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

2023 Vol.24 No.1 P.1-186

Cover:

<657>

Contents:

<205>

<<< CONTENTS >>>

Review Article

Review Article: Resource scheduling techniques in cloud from a view of coordination: a holistic survey

Yuzhao WANG, Junqing YU, Zhibin YU

DOI: 10.1631/FITEE.2100298 Downloaded: 2787 Clicked: 2589 Cited: 0 Commented: 0(p.1-40) <Full Text> <PPT> 265

Chinese summary <38> 從協同視角論雲資(zī)源調度技術：綜述

王玉钊¹，于俊清¹，喻之斌²
¹華中(zhōng)科技大(dà)學計算機科學與技術學院，中(zhōng)國武漢市，430074
²中(zhōng)國科學院深圳先進技術研究院異構智能計算體(tǐ)系結構與系統研究中(zhōng)心，中(zhōng)國深圳市，518055
摘要：當前公有雲中(zhōng)的資(zī)源競争管控仍然是一(yī)個懸而未決的問題。新型應用框架（如深度學習和微服務）和專用硬件（如GPU和TPU）的開(kāi)發與部署給資(zī)源管理系統的設計帶來新的挑戰。現有的解決方案往往爲保證應用性能而犧牲集群效率，如資(zī)源超額分(fēn)配導緻的低利用率。由于涉及到了軟件棧中(zhōng)的不同模塊，突破該困境并非易事。盡管如此，産學界爲尋找高效的性能隔離(lí)和資(zī)源調度進行了大(dà)量的研究。本文從協同的角度對相關工(gōng)作進行了全面概述，并揭示其中(zhōng)的技術發展趨勢。簡言之，本文涉及如下(xià)四個主題：不同層次上（包括微體(tǐ)系結構、系統和虛拟層）的資(zī)源隔離(lí)機制，包括GPU多任務處理；機器層和集群層的資(zī)源調度技術，包括面向深度學習應用的GPU調度技術；自适應資(zī)源管理技術，包括微服務相關的最新研究；最後探讨了未來的研究方向。希望本文能幫助相關研究人員(yuán)了解公有雲中(zhōng)資(zī)源管理技術的概貌，并更好地把握其發展趨勢。

關鍵詞組：協同；同宿；異構計算；微服務；資(zī)源調度技術

Research Articles

Scalability and efficiency challenges for the exascale supercomputing system: practice of a parallel supporting environment on the Sunway exascale prototype system

Xiaobin HE, Xin CHEN, Heng GUO, Xin LIU, Dexun CHEN, Yuling YANG, Jie GAO, Yunlong FENG, Longde CHEN, Xiaona DIAO, Zuoning CHEN

DOI: 10.1631/FITEE.2200412 Downloaded: 2630 Clicked: 1315 Cited: 0 Commented: 0(p.41-58) <Full Text> <PPT> 245

Chinese summary <35> 面對E級超算系統的可擴展性和效率挑戰:神威E級原型系統并行支撐環境的實踐

何曉斌，陳鑫，郭恒，劉鑫，陳德訓，楊雨靈，
高潔，馮赟龍，陳龍得，刁曉娜，陳左甯
國家并行計算機工(gōng)程與技術研究中(zhōng)心，中(zhōng)國北(běi)京市，100190
摘要：随着超級計算機性能不斷提高，人工(gōng)智能與傳統科學計算的進一(yī)步融合，應用的并行規模逐漸增加，從數百萬個計算核心到數千萬個計算核心，這對超大(dà)規模系統上實現并行應用的高可擴展性和高效率提出巨大(dà)挑戰。本文首先以神威E級原型系統爲例，分(fēn)析了E級時代并行應用的高可擴展性和高效率面臨的挑戰。爲克服這些挑戰，重點介紹了神威E級原型系統上并行支撐環境軟件的優化技術，包括并行操作系統、I/O優化技術、超大(dà)規模并行調試技術、千萬核心并行算法、混合精度方法等。并行操作系統和I/O優化技術主要支持大(dà)規模系統擴展，而超大(dà)規模并行調試技術、千萬核心并行算法和混合精度方法主要提升大(dà)規模應用的效率。最後，介紹了運行在神威E級原型系統上的應用程序取得的重要成果，從而驗證了并行支撐環境設計的有效性。

