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

2020 Vol.21 No.8 P.1119-1266

Cover:

<519>

Contents:

<503>

<<< CONTENTS >>>

Review Articles

Review Article: Review of compact computational spectral information acquisition systems

Hongya Song, Wenyi Zhang, Haifeng Li, Xu Liu, Xiang Hao

DOI: 10.1631/FITEE.1900266 Downloaded: 5825 Clicked: 5202 Cited: 0 Commented: 0(p.1119-1133) <Full Text> <PPT> 1381

Chinese summary <27> 緊湊型計算光譜信息采集系統綜述

宋洪亞¹，張文屹¹，李海峰¹，劉旭^1,2,3，郝翔¹
¹浙江大(dà)學光電科學與工(gōng)程學院現代光學儀器國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學甯波研究院，中(zhōng)國甯波市，315100
³山西大(dà)學極端光學協同創新中(zhōng)心，中(zhōng)國太原市，030006

摘要：随着計算機科學的發展，越來越多硬件功能可通過軟件編程實現，使得光學儀器更加緊湊、廉價，光學設計和加工(gōng)也更加方便、快速。近年來，軟件算法被引入光譜檢測，發展出一(yī)些計算型的光譜儀、光譜成像設備等光譜信息采集系統。通過與傳統非計算方法比較，本文突出了計算光譜采集的優勢。重點關注緊湊性特征，回顧最具代表性的計算光譜信息采集系統，并作讨論和展望。

關鍵詞組：光譜成像；計算成像；光譜儀

Review Article: Chip-based waveguides for high-sensitivity biosensing and super-resolution imaging

Chen-lei Pang, Xu Liu, Wei Chen, Qing Yang

DOI: 10.1631/FITEE.1900211 Downloaded: 3940 Clicked: 5262 Cited: 0 Commented: 0(p.1134-1149) <Full Text> <PPT> 1484

Chinese summary <22> 基于片上波導的超靈敏探測與超分(fēn)辨成像

龐陳雷¹，劉旭¹，陳偉^2,3，楊青^1,4
¹浙江大(dà)學光電科學與工(gōng)程學院現代光學儀器國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學醫學院細胞生(shēng)物(wù)學系，中(zhōng)國杭州市，310058
³浙江大(dà)學現代光學儀器國家重點實驗室，感染性疾病診治協同創新中(zhōng)心，中(zhōng)國杭州市，310058
⁴山西大(dà)學極端光學協同創新中(zhōng)心，中(zhōng)國太原市，030006

摘要：本綜述介紹基于芯片的波導生(shēng)物(wù)傳感和成像技術的最新研究進展，這些技術可顯著降低系統複雜(zá)度。這些技術利用波導表面的近場倏逝場與周圍樣品産生(shēng)相互作用，實現對被檢測生(shēng)物(wù)分(fēn)子的高靈敏探測和微納樣品的高信噪比超分(fēn)辨成像。相關檢測與成像波導芯片的制作過程簡單，且同傳統半導體(tǐ)加工(gōng)工(gōng)藝兼容，具有大(dà)規模生(shēng)産應用前景。通過與近年來快速發展的片上集成光源結合，這些技術爲實現片上系統集成的生(shēng)物(wù)分(fēn)子檢測和超分(fēn)辨成像提供了可能。

關鍵詞組：波導探測；波導成像；倏逝場照明；移頻(pín)與頻(pín)譜拼接

Research Articles

A novel convolutional neural network method for crowd counting

Jie-hao Huang, Xiao-guang Di, Jun-de Wu, Ai-yue Chen

DOI: 10.1631/FITEE.1900282 Downloaded: 2928 Clicked: 5031 Cited: 0 Commented: 0(p.1150-1160) <Full Text> <PPT> 1444

