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.2 P.187-326

Cover:

<165>

Contents:

<175>

<<< CONTENTS >>>

Regular Papers

Forget less, count better: a domain-incremental self-distillation learning benchmark for lifelong crowd counting

Jiaqi GAO, Jingqi LI, Hongming SHAN, Yanyun QU, James Z. WANG, Fei-Yue WANG, Junping ZHANG

DOI: 10.1631/FITEE.2200380 Downloaded: 1092 Clicked: 1290 Cited: 0 Commented: 0(p.187-202) <Full Text> <PPT> 290

Chinese summary <37> 忘得少，數得好：一(yī)種域增量式自蒸餾終身人群計數基準

高佳琪¹，李婧琦¹，單洪明^2,3，曲延雲⁴，王則⁵，王飛躍⁶，張軍平¹
¹複旦大(dà)學計算機科學技術學院上海市智能信息處理重點實驗室，中(zhōng)國上海市，200433
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
³上海腦科學與類腦研究中(zhōng)心，中(zhōng)國上海市，201210
⁴廈門大(dà)學信息科學與技術學院，中(zhōng)國廈門市，361005
⁵賓夕法尼亞州立大(dà)學信息科學與技術學院，美國賓夕法尼亞州，16802
⁶中(zhōng)國科學院自動化研究所複雜(zá)系統管理與控制國家重點實驗室，中(zhōng)國北(běi)京市，100190
摘要：人群計數在公共安全和流行病控制方面具有重要應用。一(yī)個魯棒且實用的人群計數系統須能夠在真實場景中(zhōng)不斷學習持續到來的新域數據，而非僅僅拟合某一(yī)單域的數據分(fēn)布。現有方法在處理多個域的數據時有一(yī)些不足之處：（1）由于來自不同域的固有數據分(fēn)布之間的差異，模型在訓練來自新域的圖像數據後在舊(jiù)域中(zhōng)的性能可能會變得十分(fēn)有限（甚至急劇下(xià)降），這種現象被稱爲災難性遺忘；（2）由于域分(fēn)布的偏移，在某一(yī)特定域數據中(zhōng)訓練好的模型在其他未見域中(zhōng)通常表現不佳；（3）處理多個域的數據通常會導緻存儲開(kāi)銷的線性增長，例如混合來自所有域的數據進行訓練，或者是簡單地爲每一(yī)個域的數據單獨訓練一(yī)個模型。爲克服這些問題，我(wǒ)們探索了在域增量式訓練設置下(xià)一(yī)種新的人群計數任務，即終身人群計數。它的目标是通過使用單個模型持續不斷地學習新域數據以減輕災難性遺忘并提高泛化能力。具體(tǐ)來說，提出一(yī)種自蒸餾學習框架作爲終身人群計數的基準模型（forget less，count better，FLCB），這有助于模型可持續地利用之前學到的有意義的知(zhī)識來更好地對人數進行估計，以減少訓練新數據後對舊(jiù)數據的遺忘。此外(wài)，設計了一(yī)種新的定量評價指标，即歸一(yī)化後向遷移（normalized Backward Transfer，nBwT），用于評估模型在終身學習過程中(zhōng)的遺忘程度。大(dà)量實驗結果證明了該模型的優越性，即較低的災難性遺忘度和較強的泛化能力。

關鍵詞組：人群計數；知(zhī)識蒸餾；終身學習

A graph-based two-stage classification network for mobile screen defect inspection

Chaofan ZHOU, Meiqin LIU, Senlin ZHANG, Ping WEI, Badong CHEN

DOI: 10.1631/FITEE.2200524 Downloaded: 1262 Clicked: 1309 Cited: 0 Commented: 0(p.203-216) <Full Text> <PPT> 255

