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2024年第02期

• 面向动态边缘网络的数字孪生自适应联合优化部署

  张晖,罗天翔,王倩倩

  在数字孪生赋能的移动边缘计算(Mobile Edge Computing, MEC)网络中，如何实现数字孪生服务器的高效部署是确保数字孪生实时交互性的瓶颈问题。针对该问题，提出一种面向动态边缘网络的数字孪生自适应联合优化部署机制。首先，该机制构建面向动态边缘网络的双层数字孪生模型以实时捕捉MEC网络状态和UE资源利用情况等特征。然后，联合数字孪生交互时延模型、负载均衡模型和能源消耗模型建立数字孪生服务器自适应动态更新部署问题。最后，提出多阶段自适应动态联合部署优化算法，将数字孪生服务器自适应动态更新部署问题分解为数字孪生服务器初始化部署和自适应动态更新部署两阶段优化求解，以实现部署策略随MEC网络的即时系统状态进行自适应动态调整。仿真分析验证了所提出算法在预测精度、交互时延、工作负载和能耗方面的有效性。

• 基于SWIPT的无小区大规模MIMO NOMA系统能量效率研究

  董恒,徐凯,宋荣方

  无小区大规模多输入多输出(Multiple Input Multiple Output, MIMO)与非正交多址接入(Non Orthogonal Multiple Access, NOMA)都是未来6G的使能技术。无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)技术在进行信息解码的同时收集能量，与无小区大规模MIMO NOMA优势互补。文中基于SWIPT研究无小区大规模MIMO NOMA系统中的能量效率问题，通过联合优化功率分配系数和SWIPT的时隙切换(Time Switching, TS)系数，提高系统的能量效率。为了最大化能量效率，采用布谷鸟算法设计功率分配系数。考虑一种特殊情况，将所有终端的TS系数设置相同，进而推导了最佳TS系数的封闭表达式。仿真结果表明，相较于几种已有方案，文中提出的优化方案可以显著提升系统的能量效率。

• 基于原始对偶方法的图像去色精确解算法

  闵莉花,张哲,冯灿

  针对张俊康等提出的图像去色算法（2021）在求解Jin去色模型（2014）的子问题时因内迭代产生的结果误差较大和耗时增加问题，文中基于原始对偶方法和拉格朗日乘子法，提出一种改进的图像去色精确解算法求解Jin模型。该算法完整利用了图像中的局部方差和局部均值信息，给出了各子问题的精确解。数值实验结果表明，相较于对比算法，所提算法在实现彩色图像灰度化的同时，能更好地保持图像对比度和细节特征，图像去色结果更精确，算法运行时间较短。

• 基于码率-准确率优化的图像特征压缩

  蒋伟,沈昊宇

  在智慧城市、智慧巡检、智慧交通等场景中，摄像头等终端设备会产生大量的图像视频数据，并在云端由智能处理算法进行图形分析。然而传统的源端图像视频压缩传输，后端特征提取与分析识别的处理框架易造成视觉特征受损,影响分析识别精度。因此，源端提取图像特征，压缩后传输到后端的处理框架成为新的热点。文中提出了一种基于码率-准确率优化的图像特征压缩方法。首先，提取图像特征，分析划分特征图重要性的标准，将特征图分为重要性和非重要性特征两部分，并分别进行量化。在此基础上，建立码率-准确率的模型，在给定码率条件下，求解最优的准确率，确定相应的量化参数。以图像分类作为智能分析任务开展了实验。实验结果表明，所提出方法可以优化选择不同区域的量化参数，获得更好的编码性能。在低码率的条件下，相较JPEG算法准确率提高9.73%。

• 基于智能反射面的无线携能认知网络鲁棒传输设计

  王子宁,黄庶沛,邵一焓,朱卫平,韩略,林敏

  针对智能反射面辅助的无线携能认知网络，提出了一种基于用户非完美信道状态信息的波束成形方案，提高网络的频谱和能量收集效率。在假设用户信道误差范数有界的条件下，建立了以信息接收用户最小可达速率最大化为目标函数，以满足信息接收用户和能量接收用户需求、主用户干扰阈值和基站最大发射功率为约束条件的优化问题。针对此非凸问题，提出利用三角不等式、交替方向乘子法和交替优化的迭代算法，以较低的计算复杂度求解得到基站的有源波束成形权矢量和智能反射面的无源波束成形矩阵。最后，仿真验证了所提方案相较于随机相位方案能够有效提高系统的性能，证明了在携能认知网络中引入智能反射面的可行性和有效性。

