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

2022 Vol.23 No.4 P.511-660

Cover:

<240>

Contents:

<231>

<<< CONTENTS >>>

Special Feature on Application of Artificial Intelligence in Space Environment and Spacecraft
(Guest Editor-in-Chief: Weimin BAO; Editor-in-Chief Assistant: Chun YIN; Guest Editors: Xuegang HUANG, Wei YI, Sara DADRAS)

Editorial: Artificial intelligence in impact damage evaluation of space debris for spacecraft

Weimin BAO, Chun YIN, Xuegang HUANG, Wei YI, Sara DADRAS

DOI: 10.1631/FITEE.2220000 Downloaded: 1577 Clicked: 1873 Cited: 0 Commented: 0(p.511-514) <Full Text>

Vibration-based hypervelocity impact identification and localization

Jiao BAO, Lifu LIU, Jiuwen CAO

DOI: 10.1631/FITEE.2000483 Downloaded: 3781 Clicked: 6658 Cited: 0 Commented: 0(p.515-529) <Full Text>

Chinese summary <27> 基于振動的超高速碰撞識别與定位

包姣¹，劉力夫²，曹九穩^2,3
¹成都工(gōng)業學院計算機工(gōng)程學院，中(zhōng)國成都市，611730
²杭州電子科技大(dà)學浙江省機器學習與健康國際合作基地，中(zhōng)國杭州市，310018
³杭州電子科技大(dà)學人工(gōng)智能研究院，中(zhōng)國杭州市，310018
摘要：超高速碰撞（HVI）振動源識别與定位在載人航天器防護、機床碰撞損傷檢測與定位等領域有着廣泛應用。本文研究了基于同步壓縮變換（SST）和紋理顔色分(fēn)布（TCD）的沖擊圖像HVI源識别和定位算法。提出基于SST和TCD圖像特征融合的HVI圖像表示方法。爲實現更精确的檢測和定位，通過關聯和評估樣本标簽與特征維度之間的相似性，獲得最優選擇性特征OS_SST+TCD。将常用的分(fēn)類和回歸模型通過投票和堆疊融合，實現最終的檢測和定位。基于所采集的3種高速子彈撞擊鋁合金闆産生(shēng)的HVI數據，驗證了所提算法的有效性。實驗結果表明本文提出的HVI識别與定位算法具有更高精準度。最後基于傳感器分(fēn)布，提出一(yī)種精确的四圓質心定位算法用于HVI源坐标定位。

關鍵詞組：集成學習；同步壓縮變換；灰度共生(shēng)矩陣；圖像熵；距離(lí)估計

Variational Bayesian multi-sparse component extraction for damage reconstruction of space debris hypervelocity impact

Xuegang HUANG, Anhua SHI, Qing LUO, Jinyang LUO

DOI: 10.1631/FITEE.2000575 Downloaded: 5830 Clicked: 6307 Cited: 0 Commented: 0(p.530-541) <Full Text> <PPT> 314

Chinese summary <25> 基于變分(fēn)貝葉斯多稀疏成分(fēn)提取的空間碎片超高速撞擊損傷重構方法研究

黃雪剛，石安華，羅慶，羅錦陽
中(zhōng)國空氣動力研究與發展中(zhōng)心超高速空氣動力研究所，中(zhōng)國綿陽市，621000
摘要：爲提高在軌航天器抵禦空間碎片撞擊的生(shēng)存能力，提出一(yī)種撞擊損傷評估方法。首先，建立一(yī)個針對紅外(wài)熱圖像序列數據的多區域損傷挖掘模型，用于描述處于不同空間層的撞擊損傷。采用變分(fēn)貝葉斯推理來求解模型參數，從而有效地從紅外(wài)熱圖像數據中(zhōng)識别不同類型撞擊損傷。然後，提出一(yī)種圖像處理框架，包括具有能量函數的圖像分(fēn)割算法和具有稀疏表示的圖像融合方法，以消除變異貝葉斯誤差并比較不同類型損傷的位置。在試驗部分(fēn)，将上述方法用于評估二次碎片雲對Whipple防護結構的複雜(zá)撞擊損傷。實驗結果證明本文提出的方法可以對空間碎片超高速撞擊造成的不同類型複雜(zá)損傷進行有效識别與評估。

