首页期刊导航|微电子学与计算机
期刊信息/Journal information
微电子学与计算机
微电子学与计算机

李新龙

月刊

1000-7180

MC771@163.com

029-82262687

710054

西安市81号信箱

微电子学与计算机/Journal Microelectronics & ComputerCSCD北大核心CSTPCD
查看更多>>本刊创办于1972年，是我国微电子技术与计算机技术相结合的唯一专业性国家中文核心期刊，同时也是中国计算机学会会刊。本刊的宗旨是，严谨认真，求实创新；以人为本，研以致用；弘扬科学，追求真理。本刊国内公开发行，面向科研院所，厂矿技术人员、院校师生和管理人员，及时提供国内微电子与计算机行业最新科研成果、学术与工程技术动态，是较为实用的参考资料和科学决策的准确依据。
正式出版
收录年代

    基于U-Net网络结构的SAR图像去噪算法研究

    季利鹏孙志远朱大奇
    1-9页
    查看更多>>摘要：合成孔径雷达能够全天时,全天侯产生高分辨率SAR图像.SAR图像中由于工作环境及成像机制会受到噪声影响,大多数去噪算法去除SAR图像噪声时会出现噪声去除不完全,图像信息损失的问题.针对这一问题,提出了一种基于U-Net网络结构改进的SAR图像去噪算法.该算法采用VGG16 网络结构作为特征提取模块,对SAR图像进行去噪的下采样操作,提取SAR图像中的关键特征,保留去噪后SAR图像的细节信息;采用修改的U-Net上采样网络结构,让包含特征的低分辨率图片在保留特征的同时变为高分辨率,并通过特征融合使得去噪后SAR图像恢复更多细节,实现SAR图像的智能去噪.选择峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性指数(Structural Similarity Index Measure,SSIM)作为实验的评价指标.仿真实验结果表明,该方法对添加噪声的SAR图像进行去噪,其主观视觉效果及客观评价指标PSNR和SSIM相比于实验对照去噪方法较高.所提方法兼顾了SAR图像噪点的去除和细节的保留,去噪获取的SAR图像具备更清晰的细节特征,具有较强的SAR图像去噪现实意义.

    SAR图像卷积神经网络U-NetVGG16图像去噪

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进黑猩猩优化算法的RGB-D图像核模糊聚类分割

    刘恒范九伦郭培岩
    10-21页
    查看更多>>摘要：借助于低成本深度传感器,产生了深度与颜色同步的RGB-D图像.针对RGB-D图像分割困难以及黑猩猩优化算法精度低、收敛速度慢和易陷入局部最优的问题,提出了基于改进黑猩猩优化算法(Improved Chimp Optimization Algorithm,IChOA)的RGB-D图像核模糊聚类算法.首先,对RGB-D图像进行特征提取生成 6 个特征子集;其次,引入Levy飞行策略和非线性惯性权重对ChOA进行改造;最后,利用IChOA对 6 个特征子集进行核模糊聚类,得到多个最优聚类,然后通过聚集超像素方法对多个最优聚类进行不同组合的分割,生成最终的分割结果.采用NYU depth V2 室内图像数据集进行实验,与现有的一些分割方法(阈值分割,模糊子空间聚类,残差驱动的模糊C-均值,硬C-均值,模糊C-均值,核模糊聚类,基于混沌kbest引力搜索算法和随机亨利溶解度优化算法)进行比较,结果表明所提出的 RGB-D分割算法优于比较的算法.

    RGB-D图像分割核模糊聚类黑猩猩优化算法聚集超像素

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习和联邦学习的工控入侵检测研究

    吴维鑫侯会文石乐义
    22-31页
    查看更多>>摘要：深度学习和入侵检测技术的结合为工业控制网络提供了较好的安全防护;而联邦学习在保护用户数据隐私的前提下采用多方的数据训练一个高效的模型成为工业控制入侵检测领域研究的热点.针对目前工业控制网络流量维度高、特征冗余、缺乏攻击样本导致入侵检测系统检测率低的问题,提出了一种基于深度学习和联邦学习的入侵检测方法,在保护数据隐私的前提下,采用多方数据共同训练一个模型.首先,提出一种多模型融合的入侵检测模型,采用权重绑定的堆叠自编码器和单层卷积神经网络初步提取网络流量特征,并采用残差卷积神经网络和残差双向门控循环单元进一步提取网络流量的空间特征和时序特征,将提取到的两种特征融合后进行网络攻击判别.其次,建立基于上述模型和联邦学习的工控网入侵检测系统,使用储水箱数据集和天然气管道数据集验证系统的有效性.实验结果表明,基于深度学习和联邦学习的工控网入侵检测系统可以提高入侵检测模型检测率,为工业控制网络提供更好的安全防护.