• 智能反射面辅助的非正交多址系统协作多点传输方案研究

  李志成,王鸿

  智能反射面（Intelligent Reflection Surface, IRS）和非正交多址接入（Non Orthogonal Multiple Access, NOMA）被认为是6G的关键创新型技术，将两者融合可以大幅提高通信系统的频谱效率与能量效率。文中针对IRS辅助的双小区协作多点与非正交多址接入融合系统展开研究，具体地，将IRS部署于两小区中间的小区边缘附近，用来提升边缘用户的信号质量。在考虑用户服务质量（Quality of Service, QoS）与基站发射功率限制的条件下，建立了最大化小区边缘用户可达速率的优化问题。由于该问题是非凸的，很难直接求解，将此问题分解为两个子优化问题，采用交替优化算法进行求解。具体地，采用二分法解决功率分配系数优化问题；采用均方误差（Mean Square Error, MSE）方法将优化问题转化为等效形式，再通过最大最小化（Majorization Minimization, MM）算法进一步解决相移优化问题。仿真结果显示，所提出的解决方案使得边缘用户可达速率明显高于其他基准方案。

• 11 GHz不同室内场景的WBAN信道特性研究

  魏苏皖,杨丽花,薛寒,马嘉文,杨钦,吕文俊

  为了探索高频段室内无线体域网通信的可行性，对11 GHz室内无线体域网的传播特性进行了测量与研究。基于大量的测量数据，给出了11 GHz频段室内无线体域网的路径损耗、阴影效应与均方根时延扩展的统计特性。针对体对体通信时人体相对角度变化的场景，提出了一种具有相对角度影响的路径损耗模型，该模型利用了与身体角度相关的路径损耗指数、浮动截距以及身体角度因子修正相对角度变化引入的路径损耗。为了验证模型的适用性，对比分析了在小型空教室和大型会议室两种不同场景下相对角度变化对信道传播特性的影响。研究结果表明：在收发端距离固定的情况下，路径损耗指数、浮动截距和由相对角度引起的路径损耗（Path Loss caused by Relative Angle, PLRA）均与相对角度具有三角函数关系；在收发端相对角度固定时，PLRA与收发端距离无关，仅与相对角度有关。上述研究结果可以为11 GHz频段在未来室内无线体域网的使用提供理论基础与实践依据。

• 用于高分辨率遥感影像地类识别的Deeplabv3+改进模型

  张载龙,徐杰

  在高分辨率遥感影像地类识别上，语义分割网络Deeplabv3+表现优异，但是所需参数非常多，训练时间久。遥感影像中的地类与普通RGB图片中的对象相比颗粒度非常大，其具有更显著的特征以及更少的类别，并不需要过深过大的网络。因此，文中提出了一种基于轻量级网络的语义分割模型(Thin Deeplabv3+)，对Deeplabv3+的编码器进行了改进，利用轻量级膨胀网络(Light and Dilated Network, LDNet)提取输入遥感影像的特征，然后利用膨胀系数分别为2、12、24和36的空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP)模块加强特征提取。在高分遥感影像数据集(Gaofen Image Dataset, GID)以及DeepGlobe土地覆盖分类挑战数据集(DeepGlobe Land Cover Classification Challenge, DLCCC)上的实验结果表明，Thin Deeplabv3+的识别精度高于Deeplabv3+，并且所需参数仅约为Deeplabv3+的1/10。

