郵件訂閱
2018年 第40卷 第12期
2018, 40(12): 2795-2803.
doi: 10.11999/JEIT180229
摘要:
該文提出一種基于判別式聚類框架的非監(jiān)督極化SAR圖像分類算法，利用判別式監(jiān)督分類技術(shù)實現(xiàn)非監(jiān)督聚類。為實現(xiàn)該算法，定義了一個結(jié)合softmax回歸模型和馬爾科夫隨機場光滑性約束的能量函數(shù)。該模型中，像素類標和分類器均為需要優(yōu)化的未知變量。該算法從基于 \begin{document}${H / {\bar \alpha }}$\end{document} ![]()
![]()
目標極化分解和K-Wishart極化統(tǒng)計分布而產(chǎn)生的初始化類標開始，交替迭代優(yōu)化分類器和類標的能量函數(shù)，從而實現(xiàn)對分類器和類標的求解。真實極化SAR數(shù)據(jù)上的實驗結(jié)果證明了該算法的有效性和先進性。
該文提出一種基于判別式聚類框架的非監(jiān)督極化SAR圖像分類算法，利用判別式監(jiān)督分類技術(shù)實現(xiàn)非監(jiān)督聚類。為實現(xiàn)該算法，定義了一個結(jié)合softmax回歸模型和馬爾科夫隨機場光滑性約束的能量函數(shù)。該模型中，像素類標和分類器均為需要優(yōu)化的未知變量。該算法從基于
2018, 40(12): 2804-2811.
doi: 10.11999/JEIT180263
摘要:
為提升全色圖像和多光譜圖像的融合效果，該文提出基于優(yōu)化字典學(xué)習(xí)的遙感圖像融合方法。首先將經(jīng)典圖像庫中的圖像分塊作為訓(xùn)練樣本，對其進行K均值聚類，根據(jù)聚類結(jié)果適度裁減數(shù)量較多且相似度較高的圖像塊，減少訓(xùn)練樣本個數(shù)。接著對裁減后的訓(xùn)練樣本進行訓(xùn)練，得到通用性字典，并標記出相似字典原子和較少使用的字典原子。然后用與原稀疏模型差異最大的全色圖像塊規(guī)范化后替換相似字典原子和較少使用的字典原子，得到自適應(yīng)字典。使用自適應(yīng)字典對多光譜圖像經(jīng)IHS變換后獲取的亮度分量和源全色圖像進行稀疏表示，把每一個圖像塊稀疏系數(shù)中的模極大值系數(shù)分離，得到極大值稀疏系數(shù)，將剩下的稀疏系數(shù)稱為剩余稀疏系數(shù)。針對極大值稀疏系數(shù)和剩余稀疏系數(shù)分別選擇不同的融合規(guī)則進行融合，以保留更多的光譜信息和空間細節(jié)信息，最后進行IHS逆變換獲得融合圖像。實驗結(jié)果表明，與傳統(tǒng)方法相比所提方法得到的融合圖像主觀視覺效果較好，且客觀評價指標更優(yōu)。
為提升全色圖像和多光譜圖像的融合效果，該文提出基于優(yōu)化字典學(xué)習(xí)的遙感圖像融合方法。首先將經(jīng)典圖像庫中的圖像分塊作為訓(xùn)練樣本，對其進行K均值聚類，根據(jù)聚類結(jié)果適度裁減數(shù)量較多且相似度較高的圖像塊，減少訓(xùn)練樣本個數(shù)。接著對裁減后的訓(xùn)練樣本進行訓(xùn)練，得到通用性字典，并標記出相似字典原子和較少使用的字典原子。然后用與原稀疏模型差異最大的全色圖像塊規(guī)范化后替換相似字典原子和較少使用的字典原子，得到自適應(yīng)字典。使用自適應(yīng)字典對多光譜圖像經(jīng)IHS變換后獲取的亮度分量和源全色圖像進行稀疏表示，把每一個圖像塊稀疏系數(shù)中的模極大值系數(shù)分離，得到極大值稀疏系數(shù)，將剩下的稀疏系數(shù)稱為剩余稀疏系數(shù)。針對極大值稀疏系數(shù)和剩余稀疏系數(shù)分別選擇不同的融合規(guī)則進行融合，以保留更多的光譜信息和空間細節(jié)信息，最后進行IHS逆變換獲得融合圖像。實驗結(jié)果表明，與傳統(tǒng)方法相比所提方法得到的融合圖像主觀視覺效果較好，且客觀評價指標更優(yōu)。
2018, 40(12): 2812-2819.
doi: 10.11999/JEIT180209
摘要:
車輛檢測是遙感圖像分析領(lǐng)域的熱點研究內(nèi)容之一，車輛目標的智能提取和識別，對于交通管理、城市建設(shè)有重要意義。在遙感領(lǐng)域中，現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測方法存在實現(xiàn)過程復(fù)雜并且對于車輛密集區(qū)域檢測效果不理想的缺陷。針對上述問題，該文提出基于端到端的神經(jīng)網(wǎng)絡(luò)模型DF-RCNN以提高車輛密集區(qū)域的檢測精度。首先，在特征提取階段，DF-RCNN模型將深淺層特征圖的分辨率統(tǒng)一并融合；其次，DF-RCNN模型結(jié)合可變形卷積和可變形感興趣區(qū)池化模塊，通過加入少量的參數(shù)和計算量以學(xué)習(xí)目標的幾何形變。實驗結(jié)果表明，該文提出的模型針對密集區(qū)域的車輛目標具有較好的檢測性能。
車輛檢測是遙感圖像分析領(lǐng)域的熱點研究內(nèi)容之一，車輛目標的智能提取和識別，對于交通管理、城市建設(shè)有重要意義。在遙感領(lǐng)域中，現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測方法存在實現(xiàn)過程復(fù)雜并且對于車輛密集區(qū)域檢測效果不理想的缺陷。針對上述問題，該文提出基于端到端的神經(jīng)網(wǎng)絡(luò)模型DF-RCNN以提高車輛密集區(qū)域的檢測精度。首先，在特征提取階段，DF-RCNN模型將深淺層特征圖的分辨率統(tǒng)一并融合；其次，DF-RCNN模型結(jié)合可變形卷積和可變形感興趣區(qū)池化模塊，通過加入少量的參數(shù)和計算量以學(xué)習(xí)目標的幾何形變。實驗結(jié)果表明，該文提出的模型針對密集區(qū)域的車輛目標具有較好的檢測性能。
2018, 40(12): 2820-2825.
doi: 10.11999/JEIT180177
摘要:
傳統(tǒng)合成孔徑雷達方位向分辨率僅由合成孔徑提供，但在正前視區(qū)域多普勒分集有限，成像性能迅速下降且前視成像也存在固有的左右多普勒模糊問題。針對上述問題該文討論前視多通道合成孔徑雷達系統(tǒng)模型，提出一種理想直線航跡下空域零點約束自適應(yīng)波束形成的成像方法，有效綜合陣列實孔徑和合成孔徑提高正前視區(qū)域的成像質(zhì)量，利用有限陣列空域自由度實現(xiàn)左右多普勒解模糊。首先對回波數(shù)據(jù)大前斜成像處理，得到左右模糊的圖像，然后進行波束形成，將各通道圖像加權(quán)并且相干累加，實現(xiàn)左右多普勒解模糊以及方位分辨率增強。仿真實驗表明空域零點約束自適應(yīng)波束形成的成像方法可對前視場景進行高分辨成像。
傳統(tǒng)合成孔徑雷達方位向分辨率僅由合成孔徑提供，但在正前視區(qū)域多普勒分集有限，成像性能迅速下降且前視成像也存在固有的左右多普勒模糊問題。針對上述問題該文討論前視多通道合成孔徑雷達系統(tǒng)模型，提出一種理想直線航跡下空域零點約束自適應(yīng)波束形成的成像方法，有效綜合陣列實孔徑和合成孔徑提高正前視區(qū)域的成像質(zhì)量，利用有限陣列空域自由度實現(xiàn)左右多普勒解模糊。首先對回波數(shù)據(jù)大前斜成像處理，得到左右模糊的圖像，然后進行波束形成，將各通道圖像加權(quán)并且相干累加，實現(xiàn)左右多普勒解模糊以及方位分辨率增強。仿真實驗表明空域零點約束自適應(yīng)波束形成的成像方法可對前視場景進行高分辨成像。
2018, 40(12): 2826-2833.
