郵件訂閱
2018年 第40卷 第6期
顯示方式:
2018, 40(6): 1271-1278.
doi: 10.11999/JEIT170877
摘要:
以無人機(jī)(UAV)為代表的無人系統(tǒng)分布式集群作戰(zhàn)是未來戰(zhàn)斗力的增長(zhǎng)點(diǎn)，集群態(tài)勢(shì)感知是集群作戰(zhàn)的重要環(huán)節(jié)。該文在典型態(tài)勢(shì)感知模型的基礎(chǔ)上，從理論模型、態(tài)勢(shì)感知一致性、評(píng)價(jià)方法等方面，對(duì)無人機(jī)分布式集群態(tài)勢(shì)感知展開研究。將基于動(dòng)態(tài)系統(tǒng)的Endsley1995態(tài)勢(shì)感知(SA)模型中的心智模型修改為人機(jī)智能模型，得到無人機(jī)個(gè)體的態(tài)勢(shì)感知模型；基于團(tuán)體SA和分布式SA(DSA)理論，按照無人機(jī)集群類型，分別設(shè)計(jì)同構(gòu)和異構(gòu)無人機(jī)集群SA模型；對(duì)無人機(jī)集群SA中的一致性問題和評(píng)價(jià)問題進(jìn)行分析，給出同構(gòu)無人機(jī)集群SA的一致性形成過程，異構(gòu)無人機(jī)集群SA的一致性判斷方法和無人機(jī)集群SA評(píng)價(jià)方法的選擇流程。分析表明，建立的集群態(tài)勢(shì)感知模型符合集群協(xié)同作戰(zhàn)特點(diǎn)，有一定的積極意義。
以無人機(jī)(UAV)為代表的無人系統(tǒng)分布式集群作戰(zhàn)是未來戰(zhàn)斗力的增長(zhǎng)點(diǎn)，集群態(tài)勢(shì)感知是集群作戰(zhàn)的重要環(huán)節(jié)。該文在典型態(tài)勢(shì)感知模型的基礎(chǔ)上，從理論模型、態(tài)勢(shì)感知一致性、評(píng)價(jià)方法等方面，對(duì)無人機(jī)分布式集群態(tài)勢(shì)感知展開研究。將基于動(dòng)態(tài)系統(tǒng)的Endsley1995態(tài)勢(shì)感知(SA)模型中的心智模型修改為人機(jī)智能模型，得到無人機(jī)個(gè)體的態(tài)勢(shì)感知模型；基于團(tuán)體SA和分布式SA(DSA)理論，按照無人機(jī)集群類型，分別設(shè)計(jì)同構(gòu)和異構(gòu)無人機(jī)集群SA模型；對(duì)無人機(jī)集群SA中的一致性問題和評(píng)價(jià)問題進(jìn)行分析，給出同構(gòu)無人機(jī)集群SA的一致性形成過程，異構(gòu)無人機(jī)集群SA的一致性判斷方法和無人機(jī)集群SA評(píng)價(jià)方法的選擇流程。分析表明，建立的集群態(tài)勢(shì)感知模型符合集群協(xié)同作戰(zhàn)特點(diǎn)，有一定的積極意義。
2018, 40(6): 1279-1286.
doi: 10.11999/JEIT170883
摘要:
假設(shè)擴(kuò)展目標(biāo)(ET)的擴(kuò)展和量測(cè)數(shù)目分別為橢圓和泊松模型，高斯逆威沙特概率假設(shè)密度(GIW-PHD)能夠估計(jì)擴(kuò)展目標(biāo)的運(yùn)動(dòng)和擴(kuò)展?fàn)顟B(tài)。然而，該濾波器對(duì)空間鄰近目標(biāo)的數(shù)目、非橢圓目標(biāo)和受到遮擋目標(biāo)的擴(kuò)展估計(jì)不夠準(zhǔn)確。針對(duì)這些問題，該文提出一種改進(jìn)的GIW-PHD。首先，假設(shè)目標(biāo)擴(kuò)展為一個(gè)相同尺寸的參考橢圓，通過設(shè)計(jì)新的散射矩陣得到改進(jìn)的隨機(jī)矩陣(RM)方法。然后，將改進(jìn)的RM方法與假設(shè)量測(cè)數(shù)目服從多伯努利分布的ET-PHD結(jié)合，得到改進(jìn)的GIW-PHD濾波器。仿真和實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)GIW-PHD相比，改進(jìn)的GIW- PHD估計(jì)的目標(biāo)數(shù)目和量測(cè)數(shù)目較多，擴(kuò)展較大的橢圓和非橢圓目標(biāo)的擴(kuò)展更準(zhǔn)確。
假設(shè)擴(kuò)展目標(biāo)(ET)的擴(kuò)展和量測(cè)數(shù)目分別為橢圓和泊松模型，高斯逆威沙特概率假設(shè)密度(GIW-PHD)能夠估計(jì)擴(kuò)展目標(biāo)的運(yùn)動(dòng)和擴(kuò)展?fàn)顟B(tài)。然而，該濾波器對(duì)空間鄰近目標(biāo)的數(shù)目、非橢圓目標(biāo)和受到遮擋目標(biāo)的擴(kuò)展估計(jì)不夠準(zhǔn)確。針對(duì)這些問題，該文提出一種改進(jìn)的GIW-PHD。首先，假設(shè)目標(biāo)擴(kuò)展為一個(gè)相同尺寸的參考橢圓，通過設(shè)計(jì)新的散射矩陣得到改進(jìn)的隨機(jī)矩陣(RM)方法。然后，將改進(jìn)的RM方法與假設(shè)量測(cè)數(shù)目服從多伯努利分布的ET-PHD結(jié)合，得到改進(jìn)的GIW-PHD濾波器。仿真和實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)GIW-PHD相比，改進(jìn)的GIW- PHD估計(jì)的目標(biāo)數(shù)目和量測(cè)數(shù)目較多，擴(kuò)展較大的橢圓和非橢圓目標(biāo)的擴(kuò)展更準(zhǔn)確。
2018, 40(6): 1287-1293.
doi: 10.11999/JEIT170765
摘要:
順序回歸是機(jī)器學(xué)習(xí)領(lǐng)域中介于分類和回歸之間的有監(jiān)督問題。在實(shí)際中，許多帶有序關(guān)系標(biāo)簽的問題都可以被建模成順序回歸問題，因此順序回歸受到眾多學(xué)者的關(guān)注。基于極限學(xué)習(xí)機(jī)(ELM)的算法能有效避免因迭代過程陷入的局部最優(yōu)解，減少訓(xùn)練時(shí)間，但基于極限學(xué)習(xí)機(jī)的算法在順序回歸問題上的研究較少。該文將核極限學(xué)習(xí)機(jī)與糾錯(cuò)輸出編碼相結(jié)合，提出了一種基于有序編碼的核極限學(xué)習(xí)順序回歸模型。該模型有效解決了如何在順序回歸中取得良好的特征映射以及如何避免傳統(tǒng)極限學(xué)習(xí)機(jī)中隱層節(jié)點(diǎn)個(gè)數(shù)依賴于人工設(shè)置的問題。為驗(yàn)證提出模型的有效性，該文在多個(gè)順序回歸數(shù)據(jù)集上進(jìn)行了測(cè)試，測(cè)試結(jié)果表明，相比于傳統(tǒng)ELM模型，該文提出的模型在準(zhǔn)確率上平均提升了10.8%，在數(shù)據(jù)集上預(yù)測(cè)表現(xiàn)最優(yōu)，而且獲得了最短的訓(xùn)練時(shí)間，從而驗(yàn)證了模型的有效性。
順序回歸是機(jī)器學(xué)習(xí)領(lǐng)域中介于分類和回歸之間的有監(jiān)督問題。在實(shí)際中，許多帶有序關(guān)系標(biāo)簽的問題都可以被建模成順序回歸問題，因此順序回歸受到眾多學(xué)者的關(guān)注。基于極限學(xué)習(xí)機(jī)(ELM)的算法能有效避免因迭代過程陷入的局部最優(yōu)解，減少訓(xùn)練時(shí)間，但基于極限學(xué)習(xí)機(jī)的算法在順序回歸問題上的研究較少。該文將核極限學(xué)習(xí)機(jī)與糾錯(cuò)輸出編碼相結(jié)合，提出了一種基于有序編碼的核極限學(xué)習(xí)順序回歸模型。該模型有效解決了如何在順序回歸中取得良好的特征映射以及如何避免傳統(tǒng)極限學(xué)習(xí)機(jī)中隱層節(jié)點(diǎn)個(gè)數(shù)依賴于人工設(shè)置的問題。為驗(yàn)證提出模型的有效性，該文在多個(gè)順序回歸數(shù)據(jù)集上進(jìn)行了測(cè)試，測(cè)試結(jié)果表明，相比于傳統(tǒng)ELM模型，該文提出的模型在準(zhǔn)確率上平均提升了10.8%，在數(shù)據(jù)集上預(yù)測(cè)表現(xiàn)最優(yōu)，而且獲得了最短的訓(xùn)練時(shí)間，從而驗(yàn)證了模型的有效性。
2018, 40(6): 1294-1300.
doi: 10.11999/JEIT170956
摘要:
在低照度環(huán)境下拍攝的可見光圖像可視性較差，若將其與紅外圖像直接融合會(huì)導(dǎo)致融合結(jié)果清晰度不理想。針對(duì)這一問題，該文提出一種基于對(duì)比度增強(qiáng)與多尺度邊緣保持分解的圖像融合方法。首先，在融合之前采用基于導(dǎo)向?yàn)V波的自適應(yīng)增強(qiáng)算法提高可見光圖像中暗區(qū)內(nèi)容的可視性。其次，通過一種尺度感知邊緣保持濾波器對(duì)輸入圖像進(jìn)行多尺度分解。再次，應(yīng)用頻率調(diào)諧濾波構(gòu)造顯著圖。最后，利用由導(dǎo)向?yàn)V波生成的權(quán)重圖重構(gòu)融合圖像。實(shí)驗(yàn)結(jié)果表明，所提方法不僅可以使細(xì)節(jié)信息更突出，而且還能夠有效地抑制偽影。
在低照度環(huán)境下拍攝的可見光圖像可視性較差，若將其與紅外圖像直接融合會(huì)導(dǎo)致融合結(jié)果清晰度不理想。針對(duì)這一問題，該文提出一種基于對(duì)比度增強(qiáng)與多尺度邊緣保持分解的圖像融合方法。首先，在融合之前采用基于導(dǎo)向?yàn)V波的自適應(yīng)增強(qiáng)算法提高可見光圖像中暗區(qū)內(nèi)容的可視性。其次，通過一種尺度感知邊緣保持濾波器對(duì)輸入圖像進(jìn)行多尺度分解。再次，應(yīng)用頻率調(diào)諧濾波構(gòu)造顯著圖。最后，利用由導(dǎo)向?yàn)V波生成的權(quán)重圖重構(gòu)融合圖像。實(shí)驗(yàn)結(jié)果表明，所提方法不僅可以使細(xì)節(jié)信息更突出，而且還能夠有效地抑制偽影。
2018, 40(6): 1301-1308.
