郵件訂閱
2018年 第40卷 第2期
欄目
顯示方式:
2018, 40(2): 255-263.
doi: 10.11999/JEIT170497
摘要:
該文提出了一種基于Hess矩陣的多聚焦圖像融合方法。該方法利用多尺度下的Hess矩陣檢測(cè)特征和背景區(qū)域，并在此基礎(chǔ)上，將源圖像分成特征區(qū)域與非特征區(qū)域，分別采用不同的融合策略生成決策圖；然后通過(guò)結(jié)合不同部分的決策圖，得到初始決策圖；最后采用后處理方法對(duì)初始決策圖進(jìn)行精化，得到最終的融合圖像。為了提高融合效果，該文還提出了一種基于多尺度Hess矩陣的聚焦評(píng)價(jià)方法。同時(shí)引入積分圖像進(jìn)行快速計(jì)算，以滿足實(shí)時(shí)性要求。實(shí)驗(yàn)結(jié)果表明，該方法在主觀視覺感知和客觀評(píng)價(jià)指標(biāo)方面都要略優(yōu)于現(xiàn)有的方法。
該文提出了一種基于Hess矩陣的多聚焦圖像融合方法。該方法利用多尺度下的Hess矩陣檢測(cè)特征和背景區(qū)域，并在此基礎(chǔ)上，將源圖像分成特征區(qū)域與非特征區(qū)域，分別采用不同的融合策略生成決策圖；然后通過(guò)結(jié)合不同部分的決策圖，得到初始決策圖；最后采用后處理方法對(duì)初始決策圖進(jìn)行精化，得到最終的融合圖像。為了提高融合效果，該文還提出了一種基于多尺度Hess矩陣的聚焦評(píng)價(jià)方法。同時(shí)引入積分圖像進(jìn)行快速計(jì)算，以滿足實(shí)時(shí)性要求。實(shí)驗(yàn)結(jié)果表明，該方法在主觀視覺感知和客觀評(píng)價(jià)指標(biāo)方面都要略優(yōu)于現(xiàn)有的方法。
2018, 40(2): 264-271.
doi: 10.11999/JEIT170381
摘要:
由于水下圖像成像過(guò)程中受光的散射、噪聲干擾等因素影響，致使圖像質(zhì)量嚴(yán)重退化。為了去除模糊和抑制噪聲，改善水下圖像質(zhì)量，該文提出一種融合暗原色先驗(yàn)和稀疏表示的水下圖像復(fù)原新方法。該方法首先利用暗原色先驗(yàn)理論計(jì)算水下圖像的暗原色，然后基于稀疏表示理論對(duì)暗原色進(jìn)行去噪和優(yōu)化，基于改進(jìn)后的暗原色計(jì)算水體透射率和光照強(qiáng)度以計(jì)算最終復(fù)原結(jié)果，可以同時(shí)達(dá)到去模糊和去噪的良好效果。實(shí)驗(yàn)結(jié)果表明，提出的方法有效提高了圖像的平均梯度和信息熵等圖像像素，從而改善了圖像的質(zhì)量。
由于水下圖像成像過(guò)程中受光的散射、噪聲干擾等因素影響，致使圖像質(zhì)量嚴(yán)重退化。為了去除模糊和抑制噪聲，改善水下圖像質(zhì)量，該文提出一種融合暗原色先驗(yàn)和稀疏表示的水下圖像復(fù)原新方法。該方法首先利用暗原色先驗(yàn)理論計(jì)算水下圖像的暗原色，然后基于稀疏表示理論對(duì)暗原色進(jìn)行去噪和優(yōu)化，基于改進(jìn)后的暗原色計(jì)算水體透射率和光照強(qiáng)度以計(jì)算最終復(fù)原結(jié)果，可以同時(shí)達(dá)到去模糊和去噪的良好效果。實(shí)驗(yàn)結(jié)果表明，提出的方法有效提高了圖像的平均梯度和信息熵等圖像像素，從而改善了圖像的質(zhì)量。
2018, 40(2): 272-281.
doi: 10.11999/JEIT170473
摘要:
針對(duì)傳統(tǒng)稀疏表示跟蹤算法在復(fù)雜背景中易出現(xiàn)跟蹤漂移問(wèn)題，該文提出一種局部感知下的稀疏優(yōu)化目標(biāo)跟蹤方法。首先，將首幀確定的目標(biāo)區(qū)域進(jìn)行非重疊均勻分割，并利用目標(biāo)的全局特征和局部特征聯(lián)合建模。然后，提出一種局部感知校驗(yàn)方法約束稀疏優(yōu)化匹配過(guò)程，從而確定最優(yōu)匹配樣本。最后，在模板更新中提出一種決策方法對(duì)遮擋進(jìn)行檢測(cè)，并針對(duì)不同遮擋情況采取相應(yīng)的更新策略，使得更新后的模板集更加完善。實(shí)驗(yàn)在10個(gè)標(biāo)準(zhǔn)庫(kù)視頻序列中測(cè)試，并與目前較流行的目標(biāo)跟蹤算法在跟蹤效果、成功率等方面進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，提出的跟蹤方法在局部遮擋、目標(biāo)形變、復(fù)雜背景等條件下跟蹤準(zhǔn)確、適應(yīng)性強(qiáng)。
針對(duì)傳統(tǒng)稀疏表示跟蹤算法在復(fù)雜背景中易出現(xiàn)跟蹤漂移問(wèn)題，該文提出一種局部感知下的稀疏優(yōu)化目標(biāo)跟蹤方法。首先，將首幀確定的目標(biāo)區(qū)域進(jìn)行非重疊均勻分割，并利用目標(biāo)的全局特征和局部特征聯(lián)合建模。然后，提出一種局部感知校驗(yàn)方法約束稀疏優(yōu)化匹配過(guò)程，從而確定最優(yōu)匹配樣本。最后，在模板更新中提出一種決策方法對(duì)遮擋進(jìn)行檢測(cè)，并針對(duì)不同遮擋情況采取相應(yīng)的更新策略，使得更新后的模板集更加完善。實(shí)驗(yàn)在10個(gè)標(biāo)準(zhǔn)庫(kù)視頻序列中測(cè)試，并與目前較流行的目標(biāo)跟蹤算法在跟蹤效果、成功率等方面進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明，提出的跟蹤方法在局部遮擋、目標(biāo)形變、復(fù)雜背景等條件下跟蹤準(zhǔn)確、適應(yīng)性強(qiáng)。
2018, 40(2): 282-288.
doi: 10.11999/JEIT170496
摘要:
針對(duì)立體圖像中目標(biāo)對(duì)象的閉合輪廓提取任務(wù)，該文提出一種基于視差信息的輪廓提取算法。該算法在傳統(tǒng)貪婪蛇模型的基礎(chǔ)上，利用各控制點(diǎn)和中心的視差關(guān)系為模型設(shè)計(jì)收縮和膨脹力，能夠有效指導(dǎo)初始輪廓曲線向目標(biāo)邊緣的收斂。同時(shí)算法采用重復(fù)利用經(jīng)處理的控制點(diǎn)作為模型輸入的循環(huán)迭代方式，能夠獲得分布均勻且較為密集的邊緣曲線。實(shí)驗(yàn)結(jié)果表明，該輪廓提取算法減少了傳統(tǒng)的貪婪蛇模型算法對(duì)初始值的依賴，準(zhǔn)確度和可靠性均得到了很大的提升。
針對(duì)立體圖像中目標(biāo)對(duì)象的閉合輪廓提取任務(wù)，該文提出一種基于視差信息的輪廓提取算法。該算法在傳統(tǒng)貪婪蛇模型的基礎(chǔ)上，利用各控制點(diǎn)和中心的視差關(guān)系為模型設(shè)計(jì)收縮和膨脹力，能夠有效指導(dǎo)初始輪廓曲線向目標(biāo)邊緣的收斂。同時(shí)算法采用重復(fù)利用經(jīng)處理的控制點(diǎn)作為模型輸入的循環(huán)迭代方式，能夠獲得分布均勻且較為密集的邊緣曲線。實(shí)驗(yàn)結(jié)果表明，該輪廓提取算法減少了傳統(tǒng)的貪婪蛇模型算法對(duì)初始值的依賴，準(zhǔn)確度和可靠性均得到了很大的提升。
2018, 40(2): 289-297.
