郵件訂閱
2019年 第41卷 第11期
顯示方式:
2019, 41(11): 2541-2548.
doi: 10.11999/JEIT181136
摘要:
該文對(duì)在接收端使用混合精度的模數(shù)轉(zhuǎn)換器且采用迫零接收算法的大規(guī)模MIMO-OFDM系統(tǒng)的上行鏈路的頻譜效率和能量效率進(jìn)行了研究。采用加性量化噪聲模型來對(duì)系統(tǒng)的性能進(jìn)行分析，推導(dǎo)出整個(gè)系統(tǒng)的頻譜效率和能量效率的近似閉式表達(dá)式，并通過仿真證明了表達(dá)式的正確性。研究結(jié)果表明，系統(tǒng)的頻譜效率和每個(gè)用戶的發(fā)送功率，接收端天線數(shù)目和接收端量化精度有關(guān)。數(shù)值和仿真結(jié)果還表明可以通過增加基站端的天線數(shù)量來補(bǔ)償由低精度模數(shù)轉(zhuǎn)換器帶來的性能損失。
該文對(duì)在接收端使用混合精度的模數(shù)轉(zhuǎn)換器且采用迫零接收算法的大規(guī)模MIMO-OFDM系統(tǒng)的上行鏈路的頻譜效率和能量效率進(jìn)行了研究。采用加性量化噪聲模型來對(duì)系統(tǒng)的性能進(jìn)行分析，推導(dǎo)出整個(gè)系統(tǒng)的頻譜效率和能量效率的近似閉式表達(dá)式，并通過仿真證明了表達(dá)式的正確性。研究結(jié)果表明，系統(tǒng)的頻譜效率和每個(gè)用戶的發(fā)送功率，接收端天線數(shù)目和接收端量化精度有關(guān)。數(shù)值和仿真結(jié)果還表明可以通過增加基站端的天線數(shù)量來補(bǔ)償由低精度模數(shù)轉(zhuǎn)換器帶來的性能損失。
2019, 41(11): 2549-2556.
doi: 10.11999/JEIT190128
摘要:
針對(duì)機(jī)器類通信(MTC)應(yīng)用場(chǎng)景的業(yè)務(wù)特征和服務(wù)質(zhì)量(QoS)要求，該文考慮基于非正交多址(NOMA)的MTC中短分組/短編碼塊傳輸，探討MTC中基于NOMA的高可靠低遲延無線資源優(yōu)化問題。首先，上行傳輸是基于NOMA的MTC通信的瓶頸，考慮無線蜂窩網(wǎng)絡(luò)中支持NOMA和高可靠低遲延性能要求，該文建立了上行無線資源優(yōu)化的系統(tǒng)模型；然后，分析上行傳輸遲延，導(dǎo)出基于距離的鏈路可靠性函數(shù)；進(jìn)一步，以遲延、可靠性和帶寬為約束下條件，提出一種最大化中心用戶和速率的無線資源分配算法，并給出算法的收斂性證明和復(fù)雜度分析；最后，實(shí)驗(yàn)仿真驗(yàn)證了所提算法的性能優(yōu)勢(shì)。
針對(duì)機(jī)器類通信(MTC)應(yīng)用場(chǎng)景的業(yè)務(wù)特征和服務(wù)質(zhì)量(QoS)要求，該文考慮基于非正交多址(NOMA)的MTC中短分組/短編碼塊傳輸，探討MTC中基于NOMA的高可靠低遲延無線資源優(yōu)化問題。首先，上行傳輸是基于NOMA的MTC通信的瓶頸，考慮無線蜂窩網(wǎng)絡(luò)中支持NOMA和高可靠低遲延性能要求，該文建立了上行無線資源優(yōu)化的系統(tǒng)模型；然后，分析上行傳輸遲延，導(dǎo)出基于距離的鏈路可靠性函數(shù)；進(jìn)一步，以遲延、可靠性和帶寬為約束下條件，提出一種最大化中心用戶和速率的無線資源分配算法，并給出算法的收斂性證明和復(fù)雜度分析；最后，實(shí)驗(yàn)仿真驗(yàn)證了所提算法的性能優(yōu)勢(shì)。
2019, 41(11): 2557-2564.
doi: 10.11999/JEIT181191
摘要:
該文研究macro-femto異構(gòu)蜂窩網(wǎng)絡(luò)中移動(dòng)用戶的功率控制問題，首先建立了以最小接收信號(hào)信干噪比為約束條件，最大化毫微微小區(qū)的總能效為目標(biāo)的優(yōu)化模型；然后提出了基于Q-Learning算法的毫微微小區(qū)集中式功率控制(PCQL)算法，該算法基于強(qiáng)化學(xué)習(xí)，能在沒有準(zhǔn)確信道狀態(tài)信息的情況下，實(shí)現(xiàn)對(duì)小區(qū)內(nèi)所有用戶終端的發(fā)射功率統(tǒng)一調(diào)整。仿真結(jié)果表明該算法能實(shí)現(xiàn)對(duì)用戶終端的功率有效控制，提升系統(tǒng)能效。
該文研究macro-femto異構(gòu)蜂窩網(wǎng)絡(luò)中移動(dòng)用戶的功率控制問題，首先建立了以最小接收信號(hào)信干噪比為約束條件，最大化毫微微小區(qū)的總能效為目標(biāo)的優(yōu)化模型；然后提出了基于Q-Learning算法的毫微微小區(qū)集中式功率控制(PCQL)算法，該算法基于強(qiáng)化學(xué)習(xí)，能在沒有準(zhǔn)確信道狀態(tài)信息的情況下，實(shí)現(xiàn)對(duì)小區(qū)內(nèi)所有用戶終端的發(fā)射功率統(tǒng)一調(diào)整。仿真結(jié)果表明該算法能實(shí)現(xiàn)對(duì)用戶終端的功率有效控制，提升系統(tǒng)能效。
2019, 41(11): 2565-2570.
doi: 10.11999/JEIT180408
摘要:
針對(duì)蜂窩網(wǎng)絡(luò)傳輸性能及基站(BS)緩存能力受限，多用戶內(nèi)容請(qǐng)求難以滿足用戶服務(wù)質(zhì)量(QoS)需求等問題，該文提出一種蜂窩終端直通(D2D)通信聯(lián)合用戶關(guān)聯(lián)及內(nèi)容部署算法?？紤]到位于特定區(qū)域的多用戶可能對(duì)于相同內(nèi)容存在內(nèi)容請(qǐng)求，該文引入成簇思想，提出一種成簇及內(nèi)容部署機(jī)制，通過為各簇頭推送熱點(diǎn)內(nèi)容，而簇成員基于D2D通信模式關(guān)聯(lián)簇頭獲取所需內(nèi)容，可實(shí)現(xiàn)高效內(nèi)容獲取。綜合考慮成簇?cái)?shù)量、用戶關(guān)聯(lián)簇頭、簇頭緩存容量及傳輸速率等限制條件，建立基于用戶總業(yè)務(wù)時(shí)延最小化的聯(lián)合成簇及內(nèi)容部署優(yōu)化模型。該優(yōu)化問題是一個(gè)非凸的混合整數(shù)優(yōu)化問題，該文運(yùn)用拉格朗日部分松弛法，將原優(yōu)化問題等價(jià)轉(zhuǎn)換為3個(gè)凸優(yōu)化的子問題，并基于迭代算法及Kuhn-Munkres算法聯(lián)合求解各子問題，從而得到聯(lián)合成簇及內(nèi)容部署優(yōu)化策略。最后通過MATLAB仿真驗(yàn)證所提算法的有效性。
針對(duì)蜂窩網(wǎng)絡(luò)傳輸性能及基站(BS)緩存能力受限，多用戶內(nèi)容請(qǐng)求難以滿足用戶服務(wù)質(zhì)量(QoS)需求等問題，該文提出一種蜂窩終端直通(D2D)通信聯(lián)合用戶關(guān)聯(lián)及內(nèi)容部署算法?？紤]到位于特定區(qū)域的多用戶可能對(duì)于相同內(nèi)容存在內(nèi)容請(qǐng)求，該文引入成簇思想，提出一種成簇及內(nèi)容部署機(jī)制，通過為各簇頭推送熱點(diǎn)內(nèi)容，而簇成員基于D2D通信模式關(guān)聯(lián)簇頭獲取所需內(nèi)容，可實(shí)現(xiàn)高效內(nèi)容獲取。綜合考慮成簇?cái)?shù)量、用戶關(guān)聯(lián)簇頭、簇頭緩存容量及傳輸速率等限制條件，建立基于用戶總業(yè)務(wù)時(shí)延最小化的聯(lián)合成簇及內(nèi)容部署優(yōu)化模型。該優(yōu)化問題是一個(gè)非凸的混合整數(shù)優(yōu)化問題，該文運(yùn)用拉格朗日部分松弛法，將原優(yōu)化問題等價(jià)轉(zhuǎn)換為3個(gè)凸優(yōu)化的子問題，并基于迭代算法及Kuhn-Munkres算法聯(lián)合求解各子問題，從而得到聯(lián)合成簇及內(nèi)容部署優(yōu)化策略。最后通過MATLAB仿真驗(yàn)證所提算法的有效性。
2019, 41(11): 2571-2577.
doi: 10.11999/JEIT180937
摘要:
為了提高無色無向無沖突靈活的可重構(gòu)光分插復(fù)用器(CDC-F ROADM)節(jié)點(diǎn)的彈性光網(wǎng)絡(luò)IP組播頻譜-能耗效率，該文提出一種全光組播能效調(diào)度算法(AMEESA)。在算法路由階段，考慮能耗和鏈路頻譜資源使用情況設(shè)計(jì)鏈路代價(jià)函數(shù)，構(gòu)建最小代價(jià)光樹算法組播光樹。在頻譜分配階段，設(shè)計(jì)基于高效光譜分辨率(HSR)光樹中間節(jié)點(diǎn)頻譜轉(zhuǎn)換方法，選擇節(jié)能頻譜轉(zhuǎn)換方案為組播光樹分配頻譜塊資源。仿真分析表明，所提算法能有效提升網(wǎng)絡(luò)能效，降低IP組播帶寬阻塞率。
為了提高無色無向無沖突靈活的可重構(gòu)光分插復(fù)用器(CDC-F ROADM)節(jié)點(diǎn)的彈性光網(wǎng)絡(luò)IP組播頻譜-能耗效率，該文提出一種全光組播能效調(diào)度算法(AMEESA)。在算法路由階段，考慮能耗和鏈路頻譜資源使用情況設(shè)計(jì)鏈路代價(jià)函數(shù)，構(gòu)建最小代價(jià)光樹算法組播光樹。在頻譜分配階段，設(shè)計(jì)基于高效光譜分辨率(HSR)光樹中間節(jié)點(diǎn)頻譜轉(zhuǎn)換方法，選擇節(jié)能頻譜轉(zhuǎn)換方案為組播光樹分配頻譜塊資源。仿真分析表明，所提算法能有效提升網(wǎng)絡(luò)能效，降低IP組播帶寬阻塞率。
2019, 41(11): 2578-2584.
