“卫星导航信息安全”专刊导读

全球卫星导航系统是一种以卫星为基础的无线电导航系统,可提供高精度、全天时、全天候的导航、定位和授时服务,是国家经济建设、国防建设、交通运输的重要基础设施,已从最初的军用导航定位服务深入到许多民用专业应用领域.然而,随着导航技术的广泛应用和干扰手段的市场化.

基于SDN的数据中心网络流量负载均衡研究

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类,为大流计算所有源至目的主机可达路径的最短跳数路径集;然后,根据LLDP和ECHO测量链路时延以求得时延最优路径集;最后,采用概率拟合算法分配路径,实现数据中心网络流量负载均衡.在相同场景下的实验结果表明,与ECMP、Hedera和DIFF算法相比,DSA-D算法具有更好的吞吐量、链路带宽利用率和平均往返时延.

基于双阶段特征解耦网络的单幅图像去雨方法

针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展.

基于多因素信息融合的中国粮食安全预警系统

中国是世界上粮食消耗最大的国家,随着社会经济的发展,中国的粮食安全备受全球瞩目。粮食安全的评估涉及众多因素,既有定量数据,又有定性信息。因此,为了全面地对中国的粮食安全进行预警,该文提出了一种基于信息融合的多因素粮食安全评估方法。新方法将各个信息源的定量定性信息转换为基本概率指派函数,利用层次分析方法(Analytic Hierarchy Process)确定各个属性的权重,基于Dempster组合规则实现了多因素的融合。依据1995-2007年的统计年鉴数据,对该文方法的有效性进行了验证。结果表明:该文所提出的信息融合方法能够正确客观地反映出粮食安全警度。

基于互信息的多通道联合稀疏模型及其组织病理图像分类

针对传统联合稀疏模型中共有分量与独有分量都采用相同的字典进行特征表示,导致编码系数判别性低的问题,提出一种基于互信息的多通道联合稀疏模型,并将其应用于组织病理图像的分类.该模型通过K均值对样本特征进行聚类,分别得到R,G与B通道的字典;其次利用样本特征与3个字典之间的互信息,剔除弱相关原子且构造了1个共有字典与3个独有字典,以此为基础建立了多通道联合稀疏模型;同时引入图像的空间信息,结合空间金字塔匹配模型对不同层次的图像特征进行联合稀疏编码,利用编码系数训练SVM分类器.实验结果表明,该模型具有更好的特征表示能力,大大提高了编码系数的判别性,获得了较好的分类性能与较强的鲁棒性.

基于文字书写教学的笔迹噪声处理

文字书写教学系统对笔迹噪声的处理必须按是否可反映用户书写效果分类。不规范行笔状态分为过快或飘笔、过慢或顿笔、笔迹非法变向等三大类,相应形成的噪声结构归纳成白色、黑色及抖动三类,噪声处理有序采用步长可选线性插值、点序差及虚拟平滑等策略。实验及比较分析表明,噪声处理策略实现了按噪声是否需给出指导意见进行分类处理的工作机制,为系统依据用户书写效果产生客观、准确指导意见提供真实、有效、可信的数据环境。

基于Golay互补序列的压缩感知稀疏信道估计算法

该文针对现有基于压缩感知的信道估计方法峰均功率比高、计算量大等问题,使用确定性格雷(Golay)序列作为训练序列对稀疏信道进行信道估计,在接收端实现了对信道冲激响应的估计,给出了估计模型和具体的算法推演,推导了该方法的峰均功率比,并与基于随机高斯序列的压缩感知信道估计方法的性能、峰均功率比和计算量进行了比较。仿真实验表明:格雷序列以及随机高斯序列两种序列都可以重构出稀疏信道非零抽头系数,但是格雷序列对稀疏信道冲激响应的确定性观测估计值的均方误差(MSE)和匹配度性能(Match Rate,MR)均优于随机高斯序列,计算量降低了许多,且在OFDM系统中峰均功率比大大降低。

