Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.


FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

 


Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

   Cover:  <157>
      
Contents:  <165>

<<<                         CONTENTS                         >>>

Regular Papers

Forget less, count better: a domain-incremental self-distillation learning benchmark for lifelong crowd counting

Jiaqi GAO, Jingqi LI, Hongming SHAN, Yanyun QU, James Z. WANG, Fei-Yue WANG, Junping ZHANG

DOI: 10.1631/FITEE.2200380 Downloaded: 1033 Clicked: 1202 Cited: 0 Commented: 0(p.187-202) <Full Text>   <PPT>  254

Chinese summary   <37>  忘得少,数得好:一种域增量式自蒸馏终身人群计数基准

高佳琪1,李婧琦1,单洪明2,3,曲延云4,王则5,王飞跃6,张军平1
1复旦大学计算机科学技术学院上海市智能信息处理重点实验室,中国上海市,200433
2复旦大学类脑智能科学与技术研究院,中国上海市,200433
3上海脑科学与类脑研究中心,中国上海市,201210
4厦门大学信息科学与技术学院,中国厦门市,361005
5宾夕法尼亚州立大学信息科学与技术学院,美国宾夕法尼亚州,16802
6中国科学院自动化研究所复杂系统管理与控制国家重点实验室,中国北京市,100190
摘要:人群计数在公共安全和流行病控制方面具有重要应用。一个鲁棒且实用的人群计数系统须能够在真实场景中不断学习持续到来的新域数据,而非仅仅拟合某一单域的数据分布。现有方法在处理多个域的数据时有一些不足之处:(1)由于来自不同域的固有数据分布之间的差异,模型在训练来自新域的图像数据后在旧域中的性能可能会变得十分有限(甚至急剧下降),这种现象被称为灾难性遗忘;(2)由于域分布的偏移,在某一特定域数据中训练好的模型在其他未见域中通常表现不佳;(3)处理多个域的数据通常会导致存储开销的线性增长,例如混合来自所有域的数据进行训练,或者是简单地为每一个域的数据单独训练一个模型。为克服这些问题,我们探索了在域增量式训练设置下一种新的人群计数任务,即终身人群计数。它的目标是通过使用单个模型持续不断地学习新域数据以减轻灾难性遗忘并提高泛化能力。具体来说,提出一种自蒸馏学习框架作为终身人群计数的基准模型(forget less,count better,FLCB),这有助于模型可持续地利用之前学到的有意义的知识来更好地对人数进行估计,以减少训练新数据后对旧数据的遗忘。此外,设计了一种新的定量评价指标,即归一化后向迁移(normalized Backward Transfer,nBwT),用于评估模型在终身学习过程中的遗忘程度。大量实验结果证明了该模型的优越性,即较低的灾难性遗忘度和较强的泛化能力。

关键词组:人群计数;知识蒸馏;终身学习

A graph-based two-stage classification network for mobile screen defect inspection

Chaofan ZHOU, Meiqin LIU, Senlin ZHANG, Ping WEI, Badong CHEN

DOI: 10.1631/FITEE.2200524 Downloaded: 1188 Clicked: 1235 Cited: 0 Commented: 0(p.203-216) <Full Text>   <PPT>  242

Chinese summary   <35>  用于手机屏缺陷检测的基于图的两阶段分类网络

周超凡1,2,刘妹琴3,2,1,张森林1,2,魏平3,陈霸东3
1浙江大学工业控制技术国家重点实验室,中国杭州市,310027
2浙江大学电气工程学院,中国杭州市,310027
3西安交通大学人工智能与机器人研究所,中国西安市,710049
摘要:缺陷检测是手机屏质量控制的重要环节。手机屏缺陷的特性带来了一些具有挑战性的问题,包括:(1)类间相似性和类内差异性;(2)低对比度、微小尺寸或不完整缺陷的识别带来的困难;(3)针对多标签图像的类别相关性建模。为了解决这些问题,本文提出一种图推理模块,它可以堆放在常规的分类模块上。该推理模块利用类别间的依赖性、图像间的关系以及类别图像之间的相互作用来扩展特征维度,并且达到改进低质量图像特征的目的。为了进一步提高分类性能,分类模块的分类器被设计为一个余弦相似度函数。在对比学习的帮助下,分类模块可以更好地初始化推理模块的类别图。在手机屏缺陷数据集上的实验表明,所提出的两阶段网络取得了最佳性能:准确率为97.7%,F-measure为97.3%。这证明了本文所提出的方法在工业应用中是有效的。