關鍵詞組：超高速撞擊；變分(fēn)貝葉斯；稀疏表示；損傷評估

Damage quantitative assessment of spacecraft in a large-size inspection

Kuo ZHANG, Jianliang HUO, Shengzhe WANG, Xiao ZHANG, Yiting FENG

DOI: 10.1631/FITEE.2000733 Downloaded: 2574 Clicked: 2722 Cited: 0 Commented: 0(p.542-554) <Full Text> <PPT> 279

Chinese summary <24> 大(dà)尺寸檢查中(zhōng)航天器損傷定量評估

張闊¹，霍建亮²，王升哲²，張枭²，馮怡婷¹
¹電子科技大(dà)學自動化工(gōng)程學院，中(zhōng)國成都市，611731
²西南(nán)技術物(wù)理研究所，中(zhōng)國成都市，610041
摘要：爲保證航天器在多次航天任務中(zhōng)的安全性和可靠性，需要對航天器進行原位無損檢測，判斷微流星體(tǐ)和軌道碎片超高速撞擊造成的損傷。本文提出一(yī)種創新的基于損傷重建圖像拼接技術的定量損傷評估方法。首先，應用高斯混合模型聚類算法提取損傷特征突出的圖像。然後，提出基于ORB特征提取算法和改進的具有自适應阈值選擇的估計樣本一(yī)緻性（MSAC）算法的圖像拼接方法，可創建用于損傷檢測的大(dà)規模拼接圖像。最後，對損傷特征區域進行分(fēn)割和提取，生(shēng)成拼接圖像。通過計算質心位置和周長定量參數确定損傷區域的位置并判斷損傷程度。實驗結果驗證了所提方法的有效性和适用性。

關鍵詞組：超高速撞擊；損傷信息提取；圖像拼接；損傷定位；定量評估

Dynamic modeling and damage analysis of debris cloud fragments produced by hypervelocity impacts via image processing

Ru ZENG, Yan SONG, Weizhen LV

DOI: 10.1631/FITEE.2100049 Downloaded: 2261 Clicked: 2649 Cited: 0 Commented: 0(p.555-570) <Full Text> <PPT> 289

Chinese summary <25> 基于圖像處理的超高速撞擊碎片雲的動态建模與損傷估計

曾入，宋燕，呂偉臻
上海理工(gōng)大(dà)學控制科學與工(gōng)程系，中(zhōng)國上海市，200093
摘要：由于難以從實驗中(zhōng)獲得高質量碎片雲圖像，對薄闆上超高速撞擊産生(shēng)的碎片雲進行軌迹建模和有效損傷估計一(yī)直是一(yī)項具有挑戰性的任務。爲提高超高速撞擊對典型雙層闆防護結構損傷的估計精度，本文結合傳統數值分(fēn)析結果，利用圖像處理技術，研究了連續陰影圖中(zhōng)碎片雲的分(fēn)布特征。本文的目标是從圖像處理獲取的陰影圖中(zhōng)提取碎片雲的目标運動參數，并構建軌迹模型用來估計損傷。在超高速撞擊實驗中(zhōng)，我(wǒ)們從超高速序列激光陰影成像設備中(zhōng)獲得8個連續陰影圖片幀，從中(zhōng)選擇4個具有代表性的幀用于後續特征分(fēn)析。然後，利用去(qù)噪和分(fēn)割等圖像處理技術，從連續圖像幀中(zhōng)提取特殊碎片特征。在提取的信息基礎上，進行碎片圖像匹配，并根據匹配的碎片對碎片雲的軌迹進行建模。本文方法獲得的結果與傳統數值推導結果的對比表明，從圖像處理中(zhōng)獲取超高速撞擊實驗數據的方法可以爲改進數值模拟方法提供關鍵信息。最後，基于所構建的模型，提出一(yī)種改進的後壁損傷估計方法。估計的損壞與後牆實際損壞情況的對比證明了所提模型的有效性。

關鍵詞組：碎片雲；超高速撞擊；圖像處理；損傷估計

Spacecraft damage infrared detection algorithm for hypervelocity impact based on double-layer multi-target segmentation

