南京邮电大学学报(自然科学版)杂志

南京邮电大学学报(自然科学版)杂志2019年第3期

• 生成对抗网络图像处理综述

  朱秀昌,唐贵进

  2014年提出的生成对抗网络（Generative Adversarial Networks，GAN）是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型，以形成巧妙的对抗学习机制，使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用，不但覆盖了几乎所有传统图像处理领域，还包括一些新应用，如图像编辑、图像翻译、风格转移等，普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上，重点介绍了为提高 GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN，如DC GAN、W GAN、Big GAN等。尽管如此，目前GAN尚处于初始发展阶段，将来的前途不可估量。

• 人工噪声辅助时间反演的MIMO保密传输方法研究

  朱江,丁强

  针对物理层无线传输窃听信道问题，提出了一种联合人工噪声(Artificial Noise，AN)与时间反演（Timereversal，TR）的MIMO保密传输方法，在瑞利衰落信道环境下对该方法保密传输性能进行了研究。首先对TR MIMO信道进行了理论分析，其次根据等效信道对人工噪声矩阵进行了设计，最后对整个系统进行了保密性能的分析。理论分析和仿真结果表明，在AN功率分配因子较小时，采用该方法的保密信干噪比值比传统TR更高，系统保密容量相对于传统TR更好。

• 基于最大似然检测的自由空间轨道角动量复用光通信研究

  曹非,赵生妹

  基于轨道角动量复用的自由空间光通信可以极大地提高通信系统容量，但是由于自由空间信道中存在大气湍流干扰，引起不同轨道角动量间发生串扰，导致通信系统性能下降。文中提出了基于最大似然检测的自由空间轨道角动量复用光通信方案。该方案在接收端使用最大似然检测方法可以有效地降低不同轨道角动量光束所携带的数据间的串扰，降低通信系统误码率，提升通信性能。特别是在大气湍流强度为5×10-15 m-2/3、信噪比为26 dB时，相比于未采用最大似然检测方法的通信方案，该方案的误码率可以下降四个数量级。另一方面，最大似然检测的复杂度会随着调制阶数和子信道的数量的增加而呈指数级的增加，但是针对低阶调制方式和有限数量的子信道，最大似然检测的复杂度是可接受，例如该方案在仿真中采用OOK调制和四种轨道角动量光束进行复用，系统复杂度是可接受的。

• 基于多波束卫星系统的跳波束技术研究

  王琳,张晨,王显煜,张更新

  多波束卫星系统传统的固定资源分配方式缺乏足够的灵活性。文中在考虑多波束卫星系统各点波束业务需求多样性的基础上，基于全频率复用的“跳波束”技术，提出了一种灵活的资源分配方式。文中首先提出了两种不同的目标函数对资源进行优化，然后计算同频复用距离并引入新的约束机制以减轻同频干扰带来的性能下降，最后以最小同频率干扰为目标，结合时隙分配算法进行跳波束图案设计。仿真结果表明，相比于传统的分配方案，该方法能大大提高频谱利用率，使分配更能满足大容量动态需求。

• 认知星地网络中鲁棒多目标优化安全波束形成算法

  尹春岩,鲁伟鑫,赵晓宇

  在认知星地网络中，对于系统多个目标之间的物理层安全问题，提出了基于鲁棒多目标的安全波束成形算法。首先，在满足用户最小可达安全速率约束和基站最大发射功率限制的约束下，研究了基站总发射功率最小化和次级用户可达安全速率最大化的联合优化问题。然后，考虑到不完全的信道状态信息的实际假设，提出了基于加权切比雪夫方法的多目标鲁棒波束成形方案。其次，通过利用半正定规划和泰勒级数展开等方法将非凸的优化问题转化为具有线性矩阵不等式的线性问题，来获得最优权向量和人工噪声向量，从而得到了两个冲突问题之间的资源分配策略的帕累托最优集。最后，仿真实验的数值结果验证了所提出算法的有效性和优越性。

