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

2021 Vol.22 No.6 P.767-914

Cover:

<422>

Contents:

<396>

<<< CONTENTS >>>

Special Feature on High-Throughput Millimeter-Wave Wireless Communications
(Guest Editor-in-Chief: Wei HONG; Guest Editor-in-Chief Assistants: Guangrong YUE and Haiming WANG; Guest Editors: Xiaohu GE, etc.)

A general altitude-dependent path loss model for UAV-to-ground millimeter-wave communications

Qiuming Zhu, Mengtian Yao, Fei Bai, Xiaomin Chen, Weizhi Zhong, Boyu Hua, Xijuan Ye

DOI: 10.1631/FITEE.2000497 Downloaded: 2996 Clicked: 4182 Cited: 0 Commented: 0(p.767-776) <Full Text> <PPT> 1311

Chinese summary <28> 一(yī)種與高度相關的無人機對地毫米波傳播損耗模型

朱秋明^1,2，姚夢恬¹，柏菲¹，陳小(xiǎo)敏¹，仲偉志(zhì)³，華博宇¹，葉溪娟¹
¹南(nán)京航空航天大(dà)學電子信息工(gōng)程學院電磁頻(pín)譜空間認知(zhī)動态系統工(gōng)信部重點實驗室，中(zhōng)國南(nán)京市，211106
²西安電子科技大(dà)學綜合業務網理論及關鍵技術國家重點實驗室，中(zhōng)國西安市，710000
³南(nán)京航空航天大(dà)學航天學院電磁頻(pín)譜空間認知(zhī)動态系統工(gōng)信部重點實驗室，中(zhōng)國南(nán)京市，211106
摘要：提出一(yī)種通用的空地毫米波傳播損耗模型。與現有傳播損耗模型不同，本模型考慮了無人機高度因素，并将傳播類型分(fēn)爲3種情況（視距、反射和繞射）。同時，提出一(yī)種結合射線追蹤技術和數字地圖的确定性傳播損耗預測算法，并用于不同場景下(xià)生(shēng)成大(dà)量數據。通過拟合分(fēn)析不同場景和無人機高度下(xià)的傳播損耗數據，得到與高度相關的模型參數。仿真結果表明，所提模型在低空和高空情況下(xià)都能準确預測傳播損耗。相比3GPP模型和CI模型，所提模型的預測結果與射線追蹤計算結果更加一(yī)緻，标準偏差更小(xiǎo)。此外(wài)，本文模型能通過仿真或測量數據進行參數調整，從而擴展到其他空地通信場景。

關鍵詞組：傳播損耗；無人機對地信道；毫米波通信信道；射線追蹤；高度相關

Prior information based channel estimation for millimeter-wave massive MIMO vehicular communications in 5G and beyond

Zhao Yi, Weixia Zou, Xuebin Sun

DOI: 10.1631/FITEE.2000515 Downloaded: 3808 Clicked: 4762 Cited: 0 Commented: 0(p.777-789) <Full Text> <PPT> 1262

Chinese summary <24> 基于先驗信息的5G及後5G毫米波大(dà)規模多入多出車(chē)載通信信道估計

易钊¹，鄒衛霞^1,2，孫學斌¹
¹北(běi)京郵電大(dà)學泛網無線通信教育部重點實驗室，中(zhōng)國北(běi)京市，100876
²東南(nán)大(dà)學毫米波國家重點實驗室，中(zhōng)國南(nán)京市，210096
摘要：毫米波（mmWave）被認爲是5G及後5G高帶寬車(chē)載通信的可行解決方案。爲實現在未來車(chē)輛通信中(zhōng)的應用，魯棒的毫米波車(chē)載網絡非常重要。然而，一(yī)個挑戰是，毫米波應在車(chē)輛或車(chē)輛到基礎設施（V2I）之間提供高速和超高速數據交換。此外(wài)，由于車(chē)輛的高速移動引起毫米波信道快速變化，傳統的實時信道估計方案難以實現。針對這些問題，提出一(yī)種毫米波V2I車(chē)輛通信信道估計方法。首先考慮快速運動的車(chē)輛場景，建立相應的快速時變信道數學模型。然後，利用基站與每個移動用戶之間的時間變化規律和确定的到達方向，預測時變信道先驗信息（PI）。最後，利用PI和信道特性對時變信道進行估計。仿真結果表明，在毫米波時變車(chē)載通信系統中(zhōng)，該方案在歸一(yī)化均方誤差和和率性能上均優于傳統方案。

