(zhǔn)確率。同時(shí)，在不同環(huán)境的光學(xué)遙感圖像中使用該方法可快速準(zhǔn)確地定位油庫(kù)區(qū)域。
2016, 38(6): 1496-1502.
doi: 10.11999/JEIT150981
摘要:
GPS層析反演和電離層斜向返回探測(cè)反演可以給出電離層大尺度2維電子濃度分布，該文基于3次電離層垂測(cè)、GPS層析探測(cè)和斜向返回探測(cè)的實(shí)驗(yàn)結(jié)果，比較了GPS層析反演和電離層斜向返回探測(cè)反演得到的大尺度電子密度2維分布。結(jié)果表明GPS層析和電離層斜向返回探測(cè)都能較好地重構(gòu)電離層電子密度分布，反映電離層大尺度的空間結(jié)構(gòu)。通過(guò)和電離層垂測(cè)結(jié)果的比較，表明GPS層析和斜向返回探測(cè)反演得到電離層F2層最大電子密度和峰高具有較好的精度。
GPS層析反演和電離層斜向返回探測(cè)反演可以給出電離層大尺度2維電子濃度分布，該文基于3次電離層垂測(cè)、GPS層析探測(cè)和斜向返回探測(cè)的實(shí)驗(yàn)結(jié)果，比較了GPS層析反演和電離層斜向返回探測(cè)反演得到的大尺度電子密度2維分布。結(jié)果表明GPS層析和電離層斜向返回探測(cè)都能較好地重構(gòu)電離層電子密度分布，反映電離層大尺度的空間結(jié)構(gòu)。通過(guò)和電離層垂測(cè)結(jié)果的比較，表明GPS層析和斜向返回探測(cè)反演得到電離層F2層最大電子密度和峰高具有較好的精度。
2016, 38(6): 1503-1511.
doi: 10.11999/JEIT150950
摘要:
運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域極具挑戰(zhàn)性的難題，該文針對(duì)這一問(wèn)題提出一種基于空時(shí)多線索融合的超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法。首先利用簡(jiǎn)單線性迭代聚類(lèi)算法將當(dāng)前幀分割為超像素集合，根據(jù)幀間的像素級(jí)時(shí)變線索找到當(dāng)前幀中包含運(yùn)動(dòng)信息的前景超像素子塊；然后根據(jù)運(yùn)動(dòng)目標(biāo)的一致性原則建立前一幀目標(biāo)模型，結(jié)合目標(biāo)空間線索進(jìn)一步確定包含運(yùn)動(dòng)目標(biāo)的檢測(cè)窗口，將目標(biāo)檢測(cè)問(wèn)題轉(zhuǎn)化為目標(biāo)分割問(wèn)題，利用密集角點(diǎn)檢測(cè)將目標(biāo)從窗口中分割出來(lái)。在多個(gè)具有挑戰(zhàn)性的公開(kāi)視頻序列上同幾種流行檢測(cè)算法的實(shí)驗(yàn)對(duì)比結(jié)果證明了所提算法的有效性和優(yōu)越性。
運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域極具挑戰(zhàn)性的難題，該文針對(duì)這一問(wèn)題提出一種基于空時(shí)多線索融合的超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法。首先利用簡(jiǎn)單線性迭代聚類(lèi)算法將當(dāng)前幀分割為超像素集合，根據(jù)幀間的像素級(jí)時(shí)變線索找到當(dāng)前幀中包含運(yùn)動(dòng)信息的前景超像素子塊；然后根據(jù)運(yùn)動(dòng)目標(biāo)的一致性原則建立前一幀目標(biāo)模型，結(jié)合目標(biāo)空間線索進(jìn)一步確定包含運(yùn)動(dòng)目標(biāo)的檢測(cè)窗口，將目標(biāo)檢測(cè)問(wèn)題轉(zhuǎn)化為目標(biāo)分割問(wèn)題，利用密集角點(diǎn)檢測(cè)將目標(biāo)從窗口中分割出來(lái)。在多個(gè)具有挑戰(zhàn)性的公開(kāi)視頻序列上同幾種流行檢測(cè)算法的實(shí)驗(yàn)對(duì)比結(jié)果證明了所提算法的有效性和優(yōu)越性。
2016, 38(6): 1512-1518.
