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5期

• 大规模MIMO系统中的并行共轭梯度软输出信号检测算法

  周围,张维,唐俊,王强

  在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中，当接收天线数远远大于发送天线数时，通信信道渐近正交，传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能，但随着收发天线数增加，MMSE检测算法涉及到高维的矩阵求逆运算，难以应用在实际生活中。因此，文中提出了一种低复杂度的并行共轭梯度软输出检测算法，该算法对传统的共轭梯度（Conjugate Gradient，CG）法进行改进，并行求解共轭方向和优化步长，在提高算法检测性能的同时还加快了算法的收敛速度；然后利用信道编译码中的比特对数似然比近似算法求解出软信息，进一步提升检测算法的性能。通过理论定量地分析了算法的复杂度，并通过仿真实验对不同检测算法在不同判决方式下的误码率性能和收敛速度进行了研究，结果表明：所提出的并行CG软输出检测算法在复杂度降低的情况下，仅需要少量次数的迭代，便能以较快的收敛速度达到近似最佳的MMSE线性检测性能。

• 四通道同步心音信号采集装置设计及特征识别

  成雨含,张友讯,戴世诚

  了实现先天性心脏病的快速筛查，文中设计制作了四通道同步心音信号采集装置，并对四通道先心病心音信号的分析提出了新的表征方法。首先讨论四通道同步心音传感器和先心病筛查设备的设计，然后根据心音的特点提出多通道心音信号并行特征的表征方法。在分析单路心音能量熵的基础上，重点讨论4路心音的能量熵特征集和互信息特征集，并且对能量熵特征集进行主成分分析，用相关系数作为互信息特征集的权重参数，最终获得多元优化融合特征数据集，这不仅实现了特征数据的压缩，而且给出分类识别所需的关键特征。分类实验结果表明，多路心音的并行特征表征效果明显优于单通道心音的特征表征效果，运用针对性强的特征融合策略对于提高先天性心脏病筛查速度和准确率具有积极的意义。

• 毫米波大规模MIMO系统基于最大等效信道增益的混合预编码方案

  钱旸,何雪云,梁彦

  为解决部分连接结构毫米波大规模MIMO系统中混合预编码系统可达和速率偏低的问题，文中提出了一种基于最大等效信道增益的混合预编码方案。该方案首先以等效信道增益最大为条件，求取模拟预编码矩阵，在此基础上，进一步提出了EC-SIC（Equivalent Channel-Successive Interference Cancellation）和JI-SIC（Joint Iteration-Successive Interference Cancellation）两种混合预编码算法以求取数字预编码矩阵，最终得到混合预编码矩阵。仿真结果表明，与现有其他算法相比，所提两种部分连接结构混合预编码算法均有更优的系统可达和速率性能。

• 基于矩阵完备理论的大规模MIMO系统信道估计研究

  姜薇,黄秋实,黄学军

  针对大规模 MIMO（Multiple-Input Multiple-Output）系统中信道估计导频开销巨大且估计精度不高的问题，假设在莱斯衰落信道模型下，文中提出一种基于矩阵完备理论的信道估计新方法。利用大规模 MIMO 信道固有的稀疏特性，将信道估计问题建模为低秩矩阵完整化问题。采用一种新的加权核范数建立信道矩阵的低秩逼近，通过极大极小迭代算法实现信道状态信息的估计。仿真结果表明，相比传统 LS（Least Squares）算法和现有低秩信道估计算法SVP-H（Hybrid Singular Value Projection）与SDP（Semi Definite Programming），在使用相同导频数目的条件下，该算法具有较高的信道估计精度和较低的计算复杂度。