doi: 10.11999/JEIT170521
摘要:
隨著移動(dòng)終端和移動(dòng)互聯(lián)網(wǎng)的發(fā)展，快速響應(yīng)(QR)碼被廣泛運(yùn)用于移動(dòng)信息交互。但是，標(biāo)準(zhǔn)的 QR 碼是由均勻分布的黑色與白色模塊組成，外觀類似噪聲信號(hào)，缺乏視覺美感，限制了QR碼的應(yīng)用。針對(duì)此問(wèn)題，該文提出一種提高QR碼視覺效果的美化方法。該方法將給定的彩色圖像進(jìn)行顯著性檢測(cè)和半色調(diào)處理，得到相應(yīng)的顯著性矩陣和半色調(diào)圖像，然后根據(jù)半色調(diào)圖像上的網(wǎng)點(diǎn)分布，對(duì)QR碼的模塊分布進(jìn)行優(yōu)化。為了提高優(yōu)化效率，該文提出一種顯著性加權(quán)隨機(jī)優(yōu)化算法，將優(yōu)化后的QR碼和半色調(diào)圖像進(jìn)行融合，得到與半色調(diào)圖像最相似的半色調(diào)QR碼。在圖像渲染階段，該文提出一種基于二分搜索的色彩調(diào)整算法，得到具有色彩信息和視覺美感的彩色QR碼。實(shí)驗(yàn)分析表明，該方法生成的QR碼不僅保留了與標(biāo)準(zhǔn)QR碼一樣的抗遮擋、快速解碼等特性，還有效地提升了視覺效果，具有很好的視覺吸引力。
隨著移動(dòng)終端和移動(dòng)互聯(lián)網(wǎng)的發(fā)展，快速響應(yīng)(QR)碼被廣泛運(yùn)用于移動(dòng)信息交互。但是，標(biāo)準(zhǔn)的 QR 碼是由均勻分布的黑色與白色模塊組成，外觀類似噪聲信號(hào)，缺乏視覺美感，限制了QR碼的應(yīng)用。針對(duì)此問(wèn)題，該文提出一種提高QR碼視覺效果的美化方法。該方法將給定的彩色圖像進(jìn)行顯著性檢測(cè)和半色調(diào)處理，得到相應(yīng)的顯著性矩陣和半色調(diào)圖像，然后根據(jù)半色調(diào)圖像上的網(wǎng)點(diǎn)分布，對(duì)QR碼的模塊分布進(jìn)行優(yōu)化。為了提高優(yōu)化效率，該文提出一種顯著性加權(quán)隨機(jī)優(yōu)化算法，將優(yōu)化后的QR碼和半色調(diào)圖像進(jìn)行融合，得到與半色調(diào)圖像最相似的半色調(diào)QR碼。在圖像渲染階段，該文提出一種基于二分搜索的色彩調(diào)整算法，得到具有色彩信息和視覺美感的彩色QR碼。實(shí)驗(yàn)分析表明，該方法生成的QR碼不僅保留了與標(biāo)準(zhǔn)QR碼一樣的抗遮擋、快速解碼等特性，還有效地提升了視覺效果，具有很好的視覺吸引力。
2018, 40(2): 298-305.
doi: 10.11999/JEIT170460
摘要:
受水下場(chǎng)景中有機(jī)物和懸浮顆粒的影響，水下圖像存在對(duì)比度低、顏色失真和細(xì)節(jié)丟失等問(wèn)題。同時(shí)，水下場(chǎng)景中通常有人工光源存在，造成圖像光照不均。傳統(tǒng)基于圖像去霧的方法用于水下圖像復(fù)原時(shí)效果欠佳，為充分考慮水對(duì)光的吸收和散射作用，近期提出了新的水下成像模型和圖像復(fù)原方法。但是這些方法未考慮紅通道影響，導(dǎo)致估計(jì)的散射比偏大；另外，也未考慮人工光源的影響，導(dǎo)致估計(jì)的背景光過(guò)大。針對(duì)這些問(wèn)題，該文提出一套有效的水下圖像清晰化方案。首先，通過(guò)設(shè)置閾值確定是否將紅通道信息用于暗通道計(jì)算，并將反映人工光源影響的飽和度指標(biāo)用于散射比估計(jì)，以減小人工光源的影響。由此，提出了基于紅通道預(yù)判和飽和度指標(biāo)的暗通道計(jì)算方法。然后，根據(jù)三通道衰減系數(shù)比估計(jì)每個(gè)通道的透射率，可彌補(bǔ)目前很多方法假設(shè)藍(lán)綠通道透射率一致的缺陷。最后，利用Shades of Gray算法估計(jì)環(huán)境光，并結(jié)合新的水下成像模型得到復(fù)原圖像。實(shí)驗(yàn)結(jié)果表明，該文算法可顯著提升圖像的對(duì)比度，得到顏色自然、細(xì)節(jié)清晰的復(fù)原圖像。
受水下場(chǎng)景中有機(jī)物和懸浮顆粒的影響，水下圖像存在對(duì)比度低、顏色失真和細(xì)節(jié)丟失等問(wèn)題。同時(shí)，水下場(chǎng)景中通常有人工光源存在，造成圖像光照不均。傳統(tǒng)基于圖像去霧的方法用于水下圖像復(fù)原時(shí)效果欠佳，為充分考慮水對(duì)光的吸收和散射作用，近期提出了新的水下成像模型和圖像復(fù)原方法。但是這些方法未考慮紅通道影響，導(dǎo)致估計(jì)的散射比偏大；另外，也未考慮人工光源的影響，導(dǎo)致估計(jì)的背景光過(guò)大。針對(duì)這些問(wèn)題，該文提出一套有效的水下圖像清晰化方案。首先，通過(guò)設(shè)置閾值確定是否將紅通道信息用于暗通道計(jì)算，并將反映人工光源影響的飽和度指標(biāo)用于散射比估計(jì)，以減小人工光源的影響。由此，提出了基于紅通道預(yù)判和飽和度指標(biāo)的暗通道計(jì)算方法。然后，根據(jù)三通道衰減系數(shù)比估計(jì)每個(gè)通道的透射率，可彌補(bǔ)目前很多方法假設(shè)藍(lán)綠通道透射率一致的缺陷。最后，利用Shades of Gray算法估計(jì)環(huán)境光，并結(jié)合新的水下成像模型得到復(fù)原圖像。實(shí)驗(yàn)結(jié)果表明，該文算法可顯著提升圖像的對(duì)比度，得到顏色自然、細(xì)節(jié)清晰的復(fù)原圖像。
2018, 40(2): 306-313.
doi: 10.11999/JEIT170338
摘要:
隨著群智感知和機(jī)器學(xué)習(xí)的融合，基于射頻指紋的室內(nèi)定位技術(shù)引起研究者的廣泛關(guān)注。然而現(xiàn)有工作存在指紋地圖構(gòu)建階段開銷過(guò)大形成的可擴(kuò)展性和實(shí)時(shí)性瓶頸問(wèn)題。針對(duì)這一問(wèn)題，該文提出一個(gè)新穎的輕量可擴(kuò)展指紋地圖構(gòu)造方法(FFIL)。在指紋構(gòu)建階段，將整個(gè)室內(nèi)環(huán)境劃分為多個(gè)環(huán)路快速分割地圖并獲取射頻指紋；在指紋匹配階段，首先計(jì)算AP與目標(biāo)點(diǎn)間的距離，然后選擇與圓環(huán)半徑最相似的環(huán)路上的參考點(diǎn)一一匹配；在定位階段，采用等高線聚類算法來(lái)提高定位精度。通過(guò)真實(shí)數(shù)據(jù)驅(qū)動(dòng)的大量仿真和實(shí)驗(yàn)證明，F(xiàn)FIL能減小指紋地圖構(gòu)建的開銷，同時(shí)提高定位精度和系統(tǒng)實(shí)時(shí)性。
隨著群智感知和機(jī)器學(xué)習(xí)的融合，基于射頻指紋的室內(nèi)定位技術(shù)引起研究者的廣泛關(guān)注。然而現(xiàn)有工作存在指紋地圖構(gòu)建階段開銷過(guò)大形成的可擴(kuò)展性和實(shí)時(shí)性瓶頸問(wèn)題。針對(duì)這一問(wèn)題，該文提出一個(gè)新穎的輕量可擴(kuò)展指紋地圖構(gòu)造方法(FFIL)。在指紋構(gòu)建階段，將整個(gè)室內(nèi)環(huán)境劃分為多個(gè)環(huán)路快速分割地圖并獲取射頻指紋；在指紋匹配階段，首先計(jì)算AP與目標(biāo)點(diǎn)間的距離，然后選擇與圓環(huán)半徑最相似的環(huán)路上的參考點(diǎn)一一匹配；在定位階段，采用等高線聚類算法來(lái)提高定位精度。通過(guò)真實(shí)數(shù)據(jù)驅(qū)動(dòng)的大量仿真和實(shí)驗(yàn)證明，F(xiàn)FIL能減小指紋地圖構(gòu)建的開銷，同時(shí)提高定位精度和系統(tǒng)實(shí)時(shí)性。
2018, 40(2): 314-322.
doi: 10.11999/JEIT170454
摘要:
為了使多目標(biāo)進(jìn)化算法在收斂性和分布性之間保持平衡，該文提出一種基于角度懲罰距離的高維多目標(biāo)進(jìn)化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance, MaOEA-APD)。首先，綜合考慮收斂性和分布性在進(jìn)化不同階段的重要性，構(gòu)造一種角度懲罰距離，使兩者隨進(jìn)化進(jìn)程動(dòng)態(tài)平衡；其次，開發(fā)基于刪除劣質(zhì)個(gè)體的環(huán)境選擇策略，在提高種群分布性的同時(shí)提高收斂性；最后，根據(jù)環(huán)境選擇的原理，設(shè)計(jì)與之相協(xié)調(diào)且互補(bǔ)的匹配選擇過(guò)程，提高算法的整體進(jìn)化效率。將所提算法與目前國(guó)內(nèi)外性能優(yōu)異的3種高維多目標(biāo)進(jìn)化算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明在WFG標(biāo)準(zhǔn)測(cè)試函數(shù)集上，該文算法相對(duì)于其他算法，綜合性能有了較大的提升。
為了使多目標(biāo)進(jìn)化算法在收斂性和分布性之間保持平衡，該文提出一種基于角度懲罰距離的高維多目標(biāo)進(jìn)化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance, MaOEA-APD)。首先，綜合考慮收斂性和分布性在進(jìn)化不同階段的重要性，構(gòu)造一種角度懲罰距離，使兩者隨進(jìn)化進(jìn)程動(dòng)態(tài)平衡；其次，開發(fā)基于刪除劣質(zhì)個(gè)體的環(huán)境選擇策略，在提高種群分布性的同時(shí)提高收斂性；最后，根據(jù)環(huán)境選擇的原理，設(shè)計(jì)與之相協(xié)調(diào)且互補(bǔ)的匹配選擇過(guò)程，提高算法的整體進(jìn)化效率。將所提算法與目前國(guó)內(nèi)外性能優(yōu)異的3種高維多目標(biāo)進(jìn)化算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明在WFG標(biāo)準(zhǔn)測(cè)試函數(shù)集上，該文算法相對(duì)于其他算法，綜合性能有了較大的提升。
2018, 40(2): 323-330.
