郵件訂閱
2018年 第40卷 第1期
顯示方式:
2018, 40(1): 1-10.
doi: 10.11999/JEIT170317
摘要:
屬性基加密因其細(xì)粒度訪問控制在云存儲(chǔ)中得到廣泛應(yīng)用。但原始屬性基加密方案存在密鑰托管和屬性撤銷問題。為解決上述問題，該文提出一種密文策略的屬性基加密方案。該方案中屬性權(quán)威與中央控制通過安全兩方計(jì)算技術(shù)構(gòu)建無密鑰托管密鑰分發(fā)協(xié)議解決密鑰托管問題。通過更新屬性版本密鑰的方式達(dá)到屬性級(jí)用戶撤銷，同時(shí)通過中央控制可以實(shí)現(xiàn)系統(tǒng)級(jí)用戶撤銷。為減少用戶解密過程的計(jì)算負(fù)擔(dān)，將解密運(yùn)算過程中復(fù)雜對(duì)運(yùn)算外包給云服務(wù)商，提高解密效率。該文基于q-Parallel BDHE假設(shè)在隨機(jī)預(yù)言機(jī)模型下對(duì)方案進(jìn)行了選擇訪問結(jié)構(gòu)明文攻擊的安全性證明。最后從理論和實(shí)驗(yàn)兩方面對(duì)所提方案的效率與功能性進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明所提方案無密鑰托管問題，且具有較高系統(tǒng)效率。
屬性基加密因其細(xì)粒度訪問控制在云存儲(chǔ)中得到廣泛應(yīng)用。但原始屬性基加密方案存在密鑰托管和屬性撤銷問題。為解決上述問題，該文提出一種密文策略的屬性基加密方案。該方案中屬性權(quán)威與中央控制通過安全兩方計(jì)算技術(shù)構(gòu)建無密鑰托管密鑰分發(fā)協(xié)議解決密鑰托管問題。通過更新屬性版本密鑰的方式達(dá)到屬性級(jí)用戶撤銷，同時(shí)通過中央控制可以實(shí)現(xiàn)系統(tǒng)級(jí)用戶撤銷。為減少用戶解密過程的計(jì)算負(fù)擔(dān)，將解密運(yùn)算過程中復(fù)雜對(duì)運(yùn)算外包給云服務(wù)商，提高解密效率。該文基于q-Parallel BDHE假設(shè)在隨機(jī)預(yù)言機(jī)模型下對(duì)方案進(jìn)行了選擇訪問結(jié)構(gòu)明文攻擊的安全性證明。最后從理論和實(shí)驗(yàn)兩方面對(duì)所提方案的效率與功能性進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明所提方案無密鑰托管問題，且具有較高系統(tǒng)效率。
2018, 40(1): 11-17.
doi: 10.11999/JEIT170340
摘要:
為了實(shí)現(xiàn)車載自組織網(wǎng)絡(luò)中車輛節(jié)點(diǎn)之間信息傳輸?shù)陌踩J(rèn)證，該文設(shè)計(jì)了一種無證書聚合簽名方案。提出的方案采用無證書密碼體制，消除了復(fù)雜的證書維護(hù)成本，同時(shí)也解決了密鑰托管問題。通過路側(cè)單元生成的假名與周圍節(jié)點(diǎn)進(jìn)行通信，實(shí)現(xiàn)了車輛用戶的條件隱私保護(hù)。在隨機(jī)預(yù)言模型下，證明了方案滿足自適應(yīng)選擇消息攻擊下的存在性不可偽造。然后，分析了方案的實(shí)現(xiàn)效率，并模擬實(shí)現(xiàn)了車載自組網(wǎng)(VANET)環(huán)境中車流密度與消息驗(yàn)證的時(shí)間延遲之間的關(guān)系。結(jié)果表明，該方案滿足消息的認(rèn)證性、匿名性、不可偽造性和可追蹤性等性質(zhì)，并且通信效率高、消息驗(yàn)證的時(shí)延短，更適合于動(dòng)態(tài)的車載自組織網(wǎng)絡(luò)環(huán)境。
為了實(shí)現(xiàn)車載自組織網(wǎng)絡(luò)中車輛節(jié)點(diǎn)之間信息傳輸?shù)陌踩J(rèn)證，該文設(shè)計(jì)了一種無證書聚合簽名方案。提出的方案采用無證書密碼體制，消除了復(fù)雜的證書維護(hù)成本，同時(shí)也解決了密鑰托管問題。通過路側(cè)單元生成的假名與周圍節(jié)點(diǎn)進(jìn)行通信，實(shí)現(xiàn)了車輛用戶的條件隱私保護(hù)。在隨機(jī)預(yù)言模型下，證明了方案滿足自適應(yīng)選擇消息攻擊下的存在性不可偽造。然后，分析了方案的實(shí)現(xiàn)效率，并模擬實(shí)現(xiàn)了車載自組網(wǎng)(VANET)環(huán)境中車流密度與消息驗(yàn)證的時(shí)間延遲之間的關(guān)系。結(jié)果表明，該方案滿足消息的認(rèn)證性、匿名性、不可偽造性和可追蹤性等性質(zhì)，并且通信效率高、消息驗(yàn)證的時(shí)延短，更適合于動(dòng)態(tài)的車載自組織網(wǎng)絡(luò)環(huán)境。
2018, 40(1): 18-24.
doi: 10.11999/JEIT170175
摘要:
針對(duì)多密級(jí)信息環(huán)境下的數(shù)據(jù)交互問題，該文設(shè)計(jì)實(shí)現(xiàn)一種多密級(jí)交互存儲(chǔ)控制器。在交互模型設(shè)計(jì)的基礎(chǔ)上，構(gòu)建了控制器總體結(jié)構(gòu)，對(duì)存儲(chǔ)器系統(tǒng)和交互控制邏輯等關(guān)鍵模塊進(jìn)行了詳細(xì)設(shè)計(jì)，并實(shí)現(xiàn)了一個(gè)依據(jù)用戶策略完成多密級(jí)信息交互的原型系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該文設(shè)計(jì)的多密級(jí)交互存儲(chǔ)控制器，交互過程可由用戶根據(jù)實(shí)際需求配置，能夠?qū)崿F(xiàn)多密級(jí)信息交互功能，對(duì)信息分級(jí)管理具有重要意義。
針對(duì)多密級(jí)信息環(huán)境下的數(shù)據(jù)交互問題，該文設(shè)計(jì)實(shí)現(xiàn)一種多密級(jí)交互存儲(chǔ)控制器。在交互模型設(shè)計(jì)的基礎(chǔ)上，構(gòu)建了控制器總體結(jié)構(gòu)，對(duì)存儲(chǔ)器系統(tǒng)和交互控制邏輯等關(guān)鍵模塊進(jìn)行了詳細(xì)設(shè)計(jì)，并實(shí)現(xiàn)了一個(gè)依據(jù)用戶策略完成多密級(jí)信息交互的原型系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該文設(shè)計(jì)的多密級(jí)交互存儲(chǔ)控制器，交互過程可由用戶根據(jù)實(shí)際需求配置，能夠?qū)崿F(xiàn)多密級(jí)信息交互功能，對(duì)信息分級(jí)管理具有重要意義。
2018, 40(1): 25-34.
doi: 10.11999/JEIT170353
摘要:
使用拍賣方式來進(jìn)行資源分配可以使得資源提供商獲得更大的收益，是云計(jì)算領(lǐng)域近年來研究的重點(diǎn)。但現(xiàn)有研究多是基于非可信、單資源、單需求的前提。該文提出一種基于拍賣方式的云計(jì)算虛擬資源分配和定價(jià)機(jī)制(VRAP)。這種機(jī)制的特點(diǎn)在于，用戶在一次拍賣中可以提出多個(gè)資源需求。證明了在這種機(jī)制下，資源提供商可以獲得較以往拍賣機(jī)制更大的收益，同時(shí)能夠保證用戶出價(jià)是可信的。進(jìn)而在具體資源分配問題上，提出一種單調(diào)的啟發(fā)式算法能夠在很短時(shí)間內(nèi)計(jì)算出分配結(jié)果，通過資源稀有度概念設(shè)計(jì)了再分配策略，可以保證云資源提供商的收益極大化；在支付價(jià)格計(jì)算算法設(shè)計(jì)中，基于臨界值理論計(jì)算支付價(jià)格，從而保證機(jī)制的公平可信。在社會(huì)福利、執(zhí)行時(shí)間、資源利用率等多個(gè)方面對(duì)VRAP進(jìn)行了測試分析，取得了很好的效果。
使用拍賣方式來進(jìn)行資源分配可以使得資源提供商獲得更大的收益，是云計(jì)算領(lǐng)域近年來研究的重點(diǎn)。但現(xiàn)有研究多是基于非可信、單資源、單需求的前提。該文提出一種基于拍賣方式的云計(jì)算虛擬資源分配和定價(jià)機(jī)制(VRAP)。這種機(jī)制的特點(diǎn)在于，用戶在一次拍賣中可以提出多個(gè)資源需求。證明了在這種機(jī)制下，資源提供商可以獲得較以往拍賣機(jī)制更大的收益，同時(shí)能夠保證用戶出價(jià)是可信的。進(jìn)而在具體資源分配問題上，提出一種單調(diào)的啟發(fā)式算法能夠在很短時(shí)間內(nèi)計(jì)算出分配結(jié)果，通過資源稀有度概念設(shè)計(jì)了再分配策略，可以保證云資源提供商的收益極大化；在支付價(jià)格計(jì)算算法設(shè)計(jì)中，基于臨界值理論計(jì)算支付價(jià)格，從而保證機(jī)制的公平可信。在社會(huì)福利、執(zhí)行時(shí)間、資源利用率等多個(gè)方面對(duì)VRAP進(jìn)行了測試分析，取得了很好的效果。
2018, 40(1): 35-41.