doi: 10.11999/JEIT170884
摘要:
針對(duì)傳統(tǒng)局部二值模式(LBP)的特征鑒別力有限和噪聲敏感性問題，該文提出一種基于金字塔分解和扇形局部均值二值模式的紋理特征提取方法。首先，將原始圖像進(jìn)行金字塔分解，得到對(duì)應(yīng)于不同分解級(jí)別的低頻和高頻(差分)圖像。為提取兼具鑒別力和穩(wěn)健性的特征，進(jìn)一步采用閾值化處理技術(shù)將高頻圖像轉(zhuǎn)化為正、負(fù)高頻圖。然后，基于局部均值操作提出一種扇形局部均值二值模式(SLMBP)，用于計(jì)算各級(jí)分解圖像的紋理特征碼。最后，對(duì)紋理特征碼進(jìn)行跨頻帶的聯(lián)合編碼和跨級(jí)別的直方圖加權(quán)，從而獲得最終的紋理特征。在公開的3個(gè)紋理數(shù)據(jù)庫(Outex, Brodatz和UIUC)上進(jìn)行分類實(shí)驗(yàn)，結(jié)果表明該文所提方法能夠有效地提高紋理圖像在無噪聲環(huán)境和含高斯噪聲環(huán)境下的分類精度。
針對(duì)傳統(tǒng)局部二值模式(LBP)的特征鑒別力有限和噪聲敏感性問題，該文提出一種基于金字塔分解和扇形局部均值二值模式的紋理特征提取方法。首先，將原始圖像進(jìn)行金字塔分解，得到對(duì)應(yīng)于不同分解級(jí)別的低頻和高頻(差分)圖像。為提取兼具鑒別力和穩(wěn)健性的特征，進(jìn)一步采用閾值化處理技術(shù)將高頻圖像轉(zhuǎn)化為正、負(fù)高頻圖。然后，基于局部均值操作提出一種扇形局部均值二值模式(SLMBP)，用于計(jì)算各級(jí)分解圖像的紋理特征碼。最后，對(duì)紋理特征碼進(jìn)行跨頻帶的聯(lián)合編碼和跨級(jí)別的直方圖加權(quán)，從而獲得最終的紋理特征。在公開的3個(gè)紋理數(shù)據(jù)庫(Outex, Brodatz和UIUC)上進(jìn)行分類實(shí)驗(yàn)，結(jié)果表明該文所提方法能夠有效地提高紋理圖像在無噪聲環(huán)境和含高斯噪聲環(huán)境下的分類精度。
2018, 40(6): 1309-1315.
doi: 10.11999/JEIT170789
摘要:
針對(duì)魯棒主成分分析(Robust Principal Component Analysis, RPCA)算法中將動(dòng)態(tài)背景誤檢為運(yùn)動(dòng)目標(biāo)的問題，該文提出一種運(yùn)動(dòng)目標(biāo)檢測(cè)優(yōu)化算法。在RPCA算法初步檢測(cè)出運(yùn)動(dòng)目標(biāo)后，利用動(dòng)態(tài)背景在時(shí)間域上滿足高斯分布的特性，以及動(dòng)態(tài)背景和運(yùn)動(dòng)目標(biāo)在整個(gè)視頻流上檢出點(diǎn)均值和方差的差異特性，進(jìn)一步將動(dòng)態(tài)背景和運(yùn)動(dòng)目標(biāo)分離開來。實(shí)驗(yàn)結(jié)果表明，所提算法能夠有效地處理動(dòng)態(tài)背景的問題，并在一定程度上完整檢測(cè)出運(yùn)動(dòng)目標(biāo)。
針對(duì)魯棒主成分分析(Robust Principal Component Analysis, RPCA)算法中將動(dòng)態(tài)背景誤檢為運(yùn)動(dòng)目標(biāo)的問題，該文提出一種運(yùn)動(dòng)目標(biāo)檢測(cè)優(yōu)化算法。在RPCA算法初步檢測(cè)出運(yùn)動(dòng)目標(biāo)后，利用動(dòng)態(tài)背景在時(shí)間域上滿足高斯分布的特性，以及動(dòng)態(tài)背景和運(yùn)動(dòng)目標(biāo)在整個(gè)視頻流上檢出點(diǎn)均值和方差的差異特性，進(jìn)一步將動(dòng)態(tài)背景和運(yùn)動(dòng)目標(biāo)分離開來。實(shí)驗(yàn)結(jié)果表明，所提算法能夠有效地處理動(dòng)態(tài)背景的問題，并在一定程度上完整檢測(cè)出運(yùn)動(dòng)目標(biāo)。
2018, 40(6): 1316-1322.
doi: 10.11999/JEIT170937
摘要:
該文將T-分布隨機(jī)近鄰嵌入(TSNE)引入到聚類集成問題中，提出一種基于TSNE的聚類集成方法。首先通過TSNE最小化超圖鄰接矩陣的行對(duì)應(yīng)的高維數(shù)據(jù)點(diǎn)與低維映射點(diǎn)分布之間的KL散度，使得高維空間結(jié)構(gòu)在低維空間得以保持，然后在低維空間運(yùn)行層次聚類算法獲得最終的聚類結(jié)果。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明： TSNE能夠提高層次聚類算法的聚類質(zhì)量，該文方法獲得了優(yōu)于主流聚類集成方法的結(jié)果。
該文將T-分布隨機(jī)近鄰嵌入(TSNE)引入到聚類集成問題中，提出一種基于TSNE的聚類集成方法。首先通過TSNE最小化超圖鄰接矩陣的行對(duì)應(yīng)的高維數(shù)據(jù)點(diǎn)與低維映射點(diǎn)分布之間的KL散度，使得高維空間結(jié)構(gòu)在低維空間得以保持，然后在低維空間運(yùn)行層次聚類算法獲得最終的聚類結(jié)果。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明： TSNE能夠提高層次聚類算法的聚類質(zhì)量，該文方法獲得了優(yōu)于主流聚類集成方法的結(jié)果。
2018, 40(6): 1323-1329.
doi: 10.11999/JEIT170749
摘要:
針對(duì)目前人員定位方法普遍存在易受環(huán)境影響，累計(jì)誤差大等問題，該文提出一種利用地圖先驗(yàn)知識(shí)與井下人員行進(jìn)方向識(shí)別相結(jié)合的位置校正方法。該方法首先通過線性判別分析(LDA)降低傳感器特征集的維度，之后利用隨機(jī)森林(RF)與設(shè)置閾值的方法對(duì)井下人員的行進(jìn)方向分類并標(biāo)記特殊點(diǎn)，將特殊點(diǎn)與巷道結(jié)構(gòu)的先驗(yàn)知識(shí)進(jìn)行匹配，修正并更新通過步行者航位推算算法(PDR)得到的井下人員的初步運(yùn)動(dòng)軌跡。實(shí)驗(yàn)結(jié)果表明：LDA的預(yù)處理方法能夠有效提高后續(xù)分類器的精度高達(dá)6%以上。該文提出的位置估算方法能夠有效減小累積誤差，具有較高的準(zhǔn)確性和魯棒性，活動(dòng)識(shí)別精度能夠達(dá)到98%，可以實(shí)現(xiàn)可靠的實(shí)時(shí)定位。
針對(duì)目前人員定位方法普遍存在易受環(huán)境影響，累計(jì)誤差大等問題，該文提出一種利用地圖先驗(yàn)知識(shí)與井下人員行進(jìn)方向識(shí)別相結(jié)合的位置校正方法。該方法首先通過線性判別分析(LDA)降低傳感器特征集的維度，之后利用隨機(jī)森林(RF)與設(shè)置閾值的方法對(duì)井下人員的行進(jìn)方向分類并標(biāo)記特殊點(diǎn)，將特殊點(diǎn)與巷道結(jié)構(gòu)的先驗(yàn)知識(shí)進(jìn)行匹配，修正并更新通過步行者航位推算算法(PDR)得到的井下人員的初步運(yùn)動(dòng)軌跡。實(shí)驗(yàn)結(jié)果表明：LDA的預(yù)處理方法能夠有效提高后續(xù)分類器的精度高達(dá)6%以上。該文提出的位置估算方法能夠有效減小累積誤差，具有較高的準(zhǔn)確性和魯棒性，活動(dòng)識(shí)別精度能夠達(dá)到98%，可以實(shí)現(xiàn)可靠的實(shí)時(shí)定位。
2018, 40(6): 1330-1337.
