ITNS主題專欄：人工智能技術(shù)
A deep Q network method for dynamic arterial coordinated control
郭瑝清1，陳 鋒1，2
doi: 10.19358/j.issn.2096-5133.2020.06.001
為有效降低城市交通干線的車均延誤與停車次數(shù)，將深度Q網(wǎng)絡(luò)引入干線協(xié)調(diào)控制，給出了一種干線動(dòng)態(tài)協(xié)調(diào)控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結(jié)合雙重深度Q網(wǎng)絡(luò)與基于競(jìng)爭(zhēng)架構(gòu)深度Q網(wǎng)絡(luò)，并將干線作為整體處理，通過深度神經(jīng)網(wǎng)絡(luò)挖掘干線各交叉口協(xié)調(diào)控制的相關(guān)性，基于Q學(xué)習(xí)進(jìn)行交通信號(hào)控制決策。通過仿真實(shí)驗(yàn)，在近飽和流量和干線存在初始排隊(duì)的情況下，將DDDQN方法與現(xiàn)有綠波方法，以及經(jīng)典深度Q網(wǎng)絡(luò)、雙重深度Q網(wǎng)絡(luò)、基于競(jìng)爭(zhēng)架構(gòu)深度Q網(wǎng)絡(luò)的干線協(xié)調(diào)控制算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明基于DDDQN的干線動(dòng)態(tài)協(xié)調(diào)控制算法性能優(yōu)于其他四種方法。
Dual stream ConvNet-Gan for person re-identification
林 通，陳 新，唐 曉，賀 玲，李 浩
doi: 10.19358/j.issn.2096-5133.2020.06.002
近年來，針對(duì)行人重識(shí)別問題的深度學(xué)習(xí)技術(shù)研究取得了很大的進(jìn)展。然而，在解決實(shí)際數(shù)據(jù)的特征樣本不平衡問題時(shí)，效果仍然不理想。為了解決這一問題，設(shè)計(jì)了一個(gè)更有效的模型，該模型很好地解決了目標(biāo)的不同姿態(tài)的干擾以及數(shù)據(jù)集中的圖片數(shù)量不足的問題。首先，通過遷移姿態(tài)生成對(duì)抗網(wǎng)絡(luò)生成行人不同姿勢(shì)的圖片，解決姿態(tài)干擾及圖片數(shù)量不足的問題。然后利用兩種不同的獨(dú)立卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，并將其結(jié)合得到綜合特征。最后，利用提取的特征完成行人重識(shí)別。采用姿勢(shì)轉(zhuǎn)換方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)展，有效地克服了由目標(biāo)不同姿勢(shì)引起的識(shí)別誤差，識(shí)別錯(cuò)誤率降低了6%。實(shí)驗(yàn)結(jié)果表明，該模型在Market-1501和DukeMTMC-Reid上達(dá)到了更好的識(shí)別準(zhǔn)確度。在DukeMTMC-Reid數(shù)據(jù)集上測(cè)試時(shí)，Rank-1準(zhǔn)確度增加到92.10%，mAP 達(dá)到84.60%。
Gait recognition method based on frequency domain attention spatio-temporal convolutional network
趙國(guó)順1,2，方建安1，2，瞿斌杰1，2，Samah A.F.Manssor1，2，孫韶媛1，2
doi: 10.19358/j.issn.2096-5133.2020.06.003
為了解決步態(tài)信息冗余多、特征重要性分布不均勻以及步態(tài)的時(shí)空特征難以學(xué)習(xí)的問題，提出了基于頻域注意力的時(shí)空卷積網(wǎng)絡(luò)進(jìn)行步態(tài)識(shí)別。該方法改進(jìn)了三維卷積網(wǎng)絡(luò)(C3D)學(xué)習(xí)時(shí)空特征，同時(shí)提出了一種頻域注意力卷積操作，既減少了冗余計(jì)算，注意力的調(diào)整又提高了學(xué)習(xí)效果。網(wǎng)絡(luò)首先將步態(tài)信息劃分為五組，然后通過改進(jìn)的卷積進(jìn)行時(shí)空特征抽取，最后通過Softmax層進(jìn)行分類。在中科大數(shù)據(jù)集CASIA dataset B中進(jìn)行測(cè)試，在Bag狀態(tài)與Coat狀態(tài)下準(zhǔn)確率分別為88.5%、92.8%，分別較傳統(tǒng)深度卷積網(wǎng)絡(luò)(Deep CNN)提升3%左右，同時(shí)注意力在網(wǎng)絡(luò)學(xué)習(xí)中重新分布，各個(gè)角度下的準(zhǔn)確率也平均提升2%左右。
