首页期刊导航|电子学报
期刊信息/Journal information
电子学报
中国电子学会
电子学报

中国电子学会

王守觉

月刊

0372-2112

new@ejournal.org.cn;wanghui@ejournal.net.cn

010-68279116，68285082

100036

北京165信箱

电子学报/Journal Acta Electronica SinicaCSCD北大核心CSTPCDEI
查看更多>>1962年创刊，中国电子学会主办的高级学术月刊。刊登电子与信息及相关领域代表我国研究水平的最新科研成果和技术进展。本刊为中国自然科学核心期刊之一；科技部科技论文统计源期刊；中国科学引文数据库来源期刊。获2000年首届国家期刊奖以及2000年国家自然科学基金重点学术期刊专项基金资助。现被五个大型检索机构（Ei、Sci-Expanded、SA、苏联文摘杂志(рж)和日本科技文献速报）作为固定收录对象。
正式出版
收录年代

    基于单天线多载波的轻量化感知技术研究

    姜禹王佳东胡爱群丁璠...
    3409-3423页
    查看更多>>摘要：现有的WiFi感知方法对数据的采集量及接收器的硬件资源需求较高,同时海量的数据处理也会消耗大量软硬件资源.基于模型的WiFi感知方法通过建立动作模式与信号变化之间的数学模型,一定程度上降低了对数据量的依赖,但是主流方案仍然需要多个接收天线或者天线阵列.本文提出一种使用单天线接收器的感知方案,利用不同子载波的信道状态信息的比值消除硬件及噪声干扰,并提出基于方差和极差的子载波组合选择算法,筛选出优质的子载波组合得到动作特征.进一步提出基于菲涅尔区理论的高可用特征生成算法,巧妙地结合反射路径变化与信道状态信息(Channel State Information,CSI)动态相位旋转之间的关系,通过在复平面上的数据拟合与相位对齐获得高可用特征.理论分析和实验结果表明,本文提出的单天线方案完全符合菲涅尔区理论,同时,可以有效提升不同动作在不同场景下的识别效果.对于七种不同的动作,本文方案的总体识别准确率保持在95%左右,CSI选择和特征强化获得了约2%的准确率提升.

    信道状态信息非接触感知CSI比率子载波选择特征提取

      原文链接:
    • 万方数据
    • 维普

    动态步长卷积及其层间可解释性方法

    张淑芳郭子林丁文鑫罗曦哲...
    3424-3434页
    查看更多>>摘要：基于卷积神经网络的图像处理方法将卷积步长设置为与输入图像无关的固定值,输入图像的重要区域和不重要区域分配的卷积资源相等,从而导致资源分配不合理和网络冗余.针对该问题,本文提出动态步长卷积(Dynamic Stride Convolution,DSC)方法,通过学习一组与输入数据相关的偏移量来修改卷积核卷积步长,将更多的计算自适应分配给感兴趣区域.此外,本文利用学习到的偏移量来可视化卷积分布,提出层间可解释分析方法,以极低的计算消耗生成直观的可解释图,有助于研究人员分析卷积层之间的注意力分布.为了进一步优化卷积资源分配,本文设计新的损失函数来有效提高DSC的性能并实现对资源位置的编辑,并结合层间可解释分析方法将资源编辑可视化.本文将DSC嵌入到目标检测和图像分割等不同任务中,实验结果表明,在COCO数据集上不同网络的mAP(mean Average-Precision)增加了2%以上,证明了DSC方法的有效性.

    计算机视觉卷积核动态步长卷积层间可解释分析

      原文链接:
    • 万方数据
    • 维普

    基于图表征知识蒸馏的图像分类方法

    杨传广陈路明赵二虎安竹林...
    3435-3447页
    查看更多>>摘要：知识蒸馏的核心思想是利用1个作为教师网络的大型模型来指导1个作为学生网络的小型模型,提升学生网络在图像分类任务上的性能.现有知识蒸馏方法通常从单一的输入样本中提取类别概率或特征信息作为知识,并没有对样本间关系进行建模,造成网络的表征学习能力下降.为解决此问题,本文引入图卷积神经网络,将输入样本集视为图结点构建关系图,图中的每个样本都可以聚合其他样本信息,提升样本的表征能力.本文从图结点和图关系2个角度构建图表征知识蒸馏误差,利用元学习引导学生网络自适应学习教师网络更佳的图表征,提升学生网络的图建模能力.相比于基线方法,本文提出的图表征知识蒸馏方法在加拿大高等研究院(Canadian Institute For Ad-vanced Research,CIFAR)发布的100种分类数据集上提升了3.70%的分类准确率,表明本文方法引导学生网络学习到了更具有判别性的特征空间,提升了图像分类能力.