doi: 10.11999/JEIT180039
摘要:
在多基地雷達中，該文為解決局部雷達站同融合中心之間通信帶寬受限的問題，提出一種基于刪失數(shù)據(jù)的分布式融合(CDDF)檢測算法。在局部雷達站具有多通道接收系統(tǒng)的條件下，計算了雜波背景下動目標回波信號的似然比函數(shù)。各個局部雷達站根據(jù)其自身傳輸信道的通信限制設(shè)置局部門限，剔除低于局部門限的似然比，同時將高于局部門限的似然比向融合中心傳輸?；谀温?皮爾遜引理，融合中心根據(jù)接收到的刪失數(shù)據(jù)計算全局檢驗統(tǒng)計量，并將其與全局門限進行比較獲得全局判決。此外，該文推導(dǎo)了全局門限同虛警概率或者檢測概率的閉式表達式。數(shù)值仿真表明，該算法可以在大幅降低通信率的同時獲得比“或”準則更好的檢測性能，并且隨著通信率的增加逐漸逼近集中式(CF)融合的檢測性能。
在多基地雷達中，該文為解決局部雷達站同融合中心之間通信帶寬受限的問題，提出一種基于刪失數(shù)據(jù)的分布式融合(CDDF)檢測算法。在局部雷達站具有多通道接收系統(tǒng)的條件下，計算了雜波背景下動目標回波信號的似然比函數(shù)。各個局部雷達站根據(jù)其自身傳輸信道的通信限制設(shè)置局部門限，剔除低于局部門限的似然比，同時將高于局部門限的似然比向融合中心傳輸?；谀温?皮爾遜引理，融合中心根據(jù)接收到的刪失數(shù)據(jù)計算全局檢驗統(tǒng)計量，并將其與全局門限進行比較獲得全局判決。此外，該文推導(dǎo)了全局門限同虛警概率或者檢測概率的閉式表達式。數(shù)值仿真表明，該算法可以在大幅降低通信率的同時獲得比“或”準則更好的檢測性能，并且隨著通信率的增加逐漸逼近集中式(CF)融合的檢測性能。
2018, 40(12): 2834-2840.
doi: 10.11999/JEIT180079
摘要:
為了提高SAR系統(tǒng)的分辨率，在距離向可以通過發(fā)射一系列不同載頻的窄帶信號，通過信號處理的方法實現(xiàn)帶寬合成，進而得到等效大帶寬信號對應(yīng)的分辨率。為有效實現(xiàn)帶寬合成，要求不同子帶回波的載頻步進值嚴格已知，這在某些實際應(yīng)用環(huán)境中，并不能總是滿足，因而需要從回波數(shù)據(jù)中直接估計步進值。該文提出一種基于子帶回波數(shù)據(jù)的載頻誤差估計與補償方法。該方法基于壓縮后子帶回波數(shù)據(jù)多普勒相位與載頻的關(guān)系，對子帶圖像進行干涉處理，提取差分相位，并利用差分相位沿方位向的冗余進行相干積累，獲得以實際載頻步進值為振蕩頻率的單頻信號，進而通過頻譜分析方法得到誤差頻率，并對子帶間相位誤差進行補償。通過該方法，能夠?qū)崿F(xiàn)子帶信號的相干合成，提升了SAR數(shù)據(jù)成像質(zhì)量。實驗數(shù)據(jù)的處理結(jié)果驗證了該方法的有效性。
為了提高SAR系統(tǒng)的分辨率，在距離向可以通過發(fā)射一系列不同載頻的窄帶信號，通過信號處理的方法實現(xiàn)帶寬合成，進而得到等效大帶寬信號對應(yīng)的分辨率。為有效實現(xiàn)帶寬合成，要求不同子帶回波的載頻步進值嚴格已知，這在某些實際應(yīng)用環(huán)境中，并不能總是滿足，因而需要從回波數(shù)據(jù)中直接估計步進值。該文提出一種基于子帶回波數(shù)據(jù)的載頻誤差估計與補償方法。該方法基于壓縮后子帶回波數(shù)據(jù)多普勒相位與載頻的關(guān)系，對子帶圖像進行干涉處理，提取差分相位，并利用差分相位沿方位向的冗余進行相干積累，獲得以實際載頻步進值為振蕩頻率的單頻信號，進而通過頻譜分析方法得到誤差頻率，并對子帶間相位誤差進行補償。通過該方法，能夠?qū)崿F(xiàn)子帶信號的相干合成，提升了SAR數(shù)據(jù)成像質(zhì)量。實驗數(shù)據(jù)的處理結(jié)果驗證了該方法的有效性。
2018, 40(12): 2841-2847.
doi: 10.11999/JEIT180097
摘要:
在無源雷達系統(tǒng)中，監(jiān)測通道信號中存在零頻和非零頻多徑雜波，影響目標的檢測。時域自適應(yīng)迭代濾波器(如LMS, NLMS, RLS等)常被用于無源雷達雜波抑制，但這些方法只適用于零頻多徑雜波。該文針對零頻和非零頻多徑雜波的問題，結(jié)合數(shù)字廣播電視信號的正交頻分復(fù)用波形特征，提出一種基于載波域自適應(yīng)迭代濾波器的雜波抑制算法。該算法利用同一載頻下含有相同多普勒頻移的多徑雜波的相關(guān)性原理，進行雜波抑制。仿真和實測數(shù)據(jù)處理結(jié)果證明了算法的有效性。
在無源雷達系統(tǒng)中，監(jiān)測通道信號中存在零頻和非零頻多徑雜波，影響目標的檢測。時域自適應(yīng)迭代濾波器(如LMS, NLMS, RLS等)常被用于無源雷達雜波抑制，但這些方法只適用于零頻多徑雜波。該文針對零頻和非零頻多徑雜波的問題，結(jié)合數(shù)字廣播電視信號的正交頻分復(fù)用波形特征，提出一種基于載波域自適應(yīng)迭代濾波器的雜波抑制算法。該算法利用同一載頻下含有相同多普勒頻移的多徑雜波的相關(guān)性原理，進行雜波抑制。仿真和實測數(shù)據(jù)處理結(jié)果證明了算法的有效性。
2018, 40(12): 2848-2853.
doi: 10.11999/JEIT180294
摘要:
可分辨概率是用來衡量SAR分布目標分辨特性的重要指標。該文在細化目標可分辨條件的基礎(chǔ)上，結(jié)合SAR分布目標統(tǒng)計特性，提出一種新的目標可分辨判斷準則，給出一種可分辨概率精確計算方法。同時為了簡化計算，給出計算復(fù)雜度更小的近似計算方法。仿真結(jié)果表明，該文提出的可分辨概率計算方法符合實際情況，能夠更真實地反映SAR分布目標統(tǒng)計特性對分辨特性的影響，可為SAR圖像質(zhì)量評估和系統(tǒng)參數(shù)設(shè)計等提供理論支撐。
可分辨概率是用來衡量SAR分布目標分辨特性的重要指標。該文在細化目標可分辨條件的基礎(chǔ)上，結(jié)合SAR分布目標統(tǒng)計特性，提出一種新的目標可分辨判斷準則，給出一種可分辨概率精確計算方法。同時為了簡化計算，給出計算復(fù)雜度更小的近似計算方法。仿真結(jié)果表明，該文提出的可分辨概率計算方法符合實際情況，能夠更真實地反映SAR分布目標統(tǒng)計特性對分辨特性的影響，可為SAR圖像質(zhì)量評估和系統(tǒng)參數(shù)設(shè)計等提供理論支撐。
2018, 40(12): 2854-2860.
doi: 10.11999/JEIT180115
摘要:
為了更好地將散射中心與目標結(jié)構(gòu)聯(lián)系起來，該文基于目標幾何模型給出一種在單次和2次耦合散射機理下雷達目標部件級3維散射中心位置正向推算方法。重點探究了2次耦合散射機理下強散射情況的射線等效位置確定原理及方法。對其他弱散射情況，應(yīng)用等價變換等效為強散射情況。最后，使用此位置推算方法推導(dǎo)并分析了直角二面角，鈍角二面角，SLICY, T72坦克模型的部件級3維散射中心位置，并與相應(yīng)的仿真或?qū)崪ySAR圖像進行比對以驗證此位置推算方法的正確性。
為了更好地將散射中心與目標結(jié)構(gòu)聯(lián)系起來，該文基于目標幾何模型給出一種在單次和2次耦合散射機理下雷達目標部件級3維散射中心位置正向推算方法。重點探究了2次耦合散射機理下強散射情況的射線等效位置確定原理及方法。對其他弱散射情況，應(yīng)用等價變換等效為強散射情況。最后，使用此位置推算方法推導(dǎo)并分析了直角二面角，鈍角二面角，SLICY, T72坦克模型的部件級3維散射中心位置，并與相應(yīng)的仿真或?qū)崪ySAR圖像進行比對以驗證此位置推算方法的正確性。
2018, 40(12): 2861-2867.
