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2023年第05期

• 一种基于图信号处理的BP神经网络语音识别方案

  叶　蕾,王婷婷,郭海燕,陈雪红,杨　震

  文中研究图信号处理技术在语音信号处理领域的实现和应用。基于语音信号基本特征，提出一种语音图信号拓扑结构和图邻接矩阵新方案，即语音采样点为图顶点，全连接语音拓扑结构和语音样值差递减幂函数作为边权重。分析了新方案下浊音、清音和静音的图傅里叶变换。基于新方案下语音图傅里叶变换系数集中于低频的特性，设计图低通滤波器，并将该低通滤波器滤波后的语音信号进行基于BP神经网络的数字语音识别实验，正确识别率获得明显提高。

• UFMC系统基于改进离散粒子群的峰均比抑制算法

  陈　雷,刘海洋,郝玉莲,刘帅奇,张锁良

  针对通用滤波多载波(UFMC)系统中相同相位信号叠加而引起的峰均比(PAPR)过高的问题，提出一种基于改进离散粒子群(IDPSO)的峰均比抑制算法。该算法在离散粒子群(DPSO)算法的基础上，引入一种对控制参数分段线性调整的改进方式，提升了算法的搜索性能。将改进后的离散粒子群算法与部分传输序列(PTS)相结合形成IDPSO PTS算法，并对每个子块进行加扰。所提算法在规定迭代次数内搜索最佳的相位因子组合，以降低UFMC系统的峰均比。仿真结果表明：IDPSO PTS算法与原始UFMC相比，PAPR可降低3.5 dB；与DPSO PTS算法相比，PAPR可降低0.2 dB；存在大量候选相位因子组合时，IDPSO PTS算法与PTS技术相比可显著降低计算复杂度。

• 车辆雾网络中一种近似最优的计算卸载算法

  鲍　楠,周思瑶,孙希霞,左加阔,潘　甦

  智能车辆上的时延敏感型任务对计算能力的要求很高，然而请求车辆上可用的计算资源有限不足以单独处理整个任务数据，很难满足时延需求。车辆雾计算(Vehicle Fog Computing, VFC)通过在请求车辆附近进行计算卸载来改善车辆服务。文中基于两阶段生产计划对计算卸载过程进行建模，提出了一种计算卸载算法(Computation Offloading Algorithm, COA)来优化卸载决策和执行顺序，从而降低计算卸载时延。COA在遗传算法(Genetic Algorithm, GA)的基础上应用了Johnson Rules决定卸载顺序。通过SUMO和MATLAB仿真，显示出与GA相比，在相同的迭代次数下，COA具有更低的平均卸载时延和更好的稳定性。

• 共轭聚合物中无序与电荷输运的联系

  吴　洁,戴晓菡,严　宇,窦存花,祝如俊,于志浩,TANCheeLeong,孙华斌,徐　勇

  共轭聚合物半导体由于其复杂的微观结构表现出不同程度的无序度，这使得人们对共轭聚合物中电荷输运的理解产生很大困惑。为了清晰认识无序对电荷输运的影响，文中讨论了几种主要的共轭聚合物分子结构和载流子输运模型，深入阐述了无序产生的原因及其影响，揭示了无序如何决定有机半导体中的电荷输运，从而为开发高性能的半导体聚合物及电子器件提供更多思路。

• 基于数据压缩和NOMA的低时延计算卸载方法

  邱兰馨,曹　委,史俊潇,徐阳洲,葛睿杰,徐　鼎

  为了降低移动边缘计算系统的计算任务完成时延，提出了联合采用数据压缩技术和非正交多址技术的移动边缘计算系统计算任务卸载方案，研究了以最小化计算任务完成时延为目标的通信资源和计算资源优化问题。文中提出了人工鱼群算法对该问题进行求解，且考虑到传统人工鱼群算法固定步长不变导致算法后期收敛速率慢、运算量大、易陷入局部最优解的问题，提出了一种灵活控制收敛速度的自适应步长人工鱼群算法。通过仿真表明，所提计算任务卸载方法相比仅基于数据压缩技术或非正交多址技术的方法，计算任务的完成时延大大降低。

• 基于分布式反馈的C V2X碰撞解除与重传机制

  王致远,张陶冶,郭志斌,邱佳慧,张　菊,苏昭阳,刘　留

  蜂窝车联网（Cellular Vehicle to Everything，C V2X）系统中，针对调度算法不合理而造成的资源碰撞问题，提出一种基于分布式反馈的碰撞解除与丢包重传机制。该机制将C V2X终端视为网络中的分布式节点，在各节点对周围碰撞进行识别的基础上，利用节点间的反馈信息进行碰撞的解除与恢复。首先终端依据设置的条件识别周围发生的碰撞事件，并在其传输中反馈观察到的碰撞事件。然后碰撞终端根据接收的反馈消息更换或保留资源，从而实现碰撞解除和资源协调。最后为了保证信息更新的实时性，解除碰撞的终端将发生碰撞的数据进行重传。仿真结果表明，与3GPP标准方案相比，在严重拥塞（300 veh./km）情况下所提出机制的数据包接收率提升约13%，数据包更新时延降低约200 ms，有利于满足车联网信息交互的高可靠低时延需求。

