摘要:对调制识别的对抗样本攻击这一研究热点进行了综述，首先给出调制识别中对抗样本的的相关概述和专业术语，将对抗样本攻击和防御方法的相关研究成果进行梳理回顾，并对现有对抗攻击方法进行分类，阐述了其生成机理。针对在无线通信场景下对抗攻击所面临的挑战，梳理了调制识别任务下的对抗样本攻击现有关键技术，深入分析了调制识别对抗样本攻击的防御技术。最后，依据现有研究与潜在的机遇和挑战，结合人工智能算法的各项优势，对下一代智能无线通信中对抗攻击的技术方向和发展前景进行了展望。

摘要:针对近场信源定位中自由度小、准确性低等问题，提出一种基于四阶累量矩阵的定位算法。首先构造等效导向矢量包含波达方向（Direction of arrival， DOA）和距离信息的高维虚拟协方差矩阵，在角度估计中，提出基于矩阵秩亏来搜索最小奇异值倒数的一维搜索方法，降低了计算量，在增大自由度的同时利用高斯噪声高阶累量为零的特性提高了低信噪比下的性能；在不进行额外计算的前提下，直接利用角度估计中进行奇异值分解时得到的奇异向量所包含的距离信息，通过最小二乘法得到距离。仿真结果表明，相比于已有算法，该方法可以仅在一个高阶累量矩阵中通过一维搜索估计角度和距离，在降低复杂度的同时提高了准确性，并且提出方法的自由度是降维多重信号分类方法的2倍。

摘要:控制精度、系统带宽与传输速率在控制系统中的权衡关系是一个重要的开放问题。从信息论角度研究执行器中信息传输速率和失真程度之间的关系，基于率熵函数分析了控制系统的执行器部分，对一类具有可再生性的概率分布函数建立了熵率分析框架。熵率不等式表示在带输入噪声的有限冲激响应执行器中，后验熵与所需传输速率间的关系。基于推导出的表达式，对不同信噪比下的跟踪系统的互信息数据进行了仿真，仿真结果与推导的表达式所预期的互信息下界在高信噪比下一致。

摘要:无人机（Unmanned aerial vehicle， UAV）通信和智能反射面（Intelligent reflecting surface， IRS）辅助通信是未来6G移动通信空地传输的典型场景，有机协同无人机和智能反射面辅助通信能够提升空地通信网络的传输性能。本文采用无人机全双工中继和搭载在其上的智能反射面被动反射共同协助空地传输，通过发射机的功率控制和智能反射面反射单元数目的联合优化，提升了系统能量效率。仿真结果表明，本文所提的方法优于单独采用无人机中继或者智能反射面辅助通信场景下的系统性能。

摘要:为了解决大规模部署固定边缘计算节点成本高、机动性差和难以应对突发事件等问题，针对计算密集型和延迟敏感型移动业务需求，提出了一种基于深度强化学习的计算任务卸载算法。考虑多架无人机飞行范围、飞行速度和系统公平效益等约束条件，最小化网络平均计算延时与无人机能耗的加权和。将该非凸性、NP（Non-deterministic polynomial）难问题转化为部分观测马尔可夫决策过程，利用多智能体深度确定性策略梯度算法进行移动用户卸载决策和无人机飞行轨迹优化。仿真结果表明，所提算法在移动服务终端的公平性、系统平均时延和多无人机的总能耗等方面的性能均优于基线算法。其中，所提算法能够得到不同计算性能下的最佳功耗控制，当CPU频率为12.5 GHz时，能耗相比基线降低29.16%，相比随机策略梯度算法降低8.67%。

摘要:探索了无小区大规模多输入多输出（Multiple-input multiple-output， MIMO）系统与非正交多址接入（Non-orthogonal multiple access， NOMA）的融合方案，将基于群体串行干扰删除（Group successive interference cancellation， GSIC）的NOMA技术应用于无小区大规模MIMO系统下行链路，并提出根据用户等效路径损耗对用户进行群体划分的方法，推导得出基于GSIC的无小区大规模MIMO-NOMA系统下行链路用户可达速率表达式。仿真结果表明，相比于传统的串行干扰删除（Successive interference cancellation， SIC）-NOMA系统，基于GSIC的无小区大规模MIMO-NOMA系统在可达速率方面具有明显优势。