doi: 10.11999/JEIT180212
摘要:
該文基于隨機有限集的多目標濾波器提出一種基于目標威脅度評估的傳感器控制策略。首先，在部分可觀測馬爾科夫決策過程(POMDP)的理論框架下，給出基于信息論的傳感器控制一般方法。其次，結(jié)合目標運動態(tài)勢對影響目標威脅度的因素進行分析。然后，基于粒子多目標濾波器估計多目標狀態(tài)，依據(jù)多目標運動態(tài)勢的評估研究建立多目標威脅水平，并從多目標分布特性中深入分析并提取出當前時刻最大威脅度目標的分布特性。最后，利用Rényi散度作為傳感器控制的評價指標，以最大威脅度目標的信息增益最大化為準則進行最終控制方案的求解。仿真實驗驗證了該方法的實用性和有效性。
該文基于隨機有限集的多目標濾波器提出一種基于目標威脅度評估的傳感器控制策略。首先，在部分可觀測馬爾科夫決策過程(POMDP)的理論框架下，給出基于信息論的傳感器控制一般方法。其次，結(jié)合目標運動態(tài)勢對影響目標威脅度的因素進行分析。然后，基于粒子多目標濾波器估計多目標狀態(tài)，依據(jù)多目標運動態(tài)勢的評估研究建立多目標威脅水平，并從多目標分布特性中深入分析并提取出當前時刻最大威脅度目標的分布特性。最后，利用Rényi散度作為傳感器控制的評價指標，以最大威脅度目標的信息增益最大化為準則進行最終控制方案的求解。仿真實驗驗證了該方法的實用性和有效性。
2018, 40(12): 2868-2873.
doi: 10.11999/JEIT180147
摘要:
Wi-Fi室內(nèi)定位技術(shù)是目前移動計算領(lǐng)域的研究熱點之一，而傳統(tǒng)位置指紋定位方法沒有考慮復(fù)雜室內(nèi)環(huán)境下Wi-Fi信號分布的多樣性問題，從而導(dǎo)致Wi-Fi室內(nèi)定位系統(tǒng)的魯棒性較差。為了解決這一問題，該文提出一種基于信號分布混合假設(shè)檢驗的Wi-Fi室內(nèi)定位方法。首先根據(jù)Jarque-Bera(JB)檢驗結(jié)果對各個參考點處的Wi-Fi信號分布進行正態(tài)性評價；然后針對不同Wi-Fi信號分布特性，利用混合Mann-Whitney U檢驗/T檢驗方法構(gòu)造匹配參考點集合，以實現(xiàn)對目標的區(qū)域定位；最后通過計算定位區(qū)域中匹配參考點的K近鄰(K-Nearest Neighbor, KNN)，完成對目標的位置坐標估計。實驗結(jié)果表明，所提方法相比于傳統(tǒng)Wi-Fi室內(nèi)定位方法具有更高的定位精度和更強的系統(tǒng)魯棒性。
Wi-Fi室內(nèi)定位技術(shù)是目前移動計算領(lǐng)域的研究熱點之一，而傳統(tǒng)位置指紋定位方法沒有考慮復(fù)雜室內(nèi)環(huán)境下Wi-Fi信號分布的多樣性問題，從而導(dǎo)致Wi-Fi室內(nèi)定位系統(tǒng)的魯棒性較差。為了解決這一問題，該文提出一種基于信號分布混合假設(shè)檢驗的Wi-Fi室內(nèi)定位方法。首先根據(jù)Jarque-Bera(JB)檢驗結(jié)果對各個參考點處的Wi-Fi信號分布進行正態(tài)性評價；然后針對不同Wi-Fi信號分布特性，利用混合Mann-Whitney U檢驗/T檢驗方法構(gòu)造匹配參考點集合，以實現(xiàn)對目標的區(qū)域定位；最后通過計算定位區(qū)域中匹配參考點的K近鄰(K-Nearest Neighbor, KNN)，完成對目標的位置坐標估計。實驗結(jié)果表明，所提方法相比于傳統(tǒng)Wi-Fi室內(nèi)定位方法具有更高的定位精度和更強的系統(tǒng)魯棒性。
2018, 40(12): 2874-2880.
doi: 10.11999/JEIT180225
摘要:
針對自適應(yīng)波束形成器在目標導(dǎo)向矢量存在約束偏差時性能急劇下降的問題，該文提出一種目標導(dǎo)向矢量和干擾噪聲協(xié)方差矩陣聯(lián)合迭代估計的穩(wěn)健波束形成算法。該算法首先采用稀疏重構(gòu)的方法得到目標導(dǎo)向矢量的初始值，并通過從采樣協(xié)方差矩陣中剔除目標信號估計值完成干擾加噪聲協(xié)方差矩陣的初始化；然后在建立導(dǎo)向矢量誤差優(yōu)化模型的基礎(chǔ)上，采用凸優(yōu)化方法對目標導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣聯(lián)合迭代求解。最后利用目標導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣的穩(wěn)態(tài)估計值獲得自適應(yīng)權(quán)矢量。仿真結(jié)果表明該算法提高了波束形成器在目標導(dǎo)向矢量約束偏差時的輸出信干噪比。
針對自適應(yīng)波束形成器在目標導(dǎo)向矢量存在約束偏差時性能急劇下降的問題，該文提出一種目標導(dǎo)向矢量和干擾噪聲協(xié)方差矩陣聯(lián)合迭代估計的穩(wěn)健波束形成算法。該算法首先采用稀疏重構(gòu)的方法得到目標導(dǎo)向矢量的初始值，并通過從采樣協(xié)方差矩陣中剔除目標信號估計值完成干擾加噪聲協(xié)方差矩陣的初始化；然后在建立導(dǎo)向矢量誤差優(yōu)化模型的基礎(chǔ)上，采用凸優(yōu)化方法對目標導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣聯(lián)合迭代求解。最后利用目標導(dǎo)向矢量和干擾加噪聲協(xié)方差矩陣的穩(wěn)態(tài)估計值獲得自適應(yīng)權(quán)矢量。仿真結(jié)果表明該算法提高了波束形成器在目標導(dǎo)向矢量約束偏差時的輸出信干噪比。
2018, 40(12): 2881-2888.
doi: 10.11999/JEIT171058
摘要:
在相干分布式非圓信號2維波達方向(DOA)估計中，針對利用非圓特性后維數(shù)擴展帶來的較大復(fù)雜度問題，且現(xiàn)有的低復(fù)雜度算法均需要額外的參數(shù)匹配，該文提出一種基于互相關(guān)傳播算子的自動匹配2維DOA快速估計算法。該算法考慮L型陣列，在建立相干分布式非圓信號擴展陣列模型的基礎(chǔ)上，首先證明了L陣中兩個子陣的廣義方向矢量(GSV)均具有近似旋轉(zhuǎn)不變特性，然后通過陣列輸出信號的互相關(guān)運算消除了額外噪聲，最終利用子陣GSV的近似旋轉(zhuǎn)不變關(guān)系通過傳播算子方法得到中心方位角與俯仰角估計。理論分析和仿真實驗表明，所提算法無須譜峰搜索和協(xié)方差矩陣特征分解運算，具有較低的計算復(fù)雜度，并且能夠?qū)崿F(xiàn)2維DOA估計的自動匹配；同時，相比于現(xiàn)有的相干分布式非圓信號傳播算子算法，所提算法以較小的復(fù)雜度代價獲得了性能的較大提升。
在相干分布式非圓信號2維波達方向(DOA)估計中，針對利用非圓特性后維數(shù)擴展帶來的較大復(fù)雜度問題，且現(xiàn)有的低復(fù)雜度算法均需要額外的參數(shù)匹配，該文提出一種基于互相關(guān)傳播算子的自動匹配2維DOA快速估計算法。該算法考慮L型陣列，在建立相干分布式非圓信號擴展陣列模型的基礎(chǔ)上，首先證明了L陣中兩個子陣的廣義方向矢量(GSV)均具有近似旋轉(zhuǎn)不變特性，然后通過陣列輸出信號的互相關(guān)運算消除了額外噪聲，最終利用子陣GSV的近似旋轉(zhuǎn)不變關(guān)系通過傳播算子方法得到中心方位角與俯仰角估計。理論分析和仿真實驗表明，所提算法無須譜峰搜索和協(xié)方差矩陣特征分解運算，具有較低的計算復(fù)雜度，并且能夠?qū)崿F(xiàn)2維DOA估計的自動匹配；同時，相比于現(xiàn)有的相干分布式非圓信號傳播算子算法，所提算法以較小的復(fù)雜度代價獲得了性能的較大提升。
2018, 40(12): 2889-2895.
