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.11 P.1535-1670

Cover:

<521>

Contents:

<490>

<<< CONTENTS >>>

Special Section on Model-Driven Software Development for Cyber-Physical Systems
(Editor-in-Chief: Zhiming LIU)

Perspective: Human-cyber-physical systems: concepts, challenges, and research opportunities

Zhiming Liu, Ji Wang

DOI: 10.1631/FITEE.2000537 Downloaded: 2715 Clicked: 4351 Cited: 0 Commented: 0(p.1535-1553) <Full Text> <PPT> 1338

Chinese summary <39> 人機物(wù)融合系統：概念、挑戰與研究機遇

劉志(zhì)明¹，王戟²
¹西南(nán)大(dà)學計算機與信息科學學院軟件研究與創新中(zhōng)心，中(zhōng)國重慶市，400715
²國防科技大(dà)學計算機學院高性能計算國家重點實驗室，中(zhōng)國長沙市，410073

摘要：回顧人機物(wù)融合系統的背景，介紹并澄清一(yī)些重要概念。從系統工(gōng)程角度探讨并提出建立人機物(wù)融合系統的科學基礎面臨的重要挑戰，包括：（1）複雜(zá)的異質性；（2）合适抽象的缺失；（3）大(dà)量異質黑盒子系統的動态集成；（4）複雜(zá)的功能、性能和服務質量方面的需求；（5）滿足需求的人機物(wù)融合系統的設計、實現和運維。爲應對以上挑戰，建議從4個方面開(kāi)展研究：（1）人機物(wù)融合系統的抽象與計算理論；（2）人機物(wù)融合系統體(tǐ)系架構的建模理論與方法；（3）模型性質的規約與驗證；（4）人機物(wù)融合系統的軟件定義方法與技術。最後，作爲本信息物(wù)理融合系統專題的編輯按語，簡介專題收錄的4篇文章。

關鍵詞組：抽象；體(tǐ)系架構建模；演化；軟件定義技術

Perspective: Emergence in cyber-physical systems: potential and risk

Shmuel Tyszberowicz, David Faitelson

DOI: 10.1631/FITEE.2000279 Downloaded: 1874 Clicked: 4287 Cited: 0 Commented: 0(p.1554-1566) <Full Text>

Chinese summary <28> 信息物(wù)理融合系統中(zhōng)的突現：潛力與風險

Shmuel TYSZBEROWICZ^1,2, David FAITELSON²
¹西南(nán)大(dà)學軟件研究與創新中(zhōng)心，中(zhōng)國重慶市，400715
²特拉維夫阿夫卡工(gōng)程學院軟件工(gōng)程系，以色列特拉維夫市，6998812

摘要：信息物(wù)理融合系統是集計算、通信、物(wù)理等組件的分(fēn)布式集合體(tǐ)，能夠感知(zhī)環境，通過算法評估收到的信息，并且影響其所在的物(wù)理環境。信息物(wù)理融合系統與其他複雜(zá)适應系統有相同的結構，也因此同樣承受突現可能帶來的有利與不利影響。突現是個體(tǐ)系統組件與環境交互引起的意料之外(wài)的模式。本文聚焦信息物(wù)理融合系統中(zhōng)關于突現的3個主要問題：如何成功利用突現，如何避免單個信息物(wù)理融合系統中(zhōng)的突現産生(shēng)的不利影響，以及如何避免同一(yī)環境中(zhōng)多個獨立開(kāi)發的信息物(wù)理融合系統間由意外(wài)交互引起的不利影響。本文回顧這些問題的研究現狀，并概述相關方法。

關鍵詞組：信息物(wù)理融合系統；突現行爲；複雜(zá)适應系統；共識主動性；歸類；數字孿生(shēng)

Review Article: A survey of model-driven techniques and tools for cyber-physical systems

Bo Liu, Yuan-rui Zhang, Xue-lian Cao, Yu Liu, Bin Gu, Tie-xin Wang

DOI: 10.1631/FITEE.2000311 Downloaded: 3189 Clicked: 4438 Cited: 0 Commented: 0(p.1567-1590) <Full Text> <PPT> 1250

