郵件訂閱
2020年 第42卷 第10期
顯示方式:
2020, 42(10): 2319-2329.
doi: 10.11999/JEIT200058
摘要:
隨著移動(dòng)通信技術(shù)的快速發(fā)展和第5代移動(dòng)通信(5G)網(wǎng)絡(luò)的商用，網(wǎng)絡(luò)空間安全問題日益凸顯。該文針對(duì)5G網(wǎng)絡(luò)空間安全中對(duì)抗博弈問題進(jìn)行探討，從靜態(tài)博弈、動(dòng)態(tài)博弈、基于演化和圖論的博弈等基礎(chǔ)模型以及竊聽與竊聽對(duì)抗、干擾與干擾對(duì)抗等典型對(duì)抗種類方面，對(duì)當(dāng)前國內(nèi)外網(wǎng)絡(luò)空間安全對(duì)抗博弈的研究進(jìn)行分析和歸納，并進(jìn)一步闡述5G網(wǎng)絡(luò)空間安全對(duì)抗博弈研究中潛在的基礎(chǔ)理論和對(duì)抗規(guī)律研究方向，分析5G環(huán)境下安全對(duì)抗博弈研究的必要性及面臨的挑戰(zhàn)，為5G網(wǎng)絡(luò)空間安全攻防對(duì)抗研究提供新視角。
隨著移動(dòng)通信技術(shù)的快速發(fā)展和第5代移動(dòng)通信(5G)網(wǎng)絡(luò)的商用，網(wǎng)絡(luò)空間安全問題日益凸顯。該文針對(duì)5G網(wǎng)絡(luò)空間安全中對(duì)抗博弈問題進(jìn)行探討，從靜態(tài)博弈、動(dòng)態(tài)博弈、基于演化和圖論的博弈等基礎(chǔ)模型以及竊聽與竊聽對(duì)抗、干擾與干擾對(duì)抗等典型對(duì)抗種類方面，對(duì)當(dāng)前國內(nèi)外網(wǎng)絡(luò)空間安全對(duì)抗博弈的研究進(jìn)行分析和歸納，并進(jìn)一步闡述5G網(wǎng)絡(luò)空間安全對(duì)抗博弈研究中潛在的基礎(chǔ)理論和對(duì)抗規(guī)律研究方向，分析5G環(huán)境下安全對(duì)抗博弈研究的必要性及面臨的挑戰(zhàn)，為5G網(wǎng)絡(luò)空間安全攻防對(duì)抗研究提供新視角。
2020, 42(10): 2330-2341.
doi: 10.11999/JEIT200002
摘要:
物理層安全技術(shù)從信息論安全理論出發(fā)，保障通信安全，是實(shí)現(xiàn)安全與通信一體化的關(guān)鍵手段，逐漸成為國內(nèi)外研究熱點(diǎn)。該文圍繞無線通信物理層密鑰生成技術(shù)研究，主要聚焦在物理層密鑰生成技術(shù)的理論模型，機(jī)制機(jī)理和研究現(xiàn)狀，重點(diǎn)對(duì)比分析了兩種不同類型密鑰生成算法，即源型密鑰生成算法和信道型密鑰生成算法的區(qū)別和聯(lián)系，揭示了物理層密鑰技術(shù)利用通信信道內(nèi)在安全屬性促進(jìn)通信安全的實(shí)質(zhì)。特別地，該文給出了一種可行的物理層密鑰生成5G工程實(shí)現(xiàn)框架。最后，該文展望了物理層密鑰生成技術(shù)未來可能的研究方向。
物理層安全技術(shù)從信息論安全理論出發(fā)，保障通信安全，是實(shí)現(xiàn)安全與通信一體化的關(guān)鍵手段，逐漸成為國內(nèi)外研究熱點(diǎn)。該文圍繞無線通信物理層密鑰生成技術(shù)研究，主要聚焦在物理層密鑰生成技術(shù)的理論模型，機(jī)制機(jī)理和研究現(xiàn)狀，重點(diǎn)對(duì)比分析了兩種不同類型密鑰生成算法，即源型密鑰生成算法和信道型密鑰生成算法的區(qū)別和聯(lián)系，揭示了物理層密鑰技術(shù)利用通信信道內(nèi)在安全屬性促進(jìn)通信安全的實(shí)質(zhì)。特別地，該文給出了一種可行的物理層密鑰生成5G工程實(shí)現(xiàn)框架。最后，該文展望了物理層密鑰生成技術(shù)未來可能的研究方向。
2020, 42(10): 2342-2349.
doi: 10.11999/JEIT191047
摘要:
軟件定義網(wǎng)絡(luò)(SDN)為網(wǎng)絡(luò)基礎(chǔ)設(shè)施提供靈活性、可管理性以及可編程性的同時(shí)，引入了諸多新型的攻擊向量。該文介紹了攻擊者針對(duì)OpenFlow關(guān)鍵字段發(fā)起的惡意操縱攻擊，并設(shè)計(jì)了3種基于數(shù)據(jù)包轉(zhuǎn)發(fā)時(shí)延的嗅探技術(shù)以保證字段操縱攻擊在真實(shí)SDN網(wǎng)絡(luò)中的可實(shí)施性。實(shí)驗(yàn)結(jié)果表明，字段操縱攻擊嚴(yán)重消耗了SDN網(wǎng)絡(luò)資源，進(jìn)而導(dǎo)致合法用戶之間的通信性能明顯降低。
軟件定義網(wǎng)絡(luò)(SDN)為網(wǎng)絡(luò)基礎(chǔ)設(shè)施提供靈活性、可管理性以及可編程性的同時(shí)，引入了諸多新型的攻擊向量。該文介紹了攻擊者針對(duì)OpenFlow關(guān)鍵字段發(fā)起的惡意操縱攻擊，并設(shè)計(jì)了3種基于數(shù)據(jù)包轉(zhuǎn)發(fā)時(shí)延的嗅探技術(shù)以保證字段操縱攻擊在真實(shí)SDN網(wǎng)絡(luò)中的可實(shí)施性。實(shí)驗(yàn)結(jié)果表明，字段操縱攻擊嚴(yán)重消耗了SDN網(wǎng)絡(luò)資源，進(jìn)而導(dǎo)致合法用戶之間的通信性能明顯降低。
2020, 42(10): 2350-2356.
doi: 10.11999/JEIT200005
摘要:
針對(duì)當(dāng)前霧計(jì)算環(huán)境下終端節(jié)點(diǎn)的切換認(rèn)證協(xié)議在存儲(chǔ)量、計(jì)算量和安全性等方面還存在缺陷，該文提出一種高效的終端節(jié)點(diǎn)切換認(rèn)證協(xié)議。在該協(xié)議中，采用雙因子組合公鑰(TF-CPK)和認(rèn)證Ticket相結(jié)合的方式，實(shí)現(xiàn)霧節(jié)點(diǎn)和終端節(jié)點(diǎn)的相互認(rèn)證和會(huì)話密鑰協(xié)商。安全性和性能分析結(jié)果表明，該協(xié)議支持不可跟蹤性，可以抵抗眾多已知攻擊和安全威脅，且具有較小的系統(tǒng)開銷。
針對(duì)當(dāng)前霧計(jì)算環(huán)境下終端節(jié)點(diǎn)的切換認(rèn)證協(xié)議在存儲(chǔ)量、計(jì)算量和安全性等方面還存在缺陷，該文提出一種高效的終端節(jié)點(diǎn)切換認(rèn)證協(xié)議。在該協(xié)議中，采用雙因子組合公鑰(TF-CPK)和認(rèn)證Ticket相結(jié)合的方式，實(shí)現(xiàn)霧節(jié)點(diǎn)和終端節(jié)點(diǎn)的相互認(rèn)證和會(huì)話密鑰協(xié)商。安全性和性能分析結(jié)果表明，該協(xié)議支持不可跟蹤性，可以抵抗眾多已知攻擊和安全威脅，且具有較小的系統(tǒng)開銷。
2020, 42(10): 2357-2364.
doi: 10.11999/JEIT200001
摘要:
近年來，基于運(yùn)動(dòng)矢量的視頻隱寫引起了信息隱藏領(lǐng)域研究者的廣泛關(guān)注。許多視頻隱寫方法通過合理地對(duì)運(yùn)動(dòng)矢量定義加性嵌入失真函數(shù)獲得了良好的性能，然而這些方法忽略了載體元素之間的相互嵌入影響。該文提出的利用非加性嵌入失真的視頻隱寫方法為運(yùn)動(dòng)矢量設(shè)計(jì)了可以反映相互嵌入影響的聯(lián)合嵌入失真，并通過分解聯(lián)合失真實(shí)現(xiàn)修改概率的轉(zhuǎn)換，從而動(dòng)態(tài)、合理地在運(yùn)動(dòng)矢量的水平分量和垂直分量分配秘密消息。實(shí)驗(yàn)結(jié)果表明，與使用加性嵌入失真方法相比，該方法能獲得更好的安全性和率失真性能。
近年來，基于運(yùn)動(dòng)矢量的視頻隱寫引起了信息隱藏領(lǐng)域研究者的廣泛關(guān)注。許多視頻隱寫方法通過合理地對(duì)運(yùn)動(dòng)矢量定義加性嵌入失真函數(shù)獲得了良好的性能，然而這些方法忽略了載體元素之間的相互嵌入影響。該文提出的利用非加性嵌入失真的視頻隱寫方法為運(yùn)動(dòng)矢量設(shè)計(jì)了可以反映相互嵌入影響的聯(lián)合嵌入失真，并通過分解聯(lián)合失真實(shí)現(xiàn)修改概率的轉(zhuǎn)換，從而動(dòng)態(tài)、合理地在運(yùn)動(dòng)矢量的水平分量和垂直分量分配秘密消息。實(shí)驗(yàn)結(jié)果表明，與使用加性嵌入失真方法相比，該方法能獲得更好的安全性和率失真性能。
2020, 42(10): 2365-2373.