關鍵詞組：并行計算；神威；超大(dà)規模；超級計算機

Domain knowledge enhanced deep learning for electrocardiogram arrhythmia classification

Jie SUN

DOI: 10.1631/FITEE.2100519 Downloaded: 2132 Clicked: 1574 Cited: 0 Commented: 0(p.59-72) <Full Text> <PPT> 262

Chinese summary <26> 融入領域知(zhī)識的深度學習在心律失常分(fēn)類中(zhōng)的應用

孫潔
甯波工(gōng)程學院網絡空間安全學院，中(zhōng)國甯波市，315211
摘要：深度學習爲心律失常的自動分(fēn)類提供了一(yī)種有效的方法，但在臨床決策中(zhōng)，純數據驅動的方法以黑盒形式運行，可能會導緻不良預測結果。将領域知(zhī)識與深度學習相結合是一(yī)種很有前景的解決方案。本文開(kāi)發了一(yī)個靈活且可擴展的框架，用于集成領域知(zhī)識與深度神經網絡。該模型由深度神經網絡和知(zhī)識推理模塊組成，深度神經網絡用于捕捉輸入數據的統計模式，知(zhī)識模塊用于确保與領域知(zhī)識的一(yī)緻性。這兩個組成部分(fēn)經過交互訓練，以實現兩種機制的最佳效果。實驗表明，領域知(zhī)識可以較好地改善神經網絡的預測結果，從而提高預測精度。

關鍵詞組：領域知(zhī)識；心律失常；心電圖；臨床決策

Self-supervised graph learning with target-adaptive masking for session-based recommendation

Yitong WANG, Fei CAI, Zhiqiang PAN, Chengyu SONG

DOI: 10.1631/FITEE.2200137 Downloaded: 2230 Clicked: 1299 Cited: 0 Commented: 0(p.73-87) <Full Text> <PPT> 243

Chinese summary <25> 融合自監督圖學習與目标自适應屏蔽的會話(huà)型推薦方法

王祎童，蔡飛，潘志(zhì)強，宋城宇
國防科技大(dà)學信息系統工(gōng)程重點實驗室，中(zhōng)國長沙市，410073
摘要：會話(huà)型推薦旨在根據用戶在短時間内有限的交互來預測下(xià)一(yī)個時間戳将要進行交互的物(wù)品。現有模型主要使用循環神經網絡（RNN）或圖神經網絡（GNN）來建模順序序列或物(wù)品之間的傳遞關系。然而，此類模型要麽忽略了GNN的過度平滑問題，要麽直接利用交叉熵損失和softmax層進行模型優化，容易導緻過拟合問題。爲了解決上述問題，本文提出一(yī)種融合自監督圖學習與目标自适應屏蔽的會話(huà)型推薦方法(SGL-TM)。具體(tǐ)來說，首先根據所有涉及到的會話(huà)構建全局圖，然後從物(wù)品之間的全局連接中(zhōng)捕捉自監督信号，用來監督模型生(shēng)成當前會話(huà)中(zhōng)準确的物(wù)品表示。之後，通過比較真值與經過我(wǒ)們設計的目标自适應屏蔽模塊調整後的物(wù)品的預測分(fēn)數來計算主監督損失。最後，将主監督組件與輔助自監督模塊相結合，以獲得用來優化模型參數的最終損失。在兩個真實數據集（Gowalla和Diginetica）上的大(dà)量實驗結果表明，SGL-TM在Recall@20和MRR@20方面的性能優于最先進的基準模型，尤其體(tǐ)現在短會話(huà)上。

關鍵詞組：會話(huà)型推薦；自監督學習；圖神經網絡；目标自适應屏蔽

Public key based bidirectional shadow image authentication without pixel expansion in image secret sharing