Chinese summary <25> 一(yī)種新的基于卷積神經網絡的人群計數方法

黃傑浩，遆曉光，吳俊德，陳瑷玥
哈爾濱工(gōng)業大(dà)學控制與仿真中(zhōng)心，中(zhōng)國哈爾濱市，150080

摘要：人群密度估計是一(yī)項具有挑戰性的任務，因爲人群中(zhōng)人頭大(dà)小(xiǎo)存在大(dà)範圍變化。現有方法均采用多列式結構卷積神經網絡去(qù)适應這種變化，但會導緻密度圖上不同密度區域産生(shēng)平均效應并引入額外(wài)噪聲。爲解決該問題，提出一(yī)種新的基于分(fēn)割先驗圖的神經網絡方法，在分(fēn)割圖基礎上生(shēng)成一(yī)個高質量且沒有噪聲的密度圖。該網絡主要包括兩個部分(fēn)，即頭部的人群前景分(fēn)割神經網絡和尾部的人群回歸神經網絡。在數據集隻提供單點人頭标記的情況下(xià)，采用均勻函數生(shēng)成人群頭部的掩膜真值圖。基于該真值圖，前景分(fēn)割網絡輸出人群分(fēn)割圖，可有效減少密度圖中(zhōng)無人區域噪聲。将人群分(fēn)割圖輸入人群回歸網絡，後者能生(shēng)成高質量人群密度圖并提供準确的人數估計。在4個公開(kāi)數據集（即ShanghaiTech、UCF-CC-50、WorldExpo’10和UCSD）上驗證了所提方法有效性；其中(zhōng)，在ShanghaiTech partB和UCF-CC-50兩個數據集上該方法取得了當前最好結果。

關鍵詞組：人群計數；密度估計；分(fēn)割先驗圖；均勻函數

Texture branch network for chronic kidney disease screening based on ultrasound images

Peng-yi Hao, Zhen-yu Xu, Shu-yuan Tian, Fu-li Wu, Wei Chen, Jian Wu, Xiao-nan Luo

DOI: 10.1631/FITEE.1900210 Downloaded: 4039 Clicked: 5348 Cited: 0 Commented: 0(p.1161-1170) <Full Text> <PPT> 1405

Chinese summary <24> 紋理分(fēn)支網絡：基于超聲影像的慢(màn)性腎髒病篩查模型

郝鵬翼^1,5，徐震宇¹，田樹(shù)元²，吳福理^1,5，陳爲^3,5，吳健^4,5，羅笑南(nán)⁶
¹浙江工(gōng)業大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310023
²浙江省立同德醫院，中(zhōng)國杭州市，310012
³浙江大(dà)學附屬第一(yī)醫院，中(zhōng)國杭州市，310003
⁴浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027
⁵浙江大(dà)學睿醫人工(gōng)智能研究中(zhōng)心，中(zhōng)國杭州市，310027
⁶桂林電子科技大(dà)學人工(gōng)智能學院，中(zhōng)國桂林市，541004

摘要：慢(màn)性腎髒病是一(yī)種在世界範圍内廣泛存在的腎髒疾病。該疾病一(yī)旦發展到晚期，伴随而來的是嚴重并發症與較高死亡風險。因此，早期篩查對于慢(màn)性腎髒病診治至關重要。超聲作爲一(yī)種無創方法，能動态觀察腎髒形态和病理特征，常用于腎髒檢查。本文提出一(yī)種新的卷積神經網絡模型，稱爲紋理分(fēn)支網絡，基于超聲影像作慢(màn)性腎髒病篩查。該模型通過在經典卷積神經網絡中(zhōng)引入紋理分(fēn)支來提取和優化紋理特征，可自動生(shēng)成輸入圖像的紋理特征和深度特征，并使用融合信息進行分(fēn)類。此外(wài)，通過遷移學習訓練網絡的主幹部分(fēn)，并在具有226張超聲影像的數據集上開(kāi)展實驗。實驗結果表明，該模型準确率和敏感度分(fēn)别達到96.01%和99.44%，在慢(màn)性腎髒病篩查上具有一(yī)定有效性。

關鍵詞組：慢(màn)性腎髒病；超聲；紋理分(fēn)支網絡；遷移學習

A many-objective evolutionary algorithm based on decomposition with dynamic resource allocation for irregular optimization

Ming-gang Dong, Bao Liu, Chao Jing

DOI: 10.1631/FITEE.1900321 Downloaded: 4955 Clicked: 5921 Cited: 0 Commented: 0(p.1171-1190) <Full Text> <PPT> 1502

Chinese summary <24> 不規則優化問題中(zhōng)基于動态資(zī)源分(fēn)配的高維多目标優化算法

董明剛^1,2，劉寶¹，敬超^1,2,3
¹桂林理工(gōng)大(dà)學信息科學與工(gōng)程學院，中(zhōng)國桂林市，541004
²廣西嵌入式技術與智能系統重點實驗室，中(zhōng)國桂林市，541004
³廣西可信軟件重點實驗室，桂林電子科技大(dà)學，中(zhōng)國桂林市，541004