doi: 10.11999/JEIT191020
摘要:
為了對(duì)自動(dòng)廣播相關(guān)監(jiān)視(ADS-B)攻擊數(shù)據(jù)進(jìn)行彈性恢復(fù)，確?？涨閼B(tài)勢感知信息的持續(xù)可用性，該文提出針對(duì)ADS-B攻擊數(shù)據(jù)的彈性恢復(fù)方法。基于前置的攻擊檢測機(jī)制，獲取當(dāng)前ADS-B量測數(shù)據(jù)序列和預(yù)測數(shù)據(jù)序列，并在此基礎(chǔ)上構(gòu)建偏差數(shù)據(jù)序列、差分?jǐn)?shù)據(jù)序列和鄰近密度數(shù)據(jù)序列。依托偏差數(shù)據(jù)構(gòu)建恢復(fù)向量，依托差分?jǐn)?shù)據(jù)挖掘攻擊數(shù)據(jù)的時(shí)序特性，依托鄰近密度數(shù)據(jù)挖掘攻擊數(shù)據(jù)的空間特性。通過整合3種數(shù)據(jù)序列構(gòu)建彈性恢復(fù)策略并確定恢復(fù)終止點(diǎn)，實(shí)現(xiàn)對(duì)攻擊影響的弱化，將ADS-B攻擊數(shù)據(jù)向正常數(shù)據(jù)方向進(jìn)行定向恢復(fù)。通過對(duì)6種典型攻擊樣式的實(shí)驗(yàn)分析，證明該彈性恢復(fù)方法能夠有效恢復(fù)ADS-B攻擊數(shù)據(jù)，削弱數(shù)據(jù)攻擊對(duì)監(jiān)視系統(tǒng)的影響。
為了對(duì)自動(dòng)廣播相關(guān)監(jiān)視(ADS-B)攻擊數(shù)據(jù)進(jìn)行彈性恢復(fù)，確?？涨閼B(tài)勢感知信息的持續(xù)可用性，該文提出針對(duì)ADS-B攻擊數(shù)據(jù)的彈性恢復(fù)方法。基于前置的攻擊檢測機(jī)制，獲取當(dāng)前ADS-B量測數(shù)據(jù)序列和預(yù)測數(shù)據(jù)序列，并在此基礎(chǔ)上構(gòu)建偏差數(shù)據(jù)序列、差分?jǐn)?shù)據(jù)序列和鄰近密度數(shù)據(jù)序列。依托偏差數(shù)據(jù)構(gòu)建恢復(fù)向量，依托差分?jǐn)?shù)據(jù)挖掘攻擊數(shù)據(jù)的時(shí)序特性，依托鄰近密度數(shù)據(jù)挖掘攻擊數(shù)據(jù)的空間特性。通過整合3種數(shù)據(jù)序列構(gòu)建彈性恢復(fù)策略并確定恢復(fù)終止點(diǎn)，實(shí)現(xiàn)對(duì)攻擊影響的弱化，將ADS-B攻擊數(shù)據(jù)向正常數(shù)據(jù)方向進(jìn)行定向恢復(fù)。通過對(duì)6種典型攻擊樣式的實(shí)驗(yàn)分析，證明該彈性恢復(fù)方法能夠有效恢復(fù)ADS-B攻擊數(shù)據(jù)，削弱數(shù)據(jù)攻擊對(duì)監(jiān)視系統(tǒng)的影響。
2020, 42(10): 2374-2385.
doi: 10.11999/JEIT190890
摘要:
云計(jì)算作為一種新型計(jì)算模式，具有海量資源、動(dòng)態(tài)擴(kuò)展、按需分配等特點(diǎn)。資源受限的用戶可以將計(jì)算任務(wù)外包給云服務(wù)器，在享受高質(zhì)量數(shù)據(jù)服務(wù)的同時(shí)大大降低了本地管理開銷。然而，數(shù)據(jù)外包導(dǎo)致數(shù)據(jù)所有權(quán)與管理權(quán)分離，如何保證數(shù)據(jù)的安全性成為云計(jì)算中亟待解決的關(guān)鍵問題。傳統(tǒng)的加密技術(shù)雖然可以保證數(shù)據(jù)的機(jī)密性，但是在密文中如何執(zhí)行有意義的檢索操作成為一個(gè)巨大的挑戰(zhàn)。為了保證數(shù)據(jù)機(jī)密性的同時(shí)實(shí)現(xiàn)密文數(shù)據(jù)的高效檢索，可搜索加密技術(shù)應(yīng)運(yùn)而生。近年來，可搜索加密方案的設(shè)計(jì)日趨多樣化，旨在提高方案的實(shí)用性。該文主要圍繞目前可搜索加密方案的研究熱點(diǎn)，從4個(gè)方面展開闡述，具體包括：單關(guān)鍵詞檢索、多模式檢索、前/后向安全檢索和可驗(yàn)證檢索。該文主要介紹和分析具有代表性的研究成果，總結(jié)最新研究進(jìn)展及提煉關(guān)鍵技術(shù)難點(diǎn)，最后對(duì)未來的研究方向進(jìn)行展望。
云計(jì)算作為一種新型計(jì)算模式，具有海量資源、動(dòng)態(tài)擴(kuò)展、按需分配等特點(diǎn)。資源受限的用戶可以將計(jì)算任務(wù)外包給云服務(wù)器，在享受高質(zhì)量數(shù)據(jù)服務(wù)的同時(shí)大大降低了本地管理開銷。然而，數(shù)據(jù)外包導(dǎo)致數(shù)據(jù)所有權(quán)與管理權(quán)分離，如何保證數(shù)據(jù)的安全性成為云計(jì)算中亟待解決的關(guān)鍵問題。傳統(tǒng)的加密技術(shù)雖然可以保證數(shù)據(jù)的機(jī)密性，但是在密文中如何執(zhí)行有意義的檢索操作成為一個(gè)巨大的挑戰(zhàn)。為了保證數(shù)據(jù)機(jī)密性的同時(shí)實(shí)現(xiàn)密文數(shù)據(jù)的高效檢索，可搜索加密技術(shù)應(yīng)運(yùn)而生。近年來，可搜索加密方案的設(shè)計(jì)日趨多樣化，旨在提高方案的實(shí)用性。該文主要圍繞目前可搜索加密方案的研究熱點(diǎn)，從4個(gè)方面展開闡述，具體包括：單關(guān)鍵詞檢索、多模式檢索、前/后向安全檢索和可驗(yàn)證檢索。該文主要介紹和分析具有代表性的研究成果，總結(jié)最新研究進(jìn)展及提煉關(guān)鍵技術(shù)難點(diǎn)，最后對(duì)未來的研究方向進(jìn)行展望。
2020, 42(10): 2386-2393.
doi: 10.11999/JEIT200023
摘要:
針對(duì)5G網(wǎng)絡(luò)高可靠性、低時(shí)延的服務(wù)需求，該文提出一種面向時(shí)延與可靠性優(yōu)化的服務(wù)功能鏈(SFC)部署(DROSD)方法。在不預(yù)留冗余資源的情況下，首先通過功能互斥約束來確定SFC中相鄰虛擬網(wǎng)絡(luò)功能(VNF)是否可聚合；其次通過功能性約束、資源約束選擇可聚合物理節(jié)點(diǎn)集合，實(shí)現(xiàn)負(fù)載均衡，提高SFC可靠性；然后通過跳數(shù)約束進(jìn)行優(yōu)化，進(jìn)一步篩選可聚合物理節(jié)點(diǎn)集合以降低SFC的端到端時(shí)延；最后通過節(jié)點(diǎn)可用資源、節(jié)點(diǎn)度以及與原節(jié)點(diǎn)跳數(shù)指標(biāo)進(jìn)行降序排列，取最大值物理節(jié)點(diǎn)部署VNF。SFC的路由選擇，采用K-最短路徑算法。仿真實(shí)驗(yàn)表明，該文所提算法提高了請(qǐng)求接受率、長期平均收益開銷比，增強(qiáng)了SFC可靠性，降低了端到端時(shí)延，減小了平均帶寬開銷。
針對(duì)5G網(wǎng)絡(luò)高可靠性、低時(shí)延的服務(wù)需求，該文提出一種面向時(shí)延與可靠性優(yōu)化的服務(wù)功能鏈(SFC)部署(DROSD)方法。在不預(yù)留冗余資源的情況下，首先通過功能互斥約束來確定SFC中相鄰虛擬網(wǎng)絡(luò)功能(VNF)是否可聚合；其次通過功能性約束、資源約束選擇可聚合物理節(jié)點(diǎn)集合，實(shí)現(xiàn)負(fù)載均衡，提高SFC可靠性；然后通過跳數(shù)約束進(jìn)行優(yōu)化，進(jìn)一步篩選可聚合物理節(jié)點(diǎn)集合以降低SFC的端到端時(shí)延；最后通過節(jié)點(diǎn)可用資源、節(jié)點(diǎn)度以及與原節(jié)點(diǎn)跳數(shù)指標(biāo)進(jìn)行降序排列，取最大值物理節(jié)點(diǎn)部署VNF。SFC的路由選擇，采用K-最短路徑算法。仿真實(shí)驗(yàn)表明，該文所提算法提高了請(qǐng)求接受率、長期平均收益開銷比，增強(qiáng)了SFC可靠性，降低了端到端時(shí)延，減小了平均帶寬開銷。
2020, 42(10): 2394-2402.