Xuehu YAN, Longlong LI, Jia CHEN, Lei SUN

DOI: 10.1631/FITEE.2200118 Downloaded: 3439 Clicked: 1357 Cited: 0 Commented: 0(p.88-103) <Full Text> <PPT> 288

Chinese summary <26> 基于公鑰具有雙向影子圖像驗證功能且無像素擴張的圖像秘密分(fēn)享

摘要：圖像秘密分(fēn)享（ISS）的研究越來越多，主要因爲數字圖像的重要性以及ISS可以廣泛應用于雲分(fēn)布式存儲和多方安全計算。影子圖像認證日漸重要，通常包括影子圖像真實性檢測和識别。然而，傳統處理者參與的方法主要是單向驗證，即在解碼階段驗證影子圖像，存在像素擴張或額外(wài)輔助信息等不足。因此，分(fēn)發（編碼）階段的影子圖像認證對參與者來說也很重要。本文引入一(yī)種基于公鑰的雙向影子圖像認證方法，實現(k, n)門限且無像素擴張。當處理者将每個影子圖像分(fēn)發給相應參與者時，參與者可以用其私鑰驗證接收到的影子圖像。在解碼階段，處理者可以用其秘鑰驗證每個接收到的影子圖像；此外(wài)，當獲得任何k個或更多影子圖像時，處理者可以無損解碼秘密圖像。理論分(fēn)析、實驗和比較驗證了所提方法有效性。

關鍵詞組：圖像秘密分(fēn)享；影子圖像驗證；公鑰；像素擴張；無損恢複

Probabilistic movement primitive based motion learning for a lower limb exoskeleton with black-box optimization

Jiaqi WANG, Yongzhuo GAO, Dongmei WU, Wei DONG

DOI: 10.1631/FITEE.2200065 Downloaded: 1889 Clicked: 1375 Cited: 0 Commented: 0(p.104-116) <Full Text> <PPT> 272

Chinese summary <26> 針對下(xià)肢外(wài)骨骼機器人的基于概率運動基元的黑盒優化運動學習

王嘉琪，高永卓，吳冬梅，董爲
哈爾濱工(gōng)業大(dà)學機器人技術與系統國家重點實驗室，中(zhōng)國哈爾濱市，150001
摘要：外(wài)骨骼作爲一(yī)種可穿戴的機器人，通過拟人化的構型直接傳遞機械動力來輔助或增強穿戴者運動。當外(wài)骨骼用于促進穿戴者的運動時，運動生(shēng)成過程通常在高層控制中(zhōng)發揮重要作用。該領域的主要挑戰之一(yī)是實時生(shēng)成符合人類意圖且可以适應不同情況的參考軌迹。在本文中(zhōng)，我(wǒ)們首先提出了一(yī)種基于概率運動基元（ProMP）的下(xià)肢外(wài)骨骼運動建模方法，它是一(yī)種用于生(shēng)成運動軌迹的新型且強大(dà)的代表性工(gōng)具。爲了在不同穿戴者使用外(wài)骨骼時使軌迹适應不同情況，我(wǒ)們接着提出了一(yī)種基于黑盒優化PI^BB結合ProMP的新型運動學習方案。運動模型首先由ProMP離(lí)線學習，它可以生(shēng)成參考軌迹供外(wài)骨骼控制器在線使用，再采用PI^BB在線學習和更新模型，提供了系統的自适應能力，消除了不确定性的影響。使用下(xià)肢外(wài)骨骼HEXO對六名受試者進行的模拟和實驗證明了所提出方法的有效性。

關鍵詞組：下(xià)肢外(wài)骨骼機器人；人機交互；運動學習；軌迹生(shēng)成；運動基元；黑盒優化

Soft-HGRNs: soft hierarchical graph recurrent networks for multi-agent partially observable environments

Yixiang REN, Zhenhui YE, Yining CHEN, Xiaohong JIANG, Guanghua SONG

DOI: 10.1631/FITEE.2200073 Downloaded: 2260 Clicked: 1688 Cited: 0 Commented: 0(p.117-130) <Full Text> <PPT> 238