doi: 10.11999/JEIT180186
摘要:
在室內(nèi)覆蓋的大量的WiFi信號可以用來室內(nèi)定位。盡管很多WiFi室內(nèi)定位技術(shù)被提出，但其定位精度仍然未達到實際應(yīng)用的需求。針對這個問題，該文提出一種自適應(yīng)仿射傳播聚類(AAPC)算法用以提高WiFi指紋的聚類質(zhì)量，從而提高定位精度。AAPC算法通過動態(tài)調(diào)整參數(shù)生成不同的聚類結(jié)果，然后采用聚類有效性指標篩選出其中最佳的。采集大量真實環(huán)境數(shù)據(jù)進行試驗，試驗結(jié)果表明采用AAPC算法產(chǎn)生的聚類結(jié)果具有更高的定位精度。
在室內(nèi)覆蓋的大量的WiFi信號可以用來室內(nèi)定位。盡管很多WiFi室內(nèi)定位技術(shù)被提出，但其定位精度仍然未達到實際應(yīng)用的需求。針對這個問題，該文提出一種自適應(yīng)仿射傳播聚類(AAPC)算法用以提高WiFi指紋的聚類質(zhì)量，從而提高定位精度。AAPC算法通過動態(tài)調(diào)整參數(shù)生成不同的聚類結(jié)果，然后采用聚類有效性指標篩選出其中最佳的。采集大量真實環(huán)境數(shù)據(jù)進行試驗，試驗結(jié)果表明采用AAPC算法產(chǎn)生的聚類結(jié)果具有更高的定位精度。
2018, 40(12): 2896-2904.
doi: 10.11999/JEIT180241
摘要:
針對目前協(xié)同顯著性檢測問題中存在的協(xié)同性較差、誤匹配和復(fù)雜場景下檢測效果不佳等問題，該文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)與全局優(yōu)化的協(xié)同顯著性檢測算法。首先基于VGG16Net構(gòu)建了全卷積結(jié)構(gòu)的顯著性檢測網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠模擬人類視覺注意機制，從高級語義層次提取一幅圖像中的顯著性區(qū)域；然后在傳統(tǒng)單幅圖像顯著性優(yōu)化模型的基礎(chǔ)上構(gòu)造了全局協(xié)同顯著性優(yōu)化模型。該模型通過超像素匹配機制，實現(xiàn)當前超像素塊顯著值在圖像內(nèi)與圖像間的傳播與共享，使得優(yōu)化后的顯著圖相對于初始顯著圖具有更好的協(xié)同性與一致性。最后，該文創(chuàng)新性地引入圖像間顯著性傳播約束因子來克服超像素誤匹配帶來的影響。在公開測試數(shù)據(jù)集上的實驗結(jié)果表明，所提算法在檢測精度和檢測效率上優(yōu)于目前的主流算法，并具有較強的魯棒性。
針對目前協(xié)同顯著性檢測問題中存在的協(xié)同性較差、誤匹配和復(fù)雜場景下檢測效果不佳等問題，該文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)與全局優(yōu)化的協(xié)同顯著性檢測算法。首先基于VGG16Net構(gòu)建了全卷積結(jié)構(gòu)的顯著性檢測網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠模擬人類視覺注意機制，從高級語義層次提取一幅圖像中的顯著性區(qū)域；然后在傳統(tǒng)單幅圖像顯著性優(yōu)化模型的基礎(chǔ)上構(gòu)造了全局協(xié)同顯著性優(yōu)化模型。該模型通過超像素匹配機制，實現(xiàn)當前超像素塊顯著值在圖像內(nèi)與圖像間的傳播與共享，使得優(yōu)化后的顯著圖相對于初始顯著圖具有更好的協(xié)同性與一致性。最后，該文創(chuàng)新性地引入圖像間顯著性傳播約束因子來克服超像素誤匹配帶來的影響。在公開測試數(shù)據(jù)集上的實驗結(jié)果表明，所提算法在檢測精度和檢測效率上優(yōu)于目前的主流算法，并具有較強的魯棒性。
2018, 40(12): 2905-2912.
doi: 10.11999/JEIT180180
摘要:
該文針對低信噪比噪聲環(huán)境下的聲音事件檢測問題，提出基于多頻帶能量分布圖離散余弦變換的聲音事件檢測的方法。首先，將聲音數(shù)據(jù)轉(zhuǎn)化為gammatone頻譜，并計算其多頻帶能量分布；接著，對多頻帶能量分布圖進行8×8分塊與離散余弦變換；然后，對8×8的離散余弦變換系數(shù)進行Zigzag掃描，抽取離散余弦變換系數(shù)的主要系數(shù)作為聲音事件的特征；最后，利用隨機森林分類器對特征建模與檢測。實驗結(jié)果表明，在低信噪比及各種噪聲環(huán)境下，該文提出的方法具有良好的檢測效果。
該文針對低信噪比噪聲環(huán)境下的聲音事件檢測問題，提出基于多頻帶能量分布圖離散余弦變換的聲音事件檢測的方法。首先，將聲音數(shù)據(jù)轉(zhuǎn)化為gammatone頻譜，并計算其多頻帶能量分布；接著，對多頻帶能量分布圖進行8×8分塊與離散余弦變換；然后，對8×8的離散余弦變換系數(shù)進行Zigzag掃描，抽取離散余弦變換系數(shù)的主要系數(shù)作為聲音事件的特征；最后，利用隨機森林分類器對特征建模與檢測。實驗結(jié)果表明，在低信噪比及各種噪聲環(huán)境下，該文提出的方法具有良好的檢測效果。
2018, 40(12): 2913-2918.
doi: 10.11999/JEIT171091
摘要:
該文針對同步壓縮S變換(SSST)在混合噪聲下的失真問題，提出一種新型穩(wěn)健性廣義同步壓縮S變換(GSST)。該方法首先改進Viterbi算法以提高S變換在混合噪聲下的時頻分析性能，在獲取調(diào)頻(FM)信號的相位軌跡信息后，利用同步壓縮技術(shù)提高時頻聚集性。仿真實驗表明，在α-高斯混合噪聲環(huán)境下，該方法能夠在低信噪比下精確獲取FM信號的時頻信息，有效改善了傳統(tǒng)同步壓縮算法的穩(wěn)健性和適用性。
該文針對同步壓縮S變換(SSST)在混合噪聲下的失真問題，提出一種新型穩(wěn)健性廣義同步壓縮S變換(GSST)。該方法首先改進Viterbi算法以提高S變換在混合噪聲下的時頻分析性能，在獲取調(diào)頻(FM)信號的相位軌跡信息后，利用同步壓縮技術(shù)提高時頻聚集性。仿真實驗表明，在α-高斯混合噪聲環(huán)境下，該方法能夠在低信噪比下精確獲取FM信號的時頻信息，有效改善了傳統(tǒng)同步壓縮算法的穩(wěn)健性和適用性。
2018, 40(12): 2919-2927.