doi: 10.11999/JEIT190731
摘要:
大多數(shù)有向網(wǎng)絡(luò)鏈路預(yù)測方法在計(jì)算節(jié)點(diǎn)相似性時(shí)沒有充分考慮有向網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，未區(qū)分不同有向鄰居對(duì)連邊形成具有的貢獻(xiàn)差異，導(dǎo)致預(yù)測性能受到局限。鑒于此，該文提出一種基于線性規(guī)劃的有向網(wǎng)絡(luò)鏈路預(yù)測方法。該方法對(duì)3種有向鄰居的信息貢獻(xiàn)進(jìn)行量化分析，結(jié)合結(jié)構(gòu)特點(diǎn)建立線性規(guī)劃模型，進(jìn)而通過求解貢獻(xiàn)矩陣的最優(yōu)解構(gòu)建相似性指標(biāo)。9個(gè)真實(shí)有向網(wǎng)絡(luò)中的實(shí)驗(yàn)結(jié)果表明，所提方法相比于9種現(xiàn)有方法在兩種衡量標(biāo)準(zhǔn)下表現(xiàn)出較高的預(yù)測性能與良好的魯棒性。
大多數(shù)有向網(wǎng)絡(luò)鏈路預(yù)測方法在計(jì)算節(jié)點(diǎn)相似性時(shí)沒有充分考慮有向網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，未區(qū)分不同有向鄰居對(duì)連邊形成具有的貢獻(xiàn)差異，導(dǎo)致預(yù)測性能受到局限。鑒于此，該文提出一種基于線性規(guī)劃的有向網(wǎng)絡(luò)鏈路預(yù)測方法。該方法對(duì)3種有向鄰居的信息貢獻(xiàn)進(jìn)行量化分析，結(jié)合結(jié)構(gòu)特點(diǎn)建立線性規(guī)劃模型，進(jìn)而通過求解貢獻(xiàn)矩陣的最優(yōu)解構(gòu)建相似性指標(biāo)。9個(gè)真實(shí)有向網(wǎng)絡(luò)中的實(shí)驗(yàn)結(jié)果表明，所提方法相比于9種現(xiàn)有方法在兩種衡量標(biāo)準(zhǔn)下表現(xiàn)出較高的預(yù)測性能與良好的魯棒性。
2020, 42(10): 2403-2411.
doi: 10.11999/JEIT190739
摘要:
為了解決基于集中式算法的傳統(tǒng)物聯(lián)網(wǎng)數(shù)據(jù)分析處理方式易引發(fā)網(wǎng)絡(luò)帶寬壓力過大、延遲過高以及數(shù)據(jù)隱私安全等問題，該文針對(duì)彈性網(wǎng)絡(luò)回歸這一典型的線性回歸模型，提出一種面向物聯(lián)網(wǎng)(IoT)的分布式學(xué)習(xí)算法。該算法基于交替方向乘子法(ADMM)，將彈性網(wǎng)絡(luò)回歸目標(biāo)優(yōu)化問題分解為多個(gè)能夠由物聯(lián)網(wǎng)節(jié)點(diǎn)利用本地?cái)?shù)據(jù)進(jìn)行獨(dú)立求解的子問題。不同于傳統(tǒng)的集中式算法，該算法并不要求物聯(lián)網(wǎng)節(jié)點(diǎn)將隱私數(shù)據(jù)上傳至服務(wù)器進(jìn)行訓(xùn)練，而僅僅傳遞本地訓(xùn)練的中間參數(shù)，再由服務(wù)器進(jìn)行簡單整合，以這樣的協(xié)作方式經(jīng)過多輪迭代獲得最終結(jié)果?；趦蓚€(gè)典型數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明：該算法能夠在幾十輪迭代內(nèi)快速收斂到最優(yōu)解。相比于由單個(gè)節(jié)點(diǎn)獨(dú)立訓(xùn)練模型的本地化算法，該算法提高了模型結(jié)果的有效性和準(zhǔn)確性；相比于集中式算法，該算法在確保計(jì)算準(zhǔn)確性和可擴(kuò)展性的同時(shí)，可有效地保護(hù)個(gè)體隱私數(shù)據(jù)的安全性。
為了解決基于集中式算法的傳統(tǒng)物聯(lián)網(wǎng)數(shù)據(jù)分析處理方式易引發(fā)網(wǎng)絡(luò)帶寬壓力過大、延遲過高以及數(shù)據(jù)隱私安全等問題，該文針對(duì)彈性網(wǎng)絡(luò)回歸這一典型的線性回歸模型，提出一種面向物聯(lián)網(wǎng)(IoT)的分布式學(xué)習(xí)算法。該算法基于交替方向乘子法(ADMM)，將彈性網(wǎng)絡(luò)回歸目標(biāo)優(yōu)化問題分解為多個(gè)能夠由物聯(lián)網(wǎng)節(jié)點(diǎn)利用本地?cái)?shù)據(jù)進(jìn)行獨(dú)立求解的子問題。不同于傳統(tǒng)的集中式算法，該算法并不要求物聯(lián)網(wǎng)節(jié)點(diǎn)將隱私數(shù)據(jù)上傳至服務(wù)器進(jìn)行訓(xùn)練，而僅僅傳遞本地訓(xùn)練的中間參數(shù)，再由服務(wù)器進(jìn)行簡單整合，以這樣的協(xié)作方式經(jīng)過多輪迭代獲得最終結(jié)果?；趦蓚€(gè)典型數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明：該算法能夠在幾十輪迭代內(nèi)快速收斂到最優(yōu)解。相比于由單個(gè)節(jié)點(diǎn)獨(dú)立訓(xùn)練模型的本地化算法，該算法提高了模型結(jié)果的有效性和準(zhǔn)確性；相比于集中式算法，該算法在確保計(jì)算準(zhǔn)確性和可擴(kuò)展性的同時(shí)，可有效地保護(hù)個(gè)體隱私數(shù)據(jù)的安全性。
2020, 42(10): 2412-2419.
doi: 10.11999/JEIT190395
摘要:
軟件定義光網(wǎng)絡(luò)(SDON)作為智能光網(wǎng)絡(luò)中最新一代網(wǎng)絡(luò)架構(gòu)，其控制平面承載著諸多核心功能，其中控制平面的生存性、控制冗余和控制時(shí)延等因素對(duì)網(wǎng)絡(luò)整體性能起到至關(guān)重要的作用。該文提出一種以生存性條件為約束的軟件定義光網(wǎng)絡(luò)(SCD)控制器部署算法，在保證用戶對(duì)網(wǎng)絡(luò)生存性需求的前提下，利用最短路徑和極小支配集等數(shù)學(xué)原理來降低控制時(shí)延和減少控制器部署個(gè)數(shù)，降低控制冗余，并利用聯(lián)合判決條件選擇管控中心部署節(jié)點(diǎn)，協(xié)調(diào)控制器間的工作。實(shí)驗(yàn)表明：首先，所提算法可以百分之百保證用戶對(duì)網(wǎng)絡(luò)的生存性要求；其次，所提算法相對(duì)于C-MPC算法至少降低了15%的網(wǎng)絡(luò)故障告警概率，提高了網(wǎng)絡(luò)生存性；同時(shí)，相對(duì)于以時(shí)延為約束的部署算法減少了約40%的控制器部署個(gè)數(shù)。特別是在生存性要求較高的場景中，所提算法表現(xiàn)出良好的適應(yīng)性。此外，管控中心的部署算法在復(fù)雜的大規(guī)模網(wǎng)絡(luò)中，可以動(dòng)態(tài)地滿足用戶對(duì)網(wǎng)絡(luò)生存性不同程度的需求。
軟件定義光網(wǎng)絡(luò)(SDON)作為智能光網(wǎng)絡(luò)中最新一代網(wǎng)絡(luò)架構(gòu)，其控制平面承載著諸多核心功能，其中控制平面的生存性、控制冗余和控制時(shí)延等因素對(duì)網(wǎng)絡(luò)整體性能起到至關(guān)重要的作用。該文提出一種以生存性條件為約束的軟件定義光網(wǎng)絡(luò)(SCD)控制器部署算法，在保證用戶對(duì)網(wǎng)絡(luò)生存性需求的前提下，利用最短路徑和極小支配集等數(shù)學(xué)原理來降低控制時(shí)延和減少控制器部署個(gè)數(shù)，降低控制冗余，并利用聯(lián)合判決條件選擇管控中心部署節(jié)點(diǎn)，協(xié)調(diào)控制器間的工作。實(shí)驗(yàn)表明：首先，所提算法可以百分之百保證用戶對(duì)網(wǎng)絡(luò)的生存性要求；其次，所提算法相對(duì)于C-MPC算法至少降低了15%的網(wǎng)絡(luò)故障告警概率，提高了網(wǎng)絡(luò)生存性；同時(shí)，相對(duì)于以時(shí)延為約束的部署算法減少了約40%的控制器部署個(gè)數(shù)。特別是在生存性要求較高的場景中，所提算法表現(xiàn)出良好的適應(yīng)性。此外，管控中心的部署算法在復(fù)雜的大規(guī)模網(wǎng)絡(luò)中，可以動(dòng)態(tài)地滿足用戶對(duì)網(wǎng)絡(luò)生存性不同程度的需求。
2020, 42(10): 2420-2428.