doi: 10.11999/JEIT170704
摘要:
夜間有霧圖像光照不均勻，整體亮度較低，色偏嚴(yán)重，且人工光源周圍存在光暈?，F(xiàn)有的去霧模型和算法大多針對(duì)白天圖像，其并不適用于夜間場(chǎng)景，夜間圖像去霧頗具挑戰(zhàn)性。該文深入分析夜間有霧圖像的成像規(guī)律，建立含有人工光源的夜間霧天圖像成像新模型，并在此基礎(chǔ)上提出夜間圖像去霧新算法。針對(duì)夜間圖像光照不均問題，提出基于低通濾波的環(huán)境光估計(jì)方法，利用估計(jì)出的環(huán)境光可準(zhǔn)確預(yù)測(cè)夜間場(chǎng)景傳輸率；針對(duì)目前夜間圖像去霧后存在光源光暈問題，提出根據(jù)圖像色度估計(jì)場(chǎng)景點(diǎn)屬于近光源區(qū)域的程度，使算法能自適應(yīng)地處理光源區(qū)域和非光源區(qū)域；針對(duì)非一致色偏問題，利用直方圖匹配方法進(jìn)行顏色校正。對(duì)大量圖像進(jìn)行實(shí)驗(yàn)，并與現(xiàn)有白天、夜晚圖像去霧算法進(jìn)行比較，驗(yàn)證了該文提出的夜間霧天圖像成像模型及去霧算法的有效性。
夜間有霧圖像光照不均勻，整體亮度較低，色偏嚴(yán)重，且人工光源周圍存在光暈?，F(xiàn)有的去霧模型和算法大多針對(duì)白天圖像，其并不適用于夜間場(chǎng)景，夜間圖像去霧頗具挑戰(zhàn)性。該文深入分析夜間有霧圖像的成像規(guī)律，建立含有人工光源的夜間霧天圖像成像新模型，并在此基礎(chǔ)上提出夜間圖像去霧新算法。針對(duì)夜間圖像光照不均問題，提出基于低通濾波的環(huán)境光估計(jì)方法，利用估計(jì)出的環(huán)境光可準(zhǔn)確預(yù)測(cè)夜間場(chǎng)景傳輸率；針對(duì)目前夜間圖像去霧后存在光源光暈問題，提出根據(jù)圖像色度估計(jì)場(chǎng)景點(diǎn)屬于近光源區(qū)域的程度，使算法能自適應(yīng)地處理光源區(qū)域和非光源區(qū)域；針對(duì)非一致色偏問題，利用直方圖匹配方法進(jìn)行顏色校正。對(duì)大量圖像進(jìn)行實(shí)驗(yàn)，并與現(xiàn)有白天、夜晚圖像去霧算法進(jìn)行比較，驗(yàn)證了該文提出的夜間霧天圖像成像模型及去霧算法的有效性。
2018, 40(6): 1338-1344.
doi: 10.11999/JEIT170799
摘要:
針對(duì)局部二值模式(LBP)、中心對(duì)稱局部二值模式(CS-LBP)和梯度方向直方圖(HOG)的不足進(jìn)行改進(jìn)，該文提出中心對(duì)稱局部平滑二值模式(CS-LSBP)和絕對(duì)梯度方向直方圖(HOAG)，并提出一種融合局部紋理特征和局部形狀特征的人臉表情識(shí)別方法。該方法首先采用CS-LSBP算子和HOAG算子分別提取人臉表情圖像的局部紋理特征和局部形狀特征，然后使用典型線性分析法(CCA)進(jìn)行特征融合，最后利用支持向量機(jī)(SVM)進(jìn)行表情分類。在JAFFE人臉表情庫和Cohn-Kanade(CK)人臉表情庫上的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的特征提取方法能更加完整、精確地提取圖像的細(xì)節(jié)信息，基于CCA的特征融合方法能充分發(fā)揮特征的表征能力，該文所提人臉表情識(shí)別方法取得了較好的分類識(shí)別效果。
針對(duì)局部二值模式(LBP)、中心對(duì)稱局部二值模式(CS-LBP)和梯度方向直方圖(HOG)的不足進(jìn)行改進(jìn)，該文提出中心對(duì)稱局部平滑二值模式(CS-LSBP)和絕對(duì)梯度方向直方圖(HOAG)，并提出一種融合局部紋理特征和局部形狀特征的人臉表情識(shí)別方法。該方法首先采用CS-LSBP算子和HOAG算子分別提取人臉表情圖像的局部紋理特征和局部形狀特征，然后使用典型線性分析法(CCA)進(jìn)行特征融合，最后利用支持向量機(jī)(SVM)進(jìn)行表情分類。在JAFFE人臉表情庫和Cohn-Kanade(CK)人臉表情庫上的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的特征提取方法能更加完整、精確地提取圖像的細(xì)節(jié)信息，基于CCA的特征融合方法能充分發(fā)揮特征的表征能力，該文所提人臉表情識(shí)別方法取得了較好的分類識(shí)別效果。
2018, 40(6): 1345-1352.
doi: 10.11999/JEIT170824
摘要:
該文針對(duì)現(xiàn)有的人臉視頻心率檢測(cè)方法在現(xiàn)實(shí)情景中受運(yùn)動(dòng)干擾難以準(zhǔn)確估計(jì)心率的問題，提出一種抑制運(yùn)動(dòng)干擾的非接觸式心率估計(jì)新方法。首先利用判別響應(yīng)圖擬合與KLT跟蹤算法消除人臉的剛性運(yùn)動(dòng)干擾；然后使用對(duì)運(yùn)動(dòng)魯棒的色度特征進(jìn)行兩步心率估計(jì)，并引入空間梯度因子調(diào)控空域和頻域的權(quán)重，抑制非剛性運(yùn)動(dòng)的干擾；最終得到人臉不同區(qū)域融合的平均心率數(shù)值和信號(hào)波形圖，實(shí)現(xiàn)心率的精確估計(jì)。實(shí)驗(yàn)結(jié)果表明：所提方法相比其它的基于人臉視頻的心率估計(jì)方法優(yōu)勢(shì)明顯，提升了信號(hào)波形圖和真實(shí)脈搏波形的一致性，進(jìn)一步提高了心率估計(jì)的精度和魯棒性。
該文針對(duì)現(xiàn)有的人臉視頻心率檢測(cè)方法在現(xiàn)實(shí)情景中受運(yùn)動(dòng)干擾難以準(zhǔn)確估計(jì)心率的問題，提出一種抑制運(yùn)動(dòng)干擾的非接觸式心率估計(jì)新方法。首先利用判別響應(yīng)圖擬合與KLT跟蹤算法消除人臉的剛性運(yùn)動(dòng)干擾；然后使用對(duì)運(yùn)動(dòng)魯棒的色度特征進(jìn)行兩步心率估計(jì)，并引入空間梯度因子調(diào)控空域和頻域的權(quán)重，抑制非剛性運(yùn)動(dòng)的干擾；最終得到人臉不同區(qū)域融合的平均心率數(shù)值和信號(hào)波形圖，實(shí)現(xiàn)心率的精確估計(jì)。實(shí)驗(yàn)結(jié)果表明：所提方法相比其它的基于人臉視頻的心率估計(jì)方法優(yōu)勢(shì)明顯，提升了信號(hào)波形圖和真實(shí)脈搏波形的一致性，進(jìn)一步提高了心率估計(jì)的精度和魯棒性。
2018, 40(6): 1353-1359.
doi: 10.11999/JEIT170769
摘要:
為了降低低劑量CT肺部噪聲對(duì)肺癌篩查后期診斷的影響，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的低劑量CT肺部去噪算法。以完整的CT肺部圖像作為輸入，池化層對(duì)輸入圖像進(jìn)行降維處理；批規(guī)范化解決隨著網(wǎng)絡(luò)深度的增加性能降低的問題；引入殘差學(xué)習(xí)，學(xué)習(xí)模型中每一層的殘差，最后輸出去噪圖像。與經(jīng)典去噪算法實(shí)驗(yàn)結(jié)果對(duì)比，所提方法在解決去噪方面達(dá)到了很好的濾波效果，同時(shí)也較好地保留了肺部圖像的細(xì)節(jié)信息，大大優(yōu)于傳統(tǒng)的去噪算法。
為了降低低劑量CT肺部噪聲對(duì)肺癌篩查后期診斷的影響，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的低劑量CT肺部去噪算法。以完整的CT肺部圖像作為輸入，池化層對(duì)輸入圖像進(jìn)行降維處理；批規(guī)范化解決隨著網(wǎng)絡(luò)深度的增加性能降低的問題；引入殘差學(xué)習(xí)，學(xué)習(xí)模型中每一層的殘差，最后輸出去噪圖像。與經(jīng)典去噪算法實(shí)驗(yàn)結(jié)果對(duì)比，所提方法在解決去噪方面達(dá)到了很好的濾波效果，同時(shí)也較好地保留了肺部圖像的細(xì)節(jié)信息，大大優(yōu)于傳統(tǒng)的去噪算法。
2018, 40(6): 1360-1367.
doi: 10.11999/JEIT170800
摘要:
該文針對(duì)時(shí)變離群值環(huán)境下的在線學(xué)習(xí)問題，提出一種基于M-estimator與可變遺忘因子的在線貫序超限學(xué)習(xí)機(jī)算法(VFF-M-OSELM)。VFF-M-OSELM以在線貫序超限學(xué)習(xí)機(jī)模型為基礎(chǔ)，通過引入一種更加魯棒的M-estimator代價(jià)函數(shù)來替代傳統(tǒng)的最小二乘代價(jià)函數(shù)，以提高模型對(duì)于離群值的在線處理能力和魯棒性。同時(shí)VFF-M-OSELM通過融合使用一種新的可變遺忘因子方法進(jìn)一步增強(qiáng)了其在時(shí)變環(huán)境下的動(dòng)態(tài)跟蹤能力和自適應(yīng)性。仿真實(shí)例驗(yàn)證了所提算法的有效性。
該文針對(duì)時(shí)變離群值環(huán)境下的在線學(xué)習(xí)問題，提出一種基于M-estimator與可變遺忘因子的在線貫序超限學(xué)習(xí)機(jī)算法(VFF-M-OSELM)。VFF-M-OSELM以在線貫序超限學(xué)習(xí)機(jī)模型為基礎(chǔ)，通過引入一種更加魯棒的M-estimator代價(jià)函數(shù)來替代傳統(tǒng)的最小二乘代價(jià)函數(shù)，以提高模型對(duì)于離群值的在線處理能力和魯棒性。同時(shí)VFF-M-OSELM通過融合使用一種新的可變遺忘因子方法進(jìn)一步增強(qiáng)了其在時(shí)變環(huán)境下的動(dòng)態(tài)跟蹤能力和自適應(yīng)性。仿真實(shí)例驗(yàn)證了所提算法的有效性。
2018, 40(6): 1368-1374.