Xiao YANG, Chun YIN, Sara DADRAS, Guangyu LEI, Xutong TAN, Gen QIU

DOI: 10.1631/FITEE.2000695 Downloaded: 4666 Clicked: 4022 Cited: 0 Commented: 0(p.571-586) <Full Text> <PPT> 377

Chinese summary <25> 基于雙層多目标分(fēn)割的超高速撞擊航天器損傷紅外(wài)檢測算法

楊曉¹，殷春¹，Sara DADRAS²，雷光钰¹，譚旭彤¹，邱根¹
¹電子科技大(dà)學自動化工(gōng)程學院，中(zhōng)國成都市，611731
²猶他州立大(dà)學電氣與計算機工(gōng)程系，美國猶他州，84321
摘要：針對超高速撞擊引起的航天器損傷檢測，提出一(yī)種先進的基于紅外(wài)成像檢測的航天器缺陷提取算法。采用高速混合模型對紅外(wài)視頻(pín)流采樣數據中(zhōng)的溫度變化特征進行分(fēn)類，并重構圖像，得到反映缺陷特征的紅外(wài)重構圖像。設計的分(fēn)割目标函數用于保證圖像分(fēn)割結果對噪聲去(qù)除和細節保留的有效性，同時考慮到紅外(wài)重構圖像的複雜(zá)性，即所需權衡不同。因此，引入多目标優化算法以實現細節保留和噪聲去(qù)除之間的平衡，并采用基于分(fēn)解的多目标進化算法（MOEA/D）進行優化，以保證損傷分(fēn)割的準确性。實驗結果驗證了所提算法的有效性。

關鍵詞組：超高速撞擊損傷；缺陷檢測；高斯混合模型；圖像分(fēn)割

Research Articles

Detection and localization of cyber attacks on water treatment systems: an entropy-based approach

Ke LIU, Mufeng WANG, Rongkuan MA, Zhenyong ZHANG, Qiang WEI

DOI: 10.1631/FITEE.2000546 Downloaded: 5399 Clicked: 6073 Cited: 0 Commented: 0(p.587-603) <Full Text> <PPT> 278

Chinese summary <23> 水處理系統網絡攻擊的檢測和定位：基于熵的方法

劉可¹，汪慕峰²，麻榮寬¹，張鎮勇²，魏強¹
¹數學工(gōng)程與先進計算國家重點實驗室，中(zhōng)國鄭州市，450001
²浙江大(dà)學控制科學與工(gōng)程學院，中(zhōng)國杭州市，310027
摘要：随着工(gōng)業4.0的發展，水處理系統作爲一(yī)種典型工(gōng)業信息物(wù)理系統逐漸接入互聯網。先進的信息技術使水處理系統在可靠性、效率和經濟性方面受益。然而，網絡和基礎設施中(zhōng)潛在的漏洞使水處理系統很容易遭受網絡攻擊。由于水處理系統對于實時性和可用性的嚴苛要求，傳統的面向信息系統的防禦機制無法直接應用于水處理系統。本文提出一(yī)種基于熵的入侵檢測方法來抵禦針對系統中(zhōng)控制器（如可編程邏輯控制器）的攻擊。由于水處理系統運行條件的變化，在模型采用靜态阈值進行檢測時會産生(shēng)較高誤報率。因此本文提出一(yī)種動态阈值調整機制來提高所提方法的檢測性能。爲驗證所提方法，我(wǒ)們建立了一(yī)個包含超過50個測量點的高保真水處理系統測試平台。在兩種攻擊場景下(xià)進行實驗，共涵蓋了36次攻擊。結果表明，所提方法能夠實現97.22%的檢測率和1.67%的誤報率。

關鍵詞組：工(gōng)業信息物(wù)理系統；水處理系統；入侵檢測；異常狀态；檢測和定位；信息論

A combination weighting model based on iMOEA/D-DE

Mingtao DONG, Jianhua CHENG, Lin ZHAO

DOI: 10.1631/FITEE.2000545 Downloaded: 3515 Clicked: 4704 Cited: 0 Commented: 0(p.604-616) <Full Text> <PPT> 296

