信号处理基础理论及其应用
2022, 37(2):463-470.
DOI: 10.16337/j.1004-9037.2022.02.019
摘要:
针对风洞流量测量中传统静态软测量模型估计精度低、鲁棒性差等问题，提出了注意力机制（Attention mechanism， Attention）、长短时记忆神经网络（Long short-term memory， LSTM）和卡尔曼滤波（Kalman filtering， Kalman）结合的Attention-LSTM-Kalman软测量模型：通过LSTM网络建立静态软测量模型，在此基础上，提出一种基于注意力机制的改进方案，考虑到系统的动态特性，使用卡尔曼滤波动态调整软测量模型输出序列。实验结果表明，静态预测模型LSTM的预测效果优于循环神经网络（Recurrent neural network， RNN）和门控循环单元（Gated recurrent unit， GRU）等模型；基于LSTM、Attention-LSTM和Attention-LSTM-Kalman的3种模型的对比预测测量结果表明，注意力机制能有效提高模型精准度，引入卡尔曼滤波改善了模型的动态测量特性。该模型方案在风洞系统的流量测量验证了其可行性和有效性。
针对风洞流量测量中传统静态软测量模型估计精度低、鲁棒性差等问题，提出了注意力机制（Attention mechanism， Attention）、长短时记忆神经网络（Long short-term memory， LSTM）和卡尔曼滤波（Kalman filtering， Kalman）结合的Attention-LSTM-Kalman软测量模型：通过LSTM网络建立静态软测量模型，在此基础上，提出一种基于注意力机制的改进方案，考虑到系统的动态特性，使用卡尔曼滤波动态调整软测量模型输出序列。实验结果表明，静态预测模型LSTM的预测效果优于循环神经网络（Recurrent neural network， RNN）和门控循环单元（Gated recurrent unit， GRU）等模型；基于LSTM、Attention-LSTM和Attention-LSTM-Kalman的3种模型的对比预测测量结果表明，注意力机制能有效提高模型精准度，引入卡尔曼滤波改善了模型的动态测量特性。该模型方案在风洞系统的流量测量验证了其可行性和有效性。
2022, 37(2):359-370.
DOI: 10.16337/j.1004-9037.2022.02.009
摘要:
磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α ![]()
![]()
磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子
2022, 37(2):405-414.
DOI: 10.16337/j.1004-9037.2022.02.013
摘要:
针对现有大坝病害检测方法只能粗略定位裂缝所在区域的问题，提出了一种基于通用目标检测器的大坝裂缝提取方法。首先，设计了一个二目标检测器，把裂缝区域和水渍区域作为两个独立的目标在图像上同时检测出来；其次，建立和同一裂缝关联的裂缝区域和水渍区域几何位置关系；最后，对裂缝框中包含的水渍框上边界进行点均匀采样，对采样点进行曲线拟合得到裂缝曲线。实验结果表明：提出的算法不仅能够准确检测裂缝框和水渍框，而且能完整地拟合出裂缝曲线，并在毫米级宽度的大坝病害检测中进行了有效验证。
针对现有大坝病害检测方法只能粗略定位裂缝所在区域的问题，提出了一种基于通用目标检测器的大坝裂缝提取方法。首先，设计了一个二目标检测器，把裂缝区域和水渍区域作为两个独立的目标在图像上同时检测出来；其次，建立和同一裂缝关联的裂缝区域和水渍区域几何位置关系；最后，对裂缝框中包含的水渍框上边界进行点均匀采样，对采样点进行曲线拟合得到裂缝曲线。实验结果表明：提出的算法不仅能够准确检测裂缝框和水渍框，而且能完整地拟合出裂缝曲线，并在毫米级宽度的大坝病害检测中进行了有效验证。
2022, 37(5):1157-1168.