计算机基础类课程网络空间构建

《计算机文化基础》为当代大学生的一门必修课程,其操作实践性强,传统教学模式已不能满足教师与学生的需求。本文笔者从国内外研究现状分析,结合计算机基础类课程特点,探讨了网络学习空间的构建,并给出了具体方案与实施成果。

EtherCAT网络中非周期信息的实时调度

由于Ether CAT的设计主要应用于周期通信,对非周期性信息的实时传输效率并不高,需要较长循环时间,给出了Ether CAT网络中非周期性实时信息基于优先级驱动交换调度的一个通用框架,此框架提出的交换机制具有循环周期短的特点。描述了优先级驱动交换的原理,对动态优先级和静态优先级的调度进行了分析,并且通过OMNe T++对几种方法做出了仿真评估。

异源码字信息无序交融机制及其应用

目前利用单模态密码进行身份认证存在输入方式单一、安全性低等缺点。为此,提出一种异源码字可无序交融输入的方法。建立异类模态密码码字产生硬件的融合机制,给出异类模态密码码字信息归一化格式,为不同的模态信息设计不同的前置处理和密码码字分类等算法,通过异源码字公共单元实现异类模态密码码字的无序交融。基于密码键盘与黑箱子指书2类模态码字的无序交融应用实例表明,该机制可以较好地用于多模态密码输入系统。

一种基于课程学习的胚胎图像语义分割方法

胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前,胚胎学家主要利用胚胎时差成像(Time-Lapse Imaging,TLI)技术观察胚胎图像形态变化,从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而,人工评估不仅费时费力,且需要较强的专业知识,并存在一定的主观性等.针对这一问题,该文提出一种基于课程学习的胚胎图像语义分割方法,实现了胚胎细胞、细胞质与雌雄原核的分割,为后续胚胎质量评估提供定量的形态特征参数.首先,利用评估语义分割算法性能的IoU指标(Intersection over Union,IoU)构建课程学习的难度评分函数(Scoring Function,SF),根据SF评分将所有样本从易到难进行排序;再结合SF评分与目标类别数定义课程学习的步调函数(Pacing Functions,PF),构建了难易程度递增的样本子集;最后,设计多阶段渐进式U-net语义分割(Multi-Stage Progressive U-net,MSPU)模型,根据课程难度顺序依次训练不同阶段的网络,从而实现胚胎图像的语义分割.相关实验结果表明,本文提出的MSPU模型在胚胎图像语义分割任务上获得较好的性能,与基准模型相比,IoU值提高1.4%;特别是在较易与较难的分割任务上具有不错的表现,如细胞与雌雄原核的分割IoU值分别提升了4.6%与1.2%.

一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法

神经架构搜索(neural architecture search,NAS)技术自动寻找神经网络中各层的最佳组合和连接方式,以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络(CNN),使用混合粒子群优化(hybrid particle swarm optimization,HPSO)算法,将一定数目的神经网络个体视做一个群体,将每个网络个体在评价指标下的表现值视做适应度,在给定的世代数范围内,每个神经网络个体都学习自身的历史最佳适应度个体,和整个群体的最佳适应度个体,迭代改善自身的网络架构。实验结果表明,算法运行中出现的最优网络架构,在图像分类任务的多个基准数据集上,与手工设计的神经网络和以遗传算法为基础的NAS算法相比,在网络参数数量和准确率的平衡上取得了有竞争力的结果。