關鍵詞組：大(dà)規模多入多出；毫米波；信道估計；車(chē)輛通信；時變

Forward link outage performance of aeronautical broadband satellite communications

Huaicong Kong, Min Lin, Shiwen He, Xiaoyu Liu, Jian Ouyang, Weiping Zhu

DOI: 10.1631/FITEE.2000445 Downloaded: 3634 Clicked: 4291 Cited: 0 Commented: 0(p.790-801) <Full Text> <PPT> 1593

Chinese summary <27> 航空寬帶衛星通信系統前向鏈路中(zhōng)繼性能分(fēn)析

孔槐聰¹，林敏¹，何世文^2,3，劉笑宇¹，歐陽鍵¹，朱衛平^1,4
¹南(nán)京郵電大(dà)學通信與信息工(gōng)程學院，中(zhōng)國南(nán)京市，210003
²中(zhōng)南(nán)大(dà)學計算機科學與工(gōng)程學院，中(zhōng)國長沙市，410083
³紫金山實驗室，中(zhōng)國南(nán)京市，210096
⁴康考迪亞大(dà)學電氣與計算機工(gōng)程系，加拿大(dà)蒙特利爾，QC H3G 1M8
摘要：高通量衛星系統可以滿足未來高速率和大(dà)帶寬的需求，在毫米波航空通信中(zhōng)扮演着重要角色。研究了航空寬帶衛星通信系統前向鏈路的中(zhōng)斷性能，其中(zhōng)從信關站到衛星的饋線鏈路使用自由空間光通信傳輸，從衛星到飛機的用戶鏈路則在毫米波頻(pín)段工(gōng)作。特别地，在用戶鏈路中(zhōng)，高通量衛星采用點波束技術，并在飛機上部署大(dà)型天線陣列。首先，在采用放(fàng)大(dà)轉發協議情況下(xià)，提出一(yī)種基于位置的波束成形方案，使得平均輸出信噪比最大(dà)，并且此方案适用于相控陣。然後，假設饋電鏈路服從伽馬-伽馬分(fēn)布，而用戶鏈路經曆陰影萊斯衰落，同時考慮相位誤差影響，推導出系統的中(zhōng)斷概率閉合表達式。爲獲得分(fēn)集度和編碼增益，進一(yī)步推導了高信噪比情況下(xià)的漸近中(zhōng)斷表達式。最後，數值仿真驗證了理論分(fēn)析的有效性，并揭示相位誤差對系統中(zhōng)斷性能的影響。

關鍵詞組：航空寬帶衛星網絡；自由空間光傳輸；高通量毫米波通信；中(zhōng)斷概率；相位誤差

Regular Papers

Review Article: Decentralized multi-agent reinforcement learning with networked agents: recent advances

Kaiqing Zhang, Zhuoran Yang, Tamer Başar

DOI: 10.1631/FITEE.1900661 Downloaded: 4532 Clicked: 5312 Cited: 0 Commented: 0(p.802-814) <Full Text>