doi: 10.11999/JEIT170261
摘要:
配對(duì)友好橢圓曲線在基于配對(duì)的密碼系統(tǒng)中起關(guān)鍵作用。這類曲線的構(gòu)造不僅極大影響實(shí)現(xiàn)效率，更關(guān)系到系統(tǒng)安全。雖然目前已提出很多構(gòu)造方法，但幾乎都依賴窮盡搜索。該文提出一種構(gòu)造該類曲線的系統(tǒng)方法，將尋找配對(duì)友好曲線問題轉(zhuǎn)化到解方程，從而避免了窮盡搜索，并設(shè)計(jì)出具體算法。最后，將該算法應(yīng)用到尋找嵌入次數(shù)為5,8,10和12的配對(duì)友好曲線中，發(fā)現(xiàn)所有類型的橢圓曲線族都可由該方法統(tǒng)一得到，包括完全族、可變判別式的完全族和稀疏族。特別地，還找到了新的橢圓曲線族。
配對(duì)友好橢圓曲線在基于配對(duì)的密碼系統(tǒng)中起關(guān)鍵作用。這類曲線的構(gòu)造不僅極大影響實(shí)現(xiàn)效率，更關(guān)系到系統(tǒng)安全。雖然目前已提出很多構(gòu)造方法，但幾乎都依賴窮盡搜索。該文提出一種構(gòu)造該類曲線的系統(tǒng)方法，將尋找配對(duì)友好曲線問題轉(zhuǎn)化到解方程，從而避免了窮盡搜索，并設(shè)計(jì)出具體算法。最后，將該算法應(yīng)用到尋找嵌入次數(shù)為5,8,10和12的配對(duì)友好曲線中，發(fā)現(xiàn)所有類型的橢圓曲線族都可由該方法統(tǒng)一得到，包括完全族、可變判別式的完全族和稀疏族。特別地，還找到了新的橢圓曲線族。
2018, 40(1): 42-49.
doi: 10.11999/JEIT170421
摘要:
低復(fù)雜度長周期數(shù)字偽隨機(jī)序列在現(xiàn)代加密、通信等系統(tǒng)中具有廣泛的應(yīng)用。該文提出一種基于余數(shù)系統(tǒng)和有限域置換多項(xiàng)式的偽隨機(jī)序列生成方法。該方法基于中國剩余定理將多個(gè)互質(zhì)的小周期有限域隨機(jī)序列進(jìn)行單射擴(kuò)展生成長周期數(shù)字偽隨機(jī)序列，置換多項(xiàng)式的迭代計(jì)算在多個(gè)并行的小動(dòng)態(tài)范圍有限域上進(jìn)行，從而降低了硬件實(shí)現(xiàn)中迭代環(huán)路的計(jì)算位寬，提高了生成速率。該文還給出構(gòu)建長周期偽隨機(jī)序列的置換多項(xiàng)式參數(shù)選擇方法和中國剩余定理優(yōu)化方法，在現(xiàn)有技術(shù)平臺(tái)下可輕易實(shí)現(xiàn)2100以上的序列周期。同時(shí)，該方法具有極大的迭代多項(xiàng)式選擇自由度，例如僅在q2(mod)3且q503的有限域上滿足要求的置換多項(xiàng)式就有10905種。硬件實(shí)現(xiàn)結(jié)構(gòu)簡單，基于Xilinx XC7Z020芯片實(shí)現(xiàn)290的隨機(jī)序列僅需20個(gè)18 kbit的BRAM和少量邏輯資源，無需乘法器，生成速率可達(dá)449.236 Mbps。基于NIST的測試表明序列具有良好的隨機(jī)特性。
低復(fù)雜度長周期數(shù)字偽隨機(jī)序列在現(xiàn)代加密、通信等系統(tǒng)中具有廣泛的應(yīng)用。該文提出一種基于余數(shù)系統(tǒng)和有限域置換多項(xiàng)式的偽隨機(jī)序列生成方法。該方法基于中國剩余定理將多個(gè)互質(zhì)的小周期有限域隨機(jī)序列進(jìn)行單射擴(kuò)展生成長周期數(shù)字偽隨機(jī)序列，置換多項(xiàng)式的迭代計(jì)算在多個(gè)并行的小動(dòng)態(tài)范圍有限域上進(jìn)行，從而降低了硬件實(shí)現(xiàn)中迭代環(huán)路的計(jì)算位寬，提高了生成速率。該文還給出構(gòu)建長周期偽隨機(jī)序列的置換多項(xiàng)式參數(shù)選擇方法和中國剩余定理優(yōu)化方法，在現(xiàn)有技術(shù)平臺(tái)下可輕易實(shí)現(xiàn)2100以上的序列周期。同時(shí)，該方法具有極大的迭代多項(xiàng)式選擇自由度，例如僅在q2(mod)3且q503的有限域上滿足要求的置換多項(xiàng)式就有10905種。硬件實(shí)現(xiàn)結(jié)構(gòu)簡單，基于Xilinx XC7Z020芯片實(shí)現(xiàn)290的隨機(jī)序列僅需20個(gè)18 kbit的BRAM和少量邏輯資源，無需乘法器，生成速率可達(dá)449.236 Mbps。基于NIST的測試表明序列具有良好的隨機(jī)特性。
2018, 40(1): 50-56.
doi: 10.11999/JEIT170384
摘要:
針對(duì)物聯(lián)網(wǎng)準(zhǔn)靜態(tài)信道下密鑰生成速率低的問題，該文提出一種基于中繼節(jié)點(diǎn)協(xié)作的密鑰生成方法。首先，通信雙方通過信道估計(jì)獲得直達(dá)信道和部分中繼信道信息；然后，中繼節(jié)點(diǎn)采用網(wǎng)絡(luò)編碼技術(shù)參與協(xié)作，使得通信雙方獲取全部中繼信道信息；最后，通信雙方在直達(dá)信道上進(jìn)行密鑰協(xié)商，利用直達(dá)信道信息、中繼信道信息與協(xié)商信息共同生成相同的密鑰。安全性分析表明該方法能夠提高可達(dá)密鑰速率，并且隨著信噪比的提高，可達(dá)密鑰速率呈線性增長，趨于最優(yōu)值。蒙特卡洛仿真驗(yàn)證了理論分析的結(jié)果，并得出了增加中繼節(jié)點(diǎn)數(shù)量、選取信道變化幅度大的中繼節(jié)點(diǎn)，可以進(jìn)一步提高可達(dá)密鑰速率。
針對(duì)物聯(lián)網(wǎng)準(zhǔn)靜態(tài)信道下密鑰生成速率低的問題，該文提出一種基于中繼節(jié)點(diǎn)協(xié)作的密鑰生成方法。首先，通信雙方通過信道估計(jì)獲得直達(dá)信道和部分中繼信道信息；然后，中繼節(jié)點(diǎn)采用網(wǎng)絡(luò)編碼技術(shù)參與協(xié)作，使得通信雙方獲取全部中繼信道信息；最后，通信雙方在直達(dá)信道上進(jìn)行密鑰協(xié)商，利用直達(dá)信道信息、中繼信道信息與協(xié)商信息共同生成相同的密鑰。安全性分析表明該方法能夠提高可達(dá)密鑰速率，并且隨著信噪比的提高，可達(dá)密鑰速率呈線性增長，趨于最優(yōu)值。蒙特卡洛仿真驗(yàn)證了理論分析的結(jié)果，并得出了增加中繼節(jié)點(diǎn)數(shù)量、選取信道變化幅度大的中繼節(jié)點(diǎn)，可以進(jìn)一步提高可達(dá)密鑰速率。
2018, 40(1): 57-62.
doi: 10.11999/JEIT170312
摘要:
大數(shù)乘法是全同態(tài)加密算法中一個(gè)不可或缺的單元模塊，也是其中耗時(shí)最多的模塊，設(shè)計(jì)一個(gè)性能優(yōu)良的大數(shù)乘法器有助于推進(jìn)全同態(tài)加密的實(shí)用化進(jìn)程。針對(duì)SSA大數(shù)乘法器的實(shí)現(xiàn)需求，該文采用可綜合Verilog HDL語言完成了一個(gè)1624 bit有限域FFT算法的FPGA設(shè)計(jì)，通過構(gòu)建樹型大數(shù)求和單元和并行化處理方法有效提高了FFT算法的速度。與VIM編譯環(huán)境下的系統(tǒng)級(jí)仿真結(jié)果比較，驗(yàn)證了有限域FFT算法FPGA設(shè)計(jì)的正確性。
大數(shù)乘法是全同態(tài)加密算法中一個(gè)不可或缺的單元模塊，也是其中耗時(shí)最多的模塊，設(shè)計(jì)一個(gè)性能優(yōu)良的大數(shù)乘法器有助于推進(jìn)全同態(tài)加密的實(shí)用化進(jìn)程。針對(duì)SSA大數(shù)乘法器的實(shí)現(xiàn)需求，該文采用可綜合Verilog HDL語言完成了一個(gè)1624 bit有限域FFT算法的FPGA設(shè)計(jì)，通過構(gòu)建樹型大數(shù)求和單元和并行化處理方法有效提高了FFT算法的速度。與VIM編譯環(huán)境下的系統(tǒng)級(jí)仿真結(jié)果比較，驗(yàn)證了有限域FFT算法FPGA設(shè)計(jì)的正確性。
2018, 40(1): 63-71.