doi: 10.11999/JEIT170819
摘要:
針對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)在嵌入式端的應(yīng)用受實(shí)時(shí)性限制的問題，以及CNN卷積計(jì)算中存在較大程度的稀疏性的特性，該文提出一種基于FPGA的CNN加速器實(shí)現(xiàn)方法來提高計(jì)算速度。首先，挖掘出CNN卷積計(jì)算的稀疏性特點(diǎn)；其次，為了用好參數(shù)稀疏性，把CNN卷積計(jì)算轉(zhuǎn)換為矩陣相乘；最后，提出基于FPGA的并行矩陣乘法器的實(shí)現(xiàn)方案。在Virtex-7 VC707 FPGA上的仿真結(jié)果表明，相比于傳統(tǒng)的CNN加速器，該設(shè)計(jì)縮短了19%的計(jì)算時(shí)間。通過稀疏性來簡(jiǎn)化CNN計(jì)算過程的方式，不僅能在FPGA實(shí)現(xiàn)，也能遷移到其他嵌入式端。
針對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)在嵌入式端的應(yīng)用受實(shí)時(shí)性限制的問題，以及CNN卷積計(jì)算中存在較大程度的稀疏性的特性，該文提出一種基于FPGA的CNN加速器實(shí)現(xiàn)方法來提高計(jì)算速度。首先，挖掘出CNN卷積計(jì)算的稀疏性特點(diǎn)；其次，為了用好參數(shù)稀疏性，把CNN卷積計(jì)算轉(zhuǎn)換為矩陣相乘；最后，提出基于FPGA的并行矩陣乘法器的實(shí)現(xiàn)方案。在Virtex-7 VC707 FPGA上的仿真結(jié)果表明，相比于傳統(tǒng)的CNN加速器，該設(shè)計(jì)縮短了19%的計(jì)算時(shí)間。通過稀疏性來簡(jiǎn)化CNN計(jì)算過程的方式，不僅能在FPGA實(shí)現(xiàn)，也能遷移到其他嵌入式端。
2018, 40(6): 1375-1382.
doi: 10.11999/JEIT170856
摘要:
該文針對(duì)2維陣列波達(dá)方向估計(jì)問題，提出一種基于單快拍數(shù)據(jù)的分布式2維DOA估計(jì)算法。該算法首先利用每個(gè)子陣單元的單快拍數(shù)據(jù)進(jìn)行2維Hankle矩陣構(gòu)造；然后基于2維狀態(tài)空間平衡法分別獲得方位角和俯仰角子陣單元內(nèi)DOA估計(jì)與子陣單元間DOA估計(jì)；最后通過解模糊算法獲得方位角和俯仰角高精度無模糊DOA估計(jì)。該算法較好地解決了子陣單元內(nèi)DOA估計(jì)和子陣單元間DOA估計(jì)之間的配對(duì)問題以及俯仰角和方位角之間配對(duì)問題，充分利用分布式陣列擴(kuò)展陣列物理孔徑特性；同時(shí)該算法可直接對(duì)相干信號(hào)和非相干信號(hào)進(jìn)行處理。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了所提算法的有效性。
該文針對(duì)2維陣列波達(dá)方向估計(jì)問題，提出一種基于單快拍數(shù)據(jù)的分布式2維DOA估計(jì)算法。該算法首先利用每個(gè)子陣單元的單快拍數(shù)據(jù)進(jìn)行2維Hankle矩陣構(gòu)造；然后基于2維狀態(tài)空間平衡法分別獲得方位角和俯仰角子陣單元內(nèi)DOA估計(jì)與子陣單元間DOA估計(jì)；最后通過解模糊算法獲得方位角和俯仰角高精度無模糊DOA估計(jì)。該算法較好地解決了子陣單元內(nèi)DOA估計(jì)和子陣單元間DOA估計(jì)之間的配對(duì)問題以及俯仰角和方位角之間配對(duì)問題，充分利用分布式陣列擴(kuò)展陣列物理孔徑特性；同時(shí)該算法可直接對(duì)相干信號(hào)和非相干信號(hào)進(jìn)行處理。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了所提算法的有效性。
2018, 40(6): 1383-1389.
doi: 10.11999/JEIT170826
摘要:
該文針對(duì)傳統(tǒng)波達(dá)方向角(DOA)估計(jì)算法在非均勻噪聲下角度估計(jì)精度差及分辨率低的問題，基于矩陣補(bǔ)全理論，提出一種二階統(tǒng)計(jì)量域下加權(quán)L1(MC-WLOSRSS)稀疏重構(gòu)DOA估計(jì)算法。首先，基于矩陣補(bǔ)全方法，引入彈性正則化因子將接收信號(hào)協(xié)方差矩陣重構(gòu)為無噪聲協(xié)方差矩陣；而后在二階統(tǒng)計(jì)量域下通過矩陣求和平均將無噪聲協(xié)方差矩陣多矢量問題轉(zhuǎn)化為單矢量問題；最后利用稀疏重構(gòu)加權(quán)L1范數(shù)實(shí)現(xiàn)DOA參數(shù)估計(jì)。數(shù)值仿真表明，與傳統(tǒng)MUSIC, IL1-SRACV, L1-SVD子空間算法及稀疏重構(gòu)加權(quán)L1算法相比，所提算法能顯著抑制非均勻噪聲影響，具有較好DOA估計(jì)性能，且在低信噪比條件下，亦具有較高估計(jì)精度和分辨力。
該文針對(duì)傳統(tǒng)波達(dá)方向角(DOA)估計(jì)算法在非均勻噪聲下角度估計(jì)精度差及分辨率低的問題，基于矩陣補(bǔ)全理論，提出一種二階統(tǒng)計(jì)量域下加權(quán)L1(MC-WLOSRSS)稀疏重構(gòu)DOA估計(jì)算法。首先，基于矩陣補(bǔ)全方法，引入彈性正則化因子將接收信號(hào)協(xié)方差矩陣重構(gòu)為無噪聲協(xié)方差矩陣；而后在二階統(tǒng)計(jì)量域下通過矩陣求和平均將無噪聲協(xié)方差矩陣多矢量問題轉(zhuǎn)化為單矢量問題；最后利用稀疏重構(gòu)加權(quán)L1范數(shù)實(shí)現(xiàn)DOA參數(shù)估計(jì)。數(shù)值仿真表明，與傳統(tǒng)MUSIC, IL1-SRACV, L1-SVD子空間算法及稀疏重構(gòu)加權(quán)L1算法相比，所提算法能顯著抑制非均勻噪聲影響，具有較好DOA估計(jì)性能，且在低信噪比條件下，亦具有較高估計(jì)精度和分辨力。
2018, 40(6): 1390-1396.
doi: 10.11999/JEIT170807
摘要:
針對(duì)稀疏陣列下2維波達(dá)方向(DOA)估計(jì)問題，該文提出一種基于稀疏采樣陣列優(yōu)化的加速逼近梯度(APG)算法與多重信號(hào)分類(MUSIC)算法相結(jié)合的2D-DOA估計(jì)方法。首先，建立稀疏陣列下的2D-DOA估計(jì)信號(hào)模型，并證明其具備低秩特征，滿足零空間性質(zhì)(NSP)。其次，為提高稀疏陣列下矩陣填充方法重構(gòu)接收信號(hào)矩陣性能和以此為基礎(chǔ)的2D-DOA估計(jì)精度，提出基于遺傳算法(GA)的稀疏采樣陣列優(yōu)化方法。最后，將APG和MUSIC算法相結(jié)合，在重構(gòu)完整平面陣列接收信號(hào)矩陣的基礎(chǔ)上完成2維波達(dá)方向估計(jì)。計(jì)算機(jī)仿真結(jié)果表明，該方法在保證2維波達(dá)方向估計(jì)精度前提下，大幅提高陣元利用率，有效降低空間譜平均旁瓣，與常規(guī)2D-DOA估計(jì)方法相比具有優(yōu)勢(shì)。
針對(duì)稀疏陣列下2維波達(dá)方向(DOA)估計(jì)問題，該文提出一種基于稀疏采樣陣列優(yōu)化的加速逼近梯度(APG)算法與多重信號(hào)分類(MUSIC)算法相結(jié)合的2D-DOA估計(jì)方法。首先，建立稀疏陣列下的2D-DOA估計(jì)信號(hào)模型，并證明其具備低秩特征，滿足零空間性質(zhì)(NSP)。其次，為提高稀疏陣列下矩陣填充方法重構(gòu)接收信號(hào)矩陣性能和以此為基礎(chǔ)的2D-DOA估計(jì)精度，提出基于遺傳算法(GA)的稀疏采樣陣列優(yōu)化方法。最后，將APG和MUSIC算法相結(jié)合，在重構(gòu)完整平面陣列接收信號(hào)矩陣的基礎(chǔ)上完成2維波達(dá)方向估計(jì)。計(jì)算機(jī)仿真結(jié)果表明，該方法在保證2維波達(dá)方向估計(jì)精度前提下，大幅提高陣元利用率，有效降低空間譜平均旁瓣，與常規(guī)2D-DOA估計(jì)方法相比具有優(yōu)勢(shì)。
2018, 40(6): 1397-1403.
doi: 10.11999/JEIT170854
摘要:
該文針對(duì)壓縮跟蹤算法無法適應(yīng)目標(biāo)尺度的變化以及沒有考慮樣本權(quán)重的問題，提出一種基于粒子濾波與樣本加權(quán)的壓縮跟蹤算法。首先，對(duì)壓縮特征進(jìn)行改進(jìn)，提取歸一化矩形特征用于構(gòu)建目標(biāo)表觀模型。然后，引入樣本加權(quán)的思想，根據(jù)正樣本與目標(biāo)之間距離的不同賦予正樣本不同的權(quán)重，提高分類器的分類精度。最后，在粒子濾波的框架下融合尺度不變壓縮特征進(jìn)行動(dòng)態(tài)狀態(tài)估計(jì)，在粒子預(yù)測(cè)階段利用2階自回歸模型對(duì)粒子狀態(tài)進(jìn)行估計(jì)與預(yù)測(cè)，借助觀測(cè)模型對(duì)粒子狀態(tài)進(jìn)行更新，并且對(duì)粒子進(jìn)行重采樣以防止粒子退化。實(shí)驗(yàn)結(jié)果表明，相比于原始?jí)嚎s跟蹤算法，改進(jìn)算法能夠更好地跟蹤目標(biāo)尺度的變化，提高跟蹤的穩(wěn)定性和準(zhǔn)確性。
該文針對(duì)壓縮跟蹤算法無法適應(yīng)目標(biāo)尺度的變化以及沒有考慮樣本權(quán)重的問題，提出一種基于粒子濾波與樣本加權(quán)的壓縮跟蹤算法。首先，對(duì)壓縮特征進(jìn)行改進(jìn)，提取歸一化矩形特征用于構(gòu)建目標(biāo)表觀模型。然后，引入樣本加權(quán)的思想，根據(jù)正樣本與目標(biāo)之間距離的不同賦予正樣本不同的權(quán)重，提高分類器的分類精度。最后，在粒子濾波的框架下融合尺度不變壓縮特征進(jìn)行動(dòng)態(tài)狀態(tài)估計(jì)，在粒子預(yù)測(cè)階段利用2階自回歸模型對(duì)粒子狀態(tài)進(jìn)行估計(jì)與預(yù)測(cè)，借助觀測(cè)模型對(duì)粒子狀態(tài)進(jìn)行更新，并且對(duì)粒子進(jìn)行重采樣以防止粒子退化。實(shí)驗(yàn)結(jié)果表明，相比于原始?jí)嚎s跟蹤算法，改進(jìn)算法能夠更好地跟蹤目標(biāo)尺度的變化，提高跟蹤的穩(wěn)定性和準(zhǔn)確性。
2018, 40(6): 1404-1411.