DOI: 10.16337/j.1004-9037.2022.05.020
摘要:
针对现有的脉冲超宽带（Impulse radio ultra wideband， IR-UWB）系统中到达时间（Time-of-arrival， TOA）和波达方向（Direction-of-arrival， DOA）联合估计精度不足的问题，提出了一种基于离散傅里叶变换（Discrete Fourier transform， DFT）的TOA和DOA联合估计方法。该算法首先在频域上对接收信号建模，通过DFT处理频域接收信号的协方差矩阵得到两根天线的TOA粗估计结果。然后通过设计补偿矩阵对时延向量进行相位补偿。搜索可得粗估计结果的补偿值，进一步对TOA参数作出精确估计。最后根据两根天线的到达时间差与DOA之间的关系得到信号的DOA估计值，从而实现TOA和DOA的联合估计。仿真结果表明，所提算法的参数估计性能优于矩阵束算法和传统传播算子算法，且该优势随着信噪比的增大更为明显；同时所提算法无需复杂的特征值分解以及广义逆求解步骤，更易于工程实现。
针对现有的脉冲超宽带（Impulse radio ultra wideband， IR-UWB）系统中到达时间（Time-of-arrival， TOA）和波达方向（Direction-of-arrival， DOA）联合估计精度不足的问题，提出了一种基于离散傅里叶变换（Discrete Fourier transform， DFT）的TOA和DOA联合估计方法。该算法首先在频域上对接收信号建模，通过DFT处理频域接收信号的协方差矩阵得到两根天线的TOA粗估计结果。然后通过设计补偿矩阵对时延向量进行相位补偿。搜索可得粗估计结果的补偿值，进一步对TOA参数作出精确估计。最后根据两根天线的到达时间差与DOA之间的关系得到信号的DOA估计值，从而实现TOA和DOA的联合估计。仿真结果表明，所提算法的参数估计性能优于矩阵束算法和传统传播算子算法，且该优势随着信噪比的增大更为明显；同时所提算法无需复杂的特征值分解以及广义逆求解步骤，更易于工程实现。
2022, 37(6):1288-1296.
DOI: 10.16337/j.1004-9037.2022.06.010
摘要:
无线通信网络资源的分配优化通常可描述为混合整数非线性规划（Mixed integer nonlinear programming，MINLP）问题，其本质是非凸的非确定性多项式（Nondeterministic polynomial， NP）困难问题。为了降低计算复杂度，确保分配方案的最优性能，提出利用二进制鲸鱼优化算法进行无线资源分配。在原鲸鱼优化算法（Whale optimization algorithm，WOA）的基础上，基于数值1和0之间的切换进行位置更新。根据座头鲸螺旋移动计算出的概率，来决定当前位的变化。同时，使用不同的传递函数将连续搜索空间映射到离散动作，引入惩罚方法和优化约束处理。实验分析了两个无线网络资源分配案例：保密率最大化的功率分配问题和移动边缘计算迁移。结果表明所提方法综合性能优秀，取得与同类方法相当的效果，但收敛速度更快，复杂度更低。
无线通信网络资源的分配优化通常可描述为混合整数非线性规划（Mixed integer nonlinear programming，MINLP）问题，其本质是非凸的非确定性多项式（Nondeterministic polynomial， NP）困难问题。为了降低计算复杂度，确保分配方案的最优性能，提出利用二进制鲸鱼优化算法进行无线资源分配。在原鲸鱼优化算法（Whale optimization algorithm，WOA）的基础上，基于数值1和0之间的切换进行位置更新。根据座头鲸螺旋移动计算出的概率，来决定当前位的变化。同时，使用不同的传递函数将连续搜索空间映射到离散动作，引入惩罚方法和优化约束处理。实验分析了两个无线网络资源分配案例：保密率最大化的功率分配问题和移动边缘计算迁移。结果表明所提方法综合性能优秀，取得与同类方法相当的效果，但收敛速度更快，复杂度更低。
2022, 37(1):207-216.