Chinese summary <33> 信息物(wù)理融合系統的模型驅動構建技術與工(gōng)具綜述

劉波¹，張元睿¹，曹雪蓮¹，劉钰¹，顧斌^2,3，王鐵鑫⁴
¹西南(nán)大(dà)學計算機與信息科學學院軟件研究與創新中(zhōng)心，中(zhōng)國重慶市，400715
²北(běi)京控制工(gōng)程研究所，中(zhōng)國北(běi)京市，100190
³西北(běi)工(gōng)業大(dà)學計算機學院，中(zhōng)國西安市，710029
⁴南(nán)京航空航天大(dà)學計算機科學與技術學院，中(zhōng)國南(nán)京市，211106

摘要：信息物(wù)理融合系統（cyber-physical system，CPS）已成爲應對社會經濟可持續發展諸多挑戰性問題的潛在使能技術。自2006年CPS肇始至今的大(dà)量研究表明：CPS由大(dà)量異構子系統構成，其系統構建是一(yī)個困難且複雜(zá)的工(gōng)程。在既有的CPS構建實踐中(zhōng)，較之其他複雜(zá)系統設計方法，模型驅動方法展現出顯著優勢。鑒于此，本文針對CPS的模型驅動開(kāi)發方法展開(kāi)綜述：介紹當前模型驅動開(kāi)發中(zhōng)廣泛使用的方法、技術與工(gōng)具，并讨論其在CPS構建中(zhōng)的應用；同時，從建模語言、功能及應對CPS構建挑戰性問題的能力等方面，對比分(fēn)析這些技術與工(gōng)具。基于這些工(gōng)作，本文認爲：盡管模型驅動方法尚需持續改進其理論、技術與工(gōng)具，但其仍不失爲構建CPS的必由之路；此外(wài)，可支持不同建模方法的統一(yī)建模平台已是迫切需求，統一(yī)平台不僅有利于學術研究及工(gōng)業實踐活動，也利于提升工(gōng)業界與學術界的協作。

關鍵詞組：信息物(wù)理融合系統；模型驅動方法；系統建模；軟件工(gōng)程

Decentralized runtime enforcement for robotic swarms

Chi Hu, Wei Dong, Yong-hui Yang, Hao Shi, Fei Deng

DOI: 10.1631/FITEE.2000203 Downloaded: 2794 Clicked: 4115 Cited: 0 Commented: 0(p.1591-1606) <Full Text> <PPT> 1361

Chinese summary <26> 機器人集群的去(qù)中(zhōng)心化運行時強制方法

胡馳¹，董威¹，楊永輝²，史浩¹，鄧霏²
¹國防科技大(dà)學計算機學院，中(zhōng)國長沙市，410073
²中(zhōng)國工(gōng)程物(wù)理研究院計算機應用研究所，中(zhōng)國綿陽市，621999

摘要：機器人系統設計通常是自下(xià)而上的，這種開(kāi)發方式使機器人群體(tǐ)很容易受到環境影響。具體(tǐ)來說，目前廣泛使用的集群控制模型不能保證宏觀上群體(tǐ)任務的正确性，也不能保證微觀上機器人節點間交互的安全性。因此，爲确保機器人行爲在運行時的安全性，有必要考慮機器人集群系統在不确定環境下(xià)的複雜(zá)性質。運行時強制技術能确保狀态序列始終滿足給定性質，并且避免狀态爆炸的問題。雖然在其他領域出現了一(yī)些運行時強制的工(gōng)作，但目前還不能解決機器人集群問題。本文通過引入宏觀/微觀性質強制框架、防護器以及一(yī)個離(lí)散時間的強制機制（discrete-time enforcement，D-time強制）解決該問題。論述了領域規約語言和強制器合成算法，然後，将此方法應用到一(yī)個機器人集群仿真工(gōng)具robotflocksim中(zhōng)合成強制器。以無人機集群任務爲例實現了該方法，并對實驗效果進行讨論。

關鍵詞組：運行時強制；多層級性質；D-time強制；機器人集群

Architecture-level particular risk modeling and analysis for a cyber-physical system with AADL

Ming-rui Xiao, Yun-wei Dong, Qian-wen Gou, Feng Xue, Yong-hua Chen

DOI: 10.1631/FITEE.2000428 Downloaded: 3225 Clicked: 5607 Cited: 0 Commented: 0(p.1607-1625) <Full Text> <PPT> 1683

Chinese summary <25> 基于AADL的信息物(wù)理融合系統架構級特定風險建模與分(fēn)析

肖明睿¹，董雲衛¹，苟倩文¹，薛峰²，陳永華²
¹西北(běi)工(gōng)業大(dà)學計算機學院，中(zhōng)國西安市，710072
²南(nán)瑞集團有限公司（國網電力科學研究院有限公司），中(zhōng)國南(nán)京市，210000