doi: 10.11999/JEIT170323
摘要:
針對(duì)無線傳感器網(wǎng)絡(luò)中資源受限的入侵檢測系統(tǒng)策略優(yōu)化問題，該文提出一種多階段動(dòng)態(tài)入侵檢測博弈模型。該模型利用貝葉斯規(guī)則修正下一階段外部節(jié)點(diǎn)為惡意節(jié)點(diǎn)的后驗(yàn)概率，通過分析推導(dǎo)給出最易遭受攻擊的節(jié)點(diǎn)集合。以建立的模型和節(jié)點(diǎn)集合為依據(jù)，求解了滿足完美貝葉斯均衡條件的入侵檢測最優(yōu)策略。在此基礎(chǔ)上，設(shè)計(jì)了入侵檢測最優(yōu)策略方案。仿真實(shí)驗(yàn)結(jié)果表明，該方案在提高簇形結(jié)構(gòu)檢測防御成功率方面有明顯優(yōu)勢。
針對(duì)無線傳感器網(wǎng)絡(luò)中資源受限的入侵檢測系統(tǒng)策略優(yōu)化問題，該文提出一種多階段動(dòng)態(tài)入侵檢測博弈模型。該模型利用貝葉斯規(guī)則修正下一階段外部節(jié)點(diǎn)為惡意節(jié)點(diǎn)的后驗(yàn)概率，通過分析推導(dǎo)給出最易遭受攻擊的節(jié)點(diǎn)集合。以建立的模型和節(jié)點(diǎn)集合為依據(jù)，求解了滿足完美貝葉斯均衡條件的入侵檢測最優(yōu)策略。在此基礎(chǔ)上，設(shè)計(jì)了入侵檢測最優(yōu)策略方案。仿真實(shí)驗(yàn)結(jié)果表明，該方案在提高簇形結(jié)構(gòu)檢測防御成功率方面有明顯優(yōu)勢。
2018, 40(1): 72-78.
doi: 10.11999/JEIT170344
摘要:
針對(duì)無線傳感器網(wǎng)絡(luò)分布式迭代定位中誤差的傳播和累積問題，該文首先分析了錨節(jié)點(diǎn)幾何形狀對(duì)定位誤差的影響，提出了基于幾何精度因子的誤差控制算法，巧妙設(shè)計(jì)了加權(quán)策略，將錨節(jié)點(diǎn)幾何形狀對(duì)定位精度的影響以權(quán)值的形式定量體現(xiàn)在迭代定位過程中，在每一輪迭代中有效控制了誤差的傳遞，進(jìn)而提高了整個(gè)網(wǎng)絡(luò)的分布式定位精度。與傳統(tǒng)的最小二乘定位算法和基于輪數(shù)的誤差控制算法進(jìn)行了仿真比較，結(jié)果表明，基于幾何精度因子的誤差控制算法定位性能最優(yōu)，網(wǎng)絡(luò)定位精度分別提高了25%和15%。
針對(duì)無線傳感器網(wǎng)絡(luò)分布式迭代定位中誤差的傳播和累積問題，該文首先分析了錨節(jié)點(diǎn)幾何形狀對(duì)定位誤差的影響，提出了基于幾何精度因子的誤差控制算法，巧妙設(shè)計(jì)了加權(quán)策略，將錨節(jié)點(diǎn)幾何形狀對(duì)定位精度的影響以權(quán)值的形式定量體現(xiàn)在迭代定位過程中，在每一輪迭代中有效控制了誤差的傳遞，進(jìn)而提高了整個(gè)網(wǎng)絡(luò)的分布式定位精度。與傳統(tǒng)的最小二乘定位算法和基于輪數(shù)的誤差控制算法進(jìn)行了仿真比較，結(jié)果表明，基于幾何精度因子的誤差控制算法定位性能最優(yōu)，網(wǎng)絡(luò)定位精度分別提高了25%和15%。
2018, 40(1): 79-86.
doi: 10.11999/JEIT170325
摘要:
針對(duì)虛擬網(wǎng)映射算法環(huán)境適應(yīng)度低、拓?fù)潢P(guān)聯(lián)性較差且映射開銷較大的問題，該文提出一種環(huán)境自適應(yīng)的拓?fù)渎?lián)合感知虛擬網(wǎng)映射算法。首先提出一種加權(quán)相對(duì)熵排序方法對(duì)具有多指標(biāo)的節(jié)點(diǎn)進(jìn)行量化處理，依環(huán)境變化賦予節(jié)點(diǎn)指標(biāo)不同的權(quán)值；在虛擬節(jié)點(diǎn)排序階段采用加權(quán)相對(duì)熵和廣度優(yōu)先搜索算法雙重排序，物理節(jié)點(diǎn)排序中引入就近度與加權(quán)相對(duì)熵算法配合使用，實(shí)現(xiàn)了對(duì)虛擬拓?fù)浜臀锢硗負(fù)涞穆?lián)合感知；最后利用k-最短路徑算法完成虛擬鏈路映射。仿真結(jié)果表明，該算法依據(jù)環(huán)境變化自適應(yīng)調(diào)整指標(biāo)權(quán)值，提高了虛擬網(wǎng)映射成功率和收益開銷比。
針對(duì)虛擬網(wǎng)映射算法環(huán)境適應(yīng)度低、拓?fù)潢P(guān)聯(lián)性較差且映射開銷較大的問題，該文提出一種環(huán)境自適應(yīng)的拓?fù)渎?lián)合感知虛擬網(wǎng)映射算法。首先提出一種加權(quán)相對(duì)熵排序方法對(duì)具有多指標(biāo)的節(jié)點(diǎn)進(jìn)行量化處理，依環(huán)境變化賦予節(jié)點(diǎn)指標(biāo)不同的權(quán)值；在虛擬節(jié)點(diǎn)排序階段采用加權(quán)相對(duì)熵和廣度優(yōu)先搜索算法雙重排序，物理節(jié)點(diǎn)排序中引入就近度與加權(quán)相對(duì)熵算法配合使用，實(shí)現(xiàn)了對(duì)虛擬拓?fù)浜臀锢硗負(fù)涞穆?lián)合感知；最后利用k-最短路徑算法完成虛擬鏈路映射。仿真結(jié)果表明，該算法依據(jù)環(huán)境變化自適應(yīng)調(diào)整指標(biāo)權(quán)值，提高了虛擬網(wǎng)映射成功率和收益開銷比。
2018, 40(1): 87-94.
doi: 10.11999/JEIT170388
摘要:
光和無線(Fiber-Wireless, FiWi)混合網(wǎng)絡(luò)可以有效解決隨時(shí)隨地接受高速業(yè)務(wù)的網(wǎng)絡(luò)接入問題。作為FiWi網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)，ONU數(shù)目和位置很大程度上決定了網(wǎng)絡(luò)的成本和性能。為降低FiWi網(wǎng)絡(luò)的建設(shè)成本，提升網(wǎng)絡(luò)性能，該文基于EPON-WIMAX混合組網(wǎng)的FiWi網(wǎng)絡(luò)，提出一種ONU部署策略，基于改進(jìn)的遺傳算法優(yōu)化ONU部署，在使ONU數(shù)量最少的基礎(chǔ)上，保證一定程度上的負(fù)載均衡。仿真結(jié)果表明該文算法能夠避免過早收斂導(dǎo)致的局部最優(yōu)，得到全局最優(yōu)、數(shù)目最少的ONU部署方案，并實(shí)現(xiàn)較好的負(fù)載均衡。
光和無線(Fiber-Wireless, FiWi)混合網(wǎng)絡(luò)可以有效解決隨時(shí)隨地接受高速業(yè)務(wù)的網(wǎng)絡(luò)接入問題。作為FiWi網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)，ONU數(shù)目和位置很大程度上決定了網(wǎng)絡(luò)的成本和性能。為降低FiWi網(wǎng)絡(luò)的建設(shè)成本，提升網(wǎng)絡(luò)性能，該文基于EPON-WIMAX混合組網(wǎng)的FiWi網(wǎng)絡(luò)，提出一種ONU部署策略，基于改進(jìn)的遺傳算法優(yōu)化ONU部署，在使ONU數(shù)量最少的基礎(chǔ)上，保證一定程度上的負(fù)載均衡。仿真結(jié)果表明該文算法能夠避免過早收斂導(dǎo)致的局部最優(yōu)，得到全局最優(yōu)、數(shù)目最少的ONU部署方案，并實(shí)現(xiàn)較好的負(fù)載均衡。
2018, 40(1): 95-101.
doi: 10.11999/JEIT170358
摘要:
基于交替方向乘子法(ADMM)的改進(jìn)懲罰函數(shù)LDPC譯碼算法能夠提升譯碼性能，但其所需優(yōu)化參數(shù)過多且性能提升有限。針對(duì)該問題，將該算法與其它帶有懲罰函數(shù)的譯碼算法比較后發(fā)現(xiàn)，兩者的不同之處僅在于譯碼算法中變量節(jié)點(diǎn)的更新規(guī)則不同。因此，該文通過構(gòu)造一種新的變量節(jié)點(diǎn)的更新方法去減少優(yōu)化參數(shù)數(shù)目并提升譯碼性能。實(shí)驗(yàn)仿真表明，相較于原有算法，該文所提算法有效減少了所需優(yōu)化的參數(shù)數(shù)目，此外，所提算法的平均迭代次數(shù)更少且能實(shí)現(xiàn)約0.1 dB的性能提升。
基于交替方向乘子法(ADMM)的改進(jìn)懲罰函數(shù)LDPC譯碼算法能夠提升譯碼性能，但其所需優(yōu)化參數(shù)過多且性能提升有限。針對(duì)該問題，將該算法與其它帶有懲罰函數(shù)的譯碼算法比較后發(fā)現(xiàn)，兩者的不同之處僅在于譯碼算法中變量節(jié)點(diǎn)的更新規(guī)則不同。因此，該文通過構(gòu)造一種新的變量節(jié)點(diǎn)的更新方法去減少優(yōu)化參數(shù)數(shù)目并提升譯碼性能。實(shí)驗(yàn)仿真表明，相較于原有算法，該文所提算法有效減少了所需優(yōu)化的參數(shù)數(shù)目，此外，所提算法的平均迭代次數(shù)更少且能實(shí)現(xiàn)約0.1 dB的性能提升。
2018, 40(1): 102-107.