doi: 10.11999/JEIT180120
摘要:
相干平面波復(fù)合(CPWC)成像算法采用多個角度平面波成像結(jié)果直接疊加的方式進行成像，具有速度快，質(zhì)量高等優(yōu)點，CPWC成像直接疊加的成像方式，忽略了平面波成像結(jié)果之間的相干性。相干系數(shù)(CF)加權(quán)算法可以有效提高成像的分辨率和對比度，降低了背景成像質(zhì)量。該文提出了短階相干系數(shù)(SLCF)加權(quán)算法，該算法采用角度差異參數(shù)來確定相干系數(shù)的階數(shù)，根據(jù)角度差異較小的平面波輸出計算相干系數(shù)，對CPWC成像結(jié)果進行加權(quán)成像。仿真和實驗結(jié)果表明SLCF加權(quán)算法相對于傳統(tǒng)的CPWC成像算法，可以改善成像的橫向分辨率和對比度。相對CF和廣義相干系數(shù)(GCF)算法，SLCF可以提高對比度和背景成像質(zhì)量，而且運算量更低。
相干平面波復(fù)合(CPWC)成像算法采用多個角度平面波成像結(jié)果直接疊加的方式進行成像，具有速度快，質(zhì)量高等優(yōu)點，CPWC成像直接疊加的成像方式，忽略了平面波成像結(jié)果之間的相干性。相干系數(shù)(CF)加權(quán)算法可以有效提高成像的分辨率和對比度，降低了背景成像質(zhì)量。該文提出了短階相干系數(shù)(SLCF)加權(quán)算法，該算法采用角度差異參數(shù)來確定相干系數(shù)的階數(shù)，根據(jù)角度差異較小的平面波輸出計算相干系數(shù)，對CPWC成像結(jié)果進行加權(quán)成像。仿真和實驗結(jié)果表明SLCF加權(quán)算法相對于傳統(tǒng)的CPWC成像算法，可以改善成像的橫向分辨率和對比度。相對CF和廣義相干系數(shù)(GCF)算法，SLCF可以提高對比度和背景成像質(zhì)量，而且運算量更低。
2018, 40(12): 2928-2935.
doi: 10.11999/JEIT180191
摘要:
針對脈沖型噪聲，該文提出一種新的非線性處理方法，即高斯化-廣義匹配(GGM)處理。GGM方法基于高斯化處理與廣義匹配濾波，可結(jié)合非參數(shù)的概率密度估計進行設(shè)計，解決噪聲模型未知時的非線性處理問題。該文以脈沖型噪聲 \begin{document}${\rm S\alpha S}$\end{document} ![]()
![]()
分布模型為例，分析GGM方法的特點和性能；再結(jié)合Class A噪聲模型，討論GGM設(shè)計作為非參數(shù)方法相比模型假設(shè)失配的優(yōu)勢；引入效能函數(shù)，驗證GGM方法在恒虛警技術(shù)中的運用。結(jié)果表明，在已知噪聲分布情況下，GGM方法具有次優(yōu)檢測性能；當噪聲模型未知時，非參數(shù)GGM設(shè)計能保持穩(wěn)健性能，優(yōu)于模型失配下的處理。并且，GGM設(shè)計對樣本數(shù)目要求不高，為噪聲特性不明或時變的場景提供了一種新的信號處理方法。
針對脈沖型噪聲，該文提出一種新的非線性處理方法，即高斯化-廣義匹配(GGM)處理。GGM方法基于高斯化處理與廣義匹配濾波，可結(jié)合非參數(shù)的概率密度估計進行設(shè)計，解決噪聲模型未知時的非線性處理問題。該文以脈沖型噪聲
2018, 40(12): 2936-2944.
doi: 10.11999/JEIT180154
摘要:
色度擴展視頻編碼是當前視頻編碼領(lǐng)域的一個熱點研究課題。該文提出基于AVS2平臺的色度擴展視頻幀內(nèi)編碼的實現(xiàn)方案。仿444/422編碼方案通過將輸入圖像中的色度分量下采樣后，使用原有的420方式進行編碼，以實現(xiàn)444/422編碼。進一步，該文將幀內(nèi)預(yù)測及環(huán)路濾波等編碼模塊無縫擴展到相應(yīng)的444/422格式，實現(xiàn)444/422幀內(nèi)預(yù)測編碼。實驗結(jié)果表明，對444格式和422格式序列，在高碼率的情況下444/422幀內(nèi)預(yù)測編碼與仿444/422編碼相比，U/V平均BD-rate的減少分別為31.44%/31.72%和18.85%/19.3%，而Y分量平均BD-rate的增加僅為0.5%。其中422色度幀內(nèi)預(yù)測過程的算法優(yōu)化減少Y/U/V BD-rate最高可達5.66%。與HEVC RExt編碼相比，在低碼率時，444/422幀內(nèi)預(yù)測編碼取得了更好或相近的編碼性能。
色度擴展視頻編碼是當前視頻編碼領(lǐng)域的一個熱點研究課題。該文提出基于AVS2平臺的色度擴展視頻幀內(nèi)編碼的實現(xiàn)方案。仿444/422編碼方案通過將輸入圖像中的色度分量下采樣后，使用原有的420方式進行編碼，以實現(xiàn)444/422編碼。進一步，該文將幀內(nèi)預(yù)測及環(huán)路濾波等編碼模塊無縫擴展到相應(yīng)的444/422格式，實現(xiàn)444/422幀內(nèi)預(yù)測編碼。實驗結(jié)果表明，對444格式和422格式序列，在高碼率的情況下444/422幀內(nèi)預(yù)測編碼與仿444/422編碼相比，U/V平均BD-rate的減少分別為31.44%/31.72%和18.85%/19.3%，而Y分量平均BD-rate的增加僅為0.5%。其中422色度幀內(nèi)預(yù)測過程的算法優(yōu)化減少Y/U/V BD-rate最高可達5.66%。與HEVC RExt編碼相比，在低碼率時，444/422幀內(nèi)預(yù)測編碼取得了更好或相近的編碼性能。
2018, 40(12): 2945-2953.
doi: 10.11999/JEIT180077
摘要:
針對系統(tǒng)誤差導(dǎo)致光流計算穩(wěn)健性較差及精度較低的問題，該文提出一種基于小波多分辨理論的穩(wěn)健光流計算方法。所提算法基于小波多尺度分辨率特性，將光照條件變化及傳感器噪聲引起的系統(tǒng)誤差包含進光流計算中以改善光流計算的穩(wěn)健性及估計精度，并通過總體最小二乘法求解超定小波光流方程組以獲得光流矢量。仿真結(jié)果表明，與傳統(tǒng)的Lucas-Kanade算法、Horn-Schunck算法及基于小波的全向圖像光流估計方法相比，所提算法可顯著改善光流估計精度及穩(wěn)健性。
針對系統(tǒng)誤差導(dǎo)致光流計算穩(wěn)健性較差及精度較低的問題，該文提出一種基于小波多分辨理論的穩(wěn)健光流計算方法。所提算法基于小波多尺度分辨率特性，將光照條件變化及傳感器噪聲引起的系統(tǒng)誤差包含進光流計算中以改善光流計算的穩(wěn)健性及估計精度，并通過總體最小二乘法求解超定小波光流方程組以獲得光流矢量。仿真結(jié)果表明，與傳統(tǒng)的Lucas-Kanade算法、Horn-Schunck算法及基于小波的全向圖像光流估計方法相比，所提算法可顯著改善光流估計精度及穩(wěn)健性。
2018, 40(12): 2954-2961.
doi: 10.11999/JEIT180192
摘要:
針對網(wǎng)絡(luò)節(jié)點隨機移動造成的AdHoc網(wǎng)絡(luò)分簇結(jié)構(gòu)變化和路由失效問題，該文提出一種基于相對移動性預(yù)測的k跳分簇算法，分析和預(yù)測網(wǎng)絡(luò)節(jié)點運動狀態(tài)，自適應(yīng)地調(diào)整分簇結(jié)構(gòu)，提高簇結(jié)構(gòu)穩(wěn)定性。首先，使用多普勒頻移計算節(jié)點間相對移動速度，預(yù)測節(jié)點移動性，得到節(jié)點間鏈路保持時間。然后，在簇形成階段，采用面向節(jié)點穩(wěn)定性的MAX-MIN啟發(fā)式算法，根據(jù)節(jié)點的平均鏈路保持時間對簇首進行選擇。進而，在簇保持階段，提出一種基于節(jié)點運動狀態(tài)的網(wǎng)絡(luò)自適應(yīng)調(diào)整算法，一方面調(diào)整節(jié)點信息數(shù)據(jù)發(fā)送周期以平衡數(shù)據(jù)開銷和精確度，另一方面通過預(yù)測節(jié)點間鏈路通斷情況調(diào)整分簇結(jié)構(gòu)，以減少鏈路失效時的鏈路重建時間，提高網(wǎng)絡(luò)運行質(zhì)量。仿真實驗表明，所提算法可以有效延長簇首持續(xù)時間，提高簇結(jié)構(gòu)在動態(tài)環(huán)境下的穩(wěn)定性。
針對網(wǎng)絡(luò)節(jié)點隨機移動造成的AdHoc網(wǎng)絡(luò)分簇結(jié)構(gòu)變化和路由失效問題，該文提出一種基于相對移動性預(yù)測的k跳分簇算法，分析和預(yù)測網(wǎng)絡(luò)節(jié)點運動狀態(tài)，自適應(yīng)地調(diào)整分簇結(jié)構(gòu)，提高簇結(jié)構(gòu)穩(wěn)定性。首先，使用多普勒頻移計算節(jié)點間相對移動速度，預(yù)測節(jié)點移動性，得到節(jié)點間鏈路保持時間。然后，在簇形成階段，采用面向節(jié)點穩(wěn)定性的MAX-MIN啟發(fā)式算法，根據(jù)節(jié)點的平均鏈路保持時間對簇首進行選擇。進而，在簇保持階段，提出一種基于節(jié)點運動狀態(tài)的網(wǎng)絡(luò)自適應(yīng)調(diào)整算法，一方面調(diào)整節(jié)點信息數(shù)據(jù)發(fā)送周期以平衡數(shù)據(jù)開銷和精確度，另一方面通過預(yù)測節(jié)點間鏈路通斷情況調(diào)整分簇結(jié)構(gòu)，以減少鏈路失效時的鏈路重建時間，提高網(wǎng)絡(luò)運行質(zhì)量。仿真實驗表明，所提算法可以有效延長簇首持續(xù)時間，提高簇結(jié)構(gòu)在動態(tài)環(huán)境下的穩(wěn)定性。
2018, 40(12): 2962-2969.