Chinese summary <26> 帶有網絡智能體(tǐ)的去(qù)中(zhōng)心化多智能體(tǐ)強化學習進展

張凱清¹，楊卓然²，Tamer Başar¹
¹伊利諾伊大(dà)學香槟分(fēn)校協調科學實驗室，美國伊利諾伊州，61801
²普林斯頓大(dà)學運籌學與金融工(gōng)程系，美國新澤西州，08544
摘要：多智能體(tǐ)強化學習長期以來一(yī)直是機器學習和控制領域的重要研究課題。最近在（單智能體(tǐ)）深度強化學習領域的進展重新喚醒了對多智能體(tǐ)強化學習的研究興趣，尤其在理論分(fēn)析方面。本文回顧這個大(dà)課題中(zhōng)的一(yī)個子領域：帶有網絡智能體(tǐ)的去(qù)中(zhōng)心化多智能體(tǐ)強化學習。在這一(yī)場景中(zhōng)，多個智能體(tǐ)在一(yī)個共同的環境中(zhōng)進行序貫決策，無需中(zhōng)心控制器的協調，且智能體(tǐ)被允許和它們在通信網絡上的鄰居交換信息。這樣的一(yī)個模型在很多方向都有相關應用，包括機器人控制、無人車(chē)控制、移動傳感器網絡控制、智能電網，等等。本綜述旨在覆蓋和整理我(wǒ)們和其他科研人員(yuán)在這一(yī)方向的相關工(gōng)作。我(wǒ)們希望該綜述能夠激發更多研究熱情，投入到這個激動人心卻又(yòu)充滿挑戰的領域。

關鍵詞組：強化學習；多智能體(tǐ)系統；網絡系統；一(yī)緻性優化；分(fēn)布式優化；博弈論

Review Article: A survey on indoor 3D modeling and applications via RGB-D devices

Zhilu Yuan, You Li, Shengjun Tang, Ming Li, Renzhong Guo, Weixi Wang

DOI: 10.1631/FITEE.2000097 Downloaded: 3854 Clicked: 4424 Cited: 0 Commented: 0(p.815-826) <Full Text> <PPT> 1469

Chinese summary <26> 基于RGB-D傳感器的室内三維建模及應用研究綜述

原志(zhì)路¹，李遊¹，湯聖君¹，李明²，郭仁忠¹，王偉玺¹
¹深圳大(dà)學建築與城市規劃學院，智慧城市研究院，粵港澳大(dà)灣區智慧城市聯合實驗室，自然資(zī)源部監測與仿真重點實驗室，中(zhōng)國深圳市，518060
²測繪與遙感信息工(gōng)程國家重點實驗室，中(zhōng)國武漢市，430079
摘要：随着消費(fèi)級RGB-D攝像機的快速發展，真實世界的室内三維場景建模和機器人應用越來越受到重視。然而，室内三維場景建模仍具有挑戰性，因室内物(wù)體(tǐ)結構可能具有較高複雜(zá)性，在此情況下(xià)，消費(fèi)者級傳感器采集的RGB-D數據質量需進一(yī)步提升。近年來，在提高消費(fèi)者級傳感器采集的RGB-D數據質量方面，有很多值得關注的研究。本文介紹了室内場景建模方法的最新進展、室内公共數據集和庫以及RGB-D設備的典型應用，包括室内定位和緊急疏散。

關鍵詞組：三維室内制圖；RGB-D；室内定位；施工(gōng)監測；應急疏散

Received signal strength based indoor positioning algorithm using advanced clustering and kernel ridge regression

Yanfen Le, Hena Zhang, Weibin Shi, Heng Yao

DOI: 10.1631/FITEE.2000093 Downloaded: 2762 Clicked: 4524 Cited: 0 Commented: 0(p.827-838) <Full Text> <PPT> 1463