doi: 10.11999/JEIT190037
摘要:
為減少卷積神經(jīng)網(wǎng)絡(luò)(CNN)的計(jì)算量，該文將2維快速濾波算法引入到卷積神經(jīng)網(wǎng)絡(luò)，并提出一種在FPGA上實(shí)現(xiàn)CNN逐層加速的硬件架構(gòu)。首先，采用循環(huán)變換方法設(shè)計(jì)行緩存循環(huán)控制單元，用于有效地管理不同卷積窗口以及不同層之間的輸入特征圖數(shù)據(jù)，并通過標(biāo)志信號(hào)啟動(dòng)卷積計(jì)算加速單元來實(shí)現(xiàn)逐層加速；其次，設(shè)計(jì)了基于4并行快速濾波算法的卷積計(jì)算加速單元，該單元采用若干小濾波器組成的復(fù)雜度較低的并行濾波結(jié)構(gòu)來實(shí)現(xiàn)。利用手寫數(shù)字集MNIST對(duì)所設(shè)計(jì)的CNN加速器電路進(jìn)行測(cè)試，結(jié)果表明：在xilinx kintex7平臺(tái)上，輸入時(shí)鐘為100 MHz時(shí)，電路的計(jì)算性能達(dá)到了20.49 GOPS，識(shí)別率為98.68%?？梢娡ㄟ^減少CNN的計(jì)算量，能夠提高電路的計(jì)算性能。
為減少卷積神經(jīng)網(wǎng)絡(luò)(CNN)的計(jì)算量，該文將2維快速濾波算法引入到卷積神經(jīng)網(wǎng)絡(luò)，并提出一種在FPGA上實(shí)現(xiàn)CNN逐層加速的硬件架構(gòu)。首先，采用循環(huán)變換方法設(shè)計(jì)行緩存循環(huán)控制單元，用于有效地管理不同卷積窗口以及不同層之間的輸入特征圖數(shù)據(jù)，并通過標(biāo)志信號(hào)啟動(dòng)卷積計(jì)算加速單元來實(shí)現(xiàn)逐層加速；其次，設(shè)計(jì)了基于4并行快速濾波算法的卷積計(jì)算加速單元，該單元采用若干小濾波器組成的復(fù)雜度較低的并行濾波結(jié)構(gòu)來實(shí)現(xiàn)。利用手寫數(shù)字集MNIST對(duì)所設(shè)計(jì)的CNN加速器電路進(jìn)行測(cè)試，結(jié)果表明：在xilinx kintex7平臺(tái)上，輸入時(shí)鐘為100 MHz時(shí)，電路的計(jì)算性能達(dá)到了20.49 GOPS，識(shí)別率為98.68%?？梢娡ㄟ^減少CNN的計(jì)算量，能夠提高電路的計(jì)算性能。
2019, 41(11): 2585-2591.
doi: 10.11999/JEIT190143
摘要:
碼流生成在FPGA電子設(shè)計(jì)自動(dòng)化(EDA)流程中，提供應(yīng)用電路在芯片上物理實(shí)現(xiàn)所需的精準(zhǔn)配置信息?，F(xiàn)代FPGA的發(fā)展一方面呈現(xiàn)出器件規(guī)模及碼流容量越來越大的趨勢(shì)，另一方面越來越多可變陣列大小的嵌入式應(yīng)用(例如eFPGA)又要求碼流生成器具備更高的配置效率以及更精簡(jiǎn)的可重構(gòu)數(shù)據(jù)庫(kù)。針對(duì)碼流生成時(shí)間增加的問題和陣列規(guī)模任意縮放的需求，該文提出一種模式匹配和層次映射的碼流生成方法，即對(duì)編程單元按配置模式進(jìn)行分類建模，在配置時(shí)按模型進(jìn)行調(diào)用匹配，并采用了層次化的碼流映射策略，使得數(shù)據(jù)庫(kù)可隨陣列排布調(diào)整動(dòng)態(tài)生成。該方法可有效應(yīng)對(duì)FPGA嵌入式應(yīng)用中碼流容量的增大以及陣列規(guī)?？勺兯鶐淼奶魬?zhàn)，同時(shí)相比平面化的建模及映射方法，碼流配置的時(shí)間復(fù)雜度由O(n)降低為O(lgn)。
碼流生成在FPGA電子設(shè)計(jì)自動(dòng)化(EDA)流程中，提供應(yīng)用電路在芯片上物理實(shí)現(xiàn)所需的精準(zhǔn)配置信息?，F(xiàn)代FPGA的發(fā)展一方面呈現(xiàn)出器件規(guī)模及碼流容量越來越大的趨勢(shì)，另一方面越來越多可變陣列大小的嵌入式應(yīng)用(例如eFPGA)又要求碼流生成器具備更高的配置效率以及更精簡(jiǎn)的可重構(gòu)數(shù)據(jù)庫(kù)。針對(duì)碼流生成時(shí)間增加的問題和陣列規(guī)模任意縮放的需求，該文提出一種模式匹配和層次映射的碼流生成方法，即對(duì)編程單元按配置模式進(jìn)行分類建模，在配置時(shí)按模型進(jìn)行調(diào)用匹配，并采用了層次化的碼流映射策略，使得數(shù)據(jù)庫(kù)可隨陣列排布調(diào)整動(dòng)態(tài)生成。該方法可有效應(yīng)對(duì)FPGA嵌入式應(yīng)用中碼流容量的增大以及陣列規(guī)?？勺兯鶐淼奶魬?zhàn)，同時(shí)相比平面化的建模及映射方法，碼流配置的時(shí)間復(fù)雜度由O(n)降低為O(lgn)。
2019, 41(11): 2592-2598.
doi: 10.11999/JEIT181060
摘要:
為了改善負(fù)載跳變對(duì)低壓差線性穩(wěn)壓器(LDO)的影響，該文提出一種用于無片外電容LDO(CL-LDO)的新型快速響應(yīng)技術(shù)。通過增加一條額外的快速通路，實(shí)現(xiàn)CL-LDO的快速瞬態(tài)響應(yīng)，并且能夠減小LDO輸出過沖和下沖的幅度。該文電路基于0.18 μm CMOS工藝設(shè)計(jì)實(shí)現(xiàn)，面積為0.00529 mm2。流片測(cè)試結(jié)果表明，當(dāng)輸入電壓范圍為1.5～2.5 V時(shí)，輸出電壓為1.194 V；當(dāng)負(fù)載電流以 1 μs的上升時(shí)間和下降時(shí)間在 100 μA～10 mA之間變化時(shí)，CL-LDO的過沖恢復(fù)時(shí)間為489.537 ns，下沖恢復(fù)為960.918 ns；相比未采用該技術(shù)的傳統(tǒng)CL-LDO，響應(yīng)速度能夠提高7.41倍，輸出過沖和下沖的電壓幅值能夠分別下降35.3%和78.1%。
為了改善負(fù)載跳變對(duì)低壓差線性穩(wěn)壓器(LDO)的影響，該文提出一種用于無片外電容LDO(CL-LDO)的新型快速響應(yīng)技術(shù)。通過增加一條額外的快速通路，實(shí)現(xiàn)CL-LDO的快速瞬態(tài)響應(yīng)，并且能夠減小LDO輸出過沖和下沖的幅度。該文電路基于0.18 μm CMOS工藝設(shè)計(jì)實(shí)現(xiàn)，面積為0.00529 mm2。流片測(cè)試結(jié)果表明，當(dāng)輸入電壓范圍為1.5～2.5 V時(shí)，輸出電壓為1.194 V；當(dāng)負(fù)載電流以 1 μs的上升時(shí)間和下降時(shí)間在 100 μA～10 mA之間變化時(shí)，CL-LDO的過沖恢復(fù)時(shí)間為489.537 ns，下沖恢復(fù)為960.918 ns；相比未采用該技術(shù)的傳統(tǒng)CL-LDO，響應(yīng)速度能夠提高7.41倍，輸出過沖和下沖的電壓幅值能夠分別下降35.3%和78.1%。
2019, 41(11): 2599-2605.
doi: 10.11999/JEIT190058
摘要:
針對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)計(jì)算量大、計(jì)算時(shí)間長(zhǎng)的問題，該文提出一種基于現(xiàn)場(chǎng)可編程邏輯門陣列(FPGA)的卷積神經(jīng)網(wǎng)絡(luò)硬件加速器。首先通過深入分析卷積層的前向運(yùn)算原理和探索卷積層運(yùn)算的并行性，設(shè)計(jì)了一種輸入通道并行、輸出通道并行以及卷積窗口深度流水的硬件架構(gòu)。然后在上述架構(gòu)中設(shè)計(jì)了全并行乘法-加法樹模塊來加速卷積運(yùn)算和高效的窗口緩存模塊來實(shí)現(xiàn)卷積窗口的流水線操作。最后實(shí)驗(yàn)結(jié)果表明，該文提出的加速器能效比達(dá)到32.73 GOPS/W，比現(xiàn)有的解決方案高了34%，同時(shí)性能達(dá)到了317.86 GOPS。
針對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)計(jì)算量大、計(jì)算時(shí)間長(zhǎng)的問題，該文提出一種基于現(xiàn)場(chǎng)可編程邏輯門陣列(FPGA)的卷積神經(jīng)網(wǎng)絡(luò)硬件加速器。首先通過深入分析卷積層的前向運(yùn)算原理和探索卷積層運(yùn)算的并行性，設(shè)計(jì)了一種輸入通道并行、輸出通道并行以及卷積窗口深度流水的硬件架構(gòu)。然后在上述架構(gòu)中設(shè)計(jì)了全并行乘法-加法樹模塊來加速卷積運(yùn)算和高效的窗口緩存模塊來實(shí)現(xiàn)卷積窗口的流水線操作。最后實(shí)驗(yàn)結(jié)果表明，該文提出的加速器能效比達(dá)到32.73 GOPS/W，比現(xiàn)有的解決方案高了34%，同時(shí)性能達(dá)到了317.86 GOPS。
2019, 41(11): 2606-2613.
