首页期刊导航|重庆邮电大学学报（自然科学版）
期刊信息/Journal information
重庆邮电大学学报（自然科学版）
重庆邮电大学
重庆邮电大学学报（自然科学版）

重庆邮电大学

刘宴兵

双月刊

1673-825X

journal@cqupt.edu.cn

023-62461032

400065

重庆南岸区

重庆邮电大学学报（自然科学版）/Journal Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition)CSCD北大核心CSTPCD
查看更多>>本刊主要刊登通信与信息系统，信号与信息处理，计算机应用技术，计算机软件与理论，电磁与微波技术，微电子学与固体电子学，控制理论与控制工程以及相关基础技术领域的学术论文、研究报告、综述、研究简报及学位论文。中国科技核心期刊、教育部优秀期刊、全国优秀学报、重庆市“十佳”科技期刊、重庆市优质期刊；英国科学文摘（SA）、英国INSPEC数据库、美国剑桥科学文摘（CSA）、俄罗斯文摘（AJ）、中国科技论文与引文数据库（CSTPC）、学术期刊综合评价数据库等收录。
正式出版
收录年代

    大模型融入云平台,信息化走向数智化

    邬贺铨
    1-8页
    查看更多>>摘要：随着人工智能的快速发展,大模型已逐渐发挥其关键作用,成为驱动企业数字化转型的重要力量.主要探寻了大模型崛起引发的众多变革,回溯了人工智能的发展轨迹,分析了 自建基础大模型所面临的挑战,强调引入基础大模型提供方需要与垂直行业企业联手,合作开发行业大模型.针对中小型企业在开发行业大模型时所面临的困扰,提出"模型即服务"及其相关工具链可以通过协助微调形成专有企业模型的观点;探讨了大模型兴起对云服务产生的变革;对云网协同、算网融合以及人工智能加速数智化发展进行了深入分析.在数字经济时代的背景下,进一步分析了人工智能如何赋能新一代信息技术创新.目前正处于国际经济发展调整期、信息化向数字化的演进期及网络技术创新的加速期,大宽带、大连接、大数据、大平台、大模型、大智能正在快速地融合发展.

    人工智能大模型云服务云网协同算网融合

      原文链接:
    • 万方数据
    • 维普

    面向联盟链的隐私保护技术综述

    孙爽唐华云丁旋王延昭...
    9-19页
    查看更多>>摘要：区块链通过账本数据公开和计算透明来为上层应用提供可信服务,但公开透明的特性容易造成敏感信息泄露,阻碍区块链的发展,隐私保护技术由此成为了研究热点.与公有链不同,联盟链通过权限管理机制完成对网络层和存储层数据的安全隔离,实现外部入侵防御.然而,权限控制不支持用户的身份匿名,无法隐藏交易过程中金额等敏感信息,因此,现有联盟链平台通过嵌入密码功能模块和可信硬件来增强自身的隐私保护能力.该文调研了联盟链面临的隐私泄露风险;分析Hyperledger Fabric、FISCO BCOS和ChainMaker等3个国内外主流联盟链平台中涉及的权限控制、密码技术和可信执行环境,从能否支持身份匿名、交易内容隐藏和隐私计算角度出发,对比平台的隐私保护能力;指出了面向联盟链的隐私保护技术的研究方向.

    联盟链隐私泄露权限控制密码技术可信执行环境隐私保护

      原文链接:
    • 万方数据
    • 维普

    蚁群融合动态窗口法的分布式多机器人运动规划研究

    王倩杨立炜李俊丽杨振...
    20-28页
    查看更多>>摘要：为更好地协调分布式多移动机器人在动态环境下的运动,将蚁群算法与动态窗口法相融合构造多机器人系统,并利用优先级策略来化解运动冲突.为提升多机器人全局路径的综合最优性能,提出了多指标寻优的启发式函数和信息素更新策略来提升蚁群的寻优能力,通过冗余点删除策略进一步提升路径质量;融合蚁群与动态窗口法构造机器人运动学模型,通过自适应导航策略来提升未知环境下机器人的局部运动能力;将单机器人避障策略和多移动机器人优先级策略相结合,将多机器人路径规划简化为单个移动机器人的动态路径规划问题.仿真实验结果表明,所提方法能够实现多移动机器人系统在未知环境中的协同避障,具有较高的安全性.