doi: 10.11999/JEIT150986
摘要:
該文針對(duì)傳統(tǒng)機(jī)場(chǎng)噪聲預(yù)測(cè)模型存在的建模成本高、實(shí)用性差的不足，引入時(shí)間序列相空間重構(gòu)理論，提出一種新的基于快速極限學(xué)習(xí)機(jī)和差分進(jìn)化算法的機(jī)場(chǎng)噪聲一體化預(yù)測(cè)模型。該模型利用相空間重構(gòu)理論對(duì)機(jī)場(chǎng)噪聲時(shí)間序列進(jìn)行重構(gòu)，并使用快速極限學(xué)習(xí)機(jī)對(duì)重構(gòu)的相空間矢量進(jìn)行學(xué)習(xí)建模，同時(shí)采用改進(jìn)的差分進(jìn)化算法實(shí)現(xiàn)對(duì)重構(gòu)參數(shù)和模型參數(shù)的同步優(yōu)化選擇，整個(gè)建模過(guò)程簡(jiǎn)潔高效，無(wú)需人工干預(yù)。實(shí)驗(yàn)結(jié)果表明，該一體化預(yù)測(cè)模型能較好地跟蹤機(jī)場(chǎng)噪聲的變化趨勢(shì)，且具有較同類(lèi)模型更小的預(yù)測(cè)誤差。
該文針對(duì)傳統(tǒng)機(jī)場(chǎng)噪聲預(yù)測(cè)模型存在的建模成本高、實(shí)用性差的不足，引入時(shí)間序列相空間重構(gòu)理論，提出一種新的基于快速極限學(xué)習(xí)機(jī)和差分進(jìn)化算法的機(jī)場(chǎng)噪聲一體化預(yù)測(cè)模型。該模型利用相空間重構(gòu)理論對(duì)機(jī)場(chǎng)噪聲時(shí)間序列進(jìn)行重構(gòu)，并使用快速極限學(xué)習(xí)機(jī)對(duì)重構(gòu)的相空間矢量進(jìn)行學(xué)習(xí)建模，同時(shí)采用改進(jìn)的差分進(jìn)化算法實(shí)現(xiàn)對(duì)重構(gòu)參數(shù)和模型參數(shù)的同步優(yōu)化選擇，整個(gè)建模過(guò)程簡(jiǎn)潔高效，無(wú)需人工干預(yù)。實(shí)驗(yàn)結(jié)果表明，該一體化預(yù)測(cè)模型能較好地跟蹤機(jī)場(chǎng)噪聲的變化趨勢(shì)，且具有較同類(lèi)模型更小的預(yù)測(cè)誤差。
2016, 38(6): 1519-1527.