doi: 10.11999/JEIT181156
摘要:
為了適應(yīng)新型通信技術(shù)發(fā)展，該文提出了一種高形狀因子、可編程的微波光子濾波器集成芯片。該濾波器芯片采用絕緣體上硅材料(SOI)，利用有限沖擊響應(yīng)原理，通過調(diào)節(jié)各支路上的熱光調(diào)制器，可以實(shí)現(xiàn)帶寬可調(diào)、形狀因子大于0.55的濾波曲線，以及中心頻率可調(diào)、帶寬可調(diào)和濾波形狀可變3種不同濾波功能。該濾波器尺寸小、重量輕、靈活性高，能適用于大帶寬信號(hào)處理，并能提供一種理想的信道劃分方式，可廣泛應(yīng)用于國(guó)防領(lǐng)域和5G網(wǎng)絡(luò)中。
為了適應(yīng)新型通信技術(shù)發(fā)展，該文提出了一種高形狀因子、可編程的微波光子濾波器集成芯片。該濾波器芯片采用絕緣體上硅材料(SOI)，利用有限沖擊響應(yīng)原理，通過調(diào)節(jié)各支路上的熱光調(diào)制器，可以實(shí)現(xiàn)帶寬可調(diào)、形狀因子大于0.55的濾波曲線，以及中心頻率可調(diào)、帶寬可調(diào)和濾波形狀可變3種不同濾波功能。該濾波器尺寸小、重量輕、靈活性高，能適用于大帶寬信號(hào)處理，并能提供一種理想的信道劃分方式，可廣泛應(yīng)用于國(guó)防領(lǐng)域和5G網(wǎng)絡(luò)中。
2019, 41(11): 2614-2622.
doi: 10.11999/JEIT181190
摘要:
作為通信與勘探中廣泛使用的一類信號(hào)，線性調(diào)頻信號(hào)的參數(shù)分析經(jīng)常采用基于Wigner-Ville分布(WVD)的時(shí)頻分析方法。該方法具有高時(shí)頻分辨率，但在交叉項(xiàng)、高副瓣以及頻譜混疊問題上存在缺陷。該文提出一種名為空間變跡重排Wigner-Ville分布(SVA-rWVD)的時(shí)頻分析方法，結(jié)合空間變跡技術(shù)(SVA)的副瓣抑制能力及短時(shí)傅里葉變換(STFT)的無混疊無交叉項(xiàng)特性，得到一個(gè)新的時(shí)頻分布。基于單分量和多分量線性調(diào)頻信號(hào)的仿真實(shí)驗(yàn)結(jié)果表明，該方法得到的時(shí)頻分布可以降低副瓣水平至–40 dB以下同時(shí)消除交叉項(xiàng)及頻譜混疊現(xiàn)象。
作為通信與勘探中廣泛使用的一類信號(hào)，線性調(diào)頻信號(hào)的參數(shù)分析經(jīng)常采用基于Wigner-Ville分布(WVD)的時(shí)頻分析方法。該方法具有高時(shí)頻分辨率，但在交叉項(xiàng)、高副瓣以及頻譜混疊問題上存在缺陷。該文提出一種名為空間變跡重排Wigner-Ville分布(SVA-rWVD)的時(shí)頻分析方法，結(jié)合空間變跡技術(shù)(SVA)的副瓣抑制能力及短時(shí)傅里葉變換(STFT)的無混疊無交叉項(xiàng)特性，得到一個(gè)新的時(shí)頻分布。基于單分量和多分量線性調(diào)頻信號(hào)的仿真實(shí)驗(yàn)結(jié)果表明，該方法得到的時(shí)頻分布可以降低副瓣水平至–40 dB以下同時(shí)消除交叉項(xiàng)及頻譜混疊現(xiàn)象。
2019, 41(11): 2623-2631.
doi: 10.11999/JEIT190026
摘要:
致密焦面陣列饋源(DFPAF)融合了多喇叭多波束饋源和相控陣列饋源(PAF)的特點(diǎn)，與多喇叭多波束饋源和常規(guī)相控陣列饋源相比較，它可以同時(shí)提供更多的固定賦形波束進(jìn)一步拓寬視場(chǎng)。在射電天文、雷達(dá)、電子偵察和衛(wèi)星通信等領(lǐng)域引起了極大的關(guān)注。由于其陣列結(jié)構(gòu)與常規(guī)陣列饋源不同，導(dǎo)致設(shè)計(jì)方法也具有特殊性，因此近年來展開了對(duì)其設(shè)計(jì)方法的研究。該文充分利用反射面天線的固有特性，并結(jié)合陣列天線理論，提出一種可以快速、穩(wěn)健地設(shè)計(jì)致密焦面陣列饋源的方法，給出了設(shè)計(jì)原理和設(shè)計(jì)結(jié)果，并和最具代表性的多喇叭多波束饋源進(jìn)行了性能對(duì)比分析，為設(shè)計(jì)致密焦面陣列饋電的大型反射面提供理論和數(shù)據(jù)參考。
致密焦面陣列饋源(DFPAF)融合了多喇叭多波束饋源和相控陣列饋源(PAF)的特點(diǎn)，與多喇叭多波束饋源和常規(guī)相控陣列饋源相比較，它可以同時(shí)提供更多的固定賦形波束進(jìn)一步拓寬視場(chǎng)。在射電天文、雷達(dá)、電子偵察和衛(wèi)星通信等領(lǐng)域引起了極大的關(guān)注。由于其陣列結(jié)構(gòu)與常規(guī)陣列饋源不同，導(dǎo)致設(shè)計(jì)方法也具有特殊性，因此近年來展開了對(duì)其設(shè)計(jì)方法的研究。該文充分利用反射面天線的固有特性，并結(jié)合陣列天線理論，提出一種可以快速、穩(wěn)健地設(shè)計(jì)致密焦面陣列饋源的方法，給出了設(shè)計(jì)原理和設(shè)計(jì)結(jié)果，并和最具代表性的多喇叭多波束饋源進(jìn)行了性能對(duì)比分析，為設(shè)計(jì)致密焦面陣列饋電的大型反射面提供理論和數(shù)據(jù)參考。
2019, 41(11): 2632-2638.
doi: 10.11999/JEIT181067
摘要:
1維綜合孔徑微波輻射計(jì)通常會(huì)采用 G 矩陣模型法來實(shí)現(xiàn)亮溫圖像的重建。對(duì)于1維輻射計(jì)系統(tǒng)，成像過程主要包含：輻射計(jì)儀器觀測(cè)2維全視場(chǎng)的目標(biāo)場(chǎng)景亮溫，得到1維的可見度函數(shù)采樣值，再通過對(duì)系統(tǒng)參數(shù)矩陣 G 求逆來實(shí)現(xiàn)目標(biāo)場(chǎng)景的1維圖像重建。由于1維輻射計(jì)系統(tǒng)的采樣基線只分布在空間頻率域的1個(gè)維度上，所以在圖像重建過程中，需要實(shí)現(xiàn)矩陣 G 從2維到1維的轉(zhuǎn)換。對(duì)此，該文提出了兩種適用于1維綜合孔徑微波輻射計(jì)成像的 G 矩陣修正方法。并針對(duì)目前已經(jīng)完成的8單元輻射計(jì)地面樣機(jī)系統(tǒng)和目前正在研制的10單元鹽度計(jì)樣機(jī)系統(tǒng)，通過理論分析和仿真實(shí)驗(yàn)，驗(yàn)證了 G 矩陣修正法對(duì)1維綜合孔徑微波輻射計(jì)成像結(jié)果的改善效果，以及對(duì)天線方向圖旁瓣惡化所引入成像誤差的有效抑制。
1維綜合孔徑微波輻射計(jì)通常會(huì)采用 G 矩陣模型法來實(shí)現(xiàn)亮溫圖像的重建。對(duì)于1維輻射計(jì)系統(tǒng)，成像過程主要包含：輻射計(jì)儀器觀測(cè)2維全視場(chǎng)的目標(biāo)場(chǎng)景亮溫，得到1維的可見度函數(shù)采樣值，再通過對(duì)系統(tǒng)參數(shù)矩陣 G 求逆來實(shí)現(xiàn)目標(biāo)場(chǎng)景的1維圖像重建。由于1維輻射計(jì)系統(tǒng)的采樣基線只分布在空間頻率域的1個(gè)維度上，所以在圖像重建過程中，需要實(shí)現(xiàn)矩陣 G 從2維到1維的轉(zhuǎn)換。對(duì)此，該文提出了兩種適用于1維綜合孔徑微波輻射計(jì)成像的 G 矩陣修正方法。并針對(duì)目前已經(jīng)完成的8單元輻射計(jì)地面樣機(jī)系統(tǒng)和目前正在研制的10單元鹽度計(jì)樣機(jī)系統(tǒng)，通過理論分析和仿真實(shí)驗(yàn)，驗(yàn)證了 G 矩陣修正法對(duì)1維綜合孔徑微波輻射計(jì)成像結(jié)果的改善效果，以及對(duì)天線方向圖旁瓣惡化所引入成像誤差的有效抑制。
2019, 41(11): 2639-2645.