关键词组:基于图的方法;多标签分类;手机屏缺陷;神经网络

Development of an onsite calibration device forrobot manipulators

Ziwei WAN, Chunlin ZHOU, Haotian ZHANG, Jun WU

DOI: 10.1631/FITEE.2200172 Downloaded: 1218 Clicked: 1204 Cited: 0 Commented: 0(p.217-230) <Full Text>   <PPT>  205

Chinese summary   <33>  一种机械臂在线标定装置开发

万梓威1,2,周春琳1,3,张昊天4,吴俊1
1浙江大学控制科学与工程学院,中国杭州市,310063
2浙江大学湖州研究院,中国湖州市,313098
3浙江大学滨江研究院,中国杭州市,310014
4电子科技大学信息与软件工程学院,中国成都市,610054
摘要:提出一种名为MultiCal的新型接触式三维测量装置,可用于机械臂的现场标定和在线精度测量,具有使用方便、成本低(低于5000美元)、性能可靠等优点。该设备可灵活地设置在机械臂的工作环境中进行微米级精度三维测量。在标定过程中,通过一个三维位移测量装置,让机械臂的工具中心点运动至一个固定点,之后再绕该点旋转运动至不同姿态角并测量各关节角度(单点约束测量)。然后采用一个创新设计的夹具,将三维位移测量装置精确地安装在该夹具的不同工位上,并重复上述测量过程,从而实现多点约束测量。夹具上不同工位的相对位置在标定前已被精确测量,并作为标定的先验信息,以提高标定的精度与鲁棒性。理论分析表明,在相同水平的测量误差下,MultiCal的理论标定精度与传统的非接触式三维或六维测量设备(如激光跟踪器)相比降低10%-20%。而在Staubli TX90机械臂上进行的实际标定实验结果表明,MultiCal实际标定精度仅比带激光扫描仪的测量臂低7%-14%,时间效率比六维双目视觉测量系统低21%-30%,标定后的机械臂的最大和平均绝对定位误差分别为0.831 mm和0.339 mm。

关键词组:标定装置;运动学标定;现场标定;绝对定位精度

Parameter value selection strategy for complete coverage path planning based on the Lü system to perform specific types of missions

Caihong LI, Cong LIU, Yong SONG, Zhenying LIANG

DOI: 10.1631/FITEE.2200211 Downloaded: 1283 Clicked: 1252 Cited: 0 Commented: 0(p.231-244) <Full Text>   <PPT>  226

Chinese summary   <35>  基于Lü系统的移动机器人完成特殊情况下全覆盖路径规划的参数值选择策略

李彩虹1,刘聪1,宋勇2,梁振英1
1山东理工大学计算机科学与技术学院,中国淄博市,255000
2山东大学(威海)机电与信息工程学院,中国威海市,264209
摘要:针对移动机器人完成特殊情况下的全覆盖路径规划(complete coverage path planning, CCPP)任务,基于Lü系统,提出一种构造混沌机器人的系统参数值综合选择策略,以满足特殊任务下遍历轨迹高随机性和高覆盖率的需求。首先利用混沌系统必为耗散系统的特点,大致确定Lü系统成为耗散系统的参数取值范围;然后计算耗散系统下的李雅普诺夫指数谱,缩小系统参数的取值范围;其次画出这些参数下的相平面,大致判断其轨迹的拓扑分布特性;进一步在好的参数取值里,计算每个参数下变量的皮尔逊相关系数,判断每个变量的随机特性。最后,在所确定参数值下,利用其中的变量构造混沌机器人,并仿真测试了覆盖率,研究覆盖率和变量随机特性之间的关系。上述综合选择策略根据覆盖轨迹混沌性和随机性的要求,逐渐缩小了系统参数的取值范围。与使用一组固定的经典参数值的Lü系统相比,经过综合方法选择参数值的系统,能挑选出李雅普诺夫指数大的变量来构造混沌机器人,从而使覆盖轨迹的随机性能更高。另一个混沌Lorenz系统,用来测试和验证所设计策略的可行性和有效性。此类研究能够提高机器人完成特殊情况下CCPP任务的效率。

