计算机工程与科学

2023年第6期目录

2023, 45(06): 0-0. doi:

摘要 ( 104 )

PDF (258KB) ( 216 ) 　　

面向112 Gbps PAM4串行接收机的低误码协同自适应均衡器

赖明澈, 吕方旭, 张庚, 许超龙

2023, 45(06): 951-960. doi:

摘要 ( 245 )

PDF (2512KB) ( 400 ) 　　

高速串行接口是高性能计算机和数据中心芯片之间互连的核心关键IP。随着业界单通道速率由56 Gbps向112 Gbps发展，高速串行接口的误码率急剧增加,严重影响互连性能和系统稳定性。针对112 Gbps PAM4接收机误码率高的难题，首次采取一种协同自适应均衡器构架，提出了面向3种均衡器的自适应协同均衡算法，能在高插入损耗条件下取得较低误码率；提出了基于判决反馈均衡器的盲自适应均衡算法，能缩短链路训练时间，减少硬件开销。采用12 nm CMOS工艺完成了基于协同自适应均衡器的接收机设计。仿真结果表明，针对经过36.5 dB信道的去加重112 Gbps PAM4信号，采取协同自适应均衡器的接收机误码率小于1e-12，收敛周期约400 ns，功耗增幅仅约2.3%。

基于CAD几何模型的曲面流线可视分析方法

吴付坤, 曹轶, 董庆利,

2023, 45(06): 961-969. doi:

摘要 ( 120 )

PDF (1571KB) ( 245 ) 　　

针对在大规模矢量场中复杂几何曲面流线生成难的问题，设计实现了一种高精度的复杂曲面流线可视分析方法。首先，基于拓扑二维曲面结构进行求交计算，并引入高精度插值算法实现几何曲面矢量场并行抽取操作；然后，采用改进型龙格-库塔矢量场流线积分扩展技术进行积分计算，并引入自适应积分步长策略和流线-曲面求交加速结构，生成连续一致的曲面流线；最后，引入小球特征到可视化管线流程中，并集成于通用可视分析平台。实验结果表明，该方法能够高精度地生成连续一致的几何曲面流线，有效刻画复杂装置表面流场物理特性。

一种定制片上网络设计探索算法的设计与实现

葛一漩, 李晨, 陈小文, 鲁建壮, 郭阳

2023, 45(06): 970-978. doi:

摘要 ( 124 )

PDF (975KB) ( 231 ) 　　

设计定制片上网络以满足不同特定应用需求已经成为片上网络设计的发展趋势。定制专用系统一般由各种不同类型的设备组成，将这些设备映射到传统的规则网络拓扑上可能导致较低的性能/开销比。基于精细化设计的定制片上网络成为领域专用系统架构的主流选择。然而，精细化设计也给硬件设计师带来了诸多挑战，传统的手工设计耗费大量时间。因此，探索具有精确化和敏捷化设计特征的定制网络拓扑成为定制片上网络设计的一个重要挑战。为了探索定制片上网络的最佳拓扑结构，设计了一种精确高效的探索算法；同时为了降低时间复杂度，提出了一种启发式线性规划算法HLP，以加快多个网络层之间的遍历速度。与传统的Mesh拓扑结构相比，生成的拓扑结构实现了约20%的性能提升，并将平均跳数减少了约30%。同时，该设计探索算法具有较低的时间复杂度，可以在线性时间复杂度下实现定制片上网络架构的自动生成，具有较高的可扩展性，可应用于大规模片上系统。

基于WCOJ的UPF供电状态分析器的设计与实现

史明川, 邹鸿基, 秦志楷, 李暾

2023, 45(06): 979-986. doi:

摘要 ( 100 )

PDF (526KB) ( 198 ) 　　

随着集成电路工艺水平日益提高，单个芯片上可集成的功能单元数不断增加，电路的总功耗也变得越来越高，特别是超大规模集成电路设计的功耗问题已经无法回避。一套完备的基于UPF的低功耗设计流程可以解决该问题。针对UPF分析主要为数据表运算的特点，提出了一种WCOJ算法——Leapfrog，对电压域中的每个层次结构的供电电源状态表进行设计规则检查与合并，并设计实现了一个基于WCOJ的UPF供电状态分析工具。实验结果表明，该算法在空间复杂度与时间复杂度方面均有改进，且可移植性强，具有重要的理论与实践意义。

基于6U VPX主板的铝基均热板散热性能实验研究

李翊

2023, 45(06): 987-994. doi:

摘要 ( 116 )

PDF (1673KB) ( 206 ) 　　