    知识蒸馏图卷积神经网络图像分类元学习表征学习

      原文链接:
    • 万方数据
    • 维普

    一种基于对比学习大模型的视觉定位方法

    陆庆阳袁广林朱虹秦晓燕...
    3448-3458页
    查看更多>>摘要：一阶段视觉定位方法由于其快速性而受到广泛关注,该方法利用图像与文本的融合特征预测目标框,但是现有方法在特征融合前没有进行图像与文本特征的对齐,限制了视觉定位的精度.为了解决这一问题,本文提出一种基于对比学习大模型的视觉定位方法.该方法采用基于对比学习的大规模预训练模型CLIP(Contrastive Lan-guage-Image Pre-training)提取图像和文本特征,利用Transformer编码器融合图像文本特征,使用多层感知机和融合特征预测目标框.该方法能够解决视觉定位方法上述不足的原因在于:借助CLIP模型的编码器可以提取高度语义对齐的图像和文本特征,同时使用全局注意力交互融合图像与文本的上下文特征.在5个数据集上,对本文提出的方法进行实验验证,实验结果表明:相比于现有视觉定位方法,本文方法取得了综合精度的提升.

    视觉定位对比学习变换器注意力大模型对齐

      原文链接:
    • 万方数据
    • 维普

    侵蚀聚类

    杜明晶吴福玉李宇蕊董永权...
    3459-3471页
    查看更多>>摘要：基于密度的聚类是一种经典的聚类分析方法,它能够在不指定类簇数目的情况下发现非球形类簇.但真实复杂数据集中存在类簇边界模糊、数据密度不均、数据分布复杂等问题.当前,能够同时应对这三种问题的研究工作相对较少.对此,本文从自然世界的侵蚀现象中汲取灵感,提出侵蚀聚类(Erosion Clustering,EC)算法.本算法引入动态密度估计方法和侵蚀策略,逐层识别和剔除位于类簇边界上的数据,进而发现各个类簇潜在的核心区域;采用基于互可达图的聚类方法实现核心区域的聚类;设计基于局部密度峰值的分配方式完成边界数据的划分.在12个基准数据集上的实验结果表明,EC算法的聚类性能比7种对比算法分别在修正兰德指标、修正互信息、F1分数上平均提高了96%、53%和36%.

    密度聚类聚类分析密度估计局部密度峰值互k近邻侵蚀策略

      原文链接:
    • 万方数据

    基于改进混合坐标系的大斜视俯冲机动平台SAR快速时域成像算法

    闫莉许高添张廷豪
    3472-3481页
    查看更多>>摘要：多级子图像融合是加速合成孔径雷达(Synthetic Aperture Radar,SAR)时域成像的关键手段.然而,机动平台SAR的大斜视采集增强了频谱支持区域的不规则特性,降低图像融合的效率和精度.针对这些问题,本文设计了一种改进的混合坐标系,在此基础上开发了大斜视俯冲机动平台SAR快速时域成像算法.得益于改进混合坐标系中建立的等效斜距模型,频谱对斜视角的敏感度降低,消除了频谱空变现象.因此,设计频谱预处理函数可以有效压缩和拼接频谱,提升图像融合的效率和精度.通过仿真和原始数据处理,验证了提出算法性能的优越性.

    快速时域算法大斜视俯冲机动平台混合坐标系等效斜距模型频谱预处理

      原文链接:
    • 万方数据
    • 维普

    基于样本类不确定性抽样的端到端语音关键词检测训练方法

    贺前华陈永强郑若伟黄金鑫...
    3482-3492页
    查看更多>>摘要：当前语音关键词检测主流技术为端到端的深度学习方法,研究重点为网络结构优化、建模单元选取及搜索策略等,并取得较快进展,但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题,提出了一种样本类不确定性抽样(Class Uncertainty Sampling,CUS)的样本应用策略加速收敛进程.其核心思想是在模型训练中后期,利用网络的前向输出层对样本评价信息进行样本类不确定性度量,并转化成样本选用概率,随机抽取训练样本子集用于后续训练.由于简单样本的类确定度高,它们参与后续训练的概率降低,但不影响模型的区分能力,增强对判决边界样本的关注,达到提高模型训练效率的目标.基于AISHELL-1普通话数据集的实验结果表明,相对常规训练策略,平均训练时长缩短60%,收敛时长缩短47.5%.虚警率(False Alarm Rate,FAR)为0.5 FP/h时,该方法的错误拒绝率(False Reject Rate,FRR)从4.75%降至3.65%,相对下降30.1%,最大关键词加权值(Maximum Term Weighted Value,MTWV)由0.837 4升至0.853 1.通过分析错标样本参与训练的行为,证实了该方法具有屏蔽掉大部分错误标注样本的能力,减少错标样本对训练的损害.基于大规模AISHELL-2普通话数据集的实验进一步证实了提出方法的有效性.