doi: 10.11999/JEIT170321
摘要:
該文提出一種基于虛擬信道的空時(shí)優(yōu)化多輸入多輸出(MIMO)無線傳輸系統(tǒng)。通過在發(fā)射端產(chǎn)生不同的空時(shí)虛擬信道，與實(shí)際空間無線信道級(jí)聯(lián)，構(gòu)成系統(tǒng)的整體傳輸信道即協(xié)同空分信道。系統(tǒng)可以根據(jù)接收端的反饋信息采用模擬退火算法來優(yōu)化虛擬信道，改善誤碼率(BER)性能。利用虛擬信道方法，可以使一根MIMO發(fā)射天線在同一時(shí)間、同一頻段傳輸多路疊加合并后的數(shù)據(jù)信號(hào)，從而可以使發(fā)射的不同數(shù)據(jù)信號(hào)的總路數(shù)超過發(fā)射天線的數(shù)量，突破了現(xiàn)有MIMO系統(tǒng)在同一時(shí)間、同一頻段最多只能發(fā)射與發(fā)射天線數(shù)量相等的不同數(shù)據(jù)信號(hào)的傳統(tǒng)方式，可以顯著提高系統(tǒng)的頻譜效率。仿真結(jié)果和基于ZC706和AD9361硬件平臺(tái)的微波暗室實(shí)際測試結(jié)果充分驗(yàn)證了新MIMO系統(tǒng)的有效性。
該文提出一種基于虛擬信道的空時(shí)優(yōu)化多輸入多輸出(MIMO)無線傳輸系統(tǒng)。通過在發(fā)射端產(chǎn)生不同的空時(shí)虛擬信道，與實(shí)際空間無線信道級(jí)聯(lián)，構(gòu)成系統(tǒng)的整體傳輸信道即協(xié)同空分信道。系統(tǒng)可以根據(jù)接收端的反饋信息采用模擬退火算法來優(yōu)化虛擬信道，改善誤碼率(BER)性能。利用虛擬信道方法，可以使一根MIMO發(fā)射天線在同一時(shí)間、同一頻段傳輸多路疊加合并后的數(shù)據(jù)信號(hào)，從而可以使發(fā)射的不同數(shù)據(jù)信號(hào)的總路數(shù)超過發(fā)射天線的數(shù)量，突破了現(xiàn)有MIMO系統(tǒng)在同一時(shí)間、同一頻段最多只能發(fā)射與發(fā)射天線數(shù)量相等的不同數(shù)據(jù)信號(hào)的傳統(tǒng)方式，可以顯著提高系統(tǒng)的頻譜效率。仿真結(jié)果和基于ZC706和AD9361硬件平臺(tái)的微波暗室實(shí)際測試結(jié)果充分驗(yàn)證了新MIMO系統(tǒng)的有效性。
2018, 40(1): 108-115.
doi: 10.11999/JEIT170478
摘要:
現(xiàn)有針對(duì)異構(gòu)蜂窩網(wǎng)多點(diǎn)協(xié)作安全傳輸?shù)难芯考杏谠鰪?qiáng)主信道質(zhì)量以提升安全性，然而多基站協(xié)作又使基站和竊聽者之間的平均距離變近，網(wǎng)絡(luò)的安全性受限于距離協(xié)作基站較近的竊聽者。針對(duì)該問題，該文提出一種基于安全保護(hù)域的增強(qiáng)型多點(diǎn)協(xié)作傳輸機(jī)制。然后，理論分析了用戶的連接中斷概率、安全中斷概率以及安全吞吐量。進(jìn)一步，以最大化安全吞吐量為目標(biāo)，優(yōu)化協(xié)作微基站的發(fā)射功率以及有用信息功率分配比例系數(shù)。仿真結(jié)果表明，相比于傳統(tǒng)的多點(diǎn)協(xié)作安全傳輸機(jī)制，在存在嚴(yán)重安全威脅(竊聽者密度較大)的場景下，所提機(jī)制可以實(shí)現(xiàn)非零系統(tǒng)安全吞吐量；在存在較小安全威脅(竊聽者密度較小)的場景下，系統(tǒng)安全吞吐量最大可提升76.1%。
現(xiàn)有針對(duì)異構(gòu)蜂窩網(wǎng)多點(diǎn)協(xié)作安全傳輸?shù)难芯考杏谠鰪?qiáng)主信道質(zhì)量以提升安全性，然而多基站協(xié)作又使基站和竊聽者之間的平均距離變近，網(wǎng)絡(luò)的安全性受限于距離協(xié)作基站較近的竊聽者。針對(duì)該問題，該文提出一種基于安全保護(hù)域的增強(qiáng)型多點(diǎn)協(xié)作傳輸機(jī)制。然后，理論分析了用戶的連接中斷概率、安全中斷概率以及安全吞吐量。進(jìn)一步，以最大化安全吞吐量為目標(biāo)，優(yōu)化協(xié)作微基站的發(fā)射功率以及有用信息功率分配比例系數(shù)。仿真結(jié)果表明，相比于傳統(tǒng)的多點(diǎn)協(xié)作安全傳輸機(jī)制，在存在嚴(yán)重安全威脅(竊聽者密度較大)的場景下，所提機(jī)制可以實(shí)現(xiàn)非零系統(tǒng)安全吞吐量；在存在較小安全威脅(竊聽者密度較小)的場景下，系統(tǒng)安全吞吐量最大可提升76.1%。
2018, 40(1): 116-122.
doi: 10.11999/JEIT170399
摘要:
3維多輸入多輸出(3D-MIMO)系統(tǒng)能有效提升頻譜效率，提高系統(tǒng)容量。但用戶數(shù)和天線數(shù)的劇增，無法保證所有用戶的導(dǎo)頻都正交，給3D-MIMO信道估計(jì)帶來估計(jì)精度下降和復(fù)雜度增加等問題。該文分析了上行3D-MIMO系統(tǒng)信道的結(jié)構(gòu)稀疏特性和低秩特性，并基于這些特性提出一種信道估計(jì)算法，給出了算法的收斂性和復(fù)雜度。仿真結(jié)果表明估計(jì)算法能準(zhǔn)確地恢復(fù)3D-MIMO的信道系數(shù)，并有較低的復(fù)雜度。
3維多輸入多輸出(3D-MIMO)系統(tǒng)能有效提升頻譜效率，提高系統(tǒng)容量。但用戶數(shù)和天線數(shù)的劇增，無法保證所有用戶的導(dǎo)頻都正交，給3D-MIMO信道估計(jì)帶來估計(jì)精度下降和復(fù)雜度增加等問題。該文分析了上行3D-MIMO系統(tǒng)信道的結(jié)構(gòu)稀疏特性和低秩特性，并基于這些特性提出一種信道估計(jì)算法，給出了算法的收斂性和復(fù)雜度。仿真結(jié)果表明估計(jì)算法能準(zhǔn)確地恢復(fù)3D-MIMO的信道系數(shù)，并有較低的復(fù)雜度。
2018, 40(1): 123-129.
doi: 10.11999/JEIT170309
摘要:
將隨機(jī)矩陣的非漸近譜理論應(yīng)用到協(xié)作頻譜感知中，對(duì)接收信號(hào)樣本協(xié)方差矩陣的最大特征值和最小特征值進(jìn)行分析，該文提出一種精確的最大最小特征值差(Exact Maximum Minimum Eigenvalue Difference, EMMED)的協(xié)作感知算法。對(duì)于任意給定的協(xié)作用戶個(gè)數(shù)K和采樣點(diǎn)數(shù)N，首先推導(dǎo)了最大最小特征值之差的精確概率密度函數(shù)(Probability Density Function, PDF)和累積分布函數(shù)(Cumulative Distribution Function, CDF)，然后利用該分布函數(shù)設(shè)計(jì)了所提算法的判決閾值。理論分析表明，EMMED算法的判決閾值較已有的漸進(jìn)最大最小特征值差(Asymptotic Maximum Minimum Eigenvalue Difference, AMMED)檢測更為精確，算法無需主用戶信號(hào)特征并且能夠?qū)乖肼暡淮_定度影響。仿真結(jié)果表明，存在噪聲不確定度的感知環(huán)境下，EMMED算法較已有的精確最大特征值(Exact Maximum Eigenvalue, EME)和EMMER等頻譜感知算法具有更好的檢測性能。
將隨機(jī)矩陣的非漸近譜理論應(yīng)用到協(xié)作頻譜感知中，對(duì)接收信號(hào)樣本協(xié)方差矩陣的最大特征值和最小特征值進(jìn)行分析，該文提出一種精確的最大最小特征值差(Exact Maximum Minimum Eigenvalue Difference, EMMED)的協(xié)作感知算法。對(duì)于任意給定的協(xié)作用戶個(gè)數(shù)K和采樣點(diǎn)數(shù)N，首先推導(dǎo)了最大最小特征值之差的精確概率密度函數(shù)(Probability Density Function, PDF)和累積分布函數(shù)(Cumulative Distribution Function, CDF)，然后利用該分布函數(shù)設(shè)計(jì)了所提算法的判決閾值。理論分析表明，EMMED算法的判決閾值較已有的漸進(jìn)最大最小特征值差(Asymptotic Maximum Minimum Eigenvalue Difference, AMMED)檢測更為精確，算法無需主用戶信號(hào)特征并且能夠?qū)乖肼暡淮_定度影響。仿真結(jié)果表明，存在噪聲不確定度的感知環(huán)境下，EMMED算法較已有的精確最大特征值(Exact Maximum Eigenvalue, EME)和EMMER等頻譜感知算法具有更好的檢測性能。
2018, 40(1): 130-136.