Chinese summary <35> 用于手機屏缺陷檢測的基于圖的兩階段分(fēn)類網絡

周超凡^1,2，劉妹琴^3,2,1，張森(sēn)林^1,2，魏平³，陳霸東³
¹浙江大(dà)學工(gōng)業控制技術國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學電氣工(gōng)程學院，中(zhōng)國杭州市，310027
³西安交通大(dà)學人工(gōng)智能與機器人研究所，中(zhōng)國西安市，710049
摘要：缺陷檢測是手機屏質量控制的重要環節。手機屏缺陷的特性帶來了一(yī)些具有挑戰性的問題，包括：（1）類間相似性和類内差異性；（2）低對比度、微小(xiǎo)尺寸或不完整缺陷的識别帶來的困難；（3）針對多标簽圖像的類别相關性建模。爲了解決這些問題，本文提出一(yī)種圖推理模塊，它可以堆放(fàng)在常規的分(fēn)類模塊上。該推理模塊利用類别間的依賴性、圖像間的關系以及類别圖像之間的相互作用來擴展特征維度，并且達到改進低質量圖像特征的目的。爲了進一(yī)步提高分(fēn)類性能，分(fēn)類模塊的分(fēn)類器被設計爲一(yī)個餘弦相似度函數。在對比學習的幫助下(xià)，分(fēn)類模塊可以更好地初始化推理模塊的類别圖。在手機屏缺陷數據集上的實驗表明，所提出的兩階段網絡取得了最佳性能：準确率爲97.7％，F-measure爲97.3％。這證明了本文所提出的方法在工(gōng)業應用中(zhōng)是有效的。

關鍵詞組：基于圖的方法；多标簽分(fēn)類；手機屏缺陷；神經網絡

Development of an onsite calibration device forrobot manipulators

Ziwei WAN, Chunlin ZHOU, Haotian ZHANG, Jun WU

DOI: 10.1631/FITEE.2200172 Downloaded: 1290 Clicked: 1279 Cited: 0 Commented: 0(p.217-230) <Full Text> <PPT> 214

Chinese summary <33> 一(yī)種機械臂在線标定裝置開(kāi)發

萬梓威^1,2，周春琳^1,3，張昊天⁴，吳俊¹
¹浙江大(dà)學控制科學與工(gōng)程學院，中(zhōng)國杭州市，310063
²浙江大(dà)學湖州研究院，中(zhōng)國湖州市，313098
³浙江大(dà)學濱江研究院，中(zhōng)國杭州市，310014
⁴電子科技大(dà)學信息與軟件工(gōng)程學院，中(zhōng)國成都市，610054
摘要：提出一(yī)種名爲MultiCal的新型接觸式三維測量裝置，可用于機械臂的現場标定和在線精度測量，具有使用方便、成本低（低于5000美元）、性能可靠等優點。該設備可靈活地設置在機械臂的工(gōng)作環境中(zhōng)進行微米級精度三維測量。在标定過程中(zhōng)，通過一(yī)個三維位移測量裝置，讓機械臂的工(gōng)具中(zhōng)心點運動至一(yī)個固定點，之後再繞該點旋轉運動至不同姿态角并測量各關節角度（單點約束測量）。然後采用一(yī)個創新設計的夾具，将三維位移測量裝置精确地安裝在該夾具的不同工(gōng)位上，并重複上述測量過程，從而實現多點約束測量。夾具上不同工(gōng)位的相對位置在标定前已被精确測量，并作爲标定的先驗信息，以提高标定的精度與魯棒性。理論分(fēn)析表明，在相同水平的測量誤差下(xià)，MultiCal的理論标定精度與傳統的非接觸式三維或六維測量設備（如激光跟蹤器）相比降低10%-20%。而在Staubli TX90機械臂上進行的實際标定實驗結果表明，MultiCal實際标定精度僅比帶激光掃描儀的測量臂低7%-14%，時間效率比六維雙目視覺測量系統低21%-30%，标定後的機械臂的最大(dà)和平均絕對定位誤差分(fēn)别爲0.831 mm和0.339 mm。

