Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2017 Vol.18 No.7 P.863-1032

<<< CONTENTS >>>

Correspondence

Correspondence: Zipfian interpretation of textbook vocabulary lists: comments on Xiao et al.’s Corpus-based research on English word recognition rates in primary school and word selection strategy

Qiong Hu, Ming Yue

DOI: 10.1631/FITEE.1700418 Downloaded: 1701 Clicked: 4803 Cited: 0 Commented: 0(p.863-866) <Full Text> <PPT> 1520

Chinese summary <30> 用齊夫定律解讀教材詞表--評Xiao et al. (2017)《基于語料庫的小(xiǎo)學英語認識率及教材選詞策略研究》

概要：Xiao et al. (2017)在對比分(fēn)析4個語料庫的基礎上，提出國内小(xiǎo)學六年級學生(shēng)的識詞率增長不能令人滿意的觀點，建議人教版小(xiǎo)學英語通用教材總詞彙在原有726個的基礎上再增加903個，并删除twelfth（序數詞，第十二）這樣的低頻(pín)詞。作爲外(wài)語教師和語言學家，我(wǒ)們贊同他們應用先進信息技術對傳統詞表進行評估的做法，但認爲這項工(gōng)作：1.在構建參考語料庫時需重視語料抽樣的合理性；2.在解讀詞頻(pín)時需重視齊夫定律（Zipf’s law，即英語詞頻(pín)與詞秩成反比）的作用--識字率增長随詞彙量增加而減緩的情況是合理的；3.在提出教材選詞策略時，需考慮小(xiǎo)學生(shēng)認知(zhī)特點和課業負擔等現實因素限制，以及語言教育的總體(tǐ)目标，不能随便删除twelfth這樣承載文化的詞彙；4.學齡兒童全國通用外(wài)語教材編寫是項複雜(zá)的系統工(gōng)程，需要各領域專家共同關注。

關鍵詞組：齊夫定律（Zipf’s law）；語料庫；英語；教科書(shū)；詞表

Research Articles

Nonlinear programming control using differential aerodynamic drag for CubeSat formation flying

Sheng-chao Deng, Tao Meng, Zhong-he Jin

DOI: 10.1631/FITEE.1500493 Downloaded: 2989 Clicked: 7833 Cited: 0 Commented: 0(p.867-881) <Full Text> <PPT> 1866

Chinese summary <29> 基于大(dà)氣阻力的立方星編隊飛行非線性規劃控制算法

概要：立方星由于體(tǐ)積和功率限制，難以配置傳統的推進系統以實現編隊飛行。而大(dà)氣阻力是低軌衛星可以用于軌道調整的空間環境動力之一(yī)。本文提出一(yī)種通過大(dà)氣阻力實現軌道面内沿迹跟飛編隊的綜合策略，并将用于浙江大(dà)學下(xià)一(yī)顆皮納衛星（該衛星是國際QB50項目成員(yuán)之一(yī)）。QB50項目主要任務是90-300 km高度近地大(dà)氣層探測。在這一(yī)軌道高度，大(dà)氣阻力對衛星姿态和軌道的影響均不能忽略。本文通過空氣動力學分(fēn)析，同時考慮大(dà)氣阻力對軌道半長軸和偏心率的影響，設計了一(yī)種多維非線性約束規劃策略，以計算實現編隊所需的衛星之間不同的目标面質比和相應的軌道調整保持時間。此外(wài)，通過俯仰姿态機動調整目标面質比。該算法策略無需衛星配置任何展開(kāi)機構。基于ZJU CubeSat的數值仿真驗證了這一(yī)設計的可行性和優勢。

關鍵詞組：QB50；ZJUCubeSat；大(dà)氣阻力；編隊飛行

Flight control for air-breathing hypersonic vehicles using linear quadratic regulator design based on stochastic robustness analysis

Lin Cao, Shuo Tang, Dong Zhang

DOI: 10.1631/FITEE.1601363 Downloaded: 8479 Clicked: 17835 Cited: 0 Commented: 0(p.882-897) <Full Text> <PPT> 8363