doi: 10.11999/JEIT150926
摘要:
在應(yīng)急救援、商場(chǎng)導(dǎo)購(gòu)、患者導(dǎo)醫(yī)、參觀引導(dǎo)等導(dǎo)航應(yīng)用場(chǎng)景中，往往需要室內(nèi)平面圖作為先驗(yàn)知識(shí)，從而使得大量室內(nèi)導(dǎo)航系統(tǒng)缺乏可擴(kuò)展性和魯棒性。針對(duì)該問(wèn)題，該文提出基于動(dòng)態(tài)地標(biāo)的在線室內(nèi)平面圖生成方法，減少現(xiàn)有方法對(duì)先驗(yàn)知識(shí)的依賴。首先利用智能移動(dòng)設(shè)備內(nèi)置的慣導(dǎo)傳感器數(shù)據(jù)和航位推算法獲取粗粒度移動(dòng)軌跡，繼而提出一個(gè)同步靜態(tài)地標(biāo)(樓梯、電梯以及手扶電梯等)和動(dòng)態(tài)地標(biāo)(軌跡拐點(diǎn))的識(shí)別方法；其次，利用這些地標(biāo)信息提出多用戶參與的軌跡自校正和組合方法實(shí)現(xiàn)室內(nèi)平面圖生成；最后，利用原型系統(tǒng)獲取的數(shù)據(jù)評(píng)價(jià)所提方法。分析結(jié)果顯示，該文方法的最大誤差以及平均誤差分別為1.90 m和0.90 m。
在應(yīng)急救援、商場(chǎng)導(dǎo)購(gòu)、患者導(dǎo)醫(yī)、參觀引導(dǎo)等導(dǎo)航應(yīng)用場(chǎng)景中，往往需要室內(nèi)平面圖作為先驗(yàn)知識(shí)，從而使得大量室內(nèi)導(dǎo)航系統(tǒng)缺乏可擴(kuò)展性和魯棒性。針對(duì)該問(wèn)題，該文提出基于動(dòng)態(tài)地標(biāo)的在線室內(nèi)平面圖生成方法，減少現(xiàn)有方法對(duì)先驗(yàn)知識(shí)的依賴。首先利用智能移動(dòng)設(shè)備內(nèi)置的慣導(dǎo)傳感器數(shù)據(jù)和航位推算法獲取粗粒度移動(dòng)軌跡，繼而提出一個(gè)同步靜態(tài)地標(biāo)(樓梯、電梯以及手扶電梯等)和動(dòng)態(tài)地標(biāo)(軌跡拐點(diǎn))的識(shí)別方法；其次，利用這些地標(biāo)信息提出多用戶參與的軌跡自校正和組合方法實(shí)現(xiàn)室內(nèi)平面圖生成；最后，利用原型系統(tǒng)獲取的數(shù)據(jù)評(píng)價(jià)所提方法。分析結(jié)果顯示，該文方法的最大誤差以及平均誤差分別為1.90 m和0.90 m。
2016, 38(6): 1528-1535.
doi: 10.11999/JEIT150982
摘要:
該文針對(duì)行人識(shí)別中的特征表示問(wèn)題，提出一種混合結(jié)構(gòu)的分層特征表示方法，這種混合結(jié)構(gòu)結(jié)合了具有表示能力的詞袋結(jié)構(gòu)和學(xué)習(xí)適應(yīng)性的深度分層結(jié)構(gòu)。首先利用基于梯度的HOG局部描述符提取局部特征，再通過(guò)一個(gè)由空間聚集受限玻爾茲曼機(jī)組成的深度分層編碼方法進(jìn)行編碼。對(duì)于每個(gè)編碼層，利用稀疏性和選擇性正則化進(jìn)行無(wú)監(jiān)督受限玻爾茲曼機(jī)學(xué)習(xí)，再應(yīng)用監(jiān)督微調(diào)來(lái)增強(qiáng)分類(lèi)任務(wù)中視覺(jué)特征表示，采用最大池化和空間金字塔方法得到高層圖像特征表示。最后采用線性支持向量機(jī)進(jìn)行行人識(shí)別，提取深度分層特征遮擋等與目標(biāo)無(wú)關(guān)部分自然分離，有效提高了后續(xù)識(shí)別的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明了所提出方法具有較高的識(shí)別率。
該文針對(duì)行人識(shí)別中的特征表示問(wèn)題，提出一種混合結(jié)構(gòu)的分層特征表示方法，這種混合結(jié)構(gòu)結(jié)合了具有表示能力的詞袋結(jié)構(gòu)和學(xué)習(xí)適應(yīng)性的深度分層結(jié)構(gòu)。首先利用基于梯度的HOG局部描述符提取局部特征，再通過(guò)一個(gè)由空間聚集受限玻爾茲曼機(jī)組成的深度分層編碼方法進(jìn)行編碼。對(duì)于每個(gè)編碼層，利用稀疏性和選擇性正則化進(jìn)行無(wú)監(jiān)督受限玻爾茲曼機(jī)學(xué)習(xí)，再應(yīng)用監(jiān)督微調(diào)來(lái)增強(qiáng)分類(lèi)任務(wù)中視覺(jué)特征表示，采用最大池化和空間金字塔方法得到高層圖像特征表示。最后采用線性支持向量機(jī)進(jìn)行行人識(shí)別，提取深度分層特征遮擋等與目標(biāo)無(wú)關(guān)部分自然分離，有效提高了后續(xù)識(shí)別的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明了所提出方法具有較高的識(shí)別率。
2016, 38(6): 1536-1540.