doi: 10.11999/JEIT190759
摘要:
移動(dòng)云計(jì)算、人工智能(AI)、5G等新興技術(shù)應(yīng)用促使彈性光網(wǎng)絡(luò)(EON)在骨干傳輸網(wǎng)中發(fā)揮更重要的角色，降級(jí)服務(wù)(DS)技術(shù)為降低EON的業(yè)務(wù)阻塞率、提高頻譜利用率提供了新途徑。該文首先對(duì)現(xiàn)有DS算法的資源分配不公、忽略低等級(jí)業(yè)務(wù)的體驗(yàn)質(zhì)量(QoE)等問題，建立了以最小化降級(jí)頻次、降級(jí)等級(jí)與傳輸時(shí)延損失(TDL)為聯(lián)合優(yōu)化目標(biāo)的混合整數(shù)線性規(guī)劃(MILP)模型，并提出一種時(shí)延感知的降級(jí)恢復(fù)路由與頻譜分配(DDR-RSA)算法。為提高降級(jí)業(yè)務(wù)的QoE和運(yùn)營商收益，在算法的最優(yōu)DS窗口選擇階段中融入降級(jí)恢復(fù)策略，在保障傳輸數(shù)據(jù)量不變的前提下，將降級(jí)業(yè)務(wù)向空閑頻域復(fù)原，從而提高頻譜效率、減小降級(jí)業(yè)務(wù)TDL和最大化網(wǎng)絡(luò)收益。最后，通過仿真證明了所提算法在業(yè)務(wù)阻塞率、網(wǎng)絡(luò)收益和降級(jí)業(yè)務(wù)成功率等方面的優(yōu)勢。
移動(dòng)云計(jì)算、人工智能(AI)、5G等新興技術(shù)應(yīng)用促使彈性光網(wǎng)絡(luò)(EON)在骨干傳輸網(wǎng)中發(fā)揮更重要的角色，降級(jí)服務(wù)(DS)技術(shù)為降低EON的業(yè)務(wù)阻塞率、提高頻譜利用率提供了新途徑。該文首先對(duì)現(xiàn)有DS算法的資源分配不公、忽略低等級(jí)業(yè)務(wù)的體驗(yàn)質(zhì)量(QoE)等問題，建立了以最小化降級(jí)頻次、降級(jí)等級(jí)與傳輸時(shí)延損失(TDL)為聯(lián)合優(yōu)化目標(biāo)的混合整數(shù)線性規(guī)劃(MILP)模型，并提出一種時(shí)延感知的降級(jí)恢復(fù)路由與頻譜分配(DDR-RSA)算法。為提高降級(jí)業(yè)務(wù)的QoE和運(yùn)營商收益，在算法的最優(yōu)DS窗口選擇階段中融入降級(jí)恢復(fù)策略，在保障傳輸數(shù)據(jù)量不變的前提下，將降級(jí)業(yè)務(wù)向空閑頻域復(fù)原，從而提高頻譜效率、減小降級(jí)業(yè)務(wù)TDL和最大化網(wǎng)絡(luò)收益。最后，通過仿真證明了所提算法在業(yè)務(wù)阻塞率、網(wǎng)絡(luò)收益和降級(jí)業(yè)務(wù)成功率等方面的優(yōu)勢。
2020, 42(10): 2429-2436.
doi: 10.11999/JEIT190406
摘要:
針對(duì)低信噪比下非周期長碼直接序列碼分多址(NPLC-DS-CDMA)信號(hào)偽碼序列估計(jì)問題，該文提出一種基于張量分解和多項(xiàng)式庫搜索的多天線估計(jì)方法。該方法首先對(duì)接收信號(hào)建模為3階張量模型并根據(jù)擴(kuò)頻增益分割為多個(gè)子張量，然后利用交替最小二乘投影(ALSP)算法對(duì)子張量進(jìn)行CP分解得到偽碼片段因子矩陣和接收增益因子矩陣，利用接收增益矩陣互相關(guān)性和旁瓣能量檢測對(duì)偽碼片段組合序列篩選得到每個(gè)用戶的偽碼序列，最后利用多項(xiàng)式庫搜索的方法識(shí)別出偽碼序列的生成多項(xiàng)式，進(jìn)一步提高偽碼序列估計(jì)的正確率。仿真結(jié)果表明，所提方法能夠?qū)崿F(xiàn)對(duì)NPLC-DS-CDMA信號(hào)偽碼序列的有效估計(jì)。
針對(duì)低信噪比下非周期長碼直接序列碼分多址(NPLC-DS-CDMA)信號(hào)偽碼序列估計(jì)問題，該文提出一種基于張量分解和多項(xiàng)式庫搜索的多天線估計(jì)方法。該方法首先對(duì)接收信號(hào)建模為3階張量模型并根據(jù)擴(kuò)頻增益分割為多個(gè)子張量，然后利用交替最小二乘投影(ALSP)算法對(duì)子張量進(jìn)行CP分解得到偽碼片段因子矩陣和接收增益因子矩陣，利用接收增益矩陣互相關(guān)性和旁瓣能量檢測對(duì)偽碼片段組合序列篩選得到每個(gè)用戶的偽碼序列，最后利用多項(xiàng)式庫搜索的方法識(shí)別出偽碼序列的生成多項(xiàng)式，進(jìn)一步提高偽碼序列估計(jì)的正確率。仿真結(jié)果表明，所提方法能夠?qū)崿F(xiàn)對(duì)NPLC-DS-CDMA信號(hào)偽碼序列的有效估計(jì)。
2020, 42(10): 2437-2444.
doi: 10.11999/JEIT190704
摘要:
鄰道干擾(ACI)抑制中需要獲取干擾信號(hào)非線性特征進(jìn)行信號(hào)重建與抵消，因此接收機(jī)需使用高速率寬帶模數(shù)轉(zhuǎn)換器(ADC)采集干擾信號(hào)，這將大幅增加接收機(jī)成本。針對(duì)上述問題，該文提出一種采用干擾信號(hào)帶外分量卷積反演的鄰道干擾抑制方法，利用接收的干擾信號(hào)帶外非線性分量，計(jì)算并消除相鄰幀之間的影響，由窄帶部分卷積信號(hào)幀構(gòu)造出線性卷積信號(hào)幀，然后用正則化最小二乘方法恢復(fù)原始非線性寬帶干擾信號(hào)，從而降低ADC采樣率。仿真驗(yàn)證結(jié)果表明當(dāng)采樣率僅為傳統(tǒng)方案1/3，所提方法帶來的殘余干擾不高于底噪6 dB。
鄰道干擾(ACI)抑制中需要獲取干擾信號(hào)非線性特征進(jìn)行信號(hào)重建與抵消，因此接收機(jī)需使用高速率寬帶模數(shù)轉(zhuǎn)換器(ADC)采集干擾信號(hào)，這將大幅增加接收機(jī)成本。針對(duì)上述問題，該文提出一種采用干擾信號(hào)帶外分量卷積反演的鄰道干擾抑制方法，利用接收的干擾信號(hào)帶外非線性分量，計(jì)算并消除相鄰幀之間的影響，由窄帶部分卷積信號(hào)幀構(gòu)造出線性卷積信號(hào)幀，然后用正則化最小二乘方法恢復(fù)原始非線性寬帶干擾信號(hào)，從而降低ADC采樣率。仿真驗(yàn)證結(jié)果表明當(dāng)采樣率僅為傳統(tǒng)方案1/3，所提方法帶來的殘余干擾不高于底噪6 dB。
2020, 42(10): 2445-2453.