doi: 10.11999/JEIT190010
摘要:
轉(zhuǎn)發(fā)式密集假目標(biāo)干擾通過在距離維上產(chǎn)生多個(gè)虛假目標(biāo)，擾亂雷達(dá)對(duì)真實(shí)目標(biāo)的檢測(cè)與識(shí)別。由于虛假回波信號(hào)與真實(shí)信號(hào)高度相關(guān)，雷達(dá)很難對(duì)其進(jìn)行有效識(shí)別和抑制。而捷變頻雷達(dá)通過隨機(jī)改變發(fā)射相鄰脈沖的載頻，大大提高了雷達(dá)的低截獲和抗干擾能力。但是捷變頻雷達(dá)不能完全消除干擾，部分目標(biāo)回波脈沖可能被干擾淹沒，無法很好地完成相參積累和目標(biāo)檢測(cè)。針對(duì)上述問題，該文提出捷變頻聯(lián)合Hough變換的抗干擾方法，首先利用脈間頻率捷變技術(shù)規(guī)避大部分窄帶瞄準(zhǔn)和欺騙式干擾；然后針對(duì)干擾信號(hào)時(shí)間上的不連續(xù)特性，通過Hough變換和峰值提取進(jìn)行干擾識(shí)別與抑制；最終，針對(duì)捷變頻與傳統(tǒng)動(dòng)目標(biāo)檢測(cè)(MTD)不兼容問題，通過稀疏重構(gòu)完成目標(biāo)的檢測(cè)。仿真與實(shí)際雷達(dá)和干擾機(jī)對(duì)抗實(shí)驗(yàn)表明，該方法可以獲得良好的抗干擾性能和目標(biāo)檢測(cè)性能。
轉(zhuǎn)發(fā)式密集假目標(biāo)干擾通過在距離維上產(chǎn)生多個(gè)虛假目標(biāo)，擾亂雷達(dá)對(duì)真實(shí)目標(biāo)的檢測(cè)與識(shí)別。由于虛假回波信號(hào)與真實(shí)信號(hào)高度相關(guān)，雷達(dá)很難對(duì)其進(jìn)行有效識(shí)別和抑制。而捷變頻雷達(dá)通過隨機(jī)改變發(fā)射相鄰脈沖的載頻，大大提高了雷達(dá)的低截獲和抗干擾能力。但是捷變頻雷達(dá)不能完全消除干擾，部分目標(biāo)回波脈沖可能被干擾淹沒，無法很好地完成相參積累和目標(biāo)檢測(cè)。針對(duì)上述問題，該文提出捷變頻聯(lián)合Hough變換的抗干擾方法，首先利用脈間頻率捷變技術(shù)規(guī)避大部分窄帶瞄準(zhǔn)和欺騙式干擾；然后針對(duì)干擾信號(hào)時(shí)間上的不連續(xù)特性，通過Hough變換和峰值提取進(jìn)行干擾識(shí)別與抑制；最終，針對(duì)捷變頻與傳統(tǒng)動(dòng)目標(biāo)檢測(cè)(MTD)不兼容問題，通過稀疏重構(gòu)完成目標(biāo)的檢測(cè)。仿真與實(shí)際雷達(dá)和干擾機(jī)對(duì)抗實(shí)驗(yàn)表明，該方法可以獲得良好的抗干擾性能和目標(biāo)檢測(cè)性能。
2019, 41(11): 2646-2653.
doi: 10.11999/JEIT180912
摘要:
短脈沖非相參雷達(dá)(NCSP)的輻射源輸出微波脈沖持續(xù)時(shí)間短，針對(duì)于高速運(yùn)動(dòng)目標(biāo)而言，其脈沖持續(xù)時(shí)間內(nèi)的目標(biāo)運(yùn)動(dòng)可忽略不計(jì)，對(duì)回波信號(hào)不需進(jìn)行專門的脈沖內(nèi)運(yùn)動(dòng)補(bǔ)償。為了利用短脈沖非相參雷達(dá)信號(hào)進(jìn)行逆合成孔徑雷達(dá)成像，該文應(yīng)用補(bǔ)償相參處理的方法，去除輻射信號(hào)包絡(luò)時(shí)間不確定性和初始相位的不確定性影響，在常規(guī)方法進(jìn)行包絡(luò)對(duì)齊和初相補(bǔ)償后可利用距離-多普勒(RD)方法進(jìn)行逆合成孔徑雷達(dá)成像，仿真驗(yàn)證了補(bǔ)償后信號(hào)成像的可行性。然而，短脈沖非相參雷達(dá)的載頻隨機(jī)抖動(dòng)的因素會(huì)導(dǎo)致距離-多普勒成像結(jié)果在多普勒維度產(chǎn)生隨機(jī)調(diào)制的旁瓣，影響成像的質(zhì)量。利用稀疏恢復(fù)技術(shù)，在成像空間中對(duì)目標(biāo)的散射中心進(jìn)行稀疏重構(gòu)，利用正交匹配追蹤(OMP)算法和稀疏貝葉斯學(xué)習(xí)(SBL)算法進(jìn)行成像，從而實(shí)現(xiàn)了抑制非相參因素引起的成像旁瓣，改進(jìn)了成像質(zhì)量，通過仿真驗(yàn)證了方法可行性。
短脈沖非相參雷達(dá)(NCSP)的輻射源輸出微波脈沖持續(xù)時(shí)間短，針對(duì)于高速運(yùn)動(dòng)目標(biāo)而言，其脈沖持續(xù)時(shí)間內(nèi)的目標(biāo)運(yùn)動(dòng)可忽略不計(jì)，對(duì)回波信號(hào)不需進(jìn)行專門的脈沖內(nèi)運(yùn)動(dòng)補(bǔ)償。為了利用短脈沖非相參雷達(dá)信號(hào)進(jìn)行逆合成孔徑雷達(dá)成像，該文應(yīng)用補(bǔ)償相參處理的方法，去除輻射信號(hào)包絡(luò)時(shí)間不確定性和初始相位的不確定性影響，在常規(guī)方法進(jìn)行包絡(luò)對(duì)齊和初相補(bǔ)償后可利用距離-多普勒(RD)方法進(jìn)行逆合成孔徑雷達(dá)成像，仿真驗(yàn)證了補(bǔ)償后信號(hào)成像的可行性。然而，短脈沖非相參雷達(dá)的載頻隨機(jī)抖動(dòng)的因素會(huì)導(dǎo)致距離-多普勒成像結(jié)果在多普勒維度產(chǎn)生隨機(jī)調(diào)制的旁瓣，影響成像的質(zhì)量。利用稀疏恢復(fù)技術(shù)，在成像空間中對(duì)目標(biāo)的散射中心進(jìn)行稀疏重構(gòu)，利用正交匹配追蹤(OMP)算法和稀疏貝葉斯學(xué)習(xí)(SBL)算法進(jìn)行成像，從而實(shí)現(xiàn)了抑制非相參因素引起的成像旁瓣，改進(jìn)了成像質(zhì)量，通過仿真驗(yàn)證了方法可行性。
2019, 41(11): 2654-2660.
doi: 10.11999/JEIT190114
摘要:
為提高電子戰(zhàn)中彈載雷達(dá)檢測(cè)性能，該文提出基于納什均衡的雷達(dá)波形設(shè)計(jì)方法。首先建立電子戰(zhàn)條件下雷達(dá)與干擾信號(hào)博弈模型，基于最大化信干噪比(SINR)準(zhǔn)則，分別設(shè)計(jì)了雷達(dá)和干擾的波形策略；然后通過數(shù)學(xué)推導(dǎo)論證了博弈納什均衡解的存在性，設(shè)計(jì)了一種重復(fù)剔除嚴(yán)格劣勢(shì)的多次迭代注水方法來實(shí)現(xiàn)納什均衡；通過二步注水法推導(dǎo)了非均衡的maxmin優(yōu)化方案；最后通過仿真實(shí)驗(yàn)測(cè)試不同策略下雷達(dá)檢測(cè)性能。仿真結(jié)果證明，基于納什均衡的雷達(dá)信號(hào)設(shè)計(jì)有助于提升博弈條件下雷達(dá)檢測(cè)性能，對(duì)比未博弈時(shí)，雷達(dá)檢測(cè)概率最高可提升12.02%，較maxmin策略最高可提升3.82%，證明所設(shè)計(jì)的納什均衡策略更接近帕累托最優(yōu)。
為提高電子戰(zhàn)中彈載雷達(dá)檢測(cè)性能，該文提出基于納什均衡的雷達(dá)波形設(shè)計(jì)方法。首先建立電子戰(zhàn)條件下雷達(dá)與干擾信號(hào)博弈模型，基于最大化信干噪比(SINR)準(zhǔn)則，分別設(shè)計(jì)了雷達(dá)和干擾的波形策略；然后通過數(shù)學(xué)推導(dǎo)論證了博弈納什均衡解的存在性，設(shè)計(jì)了一種重復(fù)剔除嚴(yán)格劣勢(shì)的多次迭代注水方法來實(shí)現(xiàn)納什均衡；通過二步注水法推導(dǎo)了非均衡的maxmin優(yōu)化方案；最后通過仿真實(shí)驗(yàn)測(cè)試不同策略下雷達(dá)檢測(cè)性能。仿真結(jié)果證明，基于納什均衡的雷達(dá)信號(hào)設(shè)計(jì)有助于提升博弈條件下雷達(dá)檢測(cè)性能，對(duì)比未博弈時(shí)，雷達(dá)檢測(cè)概率最高可提升12.02%，較maxmin策略最高可提升3.82%，證明所設(shè)計(jì)的納什均衡策略更接近帕累托最優(yōu)。
2019, 41(11): 2661-2668.
doi: 10.11999/JEIT190163
摘要:
時(shí)分多址(TDMA)信號(hào)特定輻射源識(shí)別(SEI)的性能主要受限于突發(fā)數(shù)據(jù)的長(zhǎng)度。為此，該文提出一種新的射頻特征，從載波相位上揭示了相鄰時(shí)隙的用戶是否相同，為相同用戶的數(shù)據(jù)累積提供了依據(jù)。該文首先分析了特征的產(chǎn)生機(jī)理，并給出了提取方法；根據(jù)特征的統(tǒng)計(jì)特性，推導(dǎo)了自適應(yīng)的判決門限，實(shí)現(xiàn)了相鄰時(shí)隙用戶身份的檢測(cè)；在此基礎(chǔ)上，設(shè)計(jì)了新的SEI處理流程，通過數(shù)據(jù)累積打破了每個(gè)時(shí)隙單獨(dú)識(shí)別的傳統(tǒng)思維。實(shí)驗(yàn)結(jié)果表明：該特征對(duì)噪聲具備良好的魯棒性，能夠?qū)崿F(xiàn)相鄰時(shí)隙用戶身份的準(zhǔn)確檢測(cè)；與傳統(tǒng)做法相比，新的處理流程能夠有效改善TDMA信號(hào)SEI的性能。
時(shí)分多址(TDMA)信號(hào)特定輻射源識(shí)別(SEI)的性能主要受限于突發(fā)數(shù)據(jù)的長(zhǎng)度。為此，該文提出一種新的射頻特征，從載波相位上揭示了相鄰時(shí)隙的用戶是否相同，為相同用戶的數(shù)據(jù)累積提供了依據(jù)。該文首先分析了特征的產(chǎn)生機(jī)理，并給出了提取方法；根據(jù)特征的統(tǒng)計(jì)特性，推導(dǎo)了自適應(yīng)的判決門限，實(shí)現(xiàn)了相鄰時(shí)隙用戶身份的檢測(cè)；在此基礎(chǔ)上，設(shè)計(jì)了新的SEI處理流程，通過數(shù)據(jù)累積打破了每個(gè)時(shí)隙單獨(dú)識(shí)別的傳統(tǒng)思維。實(shí)驗(yàn)結(jié)果表明：該特征對(duì)噪聲具備良好的魯棒性，能夠?qū)崿F(xiàn)相鄰時(shí)隙用戶身份的準(zhǔn)確檢測(cè)；與傳統(tǒng)做法相比，新的處理流程能夠有效改善TDMA信號(hào)SEI的性能。
2019, 41(11): 2669-2674.