doi: 10.11999/JEIT150994
摘要:
該文基于MEMS電場(chǎng)敏感芯片，研制出了一種新型的地面大氣電場(chǎng)傳感器，解決了現(xiàn)有場(chǎng)磨式電場(chǎng)儀易磨損、功耗大、故障率高等問(wèn)題。敏感芯片采用SOIMUMPS加工工藝制備，其芯片面積僅為5.5 mm5.5 mm。該文提出了傳感器敏感芯片的弱信號(hào)檢測(cè)方法，設(shè)計(jì)出了滿足環(huán)境適應(yīng)性的傳感器整體結(jié)構(gòu)方案，并建立了傳感器的靈敏度分析模型。對(duì)電場(chǎng)傳感器進(jìn)行測(cè)試，測(cè)量范圍為-50 kV/m~50 kV/m，總不確定度為0.67%，分辨力達(dá)到10 V/m，功耗僅為0.62 W。外場(chǎng)試驗(yàn)結(jié)果表明，MEMS地面大氣電場(chǎng)傳感器在晴天和雷暴天的電場(chǎng)探測(cè)結(jié)果，與Campbell公司場(chǎng)磨式電場(chǎng)儀探測(cè)結(jié)果都有較好的一致性，說(shuō)明該傳感器能滿足預(yù)測(cè)雷暴要求，實(shí)現(xiàn)雷電監(jiān)測(cè)和預(yù)警功能。
該文基于MEMS電場(chǎng)敏感芯片，研制出了一種新型的地面大氣電場(chǎng)傳感器，解決了現(xiàn)有場(chǎng)磨式電場(chǎng)儀易磨損、功耗大、故障率高等問(wèn)題。敏感芯片采用SOIMUMPS加工工藝制備，其芯片面積僅為5.5 mm5.5 mm。該文提出了傳感器敏感芯片的弱信號(hào)檢測(cè)方法，設(shè)計(jì)出了滿足環(huán)境適應(yīng)性的傳感器整體結(jié)構(gòu)方案，并建立了傳感器的靈敏度分析模型。對(duì)電場(chǎng)傳感器進(jìn)行測(cè)試，測(cè)量范圍為-50 kV/m~50 kV/m，總不確定度為0.67%，分辨力達(dá)到10 V/m，功耗僅為0.62 W。外場(chǎng)試驗(yàn)結(jié)果表明，MEMS地面大氣電場(chǎng)傳感器在晴天和雷暴天的電場(chǎng)探測(cè)結(jié)果，與Campbell公司場(chǎng)磨式電場(chǎng)儀探測(cè)結(jié)果都有較好的一致性，說(shuō)明該傳感器能滿足預(yù)測(cè)雷暴要求，實(shí)現(xiàn)雷電監(jiān)測(cè)和預(yù)警功能。
2016, 38(6): 1541-1546.