针对某6U VPX高性能主板发热器件众多、总热功耗大导致的散热难题，开展了铝基均热板散热盒的工程应用实验研究。测试结果表明：常温28 ℃环境中，自然散热工况下铝基均热板散热盒无法满足主板散热要求，风冷散热工况下，铝基均热板散热盒上最大温差为7.2 ℃，CPU和DSP芯片最大结温分别为45 ℃和50 ℃；高温60 ℃环境中，均热板上最大温差为6.7 ℃，CPU和DSP芯片最大结温分别为85 ℃和83 ℃，低于允许结温105 ℃。由此可知，铝基均热板散热盒散热性能显著，配合风冷工况可以满足标准6U VPX高性能大功耗主板的散热需求，是解决主板散热困难的有效手段。

基于匹配理论的LoRa参数双重匹配优化

杨茂恒, 章辉, 周超

2023, 45(06): 995-1002. doi:

摘要 ( 109 )

PDF (1252KB) ( 220 ) 　　

将LoRaWAN中的资源分配设定为扩频因子分配和信道分配的优化问题，特别是在LoRaWAN中有大量连接设备的情况下，以保证有限频谱资源的LoRa用户之间的吞吐量公平性。首先，引入匹配理论，将LoRa用户与信道和LoRa用户与扩频因子视为匹配双方，为了最大化它们的效用，提出了一种基于匹配的信道与扩频因子分配算法MSFCAA。然后，以匹配理论为基础，以最大化效用为目标，以最优化网络信道与扩频因子分配为结果，最大限度地提高LoRaWAN中实现的最小信道容量。同时，还提出一种公平传输时间初始化算法，以保证每组参数的吞吐量公平性。仿真结果表明，公平传输时间初始化算法能获得优于其他分配方案的初始分配结果，基于匹配的信道与扩频因子分配算法能显著提升LoRa网络数据提取率并极大降低网络能耗。

面向公共递归DNS服务系统的测量与分析

李众, 丁伟, 莫松源

2023, 45(06): 1003-1010. doi:

摘要 ( 108 )

PDF (727KB) ( 236 ) 　　

目前，对于域名系统的研究主要集中在域名分类、域名安全、域名服务器性能等方面，针对域名服务器之间关系的研究相对较少。通过对超过800万台DNS服务器进行为期31 d的测量实验，获得了包括130余万台递归服务器之间的关联关系在内的2.5亿个递归查询事件的基本信息。首先，对递归查询事件进行了面向容量、响应规范水平等测度的统计分析；然后，对支持递归查询的服务器按照功能和响应状态的2种分类方法进行了统计，并提出了一个服务器稳定值测度，用于描述服务器响应的稳定性；然后，借助无向图对DNS服务器的关联关系进行展示；最后，尝试对服务器分类统计结果中出现的不合理现象进行解释和分析。

基于Double-Bagging特征降维异质集成入侵检测

陈俊彦, 卢贤涛, 黄雪锋, 卢小烨, 廖岑卉珊

2023, 45(06): 1011-1019. doi:

摘要 ( 104 )

PDF (853KB) ( 221 ) 　　

入侵检测是网络安全领域中具有挑战性的重要任务。单个分类器可能会带来分类偏差，使用集成学习相较单分类器，具有更强的泛化能力及更高的精确率，但调整各基分类器的权重需要大量的时间。基于此问题，提出了一种基于Bagging特征降维和基于Bagging异质集成入侵检测分类算法（Double- Bagging）的特征降维异质集成入侵检测算法。该算法通过集成5个特征选择算法，采用Bagging投票机制选出最优特征子集，实现高效准确的特征降维。同时，引入集成学习中的成对多样性度量，从不同基分类器组合中选出最优异质集成集合。对于赋权函数综合使用精确率和AOC值作为权重对分类器进行集成。实验结果表明，所提算法精确率高达99.94%，系统错误率及正判率分别为0.03%和99.55%，均优于现有主流入侵检测算法的。

针对图像识别的一种分步对抗防御方法研究

徐茹枝, 王硕, 龙燕, 宗启灼

2023, 45(06): 1020-1029. doi:

摘要 ( 120 )

PDF (1177KB) ( 222 ) 　　

图像增强；对抗训练；分步防御；深度学习

一种改进Faster R-CNN的图像篡改检测模型

田秀霞, 刘正, 刘秋旭, 李浩然

2023, 45(06): 1030-1039. doi:

摘要 ( 246 )

PDF (1094KB) ( 396 ) 　　

随着人工智能的发展，数字图像被广泛应用于各大领域。然而，图像编辑软件的出现导致大量图像受到恶意篡改，严重影响了图像内容的真实性。图像篡改检测的研究不同于通用的目标检测，它需要更加关注图像本身的篡改信息，而这些信息表现形式往往比较微弱，所以检测时需要侧重于学习更丰富的篡改特征。提出一种结合梯度边缘信息和注意力机制的双流Faster R-CNN模型，可以实现不同篡改类型区域的检测定位。双流之一为原色流，利用注意力机制提取图像的表层特征，如亮度对比、篡改边界的视觉差异等。双流之二为梯度流，利用梯度高通滤波器增强真实区域与篡改区域之间的边缘异常特征，使模型更容易发现篡改图像中微弱的篡改痕迹。通过紧凑型双线性池化将原色流和梯度流的特征进行融合。由于公开可用的图像篡改数据集规模较小，基于PASCAL VOC 2012数据集创建了规模为10 000幅的图像篡改检测数据集，用于模型预训练。在COVER、COLUMBIA和CASIA数据集上的检测结果表明，所提模型的检测精度相比当前最好模型的提高了7.1%~9.6%，并在JPEG压缩和图像模糊攻击下表现出了更高的鲁棒性。