關鍵詞組：标定裝置；運動學标定；現場标定；絕對定位精度

Parameter value selection strategy for complete coverage path planning based on the Lü system to perform specific types of missions

Caihong LI, Cong LIU, Yong SONG, Zhenying LIANG

DOI: 10.1631/FITEE.2200211 Downloaded: 2267 Clicked: 1332 Cited: 0 Commented: 0(p.231-244) <Full Text> <PPT> 243

Chinese summary <35> 基于Lü系統的移動機器人完成特殊情況下(xià)全覆蓋路徑規劃的參數值選擇策略

李彩虹¹，劉聰¹，宋勇²，梁振英¹
¹山東理工(gōng)大(dà)學計算機科學與技術學院，中(zhōng)國淄博市，255000
²山東大(dà)學（威海）機電與信息工(gōng)程學院，中(zhōng)國威海市，264209
摘要：針對移動機器人完成特殊情況下(xià)的全覆蓋路徑規劃（complete coverage path planning, CCPP）任務，基于Lü系統，提出一(yī)種構造混沌機器人的系統參數值綜合選擇策略，以滿足特殊任務下(xià)遍曆軌迹高随機性和高覆蓋率的需求。首先利用混沌系統必爲耗散系統的特點，大(dà)緻确定Lü系統成爲耗散系統的參數取值範圍；然後計算耗散系統下(xià)的李雅普諾夫指數譜，縮小(xiǎo)系統參數的取值範圍；其次畫出這些參數下(xià)的相平面，大(dà)緻判斷其軌迹的拓撲分(fēn)布特性；進一(yī)步在好的參數取值裏，計算每個參數下(xià)變量的皮爾遜相關系數，判斷每個變量的随機特性。最後，在所确定參數值下(xià)，利用其中(zhōng)的變量構造混沌機器人，并仿真測試了覆蓋率，研究覆蓋率和變量随機特性之間的關系。上述綜合選擇策略根據覆蓋軌迹混沌性和随機性的要求，逐漸縮小(xiǎo)了系統參數的取值範圍。與使用一(yī)組固定的經典參數值的Lü系統相比，經過綜合方法選擇參數值的系統，能挑選出李雅普諾夫指數大(dà)的變量來構造混沌機器人，從而使覆蓋軌迹的随機性能更高。另一(yī)個混沌Lorenz系統，用來測試和驗證所設計策略的可行性和有效性。此類研究能夠提高機器人完成特殊情況下(xià)CCPP任務的效率。

關鍵詞組：混沌移動機器人；Lü系統；全覆蓋路徑規劃；參數值選擇策略；李雅普諾夫指數；皮爾遜相關系數

A multi-sensor-system cooperative scheduling method for ground area detection and target tracking

Yunpu ZHANG, Qiang FU, Ganlin SHAN

DOI: 10.1631/FITEE.2200121 Downloaded: 2052 Clicked: 1433 Cited: 0 Commented: 0(p.245-258) <Full Text> <PPT> 267

Chinese summary <34> 一(yī)種面向地面區域檢測和目标跟蹤的多傳感器系統協同調度方法

張昀普，付強，單甘霖
陸軍工(gōng)程大(dà)學石家莊校區電子與光學工(gōng)程系，中(zhōng)國石家莊市，050003
摘要：本文提出一(yī)種面向多任務協同的多傳感器系統協同調度方法，并将其應用于地面區域檢測和目标跟蹤。調度的目的是選擇最佳的傳感器來完成分(fēn)配的作戰任務，并獲得最佳作戰收益。首先建立區域檢測模型，并提出檢測風險的計算方法以量化在調度中(zhōng)的檢測收益。然後結合道路約束信息和多普勒盲區信息建立地面目标跟蹤模型，并引入後驗克拉美羅下(xià)限評估未來時刻的跟蹤精度。最後，考慮檢測、跟蹤和能耗控制的需求建立目标函數，通過求解目标函數，得到最優的傳感器調度方案。仿真結果表明，所提傳感器調度方法可以選擇合适的傳感器完成所需作戰任務，并在區域檢測、目标跟蹤和能耗控制方面均具有良好性能。