Chinese summary <1154> 基于随機魯棒性分(fēn)析的吸氣式高超聲速飛行器線性二次調節器設計

概要：吸氣式高超聲速飛行器（air-breathing hypersonic vehicle, AHV）的飛行動力學模型具有高度非線性與多變量耦合等特性，且受到内部不确定性與外(wài)部幹擾的綜合影響，因此需要具有強魯棒性與高精度的控制器。本文介紹了一(yī)種改進的基于随機魯棒性分(fēn)析的線性二次調節器（linear-quadratic regulator, LQR）設計方法，用于AHV的縱向飛行控制器設計。首先，應用輸入輸出反饋線性化技術設計LQR控制器。其次，基于系統參數的不确定性，将系統魯棒性表征爲滿足穩定性與設計指标要求的概率，并構建系統魯棒性與LQR參數之間的映射關系。爲了實現系統魯棒性最大(dà)化的目标，提出一(yī)種全新的混合粒子群優化算法對LQR的控制參數進行尋優計算。在優化叠代的過程中(zhōng)，使用切諾夫邊界理論确定蒙特卡洛估計的随機樣本量。最後，仿真結果表明該優化算法可以高效地獲取滿足設計要求的LQR控制參數最優解。

關鍵詞組：吸氣式高超聲速飛行器；随機魯棒性分(fēn)析；二次線性調節器；粒子群優化；改進混合粒子群算法

Steering control for underwater gliders

You Liu, Qing Shen, Dong-li Ma, Xiang-jiang Yuan

DOI: 10.1631/FITEE.1601735 Downloaded: 8193 Clicked: 16490 Cited: 0 Commented: 0(p.898-914) <Full Text> <PPT> 8382

Chinese summary <1827> 水下(xià)滑翔機航向控制

概要：水下(xià)滑翔機動力學特性随有效載荷及外(wài)形變化而變化，其航向控制富有挑戰性。解決方法是使用在線系統辨識算法捕捉當前動力學特性，更新運動模型。爲此，我(wǒ)們設計了一(yī)個在線多項式辨識器，不斷更新當前動力學模型，同時用一(yī)個自适應模型預測控制器計算并輸出最優化的控制指令。該控制器根據用戶自定義的指标函數，使用二次規劃方法得到最優控制指令。該指标函數由兩項組成，一(yī)項用來表達軌迹跟蹤性能，一(yī)項用來表達輸入指令抑制性能。輸入指令抑制性能一(yī)定程度上可以代表該控制器的能量消耗性能。設計師可以通過調節這兩項的權重，平衡兩個控制器的性能。比較二次與五次多項式模型的控制效果，發現：二次多項式模型不足以表達無人機的動力學特性，且控制結果易發生(shēng)劇烈波動。硬件在環模拟以及湖試結果驗證了控制器性能。

關鍵詞組：水下(xià)滑翔機；在線系統辨識；航向控制；自适應控制；最優控制；節能控制；硬件在環模拟

Efficient parallel implementation of a density peaks clustering algorithm on graphics processing unit

Ke-shi Ge, Hua-you Su, Dong-sheng Li, Xi-cheng Lu

DOI: 10.1631/FITEE.1601786 Downloaded: 2587 Clicked: 6868 Cited: 0 Commented: 0(p.915-927) <Full Text>

Chinese summary <28> 基于GPU的密度峰值并行聚類算法

概要：基于密度峰值的聚類方法DP（density peak）由于其新穎有效的特點而廣泛應用于科學研究。然而，當确定集群中(zhōng)心時，DP會對每對數據點操作多次，從而導緻較高的計算複雜(zá)度。在本文中(zhōng)，我(wǒ)們提出了一(yī)種基于GPU（graphics processing unit）的高效并行密度峰值算法。我(wǒ)們分(fēn)析密度峰值聚類算法的原理來研究其計算瓶頸，并評估其并行的潛力。根據分(fēn)析，我(wǒ)們提出了CUDA-DP（compute unified device architecture-DP），一(yī)種針對GPU架構的高效并行密度峰值聚類算法，并用CUDA實現了這種并行方法。具體(tǐ)來說，我(wǒ)們使用共享内存減少了全局内存訪問量。更進一(yī)步，爲了利用GPU的合并訪問機制，我(wǒ)們将CUDA-DP程序的數據結構從AOS（array of structures）重構爲SOA（structure of arrays）。另外(wài)，我(wǒ)們分(fēn)别引入二進制搜索方法和采樣方法，以避免對距離(lí)矩陣進行排序造成的計算開(kāi)銷。實驗結果表明，與基于CPU的密度峰值實現相比，CUDA-DP可以實現超過45倍的加速。