    分布式多移动机器人路径规划蚁群算法动态窗口法优先级策略

      原文链接:
    • 万方数据
    • 维普

    融合Transformer和卷积LSTM的轨迹分类网络

    夏英陈航
    29-38页
    查看更多>>摘要：为了减少原始轨迹数据的噪声,充分提取轨迹的时空特征,提高基于轨迹数据的交通模式分类精度,提出一种融合堆叠降噪自编码器、Transformer和卷积长短期记忆网络的轨迹分类网络(networks fusing stacked denoising auto-encoder,Transformer and ConvLSTM,SDAETC).通过堆叠降噪自编码器减少原始轨迹数据中的噪声;利用结合了 Transformer的递归图自编码器,提取到更为丰富的时间特征,同时利用特征图自编码器提取空间特征;改进卷积长短期记忆网络,充分提取轨迹中的时空特征,并与提取到的时间特征和空间特征相融合,从而实现交通模式分类.实验结果表明,提出的SDAETC与基线模型相比,在GeoLife和SHL数据集上的准确率分别提升了 1.8％和2％.此外,消融实验结果和模型训练时间分析表明,引入堆叠降噪 自编码器、Transfomer和ConvLSTM虽然增加了时间消耗,但是对分类精度有积极贡献.

    轨迹数据交通方式分类时空特征堆叠降噪自编码器Transformer卷积长短期记忆网络

      原文链接:
    • 万方数据
    • 维普

    改进卷积神经网络的单词级语音活体检测方法

    李志刚宋晓婷郭琪美孙晓川...
    39-48页
    查看更多>>摘要：为提高智能家居语音验证系统中重放语音的检测精度,提出了一种新型的单词级语音活体检测方法,采用轻量型卷积全局门控循环神经网络(light convolutional global gate recurrent neural network,LC-GGRNN)作为深度特征提取器,由支持向量机(support vector machine,SVM)执行真实和重放语音的分类,即LC-GGRNN-SVM框架.LC-GGRNN 是在轻量型卷积神经网络的基础上引入了全局注意力机制和门控循环单元,前者关注提取特征的通道信息、空间信息以及通道与空间相互作用的信息,后者学习深度特征的长期相关性.提取POCO(pop noise corpus)数据集中音频文件的3种声学特征分别用于模型训练、验证和测试.结果表明,提取的伽马通频率倒谱系数声学特征在所提方法上检测效果最好,准确率、等错误率分别为85.72％、14.28％,错误接受率和错误拒绝率之和为28.59％,所提方法在POCO上的语音活体检测还具有性别依赖性.此外,所提方法对句子级重放语音检测也具有较好的泛化性.

    语音活体检测声学特征气爆杂音轻量型卷积神经网络支持向量机(SVM)POCO数据集

      原文链接:
    • 万方数据
    • 维普

    车联网中格上基于身份的隐私保护协议

    赵宗渠王瀚博李英汤永利...
    49-58页
    查看更多>>摘要：为了解决车载自组织网络(vehicular ad hoc network,VANET)上的通信协议可能存在的节点冒充、数据伪造、真实身份泄露等问题,同时考虑到现有隐私保护认证协议存在身份管理成本大、协议性能与用户数量呈负相关、签名长度长等不足,提出一种车联网中格上基于身份的隐私保护协议.通过数字签名实现身份认证和数据鉴别,基于环上容错学习(ring learning with errors,RLWE)困难问题对用户身份进行匿名化保护,基于小整数解(small integer solution,SIS)困难问题和拒绝采样技术对消息进行数字签名认证.理论分析证明,提出的协议具有抗量子攻击的特性,满足车联网中的安全需求,在提高计算和通信效率的同时减小了签名长度.仿真结果表明,提出的协议性能满足国内车联网通信相关指标要求.