DOI: 10.16337/j.1004-9037.2022.01.018
摘要:
为了提高农村配电网智能化设计水平，满足配电线杆路径自动规划的需求，本文利用深度神经网络对配电网规划区域航拍图像中的典型电力目标进行识别以实现可行区域的自动筛选。首先利用无人机航拍获得配电网规划区域的高分辨率图像，构建了包含11类、32 118个典型电力目标的数据集。然后通过对Faster-RCNN、YOLO、SSD（Single shot multibox detector）三种网络模型的实用对比，确定采用SSD网络进行典型电力目标的检测与识别，最终给出了配电网线杆规划的可行区域。实验表明，相比于Faster-RCNN与YOLO网络模型，SSD网络模型能够对变电站、配电室、箱变等典型电力目标进行有效的检测与识别，识别准确率为68.5%，达到了实用的要求。本文提出的智能识别方式为电力设计提供了技术支持，降低了配电网设计的人工成本并提高了效率。
为了提高农村配电网智能化设计水平，满足配电线杆路径自动规划的需求，本文利用深度神经网络对配电网规划区域航拍图像中的典型电力目标进行识别以实现可行区域的自动筛选。首先利用无人机航拍获得配电网规划区域的高分辨率图像，构建了包含11类、32 118个典型电力目标的数据集。然后通过对Faster-RCNN、YOLO、SSD（Single shot multibox detector）三种网络模型的实用对比，确定采用SSD网络进行典型电力目标的检测与识别，最终给出了配电网线杆规划的可行区域。实验表明，相比于Faster-RCNN与YOLO网络模型，SSD网络模型能够对变电站、配电室、箱变等典型电力目标进行有效的检测与识别，识别准确率为68.5%，达到了实用的要求。本文提出的智能识别方式为电力设计提供了技术支持，降低了配电网设计的人工成本并提高了效率。
2022, 37(5):1169-1178.
DOI: 10.16337/j.1004-9037.2022.05.021
摘要:
合并单元设备监控依赖于现场工作人员记录、实践经验以及预设告警阈值，缺少对系统监视数据的分析和挖掘，不能实现设备状态预测。鉴于此，根据监视合并单元电平数据的时序性特征，将传统时序模型差分整合移动平均自回归（Autoregressive integrated moving average， ARIMA）和长短期记忆网络（Long short-term memory， LSTM）构建组合模型，并采用蛙跳算法 （Shuffled frog leaping algorithm， SFLA） 进行模型优化。优化后的模型应用在合并单元激光器监视的电平数据预测分析，将ARIMA-LSTM优化组合模型和单一模型进行对比，验证了组合模型比单一模型具有更高的准确度。进一步和其他组合模型做对比实验，实验结果表明，组合模型经过SFLA优化后均优于其他组合模型，能够更好挖掘数据中的隐藏信息和趋势，提高时序数据预测精度和故障排查效率。将SFLA优化的组合ARIMA-SVM模型和ARIMA-LSTM模型对比，实验结果表明，所提出的ARIMA-LSTM模型优于ARIMA-SVM模型，可以更好地分析和掌握设备状态信息，实现对合并单元设备的电平数据预测。
合并单元设备监控依赖于现场工作人员记录、实践经验以及预设告警阈值，缺少对系统监视数据的分析和挖掘，不能实现设备状态预测。鉴于此，根据监视合并单元电平数据的时序性特征，将传统时序模型差分整合移动平均自回归（Autoregressive integrated moving average， ARIMA）和长短期记忆网络（Long short-term memory， LSTM）构建组合模型，并采用蛙跳算法 （Shuffled frog leaping algorithm， SFLA） 进行模型优化。优化后的模型应用在合并单元激光器监视的电平数据预测分析，将ARIMA-LSTM优化组合模型和单一模型进行对比，验证了组合模型比单一模型具有更高的准确度。进一步和其他组合模型做对比实验，实验结果表明，组合模型经过SFLA优化后均优于其他组合模型，能够更好挖掘数据中的隐藏信息和趋势，提高时序数据预测精度和故障排查效率。将SFLA优化的组合ARIMA-SVM模型和ARIMA-LSTM模型对比，实验结果表明，所提出的ARIMA-LSTM模型优于ARIMA-SVM模型，可以更好地分析和掌握设备状态信息，实现对合并单元设备的电平数据预测。
2023, 38(3):727-740.
DOI: 10.16337/j.1004-9037.2023.03.020
摘要:
随着数据时代的到来，非平衡数据的分类问题受到越来越多的关注。在非平衡数据的分类问题中，往往因为少数类样本与多数类样本比例失衡而导致分类结果错误。因此，提出了一种在最大熵原理下基于自助法（Bootstrap method）的过采样算法。首先，通过自助法获得数据样本的概率分布，并用最大熵原理对概率分布进行优化；其次，根据少数类生成新的少数类的能力不同，提出基于少数类样本分布的概率增强算法。该算法使数据随机性得到了充分体现，保证了少数类样本的概率密度在数据集平衡前后保持一致性，从而提高分类算法的有效性；最后，通过从UCI和KEEL数据库选取8组数据进行实验，实验结果表明所提出的新算法比现有的其他算法更有效。
随着数据时代的到来，非平衡数据的分类问题受到越来越多的关注。在非平衡数据的分类问题中，往往因为少数类样本与多数类样本比例失衡而导致分类结果错误。因此，提出了一种在最大熵原理下基于自助法（Bootstrap method）的过采样算法。首先，通过自助法获得数据样本的概率分布，并用最大熵原理对概率分布进行优化；其次，根据少数类生成新的少数类的能力不同，提出基于少数类样本分布的概率增强算法。该算法使数据随机性得到了充分体现，保证了少数类样本的概率密度在数据集平衡前后保持一致性，从而提高分类算法的有效性；最后，通过从UCI和KEEL数据库选取8组数据进行实验，实验结果表明所提出的新算法比现有的其他算法更有效。
2023, 38(1):150-161.
