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.9 P.1287-1420

Cover:

<297>

Contents:

<221>

<<< CONTENTS >>>

Special Column on Visual Knowledge (Hosted by Profs. Yunhe PAN & Yueting ZHUANG)

Perspective: On visual understanding

Yunhe PAN

DOI: 10.1631/FITEE.2130000 Downloaded: 2048 Clicked: 1469 Cited: 0 Commented: 0(p.1287-1289) <Full Text>

Perspective: Three-dimensional shape space learning for visual concept construction: challenges and research progress

Xin TONG

DOI: 10.1631/FITEE.2200318 Downloaded: 1707 Clicked: 1458 Cited: 0 Commented: 0(p.1290-1297) <Full Text>

Chinese summary <21> 面向視覺概念構建的三維形狀空間學習：挑戰與研究進展

童欣
微軟亞洲研究院，中(zhōng)國北(běi)京市，100080
摘要：人類可以熟練的對真實世界中(zhōng)物(wù)體(tǐ)按照形狀或者功能進行分(fēn)類，并在思維中(zhōng)建立每類物(wù)體(tǐ)的視覺概念和周圍真實世界的視覺知(zhī)識（Pan, 2019）。Pan（2021）指出建立這些視覺概念和視覺知(zhī)識的計算表達是發展下(xià)一(yī)代人工(gōng)智能的一(yī)個關鍵步驟。學習同一(yī)視覺概念下(xià)所有物(wù)體(tǐ)的三維形狀空間是實現視覺概念計算表達的一(yī)個關鍵步驟。本文提出三維形狀空間學習中(zhōng)面臨的關鍵技術挑戰，并圍繞這些技術挑戰回顧了這一(yī)領域的研究進展，最後讨論了三維形狀空間學習領域的研究趨勢和未來發展方向。

關鍵詞組：視覺概念；視覺知(zhī)識；三維幾何學習；三維形狀空間；三維結構

Position Paper: On the principles of Parsimony and Self-consistency for the emergence of intelligence

Yi MA, Doris TSAO, Heung-Yeung SHUM

DOI: 10.1631/FITEE.2200297 Downloaded: 3709 Clicked: 1681 Cited: 0 Commented: 0(p.1298-1323) <Full Text>

Chinese summary <27> 論智能起源中(zhōng)的簡約與自洽原則

馬毅¹，曹穎²，沈向洋³
¹加州大(dà)學伯克利分(fēn)校電子工(gōng)程與計算機系，美國加利福尼亞州，94720
²加州大(dà)學伯克利分(fēn)校分(fēn)子與細胞生(shēng)物(wù)系，霍華德·休斯醫學研究所，美國加利福尼亞州，94720
³粵港澳大(dà)灣區數字經濟研究院，中(zhōng)國深圳市，518045
摘要：深度學習重振人工(gōng)智能十年後的今天，我(wǒ)們提出一(yī)個理論框架來幫助理解深度神經網絡在整個智能系統裏面扮演的角色。我(wǒ)們引入兩個基本原則：簡約與自洽；分(fēn)别解釋智能系統要學習什麽以及如何學習。我(wǒ)們認爲這兩個原則是人工(gōng)智能和自然智能之所以産生(shēng)和發展的基石。雖然這兩個原則的雛形早已出現在前人的經典工(gōng)作裏，但是我(wǒ)們對這些原則的重新表述使得它們變得可以精準度量與計算。确切地說，簡約與自洽這兩個原則能自然地演繹出一(yī)個高效計算框架：壓縮閉環轉錄。這個框架統一(yī)并解釋了現代深度神經網絡以及衆多人工(gōng)智能實踐的演變和進化。盡管本文主要用視覺數據建模作爲例子，我(wǒ)們相信這兩個原則将會有助于統一(yī)對各種自動智能系統的理解，并且提供一(yī)個幫助理解大(dà)腦工(gōng)作機理的框架。

關鍵詞組：智能；簡約；自洽；編碼率減少；深度網絡；閉環轉錄

Visual recognition of cardiac pathology based on 3D parametric model reconstruction

Jinxiao XIAO, Yansong LI, Yun TIAN, Dongrong XU, Penghui LI, Shifeng ZHAO, Yunhe PAN

DOI: 10.1631/FITEE.2200102 Downloaded: 2640 Clicked: 1582 Cited: 0 Commented: 0(p.1324-1337) <Full Text> <PPT> 275