doi: 10.11999/JEIT190778
摘要:
針對(duì)差分混沌移位鍵控系統(tǒng)傳輸速率和能量效率低的缺點(diǎn)，該文提出一種正交多用戶短參考差分混沌移位鍵控(OMU-SR-DCSK)通信系統(tǒng)。系統(tǒng)將參考信號(hào)長度縮短為每個(gè)信息承載信號(hào)長度的1/P，并在參考時(shí)隙后增加了兩路連續(xù)的信息時(shí)隙，每個(gè)信息時(shí)隙內(nèi)，N個(gè)用戶信息在Walsh碼正交特性作用下同時(shí)傳輸，利用Walsh碼的正交特性可完全消除用戶間干擾，從而改善系統(tǒng)誤碼性能。推導(dǎo)了OMU-SR-DCSK在加性高斯白噪聲(AWGN)信道和Rayleigh衰落信道下的理論比特誤碼率(BER)公式并進(jìn)行了仿真。仿真結(jié)果和理論推導(dǎo)的吻合證明了理論推導(dǎo)的正確性，從而為OMU-SR-DCSK應(yīng)用于多用戶串行傳輸系統(tǒng)提供了理論依據(jù)。
針對(duì)差分混沌移位鍵控系統(tǒng)傳輸速率和能量效率低的缺點(diǎn)，該文提出一種正交多用戶短參考差分混沌移位鍵控(OMU-SR-DCSK)通信系統(tǒng)。系統(tǒng)將參考信號(hào)長度縮短為每個(gè)信息承載信號(hào)長度的1/P，并在參考時(shí)隙后增加了兩路連續(xù)的信息時(shí)隙，每個(gè)信息時(shí)隙內(nèi)，N個(gè)用戶信息在Walsh碼正交特性作用下同時(shí)傳輸，利用Walsh碼的正交特性可完全消除用戶間干擾，從而改善系統(tǒng)誤碼性能。推導(dǎo)了OMU-SR-DCSK在加性高斯白噪聲(AWGN)信道和Rayleigh衰落信道下的理論比特誤碼率(BER)公式并進(jìn)行了仿真。仿真結(jié)果和理論推導(dǎo)的吻合證明了理論推導(dǎo)的正確性，從而為OMU-SR-DCSK應(yīng)用于多用戶串行傳輸系統(tǒng)提供了理論依據(jù)。
2020, 42(10): 2454-2461.
doi: 10.11999/JEIT190748
摘要:
在多小區(qū)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中，導(dǎo)頻污染已經(jīng)成為制約整個(gè)系統(tǒng)的瓶頸。合理地使用導(dǎo)頻資源能減輕導(dǎo)頻污染的影響，為了尋找使邊緣用戶和容量最大的導(dǎo)頻分配方式，該文首次提出了基于遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)(HNCNN)的導(dǎo)頻分配方案。遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)作為良好的優(yōu)化工具，其優(yōu)化能力與所設(shè)計(jì)的能量函數(shù)相關(guān)。該方案結(jié)合導(dǎo)頻資源使用的特點(diǎn)以及最大化邊緣用戶和容量的計(jì)算方式，設(shè)計(jì)了新的能量函數(shù)。仿真結(jié)果表明，網(wǎng)絡(luò)能在一定迭代次數(shù)后收斂到較優(yōu)的導(dǎo)頻分配方式。與其它文獻(xiàn)方案相比，采用以HNCNN為框架求取導(dǎo)頻分配方式，可以更有效減輕導(dǎo)頻污染的影響，使系統(tǒng)性能得到改善。
在多小區(qū)大規(guī)模多輸入多輸出(MIMO)系統(tǒng)中，導(dǎo)頻污染已經(jīng)成為制約整個(gè)系統(tǒng)的瓶頸。合理地使用導(dǎo)頻資源能減輕導(dǎo)頻污染的影響，為了尋找使邊緣用戶和容量最大的導(dǎo)頻分配方式，該文首次提出了基于遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)(HNCNN)的導(dǎo)頻分配方案。遲滯噪聲混沌神經(jīng)網(wǎng)絡(luò)作為良好的優(yōu)化工具，其優(yōu)化能力與所設(shè)計(jì)的能量函數(shù)相關(guān)。該方案結(jié)合導(dǎo)頻資源使用的特點(diǎn)以及最大化邊緣用戶和容量的計(jì)算方式，設(shè)計(jì)了新的能量函數(shù)。仿真結(jié)果表明，網(wǎng)絡(luò)能在一定迭代次數(shù)后收斂到較優(yōu)的導(dǎo)頻分配方式。與其它文獻(xiàn)方案相比，采用以HNCNN為框架求取導(dǎo)頻分配方式，可以更有效減輕導(dǎo)頻污染的影響，使系統(tǒng)性能得到改善。
2020, 42(10): 2462-2470.
doi: 10.11999/JEIT190882
摘要:
一直以來，情緒是心理學(xué)、教育學(xué)、信息科學(xué)等多個(gè)學(xué)科的研究熱點(diǎn)，腦電信號(hào)(EEG)因其客觀、不易偽裝的特點(diǎn)，在情緒識(shí)別領(lǐng)域受到廣泛關(guān)注。由于人類情緒是大腦多個(gè)腦區(qū)相互作用產(chǎn)生的，該文提出一種基于同步性腦網(wǎng)絡(luò)的支持張量機(jī)情緒分類算法(SBN-STM)，該算法采用相位鎖定值(PLV)構(gòu)建了同步性腦網(wǎng)絡(luò)，分析多導(dǎo)聯(lián)腦電信號(hào)之間的同步性和相關(guān)性，并生成2階張量序列作為訓(xùn)練集，運(yùn)用支持張量機(jī)(STM)模型實(shí)現(xiàn)正負(fù)情緒的二分類。該文基于DEAP腦電情緒數(shù)據(jù)庫，詳細(xì)分析了同步性腦網(wǎng)絡(luò)張量序列的選取方法，最佳張量序列窗口的大小和位置，解決了傳統(tǒng)情緒分類算法特征冗余的問題，提高了模型訓(xùn)練速度。仿真實(shí)驗(yàn)表明，基于支持張量機(jī)的同步性腦網(wǎng)絡(luò)分類方法的情緒準(zhǔn)確率優(yōu)于支持向量機(jī)、C4.5決策樹、人工神經(jīng)網(wǎng)絡(luò)、K近鄰等以向量為特征的情緒分類模型。
一直以來，情緒是心理學(xué)、教育學(xué)、信息科學(xué)等多個(gè)學(xué)科的研究熱點(diǎn)，腦電信號(hào)(EEG)因其客觀、不易偽裝的特點(diǎn)，在情緒識(shí)別領(lǐng)域受到廣泛關(guān)注。由于人類情緒是大腦多個(gè)腦區(qū)相互作用產(chǎn)生的，該文提出一種基于同步性腦網(wǎng)絡(luò)的支持張量機(jī)情緒分類算法(SBN-STM)，該算法采用相位鎖定值(PLV)構(gòu)建了同步性腦網(wǎng)絡(luò)，分析多導(dǎo)聯(lián)腦電信號(hào)之間的同步性和相關(guān)性，并生成2階張量序列作為訓(xùn)練集，運(yùn)用支持張量機(jī)(STM)模型實(shí)現(xiàn)正負(fù)情緒的二分類。該文基于DEAP腦電情緒數(shù)據(jù)庫，詳細(xì)分析了同步性腦網(wǎng)絡(luò)張量序列的選取方法，最佳張量序列窗口的大小和位置，解決了傳統(tǒng)情緒分類算法特征冗余的問題，提高了模型訓(xùn)練速度。仿真實(shí)驗(yàn)表明，基于支持張量機(jī)的同步性腦網(wǎng)絡(luò)分類方法的情緒準(zhǔn)確率優(yōu)于支持向量機(jī)、C4.5決策樹、人工神經(jīng)網(wǎng)絡(luò)、K近鄰等以向量為特征的情緒分類模型。
2020, 42(10): 2471-2477.
doi: 10.11999/JEJT190722
摘要:
針對(duì)復(fù)雜工況下滾動(dòng)軸承故障信號(hào)盲提取問題，該文提出一種獨(dú)立分量分析(ICA)中非線性函數(shù)自適應(yīng)選擇方法，解決了等變化自適應(yīng)源分離算法(EASI)在多類振動(dòng)源共存的情況下無法分離軸承故障信號(hào)的問題。此外，為了解決在線盲分離算法穩(wěn)態(tài)誤差與收斂速率的平衡問題，提出基于模糊邏輯的自適應(yīng)迭代步長選擇方法，極大地提高了學(xué)習(xí)算法的收斂速度，且穩(wěn)態(tài)誤差更小。軸承故障數(shù)據(jù)的盲提取仿真結(jié)果驗(yàn)證了算法的性能。
針對(duì)復(fù)雜工況下滾動(dòng)軸承故障信號(hào)盲提取問題，該文提出一種獨(dú)立分量分析(ICA)中非線性函數(shù)自適應(yīng)選擇方法，解決了等變化自適應(yīng)源分離算法(EASI)在多類振動(dòng)源共存的情況下無法分離軸承故障信號(hào)的問題。此外，為了解決在線盲分離算法穩(wěn)態(tài)誤差與收斂速率的平衡問題，提出基于模糊邏輯的自適應(yīng)迭代步長選擇方法，極大地提高了學(xué)習(xí)算法的收斂速度，且穩(wěn)態(tài)誤差更小。軸承故障數(shù)據(jù)的盲提取仿真結(jié)果驗(yàn)證了算法的性能。
2020, 42(10): 2478-2484.