摘要:传统多项式结构宽带波束形成器的设计一般采用有限冲激响应（Finite impulse response， FIR）滤波器。本文通过使用正交基滤波器替代传统设计中的FIR滤波器，提出了一种广义多项式结构宽带波束形成器。所提多项式结构宽带波束形成器可视为传统多项式结构宽带波束形成器的推广，因而结构上更为灵活。为增强广义多项式结构宽带波束形成器的鲁棒性，进一步提出了基于平均性能优化准则的稳健优化设计方法。该方法通过粒子群算法对正交基滤波器中的极点进行优化，以利用极点所提供的自由度提高多项式结构宽带波束形成器的性能；同时通过引入阵列响应的空间导数约束，减小了由有限次多项式插值所造成的波束主瓣指向偏差。仿真结果表明，与传统多项式结构设计方法相比，所提设计方法能够获得更好的频率不变性和鲁棒性，且有效改善了波束主瓣指向的精准度，提高了多项式结构宽带波束形成器的指向性指数。

摘要:针对空频最小均方（Least mean square，LMS）算法抗干扰性能与收敛速度不能兼顾的问题，提出了一种基于箕舌线可变步长LMS的空频抗干扰算法，简称空频基于箕舌线的可变步长LMS算法（Variable step LMS of tongue-like curve function，TLCVSLMS）算法。在兼顾抗干扰性能与收敛速度的基础上，空频TLCVSLMS算法避免了针对每一个频点人为地选取合适的固定迭代步长因子μ的困难，并根据不同频点的信号功率，对箕舌线函数的幅度因子与形状因子作更精细的调节。仿真实验表明，在抗干扰性能接近的情况下，空频TLCVSLMS算法比空频LMS算法少迭代至少400点，空频TLCVSLMS算法的收敛速度更快，而在收敛速度相同的情况下，空频TLCVSLMS算法比空频LMS算法的抗干扰性能提升至少3 dB以上。

摘要:为增加直接序列扩频（Direct sequence spread spectrum，DSSS）系统每秒传输二进制信息的位数，增强信息传输的保密性，建立映射传输机制，提出星座旋转映射的二维信息映射传输方法。在传输一维信息的同时，附加二维信息，利用进制转换与星座图的旋转建立关系模型。通过一维信息与二维信息的传输速率之比选定星座图，进而通过星座旋转映射将二维信息转换为映射信息，获得相应的伪码通道，传输一维信息，同时对二维信息进行映射传输。通过仿真平台测试分析表明，星座旋转映射的二维直扩传输方法与传统直接序列扩频系统相比，能够获得更高的信息传输速率，具有更好的误码性能，能够满足更好保密性能的需求。

摘要:α噪声下的频谱感知成为近年来的研究热点，该噪声的统计模型具有明显的脉冲性和拖尾性，并且在微弱信号条件下，信号特征不够明显。为此提出了基于随机共振的最大相关熵频谱感知方法，该方法通过随机共振模型中粒子在双势阱间的跃迁，将α噪声的部分能量转移到信号中，以提高信号的输出信噪比。采用最大相关熵方法构建高阶统计量，检测随机共振后的输出信号，并联合共轭梯度下降法获取最佳目标函数，实现频谱感知。仿真结果表明，该算法在低信噪比条件下能够有效提高检测性能。

摘要:随着互联网视频流量增长和用户对体验质量的要求提高，传统骨干网面临巨大压力。移动边缘缓存技术可以减少延迟、减轻回程链路负载，提升视频用户的体验质量。然而，边缘服务器缓存资源的有限性、视频请求内容的动态性以及用户对缓存数据安全性的关注，对边缘缓存策略研究提出了新的挑战。针对以上问题，提出了一种区块链辅助的多边缘服务器协作视频流缓存优化方案。其中，构建了一个由内容分发网络（Content delivery network，CDN）服务器、边缘服务器、用户设备和区块链组成的4层网络架构，并引入区块链共识机制来保护请求延迟不敏感的计费视频内容，保证用户的数据安全。基于本地命中、邻近命中和CDN命中3层缓存机制，通过定义邻近命中奖励因子，进一步加强边缘服务器之间的协作缓存，提高边缘服务器的缓存命中率。联合考虑边缘服务器的状态、内容流行度的变化以及多边缘服务器间协作缓存的资源分配，建立了最小化访问延迟、流量成本和系统能耗的优化问题，并采用基于多智能体近端策略优化（Multi-agent proximal policy optimization， MAPPO）的协作缓存优化算法进行问题求解。仿真结果表明，与现有缓存策略相比，可以有效提升视频内容的缓存命中率，同时也能节约能耗及时延成本。