關鍵詞組：傳感器調度；區域檢測；目标跟蹤；道路約束；多普勒盲區

On optimization of cooperative MIMO for underlaid secrecy Industrial Internet of Things

Xinyao WANG, Xuyan BAO, Yuzhen HUANG, Zhong ZHENG, Zesong FEI

DOI: 10.1631/FITEE.2200188 Downloaded: 1757 Clicked: 1345 Cited: 0 Commented: 0(p.259-274) <Full Text> <PPT> 261

Chinese summary <32> 襯底式安全工(gōng)業物(wù)聯網中(zhōng)的協作MIMO優化研究

王新堯¹，鮑叙言²，黃育偵³，鄭重¹，費(fèi)澤松¹
¹北(běi)京理工(gōng)大(dà)學信息與電子學院，中(zhōng)國北(běi)京市，100081
²中(zhōng)國信息通信研究院，中(zhōng)國北(běi)京市，100191
³中(zhōng)國人民解放(fàng)軍軍事科學院，中(zhōng)國北(běi)京市，100091
摘要：本文研究協作多輸入多輸出（cooperative multi-input multi-output，C-MIMO）系統中(zhōng)的物(wù)理層安全技術，該技術可以被用于主次用戶共存的襯底式認知(zhī)無線電網絡，并通過提高次級C-MIMO接收機的安全速率同時減少對主用戶的幹擾來實現上述安全通信範式。該通信模型尤其适合應用于基于非授權頻(pín)譜的工(gōng)業互聯網安全傳輸場景，可以實現頻(pín)譜效率和安全速率的有效平衡和折衷。爲此，我(wǒ)們提出一(yī)種特征空間自适應預編碼（eigenspace-adaptive precoding, EAP）方法，并給出在單站發射功率約束和幹擾功率約束下(xià)的安全速率優化問題。通過将原始優化問題分(fēn)解爲預編碼特征空間選擇和功率分(fēn)配兩個子問題，來實現安全預編碼器的設計，其中(zhōng)，特征空間由發射機根據主用戶和次級用戶的信道條件進行自适應選擇。此外(wài)，本文針對海量設備、大(dà)維天線系統提出一(yī)種簡化的EAP方法，該方法充分(fēn)利用大(dà)維天線的空間自由度來降低安全預編碼優化的複雜(zá)度。仿真結果表明，在自适應選擇的特征空間中(zhōng)傳輸信号和人工(gōng)噪聲，C-MIMO系統可以完全消除保密中(zhōng)斷概率，獲得相比固定特征空間預編碼方案更高的安全速率。此外(wài)，針對大(dà)維C-MIMO提出的簡化EAP方法可以顯著提高安全速率。

關鍵詞組：感知(zhī)無線電；物(wù)理層安全；協作多輸入多輸出（C-MIMO）；特征空間自适應預編碼；差分(fēn)凸規劃

Ensemble-transfer-learning-based channel parameter prediction in asymmetric massive MIMO systems

Zunwen HE, Yue LI, Yan ZHANG, Wancheng ZHANG, Kaien ZHANG, Liu GUO, Haiming WANG

DOI: 10.1631/FITEE.2200169 Downloaded: 2113 Clicked: 1477 Cited: 0 Commented: 0(p.275-288) <Full Text> <PPT> 257