doi: 10.11999/JEIT190916
摘要:
為了解決Alpha穩(wěn)定分布噪聲下目標(biāo)螺旋槳特征提取問題，該文提出一種基于分?jǐn)?shù)低階循環(huán)譜的特征提取方法。首先，從理論上推導(dǎo)出脈沖噪聲條件下艦船輻射噪聲分?jǐn)?shù)低階循環(huán)譜，指出分?jǐn)?shù)低階循環(huán)譜中出現(xiàn)峰值與螺旋槳特征的關(guān)系。然后根據(jù)該關(guān)系，提出基于分?jǐn)?shù)低階循環(huán)譜的螺旋槳特征估計(jì)方法。最后，通過仿真實(shí)驗(yàn)驗(yàn)證該方法的性能，并通過實(shí)測數(shù)據(jù)進(jìn)一步驗(yàn)證了算法有效性。
為了解決Alpha穩(wěn)定分布噪聲下目標(biāo)螺旋槳特征提取問題，該文提出一種基于分?jǐn)?shù)低階循環(huán)譜的特征提取方法。首先，從理論上推導(dǎo)出脈沖噪聲條件下艦船輻射噪聲分?jǐn)?shù)低階循環(huán)譜，指出分?jǐn)?shù)低階循環(huán)譜中出現(xiàn)峰值與螺旋槳特征的關(guān)系。然后根據(jù)該關(guān)系，提出基于分?jǐn)?shù)低階循環(huán)譜的螺旋槳特征估計(jì)方法。最后，通過仿真實(shí)驗(yàn)驗(yàn)證該方法的性能，并通過實(shí)測數(shù)據(jù)進(jìn)一步驗(yàn)證了算法有效性。
2020, 42(10): 2485-2492.
doi: 10.11999/JEIT190831
摘要:
加速度和下降速度的存在使機(jī)動(dòng)平臺(tái)大斜視SAR的成像參數(shù)存在明顯的2維空變性，嚴(yán)重影響場景的聚焦深度。針對(duì)這個(gè)問題，該文提出了一種基于Keystone變換和擾動(dòng)重采樣的機(jī)動(dòng)SAR成像方法。首先，通過距離走動(dòng)校正和去加速處理實(shí)現(xiàn)距離方位解耦以及方位頻譜去混疊，然后采用方位時(shí)域的Keystone變換校正空變的距離徙動(dòng)；在方位壓縮過程中，通過引入時(shí)域的高階擾動(dòng)因子去除多普勒參數(shù)的2階及3階方位空變性，然后通過方位頻域的重采樣處理去除多普勒參數(shù)的方位1階空變性。所提方法能夠有效校正距離徙動(dòng)軌跡和方位聚焦參數(shù)的2維空變性，實(shí)現(xiàn)機(jī)動(dòng)平臺(tái)大斜SAR的大場景成像，仿真分析驗(yàn)證了所提方法的有效性。
加速度和下降速度的存在使機(jī)動(dòng)平臺(tái)大斜視SAR的成像參數(shù)存在明顯的2維空變性，嚴(yán)重影響場景的聚焦深度。針對(duì)這個(gè)問題，該文提出了一種基于Keystone變換和擾動(dòng)重采樣的機(jī)動(dòng)SAR成像方法。首先，通過距離走動(dòng)校正和去加速處理實(shí)現(xiàn)距離方位解耦以及方位頻譜去混疊，然后采用方位時(shí)域的Keystone變換校正空變的距離徙動(dòng)；在方位壓縮過程中，通過引入時(shí)域的高階擾動(dòng)因子去除多普勒參數(shù)的2階及3階方位空變性，然后通過方位頻域的重采樣處理去除多普勒參數(shù)的方位1階空變性。所提方法能夠有效校正距離徙動(dòng)軌跡和方位聚焦參數(shù)的2維空變性，實(shí)現(xiàn)機(jī)動(dòng)平臺(tái)大斜SAR的大場景成像，仿真分析驗(yàn)證了所提方法的有效性。
2020, 42(10): 2493-2499.
doi: 10.11999/JEIT190747
摘要:
針對(duì)傳統(tǒng)LS-ESPRIT算法在估計(jì)GTD模型參數(shù)時(shí)抗噪效果差，估計(jì)精度不高這一問題，該文提出了一種改進(jìn)的LS-ESPRT算法，有效地提高了算法的參數(shù)估計(jì)性能與抗噪性。首先，根據(jù)雷達(dá)目標(biāo)的回波數(shù)據(jù)構(gòu)建Hankel矩陣；其次，采用核范數(shù)凸優(yōu)化方法對(duì)上述Hankel矩陣進(jìn)行降噪處理，得到低秩的重構(gòu)Hankel矩陣；最后，利用傳統(tǒng)的LS-ESPRIT算法對(duì)降噪后的數(shù)據(jù)進(jìn)行處理，估計(jì)出GTD模型參數(shù)?；诟倪M(jìn)算法與傳統(tǒng)算法分別得到重構(gòu)RCS，并針對(duì)不同帶寬對(duì)參數(shù)估計(jì)精度的影響作以仿真探究。仿真結(jié)果表明，與傳統(tǒng)LS-ESPRIT算法與傳統(tǒng)TLS-ESPRIT算法相比，改進(jìn)LS-ESPRIT算法的參數(shù)估計(jì)性能更高，抗噪性更強(qiáng)，且重構(gòu)RCS的幅值與相角誤差更小。對(duì)不同帶寬下的參數(shù)估計(jì)精度也進(jìn)行了探究，并得出：帶寬越大，估計(jì)精度越高。
針對(duì)傳統(tǒng)LS-ESPRIT算法在估計(jì)GTD模型參數(shù)時(shí)抗噪效果差，估計(jì)精度不高這一問題，該文提出了一種改進(jìn)的LS-ESPRT算法，有效地提高了算法的參數(shù)估計(jì)性能與抗噪性。首先，根據(jù)雷達(dá)目標(biāo)的回波數(shù)據(jù)構(gòu)建Hankel矩陣；其次，采用核范數(shù)凸優(yōu)化方法對(duì)上述Hankel矩陣進(jìn)行降噪處理，得到低秩的重構(gòu)Hankel矩陣；最后，利用傳統(tǒng)的LS-ESPRIT算法對(duì)降噪后的數(shù)據(jù)進(jìn)行處理，估計(jì)出GTD模型參數(shù)?；诟倪M(jìn)算法與傳統(tǒng)算法分別得到重構(gòu)RCS，并針對(duì)不同帶寬對(duì)參數(shù)估計(jì)精度的影響作以仿真探究。仿真結(jié)果表明，與傳統(tǒng)LS-ESPRIT算法與傳統(tǒng)TLS-ESPRIT算法相比，改進(jìn)LS-ESPRIT算法的參數(shù)估計(jì)性能更高，抗噪性更強(qiáng)，且重構(gòu)RCS的幅值與相角誤差更小。對(duì)不同帶寬下的參數(shù)估計(jì)精度也進(jìn)行了探究，并得出：帶寬越大，估計(jì)精度越高。
2020, 42(10): 2500-2507.
doi: 10.11999/JEIT190822
摘要:
為有效解決實(shí)際工程中的航跡關(guān)聯(lián)問題，該文定義了廣義時(shí)空交叉點(diǎn)，并提出了以航跡對(duì)時(shí)空交叉點(diǎn)為特征，通過特征匹配來實(shí)現(xiàn)航跡抗差關(guān)聯(lián)的新方法。實(shí)測數(shù)據(jù)驗(yàn)證結(jié)果表明：在雷達(dá)航跡不完全匹配且存在時(shí)空差異誤差的情況下，該方法可有效實(shí)現(xiàn)雷達(dá)航跡的抗差關(guān)聯(lián)，并且?guī)缀醪皇軙r(shí)空差異誤差大小的影響，具有強(qiáng)魯棒性和穩(wěn)定性，可有效解決實(shí)際工程中的航跡關(guān)聯(lián)問題，消除冗余航跡，提供統(tǒng)一態(tài)勢。
為有效解決實(shí)際工程中的航跡關(guān)聯(lián)問題，該文定義了廣義時(shí)空交叉點(diǎn)，并提出了以航跡對(duì)時(shí)空交叉點(diǎn)為特征，通過特征匹配來實(shí)現(xiàn)航跡抗差關(guān)聯(lián)的新方法。實(shí)測數(shù)據(jù)驗(yàn)證結(jié)果表明：在雷達(dá)航跡不完全匹配且存在時(shí)空差異誤差的情況下，該方法可有效實(shí)現(xiàn)雷達(dá)航跡的抗差關(guān)聯(lián)，并且?guī)缀醪皇軙r(shí)空差異誤差大小的影響，具有強(qiáng)魯棒性和穩(wěn)定性，可有效解決實(shí)際工程中的航跡關(guān)聯(lián)問題，消除冗余航跡，提供統(tǒng)一態(tài)勢。
2020, 42(10): 2508-2515.