关键词组:混沌移动机器人;Lü系统;全覆盖路径规划;参数值选择策略;李雅普诺夫指数;皮尔逊相关系数

A multi-sensor-system cooperative scheduling method for ground area detection and target tracking

Yunpu ZHANG, Qiang FU, Ganlin SHAN

DOI: 10.1631/FITEE.2200121 Downloaded: 1185 Clicked: 1355 Cited: 0 Commented: 0(p.245-258) <Full Text>   <PPT>  246

Chinese summary   <34>  一种面向地面区域检测和目标跟踪的多传感器系统协同调度方法

张昀普,付强,单甘霖
陆军工程大学石家庄校区电子与光学工程系,中国石家庄市,050003
摘要:本文提出一种面向多任务协同的多传感器系统协同调度方法,并将其应用于地面区域检测和目标跟踪。调度的目的是选择最佳的传感器来完成分配的作战任务,并获得最佳作战收益。首先建立区域检测模型,并提出检测风险的计算方法以量化在调度中的检测收益。然后结合道路约束信息和多普勒盲区信息建立地面目标跟踪模型,并引入后验克拉美罗下限评估未来时刻的跟踪精度。最后,考虑检测、跟踪和能耗控制的需求建立目标函数,通过求解目标函数,得到最优的传感器调度方案。仿真结果表明,所提传感器调度方法可以选择合适的传感器完成所需作战任务,并在区域检测、目标跟踪和能耗控制方面均具有良好性能。

关键词组:传感器调度;区域检测;目标跟踪;道路约束;多普勒盲区

On optimization of cooperative MIMO for underlaid secrecy Industrial Internet of Things

Xinyao WANG, Xuyan BAO, Yuzhen HUANG, Zhong ZHENG, Zesong FEI

DOI: 10.1631/FITEE.2200188 Downloaded: 1385 Clicked: 1267 Cited: 0 Commented: 0(p.259-274) <Full Text>   <PPT>  245

Chinese summary   <32>  衬底式安全工业物联网中的协作MIMO优化研究

王新尧1,鲍叙言2,黄育侦3,郑重1,费泽松1
1北京理工大学信息与电子学院,中国北京市,100081
2中国信息通信研究院,中国北京市,100191
3中国人民解放军军事科学院,中国北京市,100091
摘要:本文研究协作多输入多输出(cooperative multi-input multi-output,C-MIMO)系统中的物理层安全技术,该技术可以被用于主次用户共存的衬底式认知无线电网络,并通过提高次级C-MIMO接收机的安全速率同时减少对主用户的干扰来实现上述安全通信范式。该通信模型尤其适合应用于基于非授权频谱的工业互联网安全传输场景,可以实现频谱效率和安全速率的有效平衡和折衷。为此,我们提出一种特征空间自适应预编码(eigenspace-adaptive precoding, EAP)方法,并给出在单站发射功率约束和干扰功率约束下的安全速率优化问题。通过将原始优化问题分解为预编码特征空间选择和功率分配两个子问题,来实现安全预编码器的设计,其中,特征空间由发射机根据主用户和次级用户的信道条件进行自适应选择。此外,本文针对海量设备、大维天线系统提出一种简化的EAP方法,该方法充分利用大维天线的空间自由度来降低安全预编码优化的复杂度。仿真结果表明,在自适应选择的特征空间中传输信号和人工噪声,C-MIMO系统可以完全消除保密中断概率,获得相比固定特征空间预编码方案更高的安全速率。此外,针对大维C-MIMO提出的简化EAP方法可以显著提高安全速率。