doi: 10.11999/JEIT150968
摘要:
物理不可克隆函數(shù)(Physical Unclonable Function, PUF)電路利用結(jié)構(gòu)完全相同的電路在制造過(guò)程中存在的隨機(jī)工藝偏差，產(chǎn)生具有唯一性、隨機(jī)性和不可克隆性的密鑰。該文通過(guò)對(duì)共源共柵電流鏡的研究，提出一種基于電流鏡工藝偏差的多端口可配置PUF電路。該P(yáng)UF電路由輸入寄存器、偏差電壓源、復(fù)用網(wǎng)絡(luò)、判決器陣列和擾亂模塊構(gòu)成，通過(guò)激勵(lì)信號(hào)配置偏差電壓源，無(wú)需更換硬件便可實(shí)現(xiàn)輸出密鑰的變化，且可在一個(gè)時(shí)鐘周期內(nèi)輸出多位密鑰。在SMIC 65 nm CMOS工藝下，采用全定制方式設(shè)計(jì)具有36個(gè)輸出端口的PUF電路，版圖面積為24.8 m77.4 m。實(shí)驗(yàn)結(jié)果表明，該P(yáng)UF電路具有良好的唯一性和隨機(jī)性，且工作在不同溫度(-40~125C)和電壓(1.08~1.32 V)下的可靠性均大于97.4%，可應(yīng)用于信息安全領(lǐng)域。
物理不可克隆函數(shù)(Physical Unclonable Function, PUF)電路利用結(jié)構(gòu)完全相同的電路在制造過(guò)程中存在的隨機(jī)工藝偏差，產(chǎn)生具有唯一性、隨機(jī)性和不可克隆性的密鑰。該文通過(guò)對(duì)共源共柵電流鏡的研究，提出一種基于電流鏡工藝偏差的多端口可配置PUF電路。該P(yáng)UF電路由輸入寄存器、偏差電壓源、復(fù)用網(wǎng)絡(luò)、判決器陣列和擾亂模塊構(gòu)成，通過(guò)激勵(lì)信號(hào)配置偏差電壓源，無(wú)需更換硬件便可實(shí)現(xiàn)輸出密鑰的變化，且可在一個(gè)時(shí)鐘周期內(nèi)輸出多位密鑰。在SMIC 65 nm CMOS工藝下，采用全定制方式設(shè)計(jì)具有36個(gè)輸出端口的PUF電路，版圖面積為24.8 m77.4 m。實(shí)驗(yàn)結(jié)果表明，該P(yáng)UF電路具有良好的唯一性和隨機(jī)性，且工作在不同溫度(-40~125C)和電壓(1.08~1.32 V)下的可靠性均大于97.4%，可應(yīng)用于信息安全領(lǐng)域。
2016, 38(6): 1547-1551.
doi: 10.11999/JEIT151039
摘要:
混沌系統(tǒng)是基于混沌的數(shù)據(jù)加密領(lǐng)域的一個(gè)重要研究對(duì)象，Logistic混沌映射是最簡(jiǎn)單和有效的混沌系統(tǒng)，被廣泛應(yīng)用在大多數(shù)混沌加密算法中，Logistic映射的安全性成為研究的熱點(diǎn)。針對(duì)Logistic序列存在的吸引子與空白區(qū)問(wèn)題，該文提出一種基于初始值和分形控制參數(shù)之間關(guān)系的Logistic映射改進(jìn)方法。利用兩者之間關(guān)系對(duì)映射自變量區(qū)間進(jìn)行合理分段，擴(kuò)大了混沌控制參數(shù)區(qū)域，將滿射范圍擴(kuò)大到整個(gè)控制參數(shù)區(qū)間，使產(chǎn)生的序列分布更均勻，解決了穩(wěn)定窗與空白區(qū)等問(wèn)題。通過(guò)將改進(jìn)Logistic與其它分段Logistic映射進(jìn)行仿真對(duì)比，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的映射產(chǎn)生的序列混沌特性得到顯著加強(qiáng)，分布更均勻，具有更好的隨機(jī)性能測(cè)試指標(biāo)。另外，改進(jìn)Logistic映射計(jì)算復(fù)雜度低，實(shí)現(xiàn)簡(jiǎn)單，在擴(kuò)頻通信與混沌密碼等領(lǐng)域有廣闊的應(yīng)用前景。