doi: 10.11999/JEIT170792
摘要:
對(duì)高維數(shù)據(jù)進(jìn)行建模是Takagi-Sugeno(T-S)模糊系統(tǒng)建模面臨的一個(gè)重大挑戰(zhàn)。為此，該文提出一種特征選擇與組稀疏編碼相結(jié)合的模糊系統(tǒng)建模新方法WOMP-GS-FIS。首先，運(yùn)用一種新型的加權(quán)正交匹配追蹤算法對(duì)原始樣本進(jìn)行特征選擇，在此基礎(chǔ)上提取出模糊規(guī)則前件并產(chǎn)生模糊系統(tǒng)字典；然后，基于組稀疏正則化構(gòu)造關(guān)于后件參數(shù)的組稀疏優(yōu)化問題，在優(yōu)化問題求解的同時(shí)得到重要的模糊規(guī)則。實(shí)驗(yàn)結(jié)果表明，在保證模型泛化性能的前提下，該方法不僅能對(duì)所獲得的模糊規(guī)則結(jié)構(gòu)進(jìn)行精簡(jiǎn)還可以進(jìn)一步減少模糊規(guī)則數(shù)，進(jìn)而解決高維數(shù)據(jù)環(huán)境下模糊規(guī)則可解釋性差的問題。
對(duì)高維數(shù)據(jù)進(jìn)行建模是Takagi-Sugeno(T-S)模糊系統(tǒng)建模面臨的一個(gè)重大挑戰(zhàn)。為此，該文提出一種特征選擇與組稀疏編碼相結(jié)合的模糊系統(tǒng)建模新方法WOMP-GS-FIS。首先，運(yùn)用一種新型的加權(quán)正交匹配追蹤算法對(duì)原始樣本進(jìn)行特征選擇，在此基礎(chǔ)上提取出模糊規(guī)則前件并產(chǎn)生模糊系統(tǒng)字典；然后，基于組稀疏正則化構(gòu)造關(guān)于后件參數(shù)的組稀疏優(yōu)化問題，在優(yōu)化問題求解的同時(shí)得到重要的模糊規(guī)則。實(shí)驗(yàn)結(jié)果表明，在保證模型泛化性能的前提下，該方法不僅能對(duì)所獲得的模糊規(guī)則結(jié)構(gòu)進(jìn)行精簡(jiǎn)還可以進(jìn)一步減少模糊規(guī)則數(shù)，進(jìn)而解決高維數(shù)據(jù)環(huán)境下模糊規(guī)則可解釋性差的問題。
2018, 40(6): 1412-1418.
doi: 10.11999/JEIT170924
摘要:
針對(duì)基于幾何光學(xué)-微擾法(GO-SPM)的傳統(tǒng)雙尺度模型對(duì)截?cái)嗖〝?shù)敏感的問題，該文建立了一種基于幾何光學(xué)-小斜率近似(GO-SSA)的改進(jìn)雙尺度模型。該模型將小尺度部分的微擾法替換為一階小斜率近似，并改進(jìn)鏡向分量的幾何光學(xué)解。仿真表明該方法在獲取傳統(tǒng)雙尺度精度的同時(shí)，不需要考慮截?cái)嗖〝?shù)的選取問題。針對(duì)Elfouhaily海浪譜模型的特點(diǎn)，簡(jiǎn)化GO-SSA積分形式。最后采用GO-SSA對(duì)以Elfouhaily海浪譜建模的海表面的單雙站極化散射特性進(jìn)行了仿真分析。發(fā)現(xiàn)雙站極化散射中，粗糙表面的斜率調(diào)制導(dǎo)致交叉極化出現(xiàn)了異于傳統(tǒng)模型的分布。同時(shí)在全空域的雙站極化散射仿真中，發(fā)現(xiàn)所有的極化方式在方位向內(nèi)均存在極小值。該極小值的大小與環(huán)境參數(shù)密切相關(guān)，在環(huán)境參數(shù)反演方面具有應(yīng)用潛力。
針對(duì)基于幾何光學(xué)-微擾法(GO-SPM)的傳統(tǒng)雙尺度模型對(duì)截?cái)嗖〝?shù)敏感的問題，該文建立了一種基于幾何光學(xué)-小斜率近似(GO-SSA)的改進(jìn)雙尺度模型。該模型將小尺度部分的微擾法替換為一階小斜率近似，并改進(jìn)鏡向分量的幾何光學(xué)解。仿真表明該方法在獲取傳統(tǒng)雙尺度精度的同時(shí)，不需要考慮截?cái)嗖〝?shù)的選取問題。針對(duì)Elfouhaily海浪譜模型的特點(diǎn)，簡(jiǎn)化GO-SSA積分形式。最后采用GO-SSA對(duì)以Elfouhaily海浪譜建模的海表面的單雙站極化散射特性進(jìn)行了仿真分析。發(fā)現(xiàn)雙站極化散射中，粗糙表面的斜率調(diào)制導(dǎo)致交叉極化出現(xiàn)了異于傳統(tǒng)模型的分布。同時(shí)在全空域的雙站極化散射仿真中，發(fā)現(xiàn)所有的極化方式在方位向內(nèi)均存在極小值。該極小值的大小與環(huán)境參數(shù)密切相關(guān)，在環(huán)境參數(shù)反演方面具有應(yīng)用潛力。
2018, 40(6): 1419-1425.
doi: 10.11999/JEIT170833
摘要:
為了減縮雷達(dá)反射截面(RCS)，提高工作帶寬，該文基于時(shí)控反射面提出一種新型Salisbury屏幕，研究UHF雷達(dá)的頻譜搬移。首先利用電磁特性的可控性，設(shè)計(jì)一種由可調(diào)電阻層、介質(zhì)層和金屬接地層構(gòu)成的反射調(diào)制板，然后構(gòu)建動(dòng)態(tài)二相傳輸線等效電路，并且在周期性頻率選擇表面(FSS)加載一層電感。理論推導(dǎo)和仿真驗(yàn)證表明該屏幕能對(duì)大帶寬多方向、不同極化的UHF雷達(dá)來波信號(hào)進(jìn)行頻譜搬移，減縮RCS，降低遠(yuǎn)距離移動(dòng)目標(biāo)的檢測(cè)概率。
為了減縮雷達(dá)反射截面(RCS)，提高工作帶寬，該文基于時(shí)控反射面提出一種新型Salisbury屏幕，研究UHF雷達(dá)的頻譜搬移。首先利用電磁特性的可控性，設(shè)計(jì)一種由可調(diào)電阻層、介質(zhì)層和金屬接地層構(gòu)成的反射調(diào)制板，然后構(gòu)建動(dòng)態(tài)二相傳輸線等效電路，并且在周期性頻率選擇表面(FSS)加載一層電感。理論推導(dǎo)和仿真驗(yàn)證表明該屏幕能對(duì)大帶寬多方向、不同極化的UHF雷達(dá)來波信號(hào)進(jìn)行頻譜搬移，減縮RCS，降低遠(yuǎn)距離移動(dòng)目標(biāo)的檢測(cè)概率。
2018, 40(6): 1426-1432.
doi: 10.11999/JEIT170739
摘要:
人工噪聲輔助的物理層安全通信系統(tǒng)采用人工噪聲破壞竊聽信道的方式提升系統(tǒng)安全信道容量是近年來物理層安全通信領(lǐng)域研究的經(jīng)典系統(tǒng)模型之一。該文針對(duì)這一模型中發(fā)射信號(hào)存在高峰均功率比問題，利用噪聲子空間提供的冗余度提出一種基于噪聲子空間功率分配的峰均功率比降低算法。該算法通過分式規(guī)劃、DC規(guī)劃以及二次非凸等式約束松弛將非凸的峰均功率比優(yōu)化問題轉(zhuǎn)化為一系列的凸問題迭代求解。仿真結(jié)果表明在系統(tǒng)放大器存在一定線性范圍的約束下，該文提出的算法能夠有效降低人工噪聲輔助的物理層安全通信系統(tǒng)發(fā)射信號(hào)的峰均功率比問題，達(dá)到提高系統(tǒng)中合法用戶的通信性能的目的。
人工噪聲輔助的物理層安全通信系統(tǒng)采用人工噪聲破壞竊聽信道的方式提升系統(tǒng)安全信道容量是近年來物理層安全通信領(lǐng)域研究的經(jīng)典系統(tǒng)模型之一。該文針對(duì)這一模型中發(fā)射信號(hào)存在高峰均功率比問題，利用噪聲子空間提供的冗余度提出一種基于噪聲子空間功率分配的峰均功率比降低算法。該算法通過分式規(guī)劃、DC規(guī)劃以及二次非凸等式約束松弛將非凸的峰均功率比優(yōu)化問題轉(zhuǎn)化為一系列的凸問題迭代求解。仿真結(jié)果表明在系統(tǒng)放大器存在一定線性范圍的約束下，該文提出的算法能夠有效降低人工噪聲輔助的物理層安全通信系統(tǒng)發(fā)射信號(hào)的峰均功率比問題，達(dá)到提高系統(tǒng)中合法用戶的通信性能的目的。
2018, 40(6): 1433-1437.