doi: 10.11999/JEIT170357
摘要:
基于大量訓(xùn)練樣本生成高置信度圖像的生成對(duì)抗網(wǎng)絡(luò)研究已經(jīng)取得一些成果，但是現(xiàn)有的研究只針對(duì)已知訓(xùn)練樣本進(jìn)行圖像生成，而未將訓(xùn)練的參數(shù)用于訓(xùn)練樣本之外的圖像生成。該文設(shè)計(jì)了一種改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)模型，在已有網(wǎng)絡(luò)的基礎(chǔ)上增加一個(gè)還原層，使得測(cè)試圖像可以通過(guò)改進(jìn)的對(duì)抗網(wǎng)絡(luò)生成對(duì)應(yīng)的高置信度圖像。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)參數(shù)可以應(yīng)用到訓(xùn)練集之外的普通樣本。同時(shí)本文改進(jìn)了生成模型的損失算法，極大地縮短了網(wǎng)絡(luò)的收斂時(shí)間。
基于大量訓(xùn)練樣本生成高置信度圖像的生成對(duì)抗網(wǎng)絡(luò)研究已經(jīng)取得一些成果，但是現(xiàn)有的研究只針對(duì)已知訓(xùn)練樣本進(jìn)行圖像生成，而未將訓(xùn)練的參數(shù)用于訓(xùn)練樣本之外的圖像生成。該文設(shè)計(jì)了一種改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)模型，在已有網(wǎng)絡(luò)的基礎(chǔ)上增加一個(gè)還原層，使得測(cè)試圖像可以通過(guò)改進(jìn)的對(duì)抗網(wǎng)絡(luò)生成對(duì)應(yīng)的高置信度圖像。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)參數(shù)可以應(yīng)用到訓(xùn)練集之外的普通樣本。同時(shí)本文改進(jìn)了生成模型的損失算法，極大地縮短了網(wǎng)絡(luò)的收斂時(shí)間。
2018, 40(2): 331-337.
doi: 10.11999/JEIT170501
摘要:
針對(duì)傳統(tǒng)線裁剪方法對(duì)圖像過(guò)度裁剪造成失真的問(wèn)題，該文提出一種基于圖像分塊的線裁剪方法。該方法把分塊的思想融入到線裁剪并優(yōu)化累積能量圖，能在一定程度上保護(hù)圖像主體區(qū)域，又兼顧背景區(qū)域的裁剪效果。分塊是根據(jù)顯著圖的平均列累加能量向量按照逐列標(biāo)記的方式把圖像分成保護(hù)區(qū)域和非保護(hù)區(qū)域，再根據(jù)每個(gè)區(qū)域的面積來(lái)分配裁剪線的數(shù)目。在裁剪過(guò)程中，優(yōu)化了累積能量圖，降低了小面積顯著主體被裁剪掉的可能性。在MSRA數(shù)據(jù)庫(kù)上與目前流行的線裁剪及其改進(jìn)的方法進(jìn)行對(duì)比，并把各種方法得到的縮放結(jié)果圖在互聯(lián)網(wǎng)上進(jìn)行主觀評(píng)價(jià)測(cè)試，實(shí)驗(yàn)結(jié)果表明該文方法具有更好的主觀縮放效果，對(duì)各類圖像的縮放具有普適性。
針對(duì)傳統(tǒng)線裁剪方法對(duì)圖像過(guò)度裁剪造成失真的問(wèn)題，該文提出一種基于圖像分塊的線裁剪方法。該方法把分塊的思想融入到線裁剪并優(yōu)化累積能量圖，能在一定程度上保護(hù)圖像主體區(qū)域，又兼顧背景區(qū)域的裁剪效果。分塊是根據(jù)顯著圖的平均列累加能量向量按照逐列標(biāo)記的方式把圖像分成保護(hù)區(qū)域和非保護(hù)區(qū)域，再根據(jù)每個(gè)區(qū)域的面積來(lái)分配裁剪線的數(shù)目。在裁剪過(guò)程中，優(yōu)化了累積能量圖，降低了小面積顯著主體被裁剪掉的可能性。在MSRA數(shù)據(jù)庫(kù)上與目前流行的線裁剪及其改進(jìn)的方法進(jìn)行對(duì)比，并把各種方法得到的縮放結(jié)果圖在互聯(lián)網(wǎng)上進(jìn)行主觀評(píng)價(jià)測(cè)試，實(shí)驗(yàn)結(jié)果表明該文方法具有更好的主觀縮放效果，對(duì)各類圖像的縮放具有普適性。
2018, 40(2): 338-345.
doi: 10.11999/JEIT170416
摘要:
針對(duì)靜態(tài)表情特征缺乏時(shí)間信息，不能充分體現(xiàn)表情的細(xì)微變化，該文提出一種針對(duì)非特定人的動(dòng)態(tài)表情識(shí)別方法：基于動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping, DTW)和主動(dòng)外觀模型(Active Appearance Model, AAM)的動(dòng)態(tài)表情識(shí)別。首先采用基于局部梯度DT-CWT(Dual-Tree Complex Wavelet Transform)主方向模式(Dominant Direction Pattern, DDP)特征的DTW對(duì)表情序列進(jìn)行規(guī)整。然后采用AAM定位出表情圖像的66個(gè)特征點(diǎn)并進(jìn)行跟蹤，利用中性臉的特征點(diǎn)構(gòu)建人臉幾何模型，通過(guò)人臉幾何模型的匹配克服不同人呈現(xiàn)表情的差異，并通過(guò)計(jì)算表情序列中相鄰兩幀圖像對(duì)應(yīng)特征點(diǎn)的位移獲得表情的變化特征。最后采用最近鄰分類器進(jìn)行分類識(shí)別。在CK+庫(kù)和實(shí)驗(yàn)室自建庫(kù)HFUT-FE(HeFei University of Technology-Face Emotion)上的實(shí)驗(yàn)結(jié)果表明，所提算法具有較高的準(zhǔn)確性。
針對(duì)靜態(tài)表情特征缺乏時(shí)間信息，不能充分體現(xiàn)表情的細(xì)微變化，該文提出一種針對(duì)非特定人的動(dòng)態(tài)表情識(shí)別方法：基于動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping, DTW)和主動(dòng)外觀模型(Active Appearance Model, AAM)的動(dòng)態(tài)表情識(shí)別。首先采用基于局部梯度DT-CWT(Dual-Tree Complex Wavelet Transform)主方向模式(Dominant Direction Pattern, DDP)特征的DTW對(duì)表情序列進(jìn)行規(guī)整。然后采用AAM定位出表情圖像的66個(gè)特征點(diǎn)并進(jìn)行跟蹤，利用中性臉的特征點(diǎn)構(gòu)建人臉幾何模型，通過(guò)人臉幾何模型的匹配克服不同人呈現(xiàn)表情的差異，并通過(guò)計(jì)算表情序列中相鄰兩幀圖像對(duì)應(yīng)特征點(diǎn)的位移獲得表情的變化特征。最后采用最近鄰分類器進(jìn)行分類識(shí)別。在CK+庫(kù)和實(shí)驗(yàn)室自建庫(kù)HFUT-FE(HeFei University of Technology-Face Emotion)上的實(shí)驗(yàn)結(jié)果表明，所提算法具有較高的準(zhǔn)確性。
2018, 40(2): 346-352.
doi: 10.11999/JEIT170282
摘要:
紅外手部熱痕跡圖像是特殊的模糊圖像，該文提出一種人工靶向免疫療法對(duì)其進(jìn)行手部目標(biāo)提取。首先依據(jù)序列圖像中像素灰度的變化趨勢(shì)設(shè)計(jì)了先天性免疫識(shí)別進(jìn)行初分割；然后借鑒免疫的提呈機(jī)制，根據(jù)熱擴(kuò)散特性定義同心圓模板提取特征；基于模板特征對(duì)模糊像素集適應(yīng)性免疫識(shí)別；最后，指尖指谷病變檢測(cè)分析，實(shí)施靶向治療，保證了手的形態(tài)特征。與分水嶺、SOM網(wǎng)絡(luò)以及近幾年研究成果進(jìn)行了比較，表明提出的算法在目標(biāo)提取率、絕對(duì)誤差率均優(yōu)于現(xiàn)有算法，提取結(jié)果更符合手的形態(tài)，同時(shí)擴(kuò)展了應(yīng)用熱痕跡信息的時(shí)間跨度。
紅外手部熱痕跡圖像是特殊的模糊圖像，該文提出一種人工靶向免疫療法對(duì)其進(jìn)行手部目標(biāo)提取。首先依據(jù)序列圖像中像素灰度的變化趨勢(shì)設(shè)計(jì)了先天性免疫識(shí)別進(jìn)行初分割；然后借鑒免疫的提呈機(jī)制，根據(jù)熱擴(kuò)散特性定義同心圓模板提取特征；基于模板特征對(duì)模糊像素集適應(yīng)性免疫識(shí)別；最后，指尖指谷病變檢測(cè)分析，實(shí)施靶向治療，保證了手的形態(tài)特征。與分水嶺、SOM網(wǎng)絡(luò)以及近幾年研究成果進(jìn)行了比較，表明提出的算法在目標(biāo)提取率、絕對(duì)誤差率均優(yōu)于現(xiàn)有算法，提取結(jié)果更符合手的形態(tài)，同時(shí)擴(kuò)展了應(yīng)用熱痕跡信息的時(shí)間跨度。
2018, 40(2): 353-362.