    工业控制网络入侵检测深度学习联邦学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多尺度特征融合的轻量级目标检测算法

    李校林陈泽
    32-40页
    查看更多>>摘要：由于YOLOv5 目标检测模型中参数多、计算复杂度高,无法满足边缘设备进行智能计算和实时反馈的需求,提出了基于多尺度特征融合的轻量级目标检测算法.首先,针对标准卷积模块参数量大、计算复杂度高的问题,提出基于幻影卷积的特征提取卷积模块代替原模型的特征提取模块,在保持检测精度的前提下,减少模型的参数量和计算量.其次,设计出ShuffleNetv2_2 下采样模块,进一步减少算法的参数量.再次,针对模型轻量化后的特征提取能力不足问题,将低维特征充分融合到Neck网络中并添加跨层级联以降低浅层语义的丢失,在增强目标特征的表达的同时提高模型的检测效率.最后,提出LAM注意力融合模块,为模型的颈部网络提供具有更丰富的语义特征图.实验结果表明,相比于原模型,改进模型的参数量和计算量更少,并且在Pascal VOC和MS COCO数据集的检测准确率分别提高了 2.1%和 2.4%.

    目标检测轻量化级神经网络注意力机制多尺度特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于MHA-ResNet的语音情绪识别算法

    周传华郝敏曾辉王勇...
    41-46页
    查看更多>>摘要：语音情绪识别的一个重要挑战是从语音信号中提取关键特征来提高识别准确率.在现有研究的基础上,提出了一种基于自注意力残差网络(Multi-Head-Attention Residual Network,MHA-ResNet)的语音情绪识别模型,提高了语音情绪识别准确率.首先,将原始语音信号数据进行预处理;其次,将提取到的情绪特征集,利用多头注意力机制具备的并行化处理且自适应关注的特性,初步获取不同状态下鉴别性的语音情绪信息;最后,残差网络进一步获取深层情绪特征,完成不同情绪的识别.为验证模型有效性,在CASIA和EmoDB数据集上进行实验,其结果显示识别准确率分别为 93.59%和 97.57%.

    语音情绪识别多头注意力机制残差网络情绪特征集

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于双维度增强的弱监督语义分割算法

    文凯张少镇
    47-55页
    查看更多>>摘要：针对全监督语义分割标注成本高的问题,提出一种仅使用低成本的图像级标签的弱监督语义分割方法.首先,将输入图片通过骨干网络进行特征提取,在网络中插入双维度增强模块把注意力扩散到不容易关注的区域.其次,利用获得的特征图和自注意力模块学习语义相似性,并利用相似性进一步扩大定位图的覆盖区域.再次,利用浅层特征中包含的低级视觉信息对背景建模,生成精细的定位图,然后构建精细定位图和初始定位图的一致性,以自监督的方式不断细化定位图.最后,经过后处理方法获得伪标签指导分割网络.算法仅使用图像级标签在Pascal Voc 2012 上实现了验证集 70.4%和测试集 69.2%的平均交并比,相比其他自监督方法效果较优.

    弱监督学习语义分割自监督深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于CSTDNet的PCB表面元器件检测算法

    郑飞储茂祥巩荣芬刘光虎...
    56-65页
    查看更多>>摘要：PCB表面元器件存在分布密集、尺寸小、外观相似等特点,所以检测时容易出现漏检和误检问题.以VFNet为基础,提出了一种名为CSTDNet(Cross-Scale Task Dynamic Network)的PCB表面元器件检测算法.首先,在特征融合网络中添加跨尺度交互特征模块,以增强对小型元器件的特征描述能力;其次,在检测头网络中引入任务对齐学习机制,优化分类和回归任务的空间一致性;另外,在正负样本选择的过程中引入高斯动态软标签分配策略,以更好地补偿小型元器件的正样本数量.实验结果表明,改进后算法的FPS、mAP和mAP_s分别提升了 10.7%、11.8%和 7.6%,有效地提高了密集场景下小型元器件的检测性能.