混沌系統(tǒng)是基于混沌的數(shù)據(jù)加密領(lǐng)域的一個(gè)重要研究對(duì)象，Logistic混沌映射是最簡(jiǎn)單和有效的混沌系統(tǒng)，被廣泛應(yīng)用在大多數(shù)混沌加密算法中，Logistic映射的安全性成為研究的熱點(diǎn)。針對(duì)Logistic序列存在的吸引子與空白區(qū)問(wèn)題，該文提出一種基于初始值和分形控制參數(shù)之間關(guān)系的Logistic映射改進(jìn)方法。利用兩者之間關(guān)系對(duì)映射自變量區(qū)間進(jìn)行合理分段，擴(kuò)大了混沌控制參數(shù)區(qū)域，將滿射范圍擴(kuò)大到整個(gè)控制參數(shù)區(qū)間，使產(chǎn)生的序列分布更均勻，解決了穩(wěn)定窗與空白區(qū)等問(wèn)題。通過(guò)將改進(jìn)Logistic與其它分段Logistic映射進(jìn)行仿真對(duì)比，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的映射產(chǎn)生的序列混沌特性得到顯著加強(qiáng)，分布更均勻，具有更好的隨機(jī)性能測(cè)試指標(biāo)。另外，改進(jìn)Logistic映射計(jì)算復(fù)雜度低，實(shí)現(xiàn)簡(jiǎn)單，在擴(kuò)頻通信與混沌密碼等領(lǐng)域有廣闊的應(yīng)用前景。
2016, 38(6): 1552-1556.
doi: 10.11999/JEIT151005
摘要:
提出一種新的基于圖割和邊緣行進(jìn)的腹部CT序列圖像肝臟分割方法。首先，針對(duì)輸入序列的數(shù)據(jù)特征，建立肝臟亮度和外觀模型，突出肝臟區(qū)域抑制非肝臟區(qū)域；然后，將肝臟亮度、外觀模型以及相鄰切片之間的位置信息有效融入圖割能量函數(shù)，實(shí)現(xiàn)CT序列肝臟的自動(dòng)初步分割；最后，針對(duì)血管欠分割問(wèn)題，提出了一種基于邊緣行進(jìn)的結(jié)果優(yōu)化方法。通過(guò)對(duì)XHCSU14和SLIVER07數(shù)據(jù)庫(kù)提供的30個(gè)病人肝臟序列的分割實(shí)驗(yàn)，以及與其他多種肝臟分割方法的比較，表明該方法能完整有效地分割肝臟，準(zhǔn)確性高，魯棒性強(qiáng)。
提出一種新的基于圖割和邊緣行進(jìn)的腹部CT序列圖像肝臟分割方法。首先，針對(duì)輸入序列的數(shù)據(jù)特征，建立肝臟亮度和外觀模型，突出肝臟區(qū)域抑制非肝臟區(qū)域；然后，將肝臟亮度、外觀模型以及相鄰切片之間的位置信息有效融入圖割能量函數(shù)，實(shí)現(xiàn)CT序列肝臟的自動(dòng)初步分割；最后，針對(duì)血管欠分割問(wèn)題，提出了一種基于邊緣行進(jìn)的結(jié)果優(yōu)化方法。通過(guò)對(duì)XHCSU14和SLIVER07數(shù)據(jù)庫(kù)提供的30個(gè)病人肝臟序列的分割實(shí)驗(yàn)，以及與其他多種肝臟分割方法的比較，表明該方法能完整有效地分割肝臟，準(zhǔn)確性高，魯棒性強(qiáng)。