doi: 10.11999/JEIT180870
摘要:
為優(yōu)化軟件定義網(wǎng)絡(luò)(SDN)的路由選路，該文將深度增強(qiáng)學(xué)習(xí)原理引入到軟件定義網(wǎng)絡(luò)的選路過程，提出一種基于深度增強(qiáng)學(xué)習(xí)的路由優(yōu)化選路機(jī)制，用以削減網(wǎng)絡(luò)運(yùn)行時(shí)延、提高吞吐量等網(wǎng)絡(luò)性能，實(shí)現(xiàn)連續(xù)時(shí)間上的黑盒優(yōu)化，減少網(wǎng)絡(luò)運(yùn)維成本。此外，該文通過實(shí)驗(yàn)對(duì)所提出的路由優(yōu)化機(jī)制進(jìn)行評(píng)估，實(shí)驗(yàn)結(jié)果表明，路由優(yōu)化機(jī)制具有良好的收斂性與有效性，較傳統(tǒng)路由協(xié)議可提供更優(yōu)的路由方案與實(shí)現(xiàn)更穩(wěn)定的性能。
為優(yōu)化軟件定義網(wǎng)絡(luò)(SDN)的路由選路，該文將深度增強(qiáng)學(xué)習(xí)原理引入到軟件定義網(wǎng)絡(luò)的選路過程，提出一種基于深度增強(qiáng)學(xué)習(xí)的路由優(yōu)化選路機(jī)制，用以削減網(wǎng)絡(luò)運(yùn)行時(shí)延、提高吞吐量等網(wǎng)絡(luò)性能，實(shí)現(xiàn)連續(xù)時(shí)間上的黑盒優(yōu)化，減少網(wǎng)絡(luò)運(yùn)維成本。此外，該文通過實(shí)驗(yàn)對(duì)所提出的路由優(yōu)化機(jī)制進(jìn)行評(píng)估，實(shí)驗(yàn)結(jié)果表明，路由優(yōu)化機(jī)制具有良好的收斂性與有效性，較傳統(tǒng)路由協(xié)議可提供更優(yōu)的路由方案與實(shí)現(xiàn)更穩(wěn)定的性能。
2019, 41(11): 2675-2683.
doi: 10.11999/JEIT190145
摘要:
網(wǎng)絡(luò)功能虛擬化(NFV)的引入大幅降低了互聯(lián)網(wǎng)業(yè)務(wù)的運(yùn)營(yíng)成本。針對(duì)現(xiàn)有的服務(wù)功能鏈(SFC)編排方法無法在優(yōu)化底層資源的同時(shí)保證業(yè)務(wù)時(shí)延性能的問題，該文提出一種基于重疊網(wǎng)絡(luò)結(jié)構(gòu)的SFC時(shí)空優(yōu)化編排策略。在將計(jì)算、網(wǎng)絡(luò)資源與細(xì)粒度時(shí)延約束納入考慮的基礎(chǔ)上，該策略通過建立重疊網(wǎng)絡(luò)模型實(shí)現(xiàn)了計(jì)算與網(wǎng)絡(luò)資源的分離，將構(gòu)建SFC所需的資源開銷與相關(guān)時(shí)延共同抽象化為重疊網(wǎng)絡(luò)鏈路權(quán)重,從而使SFC編排問題轉(zhuǎn)化為易于求解的最短路徑問題。對(duì)于需要批量處理的SFC集合設(shè)計(jì)了基于重疊網(wǎng)絡(luò)的模擬退火迭代優(yōu)化編排算法(ONSA)。通過對(duì)比實(shí)驗(yàn)證明了該策略下編排方案的平均端到端時(shí)延、鏈路資源占用率與運(yùn)營(yíng)開銷相對(duì)其他方案分別降低29.5%, 12.4%與15.2%，請(qǐng)求接受率提高22.3%，虛擬網(wǎng)絡(luò)功能(VNF)負(fù)載均衡性能得到顯著提升。
網(wǎng)絡(luò)功能虛擬化(NFV)的引入大幅降低了互聯(lián)網(wǎng)業(yè)務(wù)的運(yùn)營(yíng)成本。針對(duì)現(xiàn)有的服務(wù)功能鏈(SFC)編排方法無法在優(yōu)化底層資源的同時(shí)保證業(yè)務(wù)時(shí)延性能的問題，該文提出一種基于重疊網(wǎng)絡(luò)結(jié)構(gòu)的SFC時(shí)空優(yōu)化編排策略。在將計(jì)算、網(wǎng)絡(luò)資源與細(xì)粒度時(shí)延約束納入考慮的基礎(chǔ)上，該策略通過建立重疊網(wǎng)絡(luò)模型實(shí)現(xiàn)了計(jì)算與網(wǎng)絡(luò)資源的分離，將構(gòu)建SFC所需的資源開銷與相關(guān)時(shí)延共同抽象化為重疊網(wǎng)絡(luò)鏈路權(quán)重,從而使SFC編排問題轉(zhuǎn)化為易于求解的最短路徑問題。對(duì)于需要批量處理的SFC集合設(shè)計(jì)了基于重疊網(wǎng)絡(luò)的模擬退火迭代優(yōu)化編排算法(ONSA)。通過對(duì)比實(shí)驗(yàn)證明了該策略下編排方案的平均端到端時(shí)延、鏈路資源占用率與運(yùn)營(yíng)開銷相對(duì)其他方案分別降低29.5%, 12.4%與15.2%，請(qǐng)求接受率提高22.3%，虛擬網(wǎng)絡(luò)功能(VNF)負(fù)載均衡性能得到顯著提升。
2019, 41(11): 2684-2690.
doi: 10.11999/JEIT180970
摘要:
通過移動(dòng)邊緣計(jì)算下移云端的應(yīng)用功能和處理能力支撐計(jì)算密集或時(shí)延敏感任務(wù)的執(zhí)行成為當(dāng)前的發(fā)展趨勢(shì)。但面對(duì)眾多移動(dòng)終端用戶時(shí)，如何有效利用計(jì)算資源有限的邊緣節(jié)點(diǎn)來保障終端用戶服務(wù)質(zhì)量(QoS)成為關(guān)鍵問題。為此，該文融合邊緣云與遠(yuǎn)端云構(gòu)建了一種分層的邊緣云計(jì)算架構(gòu)，以此架構(gòu)為基礎(chǔ)，以最小化移動(dòng)設(shè)備能耗和任務(wù)執(zhí)行時(shí)間為目標(biāo)，將問題形式化描述為資源約束下的最小化能耗和時(shí)延加權(quán)和的凸優(yōu)化問題，并提出基于乘子法的計(jì)算卸載及資源分配機(jī)制解決該問題。實(shí)驗(yàn)結(jié)果表明，在計(jì)算任務(wù)量很大的情況下，提出的計(jì)算卸載及資源分配機(jī)制能夠有效降低移動(dòng)終端能耗，并在任務(wù)執(zhí)行時(shí)延方面較局部計(jì)算與計(jì)算卸載機(jī)制分別降低最高60%與10%，提高系統(tǒng)性能。
通過移動(dòng)邊緣計(jì)算下移云端的應(yīng)用功能和處理能力支撐計(jì)算密集或時(shí)延敏感任務(wù)的執(zhí)行成為當(dāng)前的發(fā)展趨勢(shì)。但面對(duì)眾多移動(dòng)終端用戶時(shí)，如何有效利用計(jì)算資源有限的邊緣節(jié)點(diǎn)來保障終端用戶服務(wù)質(zhì)量(QoS)成為關(guān)鍵問題。為此，該文融合邊緣云與遠(yuǎn)端云構(gòu)建了一種分層的邊緣云計(jì)算架構(gòu)，以此架構(gòu)為基礎(chǔ)，以最小化移動(dòng)設(shè)備能耗和任務(wù)執(zhí)行時(shí)間為目標(biāo)，將問題形式化描述為資源約束下的最小化能耗和時(shí)延加權(quán)和的凸優(yōu)化問題，并提出基于乘子法的計(jì)算卸載及資源分配機(jī)制解決該問題。實(shí)驗(yàn)結(jié)果表明，在計(jì)算任務(wù)量很大的情況下，提出的計(jì)算卸載及資源分配機(jī)制能夠有效降低移動(dòng)終端能耗，并在任務(wù)執(zhí)行時(shí)延方面較局部計(jì)算與計(jì)算卸載機(jī)制分別降低最高60%與10%，提高系統(tǒng)性能。
2019, 41(11): 2691-2698.
doi: 10.11999/JEIT190166
摘要:
線上合同簽署在電子商務(wù)中日益普及，在互不信任的簽署方之間簽署一份合同并不是一件簡(jiǎn)單的事情，各方就合同簽署問題提出過許多合同簽署協(xié)議。其中較多的協(xié)議是帶有第三方參與的，但是在效率方面并不占優(yōu)勢(shì)，且易出現(xiàn)安全問題?，F(xiàn)有借助區(qū)塊鏈技術(shù)取代第三方參與的合同簽署協(xié)議中，區(qū)塊鏈的公開驗(yàn)證對(duì)不管是簽署方還是待簽署合同的敏感信息又發(fā)起了挑戰(zhàn)。且大多協(xié)議針對(duì)于雙方合同簽署，隨著簽署方數(shù)量的增加，協(xié)議的通信成本和復(fù)雜度都在急劇增加。該文結(jié)合現(xiàn)有協(xié)議，提出一個(gè)高效的多方合同簽署協(xié)議，協(xié)議中通過基于無證書的高效聚合簽名方案，用于提高區(qū)塊鏈下簽署方簽名驗(yàn)證效率，在區(qū)塊鏈上僅公開簽署方的臨時(shí)密鑰以減少系統(tǒng)開銷。該協(xié)議滿足正確性、安全性、公平性、私密性以及高效性。
線上合同簽署在電子商務(wù)中日益普及，在互不信任的簽署方之間簽署一份合同并不是一件簡(jiǎn)單的事情，各方就合同簽署問題提出過許多合同簽署協(xié)議。其中較多的協(xié)議是帶有第三方參與的，但是在效率方面并不占優(yōu)勢(shì)，且易出現(xiàn)安全問題?，F(xiàn)有借助區(qū)塊鏈技術(shù)取代第三方參與的合同簽署協(xié)議中，區(qū)塊鏈的公開驗(yàn)證對(duì)不管是簽署方還是待簽署合同的敏感信息又發(fā)起了挑戰(zhàn)。且大多協(xié)議針對(duì)于雙方合同簽署，隨著簽署方數(shù)量的增加，協(xié)議的通信成本和復(fù)雜度都在急劇增加。該文結(jié)合現(xiàn)有協(xié)議，提出一個(gè)高效的多方合同簽署協(xié)議，協(xié)議中通過基于無證書的高效聚合簽名方案，用于提高區(qū)塊鏈下簽署方簽名驗(yàn)證效率，在區(qū)塊鏈上僅公開簽署方的臨時(shí)密鑰以減少系統(tǒng)開銷。該協(xié)議滿足正確性、安全性、公平性、私密性以及高效性。
2019, 41(11): 2699-2707.