    车联网隐私保护基于身份的加密格密码

      原文链接:
    • 万方数据
    • 维普

    知识嵌入深度强化学习的6G网络决策算法

    张亚林高晖粟欣刘蓓...
    59-67页
    查看更多>>摘要：为了保证6G网络场景下用户的服务质量(quality of service,QoS)时延以及解决深度强化学习(deep rein-forcement learning,DRL)收敛时间较长的问题,对云-边-端架构下的计算网络进行了研究.提出了多评论家深度强化学习框架,在此基础上提出知识嵌入多评论家深度强化学习算法,将无线通信知识嵌入深度强化学习,采取深度强化学习与计算网络结合的方式对网络中的计算资源和频谱资源进行分配.仿真结果表明,所提出的方法相比于传统的深度强化学习方法能够有效减少收敛时间,并且能够在信道时变的环境下,保证用户时延的基础上能够实现实时决策.

    6G网络云-边-端计算资源分配深度强化学习(DRL)决策

      原文链接:
    • 万方数据
    • 维普

    基于时空Inception残差注意力网络的脑电情绪识别

    王伟周建华刘紫恒赵世昊...
    68-75页
    查看更多>>摘要：为了提高脑电情绪识别分类精度,最大限度利用脑电信号的空间和时间信息,提出一种Inception残差注意力卷积神经网络与双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络相结合的新型架构时空In-ception 残差注意力网络.将脑电信号采集电极位置映射到二维矩阵中,采集信号作为通道,构成三维数据;将得到的三维数据输入到时空Inception残差注意力卷积网络之中,提取时空信息;将得到的特征输入到全连接层进行分类;将Inception结构引入脑电情绪识别领域,实现多尺度特征提取,并将电极映射到矩阵之中,保留电极位置信息,使用时空Inception残差注意力网络从时空两个维度获取脑电相关信息.实验表明,使用该模型对DEAP数据集进行情绪四分类可得到93.71％的准确度,相较于对比模型,识别精度提高了 10％～20％.提出的模型在脑电信号情绪识别领域具有优良性能.

    脑电信号情绪识别电极平面映射Inception残差注意力网络双向长短期记忆网络

      原文链接:
    • 万方数据
    • 维普

    多尺度特征提取残差网络的超分辨率图像重建算法

    钟梦圆姜麟李超
    76-85页
    查看更多>>摘要：为了改善超分辨率图像重建算法存在的图像低频信息提取不足、边缘轮廓模糊、风格信息丢失等问题,提出一种全新的多尺度特征提取残差网络,在生成器网络结构中叠加使用残差特征聚合模块与多尺度感受野模块;采取浅层特征与深层特征接替训练,辅助网络对低频、高频信息的提取与融合;新添风格损失函数以约束风格信息,确保图像纹理、色彩、亮度等风格信息的有效传递.在自然景物占多数且细节信息多样的BSD100数据集上,其4 倍图像重建的峰值信噪比(peak signal to noise ratio,PSNR)达到 31.81 dB、结构相似性(structural similarity,SSIM)达到 0.87,相比原始的超分辨率生成对抗(super-resolution generative adversarial network,SRGAN)算法,PSNR 提高了3.47 dB,SSIM提高了 0.04.实验结果表明,所提算法能够深层次学习 自然景物图像在纹理细节、色彩亮度等方面的特征信息,实现多层网络结构对特征信息的连续性记忆性学习、提取与传递,使得重建图像质量更高.

    图像处理超分辨率生成对抗网络特征提取特征融合

      原文链接:
    • 万方数据
    • 维普

    基于再感知双模型联合训练的散焦模糊检测

    朱智勤孟骏李嫄源齐观秋...
    86-97页
    查看更多>>摘要：针对散焦模糊检测(defocus blur etection,DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融合散焦模糊检测网络.将未正确响应的预测区域映射到全新合成图像中驱动模型学习,实现再感知错误位置的图像特征;利用DBD任务的互补性质构建预测网络,组成对焦预测和模糊预测双模型,将互补网络中多余响应的区域反馈到另一个模型上从而提升训练效果;利用多尺度特征融合模块逐渐整合不同尺度的语义信息;在特征提取时设计了全局通道注意力模块,使模型关注预测结果的有效特征信息,增强网络在不同输入场景下的灵活性.在DUT、CUHK和CTCUG数据集上进行的对比实验表明,提出的方法与对比方法中性能最优者相比,F-Measure指标分别提高了 0.082、0.051、0.264,MAE指标分别降低了 0.032、0.018、0.144.

    散焦模糊检测双模型联合训练多尺度特征互补模型注意力机制

      原文链接:
    • 万方数据
    • 维普