Chinese summary <22> 基于改進型分(fēn)簇和核嶺回歸的RSS室内定位算法

樂燕芬，張賀娜，施偉斌，姚恒
上海理工(gōng)大(dà)學光電信息與計算機工(gōng)程學院，中(zhōng)國上海市，200093
摘要：智能移動設備和無線傳感器網絡相關技術的融合發展，使得基于位置的服務受到廣泛關注。如何利用無線信号在室内複雜(zá)環境下(xià)實時獲得理想的定位精度，成爲當前研究熱點之一(yī)。提出一(yī)種基于接收信号強度（RSS, received signal strength）的位置指紋定位算法。該算法分(fēn)爲離(lí)線和在線階段。離(lí)線階段采用一(yī)種改進的分(fēn)簇方法，采用K中(zhōng)心點分(fēn)簇算法，把物(wù)理位置位于簇外(wài)邊緣的參考點加入簇指紋庫，使得參考位置點的RSS信号特性與物(wù)理位置結合。在線定位時，基于簇匹配的粗定位與簇内二次精确定位結合。簇内定位采用基于核嶺回歸的算法，通過核函數實現RSS信号特性與物(wù)理位置非線性關系挖掘，同時算法在簇内成員(yuán)中(zhōng)進行，減小(xiǎo)了時間複雜(zá)度。通過兩個典型室内環境下(xià)的定位實驗，探究了基于RSS信号強度和覆蓋向量的兩種分(fēn)簇和簇匹配準則對算法性能的影響，以及不同環境下(xià)參數的選擇，驗證了所提算法的定位性能。

關鍵詞組：室内定位；接收信号強度（RSS）指紋；核嶺回歸；簇匹配；改進型分(fēn)簇

Joint tracking and classification of extended targets with complex shapes

Liping Wang, Ronghui Zhan, Yuan Huang, Jun Zhang, Zhaowen Zhuang

DOI: 10.1631/FITEE.2000061 Downloaded: 3271 Clicked: 4037 Cited: 0 Commented: 0(p.839-861) <Full Text> <PPT> 1261

Chinese summary <26> 複雜(zá)形狀的擴展目标聯合跟蹤與分(fēn)類

王麗萍，占榮輝，黃源，張軍，莊钊文
國防科技大(dà)學自動目标識别重點實驗室，中(zhōng)國長沙市，410073
摘要：本文解決具有複雜(zá)形狀的單擴展目标聯合跟蹤與分(fēn)類（joint tracking and classification, JTC）問題。爲描述複雜(zá)形狀，首先利用随機超曲面模型（random hypersurface model, RHM）将空間擴展狀态建模爲星凸形狀，并将其作爲目标分(fēn)類的特征信息。利用兩個向量對目标狀态建模，以減輕高維狀态空間和嚴重非線性觀測模型對目标狀态估計的影響，并利用歸一(yī)化傅立葉描述子的歐氏距離(lí)度量獲得類别概率更新的解析解。因此，該方法被稱爲"JTC-RHM方法"。此外(wài)，爲解決檢測不确定和雜(zá)波情況下(xià)的單擴展目标JTC問題，将所提JTC-RHM方法整合到Bernoulli濾波框架中(zhōng)，提出JTC-RHM-Ber濾波算法。特别地，推導了該濾波算法的遞推表達式。仿真結果表明：（1）與基于随機矩陣模型的JTC算法相比，所提JTC-RHM方法能更準确地對不同形狀、相似大(dà)小(xiǎo)的目标進行分(fēn)類；（2）與基于星凸RHM的擴展目标跟蹤算法相比，所提算法對目标狀态性能估計更優；（3）所提JTC-RHM-Ber濾波算法在狀态檢測和估計方面具有良好性能，能夠正确地實現目标分(fēn)類。

關鍵詞組：擴展目标；傅裏葉描述子；聯合跟蹤與分(fēn)類；随機超曲面模型；伯努利濾波器

Fractional-order memristive neural synaptic weighting achieved by pulse-based fracmemristor bridge circuit

Yifei Pu, Bo Yu, Qiuyan He, Xiao Yuan

DOI: 10.1631/FITEE.2000085 Downloaded: 2954 Clicked: 4160 Cited: 0 Commented: 0(p.862-876) <Full Text> <PPT> 1310