• 超高速模式下随机接入前导检测算法

  王丹,张怡凡,杜颜敏

  针对超高速模式下多普勒频偏使接收端相关峰值的能量泄漏，从而导致出现多个伪峰且增加了虚警概率的问题，提出了超高速模式下随机接入前导检测算法。该算法利用相关峰值的偏移取决于初始物理根序列号和ZC序列长度的特性，通过选取特定的初始物理根序列号使相关峰值的偏移集中在单个搜索窗口内，采用单个搜索窗口进行前导检测。仿真结果表明，与传统的三窗口联合检测算法和五窗口联合检测算法相比，文中提出的算法有效降低了前导检测的虚警概率和漏检概率，解决了多普勒频偏大于PRACH单位子载波间隔造成多个伪峰对检测性能带来的影响。

• 上行非正交多址系统用户配对和功率分配方案研究

  黄琪,宋荣方

  近年来，非正交多址接入(NOMA)技术作为5G的候选技术之一受到了广泛关注。文中研究以系统容量最大化为目标的NOMA系统上行链路资源分配问题。由于原问题的复杂性，将原优化问题分解为用户配对和功率分配两个子问题。首先研究了两种基于信道增益的用户配对方案，即传统的远近配对方案与均匀信道增益差异(UCGD)配对方案。此外，综合以上两种方案的优势，还研究了两种混合配对方案以降低用户间的干扰。进一步地，在NOMA用户组的总发送功率、用户最大发送功率、用户最小传输速率约束下，研究上行链路的总吞吐量最大化问题，并利用Karush Kuhn Tucker(KKT)条件导出NOMA组内最优功率分配方案的闭式解。仿真结果表明，采用文中提出的用户配对和功率分配方案的NOMA系统容量远超OMA系统。

• 基于底噪拟合的Ku频段卫星频谱信号检测方法

  白晓东,朱文登,刘波,张更新,洪涛,胡婧

  卫星通信在民用和军用通信中承担着越来越重要的责任，针对卫星频谱进行监测有助于提高卫星频谱利用率。由于地面通信、干扰信号和其他噪声分布情况具有不可预知性，待检测卫星频谱中的噪声基底往往起伏较大，这提高了频谱信号参数感知的难度。文中提出了一种适用于Ku频段卫星频谱监测场景的频谱信号检测方法。对于每一条频谱数据，算法首先使用五阶傅里叶级数拟合该条数据的噪声基底以降低其对频谱感知的影响，然后对处理后的频谱进行能量检测。经过仿真实验证明，五阶傅里叶级数能利用部分底噪较为准确地还原出完整的频谱底噪，文中提出的方法在Ku频段卫星频谱数据上相对于传统的能量检测法能够实现更好的信号检测效果。

• 基于前置解扩的短波3G-ALE信号解调性能研究

  吴培培,史英春,张旻,潘兆平,苗英杰

  正确解调短波3G ALE信号所携带的链路层协议信息，对于有效实施非合作通信对抗具有重要的意义。针对3G ALE信号基于前置解扩的链路信息解调方法，重点分析研究了实际环境下存在的载频估计误差、信号同步误差对于解调性能的影响，并对解调性能进行了仿真实验。实验结果表明：相比基于后置解扩的解调方法，基于前置解扩的3G ALE信号链路信息解调方法对于载频估计误差具有较好的鲁棒性，并且在一定信号同步误差范围内，低信噪比、低过采样率条件下的解调性能更优，因此更适用于非合作通信对抗的应用要求。

• 软体机器人驱动、建模与应用研究综述

  徐丰羽,孟凡昌,范保杰,彭高亮,申景金,蒋国平

  软体机器人是一类新型机器人，具有结构柔软度高、环境适应性好、人机交互性强、功能多样等特点，在医疗保健、物品抓持、野外侦查等诸多领域有着广阔的应用前景。文中从软体机器人的发展历程、驱动方式、建模与应用等方面对软体机器人进行综述，介绍了从超冗余度机器人到连续体机器人，再到完全应用软体材料制成的纯软体机器人的发展过程；阐述了软体机器人的驱动方式：柔性流体驱动、基于堵塞原理的半主动驱动、嵌入索丝（绳索或形状记忆合金SMA）的可变长度驱动、电活性聚合物软体驱动等；介绍目前软体机器人常用的建模控制方法，以及软体机器人广泛的应用前景；最后，总结了软体机器人驱动方式存在的一些主要问题以及未来的研究方向。