关键词组:感知无线电;物理层安全;协作多输入多输出(C-MIMO);特征空间自适应预编码;差分凸规划

Ensemble-transfer-learning-based channel parameter prediction in asymmetric massive MIMO systems

Zunwen HE, Yue LI, Yan ZHANG, Wancheng ZHANG, Kaien ZHANG, Liu GUO, Haiming WANG

DOI: 10.1631/FITEE.2200169 Downloaded: 1342 Clicked: 1376 Cited: 0 Commented: 0(p.275-288) <Full Text>   <PPT>  238

Chinese summary   <33>  在非对称大规模MIMO系统中基于集成-迁移学习的信道参数预测

何遵文1,李悦1,张焱1,张万成1,张恺恩1,郭柳1,王海明2
1北京理工大学信息与电子学院,中国北京市,100081
2东南大学毫米波国家重点实验室,中国南京市,210096
摘要:为降低第六代移动网络中的数据处理负担和硬件成本,非对称大规模多入多出(multiple-input multiple-output,MIMO)系统被提出。然而,在非对称大规模MIMO系统中,上行和下行无线信道之间的互易性是无效的。因此,需要基站和用户设备都发送导频来预测双向信道,这会消耗更多传输和计算资源。本文提出一种基于集成迁移学习的非对称大规模MIMO系统的信道参数预测方法,可以预测多个下行信道参数,包括路径损耗、多径数、时延扩展和角度扩展。选择上行信道参数和环境特征来预测下行参数。此外,提出一种基于SHAP(SHapley Additive exPlanations)值和最小描述长度标准的两步特征选择算法,以降低由弱相关或不相关特征引起的计算复杂度和对模型准确性的负面影响。引入实例迁移方法,以支持预测模型应对在新的传播条件下难以在短时间内收集足够训练数据的问题。仿真结果表明,该方法比反向传播神经网络和3GPP TR 38.901信道模型更准确。当波束宽度或通信扇区发生变化时,所提出的基于实例迁移的方法在预测下行参数方面优于没有迁移学习的方法。

关键词组:非对称大规模MIMO系统;信道模型;集成学习;实例迁移;参数预测

Unified construction of two n-order circuit networks with diodes

Xiaoyan LIN, Zhizhong TAN

DOI: 10.1631/FITEE.2200360 Downloaded: 1379 Clicked: 1144 Cited: 0 Commented: 0(p.289-298) <Full Text>   <PPT>  196

Chinese summary   <33>  用二极管统一构建两个n阶电路网络

林小燕,谭志中
南通大学物理系,中国南通市,226019
摘要:本文通过二极管将两个不同的n阶拓扑电路网络连接起来,建立起一个统一的网络模型,这是一个以前没有研究解决的新问题。该网络模型不仅包含五个电阻元件,还包含二极管器件,因此该网络包含多种不同的网络类型。该问题可以通过三个主要步骤来解决:首先,将网络简化为两个不同的等效电路模型;其次,应用基尔霍夫定律建立非线性差分方程模型;最后,对结构相似的两个方程进行统一处理,并利用等效变换技术得到非线性差分方程的通解。作为应用,文章推导出几个有趣的特殊结果。网络模型的研究非常重要,可以应用于跨学科研究。

关键词组:复杂网络;等效变换;非线性差分方程;等效电阻

Dynamic time prediction for electric vehicle charging based on charging pattern recognition

Chunxi LI, Yingying FU, Xiangke CUI, Quanbo GE

DOI: 10.1631/FITEE.2200212 Downloaded: 1757 Clicked: 1275 Cited: 0 Commented: 0(p.299-313) <Full Text>   <PPT>  253