Chinese summary <26> Soft-HGRNs: 用于多智能體(tǐ)部分(fēn)可觀察場景的随機性層次圖遞歸網絡

任一(yī)翔¹，葉振輝^1,2，陳弈甯¹，姜曉紅²，宋廣華¹
¹浙江大(dà)學航空航天學院，中(zhōng)國杭州市，310027
²浙江大(dà)學計算機科學與技術學院，中(zhōng)國杭州市，310027
摘要：近年來，多智能體(tǐ)深度強化學習（multi-agent deep reinforcement learning, MADRL）的研究進展使其在現實世界的任務中(zhōng)更加實用，但其相對較差的可擴展性和部分(fēn)可觀測的限制爲MADRL模型的性能和部署帶來了更多的挑戰。人類社會可以被視爲一(yī)個大(dà)規模的部分(fēn)可觀測環境，其中(zhōng)每個人都具備與他人交流并記憶經驗的功能。基于人類社會的啓發，我(wǒ)們提出一(yī)種新的網絡結構，稱爲層次圖遞歸網絡（hierarchical graph recurrent network, HGRN），用于部分(fēn)可觀測環境下(xià)的多智能體(tǐ)合作任務。具體(tǐ)來說，我(wǒ)們将多智能體(tǐ)系統構建爲一(yī)個圖，利用新穎的圖卷積結構來實現異構相鄰智能體(tǐ)之間的通信，并采用一(yī)個遞歸單元來使智能體(tǐ)具備記憶曆史信息的能力。爲了鼓勵智能體(tǐ)探索并提高模型的魯棒性，我(wǒ)們進而設計一(yī)種最大(dà)熵學習方法，令智能體(tǐ)可以學習可配置目标行動熵的随機策略。基于上述技術，我(wǒ)們提出一(yī)種名爲Soft-HGRN的基于值的MADRL算法，及其名爲SAC-HGRN的actor-critic變體(tǐ)。在三個同構場景和一(yī)個異構環境中(zhōng)進行實驗；實驗結果不僅表明我(wǒ)們的方法相比四個MADRL基線取得了明顯的改進，而且證明了所提模型的可解釋性、可擴展性和可轉移性。

關鍵詞組：深度強化學習；基于圖的通信；最大(dà)熵學習；部分(fēn)可觀測性；異構環境

Stochastic pedestrian avoidance for autonomous vehicles using hybrid reinforcement learning

Huiqian LI, Jin HUANG, Zhong CAO, Diange YANG, Zhihua ZHONG

DOI: 10.1631/FITEE.2200128 Downloaded: 1806 Clicked: 1504 Cited: 0 Commented: 0(p.131-140) <Full Text> <PPT> 260

Chinese summary <25> 基于混合強化學習的自動駕駛汽車(chē)行人避撞方法

李惠乾¹，黃晉¹，曹重¹，楊殿閣¹，鍾志(zhì)華²
¹清華大(dà)學車(chē)輛與運載學院，中(zhōng)國北(běi)京市，100084
²中(zhōng)國工(gōng)程院，中(zhōng)國北(běi)京市，100088
摘要：确保行人的安全對自動駕駛汽車(chē)而言至關重要，同時也具有一(yī)定挑戰。經典的行人避撞策略無法應對不确定性，而基于學習的方法缺乏明确的性能保障。本文提出一(yī)種基于混合強化學習的行人避撞方法，以使自動駕駛車(chē)輛能夠與具有行爲不确定性的行人安全交互。該方法集成了規則策略和強化學習策略，并設計了一(yī)個激活函數選擇具有更高置信度的作爲最終策略，通過這種方式保證最終策略的表現不亞于規則策略。爲說明所提方法的有效性，本文使用一(yī)種加速測試方法生(shēng)成了行爲随機的行人進行仿真驗證。結果表明，該方法在測試場景中(zhōng)的成功率，相比基準方法的94.4%，提升至98.8%。

關鍵詞組：行人；混合強化學習；自動駕駛汽車(chē)；決策

Camera calibration method for an infrared horizon sensor with a large field of view