關鍵詞組：GPU；密度峰值；聚類；并行計算

Low-computation certificateless hybrid signcryption scheme

Hui-fang Yu, Bo Yang

DOI: 10.1631/FITEE.1601054 Downloaded: 2439 Clicked: 6642 Cited: 0 Commented: 0(p.928-940) <Full Text> <PPT> 1716

Chinese summary <24> 低計算複雜(zá)度的無證書(shū)混合簽密方案

概要：混合簽密是一(yī)種可以簽密任意長度消息的重要技術。本文将無證書(shū)混合簽密技術應用于橢圓曲線密碼系統，構造了一(yī)個低計算複雜(zá)度的無證書(shū)混合簽密方案。随機預言模型下(xià)，該方案在ECCDH（elliptic-curve computation diffie-Hellman）被證明具有IND-CCA2（indistinguishability against adaptive chosen-ciphertext attacks）安全性，而且在ECDL（elliptic-curve discrete logarithm）假設下(xià)具有sUF-CMA（strong existential unforgeability against adaptive chosen-message attacks）安全性。分(fēn)析表明該密碼算法沒有雙線性對操作，比其他算法更高效。此外(wài)，它适合于資(zī)源受限的環境，比如無線傳感器網絡和ad hoc網絡。

關鍵詞組：混合簽密；标量乘；無證書(shū)密碼系統；可證安全性

Distributed fault-tolerant strategy for electric swing system of hybrid excavators under communication errors

Da-hui Gao, Qing-feng Wang, Yong Lei

DOI: 10.1631/FITEE.1601021 Downloaded: 2675 Clicked: 6514 Cited: 0 Commented: 0(p.941-954) <Full Text> <PPT> 1677

Chinese summary <24> 混合動力挖掘機電動回轉系統通信錯誤狀态下(xià)的分(fēn)布式容錯策略

概要：基于自适應的延時與丢幀補償，提出了一(yī)種分(fēn)布式容錯策略，用以确保基于CAN（controller area network）總線的混合動力挖掘機電動回轉系統在通信出錯時獲得良好的運行性能。通過采用一(yī)種分(fēn)别在中(zhōng)央控制器和電機驅動器上對反饋信号和控制信号進行補償的全新延時補償方法，可以在不增加通信帶寬的情況下(xià)大(dà)大(dà)降低通信錯誤的不利影響。采用了帶遺忘因子的遞推最小(xiǎo)二乘法對由姿态變化引起的時變模型參數進行辨識，并通過在連續丢幀情況下(xià)的反饋補償中(zhōng)引入反向修正率來消除模型誤差的不利影響。仿真和實驗結果表明提出的容錯策略可以有效第減小(xiǎo)通信錯誤引起的系統超調和響應時間變化。

關鍵詞組：容錯；延時補償；CAN總線；通信錯誤；混合動力挖掘機電動回轉系統

Spontaneous versus posed smile recognition via region-specific texture descriptor and geometric facial dynamics

Ping-ping Wu, Hong Liu, Xue-wu Zhang, Yuan Gao

DOI: 10.1631/FITEE.1600041 Downloaded: 2313 Clicked: 6769 Cited: 0 Commented: 0(p.955-967) <Full Text>

Chinese summary <25> 基于特定區域紋理描述和面部動态變化的自發性微笑判别技術

概要：微笑作爲一(yī)種典型的生(shēng)物(wù)多樣性特征信号，在社會交往中(zhōng)有較大(dà)影響力，它揭示了人的情感感受和内心狀态。自發性的微笑與假笑由不同大(dà)腦系統發出，在形态學和動力學上均存在差異。區分(fēn)這兩種類型的微笑仍具有挑戰性，因爲其中(zhōng)細微差别很難被肉眼觀察到，仍有待被識别捕捉。已有相關研究大(dà)多是提取自發性微笑的幾何特征，而外(wài)觀特征并沒有被充分(fēn)利用，導緻紋理信息的丢失。本文提出一(yī)種基于特定區域紋理描述來表示不同面部區域的局部模式變化，從而彌補幾何特征研究的局限性。每個面部區域的時間相位是通過計算相應的面部區域強度來劃分(fēn)，而非僅考慮嘴巴區域強度。同時利用支持向量機的中(zhōng)層融合策略，将兩種特征類型結合起來。實驗結果表明，本文提出的外(wài)觀表示法及其與基于幾何形狀的人臉動力學的結合技術，在BBC、SPOS、MMI和UvA-NEMO四個基準數據庫中(zhōng)得到很好的應用。