doi: 10.11999/JEIT170274
摘要:
針對(duì)密集組網(wǎng)場景中業(yè)務(wù)不確定性引起的基站休眠周期難以確定的問題，該文提出一種基于部分可測馬爾可夫決策過程(Partially Observed Markov Decision Process, POMDP)業(yè)務(wù)感知的微基站休眠時(shí)長確定策略。該策略將周期分為長周期和短周期，每個(gè)周期由輕度和深度兩個(gè)階段構(gòu)成。通過POMDP感知到達(dá)基站的業(yè)務(wù)狀態(tài)，動(dòng)態(tài)調(diào)整周期時(shí)長，進(jìn)而選取適合當(dāng)前周期的時(shí)長。仿真結(jié)果表明，該策略可以根據(jù)業(yè)務(wù)感知提前確定微基站關(guān)斷時(shí)長，與基于業(yè)務(wù)門限值的基站關(guān)斷機(jī)制相比節(jié)能效果更好。
針對(duì)密集組網(wǎng)場景中業(yè)務(wù)不確定性引起的基站休眠周期難以確定的問題，該文提出一種基于部分可測馬爾可夫決策過程(Partially Observed Markov Decision Process, POMDP)業(yè)務(wù)感知的微基站休眠時(shí)長確定策略。該策略將周期分為長周期和短周期，每個(gè)周期由輕度和深度兩個(gè)階段構(gòu)成。通過POMDP感知到達(dá)基站的業(yè)務(wù)狀態(tài)，動(dòng)態(tài)調(diào)整周期時(shí)長，進(jìn)而選取適合當(dāng)前周期的時(shí)長。仿真結(jié)果表明，該策略可以根據(jù)業(yè)務(wù)感知提前確定微基站關(guān)斷時(shí)長，與基于業(yè)務(wù)門限值的基站關(guān)斷機(jī)制相比節(jié)能效果更好。
2018, 40(1): 137-142.
doi: 10.11999/JEIT170305
摘要:
為了進(jìn)一步降低芯片內(nèi)無損壓縮的運(yùn)算復(fù)雜度和編碼時(shí)間，該文在保持高壓縮率的基礎(chǔ)上，提出一種基于方向預(yù)測和混合熵編碼的快速無損壓縮算法。該算法首先采用自適應(yīng)方法進(jìn)行紋理方向的預(yù)測，以獲得當(dāng)前像素的參考像素，并計(jì)算預(yù)測殘差；然后對(duì)預(yù)測殘差進(jìn)行混合哥倫布編碼，最終大幅度地提高了無損壓縮的壓縮性能。實(shí)驗(yàn)結(jié)果顯示，與基于梯度預(yù)測和變長編碼的無損壓縮算法相比，該算法在平均壓縮率略有提升的前提下，平均編碼時(shí)間減少了36.86%。
為了進(jìn)一步降低芯片內(nèi)無損壓縮的運(yùn)算復(fù)雜度和編碼時(shí)間，該文在保持高壓縮率的基礎(chǔ)上，提出一種基于方向預(yù)測和混合熵編碼的快速無損壓縮算法。該算法首先采用自適應(yīng)方法進(jìn)行紋理方向的預(yù)測，以獲得當(dāng)前像素的參考像素，并計(jì)算預(yù)測殘差；然后對(duì)預(yù)測殘差進(jìn)行混合哥倫布編碼，最終大幅度地提高了無損壓縮的壓縮性能。實(shí)驗(yàn)結(jié)果顯示，與基于梯度預(yù)測和變長編碼的無損壓縮算法相比，該算法在平均壓縮率略有提升的前提下，平均編碼時(shí)間減少了36.86%。
2018, 40(1): 143-150.
doi: 10.11999/JEIT170165
摘要:
針對(duì)無線網(wǎng)絡(luò)中壓縮編碼及無線丟包等因素對(duì)移動(dòng)終端視頻的降質(zhì)影響，在分析視頻相鄰幀差信號(hào)空-時(shí)感知統(tǒng)計(jì)特性的基礎(chǔ)上，該文提出一種基于視頻自然統(tǒng)計(jì)特性的無參考移動(dòng)終端視頻質(zhì)量評(píng)價(jià)(NMVQA)算法。進(jìn)行視頻幀差空-時(shí)自然統(tǒng)計(jì)規(guī)律分析，確定移動(dòng)終端視頻失真類型對(duì)視頻相鄰幀差系數(shù)統(tǒng)計(jì)特性的影響；計(jì)算水平、垂直、主對(duì)角線和副對(duì)角線方向的幀差相鄰系數(shù)乘積分布參數(shù)的時(shí)域統(tǒng)計(jì)特性；以多尺度幀差相鄰系數(shù)的時(shí)域統(tǒng)計(jì)特性相關(guān)程度來衡量移動(dòng)終端視頻失真程度。在LIVE移動(dòng)視頻數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，該文所提算法的結(jié)果與主觀評(píng)價(jià)具有較好的一致性，能夠準(zhǔn)確反映人類對(duì)視頻失真程度的視覺感知效果，可為實(shí)時(shí)在線調(diào)節(jié)信源碼率和無線信道參數(shù)提供參考依據(jù)。
針對(duì)無線網(wǎng)絡(luò)中壓縮編碼及無線丟包等因素對(duì)移動(dòng)終端視頻的降質(zhì)影響，在分析視頻相鄰幀差信號(hào)空-時(shí)感知統(tǒng)計(jì)特性的基礎(chǔ)上，該文提出一種基于視頻自然統(tǒng)計(jì)特性的無參考移動(dòng)終端視頻質(zhì)量評(píng)價(jià)(NMVQA)算法。進(jìn)行視頻幀差空-時(shí)自然統(tǒng)計(jì)規(guī)律分析，確定移動(dòng)終端視頻失真類型對(duì)視頻相鄰幀差系數(shù)統(tǒng)計(jì)特性的影響；計(jì)算水平、垂直、主對(duì)角線和副對(duì)角線方向的幀差相鄰系數(shù)乘積分布參數(shù)的時(shí)域統(tǒng)計(jì)特性；以多尺度幀差相鄰系數(shù)的時(shí)域統(tǒng)計(jì)特性相關(guān)程度來衡量移動(dòng)終端視頻失真程度。在LIVE移動(dòng)視頻數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，該文所提算法的結(jié)果與主觀評(píng)價(jià)具有較好的一致性，能夠準(zhǔn)確反映人類對(duì)視頻失真程度的視覺感知效果，可為實(shí)時(shí)在線調(diào)節(jié)信源碼率和無線信道參數(shù)提供參考依據(jù)。
2018, 40(1): 151-156.
doi: 10.11999/JEIT170311
摘要:
繞射非局部邊界條件是基于有限差分法求解拋物方程時(shí)使用的一種透明邊界條件。它的最大優(yōu)點(diǎn)是只用一層網(wǎng)格就能很好完成波地吸收，而缺點(diǎn)是由于涉及到卷積積分的計(jì)算，因此計(jì)算速度低。針對(duì)此問題，該文首先引入可以加快其計(jì)算速度的遞歸卷積法和矢量擬合法。這里把結(jié)合了這兩種數(shù)值計(jì)算方法的繞射非局部邊界條件稱為改進(jìn)型繞射非局部邊界條件。在此基礎(chǔ)之上，提出將這種改進(jìn)型的繞射非局部邊界條件應(yīng)用到3維拋物方程(3DPE)分解模型中。最后通過數(shù)值計(jì)算，證明了改性型繞射非局部邊界條件3DPE分解模型在計(jì)算精度和計(jì)算速度方面的優(yōu)勢。
繞射非局部邊界條件是基于有限差分法求解拋物方程時(shí)使用的一種透明邊界條件。它的最大優(yōu)點(diǎn)是只用一層網(wǎng)格就能很好完成波地吸收，而缺點(diǎn)是由于涉及到卷積積分的計(jì)算，因此計(jì)算速度低。針對(duì)此問題，該文首先引入可以加快其計(jì)算速度的遞歸卷積法和矢量擬合法。這里把結(jié)合了這兩種數(shù)值計(jì)算方法的繞射非局部邊界條件稱為改進(jìn)型繞射非局部邊界條件。在此基礎(chǔ)之上，提出將這種改進(jìn)型的繞射非局部邊界條件應(yīng)用到3維拋物方程(3DPE)分解模型中。最后通過數(shù)值計(jì)算，證明了改性型繞射非局部邊界條件3DPE分解模型在計(jì)算精度和計(jì)算速度方面的優(yōu)勢。
2018, 40(1): 157-165.