摘要:由于物联网中服务数量的海量性、设备状态的动态变化性等特点，传统的互联网中基于关键词的“被动式”语义服务搜索技术将不再适用于物联网环境，如何利用并分析用户和设备之间大量的交互信息来给用户推荐与之最相关的设备资源是物联网中资源发现算法的关键。为此，首先给出一种基于超图理论的物联网用户-设备交互的表示模型并配以对应的表示矩阵，基于该模型提出了物联网业务场景中的资源推荐问题，并将该问题转换成基于矩阵分解的相关程度预测问题，最后引入最优化理论中的交替最小二乘法（Alternating least squares， ALS）来求解矩阵的最优化分解问题，进而提出一种基于隐语义模型的资源推荐算法，并与传统推荐系统中基于物品的协同过滤算法（ItemCF）在均方根误差（Root mean square error， RMSE）和平均绝对误差（Mean absolute error， MAE）等方面作对比，实验结果证明了本文所提出的推荐算法的有效性。

摘要:为了满足长轨道超高分辨 W波段合成孔径雷达（Synthetic aperture radar，SAR）的快速成像需求，本文提出了一种基于图形处理器 （Graphics processing unit，GPU）的 ω-K实时成像算法，该算法采用并行架构和双流多线程的处理方式。默认流沿着物理原理的方向进行数据处理，首先对距离补偿、误差校正和补零等操作进行并行化处理，然后采用一层嵌套的插值方式，通过维持上下层的依赖关系和同步管理就能达到约30的加速比。阻塞流与默认流同时启动，生成默认流所需的参数和函数，并在执行前将其存入显存，极大地缩小了算法的运行时间，同时通过在默认流上设置事件以保持双流的同步并行执行。实验结果表明，算法总的加速比可达13左右，幅值和相位相对误差趋近0，不仅具有良好的实时性、聚焦性，还保持了良好的成像效果。

摘要:复杂环境下，往往困难样本和简单样本并存，现有分类方法主要针对困难样本进行设计，所构建网络用于分类简单样本时会造成计算资源的浪费；而网络修剪和权重量化等方法则不能同时兼顾模型的准确度和存储开销。为提升计算资源的使用效率并有更好的准确率，本文着眼于输入样本的空间冗余，提出了复杂环境下图像自适应分类网络MAFDNet，并引入置信度作为分类准确性的判断，同时提出了由内容损失、融合损失和分类损失组成的自适应损失函数。MAFDNet由3个子网组成，输入图像首先被送入到低分辨率子网中，该子网有效提取了低分辨率的特征，具有高置信度的样本先被识别并从网络中提前退出，低置信度的样本则需要依次进入更高分辨率的子网中，而网络中的高分辨率子网具有识别困难样本的能力。MAFDNet将分辨率自适应和深度自适应结合在一起，通过实验表明，在相同计算资源条件下，MAFDNet在CIFAR-10、CIFAR-100和ImageNet这3个复杂环境数据集上的top-1准确率均得到提升。

摘要:针对基于深度学习的高光谱图像融合算法通常堆积多个卷积以学习映射关系、没有充分利用问题的特性以及缺乏可解释性等问题，提出一种结合深度展开与双流网络的深度网络。首先使用卷积稀疏编码建立融合模型，该模型将低分辨率高光谱图像（Low-resolution hyperspectral images， LR-HSI）和高分辨率多光谱图像（high-resolution multispectral images， HR-MSI）映射到低维子空间中。在融合模型设计中，考虑了LR-HSI和HR-MSI的共有信息以及LR-HSI的独有信息，并将HR-MSI作为辅助信息加入模型中。其次将该融合模型展开为可学习的可解释深度网络。最后，使用双流网络获取更精确的高分辨率高光谱图像（High-resolution hyperspectral images， HR-HSI）。实验表明，该网络在高光谱图像融合中可以获得出色的效果。

摘要:面部表情是人类情绪状态的最直观表现，卷积神经网络在面部表情识别上表现出了优异的性能。然而复杂场景下遮挡和姿势变化仍是面部表情自动识别的两个主要问题，它们会显著改变人脸的外观，从而影响最终的识别结果。针对面部表情识别中遮挡和姿势变化的问题，提出了一种基于双注意力和多区域检测网络的面部表情识别方法。双注意力用于提升整体网络的特征提取能力，使网络能够关注更详细的特征信息。多区域检测用于在遮挡和姿态变化的面部表情识别中自适应地捕捉重要的局部区域，抑制遮挡和姿势变化带来的负面影响。最终在AffectNet、RAF-DB和SFEW三种公开的自然场景面部表情数据集上验证了所提方法的有效性。