Research on eye localization method based on fatigue driving
杜永昂，楊耀權(quán)，金玥佟
doi: 10.19358/j.issn.2096-5133.2020.06.004
人眼定位是疲勞駕駛的研究關(guān)鍵。由粗到精，先后進(jìn)行了人臉檢測(cè)、瞳孔定位。針對(duì)現(xiàn)有方向梯度直方圖人臉檢測(cè)算法泛化能力不佳的問題，提出了一種基于信息熵加權(quán)的HOG特征提取算法，該算法將待分類的人臉特征進(jìn)行信息熵閾值加權(quán)，形成新的HOG特征，然后通過支持向量機(jī)進(jìn)行分類；針對(duì)現(xiàn)有瞳孔定位算法準(zhǔn)確率不高的問題，提出了多算法協(xié)同工作的瞳孔定位方法，以自商圖為基準(zhǔn)尋找二值分割點(diǎn)，實(shí)現(xiàn)了眼部區(qū)域光照不變性，以灰度積分投影為依據(jù)實(shí)現(xiàn)了瞳孔精確定位。實(shí)驗(yàn)結(jié)果表明，該文提出的人臉檢測(cè)算法在CelebA驗(yàn)證數(shù)據(jù)集準(zhǔn)確率可達(dá)到98.26%，較傳統(tǒng)識(shí)別方法有更高的準(zhǔn)確率；而瞳孔定位算法也可達(dá)到令人滿意的精確度，提高了瞳孔定位的準(zhǔn)確性。
Hierarchical double attention network for aspect sentiment analysis
宋 婷1，陳戰(zhàn)偉2
doi: 10.19358/j.issn.2096-5133.2020.06.005
基于深度學(xué)習(xí)的方面級(jí)情感分析，結(jié)合注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型取得較好的分類效果，但常用方法僅考慮單一層面注意力機(jī)制，且無法獲取句子間依賴關(guān)系。設(shè)計(jì)了一種層次化的雙注意力神經(jīng)網(wǎng)絡(luò)模型用于方面級(jí)情感分析，針對(duì)特定方面引入方面目標(biāo)的注意力機(jī)制以及文本上下文自注意力機(jī)制，獲取方面特征信息和句子的全局依賴信息；設(shè)計(jì)層次化GRU網(wǎng)絡(luò)，其中單詞層嵌入特定方面信息，獲取針對(duì)方面目標(biāo)的句子內(nèi)部特征信息，句子層網(wǎng)絡(luò)通過雙注意力機(jī)制和詞語層的輸入，獲取句子間的特征依賴信息，從而實(shí)現(xiàn)深層次的方面情感分類。在SemEval 2014兩個(gè)數(shù)據(jù)集和Twitter數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了該方法的有效性，針對(duì)方面級(jí)情感，分類準(zhǔn)確率均得到了有效提升。
Recognition method of similar-shaped objects based on improved LeNet-5
鄭 睿1，2，余 童1，2，程龍閱1
doi: 10.19358/j.issn.2096-5133.2020.06.006
針對(duì)深度學(xué)習(xí)在對(duì)外形類似物體的識(shí)別上存在著識(shí)別精度低、耗時(shí)長(zhǎng)等問題，提出基于改進(jìn)的LeNet-5的識(shí)別方法。在傳統(tǒng)LeNet-5網(wǎng)絡(luò)基礎(chǔ)上，將卷積層變?yōu)殡p層非對(duì)稱卷積使網(wǎng)絡(luò)有更好的特征提取能力；通過批量歸一化提高網(wǎng)絡(luò)泛化能力；采用全局平均池化替代原Flatten層，用于克服傳統(tǒng)全連接層參數(shù)多、耗時(shí)長(zhǎng)的缺點(diǎn)；通過對(duì)訓(xùn)練集進(jìn)行增廣增加訓(xùn)練樣本。實(shí)驗(yàn)結(jié)果表明，改進(jìn)LeNet-5網(wǎng)絡(luò)的訓(xùn)練精度達(dá)到91%，識(shí)別形狀類似物體的精度為87%，且能在較少迭代次數(shù)內(nèi)收斂，這些指標(biāo)均顯著優(yōu)于原網(wǎng)絡(luò)。
網(wǎng)絡(luò)與信息安全
Design of penetration test platform based on TrackRay
范 晶，焦運(yùn)良，戴貽康
doi: 10.19358/j.issn.2096-5133.2020.06.007