doi: 10.11999/JEIT170397
摘要:
為了自動(dòng)確定多光譜遙感影像中地物目標(biāo)類別數(shù)，該文提出一種基于可變類模糊C均值(Fuzzy C-Means, FCM)的多光譜遙感影像分割方法。首先定義像素與聚類的非相似性測度并據(jù)此構(gòu)建目標(biāo)函數(shù)，而后通過求解目標(biāo)函數(shù)得到最優(yōu)模糊隸屬度和聚類中心。其次，研究模糊因子與影像地物目標(biāo)類別數(shù)的關(guān)系，并通過定義劃分熵(Partition Entropy, PE)指數(shù)優(yōu)選模糊因子，選擇PE指數(shù)值穩(wěn)定收斂后所對(duì)應(yīng)的最小模糊因子值為最優(yōu)模糊因子，根據(jù)模糊因子與類別數(shù)的關(guān)系得到最優(yōu)類別數(shù)，從而實(shí)現(xiàn)了影像的可變類分割。最后，利用提出算法分別對(duì)合成和真實(shí)多光譜遙感影像進(jìn)行分割實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，提出算法不僅能自動(dòng)確定影像的最優(yōu)類別數(shù)，還能獲得較好的分割結(jié)果，為實(shí)現(xiàn)自動(dòng)確定遙感影像中地物目標(biāo)類別數(shù)提供新方法。
為了自動(dòng)確定多光譜遙感影像中地物目標(biāo)類別數(shù)，該文提出一種基于可變類模糊C均值(Fuzzy C-Means, FCM)的多光譜遙感影像分割方法。首先定義像素與聚類的非相似性測度并據(jù)此構(gòu)建目標(biāo)函數(shù)，而后通過求解目標(biāo)函數(shù)得到最優(yōu)模糊隸屬度和聚類中心。其次，研究模糊因子與影像地物目標(biāo)類別數(shù)的關(guān)系，并通過定義劃分熵(Partition Entropy, PE)指數(shù)優(yōu)選模糊因子，選擇PE指數(shù)值穩(wěn)定收斂后所對(duì)應(yīng)的最小模糊因子值為最優(yōu)模糊因子，根據(jù)模糊因子與類別數(shù)的關(guān)系得到最優(yōu)類別數(shù)，從而實(shí)現(xiàn)了影像的可變類分割。最后，利用提出算法分別對(duì)合成和真實(shí)多光譜遙感影像進(jìn)行分割實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，提出算法不僅能自動(dòng)確定影像的最優(yōu)類別數(shù)，還能獲得較好的分割結(jié)果，為實(shí)現(xiàn)自動(dòng)確定遙感影像中地物目標(biāo)類別數(shù)提供新方法。
2018, 40(1): 166-172.
doi: 10.11999/JEIT170254
摘要:
認(rèn)知雷達(dá)可以在探測過程中不斷優(yōu)化自身系統(tǒng)參數(shù)，實(shí)現(xiàn)與當(dāng)前探測環(huán)境的匹配，從而能夠改善雷達(dá)的探測性能。針對(duì)未知目標(biāo)的探測問題，利用當(dāng)前回波數(shù)據(jù)更新目標(biāo)分量的估計(jì)值及其協(xié)方差矩陣，基于目標(biāo)相關(guān)信息優(yōu)化下一次探測所需的發(fā)射機(jī)波形和接收機(jī)濾波器，并構(gòu)成一個(gè)閉環(huán)處理過程。該文提出了兩種優(yōu)化途徑，第1種途徑利用目標(biāo)分量的估計(jì)僅優(yōu)化下一次探測波形，在接收端采用廣義匹配濾波器；第2種途徑將估計(jì)誤差等效為信號(hào)依賴的噪聲，聯(lián)合優(yōu)化發(fā)射波形與接收機(jī)濾波器。計(jì)算機(jī)仿真分析表明，采用閉環(huán)迭代優(yōu)化的方法是漸進(jìn)等效的，并可以在相干累積獲得的性能增益基礎(chǔ)上，進(jìn)一步改善雷達(dá)的探測性能。
認(rèn)知雷達(dá)可以在探測過程中不斷優(yōu)化自身系統(tǒng)參數(shù)，實(shí)現(xiàn)與當(dāng)前探測環(huán)境的匹配，從而能夠改善雷達(dá)的探測性能。針對(duì)未知目標(biāo)的探測問題，利用當(dāng)前回波數(shù)據(jù)更新目標(biāo)分量的估計(jì)值及其協(xié)方差矩陣，基于目標(biāo)相關(guān)信息優(yōu)化下一次探測所需的發(fā)射機(jī)波形和接收機(jī)濾波器，并構(gòu)成一個(gè)閉環(huán)處理過程。該文提出了兩種優(yōu)化途徑，第1種途徑利用目標(biāo)分量的估計(jì)僅優(yōu)化下一次探測波形，在接收端采用廣義匹配濾波器；第2種途徑將估計(jì)誤差等效為信號(hào)依賴的噪聲，聯(lián)合優(yōu)化發(fā)射波形與接收機(jī)濾波器。計(jì)算機(jī)仿真分析表明，采用閉環(huán)迭代優(yōu)化的方法是漸進(jìn)等效的，并可以在相干累積獲得的性能增益基礎(chǔ)上，進(jìn)一步改善雷達(dá)的探測性能。
2018, 40(1): 173-180.
doi: 10.11999/JEIT170329
摘要:
為有效提高雷達(dá)高分辨1維距離像目標(biāo)識(shí)別系統(tǒng)的總體性能，需要對(duì)目標(biāo)高分辨1維距離像進(jìn)行特征提取，以得到具有最小信息損失、高可分性且低維度的目標(biāo)特征，為實(shí)現(xiàn)該目的提出一種基于核主分量相關(guān)判別分析的特征提取算法。該算法基于目標(biāo)高分辨1維距離像的統(tǒng)計(jì)特性，通過對(duì)核主分量分析中核函數(shù)的選擇，實(shí)現(xiàn)對(duì)不同類型距離單元的特征提取。同時(shí)綜合線性判別分析與典型相關(guān)分析理論構(gòu)建新的準(zhǔn)則函數(shù)，以實(shí)現(xiàn)特征空間中類內(nèi)相關(guān)性與類間差異性最大化，同時(shí)減少目標(biāo)特征中的冗余信息。利用實(shí)測數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法提高了特征向量的可分性，降低了特征向量的維度，并且對(duì)該算法在不同強(qiáng)度雜波下的識(shí)別性能進(jìn)行了分析，實(shí)驗(yàn)結(jié)果表明，該方法可以有效的提高目標(biāo)高分辨1維距離像目標(biāo)識(shí)別系統(tǒng)的總體性能。
為有效提高雷達(dá)高分辨1維距離像目標(biāo)識(shí)別系統(tǒng)的總體性能，需要對(duì)目標(biāo)高分辨1維距離像進(jìn)行特征提取，以得到具有最小信息損失、高可分性且低維度的目標(biāo)特征，為實(shí)現(xiàn)該目的提出一種基于核主分量相關(guān)判別分析的特征提取算法。該算法基于目標(biāo)高分辨1維距離像的統(tǒng)計(jì)特性，通過對(duì)核主分量分析中核函數(shù)的選擇，實(shí)現(xiàn)對(duì)不同類型距離單元的特征提取。同時(shí)綜合線性判別分析與典型相關(guān)分析理論構(gòu)建新的準(zhǔn)則函數(shù)，以實(shí)現(xiàn)特征空間中類內(nèi)相關(guān)性與類間差異性最大化，同時(shí)減少目標(biāo)特征中的冗余信息。利用實(shí)測數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法提高了特征向量的可分性，降低了特征向量的維度，并且對(duì)該算法在不同強(qiáng)度雜波下的識(shí)別性能進(jìn)行了分析，實(shí)驗(yàn)結(jié)果表明，該方法可以有效的提高目標(biāo)高分辨1維距離像目標(biāo)識(shí)別系統(tǒng)的總體性能。
2018, 40(1): 181-188.
doi: 10.11999/JEIT170253
摘要:
為了進(jìn)一步提高大氣對(duì)微波傳播衰減影響的描述精度，為微波鏈路遙感反演大氣新應(yīng)用提供理論基礎(chǔ)，該文系統(tǒng)性研究了大氣主要吸收氣體和各種大氣粒子對(duì)微波傳播的衰減情況。利用ITU-R模型計(jì)算大氣主要?dú)怏w成分對(duì)微波的吸收衰減，然后在降水粒子、云霧粒子和沙塵粒子的介電模型、形狀、相態(tài)和譜分布的基礎(chǔ)上，計(jì)算得到群粒子對(duì)微波的衰減特性，系統(tǒng)討論降水強(qiáng)度、相態(tài)、含水量、譜分布、氣壓和溫度等因素對(duì)微波傳播衰減的影響。數(shù)值模擬結(jié)果表明，大氣主要?dú)怏w成分在60 GHz, 180 GHz和320 GHz附近存在強(qiáng)烈的吸收帶，其衰減系數(shù)與水蒸氣含量和氣壓呈正相關(guān)，與溫度呈負(fù)相關(guān)；降水強(qiáng)度、譜分布、相態(tài)以及冰水比例對(duì)降水的微波衰減存在不同程度的影響，云霧的含水量和相態(tài)，沙塵的數(shù)密度、譜分布和含水量是影響微波衰減的主要因素，而溫度的影響較??；大氣各因素的衰減系數(shù)從大到小依次為爆炸沙塵、降水、氣體吸收、水霧、冰霧和自然沙塵。
為了進(jìn)一步提高大氣對(duì)微波傳播衰減影響的描述精度，為微波鏈路遙感反演大氣新應(yīng)用提供理論基礎(chǔ)，該文系統(tǒng)性研究了大氣主要吸收氣體和各種大氣粒子對(duì)微波傳播的衰減情況。利用ITU-R模型計(jì)算大氣主要?dú)怏w成分對(duì)微波的吸收衰減，然后在降水粒子、云霧粒子和沙塵粒子的介電模型、形狀、相態(tài)和譜分布的基礎(chǔ)上，計(jì)算得到群粒子對(duì)微波的衰減特性，系統(tǒng)討論降水強(qiáng)度、相態(tài)、含水量、譜分布、氣壓和溫度等因素對(duì)微波傳播衰減的影響。數(shù)值模擬結(jié)果表明，大氣主要?dú)怏w成分在60 GHz, 180 GHz和320 GHz附近存在強(qiáng)烈的吸收帶，其衰減系數(shù)與水蒸氣含量和氣壓呈正相關(guān)，與溫度呈負(fù)相關(guān)；降水強(qiáng)度、譜分布、相態(tài)以及冰水比例對(duì)降水的微波衰減存在不同程度的影響，云霧的含水量和相態(tài)，沙塵的數(shù)密度、譜分布和含水量是影響微波衰減的主要因素，而溫度的影響較??；大氣各因素的衰減系數(shù)從大到小依次為爆炸沙塵、降水、氣體吸收、水霧、冰霧和自然沙塵。
2018, 40(1): 189-199.