Chinese summary <24> 基于iMOEA/D-DE的組合權重模型

董銘濤，程建華，趙琳
哈爾濱工(gōng)程大(dà)學智能科學與工(gōng)程學院，中(zhōng)國哈爾濱市，150001
摘要：爲準确求解評估方法的權重，提出一(yī)種基于iMOEA/D-DE（基于差分(fēn)進化分(fēn)解的改進多目标進化算法）的組合權重模型。多專家權重僅考慮主觀權重，導緻客觀性差。爲解決此問題，考慮組合系數的不确定性，設計了基于改進博弈論的組合權重多目标優化模型。引入改進變異算子提高收斂速度，進而獲得更好優化結果。同時，設計了具有自學習能力的自适應變異系數和交叉概率系數，以提高MOEA/D-DE算法的魯棒性。由于現有權重評價方法不能單獨評價權重，提出一(yī)種基于相對熵的新權重評價方法。以組合導航系統評估方法爲例開(kāi)展實驗。實驗證明，該算法具有良好性能。

關鍵詞組：組合權重；MOEA/D-DE；博弈論；自學習能力；相對熵

Supermodular interference suppression game for multistatic MIMO radar networks and multiple jammers with multiple targets

Bin HE, Hongtao SU

DOI: 10.1631/FITEE.2000652 Downloaded: 5099 Clicked: 5277 Cited: 0 Commented: 0(p.617-629) <Full Text> <PPT> 353

Chinese summary <22> 多目标存在的多基地MIMO組網雷達與多幹擾機之間的超模幹擾抑制博弈

赫彬^1,2，蘇洪濤¹
¹西安電子科技大(dà)學雷達信号處理國家重點實驗室，中(zhōng)國西安市，710071
²中(zhōng)國電子科技集團公司第五十四研究所，中(zhōng)國石家莊市，050081
摘要：爲應對新一(yī)代電子戰的威脅，本文建立一(yī)種非合作對抗博弈模型，分(fēn)析了多基地多入多出（MIMO）雷達與多幹擾機之間的功率分(fēn)配和幹擾抑制問題。首先，根據功率分(fēn)配策略，構造了一(yī)種具有固定權矢量的超模功率分(fēn)配博弈框架。同時，建立了一(yī)種極大(dà)化雷達效用函數的約束優化模型。基于效用函數，分(fēn)别得到雷達和幹擾機的最佳功率分(fēn)配策略，并證明該超模博弈的納什均衡的存在性和唯一(yī)性。然後，提出一(yī)種具有固定權矢量的超模博弈算法，該算法收斂于博弈的納什均衡。此外(wài)，采用自适應波束形成方法抑制互通道幹擾，如幹擾機到雷達的直達波幹擾。爲抑制這些幹擾，提出一(yī)種聯合功率分(fēn)配和波束形成的超模博弈算法。該算法在保證最佳功率分(fēn)配的同時，提高了MIMO雷達的幹擾抑制能力。最後通過數值結果驗證了兩種算法的優越性和收斂性。

關鍵詞組：超模博弈；功率分(fēn)配；波束形成；多入多出雷達；多幹擾機

Marine target detection based on Marine-Faster R-CNN for navigation radar plane position indicator images

Xiaolong CHEN, Xiaoqian MU, Jian GUAN, Ningbo LIU, Wei ZHOU

DOI: 10.1631/FITEE.2000611 Downloaded: 5427 Clicked: 5536 Cited: 0 Commented: 0(p.630-643) <Full Text> <PPT> 295