Chinese summary <33> 在非對稱大(dà)規模MIMO系統中(zhōng)基于集成-遷移學習的信道參數預測

何遵文¹，李悅¹，張焱¹，張萬成¹，張恺恩¹，郭柳¹，王海明²
¹北(běi)京理工(gōng)大(dà)學信息與電子學院，中(zhōng)國北(běi)京市，100081
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：爲降低第六代移動網絡中(zhōng)的數據處理負擔和硬件成本，非對稱大(dà)規模多入多出（multiple-input multiple-output，MIMO）系統被提出。然而，在非對稱大(dà)規模MIMO系統中(zhōng)，上行和下(xià)行無線信道之間的互易性是無效的。因此，需要基站和用戶設備都發送導頻(pín)來預測雙向信道，這會消耗更多傳輸和計算資(zī)源。本文提出一(yī)種基于集成遷移學習的非對稱大(dà)規模MIMO系統的信道參數預測方法，可以預測多個下(xià)行信道參數，包括路徑損耗、多徑數、時延擴展和角度擴展。選擇上行信道參數和環境特征來預測下(xià)行參數。此外(wài)，提出一(yī)種基于SHAP（SHapley Additive exPlanations）值和最小(xiǎo)描述長度标準的兩步特征選擇算法，以降低由弱相關或不相關特征引起的計算複雜(zá)度和對模型準确性的負面影響。引入實例遷移方法，以支持預測模型應對在新的傳播條件下(xià)難以在短時間内收集足夠訓練數據的問題。仿真結果表明，該方法比反向傳播神經網絡和3GPP TR 38.901信道模型更準确。當波束寬度或通信扇區發生(shēng)變化時，所提出的基于實例遷移的方法在預測下(xià)行參數方面優于沒有遷移學習的方法。

關鍵詞組：非對稱大(dà)規模MIMO系統；信道模型；集成學習；實例遷移；參數預測

Unified construction of two n-order circuit networks with diodes

Xiaoyan LIN, Zhizhong TAN

DOI: 10.1631/FITEE.2200360 Downloaded: 1845 Clicked: 1228 Cited: 0 Commented: 0(p.289-298) <Full Text> <PPT> 214

Chinese summary <33> 用二極管統一(yī)構建兩個n階電路網絡

林小(xiǎo)燕，譚志(zhì)中(zhōng)
南(nán)通大(dà)學物(wù)理系，中(zhōng)國南(nán)通市，226019
摘要：本文通過二極管将兩個不同的n階拓撲電路網絡連接起來，建立起一(yī)個統一(yī)的網絡模型，這是一(yī)個以前沒有研究解決的新問題。該網絡模型不僅包含五個電阻元件，還包含二極管器件，因此該網絡包含多種不同的網絡類型。該問題可以通過三個主要步驟來解決：首先，将網絡簡化爲兩個不同的等效電路模型；其次，應用基爾霍夫定律建立非線性差分(fēn)方程模型；最後，對結構相似的兩個方程進行統一(yī)處理，并利用等效變換技術得到非線性差分(fēn)方程的通解。作爲應用，文章推導出幾個有趣的特殊結果。網絡模型的研究非常重要，可以應用于跨學科研究。

關鍵詞組：複雜(zá)網絡；等效變換；非線性差分(fēn)方程；等效電阻

Dynamic time prediction for electric vehicle charging based on charging pattern recognition

Chunxi LI, Yingying FU, Xiangke CUI, Quanbo GE

DOI: 10.1631/FITEE.2200212 Downloaded: 2952 Clicked: 1360 Cited: 0 Commented: 0(p.299-313) <Full Text> <PPT> 270