如何維護(hù)網(wǎng)絡(luò)信息安全一直是IT行業(yè)重點(diǎn)關(guān)注的問題。滲透測(cè)試是一種常見的網(wǎng)絡(luò)安全評(píng)估方法，由于滲透測(cè)試所采用的安全工具過于繁雜，因此設(shè)計(jì)一個(gè)基于TrackRay的滲透測(cè)試平臺(tái)，內(nèi)置有漏洞掃描器和Web服務(wù)接口，并集成和綜合多種安全工具的優(yōu)點(diǎn)，功能強(qiáng)大，簡(jiǎn)便易用。特別是支持Java、Python、JSON等方式編寫插件，調(diào)用各種類型插件來進(jìn)行滲透測(cè)試，可移植性大大提高。經(jīng)試驗(yàn)結(jié)果表明，該滲透測(cè)試平臺(tái)搭建簡(jiǎn)單方便，可運(yùn)用于Windows和Linux等系統(tǒng)，并且可以進(jìn)行靈活的編寫插件實(shí)現(xiàn)快速的Web安全漏洞檢測(cè)。
Research on virtualization scheme of domestic trusted root TCM in cloud environment
趙 軍1，王 曉2
doi: 10.19358/j.issn.2096-5133.2020.06.008
將可信計(jì)算技術(shù)應(yīng)用于云計(jì)算環(huán)境中是保證云安全的有效途徑。針對(duì)國(guó)產(chǎn)可信計(jì)算的可信根可信密碼模塊(Trusted Cryptography Module，TCM)只適用于單機(jī)平臺(tái)，無法為多虛擬機(jī)的云平臺(tái)提供安全可信性保障的問題，對(duì)TCM的虛擬化方案進(jìn)行研究，構(gòu)建云可信根(Cloud TCM，C-TCM)架構(gòu)。在C-TCM物理環(huán)境內(nèi)部構(gòu)造宿主可信根和虛擬可信根，分別為物理宿主機(jī)和虛擬機(jī)提供可信服務(wù)，同時(shí)在虛擬機(jī)監(jiān)視器層部署虛擬可信根管理機(jī)制，實(shí)現(xiàn)虛擬可信根對(duì)C-TCM硬件資源的共享。該方案可有效保證云平臺(tái)的安全可信性。
Design and implementation of IPSec VPN based on national secret algorithm
張 堯，劉笑凱
doi: 10.19358/j.issn.2096-5133.2020.06.009
基于國(guó)家安全和經(jīng)濟(jì)發(fā)展的客觀需求，在安全產(chǎn)品中采用國(guó)密算法，確保網(wǎng)絡(luò)通信自主安全十分必要。通過將IPSec協(xié)議中的默認(rèn)非對(duì)稱協(xié)商算法、哈希算法和對(duì)稱加密算法分別采用國(guó)密SM2、SM3、SM4算法替代，設(shè)計(jì)并實(shí)現(xiàn)基于Linux系統(tǒng)內(nèi)核協(xié)議棧的IPSec VPN系統(tǒng)。實(shí)踐表明，采用國(guó)密算法能夠有效滿足IPSec VPN的需求。
網(wǎng)絡(luò)與通信
Design of a high-speed PAM4 optical transmitter with large current
李 喜，林福江
doi: 10.19358/j.issn.2096-5133.2020.06.010
隨著通信數(shù)據(jù)比特率不斷提升，PAM4(四階脈沖幅度調(diào)制)光發(fā)射機(jī)已經(jīng)在超高速光纖通信系統(tǒng)中得到更廣泛的應(yīng)用。設(shè)計(jì)了一種包含NRZ（非歸零）編碼-RZ（歸零）編碼轉(zhuǎn)換電路的PAM4光發(fā)射機(jī)，基于電流模邏輯增加了電路的工作速度和抗干擾能力。通過帶自偏置可控延時(shí)電路實(shí)現(xiàn)了NRZ編碼到RZ編碼的轉(zhuǎn)換，減小了長(zhǎng)鏈路信號(hào)傳輸?shù)纳⑿?yīng)。驅(qū)動(dòng)器采用預(yù)驅(qū)動(dòng)與主驅(qū)動(dòng)級(jí)聯(lián)的方式增大電路驅(qū)動(dòng)能力，并通過串聯(lián)電阻實(shí)現(xiàn)級(jí)間的共模電平匹配。電路設(shè)計(jì)采用0.13 μm SOI CMOS工藝，仿真結(jié)果表明在兩路輸入數(shù)據(jù)比特率為2.5 Gb/s，典型負(fù)載為25 Ω時(shí)，最大輸出電流為120 mA，電流脈沖寬度為125 ps，PAM4眼圖張開度良好。
Construction of step billing algorithm and its application design in gas meter
高柱榮1，蔣昌茂2，劉洪林3