Chinese summary <21> 基于三維參數模型重建的心髒病理視覺識别

肖金肖¹，李岩松¹，田沄¹，徐冬溶^2,3，李鵬輝¹，趙世鳳¹，潘雲鶴³
¹北(běi)京師範大(dà)學人工(gōng)智能學院，中(zhōng)國北(běi)京市，100875
²哥倫比亞大(dà)學精神病學系和紐約州立精神病學研究所，美國紐約市，10032
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：心髒圖像的視覺識别對于心髒病理診斷和治療具有重要意義。由于可用标注數據集有限，傳統方法通常基于三維心髒圖像的二維切片對病理分(fēn)類特征進行提取，難以确保心髒解剖結構的整體(tǐ)一(yī)緻性。爲此，本文提出一(yī)種基于三維參數模型重建的心髒病理分(fēn)類方法。首先，基于收縮末期和舒張末期時相心髒圖像的多個三維心髒成像數據重建三維心髒模型。其次，基于重建的三維心髒模型，通過統計形狀模型方法構建三維參數模型。然後，基于三維統計形狀模型及其視覺知(zhī)識約束對心髒數據進行增強。最後，提取不同時相的三維心髒模型的形狀和運動特征，對心髒病理進行分(fēn)類。在STACOM公開(kāi)挑戰賽的ACDC數據集上的實驗驗證了所提方法的優越性和有效性。

關鍵詞組：三維視覺知(zhī)識；三維參數模型；心髒病理診斷；數據增強

Regular Papers

A novel grey wolf optimizer and its applications in 5G frequency selection surface design

Zhihao HE, Gang JIN, Yingjun WANG

DOI: 10.1631/FITEE.2100580 Downloaded: 2567 Clicked: 1565 Cited: 0 Commented: 0(p.1338-1353) <Full Text> <PPT> 243

Chinese summary <21> 一(yī)種新型灰狼優化算法及其在5G頻(pín)率選擇表面設計中(zhōng)的應用

何志(zhì)豪^1,2,3，晉剛^1,2,3，王英俊^1,2,3
¹華南(nán)理工(gōng)大(dà)學聚合物(wù)新型成型裝備國家工(gōng)程研究中(zhōng)心，中(zhōng)國廣州市，510641
²華南(nán)理工(gōng)大(dà)學聚合物(wù)成型加工(gōng)工(gōng)程教育部重點實驗室，中(zhōng)國廣州市，510641
³華南(nán)理工(gōng)大(dà)學廣東省高分(fēn)子先進制造技術及裝備重點實驗室，中(zhōng)國廣州市，510641
摘要：第五代無線通信系統(5G)的發展使元啓發算法與電磁設備的設計過程結合得更爲緊密。本文提出一(yī)種自适應灰狼優化器（SAGWO），并将其與一(yī)種基于單元節點的5G頻(pín)率選擇面（FSS）優化模型相結合。SAGWO包含3種改進策略：改進初始頭狼的分(fēn)配，增加随機探索能力和增強局部搜索能力，以加快收斂速度，有效避免局部最優。在基準函數測試中(zhōng)，SAGWO優于其他5種優化算法：原始灰狼優化器（GWO）、遺傳算法（GA）、粒子群優化器（PSO）、改進灰狼優化算法（IGWO）和基于選擇性對抗的灰狼優化算法（SOGWO）。因爲SAGWO具有良好全局尋優能力，所以SAGWO适用于解決具有較大(dà)設計空間的5G FSS優化問題。将SAGWO與新的FSS優化模型相結合，能自動生(shēng)成在中(zhōng)心工(gōng)作頻(pín)率處具有電磁屏蔽能力的FSS結構。爲驗證所提方法，本文設計了在28 GHz處具有電磁屏蔽能力的雙層環形FSS。結果表明，優化後的FSS在中(zhōng)心頻(pín)率處具有較好電磁幹擾屏蔽能力和較高角穩定性。最後，制作并測試了優化後的FSS樣品。

關鍵詞組：灰狼優化算法；第五代無線通信系統（5G）；頻(pín)率選擇面；形狀優化

A power resource dispatching framework with a privacy protection function in the Power Internet of Things

Shuanggen LIU, Shuangzi ZHENG, Wenbo ZHANG, Runsheng FU

DOI: 10.1631/FITEE.2100518 Downloaded: 2040 Clicked: 1761 Cited: 0 Commented: 0(p.1354-1368) <Full Text> <PPT> 327