• 基于0.13 μm SiGe BiCMOS工艺的10 GS/s、3 bit模数转换器

  张翼,沈宇,李晓鹏,杨磊,刘中华,郭宇锋

  基于0.13 μm SiGe BiCMOS工艺，文中设计了超高速全并行模数转换器，其时钟采样率为10 GS/s、精度为3 bit。该模数转换器采用全差分的电路结构，其中跟踪保持放大器采用电容增强技术获得大带宽。设计中采用差分编码技术降低编码电路的误码率，提高工作速度。电路仿真结果表明，当时钟采样率为10 GS/s时，ADC电路的微分非线性和积分非线性均小于0.2 LSB。该ADC电路在输入信号频率低于10 MHz时的有效位数大于2.8位，在输入信号频率为1 GHz时的有效位数大于2.5位。在-5 V和-3.3 V供电电压下，电路的总功耗为1.6 W，芯片面积为1.0 mm×12 mm。

• 一种基于新型忆阻器的识别电路

  张粮,王宇,张小元,郭宇锋,连晓娟,肖建,童祎

  文中提出了一种基于新型忆阻器的人工神经网络的硬件实现方法，通过上位机卷积神经网络对输入的图像作特征压缩，输出有限的待检测数据，采用Altera的EP4CE10F17C8N器件和多路数模转换器将数据转换为模拟信号输入到忆阻电路中，再用MCU(Micro Control Unit)对忆阻电路的输出信号进行检测处理，并通过具体的手势识别实验证实了方法的可行性。在改进忆阻器阵列模型的基础上,设计了一种神经形态识别电路，并对该电路做出探究和应用。研究表明，所搭建的忆阻器为核心的神经网络电路成功地实现了目标手势的识别，验证了忆阻器作为新型类脑器件在图像处理方面的应用能力。

• 基于遗传算法的多模态情感特征融合方法

  卢官明,程晓,李霞,闫静杰,李海波

  为了提高情感识别的准确率，针对单模态情感识别率低以及常规特征融合方法存在的缺点，提出了一种基于遗传算法的多模态情感特征融合方法,利用遗传算法对多个模态的情感特征进行选择、交叉以及重组。在eNTRAFACE’05表情-语音双模态情感数据库上进行了情感识别测试，对基于面部表情或语音的单模态情感识别，以及基于特征层或决策层融合的各种双模态情感识别的性能进行了比较。实验结果表明，双模态情感识别的性能高于单模态情感识别，而且文中提出的基于遗传算法的多模态情感特征融合方法比其他几种常规的特征融合方法的效果好，验证了文中提出的方法的可行性和有效性。

• 区块链技术安全威胁分析

  孙国梓,王纪涛,谷宇

  区块链安全在区块链技术的研究中是很重要的部分，目前区块链安全事件频频发生，对区块链相关的安全威胁需要提高警惕。文中首先对区块链进行了简要说明，然后详细分析了区块链在算法、共识协议、智能合约、用户使用和网络安全中的安全威胁。并说明了公证人机制、哈希时间锁定和侧链/中继链3种跨链技术存在的安全问题以及区块链本身特性对跨链产生的安全问题。进一步又介绍了区块链在安全领域的应用。再分析了区块链隐私保护中的两种隐私威胁。最后，对区块链各个方面的安全威胁提出了相应的应对策略和未来的研究方向。

• HOS：一种基于HBase的分布式存储系统设计与实现

  季一木,张宁,尧海昌,李奎,李航,刘尚东,王汝传

  大数据时代，数据快速增长，迫切需要寻找有效的数据存储方案，HBase系统具有分布式、列式存储的特点，为大数据的存储管理提供了一种高效的解决方案。由于HBase只支持主键索引，对于非主键查询效率低下，难以满足实时需求。为此，提出一种分层式索引查询模型，该模型基于HBase建立持久性索引层，基于Redis建立分布式热点索引缓存层。前者为存储在HBase中的数据建立索引表，提高查询效率，后者基于Redis在内存中存储热点索引，降低磁盘访问开销，进一步提高查询效率。最终，依据此模型实现了分层式索引查询系统HOS，基于Imagenet图片数据集对HOS进行实验，实验结果表明，HOS数据查询性能优于标准HBase。