摘要：多目标優化問題廣泛存在于高速列車(chē)頭形設計、重疊社區檢測、電力調度等領域。爲解決這類問題，目前方法主要集中(zhōng)于求解具有規則性帕累托前沿的問題，而非具有不規則帕累托前沿的問題。針對這種情況，提出一(yī)種基于動态資(zī)源分(fēn)配分(fēn)解的高維多目标進化算法（MaOEA/D-DRA）進行不規則優化。該算法能夠根據問題的帕累托前沿形狀，将計算資(zī)源動态分(fēn)配到不同搜索區域。在搜索過程中(zhōng)使用進化種群和外(wài)部存檔，從外(wài)部存檔中(zhōng)提取的信息用于引導進化種群到不同搜索區域。進化種群采用切比雪夫方法将問題分(fēn)解爲若幹子問題，并以協作方式優化所有子問題。采用轉化的密度估計方法更新外(wài)部檔案。将所提算法與5種最先進的多目标進化算法對比。實驗結果表明，所提算法在收斂速度和種群成員(yuán)多樣性方面優于5種對比算法。與加權和方法和基于懲罰的邊界相交方法比較，将切比切夫方法集成到算法中(zhōng)，對性能有一(yī)定提高。

關鍵詞組：高維多目标優化問題；不規則帕累托前沿；外(wài)部存檔；動态資(zī)源分(fēn)配；轉化的密度評估方法；切比雪夫分(fēn)解方法

A non-Lambertian photometric stereo under perspective projection

Min Li, Chang-yu Diao, Duan-qing Xu, Wei Xing, Dong-ming Lu

DOI: 10.1631/FITEE.1900156 Downloaded: 2720 Clicked: 4863 Cited: 0 Commented: 0(p.1191-1205) <Full Text> <PPT> 1401

Chinese summary <26> 透視投影下(xià)的非朗伯光度立體(tǐ)技術

李敏¹，刁常宇²，許端清¹，邢衛¹，魯東明¹
¹浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027
²浙江大(dà)學藝術與考古學院，中(zhōng)國杭州市，310027

摘要：在透視投影假設下(xià)，非朗伯光度立體(tǐ)技術是一(yī)個高度非線性問題。本文提出一(yī)種透視投影下(xià)基于非朗伯反射模型的表面法線和深度重構優化框架。将圖像分(fēn)解爲漫反射分(fēn)量和鏡面分(fēn)量，可同時計算表面法向量和反射率。此外(wài)提出一(yī)個變分(fēn)公式，其在表面重構中(zhōng)表現出魯棒性與有益性。實驗結果表明，所提方法能準确重構非朗伯曲面彩色物(wù)體(tǐ)表面形狀并計算出物(wù)體(tǐ)表面的反射率。

關鍵詞組：光度立體(tǐ)法；三維重構；透視投影；圖像分(fēn)解

HAM: a deep collaborative ranking method incorporating textual information

Cheng-wei Wang, Teng-fei Zhou, Chen Chen, Tian-lei Hu, Gang Chen

DOI: 10.1631/FITEE.1900382 Downloaded: 2724 Clicked: 6003 Cited: 0 Commented: 0(p.1206-1216) <Full Text> <PPT> 1603

Chinese summary <26> HAM：一(yī)種融入文本信息的深度協同排序方法

王铖微^1,3，周騰飛³，谌晨^1,3，胡天磊^1,3，陳剛^2,3
¹浙江省大(dà)數據智能計算重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學計算機輔助設計與圖形學國家重點實驗室，中(zhōng)國杭州市，310027
³浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027