doi: 10.11999/JEIT170238
摘要:
針對(duì)現(xiàn)有基于脈搏波傳輸時(shí)間的無(wú)創(chuàng)連續(xù)性血壓測(cè)量算法精度不高的問(wèn)題，該文綜合考慮心電信號(hào)和血氧容積波與血壓變化的相關(guān)性，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)創(chuàng)連續(xù)性血壓測(cè)量方法。該文首先利用改進(jìn)的心電信號(hào)算法提取出心電信號(hào)的R點(diǎn)，利用差分、閾值的方法提取出血氧容積波的特征參數(shù)，再經(jīng)過(guò)特征解析，提取出與血壓相關(guān)的15維特征向量，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的血壓計(jì)算模型，計(jì)算出逐拍的血壓值。該方法在天壇醫(yī)院等單位進(jìn)行了醫(yī)學(xué)臨床比對(duì)測(cè)試，并通過(guò)因子分析法分析了15個(gè)特征參數(shù)的權(quán)重比。實(shí)驗(yàn)證明：在預(yù)測(cè)血壓上，脈搏波傳輸時(shí)間的權(quán)重，大于相鄰特征點(diǎn)之間的時(shí)間信息權(quán)重，大于脈搏波面積信息權(quán)重，大于脈搏波幅值信息權(quán)重；該方法精度優(yōu)于其它相近方法，單次測(cè)量的舒張壓和收縮壓誤差的平均值標(biāo)準(zhǔn)差分別是-1.576.12 mmHg和-0.624.82 mmHg，重復(fù)測(cè)量誤差的平均值標(biāo)準(zhǔn)差分別是-2.125.10 mmHg和-2.524.41 mmHg。收縮壓和舒張壓的測(cè)量精度均達(dá)到了BHS血壓標(biāo)準(zhǔn)的Grade A類和AAMI標(biāo)準(zhǔn)。
針對(duì)現(xiàn)有基于脈搏波傳輸時(shí)間的無(wú)創(chuàng)連續(xù)性血壓測(cè)量算法精度不高的問(wèn)題，該文綜合考慮心電信號(hào)和血氧容積波與血壓變化的相關(guān)性，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)創(chuàng)連續(xù)性血壓測(cè)量方法。該文首先利用改進(jìn)的心電信號(hào)算法提取出心電信號(hào)的R點(diǎn)，利用差分、閾值的方法提取出血氧容積波的特征參數(shù)，再經(jīng)過(guò)特征解析，提取出與血壓相關(guān)的15維特征向量，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的血壓計(jì)算模型，計(jì)算出逐拍的血壓值。該方法在天壇醫(yī)院等單位進(jìn)行了醫(yī)學(xué)臨床比對(duì)測(cè)試，并通過(guò)因子分析法分析了15個(gè)特征參數(shù)的權(quán)重比。實(shí)驗(yàn)證明：在預(yù)測(cè)血壓上，脈搏波傳輸時(shí)間的權(quán)重，大于相鄰特征點(diǎn)之間的時(shí)間信息權(quán)重，大于脈搏波面積信息權(quán)重，大于脈搏波幅值信息權(quán)重；該方法精度優(yōu)于其它相近方法，單次測(cè)量的舒張壓和收縮壓誤差的平均值標(biāo)準(zhǔn)差分別是-1.576.12 mmHg和-0.624.82 mmHg，重復(fù)測(cè)量誤差的平均值標(biāo)準(zhǔn)差分別是-2.125.10 mmHg和-2.524.41 mmHg。收縮壓和舒張壓的測(cè)量精度均達(dá)到了BHS血壓標(biāo)準(zhǔn)的Grade A類和AAMI標(biāo)準(zhǔn)。
2018, 40(2): 363-370.
doi: 10.11999/JEIT170484
摘要:
該文以經(jīng)典的對(duì)稱旅行商問(wèn)題(Symmetric Traveling Salesman Problem, STSP)為基礎(chǔ)，求解時(shí)間最優(yōu)的旅行商問(wèn)題(Time Optimal TSP, TOTSP)，將擬合函數(shù)引入到混合蛙跳遺傳算法(SFLA-GA)的適應(yīng)度函數(shù)來(lái)反映景點(diǎn)客流量隨時(shí)間的變化，旨在旅游旺季為游客提供一條游覽時(shí)間最短的路徑推送服務(wù)。實(shí)驗(yàn)結(jié)果表明：相對(duì)于隨機(jī)游覽路徑，SFLA-GA混合算法得到的游覽路徑明顯節(jié)省了游覽時(shí)間；與SFLA和混合粒子群遺傳算法(PSO-GA)相比較，SFLA-GA混合算法具有計(jì)算量少、收斂速度快、對(duì)初始種群依賴性低以及全局性更好等優(yōu)點(diǎn)，在求解TOTSP上搜索性能更強(qiáng)、時(shí)間更優(yōu)。
該文以經(jīng)典的對(duì)稱旅行商問(wèn)題(Symmetric Traveling Salesman Problem, STSP)為基礎(chǔ)，求解時(shí)間最優(yōu)的旅行商問(wèn)題(Time Optimal TSP, TOTSP)，將擬合函數(shù)引入到混合蛙跳遺傳算法(SFLA-GA)的適應(yīng)度函數(shù)來(lái)反映景點(diǎn)客流量隨時(shí)間的變化，旨在旅游旺季為游客提供一條游覽時(shí)間最短的路徑推送服務(wù)。實(shí)驗(yàn)結(jié)果表明：相對(duì)于隨機(jī)游覽路徑，SFLA-GA混合算法得到的游覽路徑明顯節(jié)省了游覽時(shí)間；與SFLA和混合粒子群遺傳算法(PSO-GA)相比較，SFLA-GA混合算法具有計(jì)算量少、收斂速度快、對(duì)初始種群依賴性低以及全局性更好等優(yōu)點(diǎn)，在求解TOTSP上搜索性能更強(qiáng)、時(shí)間更優(yōu)。
2018, 40(2): 371-377.
doi: 10.11999/JEIT170365
摘要:
針對(duì)目前信號(hào)數(shù)據(jù)域直接位置估計(jì)方法對(duì)分布式信號(hào)源進(jìn)行直接定位存在精度下降問(wèn)題，該文提出分布式信源數(shù)據(jù)域直接位置估計(jì)方法。首先構(gòu)建分布式信源直接位置估計(jì)模型，然后分別基于最大似然準(zhǔn)則和特征結(jié)構(gòu)分解思想給出分布式信源高精度直接位置估計(jì)的兩種方法分布源最大似然估計(jì)方法和廣義子空間方法。最后通過(guò)多維搜索完成對(duì)于分布式信源的直接位置估計(jì)。仿真分析表明，該文算法對(duì)分布式信源進(jìn)行直接位置估計(jì)的精度較傳統(tǒng)直接位置估計(jì)算法明顯提升，能夠在較低信噪比下逼近克拉美羅界；分布源最大似然估計(jì)方法在低信噪比下定位精度優(yōu)于廣義子空間方法，而廣義子空間方法復(fù)雜度更低。
針對(duì)目前信號(hào)數(shù)據(jù)域直接位置估計(jì)方法對(duì)分布式信號(hào)源進(jìn)行直接定位存在精度下降問(wèn)題，該文提出分布式信源數(shù)據(jù)域直接位置估計(jì)方法。首先構(gòu)建分布式信源直接位置估計(jì)模型，然后分別基于最大似然準(zhǔn)則和特征結(jié)構(gòu)分解思想給出分布式信源高精度直接位置估計(jì)的兩種方法分布源最大似然估計(jì)方法和廣義子空間方法。最后通過(guò)多維搜索完成對(duì)于分布式信源的直接位置估計(jì)。仿真分析表明，該文算法對(duì)分布式信源進(jìn)行直接位置估計(jì)的精度較傳統(tǒng)直接位置估計(jì)算法明顯提升，能夠在較低信噪比下逼近克拉美羅界；分布源最大似然估計(jì)方法在低信噪比下定位精度優(yōu)于廣義子空間方法，而廣義子空間方法復(fù)雜度更低。
2018, 40(2): 378-385.
doi: 10.11999/JEIT170366
摘要:
針對(duì)脈沖噪聲下盲均衡器難以快速收斂并有效抑制噪聲的問(wèn)題，該文提出一種基于Renyi熵的分?jǐn)?shù)低階雙模盲均衡算法。該算法將Renyi熵與分?jǐn)?shù)低階統(tǒng)計(jì)量相結(jié)合并用作代價(jià)函數(shù)來(lái)更新盲均衡器權(quán)向量，利用Renyi熵提高算法的收斂速度，利用分?jǐn)?shù)低階統(tǒng)計(jì)量增強(qiáng)算法對(duì)脈沖噪聲的抑制能力。為了提升系統(tǒng)穩(wěn)健性，該文進(jìn)一步提出雙閾值加權(quán)判決法，通過(guò)設(shè)置雙閾值并引入非線性加權(quán)函數(shù)，使得兩種代價(jià)函數(shù)之間的切換更為平滑。在不同脈沖性噪聲、不同信道環(huán)境下進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明，該文算法既能有效抑制脈沖噪聲，又具有較快的收斂速度。
針對(duì)脈沖噪聲下盲均衡器難以快速收斂并有效抑制噪聲的問(wèn)題，該文提出一種基于Renyi熵的分?jǐn)?shù)低階雙模盲均衡算法。該算法將Renyi熵與分?jǐn)?shù)低階統(tǒng)計(jì)量相結(jié)合并用作代價(jià)函數(shù)來(lái)更新盲均衡器權(quán)向量，利用Renyi熵提高算法的收斂速度，利用分?jǐn)?shù)低階統(tǒng)計(jì)量增強(qiáng)算法對(duì)脈沖噪聲的抑制能力。為了提升系統(tǒng)穩(wěn)健性，該文進(jìn)一步提出雙閾值加權(quán)判決法，通過(guò)設(shè)置雙閾值并引入非線性加權(quán)函數(shù)，使得兩種代價(jià)函數(shù)之間的切換更為平滑。在不同脈沖性噪聲、不同信道環(huán)境下進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明，該文算法既能有效抑制脈沖噪聲，又具有較快的收斂速度。
2018, 40(2): 386-393.
