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2022年第2期

• 基于学习的视频编码技术进展

  朱秀昌,唐贵进

  近来，深度神经网络为视频编码提供了一种新的有前途的解决方案，即基于学习的视频编码技术。文中着重回顾了两类基于学习的视频编码技术，一类是用神经网络替代或协助传统编码框架中某些“功能模块”的压缩，另一类是全神经网络实现的“端到端系统”压缩。分别给出了两类技术中一些近来有代表性的研究成果，展示了它们的优越之处、长足进展及发展潜力。在给出这类技术目前存在问题的同时，也简要展望了今后的研究方向。

• 基于边动态调度的多用户大规模SM-MIMO消息传递检测

  张顺外,邹　鑫

  消息传递检测(Message Passing Detection, MPD)算法是一种基于置信度传播的检测算法，非常适用于多用户大规模空间调制多输入多输出(Spatial Modulation Multiple Input Multiple Output, SM MIMO)系统，但传统MPD算法复杂度仍然较高。针对该问题，研究基于边动态调度的MPD算法，根据观测节点与变量节点可靠性，提出基于观测节点可靠性MPD(the Reliability of Observation Nodes MPD, TRON MPD)和基于双节点可靠性MPD(the Reliability of Observation and Variable Nodes MPD, TROVN MPD)两种边动态调度方案，在迭代检测过程中，根据边的可靠性，实现边信息的动态更新，以进一步降低算法复杂度。理论分析与仿真结果表明：与传统MPD算法相比，TRON MPD与TROVN MPD方案均可实现以损失较小误码率性能为代价大幅降低算法复杂度；同时，通过适当设定边动态调度方案的阈值，可在系统误码率与算法复杂度之间取得较好折中。

• 超密集网络中基于MEC的任务卸载和资源分配

  陈发堂,杨　玲,夏苗苗

  随着计算密集型和数据密集型应用程序的激增，移动边缘计算（Mobile Edge Computing, MEC）被提出，可为无线网络边缘的用户提供强大的计算能力。然而当大量用户将计算任务卸载到边缘服务器时，反而会增加网络负载和传输时延。文中针对计算资源有限的超密集网络中的计算负载，考虑任务卸载和资源分配的联合优化问题，提出了算法以最小化超密集网络(Ultra Dense Network, UDN)总开销。文中将该联合优化问题划分为多个子问题。首先计算最小本地开销；然后为计算最小边缘开销，将任务卸载与资源分配问题划分为信道分配子问题和功率分配与卸载决策子问题；最后引入相应的拉格朗日函数，并采用内点惩函数法和Frank Wolfe方法递归地解决子问题。仿真结果表明，与传统的基本算法相比，文中所提算法可有效减少系统总开销，同时有效减少能源开销和传输时延。

• 一种基于分簇的集群协同定位系统

  阮　朗,李广侠,吕　晶,戴卫恒,田世伟,戴小奇,刘尧权

  随着硬件平台的进步和通信控制技术的发展，无人集群系统在民用和军用领域的应用越来越广泛。集群通过编队控制执行任务，而高效精准的定位是实现集群编队控制的基础。针对在全球导航卫星系统拒止/受限和非视距条件下执行大规模、高动态的集群定位场景，文中通过集群控制手段，构建了一套基于分簇的定位系统。该系统引入了测距时序优化方案和矩阵填充优化算法，通过卡尔曼滤波算法执行测量误差优化，为每个节点以高鲁棒性和灵活性提供高精度的相对位置估计。基于所提定位系统，文中设计了一套基于超宽带（UWB）的硬件设备，并通过场地实测，结合高效精准的标定方法，验证了所提出的定位系统的有效性。

• GaN HEMT E/F3类功率放大器温度可靠性研究

  林　倩,贾立宁,胡单辉,陈思维,刘林盛,刘　畅,刘建利

  为了研究温度对开关类功率放大器可靠性的影响，对GaN HEMT E/F3类功率放大器开展了一系列的温度可靠性测试。测试表明，该E/F3类功率放大器在-20～120 ℃范围内都工作在高效模式。随着温度的升高，其直流特性、S参数以及射频输出特性均呈现不同程度的下降。同时，电路本身及其寄生元件所消耗的能量也随之增加。因此，温度变化对E/F3类功率放大器的性能带来了显著的影响。为了扼制温度升高导致该GaN HEMT E/F3类功率放大器的退化，文中提出提高衬底掺杂浓度、减小漏源结面积、选择合适的栅极宽度以及设计合理的温度补偿电路等措施提升电路性能，该研究为E/F3开关类功率放大器的可靠性设计研究提供了重要的参考。

• 相控阵天线非对称方向图波束赋形研究

  张华美,徐　诚,王芳芳

  在相控阵天线的实际应用中，通过智能优化算法可以快速得到所需方向图以及天线阵列中各天线单元的幅度值和相位值，实现波束赋形的效果。针对粒子群（Particle Swarm Optimization,PSO）算法后期搜索能力弱的问题，在粒子群算法的基础上引入了蝴蝶算法（Butterfly Optimization Algorithm，BOA)中的局部搜索机制与莱维飞行因子，采用“精英”粒子筛选模式，提出了一种新的改进粒子群优化算法BPSO（Butterfly Particle Swarm Optimization Algorithm)。计算结果验证该优化方法与粒子群算法相比，在迭代后期也具有很强的收敛能力，并且收敛速度也优于其他基础算法。