doi: 10.11999/JEIT170820
摘要:
由于其特有的廣域?qū)捀采w等特點(diǎn)，數(shù)據(jù)廣播業(yè)務(wù)一直是空間網(wǎng)絡(luò)的主要業(yè)務(wù)。然而空地間信道由于受到遠(yuǎn)距離、天氣變化及遮擋等因素影響，數(shù)據(jù)傳輸時(shí)延長(zhǎng)且丟包率較高。為進(jìn)一步提高數(shù)據(jù)廣播的性能，該文將反饋信息與LT碼相結(jié)合，提出一種新的空間網(wǎng)絡(luò)數(shù)據(jù)廣播傳輸策略。與傳統(tǒng)的數(shù)據(jù)廣播策略相比較，新的傳輸策略利用反饋信息估計(jì)信道丟包率，并在此基礎(chǔ)上引入信道狀態(tài)矩陣和數(shù)據(jù)包選擇權(quán)重向量，設(shè)計(jì)了數(shù)字噴泉新的編碼方法，進(jìn)而使得數(shù)據(jù)在重傳階段能夠根據(jù)信道狀態(tài)和重傳概率實(shí)時(shí)調(diào)整。仿真結(jié)果表明，新的數(shù)據(jù)廣播策略能夠?qū)崿F(xiàn)傳輸較少數(shù)據(jù)包的基礎(chǔ)上實(shí)現(xiàn)原始數(shù)據(jù)的可靠接收。
由于其特有的廣域?qū)捀采w等特點(diǎn)，數(shù)據(jù)廣播業(yè)務(wù)一直是空間網(wǎng)絡(luò)的主要業(yè)務(wù)。然而空地間信道由于受到遠(yuǎn)距離、天氣變化及遮擋等因素影響，數(shù)據(jù)傳輸時(shí)延長(zhǎng)且丟包率較高。為進(jìn)一步提高數(shù)據(jù)廣播的性能，該文將反饋信息與LT碼相結(jié)合，提出一種新的空間網(wǎng)絡(luò)數(shù)據(jù)廣播傳輸策略。與傳統(tǒng)的數(shù)據(jù)廣播策略相比較，新的傳輸策略利用反饋信息估計(jì)信道丟包率，并在此基礎(chǔ)上引入信道狀態(tài)矩陣和數(shù)據(jù)包選擇權(quán)重向量，設(shè)計(jì)了數(shù)字噴泉新的編碼方法，進(jìn)而使得數(shù)據(jù)在重傳階段能夠根據(jù)信道狀態(tài)和重傳概率實(shí)時(shí)調(diào)整。仿真結(jié)果表明，新的數(shù)據(jù)廣播策略能夠?qū)崿F(xiàn)傳輸較少數(shù)據(jù)包的基礎(chǔ)上實(shí)現(xiàn)原始數(shù)據(jù)的可靠接收。
2018, 40(6): 1438-1445.
doi: 10.11999/JEIT170879
摘要:
VoIP以語音流為傳輸媒介，具有傳輸數(shù)據(jù)量大和應(yīng)用廣泛的優(yōu)點(diǎn)。但VoIP系統(tǒng)也面臨數(shù)據(jù)安全和隱私泄露的安全威脅。針對(duì)編碼標(biāo)準(zhǔn)G.729固定碼本搜索的非遍歷特性和具有一定冗余性的特點(diǎn)，該文提出基于G.729語音編碼非零脈沖位置信息的隱藏算法。該算法在固定碼本搜索過程中，利用秘密信息控制碼本的搜索過程，并在非零脈沖位置和秘密信息之間構(gòu)建函數(shù)進(jìn)行信息隱藏。在搜索過程中利用最不重要脈沖替換思想并采用最小化失真準(zhǔn)則控制由秘密信息的嵌入帶來的音質(zhì)失真。實(shí)驗(yàn)結(jié)果表明：算法隱藏容量可達(dá)400 bit/s，算法具有良好的隱蔽性(PESQ平均值約為3.45)。
VoIP以語音流為傳輸媒介，具有傳輸數(shù)據(jù)量大和應(yīng)用廣泛的優(yōu)點(diǎn)。但VoIP系統(tǒng)也面臨數(shù)據(jù)安全和隱私泄露的安全威脅。針對(duì)編碼標(biāo)準(zhǔn)G.729固定碼本搜索的非遍歷特性和具有一定冗余性的特點(diǎn)，該文提出基于G.729語音編碼非零脈沖位置信息的隱藏算法。該算法在固定碼本搜索過程中，利用秘密信息控制碼本的搜索過程，并在非零脈沖位置和秘密信息之間構(gòu)建函數(shù)進(jìn)行信息隱藏。在搜索過程中利用最不重要脈沖替換思想并采用最小化失真準(zhǔn)則控制由秘密信息的嵌入帶來的音質(zhì)失真。實(shí)驗(yàn)結(jié)果表明：算法隱藏容量可達(dá)400 bit/s，算法具有良好的隱蔽性(PESQ平均值約為3.45)。
2018, 40(6): 1446-1452.
doi: 10.11999/JEIT170756
摘要:
移動(dòng)Ad hoc網(wǎng)絡(luò)(MANET)易遭受各種安全威脅，入侵檢測(cè)是其安全運(yùn)行的有效保障，已有方法主要關(guān)注特征選擇以及特征權(quán)重，而忽略特征間潛在關(guān)聯(lián)性，針對(duì)此問題該文提出基于圖論的MANET入侵檢測(cè)方法。首先通過對(duì)典型攻擊行為分析，合理選擇9種特征作為節(jié)點(diǎn)，依據(jù)歐式距離確定節(jié)點(diǎn)間的邊以構(gòu)建結(jié)構(gòu)圖。其次發(fā)掘節(jié)點(diǎn)(即特征)間關(guān)聯(lián)性，綜合考慮節(jié)點(diǎn)鄰居規(guī)模屬性和節(jié)點(diǎn)鄰居之間的緊密程度屬性，利用圖論所對(duì)應(yīng)的統(tǒng)計(jì)特性度分布和聚集系數(shù)具體實(shí)現(xiàn)兩屬性。最后對(duì)比實(shí)驗(yàn)結(jié)果證明此方法與傳統(tǒng)方法相比平均檢測(cè)率和誤檢率分別提高10.15%、降低1.8%。
移動(dòng)Ad hoc網(wǎng)絡(luò)(MANET)易遭受各種安全威脅，入侵檢測(cè)是其安全運(yùn)行的有效保障，已有方法主要關(guān)注特征選擇以及特征權(quán)重，而忽略特征間潛在關(guān)聯(lián)性，針對(duì)此問題該文提出基于圖論的MANET入侵檢測(cè)方法。首先通過對(duì)典型攻擊行為分析，合理選擇9種特征作為節(jié)點(diǎn)，依據(jù)歐式距離確定節(jié)點(diǎn)間的邊以構(gòu)建結(jié)構(gòu)圖。其次發(fā)掘節(jié)點(diǎn)(即特征)間關(guān)聯(lián)性，綜合考慮節(jié)點(diǎn)鄰居規(guī)模屬性和節(jié)點(diǎn)鄰居之間的緊密程度屬性，利用圖論所對(duì)應(yīng)的統(tǒng)計(jì)特性度分布和聚集系數(shù)具體實(shí)現(xiàn)兩屬性。最后對(duì)比實(shí)驗(yàn)結(jié)果證明此方法與傳統(tǒng)方法相比平均檢測(cè)率和誤檢率分別提高10.15%、降低1.8%。
2018, 40(6): 1453-1460.
doi: 10.11999/JEIT170938
摘要:
電子商務(wù)網(wǎng)站中的評(píng)論數(shù)據(jù)隱含著商品特征和用戶情感，現(xiàn)有基于方面情感分析的推薦研究大多通過抽取同一類別商品評(píng)論數(shù)據(jù)中用戶對(duì)商品不同方面的情感來捕捉用戶方面偏好，忽略了不同類別商品有不同方面以及用戶的方面偏好隨時(shí)間變化的特點(diǎn)。對(duì)此，該文提出一種面向時(shí)序感知的多類別商品方面情感分析推薦模型，該模型對(duì)用戶、商品類別、商品、商品方面、方面情感和時(shí)間統(tǒng)一建模，以發(fā)現(xiàn)用戶對(duì)不同類別商品的方面偏好隨時(shí)間變化的特點(diǎn)，并據(jù)此做出推薦。該模型能夠推斷用戶在任意時(shí)間對(duì)商品的方面偏好，從而為用戶提供可解釋的推薦。兩個(gè)真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，與其它基于時(shí)間或方面情感分析的推薦模型相比，該文提出的模型在top-N推薦準(zhǔn)確率和召回率評(píng)價(jià)指標(biāo)上均獲得顯著改善。
電子商務(wù)網(wǎng)站中的評(píng)論數(shù)據(jù)隱含著商品特征和用戶情感，現(xiàn)有基于方面情感分析的推薦研究大多通過抽取同一類別商品評(píng)論數(shù)據(jù)中用戶對(duì)商品不同方面的情感來捕捉用戶方面偏好，忽略了不同類別商品有不同方面以及用戶的方面偏好隨時(shí)間變化的特點(diǎn)。對(duì)此，該文提出一種面向時(shí)序感知的多類別商品方面情感分析推薦模型，該模型對(duì)用戶、商品類別、商品、商品方面、方面情感和時(shí)間統(tǒng)一建模，以發(fā)現(xiàn)用戶對(duì)不同類別商品的方面偏好隨時(shí)間變化的特點(diǎn)，并據(jù)此做出推薦。該模型能夠推斷用戶在任意時(shí)間對(duì)商品的方面偏好，從而為用戶提供可解釋的推薦。兩個(gè)真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，與其它基于時(shí)間或方面情感分析的推薦模型相比，該文提出的模型在top-N推薦準(zhǔn)確率和召回率評(píng)價(jià)指標(biāo)上均獲得顯著改善。
2018, 40(6): 1461-1467.
