电讯技术

当前目录

• 结合多维特征与Transformer网络的敌我识别辐射源个体识别

  陈杰梅

  针对目前敌我识别辐射源个体识别（Specific Emitter Identification of Identification Friend or Foe,SEI-IFF）研究不足的问题，提出了一种基于多维特征与Transformer网络的SEI-IFF方法。该方法首先从单个脉冲及信号全局等多维度获取如相位、幅度、时间、功率谱密度等信号特征，结合Transformer网络进一步提取不同IFF辐射源个体特征中如前后关联特性的细微特征并最终实现SEI-IFF。试验结果表明，所提方法针对20个目标搭载的IFF辐射源个体的平均识别正确率达95.3%，可较准确地完成SEI-IFF，有助于提升战场SEI-IFF效率。

• 车联网异构业务共存的任务卸载和计算资源分配

  冯姣,白若冰,李鹏,程方,张治中

  针对车联网异构业务共存时卸载决策和计算资源分配不合理造成时延和能耗增加的问题，提出了一种多阶段异构业务任务卸载与计算资源联合分配(Multi-stage Heterogeneous Services Joint Task Offloading and Computation Resource Allocation，MHS-JTOCRA)算法。首先构建了超可靠低时延通信(Ultra-reliable and Low Latency Communications，URLLC)车辆与增强移动宽带(Enhanced Mobile Broadband，eMBB)车辆共存的移动边缘计算(Mobile Edge Computing，MEC)系统模型，在保证URLLC和eMBB业务服务质量(Quality of Service，QoS)的同时，通过考虑卸载所需的计算资源、时延和能耗，对遗传算法进行迭代求解，获得eMBB和URLLC业务的最优卸载决策和计算资源分配策略。仿真结果表明，所提算法与现有任务卸载和资源分配算法相比时延降低16.37%，能耗降低12.16%。

• 基于图神经网络的SDN路由算法优化

  张晓莉,汤颖琪,宋婉莹

  针对现有路由方案不适合学习图形结构信息，对陌生拓扑适应性不佳的问题，提出了一种基于图神经网络的软件定义网络(Software Defined Network，SDN)路由算法G-PPO。引入近端策略优化(Proximal Policy Optimization,PPO)强化学习算法实现模型训练，利用消息传递神经网络(Massage Passing Neural Network,MPNN)对网络拓扑进行学习，通过调整链路权重完成路由路径的调整。G-PPO将图神经网络对网络拓扑信息的感知能力和深度强化学习的自主学习能力有效结合，提升路由策略的性能。实验结果表明，与相关算法比较，所提算法的平均时延和丢包率、网络链路利用率和吞吐量指标均为最优。在3种不同拓扑上，该算法较其他算法最少提升10.5%吞吐量，最多提升95.6%丢包率，表明所提算法具有更好的适应不同网络拓扑的能力。

• 采用特征增强和深度关系感知策略的3D人脸识别方法

  张龙,胡金蓉,张艳,黄果,黄飞虎

  针对2D人脸识别方法易受到外部环境干扰的问题，提出了一种基于深度学习的3D人脸识别方法。该方法从人脸几何信息中获取特征，对光照等环境因素具有较强的鲁棒性。根据对现有研究内容的分析，设计了一个双域特征增强模块。该模块分别从通道域和空间域提取出人脸的局部特征，并将其作为全局特征的增强部分，从而获得更加完备的人脸特征。针对3D人脸数据特性，提出了一种新的适合于3D人脸识别的特征学习策略。该策略旨在使人脸识别模型学习从3D人脸的深度关系中提取身份特征，能够极大缓解三维人脸中噪声对特征计算的负面影响。通过实验，在公开数据集Bosphorus和Texas上分别获得了96.32%与98.93%的验证准确率，表明该方法能够获得更高的识别精度，并且在复杂情况下的人脸识别也具有一定优势。

• 基于双文本提示和多重相似性学习的多标签遥感图像分类

  白淑芬,宋铁成

  多标签遥感图像分类旨在预测遥感图像中出现的多个相互关联的对象，其中文本标签能赋予丰富的语义信息。然而，目前多数多标签图像分类法未能充分考虑视觉语义图像-文本对信息。为了解决这一问题，提出了一种基于双文本提示和多重相似性（Bi-text Prompts and Multi-similarity，BTPMS）学习的多标签遥感图像分类算法。该算法首先利用场景与对象标签文本的双文本提示（Bi-text Prompts，BTP）提供丰富的先验知识，再综合考虑场景与对象标签之间的关联，对所得的文本特征和图像特征计算多重相似性，最后利用相似性得分进行多标签遥感图像分类。此外，设计了新颖的局部特征注意力（Local Feature Attention，LFA）模块，从空间与通道维度上捕捉图像中局部结构。在两个基准遥感数据集上进行广泛实验，结果表明所提算法优于对比的多标签图像分类方法。