doi: 10.11999/JEIT170424
摘要:
光纖光柵傳感在實(shí)際的應(yīng)用中，存在采樣信號(hào)數(shù)據(jù)丟失問(wèn)題，該文提出一種改進(jìn)重構(gòu)算法的壓縮感知信號(hào)修復(fù)方法。根據(jù)缺損信號(hào)特征，選取與之匹配的觀測(cè)矩陣與稀疏字典?；趬嚎s感知重構(gòu)算法，提出匹配光纖布拉格光柵(FBG)信號(hào)特征的自適應(yīng)閾值函數(shù)，同時(shí)增設(shè)閾值判決條件。分析了信號(hào)修復(fù)與傳感測(cè)量精度的關(guān)系，采用重建信號(hào)的尋峰誤差來(lái)驗(yàn)證信號(hào)的修復(fù)效果。仿真結(jié)果顯示，在FBG光譜數(shù)據(jù)缺失30%的情況下，恢復(fù)信號(hào)的平均相對(duì)誤差為10-6；均方根誤差為0.0707，比對(duì)比算法低0.0232~0.1159；且系統(tǒng)平均運(yùn)行時(shí)間遠(yuǎn)低于對(duì)比算法，表明采用該文算法修復(fù)缺損的FBG傳感信號(hào)具有較高的重構(gòu)精度與較好的實(shí)用性。
光纖光柵傳感在實(shí)際的應(yīng)用中，存在采樣信號(hào)數(shù)據(jù)丟失問(wèn)題，該文提出一種改進(jìn)重構(gòu)算法的壓縮感知信號(hào)修復(fù)方法。根據(jù)缺損信號(hào)特征，選取與之匹配的觀測(cè)矩陣與稀疏字典?；趬嚎s感知重構(gòu)算法，提出匹配光纖布拉格光柵(FBG)信號(hào)特征的自適應(yīng)閾值函數(shù)，同時(shí)增設(shè)閾值判決條件。分析了信號(hào)修復(fù)與傳感測(cè)量精度的關(guān)系，采用重建信號(hào)的尋峰誤差來(lái)驗(yàn)證信號(hào)的修復(fù)效果。仿真結(jié)果顯示，在FBG光譜數(shù)據(jù)缺失30%的情況下，恢復(fù)信號(hào)的平均相對(duì)誤差為10-6；均方根誤差為0.0707，比對(duì)比算法低0.0232~0.1159；且系統(tǒng)平均運(yùn)行時(shí)間遠(yuǎn)低于對(duì)比算法，表明采用該文算法修復(fù)缺損的FBG傳感信號(hào)具有較高的重構(gòu)精度與較好的實(shí)用性。
2018, 40(2): 394-399.
doi: 10.11999/JEIT170552
摘要:
針對(duì)二進(jìn)制偽隨機(jī)序列生成多項(xiàng)式盲識(shí)別方法存在的需要預(yù)先知道生成多項(xiàng)式階數(shù)、算法容錯(cuò)性能較差且復(fù)雜度較高的問(wèn)題。該文提出首先將接收序列按照估計(jì)的生成多項(xiàng)式階數(shù)建立分析矩陣，然后利用伽羅華域高斯列消元的方法識(shí)別出接收序列生成多項(xiàng)式的階數(shù)，最后根據(jù)生成多項(xiàng)式的階數(shù)構(gòu)造關(guān)于生成多項(xiàng)式系數(shù)的方程組。為降低算法復(fù)雜度，在有限的多項(xiàng)式庫(kù)中進(jìn)行匹配搜索，能夠滿足該方程組的多項(xiàng)式就是接收序列的生成多項(xiàng)式。仿真結(jié)果表明，提出的方法能夠區(qū)分接收序列是m序列、Gold序列或者是其他二進(jìn)制偽隨機(jī)序列，并有效識(shí)別其各自的生成多項(xiàng)式，且具有較好的容錯(cuò)性能。
針對(duì)二進(jìn)制偽隨機(jī)序列生成多項(xiàng)式盲識(shí)別方法存在的需要預(yù)先知道生成多項(xiàng)式階數(shù)、算法容錯(cuò)性能較差且復(fù)雜度較高的問(wèn)題。該文提出首先將接收序列按照估計(jì)的生成多項(xiàng)式階數(shù)建立分析矩陣，然后利用伽羅華域高斯列消元的方法識(shí)別出接收序列生成多項(xiàng)式的階數(shù)，最后根據(jù)生成多項(xiàng)式的階數(shù)構(gòu)造關(guān)于生成多項(xiàng)式系數(shù)的方程組。為降低算法復(fù)雜度，在有限的多項(xiàng)式庫(kù)中進(jìn)行匹配搜索，能夠滿足該方程組的多項(xiàng)式就是接收序列的生成多項(xiàng)式。仿真結(jié)果表明，提出的方法能夠區(qū)分接收序列是m序列、Gold序列或者是其他二進(jìn)制偽隨機(jī)序列，并有效識(shí)別其各自的生成多項(xiàng)式，且具有較好的容錯(cuò)性能。
2018, 40(2): 400-407.
doi: 10.11999/JEIT170356
摘要:
針對(duì)解調(diào)數(shù)據(jù)有無(wú)物理幀結(jié)構(gòu)的檢測(cè)問(wèn)題，該文提出了一種基于多重分形譜的物理層幀結(jié)構(gòu)檢測(cè)算法。首先，在定義序列有偏性與0, 1出現(xiàn)概率關(guān)系的基礎(chǔ)上，根據(jù)編碼序列、擾碼序列和物理幀的生成原理，通過(guò)計(jì)算相關(guān)序列中的0, 1出現(xiàn)概率推導(dǎo)出它們的有偏性關(guān)系，即物理幀、編碼序列和擾碼序列的有偏性逐漸減??；然后，利用上述結(jié)論并結(jié)合多重分形譜具有描述有偏性分布的特點(diǎn)，對(duì)待識(shí)別序列進(jìn)行固定長(zhǎng)度拆分并計(jì)算多重分形譜寬度值；最后，通過(guò)觀察多重分形譜寬度值的分布實(shí)現(xiàn)解調(diào)數(shù)據(jù)有無(wú)物理幀結(jié)構(gòu)的檢測(cè)。仿真試驗(yàn)驗(yàn)證了算法的有效性，表明該算法具有一定的工程應(yīng)用價(jià)值。
針對(duì)解調(diào)數(shù)據(jù)有無(wú)物理幀結(jié)構(gòu)的檢測(cè)問(wèn)題，該文提出了一種基于多重分形譜的物理層幀結(jié)構(gòu)檢測(cè)算法。首先，在定義序列有偏性與0, 1出現(xiàn)概率關(guān)系的基礎(chǔ)上，根據(jù)編碼序列、擾碼序列和物理幀的生成原理，通過(guò)計(jì)算相關(guān)序列中的0, 1出現(xiàn)概率推導(dǎo)出它們的有偏性關(guān)系，即物理幀、編碼序列和擾碼序列的有偏性逐漸減??；然后，利用上述結(jié)論并結(jié)合多重分形譜具有描述有偏性分布的特點(diǎn)，對(duì)待識(shí)別序列進(jìn)行固定長(zhǎng)度拆分并計(jì)算多重分形譜寬度值；最后，通過(guò)觀察多重分形譜寬度值的分布實(shí)現(xiàn)解調(diào)數(shù)據(jù)有無(wú)物理幀結(jié)構(gòu)的檢測(cè)。仿真試驗(yàn)驗(yàn)證了算法的有效性，表明該算法具有一定的工程應(yīng)用價(jià)值。
2018, 40(2): 408-415.