DOI: 10.16337/j.1004-9037.2023.01.013
摘要:
在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用，涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题，因此涡检测具有一定挑战性。本文从计算机视觉的角度出发，提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题，对两种不同类型涡的数据特性进行分析，并提出了基于可变形卷积（Deformable convolutional network， DCN）的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证，实验结果表明改进后的模型检测精确率显著提高，并在细长涡的检测精确率上有显著提升，有效地平衡了各类型的涡检测性能。
在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用，涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题，因此涡检测具有一定挑战性。本文从计算机视觉的角度出发，提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题，对两种不同类型涡的数据特性进行分析，并提出了基于可变形卷积（Deformable convolutional network， DCN）的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证，实验结果表明改进后的模型检测精确率显著提高，并在细长涡的检测精确率上有显著提升，有效地平衡了各类型的涡检测性能。
2023, 38(5):1180-1190.
DOI: 10.16337/j.1004-9037.2023.05.016
摘要:
针对未知环境中无人机可视图有限的路径规划问题，提出了一种基于凸优化的粒子群算法（Particle swarm optimization，PSO）进行路径点选取。在迭代寻优过程中以凸优化求解出的轨迹、避障以及到达终点距离等为元素设计粒子群的适应度函数，在获得最优路径点后再将路径点之间的轨迹显示出来。将所得轨迹作为同时定位与地图创建（Simultaneous localization and mapping，SLAM）的一部分来建立更加可信的环境地图。理论分析和实验仿真结果表明，与其他智能算法以及基于采样的路径规划算法相比，基于凸优化的粒子群算法可以有效地提高路径规划的效率以及减少规划路径的长度。
针对未知环境中无人机可视图有限的路径规划问题，提出了一种基于凸优化的粒子群算法（Particle swarm optimization，PSO）进行路径点选取。在迭代寻优过程中以凸优化求解出的轨迹、避障以及到达终点距离等为元素设计粒子群的适应度函数，在获得最优路径点后再将路径点之间的轨迹显示出来。将所得轨迹作为同时定位与地图创建（Simultaneous localization and mapping，SLAM）的一部分来建立更加可信的环境地图。理论分析和实验仿真结果表明，与其他智能算法以及基于采样的路径规划算法相比，基于凸优化的粒子群算法可以有效地提高路径规划的效率以及减少规划路径的长度。
2023, 38(2):451-467.
DOI: 10.16337/j.1004-9037.2023.02.019
摘要:
为解决传统A*算法和传统动态窗口法（Dynamic window approach，DWA）在移动机器人路径规划中存在的问题，提出一种改进A*算法和改进DWA相结合的动态路径规划方法。首先，采用16邻域16方向的路径搜索方式扩大路径搜索视野，减少节点访问量和转角度数；其次，对启发函数进行优化，增强路径搜索的目的性；接着，采用冗余点删除策略，减少转折点数目，路径平滑度进一步提高，再使用B样条曲线对路径拐角进行处理，得到的路径较为平滑；然后，在DWA的评价函数中对障碍物进行分类并区别对待以及添加速度自适应因子，能够提高避障灵敏度；最后，通过与其他算法进行三部分仿真实验以及优先级策略仿真实验，验证改进A*算法的有效性和融合方法避障的优越性。
为解决传统A*算法和传统动态窗口法（Dynamic window approach，DWA）在移动机器人路径规划中存在的问题，提出一种改进A*算法和改进DWA相结合的动态路径规划方法。首先，采用16邻域16方向的路径搜索方式扩大路径搜索视野，减少节点访问量和转角度数；其次，对启发函数进行优化，增强路径搜索的目的性；接着，采用冗余点删除策略，减少转折点数目，路径平滑度进一步提高，再使用B样条曲线对路径拐角进行处理，得到的路径较为平滑；然后，在DWA的评价函数中对障碍物进行分类并区别对待以及添加速度自适应因子，能够提高避障灵敏度；最后，通过与其他算法进行三部分仿真实验以及优先级策略仿真实验，验证改进A*算法的有效性和融合方法避障的优越性。
2023, 38(3):616-628.