Chinese summary <24> 基于脈沖分(fēn)憶抗橋電路的分(fēn)數階記憶性神經突觸加權

蒲亦非¹，餘波^1,2，何秋燕¹，袁曉³
¹四川大(dà)學計算機學院（軟件學院），中(zhōng)國成都市，610065
²成都師範學院物(wù)理與工(gōng)程技術學院，中(zhōng)國成都市，611130
³四川大(dà)學電子信息學院，中(zhōng)國成都市，610065
摘要：提出一(yī)種新穎的分(fēn)數階記憶性神經突觸加權電路。與以往大(dà)多數整數階神經突觸加權電路不同，該分(fēn)數階記憶性神經突觸加權電路具有許多重要優點。由于憶阻的概念已從經典的整數階憶阻推廣到分(fēn)數階憶阻（分(fēn)憶抗），分(fēn)憶抗能否實現分(fēn)數階記憶性突觸成爲一(yī)個具有挑戰性的理論問題。本文研究利用脈沖分(fēn)憶抗橋電路實現的分(fēn)數階記憶性神經突觸加權電路的特點。首先，利用基于脈沖的分(fēn)憶抗橋電路設計分(fēn)數階記憶性神經突觸加權電路結構。其次，從數學上證明分(fēn)數階記憶性神經突觸加權電路的分(fēn)數階學習能力。最後，通過實驗研究分(fēn)數階記憶性神經突觸加權電路的電特性。分(fēn)數階記憶性神經突觸加權電路在解釋學習和記憶基礎的細胞機制方面具有很強的能力，優于傳統的整數階神經突觸加權電路，是該電路的主要優勢。

關鍵詞組：分(fēn)數階微積分(fēn)；分(fēn)憶抗；分(fēn)憶抗值；分(fēn)數階憶阻；分(fēn)數階記憶性突觸

Improved dynamic grey wolf optimizer

Xiaoqing Zhang, Yuye Zhang, Zhengfeng Ming

DOI: 10.1631/FITEE.2000191 Downloaded: 3915 Clicked: 4025 Cited: 0 Commented: 0(p.877-890) <Full Text> <PPT> 1179

Chinese summary <22> 改進的動态灰狼優化算法

張小(xiǎo)青^1,2，張玉葉¹，明正峰²
¹鹹陽師範學院物(wù)理與電子工(gōng)程學院，中(zhōng)國鹹陽市，712000
²西安電子科技大(dà)學機電工(gōng)程學院，中(zhōng)國西安市，710071
摘要：在标準灰狼優化算法（GWO）中(zhōng)，搜索狼必須等到其他搜索狼與3個領導狼之間的比較完成後才能更新其當前位置矢量。正因爲有此等待時間，标準GWO被視爲靜态GWO。爲消除這種等待時間，提出兩種動态GWO算法：第一(yī)種動态灰狼優化算法（DGWO1）和第二種動态灰狼優化算法（DGWO2）。在動态GWO算法中(zhōng)，當前搜索狼不需要等待所有其他搜索狼與領導狼的比較，在完成自身或前一(yī)匹搜索狼與領導狼的比較後，即可更新其位置矢量。動态GWO算法及時更新搜索狼的位置，提高了算法叠代收斂速度。以動态GWO算法結構爲基礎，對其他改進GWO算法也進行了一(yī)定的性能測驗。實驗證明，對同一(yī)改進GWO算法，以動态GWO結構爲基礎時的性能總體(tǐ)上優于以靜态GWO結構爲基礎時的性能。

關鍵詞組：群智能；灰狼優化算法；動态灰狼優化算法；優化實驗

Post-quantum blind signcryption scheme from lattice

Huifang Yu, Lu Bai

DOI: 10.1631/FITEE.2000099 Downloaded: 3382 Clicked: 4094 Cited: 0 Commented: 0(p.891-901) <Full Text> <PPT> 1302