doi: 10.11999/JEIT190734
摘要:
現(xiàn)有頻譜彌散干擾(SMSP)抑制算法以一個(gè)長度為雷達(dá)發(fā)射信號(hào)的受干擾回波為處理對(duì)象，未涉及相參處理間隔內(nèi)整體回波。針對(duì)此問題，該文以自衛(wèi)式干擾條件下線性調(diào)頻(LFM)相參體制雷達(dá)抗SMSP干擾為背景，提出快慢時(shí)間域聯(lián)合處理抑制SMSP干擾算法。分析了SMSP干擾時(shí)頻特征和對(duì)相參雷達(dá)的干擾特性，在此基礎(chǔ)上，設(shè)計(jì)了慢時(shí)間微分熵估計(jì)干擾位置，相關(guān)系數(shù)最大準(zhǔn)則估計(jì)干擾參數(shù)，雙正交傅里葉變換快時(shí)間分段重構(gòu)干擾信號(hào)和干擾對(duì)消的抑制流程。仿真結(jié)果表明，所提算法模型與雷達(dá)處理流程切合度高，對(duì)比分析進(jìn)一步驗(yàn)證算法效能。
現(xiàn)有頻譜彌散干擾(SMSP)抑制算法以一個(gè)長度為雷達(dá)發(fā)射信號(hào)的受干擾回波為處理對(duì)象，未涉及相參處理間隔內(nèi)整體回波。針對(duì)此問題，該文以自衛(wèi)式干擾條件下線性調(diào)頻(LFM)相參體制雷達(dá)抗SMSP干擾為背景，提出快慢時(shí)間域聯(lián)合處理抑制SMSP干擾算法。分析了SMSP干擾時(shí)頻特征和對(duì)相參雷達(dá)的干擾特性，在此基礎(chǔ)上，設(shè)計(jì)了慢時(shí)間微分熵估計(jì)干擾位置，相關(guān)系數(shù)最大準(zhǔn)則估計(jì)干擾參數(shù)，雙正交傅里葉變換快時(shí)間分段重構(gòu)干擾信號(hào)和干擾對(duì)消的抑制流程。仿真結(jié)果表明，所提算法模型與雷達(dá)處理流程切合度高，對(duì)比分析進(jìn)一步驗(yàn)證算法效能。
2020, 42(10): 2516-2523.
doi: 10.11999/JEIT190805
摘要:
針對(duì)地震后高層建筑物結(jié)構(gòu)損傷監(jiān)測問題，該文提出一種基于方向碼匹配(OCM)和邊緣增強(qiáng)匹配(EEM)算法的微小位移測量算法。該算法先將原始圖像梯度信息與像素強(qiáng)度融合，增強(qiáng)圖像信息；采用相位相關(guān)法進(jìn)行匹配運(yùn)算，匹配速度比歸一化互相關(guān)法提升了96.1%；最后使用亞像素插值法，使測量結(jié)果達(dá)到亞像素精度。實(shí)驗(yàn)結(jié)果表明，該文算法避免了OCM和EEM算法量化過程中圖像梯度信息的損失，大大提高了模板匹配精度，匹配速度比OCM提升了43.3%，比EEM提升了19.6%。
針對(duì)地震后高層建筑物結(jié)構(gòu)損傷監(jiān)測問題，該文提出一種基于方向碼匹配(OCM)和邊緣增強(qiáng)匹配(EEM)算法的微小位移測量算法。該算法先將原始圖像梯度信息與像素強(qiáng)度融合，增強(qiáng)圖像信息；采用相位相關(guān)法進(jìn)行匹配運(yùn)算，匹配速度比歸一化互相關(guān)法提升了96.1%；最后使用亞像素插值法，使測量結(jié)果達(dá)到亞像素精度。實(shí)驗(yàn)結(jié)果表明，該文算法避免了OCM和EEM算法量化過程中圖像梯度信息的損失，大大提高了模板匹配精度，匹配速度比OCM提升了43.3%，比EEM提升了19.6%。
2020, 42(10): 2524-2532.
doi: 10.11999/JEIT190761
摘要:
超大視場(U-FOV)紅外成像系統(tǒng)探測范圍大、不受光照限制，但存在尺度多樣、小目標(biāo)豐富的特點(diǎn)。為此該文提出一種具備背景感知能力的多尺度紅外行人檢測方法，在提高小目標(biāo)檢測性能的同時(shí)，減少冗余計(jì)算。首先，構(gòu)建了4尺度的特征金字塔網(wǎng)絡(luò)分別獨(dú)立預(yù)測目標(biāo)，補(bǔ)充高分辨率細(xì)節(jié)特征。其次，在特征金字塔結(jié)構(gòu)的橫向連接中融入注意力模塊，產(chǎn)生顯著性特征，抑制不相關(guān)區(qū)域的特征響應(yīng)、突出圖像局部目標(biāo)特征。最后，在顯著性系數(shù)的基礎(chǔ)上構(gòu)建了錨框掩膜生成子網(wǎng)絡(luò)，約束錨框位置，排除平坦背景，提高處理效率。實(shí)驗(yàn)結(jié)果表明，顯著性生成子網(wǎng)絡(luò)僅增加5.94%的處理時(shí)間，具備輕量特性；超大視場(U-FOV)紅外行人數(shù)據(jù)集上的識(shí)別準(zhǔn)確率達(dá)到了93.20%，比YOLOv3高了26.49%；錨框約束策略能節(jié)約處理時(shí)間18.05%。重構(gòu)模型具有輕量性和高準(zhǔn)確性，適合于檢測超大視場中的多尺度紅外目標(biāo)。
超大視場(U-FOV)紅外成像系統(tǒng)探測范圍大、不受光照限制，但存在尺度多樣、小目標(biāo)豐富的特點(diǎn)。為此該文提出一種具備背景感知能力的多尺度紅外行人檢測方法，在提高小目標(biāo)檢測性能的同時(shí)，減少冗余計(jì)算。首先，構(gòu)建了4尺度的特征金字塔網(wǎng)絡(luò)分別獨(dú)立預(yù)測目標(biāo)，補(bǔ)充高分辨率細(xì)節(jié)特征。其次，在特征金字塔結(jié)構(gòu)的橫向連接中融入注意力模塊，產(chǎn)生顯著性特征，抑制不相關(guān)區(qū)域的特征響應(yīng)、突出圖像局部目標(biāo)特征。最后，在顯著性系數(shù)的基礎(chǔ)上構(gòu)建了錨框掩膜生成子網(wǎng)絡(luò)，約束錨框位置，排除平坦背景，提高處理效率。實(shí)驗(yàn)結(jié)果表明，顯著性生成子網(wǎng)絡(luò)僅增加5.94%的處理時(shí)間，具備輕量特性；超大視場(U-FOV)紅外行人數(shù)據(jù)集上的識(shí)別準(zhǔn)確率達(dá)到了93.20%，比YOLOv3高了26.49%；錨框約束策略能節(jié)約處理時(shí)間18.05%。重構(gòu)模型具有輕量性和高準(zhǔn)確性，適合于檢測超大視場中的多尺度紅外目標(biāo)。
2020, 42(10): 2533-2540.
doi: 10.11999/JEIT190721
摘要:
針對(duì)難以準(zhǔn)確有效地提取混合失真圖像質(zhì)量特征的問題，該文提出一種基于空間分布分析的圖像質(zhì)量評(píng)價(jià)方法。首先將圖像進(jìn)行亮度系數(shù)歸一化處理，然后將圖像進(jìn)行分塊，利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行端對(duì)端的深度學(xué)習(xí)，采用多層次卷積核堆疊的方法獲取圖像的質(zhì)量感知特征，并通過全連接層將特征映射到圖像塊的質(zhì)量分?jǐn)?shù)。再將塊質(zhì)量分?jǐn)?shù)匯總獲取質(zhì)量池，通過對(duì)質(zhì)量池中局部質(zhì)量的空間分布情況進(jìn)行分析，提取能夠表征其空間分布情況的特征，然后采用神經(jīng)網(wǎng)絡(luò)建立局部質(zhì)量到整體質(zhì)量的映射模型，將圖像的局部質(zhì)量進(jìn)行匯總。最后在MLIVE, MDID2013, MDID2016混合失真圖像庫中進(jìn)行性能測試以及與相關(guān)的對(duì)比算法進(jìn)行比較，驗(yàn)證了該算法的有效性。
針對(duì)難以準(zhǔn)確有效地提取混合失真圖像質(zhì)量特征的問題，該文提出一種基于空間分布分析的圖像質(zhì)量評(píng)價(jià)方法。首先將圖像進(jìn)行亮度系數(shù)歸一化處理，然后將圖像進(jìn)行分塊，利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行端對(duì)端的深度學(xué)習(xí)，采用多層次卷積核堆疊的方法獲取圖像的質(zhì)量感知特征，并通過全連接層將特征映射到圖像塊的質(zhì)量分?jǐn)?shù)。再將塊質(zhì)量分?jǐn)?shù)匯總獲取質(zhì)量池，通過對(duì)質(zhì)量池中局部質(zhì)量的空間分布情況進(jìn)行分析，提取能夠表征其空間分布情況的特征，然后采用神經(jīng)網(wǎng)絡(luò)建立局部質(zhì)量到整體質(zhì)量的映射模型，將圖像的局部質(zhì)量進(jìn)行匯總。最后在MLIVE, MDID2013, MDID2016混合失真圖像庫中進(jìn)行性能測試以及與相關(guān)的對(duì)比算法進(jìn)行比較，驗(yàn)證了該算法的有效性。
2020, 42(10): 2541-2548.