摘要：信息物(wù)理融合系統在安全攸關領域的重要性日益增強。爲了在研發早期确保系統的可信屬性，特定風險分(fēn)析扮演了安全性評估工(gōng)作中(zhōng)的重要角色。人爲因素和物(wù)理環境是特定風險評估中(zhōng)最爲重要的組成部分(fēn)。因此，有必要綜合考慮人和物(wù)理環境的行爲特征進行安全性分(fēn)析。爲提高架構分(fēn)析與設計語言（AADL）的建模能力，提出一(yī)種新的特定風險模型，同時提出一(yī)種基于架構的特定風險分(fēn)析方法支持信息物(wù)理融合系統模型層面的安全性評估。爲實現特定風險模型的定量分(fēn)析，提出從特定風險模型到确定性随機Petri網模型的轉換方法。以電力系統中(zhōng)的安全穩定控制系統爲例，采用所提方法進行架構模型建模和特定風險分(fēn)析。

關鍵詞組：人-信息-物(wù)理融合系統；特定風險分(fēn)析；架構分(fēn)析與設計語言；确定性随機Petri網；特定風險模型

Regular Papers

Aggregated context network for crowd counting

Si-yue Yu, Jian Pu

DOI: 10.1631/FITEE.1900481 Downloaded: 2763 Clicked: 4387 Cited: 0 Commented: 0(p.1626-1638) <Full Text> <PPT> 1381

Chinese summary <24> 聚合上下(xià)文信息的人群計數

餘思悅¹，浦劍^1,2
¹華東師範大(dà)學計算機科學與技術學院，中(zhōng)國上海市，200062
²複旦大(dà)學類腦智能科學與技術研究院，中(zhōng)國上海市，200433

摘要：人群計數被大(dà)量應用于視頻(pín)監控、交通監控、彙編控制以及其它公共安全應用場景。上下(xià)文信息相關的透視扭曲和背景幹擾是影響人群計數準确性的兩個關鍵因素。區别于隻解決其中(zhōng)一(yī)種特定因素的傳統方法，本文提出一(yī)種人群計數網絡，其充分(fēn)聚合上下(xià)文信息，達到同時解決兩種因素的目的。提出一(yī)個多任務的全卷積網絡結構，學習人群密度估計和語義分(fēn)割輔助任務，前者通過提取多尺度和空間上下(xià)文信息學習人群密度圖，輔助語義分(fēn)割任務通過學習背景和前景信息，後期将語義分(fēn)割提取的信息融入人群密度估計任務。結果表明，提出的人群計數網絡具有較好的人群計數準确率；與其它方法相比，提出的方法在3個具有挑戰性的人群數據集上具有更高魯棒性。

關鍵詞組：人群計數；卷積神經網絡；密度估計；語義分(fēn)割；多任務學習

Latent source-specific generative factor learning for monaural speech separation using weighted-factor autoencoder

Jing-jing Chen, Qi-rong Mao, You-cai Qin, Shuang-qing Qian, Zhi-shen Zheng

DOI: 10.1631/FITEE.2000019 Downloaded: 3680 Clicked: 4255 Cited: 0 Commented: 0(p.1639-1650) <Full Text> <PPT> 1503

Chinese summary <24> 基于加權因子自動編碼器和潛在特定源生(shēng)成因子學習的單通道語音分(fēn)離(lí)

陳靜靜¹，毛啓容^1,2，秦友才¹，錢雙慶¹，鄭志(zhì)燊¹
¹江蘇大(dà)學計算機科學與通信工(gōng)程學院，中(zhōng)國鎮江市，212013
²江蘇省工(gōng)業網絡安全技術重點實驗室，中(zhōng)國鎮江市，212013