Chinese summary   <31>  一种基于充电模式识别的电动汽车充电时间预测方法

李春喜1,傅莹颖1,崔向科2,葛泉波3,4,5
1上海海事大学物流工程学院,中国上海市,200135
2北京交通大学经济管理学院,中国北京市,102603
3南京信息工程大学自动化学院,中国南京市,210044
4南京信息工程大学江苏省大气环境与装备技术协同创新中心,中国南京市,210044
5南京信息工程大学江苏省大数据分析技术重点实验室,中国南京市,210044
摘要:电动汽车动力电池过度充电容易导致电池加速老化和严重的安全事故。因此,准确预测车辆充电时间对充电安全防护意义重大。由于电池组结构复杂,充电方式多样,传统方法因缺乏充电模式识别而预测精度不高。本文应用数据驱动和机器学习理论,提出一种新的基于充电模式识别的充电时间预测方法。首先,基于动态加权密度峰值聚类(DWDPC)和随机森林融合的智能算法对车辆充电模式进行分类;然后,采用改进的简化粒子群优化算法(ISPSO)和强跟踪滤波器(STF),对LSTM神经网络进行优化,构建了一种高性能的充电时间预测方法;最后,通过实际工程数据对所提出的ISPSO-LSTM-STF方法进行了验证。实验结果表明,该方法能够有效区分充电模式,提高了充电时间预测精度,具有实际工程意义。

关键词组:充电模式;充电时长;随机森林;长短期记忆网络(LSTM);简化粒子群优化算法(SPSO)

Compact input-reflectionless balanced bandpass filter with flexible bandwidth using three-line coupled structure

Yahui ZHU, Jing CAI, Wei QIN, Wenwen YANG, Jianxin CHEN

DOI: 10.1631/FITEE.2200261 Downloaded: 1488 Clicked: 1160 Cited: 0 Commented: 0(p.314-326) <Full Text>   <PPT>  235

Chinese summary   <31>  基于三线耦合结构的具有灵活带宽的紧凑型平衡式输入无反射带通滤波器

朱雅慧1,2,蔡璟1,2,秦伟1,2,杨汶汶1,2,陈建新1,2
1南通大学信息科学技术学院,中国南通市,226019
2南通大学智能信息技术研究中心,中国南通市,226019
摘要:本文提出一种基于三线耦合结构的具有灵活带宽的紧凑型平衡式输入无反射带通滤波器。在差模模式下,带通响应由三线耦合结构实现,同时三线耦合结构的输入耦合馈线被输入吸收网络复用。带通滤波部分和吸收部分实现了良好的融合,有效地减小了电路尺寸,并且两部分的带宽独立可控,进而使得该滤波器的差模响应带宽具有灵活可控的特性。此外,首次对两部分的带宽比进行详细分析,以获得通带平坦度与无反射性能的良好折衷。因此,该协同设计的输入无反射差模带通响应具有易于优化的特点。同时,输入端的吸收网络还实现了宽频带内的共模噪声吸收。为了验证该设计方法,设计了一款尺寸为0.52λ×0.36λ的平衡式输入无反射滤波器,测量范围为0-7.0 GHz。测得差模响应的中心频率为2.45 GHz,3 dB相对带宽为31.4%。实测和仿真结果展现了良好的一致性,并且该滤波器具有0.43 dB的低插入损耗、较宽的差模上阻带(超过20 dB的抑制水平至2.72倍频)以及宽带的差模无反射和共模噪声吸收(吸收相对带宽为285.7%)等优点。

关键词组:输入无反射滤波器;平衡式带通滤波器;差模;共模;三线耦合结构

Journal of Zhejiang University-SCIENCE, 38 Zheda Road, Hangzhou 310027, China
Tel: +86-571-87952783; E-mail: cjzhang@zju.edu.cn
Copyright © 2000 - 2024 Journal of Zhejiang University-SCIENCE