    语音关键词检测深度学习端到端类不确定性抽样

      原文链接:
    • 万方数据
    • 维普

    两步式自适应阈值法滤除心电信号中运动伪迹

    吕建行李玉榕陈建国高宁...
    3493-3506页
    查看更多>>摘要：心电信号广泛应用于心脏疾病的医学检测中,可穿戴动态心电监测设备可以实现对心律失常的风险识别并预警.相比于静息心电信号,动态心电信号在采集过程中会受到更大运动伪迹的干扰,这些干扰会覆盖心电信号的关键信息,限制其临床应用.本文兼顾心电信号局部和全局特征,利用其周期性,研究了一种将心电信号低频PT波和高频QRS波群分开处理的两步式自适应阈值滤波算法,适用于单通道心电信号中的运动伪迹滤除.第一步先通过多分辨率阈值初步抑制心电信号低频部分中的运动伪迹;第二步,对受运动伪迹影响而不平衡的QRS波进行自适应阈值修复,通过对QRS波形调节,减少心电信号中高频部分运动伪迹,同时设置自适应阈值对心电信号P波、T波对应的小波系数进行处理,超出自适应阈值范围的小波系数通过波形缩放进行调整,进一步抑制低频运动伪迹.研究通过不同心电数据库评估算法的性能.在输入信噪比从-10～10 dB时,心电信号信噪比提升了10.912 2 dB和4.391 2 dB,滤波后心电信号与纯净心电信号的相关系数分别为0.687 6和0.978 3,提取的运动伪迹与原运动伪迹相关系数分别为0.953 0和0.852 9.实验结果表明,算法在不同噪声水平下,利用自适应阈值的优点,能有效复原受运动伪迹污染的心电信号波形特征,最大限度保留心电信号的临床信息,可作为可穿戴心电设备滤除运动伪迹的有效工具.

    心电信号运动伪迹小波变换自适应阈值信号处理

      原文链接:
    • 万方数据
    • 维普

    应用贝叶斯模型的盲近场通信感知一体化算法

    袁正道崔建华刘飞孙鹏...
    3507-3516页
    查看更多>>摘要：在6G通信系统中,随着天线规模的增大,菲涅尔区逐步扩展,现有的远场通信假设会引入严重的能量扩散,即角度域不再稀疏.近场通信利用球面波前进行建模,其信道模型与用户到达基站的角度和距离相关,在通信的同时可以估计角度和距离,实现通信感知一体化(Integrated Sensing And Communication,ISAC).本文针对近场环境下ISAC问题,提出了基于极坐标的近场模型,通过非均匀网格划分将ISAC转化为稀疏估计问题,进而提出基于稀疏贝叶斯学习模型和消息传递算法的ISAC算法,同时完成活跃用户检测、位置感知和通信.此外,所提算法采用差分调制,在通信和感知中无需利用导频,即可实现盲ISAC,有效提升通信系统的频谱效率.仿真结果表明,相对于均匀区域划分和文献现有方法,本文提出的ISAC算法可获得更高的感知精度和误码率性能.

    近场通信通信感知一体化非均匀网格模型稀疏估计贝叶斯方法

      原文链接:
    • 万方数据
    • 维普

    基于联邦学习的主动半监督短文本分类方法

    孔德焱冀振燕杨燕燕刘洋...
    3517-3526页
    查看更多>>摘要：短文本分类应用广泛,是当前的研究热点,但受到短文本标注数据稀缺和数据隐私保护不便集中训练的影响,分类效果不佳.针对上述问题,我们提出了基于联邦学习的主动半监督异质图注意力网络模型(Active Semi-Supervised Learning empowered Heterogeneous Graph ATtention network model based on Federated learning,Fed-ASSL-HGAT),通过设计新颖的主动半监督学习(Active Semi-Supervised Learning,ASSL)框架生成高质量标注样本赋能异质图注意力网络(Heterogeneous Graph ATttention network model,HGAT),引入联邦学习对部署在不同节点的模型进行联合训练以满足数据隐私保护需求.所提出的ASSL框架通过将主动学习的多类别标注转化成二元类别标注,可大大降低标注难度;设计基于信息增益的选择策略筛选软、硬标签,以防止信息损失;通过半监督学习选择高准确率、高稳定性的正负样本打伪标签以确保标注质量.实验结果表明,所提出的ASSL-HGAT(S)在AGNews、Snippets、TagMyNews数据集上相比HGAT基线模型F1值分别提升2.45%、8.11%、7.46%.融合联邦学习所进一步提出的Fed-ASSL-HGAT模型可在不泄漏隐私数据的情况下满足性能要求.

    异质图神经网络主动学习半监督学习联邦学习

      原文链接:
    • 万方数据
    • 维普