doi: 10.11999/JEIT170577
摘要:
該文提出一種新的基于OFDM符號(hào)寬度的感知方法。該方法首先對(duì)接收到的每個(gè)OFDM符號(hào)在其符號(hào)周期內(nèi)進(jìn)行循環(huán)自相關(guān)函數(shù)的估計(jì)，然后利用多元統(tǒng)計(jì)理論計(jì)算判決量和判決門限，最后將判決量和判決門限進(jìn)行比較從而得到判決結(jié)果。該方法是非參數(shù)化的，因而能夠在噪聲不確定的情況下有效工作，并且該方法能夠極大簡(jiǎn)化目前循環(huán)平穩(wěn)感知類算法的復(fù)雜度而只有細(xì)微的性能損失。此外，該文接著又提出一個(gè)非參數(shù)化多天線線性加權(quán)合并感知方法。仿真結(jié)果表明，所提合并方法通過(guò)合理地非參數(shù)化優(yōu)化加權(quán)系數(shù)，與傳統(tǒng)循環(huán)平穩(wěn)感知方法相比，在復(fù)雜度顯著降低的同時(shí)，性能幾乎與傳統(tǒng)循環(huán)平穩(wěn)感知方法一致。
該文提出一種新的基于OFDM符號(hào)寬度的感知方法。該方法首先對(duì)接收到的每個(gè)OFDM符號(hào)在其符號(hào)周期內(nèi)進(jìn)行循環(huán)自相關(guān)函數(shù)的估計(jì)，然后利用多元統(tǒng)計(jì)理論計(jì)算判決量和判決門限，最后將判決量和判決門限進(jìn)行比較從而得到判決結(jié)果。該方法是非參數(shù)化的，因而能夠在噪聲不確定的情況下有效工作，并且該方法能夠極大簡(jiǎn)化目前循環(huán)平穩(wěn)感知類算法的復(fù)雜度而只有細(xì)微的性能損失。此外，該文接著又提出一個(gè)非參數(shù)化多天線線性加權(quán)合并感知方法。仿真結(jié)果表明，所提合并方法通過(guò)合理地非參數(shù)化優(yōu)化加權(quán)系數(shù)，與傳統(tǒng)循環(huán)平穩(wěn)感知方法相比，在復(fù)雜度顯著降低的同時(shí)，性能幾乎與傳統(tǒng)循環(huán)平穩(wěn)感知方法一致。
2018, 40(2): 416-420.
doi: 10.11999/JEIT170498
摘要:
在大規(guī)模多輸入多輸出(MIMO)系統(tǒng)的上行鏈路檢測(cè)算法中，最小均方誤差(MMSE)算法是接近最優(yōu)的，但算法涉及到大矩陣求逆運(yùn)算，計(jì)算復(fù)雜度仍然較高。近年提出的基于諾依曼級(jí)數(shù)近似的檢測(cè)算法降低了復(fù)雜度但性能有一定的損失。為了降低復(fù)雜度的同時(shí)逼近MMSE算法性能，該文提出基于二對(duì)角矩陣分解的諾依曼級(jí)數(shù)(Neumann Series)近似，即將大矩陣分解為以兩條主對(duì)角線上元素組成的矩陣與空心矩陣之和。理論分析與仿真結(jié)果表明所提算法檢測(cè)性能逼近MMSE檢測(cè)算法，且其復(fù)雜度從O(K3)降低到O(K2)，這里K是用戶的數(shù)目。
在大規(guī)模多輸入多輸出(MIMO)系統(tǒng)的上行鏈路檢測(cè)算法中，最小均方誤差(MMSE)算法是接近最優(yōu)的，但算法涉及到大矩陣求逆運(yùn)算，計(jì)算復(fù)雜度仍然較高。近年提出的基于諾依曼級(jí)數(shù)近似的檢測(cè)算法降低了復(fù)雜度但性能有一定的損失。為了降低復(fù)雜度的同時(shí)逼近MMSE算法性能，該文提出基于二對(duì)角矩陣分解的諾依曼級(jí)數(shù)(Neumann Series)近似，即將大矩陣分解為以兩條主對(duì)角線上元素組成的矩陣與空心矩陣之和。理論分析與仿真結(jié)果表明所提算法檢測(cè)性能逼近MMSE檢測(cè)算法，且其復(fù)雜度從O(K3)降低到O(K2)，這里K是用戶的數(shù)目。
2018, 40(2): 421-429.
doi: 10.11999/JEIT170300
摘要:
針對(duì)當(dāng)前垂直切換判決算法存在的單一性，即切換判決時(shí)以用戶或網(wǎng)絡(luò)單方面為中心，沒有充分考慮兩者對(duì)切換判決的綜合影響，導(dǎo)致垂直切換性能不佳的問(wèn)題，該文提出一種基于雙向匹配模型的垂直切換算法。該算法的主要思想是：首先分別以用戶和網(wǎng)絡(luò)為中心，設(shè)計(jì)各自的評(píng)估模型，用于評(píng)估雙方對(duì)彼此的偏好順序，并建立相應(yīng)的排序值矩陣；其次利用排序值信息，基于一對(duì)多雙向匹配模型對(duì)用戶側(cè)和網(wǎng)絡(luò)側(cè)的雙向匹配行為進(jìn)行建模和求解，以獲得最優(yōu)匹配解；最后根據(jù)最優(yōu)匹配結(jié)果，進(jìn)行垂直切換。仿真表明，該文設(shè)計(jì)的評(píng)估模型是合理的，并且所提出的算法能較好地兼顧用戶側(cè)的高性價(jià)比需求和網(wǎng)絡(luò)側(cè)的低阻塞率需求。
針對(duì)當(dāng)前垂直切換判決算法存在的單一性，即切換判決時(shí)以用戶或網(wǎng)絡(luò)單方面為中心，沒有充分考慮兩者對(duì)切換判決的綜合影響，導(dǎo)致垂直切換性能不佳的問(wèn)題，該文提出一種基于雙向匹配模型的垂直切換算法。該算法的主要思想是：首先分別以用戶和網(wǎng)絡(luò)為中心，設(shè)計(jì)各自的評(píng)估模型，用于評(píng)估雙方對(duì)彼此的偏好順序，并建立相應(yīng)的排序值矩陣；其次利用排序值信息，基于一對(duì)多雙向匹配模型對(duì)用戶側(cè)和網(wǎng)絡(luò)側(cè)的雙向匹配行為進(jìn)行建模和求解，以獲得最優(yōu)匹配解；最后根據(jù)最優(yōu)匹配結(jié)果，進(jìn)行垂直切換。仿真表明，該文設(shè)計(jì)的評(píng)估模型是合理的，并且所提出的算法能較好地兼顧用戶側(cè)的高性價(jià)比需求和網(wǎng)絡(luò)側(cè)的低阻塞率需求。
2018, 40(2): 430-437.
doi: 10.11999/JEIT170422
摘要:
基于混合運(yùn)算的密碼算法(MOC)以安全性高、軟硬件實(shí)現(xiàn)效率高等特點(diǎn)受到人們的廣泛關(guān)注。完全性指輸出的每一比特都包含有輸入每一比特的信息，達(dá)到完全性是密碼算法設(shè)計(jì)的一個(gè)基本原則。該文提出針對(duì)MOC算法完全性分析的通用算法，并在此基礎(chǔ)上提出利用完全性尋找MOC算法的不可能差分區(qū)分器的方法，此構(gòu)造方法可直接給出MOC算法高重量的不可能差分區(qū)分器且搜索效率高，為MOC算法不可能差分區(qū)分器的實(shí)際構(gòu)造提供了理論指導(dǎo)和技術(shù)支持。應(yīng)用此方法找到了SIMON系列算法全部現(xiàn)有的最長(zhǎng)不可能差分區(qū)分器，并找到了SPECK系列算法更多的不可能差分區(qū)分器。
基于混合運(yùn)算的密碼算法(MOC)以安全性高、軟硬件實(shí)現(xiàn)效率高等特點(diǎn)受到人們的廣泛關(guān)注。完全性指輸出的每一比特都包含有輸入每一比特的信息，達(dá)到完全性是密碼算法設(shè)計(jì)的一個(gè)基本原則。該文提出針對(duì)MOC算法完全性分析的通用算法，并在此基礎(chǔ)上提出利用完全性尋找MOC算法的不可能差分區(qū)分器的方法，此構(gòu)造方法可直接給出MOC算法高重量的不可能差分區(qū)分器且搜索效率高，為MOC算法不可能差分區(qū)分器的實(shí)際構(gòu)造提供了理論指導(dǎo)和技術(shù)支持。應(yīng)用此方法找到了SIMON系列算法全部現(xiàn)有的最長(zhǎng)不可能差分區(qū)分器，并找到了SPECK系列算法更多的不可能差分區(qū)分器。
2018, 40(2): 438-446.
doi: 10.11999/JEIT170489
摘要:
為了解決光學(xué)圖像加密技術(shù)將密文相位信息主要集中在純相位掩碼中，使其存在輪廓顯現(xiàn)問(wèn)題，該文提出相干疊加與模均等矢量分解的光學(xué)圖像加密算法。首先，對(duì)輸入圖像進(jìn)行歸一化處理；基于映射，利用輸入圖像的像素特性，生成其初值，通過(guò)迭代映射，輸出混沌相位掩碼；借助相位掩碼，對(duì)圖像完成調(diào)制，并結(jié)合Fourier變換，對(duì)調(diào)制圖像進(jìn)行處理，輸出其Fourier頻譜；再對(duì)該頻譜分別進(jìn)行等模分解，獲得兩個(gè)掩碼；再基于不同分?jǐn)?shù)階的Fourier機(jī)制，對(duì)兩個(gè)掩碼進(jìn)行變換；最后，引入相位-幅度截?cái)嗑幋a技術(shù)，設(shè)計(jì)單向編碼機(jī)制，通過(guò)激光束的相干疊加，輸出編碼密文的幅度與相位信息，將相位部分視為編碼密文，把幅度信息作為解密密鑰。通過(guò)等模分解技術(shù)，將輸入明文演變?yōu)?個(gè)不同的相位與幅度信息，有效解決了輪廓顯現(xiàn)問(wèn)題。實(shí)驗(yàn)結(jié)果顯示：與當(dāng)前基于干涉原理的圖像加密機(jī)制相比，所提算法的安全性更高，有效消除了輪廓顯現(xiàn)問(wèn)題。
為了解決光學(xué)圖像加密技術(shù)將密文相位信息主要集中在純相位掩碼中，使其存在輪廓顯現(xiàn)問(wèn)題，該文提出相干疊加與模均等矢量分解的光學(xué)圖像加密算法。首先，對(duì)輸入圖像進(jìn)行歸一化處理；基于映射，利用輸入圖像的像素特性，生成其初值，通過(guò)迭代映射，輸出混沌相位掩碼；借助相位掩碼，對(duì)圖像完成調(diào)制，并結(jié)合Fourier變換，對(duì)調(diào)制圖像進(jìn)行處理，輸出其Fourier頻譜；再對(duì)該頻譜分別進(jìn)行等模分解，獲得兩個(gè)掩碼；再基于不同分?jǐn)?shù)階的Fourier機(jī)制，對(duì)兩個(gè)掩碼進(jìn)行變換；最后，引入相位-幅度截?cái)嗑幋a技術(shù)，設(shè)計(jì)單向編碼機(jī)制，通過(guò)激光束的相干疊加，輸出編碼密文的幅度與相位信息，將相位部分視為編碼密文，把幅度信息作為解密密鑰。通過(guò)等模分解技術(shù)，將輸入明文演變?yōu)?個(gè)不同的相位與幅度信息，有效解決了輪廓顯現(xiàn)問(wèn)題。實(shí)驗(yàn)結(jié)果顯示：與當(dāng)前基于干涉原理的圖像加密機(jī)制相比，所提算法的安全性更高，有效消除了輪廓顯現(xiàn)問(wèn)題。
2018, 40(2): 447-454.