doi: 10.11999/JEIT180131
摘要:
針對無線接入網(wǎng)絡(luò)切片虛擬資源分配優(yōu)化問題，該文提出基于受限馬爾可夫決策過程(CMDP)的網(wǎng)絡(luò)切片自適應(yīng)虛擬資源分配算法。首先，該算法在非正交多址接入(NOMA)系統(tǒng)中以用戶中斷概率和切片隊列積壓為約束，切片的總速率作為回報，運用受限馬爾可夫決策過程理論構(gòu)建資源自適應(yīng)問題的動態(tài)優(yōu)化模型；其次定義后決策狀態(tài)，規(guī)避最優(yōu)值函數(shù)中的期望運算；進一步地，針對馬爾科夫決策過程(MDP)的“維度災(zāi)難”問題，基于近似動態(tài)規(guī)劃理論，定義關(guān)于分配行為的基函數(shù)，替代決策后狀態(tài)空間，減少計算維度；最后設(shè)計了一種自適應(yīng)虛擬資源分配算法，通過與外部環(huán)境的不斷交互學(xué)習(xí)，動態(tài)調(diào)整資源分配策略，優(yōu)化切片性能。仿真結(jié)果表明，該算法可以較好地提高系統(tǒng)的性能，滿足切片的服務(wù)需求。
針對無線接入網(wǎng)絡(luò)切片虛擬資源分配優(yōu)化問題，該文提出基于受限馬爾可夫決策過程(CMDP)的網(wǎng)絡(luò)切片自適應(yīng)虛擬資源分配算法。首先，該算法在非正交多址接入(NOMA)系統(tǒng)中以用戶中斷概率和切片隊列積壓為約束，切片的總速率作為回報，運用受限馬爾可夫決策過程理論構(gòu)建資源自適應(yīng)問題的動態(tài)優(yōu)化模型；其次定義后決策狀態(tài)，規(guī)避最優(yōu)值函數(shù)中的期望運算；進一步地，針對馬爾科夫決策過程(MDP)的“維度災(zāi)難”問題，基于近似動態(tài)規(guī)劃理論，定義關(guān)于分配行為的基函數(shù)，替代決策后狀態(tài)空間，減少計算維度；最后設(shè)計了一種自適應(yīng)虛擬資源分配算法，通過與外部環(huán)境的不斷交互學(xué)習(xí)，動態(tài)調(diào)整資源分配策略，優(yōu)化切片性能。仿真結(jié)果表明，該算法可以較好地提高系統(tǒng)的性能，滿足切片的服務(wù)需求。
2018, 40(12): 2970-2978.
doi: 10.11999/JEIT180111
摘要:
基于干擾消除思想該文提出一種適用于大規(guī)模MIMO系統(tǒng)上行鏈路的低復(fù)雜度迭代并行干擾消除算法，在算法實現(xiàn)中避免了線性檢測算法所需的高復(fù)雜度 \begin{document}$({\cal O}({K^3}))$\end{document} ![]()
![]()
矩陣求逆運算，將復(fù)雜度保持在 \begin{document}$({\cal O}({K^2}))$\end{document} ![]()
![]()
。在此基礎(chǔ)上，引入噪聲預(yù)測機制，提出一種基于噪聲預(yù)測的迭代并行干擾消除算法，進一步提高了硬判決檢測性能?？紤]天線間殘留干擾，將干擾消除思想運用到軟判決中，最后提出一種基于迭代并行干擾消除的低復(fù)雜度軟輸出信號檢測算法。仿真結(jié)果表明：提出的信號檢測方法的復(fù)雜度優(yōu)于MMSE檢測算法，經(jīng)過幾次簡單的迭代，算法即快速收斂并獲得接近甚至優(yōu)于MMSE檢測算法的誤碼率性能。
基于干擾消除思想該文提出一種適用于大規(guī)模MIMO系統(tǒng)上行鏈路的低復(fù)雜度迭代并行干擾消除算法，在算法實現(xiàn)中避免了線性檢測算法所需的高復(fù)雜度
2018, 40(12): 2979-2985.
doi: 10.11999/JEIT180218
摘要:
針對云無線接入網(wǎng)絡(luò)(C-RAN)的資源分配問題，該文采用max-min公平準則作為優(yōu)化準則，以C-RAN用戶的能量效率作為優(yōu)化目標函數(shù)，在滿足最大發(fā)射功率和最小傳輸速率約束條件下，通過最大化最差鏈路的能量效率來實現(xiàn)用戶發(fā)射功率和無線遠端射頻單元(RRHs)波束成形向量的聯(lián)合優(yōu)化。上述優(yōu)化問題屬于非線性、分式規(guī)劃問題，為了方便求解，首先將原優(yōu)化問題轉(zhuǎn)化為差分形式的優(yōu)化問題，然后通過引入變量將差分形式的、非平滑優(yōu)化問題轉(zhuǎn)化為平滑優(yōu)化問題。最終，提出一種雙層迭代功率分配和波束成形算法。在仿真實驗中，將該文算法與傳統(tǒng)的非能效資源分配算法和能量效率最大化算法進行了比較，實驗結(jié)果證明該文算法在改進C-RAN能量效率和提高資源分配公平性方面的有效性。
針對云無線接入網(wǎng)絡(luò)(C-RAN)的資源分配問題，該文采用max-min公平準則作為優(yōu)化準則，以C-RAN用戶的能量效率作為優(yōu)化目標函數(shù)，在滿足最大發(fā)射功率和最小傳輸速率約束條件下，通過最大化最差鏈路的能量效率來實現(xiàn)用戶發(fā)射功率和無線遠端射頻單元(RRHs)波束成形向量的聯(lián)合優(yōu)化。上述優(yōu)化問題屬于非線性、分式規(guī)劃問題，為了方便求解，首先將原優(yōu)化問題轉(zhuǎn)化為差分形式的優(yōu)化問題，然后通過引入變量將差分形式的、非平滑優(yōu)化問題轉(zhuǎn)化為平滑優(yōu)化問題。最終，提出一種雙層迭代功率分配和波束成形算法。在仿真實驗中，將該文算法與傳統(tǒng)的非能效資源分配算法和能量效率最大化算法進行了比較，實驗結(jié)果證明該文算法在改進C-RAN能量效率和提高資源分配公平性方面的有效性。
2018, 40(12): 2986-2991.