DOI: 10.16337/j.1004-9037.2023.03.011
摘要:
核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法，其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低，时间成本很大。针对这一问题，本文引入随机傅里叶特征变换，将原始核特征空间转换为另一个相对低维的显式随机特征空间，并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界，得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数，避免了对最优原始高斯核模型参数的大规模搜索，从而大幅降低原始高斯核模型选择所需的时间成本。实验表明，本文给出的误差上界确由核近似参数控制，核近似选择的最优模型相较于原始高斯核模型有较高的准确率，并且模型选择时间相对网格搜索法大幅减小。
核方法是一种把低维空间的线性不可分问题转化为高维空间中线性可分问题的方法，其广泛应用于多种学习模型。然而现有的核模型选择方法在大规模数据中计算效率较低，时间成本很大。针对这一问题，本文引入随机傅里叶特征变换，将原始核特征空间转换为另一个相对低维的显式随机特征空间，并给出核近似误差上界理论分析以及在核近似的随机特征空间中训练学习模型的误差上界，得到核近似的收敛一致性和误差上界与核近似参数之间的关系。基于随机傅里叶特征空间选择出最优模型参数，避免了对最优原始高斯核模型参数的大规模搜索，从而大幅降低原始高斯核模型选择所需的时间成本。实验表明，本文给出的误差上界确由核近似参数控制，核近似选择的最优模型相较于原始高斯核模型有较高的准确率，并且模型选择时间相对网格搜索法大幅减小。
2023, 38(3):608-615.
DOI: 10.16337/j.1004-9037.2023.03.010
摘要:
心电（Electrocardiogram， ECG）信号的长期检测与评估对心血管疾病的诊断和预防至关重要。心电信号的检测通常需要在患者身上安装电极，易使受试者产生不适感，适用范围有限。相对而言，使用光电容积描记法（Photoplethysmography， PPG）检测得到的脉搏波（Pulse wave）信号不仅包含丰富的心血管生理和病理信息，而且易于测量。考虑到PPG与ECG信号间存在固有的映射关系，本文基于生成对抗网络（Generative adversarial network， GAN）提出了一种将PPG转换为ECG信号的模型。该模型生成器由Unet模型组成，并且在特征图融合方面参考了Unet++的结构，而其判别器由卷积神经网络组成。在训练过程中，采用梯度惩罚方式增加了生成模型的稳定性。基于公用数据集进行了实验，通过对比53名受试者样本的处理结果，新模型所生成ECG信号的均方根误差（Root mean square error， RMSE）、Pearson相关系数（ρ）和Fréchet距离（Fréchet distance， FD）三个指标分别提升了3.4%、5.5%和0.4%，证明新模型具有更好的PPG-ECG转换效果。
心电（Electrocardiogram， ECG）信号的长期检测与评估对心血管疾病的诊断和预防至关重要。心电信号的检测通常需要在患者身上安装电极，易使受试者产生不适感，适用范围有限。相对而言，使用光电容积描记法（Photoplethysmography， PPG）检测得到的脉搏波（Pulse wave）信号不仅包含丰富的心血管生理和病理信息，而且易于测量。考虑到PPG与ECG信号间存在固有的映射关系，本文基于生成对抗网络（Generative adversarial network， GAN）提出了一种将PPG转换为ECG信号的模型。该模型生成器由Unet模型组成，并且在特征图融合方面参考了Unet++的结构，而其判别器由卷积神经网络组成。在训练过程中，采用梯度惩罚方式增加了生成模型的稳定性。基于公用数据集进行了实验，通过对比53名受试者样本的处理结果，新模型所生成ECG信号的均方根误差（Root mean square error， RMSE）、Pearson相关系数（ρ）和Fréchet距离（Fréchet distance， FD）三个指标分别提升了3.4%、5.5%和0.4%，证明新模型具有更好的PPG-ECG转换效果。
2023, 38(6):1235-1256.