doi: 10.11999/JEIT170465
摘要:
針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中存在的能量空洞問(wèn)題，該文提出一種能量均衡的層次型數(shù)據(jù)轉(zhuǎn)發(fā)策略。根據(jù)節(jié)點(diǎn)可用能量、節(jié)點(diǎn)之間相對(duì)位置及不同網(wǎng)絡(luò)區(qū)域簇頭能量消耗速率構(gòu)建非均勻?qū)哟位Y(jié)構(gòu)。進(jìn)而，綜合考慮節(jié)點(diǎn)簇內(nèi)通信開銷和節(jié)點(diǎn)關(guān)系選取中繼轉(zhuǎn)發(fā)節(jié)點(diǎn)，并在多跳簇間數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)執(zhí)行數(shù)據(jù)融合進(jìn)一步降低轉(zhuǎn)發(fā)數(shù)據(jù)量以實(shí)現(xiàn)簇間多跳通信的能量有效性。數(shù)值結(jié)果表明，所提機(jī)制可以有效地均衡網(wǎng)絡(luò)負(fù)載，延長(zhǎng)網(wǎng)絡(luò)生命周期，改善網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)性能。
針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中存在的能量空洞問(wèn)題，該文提出一種能量均衡的層次型數(shù)據(jù)轉(zhuǎn)發(fā)策略。根據(jù)節(jié)點(diǎn)可用能量、節(jié)點(diǎn)之間相對(duì)位置及不同網(wǎng)絡(luò)區(qū)域簇頭能量消耗速率構(gòu)建非均勻?qū)哟位Y(jié)構(gòu)。進(jìn)而，綜合考慮節(jié)點(diǎn)簇內(nèi)通信開銷和節(jié)點(diǎn)關(guān)系選取中繼轉(zhuǎn)發(fā)節(jié)點(diǎn)，并在多跳簇間數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)執(zhí)行數(shù)據(jù)融合進(jìn)一步降低轉(zhuǎn)發(fā)數(shù)據(jù)量以實(shí)現(xiàn)簇間多跳通信的能量有效性。數(shù)值結(jié)果表明，所提機(jī)制可以有效地均衡網(wǎng)絡(luò)負(fù)載，延長(zhǎng)網(wǎng)絡(luò)生命周期，改善網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)發(fā)性能。
2018, 40(2): 455-461.
doi: 10.11999/JEIT170464
摘要:
隨著軟件定義網(wǎng)絡(luò)規(guī)模擴(kuò)大，控制層與數(shù)據(jù)層解耦帶來(lái)了諸如控制器部署等新問(wèn)題。該文提出基于負(fù)載均衡的多控制器部署算法(Multi-Controller Deployment Algorithm Based on Load Balance, MCDALB)。算法首先根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及其負(fù)載情況，確定控制器數(shù)量K；然后根據(jù)控制器容量限制，提出一種近似比為2的多控制器負(fù)載均衡算法，將網(wǎng)絡(luò)劃分成K個(gè)控制區(qū)域；最后根據(jù)區(qū)域內(nèi)所有交換機(jī)到控制器距離總和最小原則，在控制區(qū)域部署控制器。為了驗(yàn)證算法的性能，選取實(shí)際網(wǎng)絡(luò)拓?fù)溥M(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，與AL, WL算法相比，該算法在滿足控制器負(fù)載近似比為2的同時(shí)，網(wǎng)絡(luò)最大延時(shí)差距不超過(guò)0.65 ms。
隨著軟件定義網(wǎng)絡(luò)規(guī)模擴(kuò)大，控制層與數(shù)據(jù)層解耦帶來(lái)了諸如控制器部署等新問(wèn)題。該文提出基于負(fù)載均衡的多控制器部署算法(Multi-Controller Deployment Algorithm Based on Load Balance, MCDALB)。算法首先根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及其負(fù)載情況，確定控制器數(shù)量K；然后根據(jù)控制器容量限制，提出一種近似比為2的多控制器負(fù)載均衡算法，將網(wǎng)絡(luò)劃分成K個(gè)控制區(qū)域；最后根據(jù)區(qū)域內(nèi)所有交換機(jī)到控制器距離總和最小原則，在控制區(qū)域部署控制器。為了驗(yàn)證算法的性能，選取實(shí)際網(wǎng)絡(luò)拓?fù)溥M(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，與AL, WL算法相比，該算法在滿足控制器負(fù)載近似比為2的同時(shí)，網(wǎng)絡(luò)最大延時(shí)差距不超過(guò)0.65 ms。
2018, 40(2): 462-469.
doi: 10.11999/JEIT170490
摘要:
星載GNSS-R因其時(shí)延-多普勒相關(guān)功率(DDM)波形對(duì)風(fēng)速的敏感性較低，采用理論與實(shí)測(cè)波形匹配的方法所得風(fēng)速精度較差。針對(duì)這一問(wèn)題，該文采用一種直接建立相關(guān)功率值與風(fēng)速之間聯(lián)系的方法獲取風(fēng)速信息?；谙嚓P(guān)功率模型對(duì)散射功率進(jìn)行了歸一化修正及其簡(jiǎn)化處理，利用UK TDS-1衛(wèi)星試驗(yàn)數(shù)據(jù)和散射計(jì)(ASCAT)同比觀測(cè)風(fēng)速分別建立歸一化散射功率及其簡(jiǎn)化式與海面風(fēng)速之間的經(jīng)驗(yàn)?zāi)Ｐ?。與ASCAT觀測(cè)風(fēng)速對(duì)比結(jié)果表明：在0~20 m/s的風(fēng)速范圍內(nèi)，采用歸一化散射功率反演風(fēng)速的均方根誤差為2.11 m/s；兩種方法的反演精度相近，簡(jiǎn)化修正方式避免了復(fù)雜的積分運(yùn)算更適用于實(shí)時(shí)處理。
星載GNSS-R因其時(shí)延-多普勒相關(guān)功率(DDM)波形對(duì)風(fēng)速的敏感性較低，采用理論與實(shí)測(cè)波形匹配的方法所得風(fēng)速精度較差。針對(duì)這一問(wèn)題，該文采用一種直接建立相關(guān)功率值與風(fēng)速之間聯(lián)系的方法獲取風(fēng)速信息?；谙嚓P(guān)功率模型對(duì)散射功率進(jìn)行了歸一化修正及其簡(jiǎn)化處理，利用UK TDS-1衛(wèi)星試驗(yàn)數(shù)據(jù)和散射計(jì)(ASCAT)同比觀測(cè)風(fēng)速分別建立歸一化散射功率及其簡(jiǎn)化式與海面風(fēng)速之間的經(jīng)驗(yàn)?zāi)Ｐ?。與ASCAT觀測(cè)風(fēng)速對(duì)比結(jié)果表明：在0~20 m/s的風(fēng)速范圍內(nèi)，采用歸一化散射功率反演風(fēng)速的均方根誤差為2.11 m/s；兩種方法的反演精度相近，簡(jiǎn)化修正方式避免了復(fù)雜的積分運(yùn)算更適用于實(shí)時(shí)處理。
2018, 40(2): 470-478.
doi: 10.11999/JEIT170439
摘要:
間歇采樣轉(zhuǎn)發(fā)干擾形成的假目標(biāo)排布較為規(guī)律易被識(shí)別。為克服這一缺點(diǎn)，針對(duì)合成孔徑雷達(dá)(SAR)提出一種脈間周期式移頻調(diào)制干擾算法。將間歇采樣算法和多普勒移頻干擾算法相結(jié)合，采用分段調(diào)制產(chǎn)生密集假目標(biāo)。首先理論分析證明，干擾算法能夠在超前于干擾機(jī)的指定位置產(chǎn)生具有壓制效果的2維密集假目標(biāo)，主假目標(biāo)在方位向上偏離干擾機(jī)所在位置。然后分析了干擾效果及影響因素，建立了干擾參數(shù)獲取模型并給出了假目標(biāo)能量補(bǔ)償系數(shù)。最后通過(guò)仿真實(shí)驗(yàn)初步驗(yàn)證了干擾方法的有效性。
間歇采樣轉(zhuǎn)發(fā)干擾形成的假目標(biāo)排布較為規(guī)律易被識(shí)別。為克服這一缺點(diǎn)，針對(duì)合成孔徑雷達(dá)(SAR)提出一種脈間周期式移頻調(diào)制干擾算法。將間歇采樣算法和多普勒移頻干擾算法相結(jié)合，采用分段調(diào)制產(chǎn)生密集假目標(biāo)。首先理論分析證明，干擾算法能夠在超前于干擾機(jī)的指定位置產(chǎn)生具有壓制效果的2維密集假目標(biāo)，主假目標(biāo)在方位向上偏離干擾機(jī)所在位置。然后分析了干擾效果及影響因素，建立了干擾參數(shù)獲取模型并給出了假目標(biāo)能量補(bǔ)償系數(shù)。最后通過(guò)仿真實(shí)驗(yàn)初步驗(yàn)證了干擾方法的有效性。
2018, 40(2): 479-485.