摘要：基于文本語料庫的推薦任務旨在通過挖掘用戶反饋數據以及物(wù)品文本描述數據對用戶偏好建模。當前研究人員(yuán)亟需探索使用深度神經網絡捕獲複雜(zá)的非線性偏好。然而，訓練網絡結構更深的推薦器并不能通過簡單添加網絡層數實現。一(yī)個網絡結構更深的推薦器會面臨梯度消失/爆炸問題，導緻其無法通過基于梯度的方法進行模型訓練。此外(wài)，物(wù)品文字描述數據可能包含嘈雜(zá)的單詞序列；直接從這類特征向量中(zhōng)提取特征可能會影響推薦器性能。爲解決上述問題，本文提出一(yī)種新的基于極深神經網絡的排序推薦方法：高速網絡推薦器(HighwAy recoMmender, HAM)。首先基于高速公路網絡設計一(yī)個全新神經網絡推薦框架，該框架能有效地穩定深度推薦器的梯度流。其次，使用一(yī)種多頭注意力編碼器，自動對文本信息降噪。最後，提出一(yī)種全新的基于塊坐标下(xià)降的方法，可更加有效地訓練具有更深網絡結構的推薦器。實驗結果表明，與當前先進方法相比，HAM具有更好推薦性能。

關鍵詞組：深度學習；推薦系統；高速公路網絡；塊坐标梯度下(xià)降

Automatic traceability link recovery via active learning

Tian-bao Du, Guo-hua Shen, Zhi-qiu Huang, Yao-shen Yu, De-xiang Wu

DOI: 10.1631/FITEE.1900222 Downloaded: 3448 Clicked: 5406 Cited: 0 Commented: 0(p.1217-1225) <Full Text> <PPT> 1250

Chinese summary <23> 基于主動學習的可追蹤性自動化生(shēng)成方法

杜天保¹，沈國華^1,2,3，黃志(zhì)球^1,2,3，喻垚慎¹，吳德香¹
¹南(nán)京航空航天大(dà)學計算機學院，中(zhōng)國南(nán)京市，211106
²軟件新技術與産業化協同創新中(zhōng)心，中(zhōng)國南(nán)京市，210093
³南(nán)京航空航天大(dà)學安全關鍵軟件重點實驗室，中(zhōng)國南(nán)京市，211106

摘要：可追蹤性生(shēng)成（traceability link recovery，TLR）是一(yī)項重要且昂貴的軟件任務，需要開(kāi)發人員(yuán)在同一(yī)項目中(zhōng)建立源制品集合與目标制品集合之間的關系。之前研究提出通過機器學習創建可追蹤性方法。但是，當前機器學習方法無法很好地應用于沒有追蹤信息的項目，因爲訓練有效的預測模型需要人工(gōng)标記太多追蹤鏈。爲節省人力，提出一(yī)種基于主動學習（active learning，AL）的TLR方法，簡稱基于AL的方法。在7個常用可追蹤性數據集上評估該方法，并将其與基于信息檢索的方法和最新機器學習方法比較。結果表明，基于AL的方法在F-score方面優于其他兩種方法。

關鍵詞組：自動；可追蹤性生(shēng)成；人力；主動學習

Subway rail transit monitoring by built-in sensor platform of smartphone

Jian-li Cong, Ming-yuan Gao, Yuan Wang, Rong Chen, Ping Wang

DOI: 10.1631/FITEE.1900242 Downloaded: 3485 Clicked: 4924 Cited: 0 Commented: 0(p.1226-1238) <Full Text> <PPT> 1393

Chinese summary <22> 基于智能手機内置傳感器的地鐵軌道狀态監測

從建力^1,2，高鳴源^3,4，王源⁵，陳嵘^1,2，王平^1,2
¹西南(nán)交通大(dà)學土木工(gōng)程學院，中(zhōng)國成都市，610031
²高速鐵路線路工(gōng)程教育部重點實驗室，中(zhōng)國成都市，610031
³西南(nán)大(dà)學工(gōng)程技術學院，中(zhōng)國重慶市，400716
⁴智能傳動和控制工(gōng)程實驗室，中(zhōng)國重慶市，400716
⁵南(nán)方科技大(dà)學系統設計與智能制造學院，中(zhōng)國深圳市，518055

摘要：智能手機内置多種傳感器，可作爲一(yī)種智能傳感設備收集信息（如振動與位置）。本文提出一(yī)種方法，以智能手機爲傳感平台，通過開(kāi)發相應的應用軟件實時獲取車(chē)輛加速度、速度和位置信息，從而實現基于綠色理念的地鐵軌道狀态監測。通過智能手機和高精度傳感器現場試驗，根據檢測數據的标準差、Sperling指标和ISO-2631計權加速度驗證其準确性。結合無全球定位系統覆蓋的隧道環境坐标校準算法，提出一(yī)種車(chē)輛定位方法。基于時域積分(fēn)法，建立車(chē)輛縱向加速度與車(chē)輛運行區間裏程位置的關系，計算相鄰車(chē)站間的距離(lí)并與實際值比較。驗證了所提方法有效性，且證實該方法可用于無全球定位系統覆蓋的隧道環境。結果表明，站間距範圍内車(chē)輛位置誤差可控制在5%以内。該研究充分(fēn)利用智能手機，爲智能軌道交通領域人類生(shēng)活提供一(yī)種智能且環保的方法。

