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5期

• 基于改进路径聚合和池化YOLOv4的目标检测

  杨真真,郑艺欣,邵静,杨永鹏

  针对YOLOv4目标检测器存在信息利用率不足的问题，提出了一种新的基于改进的路径聚合和池化YOLOv4的目标检测方法YOLOv4 P。为了充分利用路径聚合可以有效防止信息丢失这个特点，对YOLOv4的路径聚合网络进行改进，利用主干特征提取网络的第二个残差块，新增一个检测层，加强融合浅层特征层。另外，使用K means聚类对数据集重新进行处理，获得合适的先验框尺寸。此外，图像经过主干特征提取网络后的感受野比理论感受野小，为了增大感受野，在主干特征提取网络的后端加入金字塔池化模块，利用4种不同尺度的金字塔池化引入不同尺度下的特征信息。最后，在PASCAL VOC2007和VOC2012进行仿真实验，实验结果表明，提出的YOLOv4 P有效提高了检测精度。

• OFDM系统基于双准则优化的导频设计新方法

  王华华,汤　帅,张铁严

  基于压缩感知（Compressed Sensing，CS）的OFDM(Orthogonal Frequency Division Multiplexing)系统稀疏信道估计有更小的导频开销和更好的信道估计效果。针对OFDM系统稀疏信道估计的导频图案设计，提出了一种基于双准则双分支的随机搜索算法（Double Criteria and Double Branches Random Search Schemes，DCDB RSS）。该算法结合互不相关（Mutual Incoherence Property，MIP）准则和格拉姆矩阵准则，在不同分支上采用不同优化准则全面地搜索最优导频图案，不仅解决了单一准则难以稳定取得最优导频图案的问题，同时也避免了陷入局部最优解。仿真结果表明，与现有导频优化算法相比，DCDB RSS算法在相同时间复杂度的前提下，可以获得更小的误码率和提高约1dB的信道估计均方误差。

• 多干扰源下多站雷达抗欺骗式干扰方法

  赵珊珊,易民举,刘子威,杨　彪

  通过将多部干扰机链接组网，欺骗式干扰可大幅提高其干扰能力，对雷达性能构成了致命威胁。然而，现有的多站雷达抗欺骗式干扰方法大多仅适用于单一干扰源的情况。针对此问题，提出一种多干扰源场景下利用目标接收信号矢量之间的相关性进行真假目标鉴别的方法。由于同一个干扰机产生的假目标是高度相关的，而雷达真实目标之间、真实目标与假目标之间，以及不同干扰机产生的假目标之间均是不相关的，利用这一差异可设计目标鉴别算法对多干扰源产生的欺骗式假目标进行有效鉴别。提出算法的优势在于可用于鉴别任意调制方式产生的假目标，且不需要任何先验信息。仿真结果验证了该鉴别方法的可行性，并分析了雷达目标空间相关性、干噪比（JNR）和门限对其性能的影响。

• 基于群体串行干扰删除的混合预编码毫米波大规模MIMO NOMA传输系统

  许　伟,董　恒,宋荣方

  针对现有毫米波大规模多输入多输出（Multiple Input Multiple Output, MIMO）系统中用户接入数量受限和能耗大的问题，提出了一种基于群体串行干扰删除（Group level Successive Interference Cancellation, GSIC）的混合预编码毫米波大规模MIMO非正交多址（Non Orthogonal Multiple Access, NOMA）下行传输新架构。首先，在基站处设计模拟预编码矩阵并根据等效信道增益进行群体划分；然后，采用迫零法设计数字预编码矩阵，在组内实施空分多址（Space Division Multiple Access, SDMA）；最后，在用户端采用GSIC实现组间NOMA传输。此外，在考虑误差传播的条件下，推导了系统的可达和速率表达式，并提出了一种功率分配算法来解决此非凸优化问题。仿真结果表明，与基于分簇的混合预编码MIMO SIC NOMA和MIMO OMA系统相比，所提出的MIMO GSIC NOMA系统可获得更高的频谱效率和能量效率。