Chinese summary <23> 電力物(wù)聯網中(zhōng)具有隐私保護功能的電力資(zī)源調度框架

劉雙根，鄭爽子，張文波，符潤生(shēng)
西安郵電大(dà)學網絡空間安全學院，中(zhōng)國西安市，710121
摘要：電力物(wù)聯網（PIoT）中(zhōng)智能電表産生(shēng)了大(dà)量電力數據。然而，這些數據在計算、存儲和傳輸過程中(zhōng)的保密性是一(yī)個亟待解決的問題。因此，本文提出一(yī)種具有隐私保護功能的電力資(zī)源調度框架（PRDF），該框架采用基于雲霧協同的無證書(shū)聚合簽密方案。通過使用假名和聚合用戶的電力數據，PRDF不僅保護用戶隐私，還降低傳統雲計算的計算成本和通信開(kāi)銷。此外(wài)，如果控制中(zhōng)心（CC）發現用戶提交了異常數據，它可以向用戶管理中(zhōng)心（UMC）發送請求，以追蹤用戶真實身份。本文方案滿足随機預言機模型的私密性和不可僞造性。此外(wài)，通過仿真将該方案和其他聚合簽密方案進行比較。仿真結果表明，該方案在計算開(kāi)銷方面優于傳統方法。

關鍵詞組：電力物(wù)聯網；雲霧協同；橢圓曲線；随機預言機模型；無證書(shū)聚合簽密

Certificateless broadcast multi-signature for network coding

Huifang YU, Zhewei QI

DOI: 10.1631/FITEE.2200271 Downloaded: 1637 Clicked: 1555 Cited: 0 Commented: 0(p.1369-1377) <Full Text> <PPT> 356

Chinese summary <21> 面向網絡編碼的無證書(shū)多重簽名方法

俞惠芳，亓哲偉
西安郵電大(dà)學網絡空間安全學院，中(zhōng)國西安市，710121
摘要：比起具有轉儲功能的傳統路由技術，網絡編碼能節省網絡資(zī)源且速度快。但在實際應用場景中(zhōng)，網絡編碼容易受到污染攻擊和僞造攻擊。本文針對這些問題提出面向網絡編碼的無證書(shū)廣播多重簽名（NC-CLBMS）方法，每個源節點用戶生(shēng)成對消息向量的多重簽名，中(zhōng)間節點将接收到的數據線性組合。NC-CLBMS是一(yī)種多源的多重簽名方法，具有抗污染和防止僞造攻擊的功能；此外(wài)，它還具有固定的簽名長度和較高的計算效率。本文設計的NC-CLBMS在無人機通信網絡、5G無線網絡、無線傳感器網絡、移動無線網絡和車(chē)聯網等方面具有廣泛應用前景。

關鍵詞組：網絡編碼；無證書(shū)多重簽名；線性組合；同态哈希函數

Machine learning based altitude-dependent empirical LoS probability model for air-to-ground communications

Minghui PANG, Qiuming ZHU, Zhipeng LIN, Fei BAI, Yue TIAN, Zhuo LI, Xiaomin CHEN

DOI: 10.1631/FITEE.2200041 Downloaded: 2713 Clicked: 1607 Cited: 0 Commented: 0(p.1378-1389) <Full Text> <PPT> 293

Chinese summary <22> 基于機器學習的空地通信高度相關視距概率經驗性模型

龐明慧^1,2，朱秋明^1,2，林志(zhì)鵬¹，柏菲¹，田越¹，李茁³，陳小(xiǎo)敏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)學電子信息工(gōng)程學院雷達成像與微波光子技術教育部重點實驗室，中(zhōng)國南(nán)京市，211106
摘要：視距（line-of-sight, LoS）概率預測對于無線通信系統的性能優化至關重要。然而，由于無人機等飛行器飛行高度從十幾米到數千米不等，空地（air-to-ground, A2G）通信的LoS概率預測具有挑戰性。本文針對A2G場景，提出一(yī)種高度相關的經驗性LoS概率模型。在模型參數估計之前，設計了一(yī)種基于K近鄰（K-nearest neighbors, KNN）的策略對LoS和非視距（none-line-of-sight, NLoS）路徑進行分(fēn)類。然後，開(kāi)發了一(yī)種基于雙層反向傳播神經網絡（back propagation neural network, BPNN）的參數估計方法來建立每個模型參數與無人機高度之間的關系。仿真表明該模型獲得的結果與射線追蹤（ray trancing, RT）數據、實測數據和标準模型結果具有良好一(yī)緻性。該模型還可提供比其他LoS概率模型更廣泛的适用高度，能夠應用于各種A2G場景下(xià)的不同通信高度。