關鍵詞組：加速度數據；智能監測；内置傳感器；智能手機；地鐵

A fast integral sliding mode controller with an extended state observer for position control of permanent magnet synchronous motor servo systems

Jun-feng Jiang, Xiao-jun Zhou, Wei Zhao, Wei Li, Wen-dong Zhang

DOI: 10.1631/FITEE.1900298 Downloaded: 3347 Clicked: 5917 Cited: 0 Commented: 0(p.1239-1250) <Full Text> <PPT> 1591

Chinese summary <21> 一(yī)種用于交流永磁同步電機位置控制的帶有擴展狀态觀測器的快速積分(fēn)滑模控制器

姜俊峰^1,2，周曉軍^1,2，趙維³，李偉³，張文東⁴
¹浙江大(dà)學流體(tǐ)動力與機電系統國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學，浙江省先進制造技術重點實驗室，中(zhōng)國杭州市，310027
³西北(běi)機電工(gōng)程研究所，中(zhōng)國鹹陽市，712099
⁴北(běi)京靈思創奇科技有限公司，中(zhōng)國北(běi)京市，102200

摘要：交流永磁同步電機在位置控制中(zhōng)得到廣泛應用。然而由于内部不确定性和外(wài)部載荷幹擾，其性能經常不能滿足需求。爲提高交流永磁同步電機系統的控制性能，提出一(yī)種具有快速響應能力和強魯棒性的方法。首先，設計一(yī)個改進的積分(fēn)終端滑模控制器，該控制器具有快速滑模面和連續的趨近律。然後采用擴展狀态觀測器測量内部和外(wài)部擾動，從而用前饋補償方式抵消幹擾。與其他滑模控制算法相比，該方法響應快速，并具更強的魯棒性抵抗系統幹擾。同時，控制系統位置跟蹤誤差能在有限時間内收斂至0。仿真和實驗結果表明，該方法具有快速響應和強魯棒性，并保證高精度控制。

關鍵詞組：交流永磁同步電機；滑模控制器；擴張狀态觀測器；魯棒控制；運動控制

Efficient coherent detection of maneuvering targets based on location rotation transform and non-uniform fast Fourier transform

Ke Jin, Tao Lai, Yan-li Qi, Jie Huang, Yong-jun Zhao

DOI: 10.1631/FITEE.1900272 Downloaded: 6096 Clicked: 6878 Cited: 0 Commented: 0(p.1251-1266) <Full Text> <PPT> 1489

Chinese summary <24> 基于位置旋轉變換和非均勻快速傅立葉變換的機動目标高效相參檢測

靳科¹，賴濤²，齊豔麗³，黃潔¹，趙擁軍¹
¹國家數字交換系統工(gōng)程技術研究中(zhōng)心，中(zhōng)國鄭州市，450001
²中(zhōng)山大(dà)學電子與通信工(gōng)程學院，中(zhōng)國廣州市，510000
³安徽省質量和标準化研究院，中(zhōng)國合肥市，230000

摘要：長時間相參積累能夠顯著提升雷達對機動目标的檢測和運動參數估計性能。然而，相參積累期間目标的線性距離(lí)徙動、二次距離(lí)徙動和多普勒頻(pín)率徙動将導緻檢測性能急劇下(xià)降。提出基于位置旋轉變換和非均勻快速傅裏葉變換的高效穩健相參積累方法。首先，利用二階Keystone變換消除二次距離(lí)徙動。然後，利用旋轉角度和多普勒頻(pín)率之間的對應關系，構建相位補償函數，從而利用位置旋轉和非均勻快速傅裏葉變換實現高效的參數估計。與現有代表性算法相比，所提算法能以較低運算複雜(zá)度實現近乎理想的檢測性能。最後，基于雷達實測數據的實驗證明所提算法有效。

關鍵詞組：相參積累；機動目标；參數估計；位置旋轉變換；非均勻快速傅立葉變換