doi: 10.11999/JEIT190796
摘要:
為提高對(duì)隨機(jī)脈沖噪聲(RVIN)圖像的降噪效果，該文提出一種被稱為雙通道降噪卷積神經(jīng)網(wǎng)絡(luò)(D-DnCNN)的RVIN深度降噪模型。首先，提取多個(gè)不同階對(duì)數(shù)差值排序(ROLD)統(tǒng)計(jì)值及1個(gè)邊緣特征統(tǒng)計(jì)值構(gòu)成描述圖塊中心像素點(diǎn)是否為RVIN噪聲的噪聲感知特征矢量。其次，利用預(yù)先訓(xùn)練好的深度置信網(wǎng)絡(luò)(DBN)預(yù)測模型實(shí)現(xiàn)特征矢量到噪聲標(biāo)簽的映射，完成對(duì)噪聲圖像中噪聲點(diǎn)的檢測。再次，在噪聲檢測標(biāo)簽的指示下采用Delaunay三角剖分插值算法快速修復(fù)噪聲像素點(diǎn)從而獲得初步復(fù)原圖像。最后，將初步復(fù)原圖像作為參考圖像與噪聲圖像聯(lián)接(concatenate)后輸入D-DnCNN模型后獲得殘差圖像，將參考圖像減去殘差圖像即可獲得降噪后圖像。實(shí)驗(yàn)數(shù)據(jù)表明：D-DnCNN模型在各個(gè)噪聲比例下的降噪效果均顯著超過了現(xiàn)有的經(jīng)典開關(guān)型RVIN降噪算法，與普通的單通道RVIN深度降噪模型相比也有較大幅度提升。
為提高對(duì)隨機(jī)脈沖噪聲(RVIN)圖像的降噪效果，該文提出一種被稱為雙通道降噪卷積神經(jīng)網(wǎng)絡(luò)(D-DnCNN)的RVIN深度降噪模型。首先，提取多個(gè)不同階對(duì)數(shù)差值排序(ROLD)統(tǒng)計(jì)值及1個(gè)邊緣特征統(tǒng)計(jì)值構(gòu)成描述圖塊中心像素點(diǎn)是否為RVIN噪聲的噪聲感知特征矢量。其次，利用預(yù)先訓(xùn)練好的深度置信網(wǎng)絡(luò)(DBN)預(yù)測模型實(shí)現(xiàn)特征矢量到噪聲標(biāo)簽的映射，完成對(duì)噪聲圖像中噪聲點(diǎn)的檢測。再次，在噪聲檢測標(biāo)簽的指示下采用Delaunay三角剖分插值算法快速修復(fù)噪聲像素點(diǎn)從而獲得初步復(fù)原圖像。最后，將初步復(fù)原圖像作為參考圖像與噪聲圖像聯(lián)接(concatenate)后輸入D-DnCNN模型后獲得殘差圖像，將參考圖像減去殘差圖像即可獲得降噪后圖像。實(shí)驗(yàn)數(shù)據(jù)表明：D-DnCNN模型在各個(gè)噪聲比例下的降噪效果均顯著超過了現(xiàn)有的經(jīng)典開關(guān)型RVIN降噪算法，與普通的單通道RVIN深度降噪模型相比也有較大幅度提升。
2020, 42(10): 2549-2556.
doi: 10.11999/JEIT190077
摘要:
FPGA存儲(chǔ)器映射算法負(fù)責(zé)將用戶的邏輯存儲(chǔ)需求映射到芯片中的分布式存儲(chǔ)資源上實(shí)現(xiàn)。前人對(duì)雙端口存儲(chǔ)器的映射算法研究相對(duì)較少，成熟的商業(yè)EDA工具的映射結(jié)果仍有不少改進(jìn)空間。該文分別針對(duì)面積、延時(shí)、功耗這3個(gè)常用指標(biāo)，提出一種雙端口存儲(chǔ)器映射的優(yōu)化算法，并給出了具體配置方案。實(shí)驗(yàn)表明，在面向簡單存儲(chǔ)需求時(shí)，與商用工具Vivado的映射結(jié)果一致；在面向復(fù)雜存儲(chǔ)需求時(shí)，面積優(yōu)化和功耗優(yōu)化的映射結(jié)果對(duì)比商用工具改善了至少50%。
FPGA存儲(chǔ)器映射算法負(fù)責(zé)將用戶的邏輯存儲(chǔ)需求映射到芯片中的分布式存儲(chǔ)資源上實(shí)現(xiàn)。前人對(duì)雙端口存儲(chǔ)器的映射算法研究相對(duì)較少，成熟的商業(yè)EDA工具的映射結(jié)果仍有不少改進(jìn)空間。該文分別針對(duì)面積、延時(shí)、功耗這3個(gè)常用指標(biāo)，提出一種雙端口存儲(chǔ)器映射的優(yōu)化算法，并給出了具體配置方案。實(shí)驗(yàn)表明，在面向簡單存儲(chǔ)需求時(shí)，與商用工具Vivado的映射結(jié)果一致；在面向復(fù)雜存儲(chǔ)需求時(shí)，面積優(yōu)化和功耗優(yōu)化的映射結(jié)果對(duì)比商用工具改善了至少50%。
2020, 42(10): 2557-2565.
doi: 10.11999/JEIT190880
摘要:
DNA鏈置換技術(shù)具有自發(fā)性、并行性、可編程性、動(dòng)態(tài)級(jí)聯(lián)性的特點(diǎn)，在DNA計(jì)算中占據(jù)重要的地位。DNA鏈置換技術(shù)被廣泛的應(yīng)用于解決數(shù)學(xué)問題，該文采用格雷碼編碼方式結(jié)合DNA鏈置換技術(shù)設(shè)計(jì)了兩位減法器，擴(kuò)展DNA減法運(yùn)算。最后利用Visual DSD軟件模擬兩位減法器，該電路達(dá)到預(yù)期的功能，且具有并行性和可擴(kuò)展性，可與其他生化電路結(jié)合使用。
DNA鏈置換技術(shù)具有自發(fā)性、并行性、可編程性、動(dòng)態(tài)級(jí)聯(lián)性的特點(diǎn)，在DNA計(jì)算中占據(jù)重要的地位。DNA鏈置換技術(shù)被廣泛的應(yīng)用于解決數(shù)學(xué)問題，該文采用格雷碼編碼方式結(jié)合DNA鏈置換技術(shù)設(shè)計(jì)了兩位減法器，擴(kuò)展DNA減法運(yùn)算。最后利用Visual DSD軟件模擬兩位減法器，該電路達(dá)到預(yù)期的功能，且具有并行性和可擴(kuò)展性，可與其他生化電路結(jié)合使用。
2020, 42(10): 2566-2572.
doi: 10.11999/JEIT190719
摘要:
通過對(duì)一種低功耗高噪聲源真隨機(jī)數(shù)發(fā)生器(TRNG)的研究，設(shè)計(jì)了一種新型的低頻時(shí)鐘電路，可以把電阻熱噪聲放大100倍以上，從而減少低頻時(shí)鐘電路的帶寬和電阻值，使電路的面積和功耗減少，并且使低頻時(shí)鐘的jitter到達(dá)58.2 ns。電路采用SMIC 40 nm CMOS工藝設(shè)計(jì)，完成了流片和測試，真隨機(jī)數(shù)產(chǎn)生器輸出速度范圍為1.38～3.33 Mbit/s，電路整體功耗為0.11 mW，面積為0.00789 mm2。隨機(jī)數(shù)輸出滿足AIS31真隨機(jī)數(shù)熵源測試要求，并且通過了國密2安全測試。
通過對(duì)一種低功耗高噪聲源真隨機(jī)數(shù)發(fā)生器(TRNG)的研究，設(shè)計(jì)了一種新型的低頻時(shí)鐘電路，可以把電阻熱噪聲放大100倍以上，從而減少低頻時(shí)鐘電路的帶寬和電阻值，使電路的面積和功耗減少，并且使低頻時(shí)鐘的jitter到達(dá)58.2 ns。電路采用SMIC 40 nm CMOS工藝設(shè)計(jì)，完成了流片和測試，真隨機(jī)數(shù)產(chǎn)生器輸出速度范圍為1.38～3.33 Mbit/s，電路整體功耗為0.11 mW，面積為0.00789 mm2。隨機(jī)數(shù)輸出滿足AIS31真隨機(jī)數(shù)熵源測試要求，并且通過了國密2安全測試。