doi: 10.11999/JEIT170874
摘要:
多層建筑室內(nèi)無線網(wǎng)絡(luò)安全問題的特殊性，主要由其具有隨機(jī)性、動(dòng)態(tài)性和復(fù)雜性的空間拓?fù)浣Y(jié)構(gòu)所引起的。針對(duì)多層室內(nèi)無線網(wǎng)絡(luò)節(jié)點(diǎn)分布隨機(jī)、空間結(jié)構(gòu)復(fù)雜、損耗類型多樣等特點(diǎn)，該文結(jié)合物理層安全與隨機(jī)幾何理論，對(duì)多層室內(nèi)無線網(wǎng)絡(luò)中的多節(jié)點(diǎn)協(xié)作安全傳輸展開研究。首先，基于多層泊松點(diǎn)過程對(duì)K層室內(nèi)無線網(wǎng)絡(luò)進(jìn)行建模；在此基礎(chǔ)上，將協(xié)作傳輸引入多層室內(nèi)無線網(wǎng)絡(luò)，并提出該網(wǎng)絡(luò)的安全概率分析框架；隨后，結(jié)合理論推導(dǎo)及仿真，分析了樓層總數(shù)、安全速率門限、用戶所處樓層和各層發(fā)射功率配置等因素對(duì)多層室內(nèi)無線網(wǎng)絡(luò)安全性能的影響。最后，通過仿真驗(yàn)證了協(xié)作傳輸能夠有效提高室內(nèi)無線網(wǎng)絡(luò)的安全性能。
多層建筑室內(nèi)無線網(wǎng)絡(luò)安全問題的特殊性，主要由其具有隨機(jī)性、動(dòng)態(tài)性和復(fù)雜性的空間拓?fù)浣Y(jié)構(gòu)所引起的。針對(duì)多層室內(nèi)無線網(wǎng)絡(luò)節(jié)點(diǎn)分布隨機(jī)、空間結(jié)構(gòu)復(fù)雜、損耗類型多樣等特點(diǎn)，該文結(jié)合物理層安全與隨機(jī)幾何理論，對(duì)多層室內(nèi)無線網(wǎng)絡(luò)中的多節(jié)點(diǎn)協(xié)作安全傳輸展開研究。首先，基于多層泊松點(diǎn)過程對(duì)K層室內(nèi)無線網(wǎng)絡(luò)進(jìn)行建模；在此基礎(chǔ)上，將協(xié)作傳輸引入多層室內(nèi)無線網(wǎng)絡(luò)，并提出該網(wǎng)絡(luò)的安全概率分析框架；隨后，結(jié)合理論推導(dǎo)及仿真，分析了樓層總數(shù)、安全速率門限、用戶所處樓層和各層發(fā)射功率配置等因素對(duì)多層室內(nèi)無線網(wǎng)絡(luò)安全性能的影響。最后，通過仿真驗(yàn)證了協(xié)作傳輸能夠有效提高室內(nèi)無線網(wǎng)絡(luò)的安全性能。
2018, 40(6): 1468-1475.
doi: 10.11999/JEIT170974
摘要:
大規(guī)模MIMO系統(tǒng)采用空分多址可以提高系統(tǒng)吞吐量，同時(shí)利用多用戶下行信號(hào)的相互協(xié)作可以對(duì)竊聽者造成疊加干擾，帶來了天然的安全增益。但目前該系統(tǒng)的物理層安全研究仍采用傳統(tǒng)的人工噪聲方案，忽略了多用戶信號(hào)干擾帶來的安全增益，造成嚴(yán)重的功率浪費(fèi)。針對(duì)這一問題，該文分析了多用戶信號(hào)干擾對(duì)系統(tǒng)可達(dá)平均安全速率和平均安全能效的影響，給出了系統(tǒng)的最佳接入用戶區(qū)間。研究發(fā)現(xiàn)，在系統(tǒng)接入用戶數(shù)較少和用戶數(shù)較多時(shí)，系統(tǒng)安全能力較弱，針對(duì)此分別提出了N波束加擾和基于用戶位置的用戶調(diào)度的自適應(yīng)安全傳輸策略。最后通過仿真驗(yàn)證了理論推導(dǎo)和所提策略的有效性，利用該文所提策略，能夠保證系統(tǒng)天然安全能力不足時(shí)的安全通信。
大規(guī)模MIMO系統(tǒng)采用空分多址可以提高系統(tǒng)吞吐量，同時(shí)利用多用戶下行信號(hào)的相互協(xié)作可以對(duì)竊聽者造成疊加干擾，帶來了天然的安全增益。但目前該系統(tǒng)的物理層安全研究仍采用傳統(tǒng)的人工噪聲方案，忽略了多用戶信號(hào)干擾帶來的安全增益，造成嚴(yán)重的功率浪費(fèi)。針對(duì)這一問題，該文分析了多用戶信號(hào)干擾對(duì)系統(tǒng)可達(dá)平均安全速率和平均安全能效的影響，給出了系統(tǒng)的最佳接入用戶區(qū)間。研究發(fā)現(xiàn)，在系統(tǒng)接入用戶數(shù)較少和用戶數(shù)較多時(shí)，系統(tǒng)安全能力較弱，針對(duì)此分別提出了N波束加擾和基于用戶位置的用戶調(diào)度的自適應(yīng)安全傳輸策略。最后通過仿真驗(yàn)證了理論推導(dǎo)和所提策略的有效性，利用該文所提策略，能夠保證系統(tǒng)天然安全能力不足時(shí)的安全通信。
2018, 40(6): 1476-1483.
doi: 10.11999/JEIT170836
摘要:
針對(duì)分布式MIMO雷達(dá)正交相位編碼信號(hào)和其失配濾波器組分開設(shè)計(jì)輸出的距離旁瓣電平仍然過高的問題，該文提出一種正交相位編碼信號(hào)和失配濾波器組聯(lián)合設(shè)計(jì)方法。首先，以約束信噪比損失和最小化失配濾波組輸出的距離旁瓣電平為目標(biāo)，構(gòu)建聯(lián)合設(shè)計(jì)準(zhǔn)則。然后，根據(jù)最小p范數(shù)算法的理論，給出一種基于L-BFGS算法的雙最小p范數(shù)算法進(jìn)行求解。仿真結(jié)果表明，與分開設(shè)計(jì)方法相比，該文方法輸出的距離旁瓣電平可以進(jìn)一步降低。
針對(duì)分布式MIMO雷達(dá)正交相位編碼信號(hào)和其失配濾波器組分開設(shè)計(jì)輸出的距離旁瓣電平仍然過高的問題，該文提出一種正交相位編碼信號(hào)和失配濾波器組聯(lián)合設(shè)計(jì)方法。首先，以約束信噪比損失和最小化失配濾波組輸出的距離旁瓣電平為目標(biāo)，構(gòu)建聯(lián)合設(shè)計(jì)準(zhǔn)則。然后，根據(jù)最小p范數(shù)算法的理論，給出一種基于L-BFGS算法的雙最小p范數(shù)算法進(jìn)行求解。仿真結(jié)果表明，與分開設(shè)計(jì)方法相比，該文方法輸出的距離旁瓣電平可以進(jìn)一步降低。
2018, 40(6): 1484-1491.
doi: 10.11999/JEIT170762
摘要:
移相器是控制相控陣天線空間波束捷變的方向盤，其性能的優(yōu)良決定著相控陣天線性能的高低。微機(jī)電系統(tǒng)(MEMS)移相器優(yōu)勢(shì)明顯，但由于相控陣天線工作環(huán)境復(fù)雜，環(huán)境載荷會(huì)導(dǎo)致MEMS移相器結(jié)構(gòu)變形，進(jìn)而直接降低整個(gè)相控陣天線的性能。為此，該文研究MEMS移相器關(guān)鍵結(jié)構(gòu)參數(shù)和電性能之間的耦合關(guān)系，將復(fù)雜環(huán)境要素對(duì)物理結(jié)構(gòu)的影響傳遞到結(jié)構(gòu)參數(shù)和電參數(shù)上，推導(dǎo)出分布式MEMS移相器的機(jī)電集成模型，并利用集成模型對(duì)變形MEMS移相器進(jìn)行電性能快速評(píng)估和結(jié)構(gòu)公差計(jì)算。仿真結(jié)果說明了集成模型的有效性和工程應(yīng)用價(jià)值。
移相器是控制相控陣天線空間波束捷變的方向盤，其性能的優(yōu)良決定著相控陣天線性能的高低。微機(jī)電系統(tǒng)(MEMS)移相器優(yōu)勢(shì)明顯，但由于相控陣天線工作環(huán)境復(fù)雜，環(huán)境載荷會(huì)導(dǎo)致MEMS移相器結(jié)構(gòu)變形，進(jìn)而直接降低整個(gè)相控陣天線的性能。為此，該文研究MEMS移相器關(guān)鍵結(jié)構(gòu)參數(shù)和電性能之間的耦合關(guān)系，將復(fù)雜環(huán)境要素對(duì)物理結(jié)構(gòu)的影響傳遞到結(jié)構(gòu)參數(shù)和電參數(shù)上，推導(dǎo)出分布式MEMS移相器的機(jī)電集成模型，并利用集成模型對(duì)變形MEMS移相器進(jìn)行電性能快速評(píng)估和結(jié)構(gòu)公差計(jì)算。仿真結(jié)果說明了集成模型的有效性和工程應(yīng)用價(jià)值。
2018, 40(6): 1492-1498.