• 复杂场景下基于注意力机制的车辆跟踪方法

  朱虹,李迎秋,周慧,沈宇军

  基于视觉的车辆跟踪技术易受到背景复杂、低分辨率、光照变化等干扰而发生跟踪漂移的现象。为提高在复杂场景中的跟踪性能，提出一种基于注意力机制的视觉车辆跟踪算法。首先，利用基于注意力机制的Swin Transformer充分挖掘与表达特征，完成对全局信息建模；其次，使用基于注意力机制的编码器将信息融合与增强，释放出注意力机制强大的潜力；最后，利用简单、堆叠的RepVGG结构网络对目标位置进行预测。实验结果表明，所提算法在两个公开、大型基准数据集LaSOT与UAV123上精确度分别达到78.4%和89.6%，成功率分别达到69.3%和69.8%，性能超越其他主流跟踪器；对OTB100数据集中的车辆视频序列跟踪结果进行可视化与分析，效果优于基准STARK-S50，具有更稳定的跟踪性能，能够对抗背景复杂、模糊、相似物体、遮挡、光线昏暗、车辆尺度变换与旋转等多种跟踪挑战。

• IEMAyoloViT：基于改进YOLOv8的水下目标检测算法

  施克权,李祺,隋皓,朱宏娜

  针对光学成像技术受到光线衰减、散射等因素影响，图像质量和目标分辨率较差，不利于开展水下目标检测任务的问题，提出了一种高效水下目标检测框架IEMAyoloViT。该框架结合了改进Vision Transformer（ViT）主干的YOLOv8算法YOLOViT和一种融合多尺度高效空间注意力机制（Efficient Multi-scale Attention，EMA）的C2f模块，以解决目标特征提取过程中注意力分散的问题。同时改进了Inner-CIoU损失函数，基于不同尺度的辅助边界加速边界框回归。实验结果表明，在全国水下机器人大赛（Underwater Robot Professional Contest，URPC） 2021数据集中，IEMAyoloViT的mAP50高达83.2%，较YOLOv8高9.2%；mAP50:95较YOLOv8高1.0%，证明了IEMAyoloViT的有效性和应用潜力。

• 联立角度估计的GEO卫星地面站和差波束干扰消除方法

  安建,姬涛,王磊

  随着地面用频设备的不断增多，卫星通信受到的电磁干扰日益严重，从波束旁瓣进入的大电平干扰信号会造成极大的危害，导致接收信号信干噪比降低，信息无法解调。针对该问题提出了一种联立角度估计的和差波束干扰消除方法，一方面通过和波束及差波束估计出干扰信号的来波方向，另一方面基于估计结果利用和差波束的接收信号加权求和消除从旁瓣进入系统的干扰信号。仿真实验证明，所提方法能够有效抑制地球静止轨道（Geostationary Orbit,GEO）卫星地面站的旁瓣干扰，在低信噪比和强干扰条件下能够保持良好的性能，干扰抑制效果达到50 dB以上。

• 高精度时频同步网络零值标定方法

  王明娟,杨峻巍,郭庆峰

  针对基于卫星共视的时频网络绝对零值标定方法复杂且成本高的问题，提出了一种利用多通道计数器的高精度且易操作的零值标定方法。首先将主节点全球卫星导航系统（Global Navigation Satellite System，GNSS）时频终端将生成的多路10 MHz频标分别送到从节点GNSS时频终端，实现主从频标共源。主从节点GNSS时频终端接收卫星导航信号，实现站址精确测量，并完成各节点GNSS时频终端与可视卫星钟差测量。从节点GNSS时频终端将钟差测量值送到主节点GNSS时频终端，根据接收到的导航信号信噪比自适应加权获取站间钟差，同时高精度多通道计数器实时接收主从节点输出的秒脉冲（1 Pulse per Second,1PPS）信号，测量各从节点与主节点的1PPS时间间隔。对主节点GNSS时频终端计算的站间钟差及多通道计数器测量的1PPS时间间隔进行约2 h的采集，基于两项数据完成时频网络站间零值标定。实测数据结果表明，所提出的零值标定方法可实现站间高精度时间同步，且同步精度优于6 ns，为基于卫星共视的站间高精度时频同步提供了技术支撑。

• 一种带有错误抑制机制的低复杂度Turbo乘积码译码器

  巩克现,闫瑾,刘宏华,王玮

  针对Turbo乘积码（Turbo Product Code,TPC）迭代译码过程中的错误传播问题，设计了一种极低复杂度的错误抑制机制，对错误定位精准且简单高效，可有效降低迭代初期的不可靠外信息对误码率（Bit Error Rate,BER）性能的负面影响。所提译码算法的迭代收敛速度较经典的Chase算法优势明显，在第3次迭代时，其误码率曲线基本和Chase算法4次迭代的性能持平，在同等性能下可降低25%译码时延。同时，在现场可编程门阵列（Field Programmable Gate Array,FPGA)中设计了一种软输入软输出（Soft-Input Soft-Output,SISO）译码器，通过将测试序列生成模块与校验子计算模块、欧氏距离计算模块并行化设计获得了较低的译码时延，利用递归运算极大降低了算术复杂度，在与Xilinx官方的TPC译码IP核吞吐量相当的情况下消耗更少的硬件资源。