關鍵詞組：視距概率模型；空地信道；機器學習；射線跟蹤

Competitive binary multi-objective grey wolf optimizer for fast compact antenna topology optimization

Jian DONG, Xia YUAN, Meng WANG

DOI: 10.1631/FITEE.2100420 Downloaded: 1842 Clicked: 1749 Cited: 0 Commented: 0(p.1390-1406) <Full Text> <PPT> 260

Chinese summary <23> 基于競争的二進制多目标灰狼算法的快速緊湊天線拓撲優化

董健，袁霞，王蒙
中(zhōng)南(nán)大(dà)學計算機學院，中(zhōng)國長沙市，410083
摘要：爲降低傳統多目标天線拓撲優化問題的計算量，本文提出一(yī)種基于競争的二進制多目标灰狼優化算法（CBMOGWO）。該方法引入種群競争機制，以減輕電磁（EM）仿真的負擔并獲取适當的适應度值。此外(wài)，我(wǒ)們引入餘弦振蕩函數來改進原始二進制多目标灰狼優化算法（BMOGWO）的線性收斂因子，以在探索和開(kāi)發之間達到良好平衡。然後，通過與原始BMOGWO和傳統二進制多目标粒子群優化（BMOPSO）在12個多目标優化測試問題（MOTPs）和4個多目标背包問題（MOKPs）上比較，驗證了CBMOGWO的性能。最後，通過具有高維混合設計變量和多個目标的緊湊型高隔離(lí)雙頻(pín)多輸入多輸出（MIMO）天線的示例，驗證了我(wǒ)們的方法在降低計算成本方面的有效性。實驗結果表明，與傳統方法相比，CBMOGWO節省近一(yī)半的計算成本，這表明我(wǒ)們的方法對于複雜(zá)天線拓撲優化問題是高效的。它爲基于多目标進化算法（MOEA）以靈活高效的方式探索新的和意想不到的天線結構提供了新思路。

關鍵詞組：天線拓撲優化；多目标灰狼算法；高維混合變量；快速設計

Phase synchronization and energy balance between neurons

Ying XIE, Zhao YAO, Jun MA

DOI: 10.1631/FITEE.2100563 Downloaded: 3107 Clicked: 2080 Cited: 0 Commented: 0(p.1407-1420) <Full Text> <PPT> 266

Chinese summary <22> 神經元之間的相位同步和能量平衡

謝盈¹，姚昭¹，馬軍^1,2
¹蘭州理工(gōng)大(dà)學物(wù)理系，中(zhōng)國蘭州市，730050
²重慶郵電大(dà)學理學院，中(zhōng)國重慶市，430065
摘要：在一(yī)類簡單的神經元電路不同支路嵌入光電管和熱敏電阻來設計一(yī)種功能性神經元。通過光電管的光電流和流經熱敏電阻的通道電流可以控制神經元電路的場能量。神經元的放(fàng)電模态同時依賴于外(wài)界光照和溫度。在不同的光照和溫度刺激下(xià)，兩個功能神經元存在能量差。因此，在場能量傳遞和交換過程中(zhōng)神經元之間開(kāi)始建立突觸連接并相互耦合。我(wǒ)們提出兩種規則來讨論神經元之間突觸耦合增強問題，神經元之間的能量差控制着神經元之間突觸耦合強度的增長和突觸電流變化，且神經元之間的同步有利于維持神經元之間的能量平衡。第一(yī)類規則類似于飽和增益法，即神經元在達到完全同步之前其突觸耦合強度以恒定的增益周期性增長。第二類規則指出神經元突觸耦合強度以恰當的增益呈現指數型增長，直到神經元之間達到能量平衡。兩個不同的神經元在突觸耦合增強的過程中(zhōng)可以實現相位同步。兩個完全相同的神經元即使在噪聲環境下(xià)，神經元耦合突觸按照第二類規則增長強度依舊(jiù)可以有效實現完全同步和能量平衡。此結果表明神經元突觸更傾向于以指數型方式來增長其耦合強度。這些研究結果有助于揭示外(wài)界刺激如何喚醒和激活神經元之間的突觸連接，進一(yī)步理解突觸耦合電流時變的特性。潛在的生(shēng)物(wù)物(wù)理機制在于外(wài)界差異性的刺激打破了神經元之間的能量平衡，因此突觸耦合不斷被增強來實現神經元之間能量動态平衡。這些研究結果爲設計和訓練智能神經元電路提供了思路，即通過設置梯度性能量分(fēn)布來調控耦合通道。

關鍵詞組：哈密頓能量；耦合同步；突觸增強；神經元電路