• 基于多残差注意力深度收缩网络的超微光图像增强方法

  刘宁,蔡闻超,陈颜皓,刘尧振,许吉,章文欣,宋仁轩,祝福

  超微光成像可在极度黑暗的环境中给观察者提供近乎白昼的视觉体验，在许多民用和军事应用中起着至关重要的作用。超微光环境下拍摄的图像和视频通常存在亮度与对比度极低、噪声水平高、场景细节和色彩严重缺失等固有缺陷，近年来，深度学习为超微光成像的研究带来了新的机遇。文中采集并提供了一组实用性更强的超微光训练数据集，提出了一种多残差注意力深度收缩网络（Multi Residual Attention Shrinkage Network），以此实现了一种新的超微光成像方法。通过成功研制的小型化样机证实了该方法的工业量产前景。实现了基于通道注意力和空间注意力的残差内注意力机制，以及基于深度软阈值收缩的外注意力机制，不仅可以有效提取并还原极低照度环境下的图像细节信息，恢复场景真实色彩，而且可以有效去除此类环境下由成像设备感光不足带来的巨量噪声。实测效果显示该方法可对极低照度环境进行有效的增强且实时性高。通过与多种业界最新方法比较，文中方法在主观视觉体验以及客观参数两方面均表现更好。

• 带时间窗的多机器人系统复杂任务路径规划

  何舟,刘思羽

  针对多机器人系统在复杂任务和时间窗双重约束下的路径规划问题，通过改进蚁群算法实现满足以布尔任务给出的轨迹要求及时间窗约束的最短路径规划。首先，根据全局地图信息和布尔任务提出一种基于Dijkstra算法的预处理算法，计算任务区域之间的最短路径；其次，为了提高求解质量并加快收敛速度，引入基于A*算法的评估函数改进蚁群算法的启发信息，并结合蚂蚁回退机制，提出一种改进蚁群算法，规划满足任务和时间窗约束的最短路径；最后，通过仿真实验证明所提算法的有效性，并与现有研究进行比较，在求解质量和算法收敛性方面均优于现有方法。

• 基于注意力机制及多分支特征融合的实时语义分割算法

  蒋锐,陈儒娜,王小明,李大鹏,徐友云

  为了合理平衡语义分割中的精确度与实时性，基于快速卷积神经网络模型（Fast SCNN）提出了一种基于注意力机制及多分支特征融合的实时语义分割算法模型。该算法模型首先通过注意力模块捕获空间特征之间的相互联系，增强空间细节信息；然后合理设计融合模块，最大化利用各分支信息，实现深层特征与浅层特征更好的融合；最后引入自适应特征增强注意力模块，捕获长距离像素间的相互依赖关系。实验结果表明，文中算法模型在Cityscapes数据集上获得了71.55%的分割精度，推理速度FPS达到97.6帧/s，模型参数量为1.39 M，验证了该算法所构成网络模型的有效性。

• 深度学习在电力系统异常损耗数据识别中的应用研究

  徐欢,杨秋勇,邹文景,钏涛,黄祖源

  异常损耗是造成电网公司收入损失的主要原因之一，但极其庞大的数据规模给异常数据识别带来了挑战。文中提出了一种新的检测方法，利用混合深度神经网络自我学习特征，识别系统损耗中的异常情况。该方法只需要最小的输入数据和知识范畴，无需手动建立特征库。该方法包括一个长短期记忆网络和一个多层感知器网络。第一个网络分析原始的每日能源损耗历史，第二个网络则整合非时序数据，如合同电量或地理信息。用电网数据对该模型进行了训练和测试。结果表明，所提出的混合神经网络的性能明显优于其他异常数据识别方法，验证了所提出方法的有效性。

• 基于注意力机制的加密流量识别

  袁子豪,张洁

  随着人们网络安全意识的提高，加密流量呈爆炸式增长，流量加密在保护用户隐私的同时，也为安全检测带来了新的挑战。针对传统基于机器学习的流量识别方法存在需要手动设计分类特征、分类准确率不高等问题，提出一种基于卷积神经网络与自注意力机制（Convolutional Neural Network and Self Attention, CSA）的加密流量分类方法，依据网络流量的层次结构特性，采用卷积神经网络提取数据包内字节流的空间特征、自注意力机制提取数据包之间的时序特征。在公开数据集ISCX VPN NonVPN上的实验结果表明，CSA模型的分类准确率达到了95.0%，相较基准深度模型，准确率和F1值皆有明显的提升。