• 基于多IRS辅助的MIMO网络安全通信

  朱　睿,傅友华

  智能反射面（Intelligent Reflecting Surface，IRS）可以通过调整反射元件的相移来反射信号，可以用来增强期望信号或者抑制不期望信号，在安全通信领域有着广阔的应用前景。文中研究了一种由多IRS辅助的多输入多输出(Multiple Input Multiple Output, MIMO)安全通信系统，建立了多IRS辅助安全通信系统中最大化保密速率的优化问题，该优化问题可以通过交替优化将其解耦为两个子问题，然后再分别设计发射端的波束形成矩阵和IRS的反射相移矩阵，从而最大化合法通信者的保密率。基于广义瑞利商，文中提出了一种改进的交替优化算法，在优化IRS的反射相移矩阵时，对所得的最优解进行归一化，使其满足约束，然后代入交替优化中进行循环。仿真结果表明，在IRS反射元件数量规模较大时，该算法的性能要明显优于现有算法。

• MEC系统中基于无线供能的多用户任务调度算法

  朱科宇,朱　琦

  节能且高效的计算是移动用户设备的必然趋势，针对无线供能的边缘计算网络，提出了一种多用户卸载决策及任务调度算法。在多用户二进制计算卸载模式下，通过联合优化无线供能时间、边缘用户的卸载决策及任务调度建立一个系统执行最大时延最小化的优化问题。由于该优化问题是一个混合整数的非凸优化问题难以求解，设计了一种两层交替迭代的求解方案，第一层采用贪婪算法或基于改进的约翰逊算法，求解出在给定无线供能时间下的用户卸载决策和任务调度，第二层基于黄金分割法求解出最优的无线供能时间。仿真结果表明，算法收敛速度快，并且有效降低了整个系统任务的执行时延。

• 多通道STAR IRS辅助的NOMA系统用户分组方案研究

  王培宇,王　鸿,马昊淳

  同时透射和反射的智能反射面（Simultaneously Transmitting and Reflecting Intelligent Reflecting Surface, STAR IRS）被视为第六代移动通信的革新性技术。文中研究了STAR IRS辅助的上行非正交多址接入（Non Orthogonal Multiple Access, NOMA）系统中用户与子信道配对问题，通过对用户合理分组与相移矩阵优化使得系统和速率最大。首先，根据系统和速率表达式，提出了一种低复杂度的用户分组方案，通过最大化级联信道增益，解决用户初始分组和解码顺序问题；其次，在满足每个用户传输速率的约束下,为了进一步提升系统和速率，交替优化相移矩阵和分组方案。仿真结果表明，与其他基准方案相比，文中提出的用户与子信道配对方案可以有效提高系统的和速率性能。

• 面向内存受限设备的新型卷积计算方法

  孙雁飞,王子牛,孙　莹,亓　晋,董振江

  针对卷积神经网络预测过程中内存使用量大，难以部署在内存受限设备上的问题，提出一种面向内存受限设备的新型卷积计算方法。该方法对输入矩阵中部分数据进行卷积计算，并将计算结果存储在临时内存；然后，将临时内存中的计算结果复制到输入矩阵不再使用的内存并重复上述步骤，从而实现对输入矩阵的卷积计算；最后，对单个卷积计算和LeNet进行验证。实验结果表明，该方法计算速度较直接卷积方法更快，且相比im2col、MEC和直接卷积方法，单个卷积计算内存平均使用量分别下降89.29%、82.60%和57.15%，LeNet内存使用量分别下降89.90%、82.21%和28.07%，有效降低了卷积神经网络的内存使用量，有助于在内存受限设备上部署使用。

• 融合空间相关性和局部特征转换器的遮挡行人重识别

  朱松豪,赵云斌,焦　淼

  遮挡的行人重识别是计算机视觉中的一个挑战性领域，它面临着特征表示效率低下和识别准确率低等问题。卷积神经网络方法更注重局部特征的提取，因此难以提取被遮挡行人的特征，效果也不尽如人意。最近，视觉转换器被引入到重识别领域，并通过构建图像块序列之间的全局特征联系取得了最先进的结果。然而，视觉转换器在提取局部特征方面的性能不如卷积神经网络。因此，设计了一个基于空间相关性和局部特征序列的行人重识别网络。所提出的网络利用3个模块来提高视觉转换器的效率：(1) 图像块全维度增强模块。设计了一个与图像块序列大小相同的可学习张量，该张量是全维的，并可完全嵌入到图像块序列中，用以丰富训练样本的多样性；(2) 图像块序列融合重构模块。提取已经获得的图像块序列中不太重要的部分，并将它们与原始的图像块序列融合以重构原始图像块序列；(3) 空间切割模块。从空间方向上对图像块序列进行切片和分组，并引入身份损失，可以有效提高图像块序列的短程相关性。对遮挡和整体重识别数据集的实验结果表明，所提网络的性能优于其他先进方法。