Chinese summary <23> 基于海面更快區域卷積神經網絡的導航雷達平面位置指示器圖像海面目标檢測方法

陳小(xiǎo)龍，牟效乾，關鍵，劉甯波，周偉
海軍航空大(dà)學海上目标探測課題組，中(zhōng)國煙台市，264001
摘要：更快的區域卷積神經網絡（Faster R-CNN）作爲一(yī)種經典深度學習目标檢測算法，已廣泛應用于高分(fēn)辨率合成孔徑雷達和逆合成孔徑雷達的圖像檢測。然而，對于大(dà)多數常見的低分(fēn)辨率雷達平面位置指示器（PPI）圖像，很難取得良好性能。本文以導航雷達PPI圖像爲例，針對複雜(zá)背景（如海雜(zá)波）和目标特性情況，提出一(yī)種基于海面的更快的區域卷積神經網絡（Marine-Faster R-CNN）算法的海面目标檢測方法。該方法利用卷積神經網絡（CNN）對雷達回波生(shēng)成的PPI圖像進行特征提取和目标識别。首先，爲提高檢測海面目标的準确率，降低虛警率，設計了特征融合網絡FFNet（Feature Fusion Network），并從錨點尺度、多目标檢測、數據樣本平衡性、尺度歸一(yī)化等方面優化Faster R-CNN，并基于此建立Marine-Faster R-CNN海面目标檢測模型。然後，利用日本無線電株式會社（JRC）導航雷達采集不同條件下(xià)的回波數據，構建海面目标數據集。最後，與經典Faster R-CNN方法和恒虛警率算法對比，證明所提方法準确率更高，穩健性更佳，泛化能力更強，可應用于導航雷達海面目标檢測。它的性能經過了來自不同觀測條件（海況、雷達參數和不同目标）數據集的驗證。

關鍵詞組：海面目标檢測；導航雷達；平面位置指示器（PPI）圖像；卷積神經網絡；更快的區域卷積神經網絡

Three-dimensional localization of near-field and strictly noncircular sources using steering vector decomposition

Zheng LI, Jinqing SHEN, Xiaofei ZHANG

DOI: 10.1631/FITEE.2100034 Downloaded: 3714 Clicked: 4585 Cited: 0 Commented: 0(p.644-652) <Full Text> <PPT> 359

Chinese summary <21> 利用方向矢量分(fēn)解的近場及嚴格非圓信源三維定位

李正^1,2，沈金清^1,2，張小(xiǎo)飛^1,2
¹南(nán)京航空航天大(dà)學電子信息工(gōng)程學院，中(zhōng)國南(nán)京市，211106
²電磁頻(pín)譜空間認知(zhī)動态系統工(gōng)業和信息化部重點實驗室，中(zhōng)國南(nán)京市，211106
摘要：關于中(zhōng)心對稱十字陣下(xià)近場及嚴格非圓信源的三維定位很少有報道。本文提出一(yī)個性能改進算法。分(fēn)離(lí)方向矢量中(zhōng)多個參數以将方向矢量轉變爲若幹矩陣的乘積形式，并且每個矩陣隻包含一(yī)個參數。由此可以通過一(yī)個一(yī)維譜搜索來解決每個待估計參數。盡管該算法複雜(zá)度是我(wǒ)們之前提出算法的若幹倍，然而，其關于波達方向的估計誤差和分(fēn)辨率估計性能得到提升，同時距離(lí)估計性能也能夠保持不變。所提算法優越性在仿真結果中(zhōng)得到驗證。

關鍵詞組：定位；中(zhōng)心對稱十字陣；非圓信源；近場；方向矢量分(fēn)解

A three-dimensional measurement method for binocular endoscopes based on deep learning

Hao YU, Changjiang ZHOU, Wei ZHANG, Liqiang WANG, Qing YANG, Bo YUAN

DOI: 10.1631/FITEE.2000679 Downloaded: 3942 Clicked: 6395 Cited: 0 Commented: 0(p.653-660) <Full Text> <PPT> 345

Chinese summary <22> 基于深度學習的雙目内窺鏡三維測量方法

餘浩¹，周長江²，張偉¹，王立強^1,2，楊青^1,2，袁波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之江實驗室超級感知(zhī)中(zhōng)心，中(zhōng)國杭州市，311100
摘要：在内窺鏡臨床檢查中(zhōng)，病竈尺寸精确估計對診斷具有非常重要的意義。本文提出一(yī)種基于深度學習的雙目内窺鏡三維測量方法，可以克服傳統雙目匹配算法在弱紋理區域魯棒性較差的缺點。利用三維掃描儀獲得的目标三維數據和三維渲染軟件仿真的雙目相機創建虛拟雙目圖像數據集，用于訓練視差預測模型進行三維測量。實驗結果表明，所提方法相比傳統雙目匹配算法在視差準确度和視差圖生(shēng)成速度上分(fēn)别提高48.9%和90.5%，能夠提供更加準确、可靠的病竈尺寸信息，提高内窺鏡診斷效率。

關鍵詞組：雙目内窺鏡；三維測量；深度學習；視差預測