Chinese summary <22> 後量子安全的格盲簽密方案

俞惠芳，白(bái)璐
西安郵電大(dà)學網絡空間安全學院，中(zhōng)國西安市，710121
摘要：盲簽密能夠保證簽密消息的盲性和不可追蹤性，可以同時實現盲簽名和公鑰加密。大(dà)多數盲簽密都是基于傳統數論問題。随着量子計算技術的發展，傳統盲簽密面臨着嚴峻的安全威脅。作爲有前途的抗量子計算候選密碼系統，格密碼系統在學術領域引起越來越多關注。本文通過将盲簽密應用于格密碼系統，提出一(yī)種後量子安全的格盲簽密方案（PQ-LBSCS）。PQ-LBSCS具有格密碼體(tǐ)制和盲簽密技術的優點。在标準模型中(zhōng)PQ-LBSCS基于帶錯誤學習問題和小(xiǎo)整數解問題被證明是安全的。Matlab仿真結果表明PQ-LBSCS比已有方案更高效。PQ-LBSCS安全性強、計算效率高，使其在電子商(shāng)務、移動通信、智能卡等領域具有廣泛應用前景。

關鍵詞組：格密碼系統；盲簽密；抗量子計算；帶錯誤學習問題；最短向量問題

Video summarization with a graph convolutional attention network

Ping Li, Chao Tang, Xianghua Xu

DOI: 10.1631/FITEE.2000429 Downloaded: 4224 Clicked: 4139 Cited: 0 Commented: 0(p.902-913) <Full Text> <PPT> 1377

Chinese summary <23> 基于圖卷積注意力網絡的視頻(pín)摘要方法

李平^1,2，唐超¹，徐向華¹
¹杭州電子科技大(dà)學計算機學院，中(zhōng)國杭州市，310018
²南(nán)京大(dà)學計算機軟件新技術國家重點實驗室，中(zhōng)國南(nán)京市，210023
摘要：視頻(pín)摘要已成爲生(shēng)成濃縮簡潔視頻(pín)的一(yī)種基礎技術，該技術有利于管理和浏覽大(dà)規模視頻(pín)數據。已有方法并未充分(fēn)考慮各視頻(pín)幀之間的局部和全局關系，導緻摘要性能下(xià)降。提出一(yī)種基于圖卷積注意力網絡（graph convolutional attention network, GCAN）的視頻(pín)摘要方法。GCAN由嵌入學習和上下(xià)文融合兩部分(fēn)組成，其中(zhōng)嵌入學習包括時序分(fēn)支和圖分(fēn)支。具體(tǐ)而言，GCAN使用空洞時序卷積對局部線索和時序自注意力建模，能有效利用各視頻(pín)幀的全局線索；同時利用多層圖卷積網絡學習圖嵌入，反映視頻(pín)幀樣本的本征結構。上下(xià)文融合部分(fēn)将時序分(fēn)支和圖分(fēn)支的輸出信息流合并形成視頻(pín)幀的上下(xià)文表示，然後計算其重要性得分(fēn)，據此選擇具有代表性的幀，生(shēng)成視頻(pín)摘要。在兩個基準數據集SumMe和TVSum上的實驗結果表明，相比其他多種先進方法，GCAN方法在3種不同評測環境下(xià)取得更優越的性能。

關鍵詞組：時序學習；自注意力機制；圖卷積網絡；上下(xià)文融合；視頻(pín)摘要

Erratum: Erratum to: Latent discriminative representation learning for speaker recognition

Duolin Huang, Qirong Mao, Zhongchen Ma, Zhishen Zheng, Sidheswar Routray, Elias-Nii-Noi Ocquaye

DOI: 10.1631/FITEE.19e0690 Downloaded: 2070 Clicked: 3173 Cited: 0 Commented: 0(p.914-914) <Full Text>