Huajian DENG, Hao WANG, Xiaoya HAN, Yang LIU, Zhonghe JIN

DOI: 10.1631/FITEE.2200079 Downloaded: 1243 Clicked: 1477 Cited: 0 Commented: 0(p.141-153) <Full Text> <PPT> 220

Chinese summary <23> 适用于大(dà)視場紅外(wài)地球敏感器的相機标定方法

鄧華健^1,2，王昊^1,2，韓曉亞³，劉洋^1,2，金仲和^1,2
¹浙江大(dà)學微小(xiǎo)衛星研究中(zhōng)心，中(zhōng)國杭州市，310027
²浙江大(dà)學浙江省微納衛星研究重點實驗室，中(zhōng)國杭州市，310027
³北(běi)京跟蹤與通信技術研究所，中(zhōng)國北(běi)京市，100094
摘要：相機的幾何精度不足是制約大(dà)視場紅外(wài)地球敏感器精度提升的主要因素。紅外(wài)地球敏感器相機超大(dà)的視場與中(zhōng)心的盲區極大(dà)地限制了傳統幾何标定方法的準确性與可行性。本文提出并驗證了一(yī)種新型的适用于紅外(wài)地球敏感器的相機标定方法。三個紅外(wài)靶标被用作控制點，而相機被安裝于雙軸轉台上。随着轉台的旋轉，這些控制點将均勻地分(fēn)布在整個相機視場中(zhōng)。與傳統的平行光管與轉台配合方法相比，傳統方法無法有效覆蓋大(dà)視場且需要苛刻的實驗設備，而該方法更易于實施且成本較低。本文還提出了相應的三步參數估計算法，從而不需要精确測量相機和控制點的位置。本文用10台紅外(wài)地球敏感器進行了實驗，以驗證标定方法的有效性。結果表明，所提出的方法是高度穩定可靠的，标定精度與現有其他方法相比提升至少30%。

關鍵詞組：紅外(wài)地球敏感器；全景紅外(wài)相機；相機标定

Dynamic user-centric multi-dimensional resource allocation for a wide-area coverage signaling cell based on DQN

Zhou TONG, Na LI, Huimin ZHANG, Quan ZHAO, Yun ZHAO, Junshuai SUN, Guangyi LIU

DOI: 10.1631/FITEE.2200220 Downloaded: 1881 Clicked: 1391 Cited: 0 Commented: 0(p.154-163) <Full Text> <PPT> 223

Chinese summary <23> 基于DQN的廣域覆蓋信令小(xiǎo)區以用戶爲中(zhōng)心的動态多維資(zī)源分(fēn)配

佟舟，李娜，張慧敏，趙泉，趙芸，孫軍帥，劉光毅
中(zhōng)國移動通信有限公司研究院未來研究院，中(zhōng)國北(běi)京市，100053
摘要：通信行業的快速發展催生(shēng)了更多新業務與新應用。6G網絡面臨更嚴苛、更多樣的需求。在保證高速率、低時延等性能要求的同時，5G網絡中(zhōng)存在的高能耗問題也成爲6G網絡需要解決的問題之一(yī)。廣域覆蓋信令小(xiǎo)區技術順應未來無線接入網的發展趨勢，具有低網絡能耗、高資(zī)源利用率的優勢。在廣域覆蓋信令小(xiǎo)區中(zhōng)，多維資(zī)源按需分(fēn)配是保證用戶極緻性能需求的重要技術手段，其效果将直接影響網絡資(zī)源使用效率。本文構建以用戶爲中(zhōng)心的無線資(zī)源動态分(fēn)配模型，并提出一(yī)種基于深度Q網絡的資(zī)源動态分(fēn)配算法。該算法可根據用戶上報的數據速率和時延等需求，實現動态靈活的接納控制及多維資(zī)源分(fēn)配。仿真結果表明，所提算法可有效提高長時間尺度下(xià)網絡平均用戶體(tǐ)驗，在資(zī)源分(fēn)配過程中(zhōng)保證高速率和低能耗。

關鍵詞組：6G；廣域覆蓋信令小(xiǎo)區；多維資(zī)源分(fēn)配；深度Q網絡（DQN）

Acoustic localization with multi-layer isogradient sound speed profile using TDOA and FDOA