• 基于深度卷积神经网络的目标检测算法进展

  张索非,冯烨,吴晓富

  目标检测是计算视觉领域一个重要的研究方向，主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起，各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文中主要分析比较了几种目前主流的基于卷积神经网络的目标检测算法，包括各种两阶段检测器(RCNN,Fast RCNN,Faster RCNN,Mask RCNN,TridentNet)以及单阶段检测器(YOLO,SSD,CornerNet,ExtremeNet)。文中首先介绍了评价目标检测算法常用的数据集以及对应的性能评价指标，然后对上述检测算法的具体实现方式逐一进行分析。最终，在几个检测数据集上我们对不同算法进行实验复现并综合比较了其性能。实验结果表明，主流的检测算法在速度以及性能方面各有侧重点，需要根据实际场景进行选择和权衡。

• 基于粒子群优化的数据中心负载均衡机制

  宋文文,王珺,杜晔,徐京明,李成星

  针对数据中心网络中传统多径路由方法易造成大象流(Elephant flow)冲突，进而导致网络链路拥塞等问题，文中提出了一种基于粒子群优化的动态负载均衡机制(Dynamic load balancing mechanism based on particle swarm optimization,DLB-PSO)。该机制结合SDN具有全局网络拓扑信息可视化等技术优势，基于粒子群优化算法，根据当前网络链路资源状态等信息，以最小化最大链路利用率为优化目标，为大象流计算出最佳传输路径。实验结果表明，相比于传统的等价多径路由(Equal-cost multi-path routing,ECMP)、全局优先匹配(Global first fit,GFF)及面向SDN的LABERIO机制，文中提出的机制能够更加有效地改善网络吞吐量，降低流的时延抖动。

• 双服务器模型下模幂运算外包新方案

  张彦轩,李承峻,杨欣也,王少辉

  对形如R=ua(mod N)的模幂运算，现有外包方案设计时通常忽略特定场景对具体参数R,u,a,N的隐私性要求，对4个参数均进行隐私性保护，导致方案复杂度过高。鉴于此，基于双服务器模型，文中针对不同场景设计了3个不同的模幂运算外包方案，方案通过合理的逻辑划分将原始的模幂运算转化为新运算，在保证有效保护特定应用场景中参数的隐私性的同时，用户的可验证概率能达到1。理论分析和实验仿真均显示相较于现有方案，新方案的用户端效率大幅提高。

• 基于特征融合和机器学习的恶意网页识别研究

  魏旭,成卫青

  互联网高速发展的同时催生了众多恶意网页。恶意网页是指侵犯用户安全，包括个人隐私和财产等安全的网页。文中基于对若干恶意网页的传统网页特征：网页URL、JavaScript代码和HTML代码的分析，定义了若干特征用于恶意网页识别；提出了若干基于HTTP请求信息的特征；并提出了一个基于特征融合和机器学习的恶意网页识别方法，将HTTP请求特征与传统网页特征相融合，再利用机器学习分类算法构建网页分类模型区分正常和恶意网页。从Alexa选取500个正常网页，从PhishTank和Malwaredomains中共选取500个网页作为恶意网页构建数据集，训练网页分类模型。通过实验验证了基于URL特征、网页代码特征和HTTP请求特征的方法优于不使用HTTP请求特征的方法，并且发现随机森林分类算法更适用于恶意网页识别。

• 基于数据源的内容中心网络概率缓存策略

  王珂,江凌云

  内容中心网络（content centric network,CCN）是最有发展前景的未来网络体系架构之一，作为其基石的缓存策略得到广泛研究，良好的缓存策略是发挥其优势的根本保证。考虑到缓存节点数据替换频率快、大部分非流行数据未被利用即被覆盖的问题，提出了一种新的基于数据来源的概率缓存方法。该方案根据数据来源的不同在回传链路上分区域进行概率缓存，并可以依据链路长短动态调整缓存概率；同时，又能够将数据缓存在靠近终端的节点。仿真实验结果表明，相比于传统的缓存方案，所提出的方法提高了数据在网络节点缓存的命中率，减少了用户获取内容的平均跳数。