    元器件VFNet特征融合标签分配

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于动态时间自注意力机制的交通预测

    陈婧段明磊金照奇浦大勇...
    66-73页
    查看更多>>摘要：针对智能交通系统(Intelligent transportation system,ITS)和出行导航中的实时交通预测问题,提出了一种动态时间自注意力图卷积网络(Dynamic Temporal Self-attention Graph convolutional Network,DT-SGN)模型.现有的交通预测方法大多使用简单的由 0 和 1 组成的邻接矩阵来捕捉空间依赖性,无法准确描述城市道路网络的拓扑结构和随时间变化的规律.为解决这个问题,将邻接矩阵视为可训练的注意力得分矩阵,并根据不同的输入调整网络参数.基于空间机制选择自注意力图卷积网络(Self-attention Graph convolutional Network,SGN)来捕捉空间依赖性,基于时间机制选择动态门控循环单元(Dynamic-GRU,DGRU)来捕捉时间依赖性并学习输入数据的动态变化.在SZ-taxi好Los-loop数据集上,实验证明所提方法在真实交通数据集上表现优于基于模型和数据驱动的对比方法.

    图网络深度学习交通预测时间和空间机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    放大电路最优静态工作点及其物理判据

    刘公绪屈一纯范豪杰
    74-80页
    查看更多>>摘要：静态工作点(简称Q点)是晶体管放大电路能够不失真放大信号的关键参数.为寻找到合适的静态工作点,目前通常依赖图解法对Q点进行后验估计,缺少对Q点进行先验最优设计的理论依据.为解决该问题,在仔细考察了图解法的适用边界的基础上,给出了最优Q点的相关定义,并创新性地从最大裕度积和期望电压差两个思路对最优Q点进行表征.更重要的是,在数学方面推导出了最优Q点对应的不变量,同时在物理方面阐明了最优Q点与最大传输功率的等效性.此外,为验证最优Q点理论的一般性,将复杂电路对最优Q点的定位转化为简单电路对若干具有代表性的电路参数所允许相对变化量的考察,展示了最优Q点理论的适用性.本文研究工作为放大电路的最优Q点设计与电路静态参数快速分析提供了理论指导,可以应用于甚大规模集成电路、柔性智能超表面、超导量子拓扑电路等诸多新型复杂电子信息系统.

    静态工作点放大电路最大传输功率电路参数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于有限域的通用掩码防御方案设计与实现

    姜佳怡冯燕唐啸霖陈岚...
    81-89页
    查看更多>>摘要：加密算法被广泛用来保护秘密信息,侧信道攻击通过捕获侧信道数据对加密算法进行攻击.相关功耗分析(Correlation Power Analysis,CPA)攻击具有易于捕获功耗数据、算法实现简单、攻击效率高等特点,是加密算法的重要威胁之一.掩码技术是一种常用于防御功耗分析攻击的技术,这种技术在不修改算法本身功耗特点的情况下,引入随机数.掩码使算法中间值随机化,降低算法中间值与功耗数据的相关性,能够防御相关功耗分析攻击等.对有限域(Galois Field,GF)实现的高级加密标准(Advanced Encryption Standard,AES)算法、SM4 算法使用掩码技术进行防护,重点在于优化有限域求逆算法.针对AES算法、SM4 算法分别提出一种有限域掩码算法,使用全掩码技术,其中包含一种通用的有限域求逆算法.该GF(28)上求逆算法共使用 6 个GF(24)乘法模块,2 个GF(24)平方模块,2 个GF(24)平方后乘常数模块和 1 个GF(24)求逆模块,求逆结果输出基本同步.实验结果表明,掩码算法有效提升了算法硬件实现的抗功耗攻击能力.

    AES算法SM4算法有限域掩码S盒

      原文链接:
    • NETL
    • NSTL
    • 万方数据