doi: 10.11999/JEIT170295
摘要:
傳統(tǒng)集中式多輸入多輸出(MIMO)雷達(dá)自適應(yīng)檢測(cè)器雖然不需要訓(xùn)練樣本即可實(shí)現(xiàn)目標(biāo)檢測(cè)，但在波形采樣數(shù)較少時(shí)檢測(cè)性能下降明顯。該文利用集中式MIMO雷達(dá)噪聲協(xié)方差矩陣的斜對(duì)稱結(jié)構(gòu)，基于廣義似然比(Generalized Likelihood Ratio Test, GLRT)準(zhǔn)則和Wald準(zhǔn)則，提出了相應(yīng)的斜對(duì)稱檢測(cè)器，并給出了統(tǒng)計(jì)分布特性及檢測(cè)概率和虛警概率的解析表達(dá)式。仿真結(jié)果表明所提檢測(cè)器在波形采樣數(shù)較少時(shí)仍可獲得較好的檢測(cè)性能，同時(shí)證明了理論分析的正確性。
傳統(tǒng)集中式多輸入多輸出(MIMO)雷達(dá)自適應(yīng)檢測(cè)器雖然不需要訓(xùn)練樣本即可實(shí)現(xiàn)目標(biāo)檢測(cè)，但在波形采樣數(shù)較少時(shí)檢測(cè)性能下降明顯。該文利用集中式MIMO雷達(dá)噪聲協(xié)方差矩陣的斜對(duì)稱結(jié)構(gòu)，基于廣義似然比(Generalized Likelihood Ratio Test, GLRT)準(zhǔn)則和Wald準(zhǔn)則，提出了相應(yīng)的斜對(duì)稱檢測(cè)器，并給出了統(tǒng)計(jì)分布特性及檢測(cè)概率和虛警概率的解析表達(dá)式。仿真結(jié)果表明所提檢測(cè)器在波形采樣數(shù)較少時(shí)仍可獲得較好的檢測(cè)性能，同時(shí)證明了理論分析的正確性。
2018, 40(2): 486-492.
doi: 10.11999/JEIT170217
摘要:
針對(duì)現(xiàn)有的長(zhǎng)基線旋轉(zhuǎn)干涉儀存在相位模糊，且不能對(duì)多個(gè)同頻、同時(shí)到達(dá)的目標(biāo)信號(hào)進(jìn)行角度估計(jì)問(wèn)題，該文提出一種基于旋轉(zhuǎn)干涉儀虛擬圓陣化的多目標(biāo)波達(dá)參數(shù)估計(jì)新算法。該方法首先將旋轉(zhuǎn)干涉儀采樣得到的兩通道數(shù)據(jù)進(jìn)行共軛相乘操作，獲得虛擬圓陣信號(hào)；然后采用波束空間變換法將虛擬圓陣數(shù)據(jù)從陣元空間轉(zhuǎn)換到波束空間，得到虛擬線陣數(shù)據(jù)序列；最后在實(shí)波束域上實(shí)現(xiàn)多目標(biāo)2維角度無(wú)模糊估計(jì)。相比于傳統(tǒng)旋轉(zhuǎn)干涉儀方法而言，所提方法在不增加接收通道的同時(shí)，能夠?qū)崿F(xiàn)多目標(biāo)角度的無(wú)模糊測(cè)量。仿真實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。
針對(duì)現(xiàn)有的長(zhǎng)基線旋轉(zhuǎn)干涉儀存在相位模糊，且不能對(duì)多個(gè)同頻、同時(shí)到達(dá)的目標(biāo)信號(hào)進(jìn)行角度估計(jì)問(wèn)題，該文提出一種基于旋轉(zhuǎn)干涉儀虛擬圓陣化的多目標(biāo)波達(dá)參數(shù)估計(jì)新算法。該方法首先將旋轉(zhuǎn)干涉儀采樣得到的兩通道數(shù)據(jù)進(jìn)行共軛相乘操作，獲得虛擬圓陣信號(hào)；然后采用波束空間變換法將虛擬圓陣數(shù)據(jù)從陣元空間轉(zhuǎn)換到波束空間，得到虛擬線陣數(shù)據(jù)序列；最后在實(shí)波束域上實(shí)現(xiàn)多目標(biāo)2維角度無(wú)模糊估計(jì)。相比于傳統(tǒng)旋轉(zhuǎn)干涉儀方法而言，所提方法在不增加接收通道的同時(shí)，能夠?qū)崿F(xiàn)多目標(biāo)角度的無(wú)模糊測(cè)量。仿真實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。
2018, 40(2): 493-499.
doi: 10.11999/JEIT170455
摘要:
針對(duì)毫米波天線阻抗不匹配的問(wèn)題，該文提出基于粒子群蟻群(Particle Swarm Ant Colony Optimization, PSACO)的天線貼片參數(shù)優(yōu)化算法，利用蟻群算法的信息素引導(dǎo)機(jī)制獲得粒子群算法的最優(yōu)貼片長(zhǎng)、寬及饋電位置；并采用模糊決策綜合評(píng)價(jià)模型(Fuzzy Decision-Making Comprehensive Evaluation, FD-MCE)求解毫米波天線的地面開槽位置，實(shí)現(xiàn)帶寬擴(kuò)展。對(duì)28.0 GHz中心頻率進(jìn)行設(shè)計(jì)與仿真，結(jié)果證明所提方法能有效且快速實(shí)現(xiàn)毫米波天線阻抗匹配，保證諧振頻率與中心頻率的一致，且在開槽面積不大于接地面總面積30%時(shí)帶寬可擴(kuò)展約33%，回波損耗特性也得到明顯改善。所提算法具有計(jì)算復(fù)雜度低，收斂速度快的優(yōu)點(diǎn)。
針對(duì)毫米波天線阻抗不匹配的問(wèn)題，該文提出基于粒子群蟻群(Particle Swarm Ant Colony Optimization, PSACO)的天線貼片參數(shù)優(yōu)化算法，利用蟻群算法的信息素引導(dǎo)機(jī)制獲得粒子群算法的最優(yōu)貼片長(zhǎng)、寬及饋電位置；并采用模糊決策綜合評(píng)價(jià)模型(Fuzzy Decision-Making Comprehensive Evaluation, FD-MCE)求解毫米波天線的地面開槽位置，實(shí)現(xiàn)帶寬擴(kuò)展。對(duì)28.0 GHz中心頻率進(jìn)行設(shè)計(jì)與仿真，結(jié)果證明所提方法能有效且快速實(shí)現(xiàn)毫米波天線阻抗匹配，保證諧振頻率與中心頻率的一致，且在開槽面積不大于接地面總面積30%時(shí)帶寬可擴(kuò)展約33%，回波損耗特性也得到明顯改善。所提算法具有計(jì)算復(fù)雜度低，收斂速度快的優(yōu)點(diǎn)。
2018, 40(2): 500-508.
doi: 10.11999/JEIT170419
摘要:
聚合簽密不僅能夠減少密文的驗(yàn)證計(jì)算量，而且能夠保證數(shù)據(jù)的機(jī)密性和認(rèn)證性。該文分析劉等人(2016)提出的無(wú)證書聚合簽密(CLASC)方案，指出第2類攻擊者可以偽造密文，劉方案不滿足適應(yīng)性選擇密文攻擊的不可區(qū)分性和適應(yīng)性選擇消息攻擊的不可偽造性。為了提升CLASC方案的安全級(jí)別和聚合驗(yàn)證效率，該文提出CLASC的內(nèi)部安全模型和具有內(nèi)部安全性的CLASC方案。該方案聚合驗(yàn)證密文只需要3個(gè)雙線性對(duì)，與現(xiàn)有同類方案相比，具有較高的驗(yàn)證效率?；谟?jì)算Diffie-Hellman困難假設(shè)，證明新方案在隨機(jī)預(yù)言模型下，滿足CLASC內(nèi)部安全模型下的機(jī)密性和不可偽造性。
聚合簽密不僅能夠減少密文的驗(yàn)證計(jì)算量，而且能夠保證數(shù)據(jù)的機(jī)密性和認(rèn)證性。該文分析劉等人(2016)提出的無(wú)證書聚合簽密(CLASC)方案，指出第2類攻擊者可以偽造密文，劉方案不滿足適應(yīng)性選擇密文攻擊的不可區(qū)分性和適應(yīng)性選擇消息攻擊的不可偽造性。為了提升CLASC方案的安全級(jí)別和聚合驗(yàn)證效率，該文提出CLASC的內(nèi)部安全模型和具有內(nèi)部安全性的CLASC方案。該方案聚合驗(yàn)證密文只需要3個(gè)雙線性對(duì)，與現(xiàn)有同類方案相比，具有較高的驗(yàn)證效率?；谟?jì)算Diffie-Hellman困難假設(shè)，證明新方案在隨機(jī)預(yù)言模型下，滿足CLASC內(nèi)部安全模型下的機(jī)密性和不可偽造性。