DOI: 10.16337/j.1004-9037.2023.06.001
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。
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。
2023, 38(1):63-73.
DOI: 10.16337/j.1004-9037.2023.01.004
摘要:
为提高短波复杂电磁环境下特定信号检测识别准确率，提出了一种基于频率敏感注意力的短波宽带特定信号检测算法。依据短波特定信号在时频图中时间方向上的相关性和频率方向上的局部性，设计了一种具有窄长形状感受野的频率敏感注意力机制，通过将特征图沿时间轴方向进行条块分割并在条块内计算自注意力，捕获时间轴方向的远距离依赖关系并限制频率轴方向感受范围，并以此为基础构建了一种端到端的短波特定信号检测器频率敏感信号检测器（Frequency sensitive signal detector，FSSDet）。以短波宽带信号时频图为输入，FSSDet可直接输出多个特定信号的调制类型及起止时间、中心频率和带宽等重要参数信息。在包含8类47 880个样本的仿真数据集上进行实验，所提方法在0 dB以上的平均精度均值（mean Average precision， mAP）高达98.5，在信噪比低至-10 dB时仍高于72.5。结果表明，所提方法具有较高的短波特定信号检测识别准确率，在低信噪比下具备良好的鲁棒性。
为提高短波复杂电磁环境下特定信号检测识别准确率，提出了一种基于频率敏感注意力的短波宽带特定信号检测算法。依据短波特定信号在时频图中时间方向上的相关性和频率方向上的局部性，设计了一种具有窄长形状感受野的频率敏感注意力机制，通过将特征图沿时间轴方向进行条块分割并在条块内计算自注意力，捕获时间轴方向的远距离依赖关系并限制频率轴方向感受范围，并以此为基础构建了一种端到端的短波特定信号检测器频率敏感信号检测器（Frequency sensitive signal detector，FSSDet）。以短波宽带信号时频图为输入，FSSDet可直接输出多个特定信号的调制类型及起止时间、中心频率和带宽等重要参数信息。在包含8类47 880个样本的仿真数据集上进行实验，所提方法在0 dB以上的平均精度均值（mean Average precision， mAP）高达98.5，在信噪比低至-10 dB时仍高于72.5。结果表明，所提方法具有较高的短波特定信号检测识别准确率，在低信噪比下具备良好的鲁棒性。
2023, 38(6):1331-1341.
DOI: 10.16337/j.1004-9037.2023.06.009
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。
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。
2023, 38(3):717-726.
DOI: 10.16337/j.1004-9037.2023.03.019
摘要:
随着通信技术的发展，越来越高的通信频段得以采纳。然而电磁波衍射能力随频率的增加而降低，新一代通信系统变得更加依赖视距传播。在复杂移动场景下频繁切换波束，增加了过多的系统开销和延迟。针对该问题，提出一种基于位置信息辅助的网格化波束切换方法，利用可视路径中存在时最佳波束对保持不变的特点，划分网格波束一一对应关系及覆盖分布结构，建立位置-波束映射表，基于用户位置信息和运动状态计算下一时刻切换点。仿真和分析结果表明，所提方法相比非网格切换方式系统频谱效率显著提高，且所提正六边形网格切换性能优于方格，波束切换概率降低了50%，保障了通信质量，验证了基于位置信息辅助的网格化波束切换方法的合理性。
随着通信技术的发展，越来越高的通信频段得以采纳。然而电磁波衍射能力随频率的增加而降低，新一代通信系统变得更加依赖视距传播。在复杂移动场景下频繁切换波束，增加了过多的系统开销和延迟。针对该问题，提出一种基于位置信息辅助的网格化波束切换方法，利用可视路径中存在时最佳波束对保持不变的特点，划分网格波束一一对应关系及覆盖分布结构，建立位置-波束映射表，基于用户位置信息和运动状态计算下一时刻切换点。仿真和分析结果表明，所提方法相比非网格切换方式系统频谱效率显著提高，且所提正六边形网格切换性能优于方格，波束切换概率降低了50%，保障了通信质量，验证了基于位置信息辅助的网格化波束切换方法的合理性。
2023, 38(6):1445-1457.
DOI: 10.16337/j.1004-9037.2023.06.018
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。
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。