• 基于自适应跳跃学习网络的OFDM信道预测方法

  郑　悦,谭勇桂

  信道预测是支撑变电站等电力物联网通信系统自适应传输的重要技术。为了解决过期信道状态信息降低通信系统自适应传输性能的问题，提出了一种基于自适应跳跃学习网络的信道状态信息预测方法。该方法主要包括递归微调算法和混合惩戒网络两部分。其中，前者主要用于微调学习网络的随机输入权重矩阵，后者主要通过两层惩戒网络来解决输出权重矩阵的病态解问题。由于具有oracle属性，自适应跳跃学习网络不仅具有良好的泛化能力，还可以生成稀疏性输出权重矩阵。仿真结果表明，自适应跳跃学习网络在IEEE802.11ah协议的正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）通信系统中具有良好的单步预测性能和多步预测性能。

• 基于译码转发的PLC VLC/RF混合传输系统中断性能分析

  靳沛铮,刘笑宇,孔槐聪,朱卫平,林　敏

  针对译码转发(Decode and Forward, DF)协议下室内电力线通信(Power Line Communication, PLC) 可见光通信(Visible Light Communication, VLC)/射频(Radio Frequency, RF)的混合传输系统，考虑接收端采用最大比合并(Maximal Ratio Combining, MRC)和选择合并(Selection Combining, SC)两种方案，并分析这两种方案下的系统中断性能。首先，在考虑路径损耗、信道衰落和用户随机分布的情况下，分别给出MRC和SC两种方案的输出信噪比表达式。接着，推导出这两种方案下系统的中断概率闭合表达式。最后，利用计算机仿真验证理论分析的正确性，分析不同参数对系统中断性能的影响，从而为PLC VLC/RF混合传输系统的实际应用提供理论依据。

• 高精度模数混合SAR ADC校准算法

  孟苏祥,杨　华,张　瑛

  针对高速逐次逼近型模数转换器中的比较器失调和电容失配问题，设计一种模拟前端“粗”校准与数字后端“细”校准相结合的模数混合校准技术，对系统失调电压以及电容失配分别进行抵消、量化与补偿，从而在保证模数转换器采样速率的同时能够有效提高转换精度和信噪比。基于12位模数转换器对所提出的电路结构和校准算法进行了Matlab行为级建模仿真，算法校准后在80 MHz采样率下信噪失真比达到73.28 dB，有效位数11.88 bit，分别比校准前提高15.1dB与2.5 bit。

• 基于3D卷积神经网络的MPI新视点合成算法

  霍智勇,魏俊宇,郭　权,陈奕杭

  多平面图像（Multiplane Image, MPI）能够构造出一种以相机为中心、按深度分层的三维场景显式表示，用于新视点合成研究与应用。由于MPI生成预测网络在训练时不能有效捕获深度平面间遮挡区域的空间特征，使得MPI合成的新视点图像往往存在明显的伪影和扭曲。为此提出利用3D卷积神经网络捕捉深度平面间的空间特征，用于提高对平面图像几何结构和Alpha值的预测能力，从而实现高质量MPI场景表示和新视点合成目标。在两个数据集上的数值实验表明，算法在窄基线视点外推和宽基线多视点内插任务中能够有效消除合成新视点图像中的伪影和扭曲。当参考视点水平基线宽度增大一倍且不增加MPI深度平面数量时，算法仍然能够有效地预测出不同深度平面的遮挡区域信息，从而保证了视点内插合成图像的质量。

• 基于联邦学习的多源数据用户画像设计方案

  陈　晶,彭长根,谭伟杰

  中小微型企业在用户画像实际应用中缺乏足够的数据和特征标签，难以得到精准的结果。同时，跨行业、跨部门数据以集中方式进行训练会导致隐私泄露。针对以上问题，提出了一种基于联邦学习的多源数据用户画像设计方案。该方案设计了联邦画像系统框架，利用联邦学习的计算机制和隐私求交算法，实现了多源数据共享，保证了各方数据集的隐私安全。实验表明，对比本地画像方案和部分多源数据画像方案，所提方案能够大幅度提高预测精度，具有更高的隐私安全性和算法扩展性。

• 基于Bi GRU和外部注意网络的会话推荐模型

  张海桃,祁正华,谭小辉,何菲菲

  基于会话的推荐系统（SRS）可以根据匿名用户的历史行为序列预测用户的下一个动作。现有推荐模型大都会忽略当前会话与其他会话的潜在相关性，不能捕捉用户的主要意图。为解决该问题，提出一种基于Bi GRU和外部注意网络的会话推荐模型（SR BGEAN）。该模型首次将外部注意机制引入会话推荐任务中，并结合Bi GRU进行建模，同时捕获会话内物品双向顺序信息和会话样本间全局信息，形成最终的兴趣表示。在Diginetica和Yoochoose数据集上的实验结果表明，相对最优的基线模型，SR BGEAN模型在推荐的前20个项目中的命中率更高，可达到71.50%。

• 基于人工听觉描述子的零样本音频分类

  顾　正,徐新洲

  音频分类使机器具有识别音频样本类别的功能，而与传统音频分类模型不同，零样本学习模型可以识别训练期间未出现的音频类别样本。但是，当前的零样本音频分类方法在做类间信息迁移时大多依靠类别标签文本语义信息的先验知识，而语义的先验知识包含大量与音频非相关的冗余信息，所导致的知识转移性能的局限性大大限制了零样本学习模型识别能力。基于此，文中提出将与音频信息高度相关的人工听觉描述子作为类间迁移信息，同时使用合成分类器，构建了零样本音频分类模型。在ESC 50数据集的实验中，与先前的工作相比较，基于人工听觉描述子的零样本音频分类具有更好的分类性能。