doi: 10.11999/JEIT170900
摘要:
針對(duì)現(xiàn)有壓縮算法通過增加復(fù)雜度來降低壓縮率，獲得信息高效傳輸?shù)膯栴}。該文提出陣列配置加速比模型，證明低壓縮率不一定能提高傳輸效率，并找到影響信息傳輸效率的因子，即解壓模塊吞吐率和數(shù)據(jù)塊壓縮率。將影響因子與配置信息特征結(jié)合，設(shè)計(jì)了一種新的無損壓縮算法，并硬件實(shí)現(xiàn)了解壓模塊，吞吐率可達(dá)到16.1 Gbps。采用AES, A5-1和SM4對(duì)無損壓縮算法進(jìn)行測(cè)試，然后與主流無損壓縮算法LZW, Huffman, LPAQ1和Arithmetic對(duì)比。結(jié)果表明，整體壓縮率相當(dāng)，但該文壓縮算法產(chǎn)生的數(shù)據(jù)塊壓縮率經(jīng)過優(yōu)化，不僅能滿足加速需求，且具有高吞吐率的解壓性能；該文無損壓縮算法獲得的配置加速比，比硬件吞吐率理想情況下的LPAQl, Arithmetic, Huffman, LZW算法分別高8%, 9%, 10%, 22%左右。
針對(duì)現(xiàn)有壓縮算法通過增加復(fù)雜度來降低壓縮率，獲得信息高效傳輸?shù)膯栴}。該文提出陣列配置加速比模型，證明低壓縮率不一定能提高傳輸效率，并找到影響信息傳輸效率的因子，即解壓模塊吞吐率和數(shù)據(jù)塊壓縮率。將影響因子與配置信息特征結(jié)合，設(shè)計(jì)了一種新的無損壓縮算法，并硬件實(shí)現(xiàn)了解壓模塊，吞吐率可達(dá)到16.1 Gbps。采用AES, A5-1和SM4對(duì)無損壓縮算法進(jìn)行測(cè)試，然后與主流無損壓縮算法LZW, Huffman, LPAQ1和Arithmetic對(duì)比。結(jié)果表明，整體壓縮率相當(dāng)，但該文壓縮算法產(chǎn)生的數(shù)據(jù)塊壓縮率經(jīng)過優(yōu)化，不僅能滿足加速需求，且具有高吞吐率的解壓性能；該文無損壓縮算法獲得的配置加速比，比硬件吞吐率理想情況下的LPAQl, Arithmetic, Huffman, LZW算法分別高8%, 9%, 10%, 22%左右。
2018, 40(6): 1499-1504.
doi: 10.11999/JEIT170823
摘要:
基于平衡態(tài)非相干散射理論的GUISDAP程序包在擬合含有純?cè)鲩L(zhǎng)模式線的非相干散射功率譜及反演加熱擾動(dòng)電離層參量中存在嚴(yán)重誤差，該文提出一種以未加熱時(shí)刻的電離層參量為先驗(yàn)信息，利用最小二乘法搜尋最佳高斯峰描述純?cè)鲩L(zhǎng)模式線來修正實(shí)測(cè)非相干散射譜，并使用電子超高斯分布的非相干散射理論擬合修正后非相干散射譜來反演獲取加熱擾動(dòng)電子溫度的方法。通過將該方法用于分析2010年秋季我國(guó)在挪威開展的電離層加熱實(shí)驗(yàn)數(shù)據(jù)表明：利用該方法對(duì)含純?cè)鲩L(zhǎng)模式線的實(shí)測(cè)譜修正擬合后獲得的電子溫度比未加熱時(shí)刻提高約800 K左右，增幅比例約13%~50%，該結(jié)果與現(xiàn)有文獻(xiàn)報(bào)道的電離層加熱引起的電子溫度增幅范圍吻合較好。結(jié)論表明該方法適用于基于含純?cè)鲩L(zhǎng)模式線的非相干散射譜反演擾動(dòng)電離層參量。
基于平衡態(tài)非相干散射理論的GUISDAP程序包在擬合含有純?cè)鲩L(zhǎng)模式線的非相干散射功率譜及反演加熱擾動(dòng)電離層參量中存在嚴(yán)重誤差，該文提出一種以未加熱時(shí)刻的電離層參量為先驗(yàn)信息，利用最小二乘法搜尋最佳高斯峰描述純?cè)鲩L(zhǎng)模式線來修正實(shí)測(cè)非相干散射譜，并使用電子超高斯分布的非相干散射理論擬合修正后非相干散射譜來反演獲取加熱擾動(dòng)電子溫度的方法。通過將該方法用于分析2010年秋季我國(guó)在挪威開展的電離層加熱實(shí)驗(yàn)數(shù)據(jù)表明：利用該方法對(duì)含純?cè)鲩L(zhǎng)模式線的實(shí)測(cè)譜修正擬合后獲得的電子溫度比未加熱時(shí)刻提高約800 K左右，增幅比例約13%~50%，該結(jié)果與現(xiàn)有文獻(xiàn)報(bào)道的電離層加熱引起的電子溫度增幅范圍吻合較好。結(jié)論表明該方法適用于基于含純?cè)鲩L(zhǎng)模式線的非相干散射譜反演擾動(dòng)電離層參量。
2018, 40(6): 1505-1514.
doi: 10.11999/JEIT170945
摘要:
機(jī)載用頻設(shè)備的增加和截獲接收技術(shù)的發(fā)展，導(dǎo)致航空器在電子對(duì)抗中的生存能力受到嚴(yán)重威脅。該文闡述了射頻隱身的概念和基本原理，概括射頻隱身技術(shù)的研究現(xiàn)狀及主要矛盾。其次，重點(diǎn)以雷達(dá)射頻輻射模型為主線，歸納了功率控制、波形設(shè)計(jì)、環(huán)境利用等時(shí)域、空域、頻域、能量域的射頻隱身技術(shù)，總結(jié)射頻隱身領(lǐng)域的重要研究成果。最后，基于對(duì)已有算法和研究成果的分析，提出當(dāng)前研究中存在的射頻隱身技術(shù)局限性、評(píng)估指標(biāo)單一性等問題，預(yù)測(cè)了射頻隱身技術(shù)未來的研究方向。
機(jī)載用頻設(shè)備的增加和截獲接收技術(shù)的發(fā)展，導(dǎo)致航空器在電子對(duì)抗中的生存能力受到嚴(yán)重威脅。該文闡述了射頻隱身的概念和基本原理，概括射頻隱身技術(shù)的研究現(xiàn)狀及主要矛盾。其次，重點(diǎn)以雷達(dá)射頻輻射模型為主線，歸納了功率控制、波形設(shè)計(jì)、環(huán)境利用等時(shí)域、空域、頻域、能量域的射頻隱身技術(shù)，總結(jié)射頻隱身領(lǐng)域的重要研究成果。最后，基于對(duì)已有算法和研究成果的分析，提出當(dāng)前研究中存在的射頻隱身技術(shù)局限性、評(píng)估指標(biāo)單一性等問題，預(yù)測(cè)了射頻隱身技術(shù)未來的研究方向。
2018, 40(6): 1515-1519.
doi: 10.11999/JEIT170619
摘要:
該文從網(wǎng)絡(luò)安全集體防御機(jī)制及其同步分析入手，引入不確定性因子，建立了網(wǎng)絡(luò)行動(dòng)同步的改進(jìn)模型。在此基礎(chǔ)上，運(yùn)用Lyapunov函數(shù)分析了網(wǎng)絡(luò)行動(dòng)同步的穩(wěn)定性，提出同步判據(jù)，重點(diǎn)分析了系統(tǒng)的邊連接概率、網(wǎng)絡(luò)規(guī)模、備用節(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)不確定性概率等對(duì)同步能力及穩(wěn)定性的影響，最后給出了仿真驗(yàn)證。理論分析和仿真實(shí)驗(yàn)表明，系統(tǒng)的邊連接概率、網(wǎng)絡(luò)規(guī)模、備用節(jié)點(diǎn)數(shù)概率與第2大特征值、最小特征值與第2大特征值之比均呈負(fù)相關(guān)關(guān)系，與網(wǎng)絡(luò)安全集體防御行動(dòng)的全局同步穩(wěn)定和局部同步穩(wěn)定呈負(fù)相關(guān)關(guān)系。
該文從網(wǎng)絡(luò)安全集體防御機(jī)制及其同步分析入手，引入不確定性因子，建立了網(wǎng)絡(luò)行動(dòng)同步的改進(jìn)模型。在此基礎(chǔ)上，運(yùn)用Lyapunov函數(shù)分析了網(wǎng)絡(luò)行動(dòng)同步的穩(wěn)定性，提出同步判據(jù)，重點(diǎn)分析了系統(tǒng)的邊連接概率、網(wǎng)絡(luò)規(guī)模、備用節(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)不確定性概率等對(duì)同步能力及穩(wěn)定性的影響，最后給出了仿真驗(yàn)證。理論分析和仿真實(shí)驗(yàn)表明，系統(tǒng)的邊連接概率、網(wǎng)絡(luò)規(guī)模、備用節(jié)點(diǎn)數(shù)概率與第2大特征值、最小特征值與第2大特征值之比均呈負(fù)相關(guān)關(guān)系，與網(wǎng)絡(luò)安全集體防御行動(dòng)的全局同步穩(wěn)定和局部同步穩(wěn)定呈負(fù)相關(guān)關(guān)系。
2018, 40(6): 1520-1524.
doi: 10.11999/JEIT170748
摘要:
目前針對(duì)粗粒度可重構(gòu)結(jié)構(gòu)循環(huán)映射的研究主要集中在操作布局和臨時(shí)數(shù)據(jù)路由，缺乏考慮數(shù)據(jù)映射的研究，該文提出一種基于存儲(chǔ)劃分和路徑重用的模調(diào)度映射流程。首先進(jìn)行細(xì)粒度的存儲(chǔ)劃分找到合適的數(shù)據(jù)映射，提高數(shù)據(jù)存取的并行性，再用模調(diào)度尋找操作布局和臨時(shí)數(shù)據(jù)路由，最后利用構(gòu)建的路由開銷模型平衡存儲(chǔ)器路由和處理單元路由的使用，引入路徑重用策略優(yōu)化路由資源。實(shí)驗(yàn)結(jié)果表明，該方法在循環(huán)的啟動(dòng)間隔、每周期指令數(shù)和執(zhí)行延遲等方面均具有良好的性能。
目前針對(duì)粗粒度可重構(gòu)結(jié)構(gòu)循環(huán)映射的研究主要集中在操作布局和臨時(shí)數(shù)據(jù)路由，缺乏考慮數(shù)據(jù)映射的研究，該文提出一種基于存儲(chǔ)劃分和路徑重用的模調(diào)度映射流程。首先進(jìn)行細(xì)粒度的存儲(chǔ)劃分找到合適的數(shù)據(jù)映射，提高數(shù)據(jù)存取的并行性，再用模調(diào)度尋找操作布局和臨時(shí)數(shù)據(jù)路由，最后利用構(gòu)建的路由開銷模型平衡存儲(chǔ)器路由和處理單元路由的使用，引入路徑重用策略優(yōu)化路由資源。實(shí)驗(yàn)結(jié)果表明，該方法在循環(huán)的啟動(dòng)間隔、每周期指令數(shù)和執(zhí)行延遲等方面均具有良好的性能。