摘要:随着当今时代科技和人工智能的高速发展，人们越来越倾向于无人驾驶这项技术。考虑到安全问题，针对驾驶过程中交通标志的实时检测问题，在YOLOv5模型的基础上做出改进，提出了一种轻量化的交通标志检测算法。在模型的特征融合部分加入了注意力机制，可以使模型更加突出目标特征。在检测层前加入一种轻量化的亚像素卷积层，在不增加计算量的基础上，有效地提高检测特征图的分辨率。对损失函数CIoU（Complete intersection over union）加以改进，加快了网络的收敛速度，并且收敛效果较改进前有了一定提升。实验结果表明，本文模型准确率可达到90.6%，较基础网络提高了14.5%，检测速度可达到70 帧/s，基本满足对交通标志的实时精准检测。

摘要:基于标准化流的CS-Flow方法在缺陷检测领域取得了不错的效果，但其重复堆叠单一耦合块的方式增大了网络的复杂度。为此，本文提出了由特征平行流（Feature advection flow， FA flow）与特征混合流（Feature blending flow， FB flow）两种耦合块堆叠构成的网络ValidFlow，其中FA flow内部的子网络去掉了上下采样的捷径分支，并引入深度可分离卷积；FB flow内部的子网络在3个尺度上进行跨尺度融合。这样的设置使得ValidFlow在参数量减少的同时保证了信息的充分混合。在MVTec AD、MTD和DAGM数据集上与已有方法的对比结果显示，在MVTec AD数据集上，ValidFlow在15个类别中的平均AUROC为99.2%，在4个类别上的AUROC均为100%；在MTD数据集上获得了99.6%的AUROC；相比于CS-Flow，ValidFlow的参数量减少了207.61M，推理速度FPS提升了22；在DAGM数据集上，10个类别的平均AUROC为99.0%，性能上非常接近有监督的方法。

摘要:常见的增强合成语音表现力方法通常是将参考音频编码为固定维度的韵律嵌入，与文本信息一起输入语音合成模型的解码器，从而向语音合成模型中引入变化的韵律信息，但这种方法仅提取了音频整体级别的韵律信息，忽略了字或音素级别的细粒度韵律信息，导致合成语音依然存在部分字词发音不自然、音调语速平缓的现象。针对这些问题，本文提出一种基于Tacotron2语音合成模型的多尺度富有表现力的汉语语音合成方法。该方法利用基于变分自编码器的多尺度韵律编码网络，提取参考音频整体级别的韵律信息和音素级别的音高信息，然后将其与文本信息一起输入语音合成模型的解码器。此外，在训练过程中通过最小化韵律嵌入与音高嵌入之间的互信息，消除不同特征表示之间的相互关联，分离不同特征表示。实验结果表明，该方法与单一尺度的增强表现力语音合成方法相比，听力主观平均意见得分提高了约2%，基频F₀帧错误率降低了约14%，该方法可以生成更加自然且富有表现力的语音。

摘要:语音信号回声隐写后其倒谱系数会在回声延迟出产生峰值，传统回声隐写分析主要采用倒谱系数的统计特征作为隐写检测特征，然而在低回声幅度时隐写信号倒谱系数的峰值并不明显，基于统计特征的方法检测性能并不理想。本文将倒谱分析与图像识别技术结合，提出了一种基于倒谱图像的语音回声隐写分析方法，对语音信号分帧加窗后进行倒谱计算，然后以时间为横轴，倒谱序列点为纵轴，倒谱系数幅值为灰度级生成倒谱图像，将生成的倒谱图像作为隐写检测的输入，采用残差神经网络作为分类器进行回声隐写分析。实验结果表明，在3种经典回声隐写算法上低回声幅度时检测准确率分别达到98.2%、98.6%和96.1%，本文方法在低回声幅度时检测准确率相较传统回声隐写分析方法有较大提升，解决了传统回声隐写分析方法在低回声幅度检测效果不佳的问题。

摘要:为了有效评估非均衡信贷数据中的借款人信用风险，基于合成少数过采样技术（Synthetic minority oversampling technique，SMOTE）、自然近邻（Natural neighbor，NaN）和双聚类（Bicluster）构建了NaN-Bicluster SMOTE方法以改进SMOTE。首先使用无参数的自然近邻设定采样样本选取的逻辑规则，规避了r近邻划分样本时产生的不稳定性；其次基于自然近邻稳定结构规定安全范围设定的逻辑规则，避免合成样本成为噪声样本；然后使用双聚类挖掘局部规则，以合成样本继承局部规则的方式改进SMOTE合成公式；最后，在Prosper小额贷款平台的非均衡信贷数据集上将NaN-Bicluster SMOTE与若干采样方法和机器学习模型进行对比分析，并进一步使用统计检验方法验证其性能的优越性。