doi: 10.11999/JEIT190127
摘要:
側(cè)信道攻擊是當(dāng)前云計(jì)算環(huán)境下多租戶間信息泄露的主要途徑，針對(duì)現(xiàn)有服務(wù)功能鏈(SFC)部署方法未充分考慮多租戶環(huán)境下虛擬網(wǎng)絡(luò)功能(VNF)面臨的側(cè)信道攻擊問題，該文提出一種抗側(cè)信道攻擊的服務(wù)功能鏈部署方法。引入基于時(shí)間均值的租戶分類策略以及結(jié)合歷史信息的部署策略，在滿足服務(wù)功能鏈資源約束條件下，以最小化租戶所能覆蓋的服務(wù)器數(shù)量為目標(biāo)建立相應(yīng)的優(yōu)化模型，并設(shè)計(jì)了基于貪婪選擇的部署算法。實(shí)驗(yàn)結(jié)果表明，與其他部署方法相比，該方法顯著提高了惡意租戶實(shí)現(xiàn)共存的難度與代價(jià)，降低了租戶面臨的側(cè)信道攻擊風(fēng)險(xiǎn)。
側(cè)信道攻擊是當(dāng)前云計(jì)算環(huán)境下多租戶間信息泄露的主要途徑，針對(duì)現(xiàn)有服務(wù)功能鏈(SFC)部署方法未充分考慮多租戶環(huán)境下虛擬網(wǎng)絡(luò)功能(VNF)面臨的側(cè)信道攻擊問題，該文提出一種抗側(cè)信道攻擊的服務(wù)功能鏈部署方法。引入基于時(shí)間均值的租戶分類策略以及結(jié)合歷史信息的部署策略，在滿足服務(wù)功能鏈資源約束條件下，以最小化租戶所能覆蓋的服務(wù)器數(shù)量為目標(biāo)建立相應(yīng)的優(yōu)化模型，并設(shè)計(jì)了基于貪婪選擇的部署算法。實(shí)驗(yàn)結(jié)果表明，與其他部署方法相比，該方法顯著提高了惡意租戶實(shí)現(xiàn)共存的難度與代價(jià)，降低了租戶面臨的側(cè)信道攻擊風(fēng)險(xiǎn)。
2019, 41(11): 2708-2714.
doi: 10.11999/JEIT190129
摘要:
異構(gòu)混合群組簽密不僅能夠解決不同密碼體制下數(shù)據(jù)傳輸?shù)臋C(jī)密性和不可偽造性，而且還能對(duì)任意長(zhǎng)度的數(shù)據(jù)進(jìn)行加密。該文首先分析了一種異構(gòu)密碼體制下混合群組簽密方案的安全性，指出該方案不滿足正確性、機(jī)密性和不可偽造性。并提出了一種新的高效異構(gòu)混合群組簽密方案。其次在隨機(jī)預(yù)言機(jī)模型下證明了該方案是安全的。最后效率分析表明，該方案在實(shí)現(xiàn)原方案所有的功能的基礎(chǔ)上同時(shí)降低了計(jì)算代價(jià)。
異構(gòu)混合群組簽密不僅能夠解決不同密碼體制下數(shù)據(jù)傳輸?shù)臋C(jī)密性和不可偽造性，而且還能對(duì)任意長(zhǎng)度的數(shù)據(jù)進(jìn)行加密。該文首先分析了一種異構(gòu)密碼體制下混合群組簽密方案的安全性，指出該方案不滿足正確性、機(jī)密性和不可偽造性。并提出了一種新的高效異構(gòu)混合群組簽密方案。其次在隨機(jī)預(yù)言機(jī)模型下證明了該方案是安全的。最后效率分析表明，該方案在實(shí)現(xiàn)原方案所有的功能的基礎(chǔ)上同時(shí)降低了計(jì)算代價(jià)。
2019, 41(11): 2715-2721.
doi: 10.11999/JEIT181196
摘要:
針對(duì)機(jī)場(chǎng)外航服務(wù)人員班型生成面臨的任務(wù)量大，約束條件復(fù)雜，人工生成班型方案困難等問題背景，考慮員工對(duì)任務(wù)具有層次資質(zhì)，班型的各類勞動(dòng)法規(guī)等約束條件，以最小化班型方案總工作時(shí)間為優(yōu)化目標(biāo)，研究構(gòu)建了面向多任務(wù)層次資質(zhì)場(chǎng)景下的班型生成優(yōu)化模型，并設(shè)計(jì)禁忌搜索算法進(jìn)行求解。在首都機(jī)場(chǎng)外航服務(wù)部實(shí)際排班數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，驗(yàn)證了模型和算法的實(shí)用性和有效性，實(shí)驗(yàn)結(jié)果表明，求得的班型方案相比較現(xiàn)有人工生成的班型方案，能滿足所有約束條件且總工作時(shí)間更短，總服務(wù)人數(shù)更少，提高了機(jī)場(chǎng)資源利用率。
針對(duì)機(jī)場(chǎng)外航服務(wù)人員班型生成面臨的任務(wù)量大，約束條件復(fù)雜，人工生成班型方案困難等問題背景，考慮員工對(duì)任務(wù)具有層次資質(zhì)，班型的各類勞動(dòng)法規(guī)等約束條件，以最小化班型方案總工作時(shí)間為優(yōu)化目標(biāo)，研究構(gòu)建了面向多任務(wù)層次資質(zhì)場(chǎng)景下的班型生成優(yōu)化模型，并設(shè)計(jì)禁忌搜索算法進(jìn)行求解。在首都機(jī)場(chǎng)外航服務(wù)部實(shí)際排班數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，驗(yàn)證了模型和算法的實(shí)用性和有效性，實(shí)驗(yàn)結(jié)果表明，求得的班型方案相比較現(xiàn)有人工生成的班型方案，能滿足所有約束條件且總工作時(shí)間更短，總服務(wù)人數(shù)更少，提高了機(jī)場(chǎng)資源利用率。
2019, 41(11): 2722-2728.
doi: 10.11999/JEIT180974
摘要:
模糊C均值(FCM)聚類算法及其相關(guān)改進(jìn)算法基于最大模糊隸屬度原則確定聚類結(jié)果，沒有充分利用迭代后的模糊隸屬度矩陣和簇類中心的樣本屬性特征信息，影響聚類準(zhǔn)確度。針對(duì)這個(gè)問題，該文提出一種新的改進(jìn)思路：改進(jìn)FCM算法輸出定類原則。給出二元屬性拓?fù)渥涌臻g中屬性相似度的定義，最終提出一種基于屬性空間相似性的改進(jìn)FCM算法(FCM-SAS)：首先，選擇FCM算法聚類后模糊隸屬度低于聚類置信度的樣本作為存疑樣本；然后，計(jì)算存疑樣本與聚類后聚類中心的屬性相似度；最后，基于最大屬性相似度原則更新存疑樣本的簇類標(biāo)簽。通過UCI數(shù)據(jù)集實(shí)驗(yàn)，證明算法不僅有效，還較一些基于最大模糊隸屬度原則定類的改進(jìn)算法具有更優(yōu)的聚類評(píng)價(jià)指標(biāo)。
模糊C均值(FCM)聚類算法及其相關(guān)改進(jìn)算法基于最大模糊隸屬度原則確定聚類結(jié)果，沒有充分利用迭代后的模糊隸屬度矩陣和簇類中心的樣本屬性特征信息，影響聚類準(zhǔn)確度。針對(duì)這個(gè)問題，該文提出一種新的改進(jìn)思路：改進(jìn)FCM算法輸出定類原則。給出二元屬性拓?fù)渥涌臻g中屬性相似度的定義，最終提出一種基于屬性空間相似性的改進(jìn)FCM算法(FCM-SAS)：首先，選擇FCM算法聚類后模糊隸屬度低于聚類置信度的樣本作為存疑樣本；然后，計(jì)算存疑樣本與聚類后聚類中心的屬性相似度；最后，基于最大屬性相似度原則更新存疑樣本的簇類標(biāo)簽。通過UCI數(shù)據(jù)集實(shí)驗(yàn)，證明算法不僅有效，還較一些基于最大模糊隸屬度原則定類的改進(jìn)算法具有更優(yōu)的聚類評(píng)價(jià)指標(biāo)。
2019, 41(11): 2729-2735.