基于迁移学习的钙钛矿材料带隙预测

针对快速获取钙钛矿材料带隙值的问题,建立特征融合神经网络模型(CGCrabNet),利用迁移学习策略对钙钛矿材料的带隙进行预测.CGCrabNet从材料的化学方程式和晶体结构两方面提取特征,并拟合特征和带隙之间的映射,是一个端到端的神经网络模型.在开放量子材料数据库中数据(OQMD数据集)预训练的基础上,通过仅175条钙钛矿材料数据对CGCrabNet参数进行微调,以提高模型的稳健性.数值实验结果表明,CGCrabNet在OQMD数据集上对带隙的预测误差比基于注意力的成分限制网络(CrabNet)降低0.014 eV;本文建立的模型对钙钛矿材料预测的平均绝对误差为0.374 eV,分别比随机森林回归、支持向量机回归和梯度提升回归的预测误差降低了0.304 eV、0.441 eV和0.194 eV;另外,模型预测的SrHfO_(3)和RbPaO_(3)等钙钛矿材料的带隙与第一性原理计算的带隙相差小于0.05 eV,这说明CGCrabNet可以快速准确地预测钙钛矿材料的性质,加速新材料的研发过程.

结合多任务学习的半监督病理图像分割方法

病理图像自动分割是计算机辅助诊断技术的重要组成部分,可降低病理科医师工作负担,提高诊断效率和准确性。本文介绍一种结合多任务学习的半监督病理图像分割方法。该方法基于半监督的方式同时进行癌症区域图像分割与分类,即首先基于极少量像素级标注图像对分割网络进行训练,然后结合图像级标注图像同时完成图像分割及分类。在网络训练过程中,通过此2个任务的交替迭代以优化网络参数,降低了深度学习模型对图像标注的依赖性。在此基础上,模型引入了动态加权交叉熵损失函数,可利用分类预测概率值自动完成每个像素的权重分配,以提高分割网络对预测概率值较低目标区域的关注度。该策略可有效保持癌症区域的细节信息,经验证可在像素标注数据量不足的情况下对乳腺癌病理图像获得良好的癌症区域分割结果。

基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别

针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。

基于联合双边滤波的深度图像增强算法

主动光设备是目前获取深度图的主要方法,被广泛应用于导航、人机交互、增强现实等领域。但主动光设备存在分辨率低、空洞、边缘不匹配等问题。为此,提出一种基于联合双边滤波的深度图像增强算法。采用基于深度的前景分割方法,找出深度图与彩色图边缘不匹配像素集合,利用基于联合双边滤波的插值算法对空洞进行填充。为更好保持边缘细节,增加引导深度相似项与梯度域项的方法进行插值。实验结果表明,该算法比已有方法的最小均方误差平均减少约13%,具有更好的保持边缘效果。

低占空比、低碰撞的异步无线传感器网络MAC协议

提高信道监听质量是降低能量消耗和提高通信效率的有效方法。提出了一种低占空比、低碰撞的PB-MAC(predict-base MAC)协议。通过发送节点精确预测接收节点的唤醒时间,降低占空比;采用基于预测的重建连接机制和数据重传机制,有效地避免碰撞和实现高效重传。OMNet++仿真实验结果表明:在50节点随机网络中,PB-MAC的平均占空比、发送消息耗能和平均碰撞次数分别比RI-MAC少68.60%、24.75%、68.05%,比X-MAC少64.39%、64.05%、70.54%。同时,在网格网络中PB-MAC的性能也优于RI-MAC和X-MAC。

基于全向小波的图像边缘检测算法

针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.

面向指导的自由式英文字母书写跟踪

实现自由式文字书写指导是文字书写智能指导系统的研究趋势.该文面向自由式书写设计与实现英文字母书写跟踪算法,包括建立面向书写指导的大小写英文字母笔画与笔画关系类别,分析笔迹方向、笔画形状,辨析书写过程笔画关系等.实验表明,该系统对用户在规定的四线格式中自由式书写英文字母过程可进行有效跟踪,实时指导,意见客观.

分数阶非线性时滞系统的P型迭代学习控制

针对一类分数阶非线性时滞系统,研究其P型迭代学习控制问题。首先,根据分数微积分的基本性质并借助推广的Gronwall不等式,获得系统状态变量的范数不等式估计;然后,通过引入λ-范数,获得在开环和闭环P型迭代学习控制作用下,系统控制输入以及跟踪误差收敛的充分条件。所得结果与已有结果相比,具有更小的保守性。最后,通过数值仿真验证所提方法的有效性。