doi: 10.11999/JEIT180196
摘要:
Lai-Massey結(jié)構(gòu)是由IDEA算法發(fā)展而來的一個分組密碼結(jié)構(gòu)，F(xiàn)OX系列密碼算法是該密碼結(jié)構(gòu)的代表。該文從差分概率關(guān)于獨立等概輪密鑰的平均概率上界和給定起點和終點的線性鏈的平均概率上界兩個角度出發(fā)，研究Lai-Massey 結(jié)構(gòu)的差分和線性可證明安全性。該文證明了2輪Lai-Massey結(jié)構(gòu)的非平凡差分對應(yīng)關(guān)于獨立等概的輪密鑰的平均概率 \begin{document}$ \le p{}_{\max }$\end{document} ![]()
![]()
；證明了當Lai-Massey 結(jié)構(gòu)的F函數(shù)是正型置換時，輪數(shù) \begin{document}$r \ge 3$\end{document} ![]()
![]()
的非平凡差分對應(yīng)關(guān)于獨立等概的輪密鑰的平均概率 \begin{document}$ \le p_{\max }^2$\end{document} ![]()
![]()
。針對給定起點和終點的線性鏈的平均概率上界，該文也獲得了類似的結(jié)論。
Lai-Massey結(jié)構(gòu)是由IDEA算法發(fā)展而來的一個分組密碼結(jié)構(gòu)，F(xiàn)OX系列密碼算法是該密碼結(jié)構(gòu)的代表。該文從差分概率關(guān)于獨立等概輪密鑰的平均概率上界和給定起點和終點的線性鏈的平均概率上界兩個角度出發(fā)，研究Lai-Massey 結(jié)構(gòu)的差分和線性可證明安全性。該文證明了2輪Lai-Massey結(jié)構(gòu)的非平凡差分對應(yīng)關(guān)于獨立等概的輪密鑰的平均概率
2018, 40(12): 2992-2997.
doi: 10.11999/JEIT180189
摘要:
該文根據(jù)特征為4的Galois環(huán)理論，在Z4上利用廣義分圓構(gòu)造出一類新的周期為2p2(p為奇素數(shù))的四元序列，并且給出了它的線性復(fù)雜度。結(jié)果表明，該序列具有良好的線性復(fù)雜度性質(zhì)，能夠抗擊Berlekamp-Massey (B-M)算法的攻擊，是密碼學(xué)意義上性質(zhì)良好的偽隨機序列。
該文根據(jù)特征為4的Galois環(huán)理論，在Z4上利用廣義分圓構(gòu)造出一類新的周期為2p2(p為奇素數(shù))的四元序列，并且給出了它的線性復(fù)雜度。結(jié)果表明，該序列具有良好的線性復(fù)雜度性質(zhì)，能夠抗擊Berlekamp-Massey (B-M)算法的攻擊，是密碼學(xué)意義上性質(zhì)良好的偽隨機序列。
2018, 40(12): 2998-3006.
doi: 10.11999/JEIT180122
摘要:
屬性基加密可以為霧-云計算中的數(shù)據(jù)提供機密性保護和細粒度訪問控制，但霧-云計算系統(tǒng)中的移動設(shè)備難以承擔(dān)屬性基加密的繁重計算負擔(dān)。為解決該問題，該文提出一種可驗證外包解密的離線/在線屬性基加密方案。該方案能夠?qū)崿F(xiàn)離線/在線的密鑰生成和數(shù)據(jù)加密，同時支持可驗證外包解密。然后，給出方案的選擇明文攻擊的安全證明和可驗證性的安全證明。之后，該文將轉(zhuǎn)換階段所需雙線性對的計算量降為恒定常數(shù)。最后，從理論和實驗兩方面對所提方案進行性能分析，實驗結(jié)果表明該方案是有效且實用的。
屬性基加密可以為霧-云計算中的數(shù)據(jù)提供機密性保護和細粒度訪問控制，但霧-云計算系統(tǒng)中的移動設(shè)備難以承擔(dān)屬性基加密的繁重計算負擔(dān)。為解決該問題，該文提出一種可驗證外包解密的離線/在線屬性基加密方案。該方案能夠?qū)崿F(xiàn)離線/在線的密鑰生成和數(shù)據(jù)加密，同時支持可驗證外包解密。然后，給出方案的選擇明文攻擊的安全證明和可驗證性的安全證明。之后，該文將轉(zhuǎn)換階段所需雙線性對的計算量降為恒定常數(shù)。最后，從理論和實驗兩方面對所提方案進行性能分析，實驗結(jié)果表明該方案是有效且實用的。
2018, 40(12): 3007-3012.
doi: 10.11999/JEIT180249
摘要:
異構(gòu)聚合簽密方案不僅可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機密性和不可偽造性，而且可以提供多個密文批量驗證。該文分析了一個具有隱私保護功能的異構(gòu)聚合簽密方案的安全性，指出該方案不能抵擋惡意密鑰生成中心(KGC)攻擊，惡意KGC可以偽造有效的單密文和聚合密文。為了提高原方案的安全性，該文提出一種新的具有隱私保護功能的異構(gòu)聚合簽密方案。該方案克服了原方案存在的安全性問題，實現(xiàn)了無證書密碼環(huán)境到身份密碼環(huán)境之間的數(shù)據(jù)安全傳輸，在隨機預(yù)言機模型下證明新方案的安全性。效率分析表明新方案與原方案效率相當。
異構(gòu)聚合簽密方案不僅可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機密性和不可偽造性，而且可以提供多個密文批量驗證。該文分析了一個具有隱私保護功能的異構(gòu)聚合簽密方案的安全性，指出該方案不能抵擋惡意密鑰生成中心(KGC)攻擊，惡意KGC可以偽造有效的單密文和聚合密文。為了提高原方案的安全性，該文提出一種新的具有隱私保護功能的異構(gòu)聚合簽密方案。該方案克服了原方案存在的安全性問題，實現(xiàn)了無證書密碼環(huán)境到身份密碼環(huán)境之間的數(shù)據(jù)安全傳輸，在隨機預(yù)言機模型下證明新方案的安全性。效率分析表明新方案與原方案效率相當。
2018, 40(12): 3013-3019.
doi: 10.11999/JEIT180219
摘要:
無線供電技術(shù)是延長無線網(wǎng)絡(luò)節(jié)點壽命的有效方案。該文研究一個由基站和多個分簇用戶組成的無線供電混合多址接入系統(tǒng)。系統(tǒng)的傳輸分為兩個階段。在第1階段，基站向用戶廣播能量；在第2階段，用戶向基站傳輸信息。用戶簇和用戶簇之間采用時分多址接入，分時傳輸；同一簇內(nèi)多個用戶采用非正交多址接入，同時傳輸。該文研究聯(lián)合優(yōu)化系統(tǒng)的各階段的傳輸時間、基站的發(fā)射功率、用戶的發(fā)射功率等資源，分別以優(yōu)化網(wǎng)絡(luò)頻譜效率和用戶簇之間的公平性為目的，提出最大化網(wǎng)絡(luò)吞吐量和最大化用戶簇的最小吞吐量的聯(lián)合資源分配算法。研究結(jié)果表明所提的兩種算法分別能有效提高系統(tǒng)的頻譜效率和保證用戶簇之間的公平性。
無線供電技術(shù)是延長無線網(wǎng)絡(luò)節(jié)點壽命的有效方案。該文研究一個由基站和多個分簇用戶組成的無線供電混合多址接入系統(tǒng)。系統(tǒng)的傳輸分為兩個階段。在第1階段，基站向用戶廣播能量；在第2階段，用戶向基站傳輸信息。用戶簇和用戶簇之間采用時分多址接入，分時傳輸；同一簇內(nèi)多個用戶采用非正交多址接入，同時傳輸。該文研究聯(lián)合優(yōu)化系統(tǒng)的各階段的傳輸時間、基站的發(fā)射功率、用戶的發(fā)射功率等資源，分別以優(yōu)化網(wǎng)絡(luò)頻譜效率和用戶簇之間的公平性為目的，提出最大化網(wǎng)絡(luò)吞吐量和最大化用戶簇的最小吞吐量的聯(lián)合資源分配算法。研究結(jié)果表明所提的兩種算法分別能有效提高系統(tǒng)的頻譜效率和保證用戶簇之間的公平性。
2018, 40(12): 3020-3027.
doi: 10.11999/JEIT171085
摘要:
物聯(lián)網(wǎng)逐漸成為學(xué)術(shù)界研究的熱點領(lǐng)域，無處不在的傳感器設(shè)備促進了傳感器搜索服務(wù)的產(chǎn)生。物聯(lián)網(wǎng)中搜索的強時空性、海量數(shù)據(jù)的異構(gòu)性與傳感器節(jié)點的資源受限性，給物聯(lián)網(wǎng)搜索引擎高效地查詢傳感器提出了挑戰(zhàn)。該文提出基于傳感器定量數(shù)值的線性分段擬合相似性(PLSS)搜索算法。PLSS算法通過分段和線性擬合的方法，構(gòu)建傳感器定量數(shù)值的相似性計算模型，從而計算傳感器的相似度，根據(jù)相似度查找最相似的傳感器集群。與模糊集(FUZZY)算法和最小二乘法相比，PLSS算法平均查詢精度和查詢效率較高。與原數(shù)據(jù)相比，PLSS算法的存儲開銷至少降低了兩個數(shù)量級。
物聯(lián)網(wǎng)逐漸成為學(xué)術(shù)界研究的熱點領(lǐng)域，無處不在的傳感器設(shè)備促進了傳感器搜索服務(wù)的產(chǎn)生。物聯(lián)網(wǎng)中搜索的強時空性、海量數(shù)據(jù)的異構(gòu)性與傳感器節(jié)點的資源受限性，給物聯(lián)網(wǎng)搜索引擎高效地查詢傳感器提出了挑戰(zhàn)。該文提出基于傳感器定量數(shù)值的線性分段擬合相似性(PLSS)搜索算法。PLSS算法通過分段和線性擬合的方法，構(gòu)建傳感器定量數(shù)值的相似性計算模型，從而計算傳感器的相似度，根據(jù)相似度查找最相似的傳感器集群。與模糊集(FUZZY)算法和最小二乘法相比，PLSS算法平均查詢精度和查詢效率較高。與原數(shù)據(jù)相比，PLSS算法的存儲開銷至少降低了兩個數(shù)量級。
2018, 40(12): 3028-3035.