Dongzhou ZHAN, Sitian WANG, Shougui CAI, Huarong ZHENG, Wen XU

DOI: 10.1631/FITEE.2100398 Downloaded: 2702 Clicked: 2727 Cited: 0 Commented: 0(p.164-175) <Full Text> <PPT> 254

Chinese summary <22> 基于到達時間差和到達頻(pín)率差的多層等梯度聲速剖面建模與聲學定位

詹東洲¹，王思甜¹，蔡守桂¹，鄭華榮²，徐文²
¹浙江大(dà)學信息與電子工(gōng)程學院，浙江省杭州市，310027
²浙江大(dà)學海洋學院浙江省海洋觀測-成像試驗區重點實驗室，浙江省舟山市，316021
摘要：在水下(xià)媒介中(zhōng)，聲速随着水深、溫度和鹽度而變化。水體(tǐ)的不均勻性導緻聲線彎折，使得現有基于聲信号直線傳播假設的定位算法不夠精确。爲實現水下(xià)聲學傳感網絡中(zhōng)的高精度節點定位，本文首先使用線性分(fēn)割近似方法，提出多層等梯度聲速剖面（sound speed profile，SSP）模型。基于此模型，可将聲線跟蹤問題轉化爲多項式尋根問題。利用傳感器節點處信号多普勒頻(pín)移的導數，提出一(yī)種新的使用到達時間差（time difference of arrival，TDOA）和到達頻(pín)率差（frequency difference of arrival，FDOA）的水下(xià)節點定位算法。通過模拟仿真，可以證明所提算法的有效性。與傳統基于直線傳播假設的方法相比，所提算法可有效處理聲線彎折現象。此外(wài)，研究了不同SSP建模誤差下(xià)的估計精度。總體(tǐ)而言，新提出的方法可以實現準确可靠的節點定位。

關鍵詞組：水下(xià)聲學傳感器網絡；聲學定位；聲速剖面；到達時間差（TDOA）；到達頻(pín)率差（FDOA）

High linearity U-band power amplifier design: a novel intermodulation point analysis method

Jie CUI, Peipei LI, Weixing SHENG

DOI: 10.1631/FITEE.2200082 Downloaded: 1699 Clicked: 1412 Cited: 0 Commented: 0(p.176-186) <Full Text> <PPT> 263

Chinese summary <22> 高線性度U波段功率放(fàng)大(dà)器設計：新型交調點分(fēn)析方法

崔傑，李佩佩，盛衛星
南(nán)京理工(gōng)大(dà)學電子工(gōng)程與光電技術學院，中(zhōng)國南(nán)京市，210094
摘要：功率放(fàng)大(dà)器的線性度決定了通信系統的信号發射質量與系統的發射效率。非線性失真會導緻系統誤碼、帶外(wài)輻射以及臨近信道幹擾，嚴重影響着通信系統的質量和可靠性。論文從毫米波功率放(fàng)大(dà)器的三階互調點入手，對電路的非線性進行補償。介紹了基于格羅方德（GlobalFoundries） 45 nm絕緣體(tǐ)矽工(gōng)藝的AB類線性毫米波功率放(fàng)大(dà)器（PA）的分(fēn)析、設計和測試情況。設計了三種工(gōng)作在U波段的基于共源共栅和三管堆疊單元結構的單端和差分(fēn)堆疊功率放(fàng)大(dà)器。根據非線性分(fēn)析和在片測試結果對比，發現基于三管堆疊單元的設計要優于基于共源共栅單元的設計。使用單端測量方法設計的差分(fēn)功率放(fàng)大(dà)器在44 GHz時實現了47.2%的峰值功率附加效率（PAE）和25.2 dBm的飽和輸出功率（P_sat）。該放(fàng)大(dà)器在44 GHz至50 GHz的工(gōng)作帶寬内實現了P_sat高于23 dBm和峰值PAE高于25%的性能。

關鍵詞組：絕緣體(tǐ)矽；線性分(fēn)析；毫米波；功率放(fàng)大(dà)器