關鍵詞組：面部特征定位；幾何特征；外(wài)貌特征；笑容識别

Consensus-based three-dimensional multi-UAV formation control strategy with high precision

Mao-de Yan, Xu Zhu, Xun-xun Zhang, Yao-hong Qu

DOI: 10.1631/FITEE.1600004 Downloaded: 3794 Clicked: 7162 Cited: 0 Commented: 0(p.968-977) <Full Text> <PPT> 1949

Chinese summary <27> 基于一(yī)緻性的三維多無人機高精度編隊控制策略

概要：本文提出了一(yī)種基于二階一(yī)緻性的多無人機編隊控制策略，通過鄰接通信，引入位置和速度協同變量來産生(shēng)控制命令。提出了協同導航算法和協同控制算法，它們分(fēn)别控制位置和姿态，聯合二者可保持特定幾何隊形。整個編隊系統包含三部分(fēn)：六自由度無人機模型、協同導航算法、協同控制算法，編隊控制策略是閉環和全狀态的。協同導航算法是二階一(yī)緻性算法，給出期望的加速度、俯仰角速率和偏航角速率。協同控制算法綜合考慮縱向和橫側向機動，通過推導狀态方程來設計協同控制律。分(fēn)析了編隊的閉環穩定性，給出了穩定的充分(fēn)必要條件。利用同步技術，抑制了位置數據中(zhōng)的測量誤差，提高了控制精度。仿真中(zhōng)，三維編隊飛行驗證了所提編隊控制策略的可行性和有效性。

關鍵詞組：多無人機；一(yī)緻性；協同導航；協同控制；同步技術

Tandem hidden Markov models using deep belief networks for offline handwriting recognition

Partha Pratim Roy, Guoqiang Zhong, Mohamed Cheriet

DOI: 10.1631/FITEE.1600996 Downloaded: 5355 Clicked: 10935 Cited: 0 Commented: 0(p.978-988) <Full Text>

Chinese summary <367> 融合深度置信網絡的串聯隐馬爾科夫模型及其在脫機手寫識别中(zhōng)的應用

概要：在文檔分(fēn)析和模式識别領域，自由書(shū)寫的脫機手寫識别是一(yī)個非常具有挑戰性的研究課題。近年來，爲了充分(fēn)探索隐藏在文檔圖像中(zhōng)的監督信息，許多研究工(gōng)作試圖将多層感知(zhī)機以一(yī)種混合或串聯的形式嵌入隐馬爾科夫模型當中(zhōng)。然而，因爲多層感知(zhī)機學習能力的不足，學習到的特征對于後續的識别任務不一(yī)定是最優的。在本文中(zhōng)，我(wǒ)們針對自由書(shū)寫的脫機手寫識别提出一(yī)種基于深度結構的串聯方法。在提出的模型中(zhōng)，深度置信網絡被用于學習序列數據的緊緻表示，隐馬爾科夫模型被用于（子-）詞的識别。我(wǒ)們在兩個公開(kāi)的數據集上驗證了所提出的模型，這兩個數據集是分(fēn)别基于拉丁和阿拉伯語的RIMES和IFN/ENIT；我(wǒ)們還在Devanagari數據集上驗證了所提出的模型，這個數據集是基于印度語的。大(dà)量的實驗展示了所提出模型的優勢，特别是相對于多層感知(zhī)機-隐馬爾科夫模型的串聯方法。

關鍵詞組：手寫識别；隐馬爾科夫模型；深度學習；深度置信網絡；串聯方法

Robust object tracking with RGBD-based sparse learning

Zi-ang Ma, Zhi-yu Xiang

DOI: 10.1631/FITEE.1601338 Downloaded: 2376 Clicked: 6408 Cited: 0 Commented: 0(p.989-1001) <Full Text> <PPT> 1775