doi: 10.11999/JEIT170301
摘要:
傳統(tǒng)截面投影Otsu法后處理過程中的閾值Q為預(yù)先設(shè)定的常量，對(duì)含噪程度不同的圖像普適性較差。該文提出一種基于記憶分子動(dòng)理論優(yōu)化算法的多目標(biāo)截面投影Otsu法。該方法將閾值Q作為變量，結(jié)合分割閾值T，基于最大類間方差和最大峰值信噪比準(zhǔn)則建立多目標(biāo)圖像分割模型，以兼顧圖像分割的準(zhǔn)確性和抗噪性；為免閾值增加而影響算法效率，將人工記憶原理引入分子動(dòng)理論優(yōu)化算法，設(shè)計(jì)了一種基于記憶分子動(dòng)理論優(yōu)化算法的多目標(biāo)圖像分割模型求解方法。實(shí)驗(yàn)表明：該方法分割準(zhǔn)確、抗噪性強(qiáng)、魯棒性好，對(duì)含不同噪聲的圖像更具普適性。
傳統(tǒng)截面投影Otsu法后處理過程中的閾值Q為預(yù)先設(shè)定的常量，對(duì)含噪程度不同的圖像普適性較差。該文提出一種基于記憶分子動(dòng)理論優(yōu)化算法的多目標(biāo)截面投影Otsu法。該方法將閾值Q作為變量，結(jié)合分割閾值T，基于最大類間方差和最大峰值信噪比準(zhǔn)則建立多目標(biāo)圖像分割模型，以兼顧圖像分割的準(zhǔn)確性和抗噪性；為免閾值增加而影響算法效率，將人工記憶原理引入分子動(dòng)理論優(yōu)化算法，設(shè)計(jì)了一種基于記憶分子動(dòng)理論優(yōu)化算法的多目標(biāo)圖像分割模型求解方法。實(shí)驗(yàn)表明：該方法分割準(zhǔn)確、抗噪性強(qiáng)、魯棒性好，對(duì)含不同噪聲的圖像更具普適性。
2018, 40(1): 200-208.
doi: 10.11999/JEIT170402
摘要:
針對(duì)傳統(tǒng)方法不能有效抽取維吾爾語事件因果關(guān)系的問題，該文提出一種基于雙向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的維吾爾語事件因果關(guān)系抽取方法。通過對(duì)維吾爾語語言以及事件因果關(guān)系特點(diǎn)的研究，提取出10項(xiàng)基于事件內(nèi)部結(jié)構(gòu)信息的特征；同時(shí)為充分利用事件語義信息，引入詞嵌入作為BiLSTM的輸入，提取事件句隱含的深層語義特征并利用批樣規(guī)范化(Batch Normalization, BN)算法加速BiLSTM的收斂；最后融合這兩類特征作為softmax分類器的輸入進(jìn)而完成維吾爾語事件因果關(guān)系抽取。實(shí)驗(yàn)結(jié)果表明，該方法用于維吾爾語事件因果關(guān)系的抽取準(zhǔn)確率為 89.19%, 召回率為 83.19%, F值為86.09%，證明了該文提出的方法在維吾爾語事件因果關(guān)系抽取上的有效性。
針對(duì)傳統(tǒng)方法不能有效抽取維吾爾語事件因果關(guān)系的問題，該文提出一種基于雙向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的維吾爾語事件因果關(guān)系抽取方法。通過對(duì)維吾爾語語言以及事件因果關(guān)系特點(diǎn)的研究，提取出10項(xiàng)基于事件內(nèi)部結(jié)構(gòu)信息的特征；同時(shí)為充分利用事件語義信息，引入詞嵌入作為BiLSTM的輸入，提取事件句隱含的深層語義特征并利用批樣規(guī)范化(Batch Normalization, BN)算法加速BiLSTM的收斂；最后融合這兩類特征作為softmax分類器的輸入進(jìn)而完成維吾爾語事件因果關(guān)系抽取。實(shí)驗(yàn)結(jié)果表明，該方法用于維吾爾語事件因果關(guān)系的抽取準(zhǔn)確率為 89.19%, 召回率為 83.19%, F值為86.09%，證明了該文提出的方法在維吾爾語事件因果關(guān)系抽取上的有效性。
2018, 40(1): 209-218.
doi: 10.11999/JEIT170296
摘要:
為消除基本寬線檢測算子中的冗余計(jì)算量，提高算法的運(yùn)算速度，該文提出一種寬線算子的快速實(shí)現(xiàn)方法隨機(jī)移動(dòng)寬線算子。基本寬線算子采取逐像素移動(dòng)模板的方式檢測圖像中的寬線特征，與之不同，隨機(jī)移動(dòng)寬線算子在檢測時(shí)，隨機(jī)地在圖像中放置檢測模板，并根據(jù)當(dāng)前像素類型采用啟發(fā)式的準(zhǔn)則確定模板移動(dòng)的策略，從而加快了模板移動(dòng)速度，較好地消除了基本寬線檢測算法中的冗余運(yùn)算；在此基礎(chǔ)上，提出了兩種提前結(jié)束條件，可根據(jù)檢測情況提前結(jié)束循環(huán)，進(jìn)一步節(jié)省了運(yùn)算量。利用測試圖像對(duì)快速算子進(jìn)行了實(shí)驗(yàn)分析，結(jié)果表明，隨機(jī)移動(dòng)寬線算子在取得相當(dāng)檢測性能的同時(shí)，提高了基本寬線算子的運(yùn)算速度。
為消除基本寬線檢測算子中的冗余計(jì)算量，提高算法的運(yùn)算速度，該文提出一種寬線算子的快速實(shí)現(xiàn)方法隨機(jī)移動(dòng)寬線算子。基本寬線算子采取逐像素移動(dòng)模板的方式檢測圖像中的寬線特征，與之不同，隨機(jī)移動(dòng)寬線算子在檢測時(shí)，隨機(jī)地在圖像中放置檢測模板，并根據(jù)當(dāng)前像素類型采用啟發(fā)式的準(zhǔn)則確定模板移動(dòng)的策略，從而加快了模板移動(dòng)速度，較好地消除了基本寬線檢測算法中的冗余運(yùn)算；在此基礎(chǔ)上，提出了兩種提前結(jié)束條件，可根據(jù)檢測情況提前結(jié)束循環(huán)，進(jìn)一步節(jié)省了運(yùn)算量。利用測試圖像對(duì)快速算子進(jìn)行了實(shí)驗(yàn)分析，結(jié)果表明，隨機(jī)移動(dòng)寬線算子在取得相當(dāng)檢測性能的同時(shí)，提高了基本寬線算子的運(yùn)算速度。
2018, 40(1): 219-225.
doi: 10.11999/JEIT170219
摘要:
在遞歸神經(jīng)網(wǎng)絡(luò)(RNN)語言模型輸入中增加表示當(dāng)前詞所對(duì)應(yīng)主題的特征向量是一種有效利用長時(shí)間跨度歷史信息的方法。由于在不同文檔中各主題的概率分布通常差別很大，該文提出一種使用文檔主題概率改進(jìn)當(dāng)前詞主題特征的方法，并將改進(jìn)后的特征應(yīng)用于基于長短時(shí)記憶(LSTM)單元的遞歸神經(jīng)網(wǎng)絡(luò)語言模型中。實(shí)驗(yàn)表明，在PTB數(shù)據(jù)集上該文提出的方法使語言模型的困惑度相對(duì)于基線系統(tǒng)下降11.8%。在SWBD數(shù)據(jù)集多候選重估實(shí)驗(yàn)中，該文提出的特征使LSTM模型相對(duì)于基線模型詞錯(cuò)誤率(WER)相對(duì)下降6.0%；在WSJ數(shù)據(jù)集上的實(shí)驗(yàn)中，該特征使LSTM模型相對(duì)于基線模型詞錯(cuò)誤率(WER)相對(duì)下降6.8%，并且在eval92測試集上，改進(jìn)隱含狄利克雷分布(LDA)特征使RNN效果與LSTM相當(dāng)。
在遞歸神經(jīng)網(wǎng)絡(luò)(RNN)語言模型輸入中增加表示當(dāng)前詞所對(duì)應(yīng)主題的特征向量是一種有效利用長時(shí)間跨度歷史信息的方法。由于在不同文檔中各主題的概率分布通常差別很大，該文提出一種使用文檔主題概率改進(jìn)當(dāng)前詞主題特征的方法，并將改進(jìn)后的特征應(yīng)用于基于長短時(shí)記憶(LSTM)單元的遞歸神經(jīng)網(wǎng)絡(luò)語言模型中。實(shí)驗(yàn)表明，在PTB數(shù)據(jù)集上該文提出的方法使語言模型的困惑度相對(duì)于基線系統(tǒng)下降11.8%。在SWBD數(shù)據(jù)集多候選重估實(shí)驗(yàn)中，該文提出的特征使LSTM模型相對(duì)于基線模型詞錯(cuò)誤率(WER)相對(duì)下降6.0%；在WSJ數(shù)據(jù)集上的實(shí)驗(yàn)中，該特征使LSTM模型相對(duì)于基線模型詞錯(cuò)誤率(WER)相對(duì)下降6.8%，并且在eval92測試集上，改進(jìn)隱含狄利克雷分布(LDA)特征使RNN效果與LSTM相當(dāng)。
2018, 40(1): 226-234.