doi: 10.11999/JEIT190115
摘要:
針對(duì)條件對(duì)抗領(lǐng)域適應(yīng)(CDAN)方法未能充分挖掘樣本的可遷移性，仍然存在部分難以遷移的源域樣本擾亂目標(biāo)域數(shù)據(jù)分布的問題，該文提出一種基于遷移權(quán)重的條件對(duì)抗領(lǐng)域適應(yīng)(TW-CDAN)方法。首先利用領(lǐng)域判別模型的判別結(jié)果作為衡量樣本遷移性能的主要度量指標(biāo)，使不同的樣本具有不同的遷移性能；其次將樣本的可遷移性作為權(quán)重應(yīng)用在分類損失和最小熵?fù)p失上，旨在消除條件對(duì)抗領(lǐng)域適應(yīng)中難以遷移樣本對(duì)模型造成的影響；最后使用Office-31數(shù)據(jù)集的6個(gè)遷移任務(wù)和Office-Home數(shù)據(jù)集的12個(gè)遷移任務(wù)進(jìn)行了實(shí)驗(yàn)，該方法在14個(gè)遷移任務(wù)上取得了提升，在平均精度上分別提升1.4%和3.1%。
針對(duì)條件對(duì)抗領(lǐng)域適應(yīng)(CDAN)方法未能充分挖掘樣本的可遷移性，仍然存在部分難以遷移的源域樣本擾亂目標(biāo)域數(shù)據(jù)分布的問題，該文提出一種基于遷移權(quán)重的條件對(duì)抗領(lǐng)域適應(yīng)(TW-CDAN)方法。首先利用領(lǐng)域判別模型的判別結(jié)果作為衡量樣本遷移性能的主要度量指標(biāo)，使不同的樣本具有不同的遷移性能；其次將樣本的可遷移性作為權(quán)重應(yīng)用在分類損失和最小熵?fù)p失上，旨在消除條件對(duì)抗領(lǐng)域適應(yīng)中難以遷移樣本對(duì)模型造成的影響；最后使用Office-31數(shù)據(jù)集的6個(gè)遷移任務(wù)和Office-Home數(shù)據(jù)集的12個(gè)遷移任務(wù)進(jìn)行了實(shí)驗(yàn)，該方法在14個(gè)遷移任務(wù)上取得了提升，在平均精度上分別提升1.4%和3.1%。
2019, 41(11): 2736-2743.
doi: 10.11999/JEIT181054
摘要:
目前大多數(shù)遷移學(xué)習(xí)方法在利用源域數(shù)據(jù)輔助目標(biāo)域數(shù)據(jù)建模時(shí)，通常假設(shè)源域中的數(shù)據(jù)均與目標(biāo)域數(shù)據(jù)相關(guān)。然而在實(shí)際應(yīng)用中，源域中的數(shù)據(jù)并非都與目標(biāo)域數(shù)據(jù)的相關(guān)程度一致，若基于上述假設(shè)往往會(huì)導(dǎo)致負(fù)遷移效應(yīng)。為此，該文首先提出分類誤差一致性準(zhǔn)則(CCR)，對(duì)源域與目標(biāo)域分類誤差的概率分布積分平方誤差進(jìn)行最小化度量。此外，該文提出一種基于CCR的自適應(yīng)知識(shí)遷移學(xué)習(xí)方法(CATL)，該方法可以快速地從源域中自動(dòng)確定出與目標(biāo)域相關(guān)的數(shù)據(jù)及其權(quán)重，以輔助目標(biāo)域模型的構(gòu)建，使其能在提高知識(shí)遷移效率的同時(shí)緩解負(fù)遷移學(xué)習(xí)效應(yīng)。在真實(shí)圖像以及文本數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了CATL方法的優(yōu)勢(shì)。
目前大多數(shù)遷移學(xué)習(xí)方法在利用源域數(shù)據(jù)輔助目標(biāo)域數(shù)據(jù)建模時(shí)，通常假設(shè)源域中的數(shù)據(jù)均與目標(biāo)域數(shù)據(jù)相關(guān)。然而在實(shí)際應(yīng)用中，源域中的數(shù)據(jù)并非都與目標(biāo)域數(shù)據(jù)的相關(guān)程度一致，若基于上述假設(shè)往往會(huì)導(dǎo)致負(fù)遷移效應(yīng)。為此，該文首先提出分類誤差一致性準(zhǔn)則(CCR)，對(duì)源域與目標(biāo)域分類誤差的概率分布積分平方誤差進(jìn)行最小化度量。此外，該文提出一種基于CCR的自適應(yīng)知識(shí)遷移學(xué)習(xí)方法(CATL)，該方法可以快速地從源域中自動(dòng)確定出與目標(biāo)域相關(guān)的數(shù)據(jù)及其權(quán)重，以輔助目標(biāo)域模型的構(gòu)建，使其能在提高知識(shí)遷移效率的同時(shí)緩解負(fù)遷移學(xué)習(xí)效應(yīng)。在真實(shí)圖像以及文本數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了CATL方法的優(yōu)勢(shì)。
2019, 41(11): 2744-2751.
doi: 10.11999/JEIT181110
摘要:
針對(duì)視頻監(jiān)控中運(yùn)動(dòng)小目標(biāo)難以檢測(cè)的問題，該文提出一種基于航跡的檢測(cè)算法。首先，為了降低檢測(cè)漏警率，提出區(qū)域紋理特征與差值概率融合的自適應(yīng)前景提取方法；其次，為了降低檢測(cè)虛警率，設(shè)計(jì)航跡關(guān)聯(lián)的概率計(jì)算模型以建立疑似目標(biāo)在視頻幀間的關(guān)聯(lián)，并設(shè)置雙門限以區(qū)分疑似目標(biāo)中的真實(shí)目標(biāo)與虛假目標(biāo)。實(shí)驗(yàn)結(jié)果表明，與多種經(jīng)典算法相比，該算法能對(duì)定量范圍內(nèi)的運(yùn)動(dòng)小目標(biāo)以更低的漏警率和虛警率實(shí)施準(zhǔn)確檢測(cè)。
針對(duì)視頻監(jiān)控中運(yùn)動(dòng)小目標(biāo)難以檢測(cè)的問題，該文提出一種基于航跡的檢測(cè)算法。首先，為了降低檢測(cè)漏警率，提出區(qū)域紋理特征與差值概率融合的自適應(yīng)前景提取方法；其次，為了降低檢測(cè)虛警率，設(shè)計(jì)航跡關(guān)聯(lián)的概率計(jì)算模型以建立疑似目標(biāo)在視頻幀間的關(guān)聯(lián)，并設(shè)置雙門限以區(qū)分疑似目標(biāo)中的真實(shí)目標(biāo)與虛假目標(biāo)。實(shí)驗(yàn)結(jié)果表明，與多種經(jīng)典算法相比，該算法能對(duì)定量范圍內(nèi)的運(yùn)動(dòng)小目標(biāo)以更低的漏警率和虛警率實(shí)施準(zhǔn)確檢測(cè)。
2019, 41(11): 2752-2759.
doi: 10.11999/JEIT181088
摘要:
人類面部表情是其心理情緒變化的最直觀刻畫，不同人的面部表情具有很大差異，現(xiàn)有表情識(shí)別方法均利用面部統(tǒng)計(jì)特征區(qū)分不同表情，其缺乏對(duì)于人臉細(xì)節(jié)信息的深度挖掘。根據(jù)心理學(xué)家對(duì)面部行為編碼的定義可以看出，人臉的局部細(xì)節(jié)信息決定了其表情意義。因此該文提出一種基于多尺度細(xì)節(jié)增強(qiáng)的面部表情識(shí)別方法，針對(duì)面部表情受圖像細(xì)節(jié)影響較大的特點(diǎn)，提出利用高斯金字塔提取圖像細(xì)節(jié)信息，并對(duì)圖像進(jìn)行細(xì)節(jié)增強(qiáng)，從而強(qiáng)化人臉表情信息。針對(duì)面部表情的局部性特點(diǎn)，提出利用層次結(jié)構(gòu)的局部梯度特征計(jì)算方法，描述面部特征點(diǎn)局部形狀特征。最后，使用支持向量機(jī)(SVM)對(duì)面部表情進(jìn)行分類。該文在CK+表情數(shù)據(jù)庫(kù)中的實(shí)驗(yàn)結(jié)果表明，該方法不僅驗(yàn)證了圖像細(xì)節(jié)對(duì)面部表情識(shí)別過程的重要作用，而且在小規(guī)模訓(xùn)練數(shù)據(jù)下也能夠得到非常好的識(shí)別結(jié)果，表情平均識(shí)別率達(dá)到98.19%。
人類面部表情是其心理情緒變化的最直觀刻畫，不同人的面部表情具有很大差異，現(xiàn)有表情識(shí)別方法均利用面部統(tǒng)計(jì)特征區(qū)分不同表情，其缺乏對(duì)于人臉細(xì)節(jié)信息的深度挖掘。根據(jù)心理學(xué)家對(duì)面部行為編碼的定義可以看出，人臉的局部細(xì)節(jié)信息決定了其表情意義。因此該文提出一種基于多尺度細(xì)節(jié)增強(qiáng)的面部表情識(shí)別方法，針對(duì)面部表情受圖像細(xì)節(jié)影響較大的特點(diǎn)，提出利用高斯金字塔提取圖像細(xì)節(jié)信息，并對(duì)圖像進(jìn)行細(xì)節(jié)增強(qiáng)，從而強(qiáng)化人臉表情信息。針對(duì)面部表情的局部性特點(diǎn)，提出利用層次結(jié)構(gòu)的局部梯度特征計(jì)算方法，描述面部特征點(diǎn)局部形狀特征。最后，使用支持向量機(jī)(SVM)對(duì)面部表情進(jìn)行分類。該文在CK+表情數(shù)據(jù)庫(kù)中的實(shí)驗(yàn)結(jié)果表明，該方法不僅驗(yàn)證了圖像細(xì)節(jié)對(duì)面部表情識(shí)別過程的重要作用，而且在小規(guī)模訓(xùn)練數(shù)據(jù)下也能夠得到非常好的識(shí)別結(jié)果，表情平均識(shí)別率達(dá)到98.19%。
2019, 41(11): 2760-2767.