摘要：通過一(yī)系列基于自動編碼器的深度學習網絡結構，單通道語音分(fēn)離(lí)方法最近取得諸多進展，其使用編碼器将輸入信号壓縮爲中(zhōng)間特征，再把這些特征送入解碼器重構感興趣的特定音頻(pín)源。然而，這些方法既無法爲單通道語音分(fēn)離(lí)學習原始輸入的生(shēng)成因子，也無法構造混合語音中(zhōng)的所有音頻(pín)源。本文提出一(yī)個新的加權因子自動編碼器模型，在目标函數中(zhōng)引入正則化損失以約束目标源，摒除其他信号源。通過在分(fēn)離(lí)層中(zhōng)引入潛在注意力機制和監督源構造器，加權因子自動編碼器可爲每一(yī)個信号源習得特定于源的生(shēng)成因子和一(yī)組鑒别性特征，從而提升單通道語音分(fēn)離(lí)性能。在基準數據集上的實驗表明所提方法優于現有方法。就3個重要指标而言，加權因子自動編碼器在相對更具挑戰性的任務（與說話(huà)人無關的單通道語音分(fēn)離(lí)）上取得巨大(dà)成功。

關鍵詞組：語音分(fēn)離(lí)；生(shēng)成因子；自動編碼器；深度學習

Secure analysis on artificial-noise-aided simultaneous wireless information and power transfer systems

Wei-min Hou, Qing-shan Tang

DOI: 10.1631/FITEE.2000083 Downloaded: 2359 Clicked: 4536 Cited: 0 Commented: 0(p.1651-1660) <Full Text> <PPT> 1379

Chinese summary <21> 人工(gōng)噪聲輔助的無線攜能系統安全分(fēn)析

侯衛民¹，唐青善²
¹河北(běi)科技大(dà)學信息科學與工(gōng)程學院，中(zhōng)國石家莊市，050018
²長沙理工(gōng)大(dà)學物(wù)理與電子科學學院，中(zhōng)國長沙市，410114

摘要：本文在無線攜能（SWIPT）系統中(zhōng)研究通過人工(gōng)噪聲輔助的保密中(zhōng)斷性能。假設信源裝備多根天線，而合法接收者和竊密者均隻有一(yī)根天線。具體(tǐ)而言，信源的發射信号由兩部分(fēn)組成：第一(yī)部分(fēn)是信息符号；第二部分(fēn)是給竊密者的噪聲。爲了不在合法接收端産生(shēng)噪聲幹擾，根據信源和合法接收者之間的實時信道狀态，發射信号裏的這兩部分(fēn)被調制到兩個正交的維度上。本文采用高斯-拉格瑞（GLQ）求積公式，求得保密中(zhōng)斷概率（SOP）的一(yī)個近似閉式表達式。在這個表達式裏，本文得到的近似SOP與準确SOP之間的誤差會随着GLQ的求和項增多而逐漸消失。爲得到這個SWIPT系統的保密分(fēn)集增益和保密陣列增益，求取SOP的漸近結果。在高信噪比下(xià)，這個漸進SOP非常準确。在竊密者信幹噪比相對較小(xiǎo)情況下(xià)，還求得SOP的一(yī)個具有魯棒性精度的近似表達式。最後，運用蒙特卡羅數值仿真驗證所得閉式表達式的準确性。

關鍵詞組：人工(gōng)噪聲；多天線系統；保密中(zhōng)斷概率；無線攜能

An artificial intelligence enhanced star identification algorithm

Hao Wang, Zhi-yuan Wang, Ben-dong Wang, Zhuo-qun Yu, Zhong-he Jin, John L. Crassidis

DOI: 10.1631/FITEE.1900590 Downloaded: 2423 Clicked: 4172 Cited: 0 Commented: 0(p.1661-1670) <Full Text> <PPT> 1397

Chinese summary <26> 一(yī)種基于人工(gōng)智能的星圖識别算法

王昊¹，王志(zhì)遠¹，王本冬¹，于卓群¹，金仲和¹，John L.CRASSIDIS²
¹浙江大(dà)學航空航天學院，中(zhōng)國杭州市，310027
²紐約州立大(dà)學布法羅分(fēn)校機械與航天工(gōng)程系，美國紐約州艾摩斯特市，14260-4400

摘要：針對星敏感器在姿态失鎖狀态下(xià)的星圖識别問題，提出一(yī)種基于人工(gōng)智能的星圖識别算法。該方法基于Vgg16的卷積神經網絡模型對星圖分(fēn)類。爲達到最優性能，構建了一(yī)個星圖訓練集。仿真結果表明該算法對星圖識别問題中(zhōng)的多種噪聲具有強魯棒性，包括星點位置噪聲、星等噪聲、僞星以及星敏感器角速度。在多種噪聲影響下(xià)，該方法的識别率依然保持在96%，相比傳統的金字塔形算法和栅格算法有顯著提升。

關鍵詞組：星敏感器；姿态失鎖；星圖識别；卷積神經網絡