doi: 10.11999/JEIT170306
摘要:
針對(duì)軟擴(kuò)頻信號(hào)因采用了編碼技術(shù)使得偽碼序列難以估計(jì)的問題，該文提出一種基于K-means聚類改進(jìn)的軟擴(kuò)頻信號(hào)偽碼序列盲估計(jì)方法。該方法首先以單倍偽碼周期的窗長對(duì)接收信號(hào)進(jìn)行數(shù)據(jù)分段以構(gòu)造觀測數(shù)據(jù)矩陣，其次利用相似測度的理論從觀測數(shù)據(jù)中尋找出K-means算法最優(yōu)的初始聚類中心點(diǎn)，然后通過搜索平均輪廓系數(shù)(Silhouette Coefficient, SC)最大的絕對(duì)值以完成偽碼集合規(guī)模數(shù)的估計(jì)，最后找到估計(jì)的偽碼集合規(guī)模數(shù)所對(duì)應(yīng)的聚類中心點(diǎn)集合，進(jìn)一步完成對(duì)軟擴(kuò)頻信號(hào)偽碼序列的盲估計(jì)。通過仿真實(shí)驗(yàn)表明，在偽碼序列估計(jì)錯(cuò)誤概率低于0.1的情況下，該文方法比未改進(jìn)方法提高信噪比約4 dB；而且在同一條件下，該文方法對(duì)信號(hào)的盲解擴(kuò)性能優(yōu)于未改進(jìn)的方法。
針對(duì)軟擴(kuò)頻信號(hào)因采用了編碼技術(shù)使得偽碼序列難以估計(jì)的問題，該文提出一種基于K-means聚類改進(jìn)的軟擴(kuò)頻信號(hào)偽碼序列盲估計(jì)方法。該方法首先以單倍偽碼周期的窗長對(duì)接收信號(hào)進(jìn)行數(shù)據(jù)分段以構(gòu)造觀測數(shù)據(jù)矩陣，其次利用相似測度的理論從觀測數(shù)據(jù)中尋找出K-means算法最優(yōu)的初始聚類中心點(diǎn)，然后通過搜索平均輪廓系數(shù)(Silhouette Coefficient, SC)最大的絕對(duì)值以完成偽碼集合規(guī)模數(shù)的估計(jì)，最后找到估計(jì)的偽碼集合規(guī)模數(shù)所對(duì)應(yīng)的聚類中心點(diǎn)集合，進(jìn)一步完成對(duì)軟擴(kuò)頻信號(hào)偽碼序列的盲估計(jì)。通過仿真實(shí)驗(yàn)表明，在偽碼序列估計(jì)錯(cuò)誤概率低于0.1的情況下，該文方法比未改進(jìn)方法提高信噪比約4 dB；而且在同一條件下，該文方法對(duì)信號(hào)的盲解擴(kuò)性能優(yōu)于未改進(jìn)的方法。
2018, 40(1): 235-243.
doi: 10.11999/JEIT170168
摘要:
針對(duì)目前Turbo碼中，分量編碼器遞歸系統(tǒng)卷積碼識(shí)別算法計(jì)算量大，容錯(cuò)性不好兩大缺點(diǎn)，該文提出了一種容錯(cuò)性能較好的快速識(shí)別算法。首先，在分析遞歸系統(tǒng)卷積碼特殊結(jié)構(gòu)的基礎(chǔ)上，定義了更具普遍意義的廣義碼重概念；其次，建立出遞歸系統(tǒng)卷積碼生成多項(xiàng)式數(shù)據(jù)庫，按照數(shù)據(jù)庫中多項(xiàng)式是否為實(shí)際編碼多項(xiàng)式的情況，分析出多項(xiàng)式所對(duì)應(yīng)的結(jié)果向量廣義碼重概率分布；然后，按照分析出的廣義碼重概率分布，基于極大極小準(zhǔn)則，導(dǎo)出快速識(shí)別算法判決門限的計(jì)算公式；最后通過遍歷多項(xiàng)式數(shù)據(jù)庫，將遍歷的多項(xiàng)式所對(duì)應(yīng)的校驗(yàn)方程廣義碼重值與判決門限比較，從而實(shí)現(xiàn)參數(shù)的快速識(shí)別。仿真結(jié)果表明：理論分析出的廣義碼重概率分布與仿真結(jié)果相一致，同時(shí)算法容錯(cuò)性能較好，在誤碼率高達(dá)0.09的條件下，各種編碼約束長度下的遞歸系統(tǒng)卷積碼識(shí)別率在90%以上，并且計(jì)算復(fù)雜度較小。
針對(duì)目前Turbo碼中，分量編碼器遞歸系統(tǒng)卷積碼識(shí)別算法計(jì)算量大，容錯(cuò)性不好兩大缺點(diǎn)，該文提出了一種容錯(cuò)性能較好的快速識(shí)別算法。首先，在分析遞歸系統(tǒng)卷積碼特殊結(jié)構(gòu)的基礎(chǔ)上，定義了更具普遍意義的廣義碼重概念；其次，建立出遞歸系統(tǒng)卷積碼生成多項(xiàng)式數(shù)據(jù)庫，按照數(shù)據(jù)庫中多項(xiàng)式是否為實(shí)際編碼多項(xiàng)式的情況，分析出多項(xiàng)式所對(duì)應(yīng)的結(jié)果向量廣義碼重概率分布；然后，按照分析出的廣義碼重概率分布，基于極大極小準(zhǔn)則，導(dǎo)出快速識(shí)別算法判決門限的計(jì)算公式；最后通過遍歷多項(xiàng)式數(shù)據(jù)庫，將遍歷的多項(xiàng)式所對(duì)應(yīng)的校驗(yàn)方程廣義碼重值與判決門限比較，從而實(shí)現(xiàn)參數(shù)的快速識(shí)別。仿真結(jié)果表明：理論分析出的廣義碼重概率分布與仿真結(jié)果相一致，同時(shí)算法容錯(cuò)性能較好，在誤碼率高達(dá)0.09的條件下，各種編碼約束長度下的遞歸系統(tǒng)卷積碼識(shí)別率在90%以上，并且計(jì)算復(fù)雜度較小。
2018, 40(1): 244-248.
doi: 10.11999/JEIT170347
摘要:
強(qiáng)化學(xué)習(xí)通過與環(huán)境的交互學(xué)得任務(wù)的決策策略，具有自學(xué)習(xí)與在線學(xué)習(xí)的特點(diǎn)。但交互試錯(cuò)的機(jī)制也往往導(dǎo)致了算法的運(yùn)行效率較低、收斂速度較慢。知識(shí)包含了人類經(jīng)驗(yàn)和對(duì)事物的認(rèn)知規(guī)律，利用知識(shí)引導(dǎo)智能體(agent)的學(xué)習(xí)，是解決上述問題的一種有效方法。該文嘗試將定性規(guī)則知識(shí)引入到強(qiáng)化學(xué)習(xí)中，通過云推理模型對(duì)定性規(guī)則進(jìn)行表示，將其作為探索策略引導(dǎo)智能體的動(dòng)作選擇，以減少智能體在狀態(tài)-動(dòng)作空間探索的盲目性。該文選用OpenAI Gym作為測試環(huán)境，通過在自定義的CartPole-v2中的實(shí)驗(yàn)，驗(yàn)證了提出的基于云推理模型探索策略的有效性，可以提高強(qiáng)化學(xué)習(xí)的學(xué)習(xí)效率，加快收斂速度。
強(qiáng)化學(xué)習(xí)通過與環(huán)境的交互學(xué)得任務(wù)的決策策略，具有自學(xué)習(xí)與在線學(xué)習(xí)的特點(diǎn)。但交互試錯(cuò)的機(jī)制也往往導(dǎo)致了算法的運(yùn)行效率較低、收斂速度較慢。知識(shí)包含了人類經(jīng)驗(yàn)和對(duì)事物的認(rèn)知規(guī)律，利用知識(shí)引導(dǎo)智能體(agent)的學(xué)習(xí)，是解決上述問題的一種有效方法。該文嘗試將定性規(guī)則知識(shí)引入到強(qiáng)化學(xué)習(xí)中，通過云推理模型對(duì)定性規(guī)則進(jìn)行表示，將其作為探索策略引導(dǎo)智能體的動(dòng)作選擇，以減少智能體在狀態(tài)-動(dòng)作空間探索的盲目性。該文選用OpenAI Gym作為測試環(huán)境，通過在自定義的CartPole-v2中的實(shí)驗(yàn)，驗(yàn)證了提出的基于云推理模型探索策略的有效性，可以提高強(qiáng)化學(xué)習(xí)的學(xué)習(xí)效率，加快收斂速度。
2018, 40(1): 249-254.
摘要:
該文首先對(duì)2017年度信息一處的計(jì)算機(jī)輔助受理情況進(jìn)行簡要的介紹和分析，以表格的形式說明了2014~ 2017年度項(xiàng)目申請(qǐng)代碼、研究方向選擇中存在的主要問題，然后對(duì)2017年面上、青年和地區(qū)項(xiàng)目資助情況進(jìn)行統(tǒng)計(jì)和說明。最后介紹信息一處申請(qǐng)代碼的調(diào)整情況，并強(qiáng)調(diào)研究方向選擇中應(yīng)該注意的問題。
該文首先對(duì)2017年度信息一處的計(jì)算機(jī)輔助受理情況進(jìn)行簡要的介紹和分析，以表格的形式說明了2014~ 2017年度項(xiàng)目申請(qǐng)代碼、研究方向選擇中存在的主要問題，然后對(duì)2017年面上、青年和地區(qū)項(xiàng)目資助情況進(jìn)行統(tǒng)計(jì)和說明。最后介紹信息一處申請(qǐng)代碼的調(diào)整情況，并強(qiáng)調(diào)研究方向選擇中應(yīng)該注意的問題。