Chinese summary <29> 基于RGBD和稀疏學習的魯棒目标跟蹤

概要：魯棒目标跟蹤近年來成爲計算機視覺領域一(yī)項重要的且極具挑戰性的研究方向。随着深度傳感器的普及，深度信息因其對光照變化與遮擋表現出一(yī)定的魯棒性而被廣泛應用于視覺目标跟蹤算法中(zhōng)。本文提出了一(yī)種基于RGBD和稀疏學習的跟蹤算法，從三個方面将深度信息應用到稀疏學習跟蹤框架。首先将深度圖像特征結合現有的基于彩色圖像的視覺特征用于目标外(wài)觀的魯棒特征描述。爲了适應跟蹤過程中(zhōng)的各種遮擋情況，我(wǒ)們設計了一(yī)種特殊的遮擋物(wù)模闆用于增廣現有的超完備字典。最後，我(wǒ)們進一(yī)步提出了一(yī)種基于深度信息的遮擋物(wù)檢測方法用于有效地指示模闆更新。基于KITTI和Princeton數據集的大(dà)量實驗證明了所提出算法的跟蹤效果優于時下(xià)最先進的多種跟蹤器，包括基于稀疏學習的跟蹤以及基于RGBD的跟蹤。

關鍵詞組：目标跟蹤；稀疏學習；深度視角；遮擋物(wù)模闆；深度圖像特征

Interactive image segmentation with a regression based ensemble learning paradigm

Jin Zhang, Zhao-hui Tang, Wei-hua Gui, Qing Chen, Jin-ping Liu

DOI: 10.1631/FITEE.1601401 Downloaded: 2067 Clicked: 5658 Cited: 0 Commented: 0(p.1002-1020) <Full Text>

Chinese summary <24> 基于回歸預測集成學習的交互式圖像分(fēn)割

概要：對于複雜(zá)場景下(xià)的自然圖像，全自動圖像分(fēn)割方法難以獲得與真實情況吻合的結果，人們常常采用交互式分(fēn)割手段實現精确分(fēn)割。然而，當前及背景中(zhōng)存在顔色相似的區域時，傳統半監督圖像分(fēn)割方法隻能通過大(dà)量增加手工(gōng)标記獲得精确分(fēn)割結果。爲此，本文提出一(yī)種結合半監督學習的基于回歸預測的集成學習交互式圖像分(fēn)割方法。通過集成兩個互補的樣條回歸函數，将圖像分(fēn)割視爲一(yī)個非線性預測問題。首先，基于已标記樣本訓練出兩個在屬性上互補的多元自适應回歸樣條學習器（multivariate adaptive regression splines, MARS）和薄闆樣條回歸學習器（thin plate spline regression, TPSR）；接着，提出一(yī)種基于聚類假設和半監督學習的回歸器增強算法，該算法從未标記樣本中(zhōng)抽選部分(fēn)樣本輔助訓練MARS和TPSR；然後，引入支持向量回歸方法（support vector regression, SVR）集成MARS和TPSR的預測結果；最後，對SVR集成結果進行GraphCut圖像分(fēn)割。在标準數據庫BSDS500和PascalVOC上進行大(dà)量實驗，驗證了所提算法的有效性。大(dà)量對比實驗證實，所提算法在交互式自然圖像分(fēn)割上的表現與當前最先進算法相當。

關鍵詞組：交互式圖像分(fēn)割；多元自适應回歸樣條；集成學習；薄闆樣條回歸；半監督學習；支持向量回歸

Colocated MIMO radar waveform-design based on two-step optimizations in spatial and spectral domains

Yu-xi Wang, Guo-ce Huang, Wei Li, Jin-liang Li

DOI: 10.1631/FITEE.1601726 Downloaded: 1920 Clicked: 5253 Cited: 0 Commented: 0(p.1021-1032) <Full Text> <PPT> 1719

Chinese summary <26> 集中(zhōng)式MIMO雷達基于空頻(pín)域二步優化的雷達波形設計

概要：提出一(yī)種基于空頻(pín)域二步優化的集中(zhōng)式MIMO雷達波形設計方法。首先，利用最小(xiǎo)積分(fēn)旁瓣策略，形成帶有零陷的期望發射方向圖。針對所形成的非凸優化問題，利用隐藏的凸優化性能，通過半正定松弛和譜分(fēn)解，可以在多項式時間内有效取得全局最優解。其次，針對空域優化得到的發射波形，引入相位變換對角矩陣并通過類幂方法叠代優化，在不影響雷達空域發射方向圖基礎上，雷達發射波形可在頻(pín)域上進一(yī)步優化，從而避免對其他無線電設備造成幹擾。實驗仿真和現有方法對比分(fēn)析證明了所提算法的有效性。

關鍵詞組：MIMO雷達；波形設計；譜分(fēn)解；分(fēn)式二次約束二次規劃