doi: 10.11999/JEIT180207
摘要:
在當前的網(wǎng)絡(luò)體系結(jié)構(gòu)下，采用硬件系統(tǒng)實現(xiàn)服務(wù)器集群負載均衡存在著獲取負載節(jié)點狀態(tài)困難、流量導(dǎo)向方式復(fù)雜等制約因素，不利于提升服務(wù)器集群的伸縮性和服務(wù)性能。針對此問題，該文提出一種基于軟件定義網(wǎng)絡(luò)(SDN)的負載均衡機制(SDNLB)。該機制借助SDN具有的集中式控制和流量靈活調(diào)度優(yōu)勢，利用SNMP協(xié)議和OpenFlow協(xié)議對服務(wù)器的運行狀態(tài)和全局網(wǎng)絡(luò)負載信息進行實時監(jiān)測，并通過權(quán)值計算的方式選擇出權(quán)重最高的服務(wù)器作為流處理的目標服務(wù)器，在此基礎(chǔ)上，采用最優(yōu)轉(zhuǎn)發(fā)路徑算法進行流量調(diào)度，從而達到提高服務(wù)器集群的利用率與處理性能的目的。搭建了實驗平臺對SDNLB的性能進行仿真測試，實驗結(jié)果表明：在相同的網(wǎng)絡(luò)負載條件下，SDNLB與其他負載均衡算法相比，能夠有效地降低服務(wù)器集群的負載，并能夠顯著提高網(wǎng)絡(luò)吞吐量和帶寬利用率，縮短流的完成時間和平均時延。
在當前的網(wǎng)絡(luò)體系結(jié)構(gòu)下，采用硬件系統(tǒng)實現(xiàn)服務(wù)器集群負載均衡存在著獲取負載節(jié)點狀態(tài)困難、流量導(dǎo)向方式復(fù)雜等制約因素，不利于提升服務(wù)器集群的伸縮性和服務(wù)性能。針對此問題，該文提出一種基于軟件定義網(wǎng)絡(luò)(SDN)的負載均衡機制(SDNLB)。該機制借助SDN具有的集中式控制和流量靈活調(diào)度優(yōu)勢，利用SNMP協(xié)議和OpenFlow協(xié)議對服務(wù)器的運行狀態(tài)和全局網(wǎng)絡(luò)負載信息進行實時監(jiān)測，并通過權(quán)值計算的方式選擇出權(quán)重最高的服務(wù)器作為流處理的目標服務(wù)器，在此基礎(chǔ)上，采用最優(yōu)轉(zhuǎn)發(fā)路徑算法進行流量調(diào)度，從而達到提高服務(wù)器集群的利用率與處理性能的目的。搭建了實驗平臺對SDNLB的性能進行仿真測試，實驗結(jié)果表明：在相同的網(wǎng)絡(luò)負載條件下，SDNLB與其他負載均衡算法相比，能夠有效地降低服務(wù)器集群的負載，并能夠顯著提高網(wǎng)絡(luò)吞吐量和帶寬利用率，縮短流的完成時間和平均時延。
2018, 40(12): 3036-3041.
doi: 10.11999/JEIT180217
摘要:
該文基于高性能的MEMS電場敏感芯片研制出一種新型的工頻電場測量系統(tǒng)。針對芯片調(diào)制被測電場后其輸出信號的特征，采用正交相關(guān)檢測原理提出一種可抑制背景干擾噪聲的工頻電場解調(diào)算法，設(shè)計出小型化、空間分辨力高的工頻電場測量探頭，并在基礎(chǔ)上提出MEMS工頻電場測量系統(tǒng)的系統(tǒng)級設(shè)計方案，成功實現(xiàn)了MEMS電場敏感芯片輸出信號的無線采集、濾波、以及電場信號的高精度解調(diào)。高壓輸電線路下工頻電場測量結(jié)果表明，MEMS工頻電場測量系統(tǒng)與傳統(tǒng)電場測量儀的測量結(jié)果具有良好的一致性。
該文基于高性能的MEMS電場敏感芯片研制出一種新型的工頻電場測量系統(tǒng)。針對芯片調(diào)制被測電場后其輸出信號的特征，采用正交相關(guān)檢測原理提出一種可抑制背景干擾噪聲的工頻電場解調(diào)算法，設(shè)計出小型化、空間分辨力高的工頻電場測量探頭，并在基礎(chǔ)上提出MEMS工頻電場測量系統(tǒng)的系統(tǒng)級設(shè)計方案，成功實現(xiàn)了MEMS電場敏感芯片輸出信號的無線采集、濾波、以及電場信號的高精度解調(diào)。高壓輸電線路下工頻電場測量結(jié)果表明，MEMS工頻電場測量系統(tǒng)與傳統(tǒng)電場測量儀的測量結(jié)果具有良好的一致性。
2018, 40(12): 3042-3050.
doi: 10.11999/JEIT180170
摘要:
高吞吐浮點可靈活重構(gòu)的快速傅里葉變換(FFT)處理器可滿足尖端雷達實時成像和高精度科學(xué)計算等多種應(yīng)用需求。與定點FFT相比，浮點運算復(fù)雜度更高，使得浮點型FFT的運算吞吐率與其實現(xiàn)面積、功耗之間的矛盾問題尤為突出。鑒于此，為降低運算復(fù)雜度，首先將大點數(shù)FFT分解成若干個小點數(shù)基2k 級聯(lián)子級實現(xiàn)，提出分別針對128/256/512/1024/2048點FFT的優(yōu)化混合基算法。同時，結(jié)合所提出同時支持單通道單精度和雙通道半精度兩種浮點模式的新型融合加減與點乘運算單元，首次提出一款高吞吐率雙模浮點可變點FFT處理器結(jié)構(gòu)，并在28 nm標準CMOS工藝下進行設(shè)計并實現(xiàn)。實驗結(jié)果表明，單通道單精度和雙通道半精度浮點兩種模式下的運算吞吐率和輸出平均信號量化噪聲比分別為3.478 GSample/s, 135 dB和6.957 GSample/s, 60 dB。歸一化吞吐率面積比相比于現(xiàn)有其他浮點FFT實現(xiàn)可提高約12倍。
高吞吐浮點可靈活重構(gòu)的快速傅里葉變換(FFT)處理器可滿足尖端雷達實時成像和高精度科學(xué)計算等多種應(yīng)用需求。與定點FFT相比，浮點運算復(fù)雜度更高，使得浮點型FFT的運算吞吐率與其實現(xiàn)面積、功耗之間的矛盾問題尤為突出。鑒于此，為降低運算復(fù)雜度，首先將大點數(shù)FFT分解成若干個小點數(shù)基2k 級聯(lián)子級實現(xiàn)，提出分別針對128/256/512/1024/2048點FFT的優(yōu)化混合基算法。同時，結(jié)合所提出同時支持單通道單精度和雙通道半精度兩種浮點模式的新型融合加減與點乘運算單元，首次提出一款高吞吐率雙模浮點可變點FFT處理器結(jié)構(gòu)，并在28 nm標準CMOS工藝下進行設(shè)計并實現(xiàn)。實驗結(jié)果表明，單通道單精度和雙通道半精度浮點兩種模式下的運算吞吐率和輸出平均信號量化噪聲比分別為3.478 GSample/s, 135 dB和6.957 GSample/s, 60 dB。歸一化吞吐率面積比相比于現(xiàn)有其他浮點FFT實現(xiàn)可提高約12倍。