• 一种轻量级网络模型的多尺度热红外行人检测方法

  刘　强,姚小良,尤　帅,梅超君,刘尚东,季一木,亓　晋

  现有热红外行人检测算法存在网络参数众多、计算量大和小目标检测效果不佳的问题，针对这些问题，提出了一种轻量级行人目标检测算法。首先，该算法利用轻量级网络Resnext50作为骨干网络，实现检测网络的参数削减以及初始特征提取。其次，在模型中引入特征金字塔模块实现多尺度语义信息融合，并结合多尺度训练策略有效地提高了多尺度目标的检测效果。最后，在数据预处理部分引入图像原色填充策略，该策略有效地防止图像变换尺寸过程中出现的目标失真情况。在自建数据集和公开数据集上实验结果表明，此方法在速度和精度上均取得较好的性能，在自建数据集上mAP达到94.49%，比原SSD高出0.53%，而参数量少了近39%。

• 一种多参数学习的门控激活函数

  夏正新,苏　翀

  激活函数通过自身的非线性机制去激活神经网络，使其能够有效地运行，并保持较高的性能。选择好的激活函数可以对提高网络性能产生较大的影响。ReLU激活函数因其简单有效而成为深度神经网络中最常见的选择，然而，当输入为负时，在反向传播过程中，ReLU梯度将为零，进而导致发生神经元坏死的问题。为此，一种基于软性的门控机制的激活函数Swish和Mish相继提出，该类激活函数主要利用激活函数（如：Sigmoid或Tanh函数）来控制门的开或关，进而实现了神经网络的非线性化需求，并在许多具有挑战性的网络模型和数据集上取得了更好的效果。鉴于上述门控机制运行时，激活函数饱和区的范围相对固定，不能更好地拟合各种网络模型和数据分布。文中提出了一种多参数学习的门控激活函数（A Multi parameterized Gated Action Function, Mpish），该函数使用多个参数动态地调整激活函数的饱和区范围，从而适应不同的网络模型和数据分布。实验结果表明：该函数能有效提高神经网络训练结果的准确性和稳定性，且可以较好地工作在更深层次的网络模型中。

• 基于图神经网络和改进自注意网络的会话推荐

  盛　强,成卫青

  基于会话推荐旨在根据用户当前会话和历史会话预测用户的下一次点击。现有的会话推荐系统大多数基于当前会话建立局部偏好来预测用户行为，而低估了会话全局序列蕴含的信息。同时多数推荐系统忽略了会话交互序列的相对位置关系。针对这些问题，提出了一种基于图神经网络与改进自注意力网络融合的会话推荐模型（GNN SAP）。GNN SAP通过GNN与注意力机制来提取当前会话节点的局部偏好，通过改进自注意网络来捕获会话节点的全局偏好；同时在会话节点中加入可学习的位置嵌入，来更好地把握用户兴趣变化的过程。最终，通过线性融合全局偏好和局部偏好的方式来预测行为。通过大量的实验验证了GNN SAP模型在常用的稀疏、密集数据集和不同评价指标上都优于现有的会话推荐方法，并且通过对GNN SAP不同组件的消融实验验证了通过将基于GNN短期偏好和基于改进自注意力的全局偏好融合的有效性。

• 联盟链中基于CL加密的安全审计协议

  王　诚,王志伟

  联盟链作为一个只针对特定群体和有限第三方的分布式账本，适合利益相关的金融部门之间的交互。审计作为一种经济监督活动，可以对交易的合规性和有效性进行检查。目前联盟链审计中私钥由审计者选取，因此审计者必须绝对可信，否则半可信的审计者可以随时随地恢复交易的私密信息。文中提出一种基于CL加密的安全审计协议，通过零知识证明，使半可信的审计者完成对交易审计的同时，不泄漏交易的细节，保证了用户交易隐私。