doi: 10.19358/j.issn.2096-5133.2020.06.011
對(duì)燃?xì)怆A梯計(jì)費(fèi)的技術(shù)要求和技術(shù)條件進(jìn)行分析和歸納，構(gòu)建了一種階梯計(jì)費(fèi)算法的技術(shù)模型。創(chuàng)新地提出了一種表內(nèi)雙計(jì)費(fèi)方案的設(shè)計(jì)方法，在燃?xì)獗韮?nèi)設(shè)置兩套階梯計(jì)費(fèi)方案，并根據(jù)方案的有效日期判別其中一套方案為當(dāng)前運(yùn)行方案，相比單方案設(shè)計(jì)，降低了計(jì)費(fèi)方案修改、啟用、調(diào)價(jià)和實(shí)時(shí)時(shí)鐘校時(shí)等操作的復(fù)雜處理要求。最后，詳細(xì)分析了階梯計(jì)費(fèi)燃?xì)獗淼墓δ苄枨蟆⑾到y(tǒng)組成和計(jì)費(fèi)測(cè)試方法，設(shè)計(jì)開發(fā)了一款具有實(shí)時(shí)階梯計(jì)費(fèi)功能的CPU卡階梯計(jì)費(fèi)燃?xì)獗怼?/p>
Multi-band circularly polarized antenna for satellite navigation system
臧志斌1，傅 寧1，馬 軍1，夏傳福1，吳小鷗1，陳偉強(qiáng)2
doi: 10.19358/j.issn.2096-5133.2020.06.012
設(shè)計(jì)了一款應(yīng)用于衛(wèi)星導(dǎo)航系統(tǒng)的多頻圓極化天線。天線由微帶單元與螺旋單元構(gòu)成，微帶單元采用疊層結(jié)構(gòu)實(shí)現(xiàn)北斗一代收發(fā)L/S雙頻段覆蓋；螺旋單元采用四臂螺旋結(jié)構(gòu)及多點(diǎn)饋電技術(shù)實(shí)現(xiàn)北斗B1和GPS L1頻段覆蓋。仿真結(jié)果表明，該天線各端口S11值低于-10 dB的帶寬為93 MHz(1 509～1 602 MHz)、12 MHz(1 610～1 622 MHz)和70 MHz(2 453～2 523 MHz)，天線在B1頻段、GPS L1頻段、北斗L頻段及北斗S頻段的增益分別為6.19 dB、6.13 dB、3.47 dB和5.64 dB。該天線具有方向圖波束寬度寬、相位中心穩(wěn)定、低仰角增益高等特點(diǎn)，天線各項(xiàng)指標(biāo)均滿足衛(wèi)星導(dǎo)航系統(tǒng)對(duì)天線性能的要求。
工業(yè)自動(dòng)化技術(shù)
Research on composite control method of aircraft rudder electric servo system
朱國(guó)威，姜夢(mèng)馨，林 叢，門若霖，劉曉琳，王 楠，楊洪利
doi: 10.19358/j.issn.2096-5133.2020.06.013
針對(duì)飛機(jī)舵機(jī)電動(dòng)伺服系統(tǒng)存在多余力矩干擾不易抑制的問題，根據(jù)系統(tǒng)結(jié)構(gòu)組成及工作原理，建立了數(shù)學(xué)模型。設(shè)計(jì)了結(jié)合BP神經(jīng)網(wǎng)絡(luò)的PID控制器參數(shù)整定、角速度前饋與力矩速度反饋的復(fù)合控制策略，提高了系統(tǒng)的穩(wěn)定特性和加載精度。利用MATLAB仿真環(huán)境進(jìn)行了系統(tǒng)動(dòng)態(tài)特性實(shí)驗(yàn)。仿真結(jié)果表明，該方法不僅能夠有效抑制多余力，而且使系統(tǒng)具有良好跟蹤效果，完全能夠達(dá)到控制性能指標(biāo)的要求。
Synchronization of multi-agent systems with error constraints based on barrier Lyapunov function
吳慕蘭
doi: 10.19358/j.issn.2096-5133.2020.06.014
帶誤差約束的多智能體同步除了要求多智能體的狀態(tài)同步以外，同時(shí)還要求同步誤差受給定的界約束。針對(duì)期望實(shí)現(xiàn)誤差約束的未知非線性領(lǐng)航-追隨者多智能體系統(tǒng)，提出了一種分布式神經(jīng)自適應(yīng)同步控制方法。首先利用神經(jīng)網(wǎng)絡(luò)近似智能體動(dòng)力學(xué)方程中的未知非線性項(xiàng)，提出了一種新的分布式障礙Lyapunov函數(shù)來限制同步誤差，然后根據(jù)所提出的障礙Lyapunov函數(shù)，通過穩(wěn)定性分析推導(dǎo)出分布式自適應(yīng)控制律。最后給出了一個(gè)仿真實(shí)例，驗(yàn)證了利用所提出的控制律可以實(shí)現(xiàn)同步誤差約束。