• D2D网络中SVC视频文件的缓存策略

  岳雯雁,赵　夙,朱　琦

  D2D用户缓存技术可以有效减轻基站（Base Station, BS）的缓存负担。为了满足用户对多种视频文件质量的需求，可以采用可伸缩视频编码（Scalable Video Coding，SVC）方法来处理文件。文中提出了一种端到端(Device to Device, D2D)用户缓存场景下对SVC文件的定价和缓存策略联合优化算法。首先考虑用户和内容提供者（Content Provider，CP）的利益，结合SVC文件各层数据包间的联系，推导了缓存文件的激活概率以及请求文件通过D2D传输或BS传输的概率；在此基础上，综合考虑传输与缓存消耗，定义用户和CP的效用函数，建立以CP为领导者，用户为跟随者的斯坦伯格博弈模型；最后，分别优化文件价格与缓存策略。仿真结果表明，该算法能够合理利用网络中的传输和缓存资源，从而提高系统的总效用。

• 一种基于图后置滤波的多通道语音增强方法研究

  张鹏程,郭海燕,杨　震,杨　洋

  结合图信号处理与波束形成，提出了一种新的图后置滤波（Graph Post Filtering, GPF）方法来实现多通道语音信号增强。首先，提出了多阶自旋的图拓扑结构来构建语音图信号。然后，针对复杂散射噪声场下维纳后置滤波（Wiener Post Filtering, WPF）方法的局限性，结合波束形成提出了一种新的图后置滤波方法，基于输入各路语音图信号的自相关和互相关功率谱密度，推导出增益函数，进而预测源语音信号的图频谱。实验结果表明，所提出的GPF方法在信噪比（Signal to Noise Ratio, SNR）和主观语音质量评估（Perceptual Evaluation of Speech Quality, PESQ）方面，性能均优于传统的WPF方法。另外，实验结果也表明，各路信号时延补偿偏差会影响基于GPF的多通道语音增强性能。

• 5G EN-DC场景下LTE基站下行速率预测方法研究

  陶倩昀,袁三男,张艳秋

  在EN DC Option 3x双连接中，5G gNB能否在数据分流时准确地获取LTE eNB下行速率，影响着5G E UTRA和NR双连接（E UTRA NR Dual Connectivity，EN DC）实际性能的高低。文中提出了一种结合贝叶斯超参数优化的双层堆叠长短时记忆时序预测模型（BO_SLSTM）对LTE eNB下行速率进行实时高精度预测。研究了不同自适应学习率优化算法和时间步长对模型预测精度及速度的影响,实现算法的进一步优化。实验结果显示，经过优化后的模型预测准确性达到了99.8%，在LTE eNB下行速率预测中具有良好的预测性能和较好的适用性。

• 基于非对称特征差异网络的图像超分辨率重建

  王彩玲,沈　齐

  在众多图像处理任务中，图像的质量好坏对任务的影响是巨大的。对于低分辨率图像带来的像素模糊和细节缺失等问题，提出一种基于非对称特征差异网络模型用于图像超分辨率重建，将自监督的对比学习思想应用在无监督的图像超分辨率重建领域。通过对比两个网络之间特征图的差异，计算出损失并反向更新网络的权重，增强网络学习图像内部数据分布的能力。设计了一种特征增强模块，进一步提高生成结果的质量。经过图像质量评价指标的客观实验和可视化结果的主观展示，提出的方法能够有效地提高细节特征和图像质量。

• 基于代价敏感度的改进型K近邻异常流量检测算法

  李泽一,王　攀

  随着互联网的快速发展，网络安全越来越受到人们的重视。传统的异常流量检测模型虽然具有较好的识别率，但需要大量有标记的数据进行训练。因此，基于无监督学习的网络异常流量检测方法被广泛采用。近年来，随着深度学习算法在异常检测中的运用，无监督深度学习模型也不同程度地提升了检测算法的性能。然而，无监督深度学习方法往往无法避免异常检测阈值选择的问题。因此，针对现有数据标记困难和阈值选择的问题，文中提出了一种基于代价敏感度改进的K近邻算法结合阈值选择方法的异常流量检测系统。该系统不但可以准确识别恶意流量，也无需有标记数据集，极大减少了人工标注数据的工作量。实验使用UNSW NB15、NSL KDD和CICIDS2017数据集来验证模型的适用性，并分别与经典的机器学习算法One Class SVM以及深度学习方法AutoEncoder进行了对比。实验结果表明，在3类数据集上，与深度学习算法和传统的无监督机器学习算法相比，该算法有效提升了网络异常流量检测的性能。

• 基于空间通道注意力机制与多尺度融合的交通标志识别研究

  黄志强,李　军

  通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别，由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3 3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图的语义信息,将第19层卷积层通过上采样后与第7层卷积层相连接,多尺度融合后输入YOLO层形成新的特征金字塔,以此提高小目标的识别率。同时,为使网络更加关注交通标志的细节信息,在特征金字塔网络中增添能够增强前景信息降低背景信息的空间通道注意力机制。使用Kmeans聚类算法对数据集作聚类处理,获得一组先验框。在长沙理工大学交通标志数据集上进行测试,实验结果表明,改进后算法的识别率达到91.8%,与YOLOV3 tiny算法相比提高了24.9个百分点,而与YOLOV3算法相比,每张图片的检测时间降低至0133 s,降低了49.6%,该算法具有较强的实时性和准确性。

• 一种基于矩阵补全的智能电网数据隐私保护方案

  王德庆,许　建

  针对智能电网中不同信任域间的数据隐私保护问题，提出了一种基于矩阵补全的智能电网数据隐私保护方案。该方案从少量节点产生的模糊值子集中估计出原始数据相关子空间，通过矩阵补全来修复相关矩阵中的缺失元素。为保证数据隐私，通过添加一种与原始数据具有相同统计特性的噪声来增加随机扰动。仿真结果表明，该方案具有较好的隐私保护效果和数据可用性，同时能够有效降低智能电网中的通信开销。