• 基于半朴素贝叶斯分类器的车载容迟网路由算法

  吴家皋,周虹宇,刘林峰

  在真实环境下的车载容迟网中，节点的移动模式通常具有一定的时间周期性。基于这个特性，文中提出了基于半朴素贝叶斯分类器的路由算法。该算法基于节点周期性移动的网络属性（比如数据包转发的时间和地点）划分节点类别并以此进行路由决策。相较于现有基于先验概率的算法和朴素贝叶斯算法，该算法基于包含更多信息的后验概率并着重考虑属性间的依赖关系。仿真实验结果表明，该算法相较于传统的路由算法提升了报文投递率，并减少了网络开销。

• 基于NE-VASVM的JavaScript恶意代码检测系统

  管衡,李麟俊,张琳

  针对传统的JavaScript恶意代码静态检测所存在的样本标记工作量大，以及由于样本冗余度高、泛化能力不足所导致的分类精确度低的问题，提出了一种新的支持向量机的自主学习策略VASVM，通过价值度量的定义优化了最有价值样本的选择策略，同时结合迭代地调整训练集平衡度，提高了训练集泛化能力和训练过程的收敛速度。然后在此基础上利用NE SVM算法对采用VASVM所选择的训练集进行剪裁以降低样本冗余度，并且进一步提高了泛化能力。最后得到了基于VASVM策略和NE SVM算法所结合形成的NE VASVM系统。实验结果表明，基于NE VASVM的JavaScript恶意代码检测系统有效减少了人工标记工作量，提高了分类器精度。

• 一种基于聚类约简决策树的改进随机森林算法

  王诚,王凯

  传统随机森林算法为了提高分类准确率，常常需要构建大量的决策树模型。由于训练数据集的复杂性以及传统随机森林在构建过程中引入的随机性，算法在训练过程中会生成部分分类性能差和相似度较高的决策树，影响模型的整体分类性能。针对这个问题，提出一种基于决策树聚类的改进随机森林算法（Trees Clustering Random Forest,TCRF），从分类精度和相似性角度去除不合格的决策树，根据AUC值从原始森林中提取出相对高精度子森林，利用基于Kappa统计量的距离度量方法对子森林聚类，从划分出的簇中选取具有代表性的树组成高精度低相似的森林。实验结果证明：改进后的算法在集成准确率以及分类效率上要高于传统随机森林算法。

• 一种基于NTRU算法的物联网设备接入认证方案

  谢忠良,江凌云

  物联网设备的接入认证是物联网应用大规模部署的基础，现有的用于物联网设备接入认证方案中使用的几乎都是椭圆曲线密码学（ECC）算法，而ECC算法涉及到点乘运算，效率不高。文中提出了一种基于数论研究单元（NTRU）算法的设备接入认证方案。NTRU算法的加密和解密都只使用简单的多项式乘法，和ECC算法的点乘运算相比计算速度快，而且NTRU算法还可以抵抗量子攻击。该方案不仅可以提供设备和服务器相互认证，而且对已知的攻击有很好的抵抗性。通过Java编程实现了NTRU算法和ECC算法，验证结果表明提出方案计算开销小，可以大幅节省认证时间，十分适合资源受限的物联网环境。

• 基于级联卷积网络的人脸特征点检测

  张衡,马明栋,王得玉

  人脸特征点检测是人脸识别和分析领域的关键步骤，同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础。由于脸部姿势和表情的不断变化以及遮挡问题的存在，人脸特征点检测依旧是一个具有挑战性的难题。文中提出用由粗到精的多任务级联神经网络模型来提升人脸检测和特征点定位的精度，使模型具有更好的鲁棒性。整个网络框架采用三阶段级联网络，由粗到精的检测人脸和定位特征点位置。首先采用脸部校正方法预处理人脸图片，主要是校正人脸偏转角度；然后使用两个小型网络来预测人脸框及定位人脸特征点；最后根据网络预测的特征点位置，对局部区域进行裁剪，然后再对局部区域预测单个特征点，使得特征点的定位更加准确。为了更好地评估文中提出的方法，在AFW、 AFLW等数据集上做了对照实验，相比较TCNN网络模型，文中方法在AFW中错误率降低了1.19%，在AFLW中错误率降低了0.8%。