doi: 10.11999/JEIT180926
摘要:
基于多視點(diǎn)視頻序列視點(diǎn)內(nèi)、視點(diǎn)間存在的相關(guān)性，并結(jié)合視點(diǎn)間運(yùn)動(dòng)矢量共享技術(shù)，該文提出一種面向3維高效視頻編碼中深度序列傳輸丟包的錯(cuò)誤隱藏算法。首先，根據(jù)3D高效視頻編碼(3D-HEVC)的分層B幀預(yù)測(cè)(HBP)結(jié)構(gòu)和深度圖紋理特征，將深度圖丟失塊分成運(yùn)動(dòng)塊和靜止塊；然后，對(duì)于受損運(yùn)動(dòng)塊，使用結(jié)合紋理結(jié)構(gòu)的外邊界匹配準(zhǔn)則來選擇相對(duì)最優(yōu)的運(yùn)動(dòng)/視差矢量進(jìn)行基于位移矢量補(bǔ)償?shù)腻e(cuò)誤掩蓋，而對(duì)受損靜止塊采用參考幀直接拷貝進(jìn)行快速錯(cuò)誤隱藏；最后，使用參考幀拆分重組來獲取新的運(yùn)動(dòng)/視差補(bǔ)償塊對(duì)修復(fù)質(zhì)量較差的重建塊進(jìn)行質(zhì)量提升。實(shí)驗(yàn)結(jié)果表明：相較于近年提出的對(duì)比算法，該文算法隱藏后的深度幀平均峰值信噪比(PSNR)能提升0.25～2.03 dB，結(jié)構(gòu)相似度測(cè)量值(SSIM)能提升0.001～0.006，且修復(fù)區(qū)域的主觀視覺質(zhì)量與原始深度圖更接近。
基于多視點(diǎn)視頻序列視點(diǎn)內(nèi)、視點(diǎn)間存在的相關(guān)性，并結(jié)合視點(diǎn)間運(yùn)動(dòng)矢量共享技術(shù)，該文提出一種面向3維高效視頻編碼中深度序列傳輸丟包的錯(cuò)誤隱藏算法。首先，根據(jù)3D高效視頻編碼(3D-HEVC)的分層B幀預(yù)測(cè)(HBP)結(jié)構(gòu)和深度圖紋理特征，將深度圖丟失塊分成運(yùn)動(dòng)塊和靜止塊；然后，對(duì)于受損運(yùn)動(dòng)塊，使用結(jié)合紋理結(jié)構(gòu)的外邊界匹配準(zhǔn)則來選擇相對(duì)最優(yōu)的運(yùn)動(dòng)/視差矢量進(jìn)行基于位移矢量補(bǔ)償?shù)腻e(cuò)誤掩蓋，而對(duì)受損靜止塊采用參考幀直接拷貝進(jìn)行快速錯(cuò)誤隱藏；最后，使用參考幀拆分重組來獲取新的運(yùn)動(dòng)/視差補(bǔ)償塊對(duì)修復(fù)質(zhì)量較差的重建塊進(jìn)行質(zhì)量提升。實(shí)驗(yàn)結(jié)果表明：相較于近年提出的對(duì)比算法，該文算法隱藏后的深度幀平均峰值信噪比(PSNR)能提升0.25～2.03 dB，結(jié)構(gòu)相似度測(cè)量值(SSIM)能提升0.001～0.006，且修復(fù)區(qū)域的主觀視覺質(zhì)量與原始深度圖更接近。
2019, 41(11): 2768-2776.
doi: 10.11999/JEIT181138
摘要:
針對(duì)2維主成分分析(2DPCA)算法無法實(shí)現(xiàn)在線特征提取及無法體現(xiàn)完整數(shù)據(jù)結(jié)構(gòu)信息等問題，該文提出一種基于圖像協(xié)方差無關(guān)的增量式2DPCA(I2DPCA)算法。該算法無需對(duì)圖像協(xié)方差矩陣進(jìn)行特征值分解奇異值分解，復(fù)雜度將大為降低，提高了特征提取速度。針對(duì)I2DPCA僅提取了橫向特征的問題，又提出一種增量式行列順序2DPCA(IRC2DPCA)算法，該算法對(duì)I2DPCA的特征矩陣再次進(jìn)行縱向特征提取，保留了圖像的橫向與縱向結(jié)構(gòu)信息，實(shí)現(xiàn)了行列兩個(gè)方向上的特征提取與數(shù)據(jù)降維。最后，以自建的物塊數(shù)據(jù)集、通用的ORL和Yale人臉數(shù)據(jù)集分別進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明，該文算法在收斂率、分類率及復(fù)雜度等性能方面均得到了顯著提高，其收斂率達(dá)到99%以上，分類率可達(dá)97.6%，平均處理速度為29 幀/s，能夠滿足增量特征提取的實(shí)時(shí)處理需求。
針對(duì)2維主成分分析(2DPCA)算法無法實(shí)現(xiàn)在線特征提取及無法體現(xiàn)完整數(shù)據(jù)結(jié)構(gòu)信息等問題，該文提出一種基于圖像協(xié)方差無關(guān)的增量式2DPCA(I2DPCA)算法。該算法無需對(duì)圖像協(xié)方差矩陣進(jìn)行特征值分解奇異值分解，復(fù)雜度將大為降低，提高了特征提取速度。針對(duì)I2DPCA僅提取了橫向特征的問題，又提出一種增量式行列順序2DPCA(IRC2DPCA)算法，該算法對(duì)I2DPCA的特征矩陣再次進(jìn)行縱向特征提取，保留了圖像的橫向與縱向結(jié)構(gòu)信息，實(shí)現(xiàn)了行列兩個(gè)方向上的特征提取與數(shù)據(jù)降維。最后，以自建的物塊數(shù)據(jù)集、通用的ORL和Yale人臉數(shù)據(jù)集分別進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明，該文算法在收斂率、分類率及復(fù)雜度等性能方面均得到了顯著提高，其收斂率達(dá)到99%以上，分類率可達(dá)97.6%，平均處理速度為29 幀/s，能夠滿足增量特征提取的實(shí)時(shí)處理需求。
2019, 41(11): 2777-2786.
doi: 10.11999/JEIT190056
摘要:
該文提出了一種結(jié)合區(qū)域和深度殘差網(wǎng)絡(luò)的語(yǔ)義分割模型?；趨^(qū)域的語(yǔ)義分割方法使用多尺度提取相互重疊的區(qū)域，可識(shí)別多種尺度的目標(biāo)并得到精細(xì)的物體分割邊界?；谌矸e網(wǎng)絡(luò)的方法使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)自主學(xué)習(xí)特征，可以針對(duì)逐像素分類任務(wù)進(jìn)行端到端訓(xùn)練，但是這種方法通常會(huì)產(chǎn)生粗糙的分割邊界。該文將兩種方法的優(yōu)點(diǎn)結(jié)合起來：首先使用區(qū)域生成網(wǎng)絡(luò)在圖像中生成候選區(qū)域，然后將圖像通過帶擴(kuò)張卷積的深度殘差網(wǎng)絡(luò)進(jìn)行特征提取得到特征圖，結(jié)合候選區(qū)域以及特征圖得到區(qū)域的特征，并將其映射到區(qū)域中每個(gè)像素上；最后使用全局平均池化層進(jìn)行逐像素分類。該文還使用了多模型融合的方法，在相同的網(wǎng)絡(luò)模型中設(shè)置不同的輸入進(jìn)行訓(xùn)練得到多個(gè)模型，然后在分類層進(jìn)行特征融合，得到最終的分割結(jié)果。在SIFT FLOW和PASCAL Context數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明該文方法具有較高的平均準(zhǔn)確率。
該文提出了一種結(jié)合區(qū)域和深度殘差網(wǎng)絡(luò)的語(yǔ)義分割模型?；趨^(qū)域的語(yǔ)義分割方法使用多尺度提取相互重疊的區(qū)域，可識(shí)別多種尺度的目標(biāo)并得到精細(xì)的物體分割邊界?；谌矸e網(wǎng)絡(luò)的方法使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)自主學(xué)習(xí)特征，可以針對(duì)逐像素分類任務(wù)進(jìn)行端到端訓(xùn)練，但是這種方法通常會(huì)產(chǎn)生粗糙的分割邊界。該文將兩種方法的優(yōu)點(diǎn)結(jié)合起來：首先使用區(qū)域生成網(wǎng)絡(luò)在圖像中生成候選區(qū)域，然后將圖像通過帶擴(kuò)張卷積的深度殘差網(wǎng)絡(luò)進(jìn)行特征提取得到特征圖，結(jié)合候選區(qū)域以及特征圖得到區(qū)域的特征，并將其映射到區(qū)域中每個(gè)像素上；最后使用全局平均池化層進(jìn)行逐像素分類。該文還使用了多模型融合的方法，在相同的網(wǎng)絡(luò)模型中設(shè)置不同的輸入進(jìn)行訓(xùn)練得到多個(gè)模型，然后在分類層進(jìn)行特征融合，得到最終的分割結(jié)果。在SIFT FLOW和PASCAL Context數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明該文方法具有較高的平均準(zhǔn)確率。
2019, 41(11): 2787-2794.
doi: 10.11999/JEIT181076
摘要:
矩陣補(bǔ)全(MC)作為壓縮感知(CS)的推廣，已廣泛應(yīng)用于不同領(lǐng)域。近年來，基于黎曼優(yōu)化的MC算法因重構(gòu)精度高、計(jì)算速度快的特點(diǎn)，引起了廣泛關(guān)注。針對(duì)基于黎曼優(yōu)化的MC算法需假設(shè)原矩陣秩固定已知，且隨機(jī)選擇迭代起點(diǎn)的特點(diǎn)，該文提出一種基于自動(dòng)秩估計(jì)的黎曼優(yōu)化MC算法。該算法通過優(yōu)化包含秩正則項(xiàng)的目標(biāo)函數(shù)，迭代獲取秩估計(jì)值和預(yù)重構(gòu)矩陣。在估計(jì)所得秩對(duì)應(yīng)的矩陣空間上以預(yù)重構(gòu)矩陣為迭代起點(diǎn)，利用基于黎曼流形的共軛梯度法進(jìn)行矩陣補(bǔ)全，從而提高重構(gòu)精度。實(shí)驗(yàn)結(jié)果表明，與幾種經(jīng)典的圖像補(bǔ)全方法相比，該文算法圖像重構(gòu)精度顯著提高。
矩陣補(bǔ)全(MC)作為壓縮感知(CS)的推廣，已廣泛應(yīng)用于不同領(lǐng)域。近年來，基于黎曼優(yōu)化的MC算法因重構(gòu)精度高、計(jì)算速度快的特點(diǎn)，引起了廣泛關(guān)注。針對(duì)基于黎曼優(yōu)化的MC算法需假設(shè)原矩陣秩固定已知，且隨機(jī)選擇迭代起點(diǎn)的特點(diǎn)，該文提出一種基于自動(dòng)秩估計(jì)的黎曼優(yōu)化MC算法。該算法通過優(yōu)化包含秩正則項(xiàng)的目標(biāo)函數(shù)，迭代獲取秩估計(jì)值和預(yù)重構(gòu)矩陣。在估計(jì)所得秩對(duì)應(yīng)的矩陣空間上以預(yù)重構(gòu)矩陣為迭代起點(diǎn)，利用基于黎曼流形的共軛梯度法進(jìn)行矩陣補(bǔ)全，從而提高重構(gòu)精度。實(shí)驗(yàn)結(jié)果表明，與幾種經(jīng)典的圖像補(bǔ)全方法相比，該文算法圖像重構(gòu)精度顯著提高。