Chinese summary <31> 一(yī)種基于充電模式識别的電動汽車(chē)充電時間預測方法

李春喜¹，傅瑩穎¹，崔向科²，葛泉波^3,4,5
¹上海海事大(dà)學物(wù)流工(gōng)程學院，中(zhōng)國上海市，200135
²北(běi)京交通大(dà)學經濟管理學院，中(zhōng)國北(běi)京市，102603
³南(nán)京信息工(gōng)程大(dà)學自動化學院，中(zhōng)國南(nán)京市，210044
⁴南(nán)京信息工(gōng)程大(dà)學江蘇省大(dà)氣環境與裝備技術協同創新中(zhōng)心，中(zhōng)國南(nán)京市，210044
⁵南(nán)京信息工(gōng)程大(dà)學江蘇省大(dà)數據分(fēn)析技術重點實驗室，中(zhōng)國南(nán)京市，210044
摘要：電動汽車(chē)動力電池過度充電容易導緻電池加速老化和嚴重的安全事故。因此，準确預測車(chē)輛充電時間對充電安全防護意義重大(dà)。由于電池組結構複雜(zá)，充電方式多樣，傳統方法因缺乏充電模式識别而預測精度不高。本文應用數據驅動和機器學習理論，提出一(yī)種新的基于充電模式識别的充電時間預測方法。首先，基于動态加權密度峰值聚類（DWDPC）和随機森(sēn)林融合的智能算法對車(chē)輛充電模式進行分(fēn)類；然後，采用改進的簡化粒子群優化算法（ISPSO）和強跟蹤濾波器（STF），對LSTM神經網絡進行優化，構建了一(yī)種高性能的充電時間預測方法；最後，通過實際工(gōng)程數據對所提出的ISPSO-LSTM-STF方法進行了驗證。實驗結果表明，該方法能夠有效區分(fēn)充電模式，提高了充電時間預測精度，具有實際工(gōng)程意義。

關鍵詞組：充電模式；充電時長；随機森(sēn)林；長短期記憶網絡（LSTM）；簡化粒子群優化算法（SPSO）

Compact input-reflectionless balanced bandpass filter with flexible bandwidth using three-line coupled structure

Yahui ZHU, Jing CAI, Wei QIN, Wenwen YANG, Jianxin CHEN

DOI: 10.1631/FITEE.2200261 Downloaded: 1869 Clicked: 1247 Cited: 0 Commented: 0(p.314-326) <Full Text> <PPT> 246

Chinese summary <31> 基于三線耦合結構的具有靈活帶寬的緊湊型平衡式輸入無反射帶通濾波器

朱雅慧^1,2，蔡璟^1,2，秦偉^1,2，楊汶汶^1,2，陳建新^1,2
¹南(nán)通大(dà)學信息科學技術學院，中(zhōng)國南(nán)通市，226019
²南(nán)通大(dà)學智能信息技術研究中(zhōng)心，中(zhōng)國南(nán)通市，226019
摘要：本文提出一(yī)種基于三線耦合結構的具有靈活帶寬的緊湊型平衡式輸入無反射帶通濾波器。在差模模式下(xià)，帶通響應由三線耦合結構實現，同時三線耦合結構的輸入耦合饋線被輸入吸收網絡複用。帶通濾波部分(fēn)和吸收部分(fēn)實現了良好的融合，有效地減小(xiǎo)了電路尺寸，并且兩部分(fēn)的帶寬獨立可控，進而使得該濾波器的差模響應帶寬具有靈活可控的特性。此外(wài)，首次對兩部分(fēn)的帶寬比進行詳細分(fēn)析,以獲得通帶平坦度與無反射性能的良好折衷。因此，該協同設計的輸入無反射差模帶通響應具有易于優化的特點。同時，輸入端的吸收網絡還實現了寬頻(pín)帶内的共模噪聲吸收。爲了驗證該設計方法，設計了一(yī)款尺寸爲0.52λ×0.36λ的平衡式輸入無反射濾波器，測量範圍爲0-7.0 GHz。測得差模響應的中(zhōng)心頻(pín)率爲2.45 GHz，3 dB相對帶寬爲31.4%。實測和仿真結果展現了良好的一(yī)緻性，并且該濾波器具有0.43 dB的低插入損耗、較寬的差模上阻帶（超過20 dB的抑制水平至2.72倍頻(pín)）以及寬帶的差模無反射和共模噪聲吸收（吸收相對帶寬爲285.7%）等優點。

關鍵詞組：輸入無反射濾波器；平衡式帶通濾波器；差模；共模；三線耦合結構