基于图神经网络的行人轨迹预测研究综述

曹健, 陈怡梅, 李海生, 蔡强,

2023, 45(06): 1040-1053. doi:

摘要 ( 340 )

PDF (883KB) ( 607 ) 　　

随着计算机视觉和自动驾驶技术的快速发展，自动感知、理解和预测人类行为的能力变得越来越重要。各类传感器的普及使得社会中产生了大量运动物体的位置数据。基于这些数据预测行人的运动轨迹在社交预测等多个领域都有着极大的价值。为了深入了解这方面的发展，对基于图神经网络的行人轨迹预测方法进行了综述，从多个角度比较、分析和总结了行人轨迹预测的图神经网络算法，讨论了不同算法在该领域的研究与发展；在目前的公共数据集上进行了对比和分析，介绍了相应性能指标，给出了不同算法的性能比较结果，提出了目前研究仍存在的问题，拓展研究思路和方法；展望了未来可能出现的研究方向。

基于多尺度特征提取的YOLOv5s算法优化

李校林, 王复港, 张鹏飞, 张琳玉,

2023, 45(06): 1054-1062. doi:

摘要 ( 213 )

PDF (834KB) ( 457 ) 　　

目标检测算法广泛应用于无人驾驶、机器人视觉和工业自动化等领域，具有重要研究价值。在众多目标检测算法中，YOLOv5s具有参数规模小和检测速度快的优点，但存在检测精度不高的问题。针对YOLOv5s标准卷积模块特征提取能力不强且存在特征冗余的问题，提出2个基于多尺度特征提取的卷积模块。首先提出多感受野卷积模块，通过多个尺寸的卷积核获取不同粒度的语义信息，以提高模型特征提取能力；然后提出特征图卷积模块，利用少量标准卷积核与分组卷积减少特征通道间的相互制约，提高特征图的多样性；最后使用多感受野卷积模块和特征图卷积模块替换YOLOv5s的部分标准卷积模块，得到本文的改进算法。在PASCAL VOC数据集上的实验结果表明，改进算法在提高了检测精度的同时还保证了YOLOv5s的实时检测能力，mAP_0.5和mAP_0.5:0.95分别提高了2.4%和4.9%，证明了改进算法的有效性;在DOTA数据集上进一步验证了改进算法在不同环境下具有良好的泛化能力。

基于改进的YOLOv5的航拍图像中小目标检测算法

杨慧剑, 孟亮

2023, 45(06): 1063-1070. doi:

摘要 ( 222 )

PDF (1625KB) ( 332 ) 　　

目前基于无人机航拍的目标检测技术广泛应用于军事和民用领域，但因其存在成像距离远、高空拍摄图像模糊和目标信息占比小等问题，目标检测准确率不高。针对这一问题，提出一种基于YOLOv5的改进算法。该算法首先在数据增强方面对原始图像进行加雾处理，提高其在雾天的鲁棒性；其次通过融合CBAM模块，来增强不同通道和空间的重要性；再者将原算法中的SPP更换为ASPP，以减小池化操作对特征信息的影响；最后在FPN结构中增加一层检测头，用于更细粒度的检测目标。以YOLOv5s为Baseline，实验表明，改进后的算法比原算法的mAP_0.5提高了6.9%，可以有效应用于航拍小目标的检测。

基于改进MobileNetV2的人脸表情识别

严春满, 张翔, 王青朋

2023, 45(06): 1071-1078. doi:

摘要 ( 207 )

PDF (783KB) ( 267 ) 　　

针对现有深度卷积神经网络参数量庞大，导致人脸表情识别场景受限的问题，提出一种基于改进轻量级卷积神经网络的人脸表情识别模型。该模型以MobileNetV2轻量级特征提取网络为主要框架，通过压缩网络宽度因子与整体维度，减少网络参数量与计算量；引入SandGlass模块对网络倒残差模块进行改进，减少特征信息在网络传输中的丢失；同时嵌入高效通道注意力机制，提高网络对于特征信息的提取能力。在人脸表情数据集FER2013和CK+上进行实验，所提网络模型的人脸表情识别准确率达到了68.96%与95.96%，分别高于MobileNetV2 1.06%与6.14%，且参数量下降82.28%，实验结果验证了网络模型改进措施的有效性。

基于会话嵌入的应用程序使用预测

余泽鹏, 安业腾, 张烁, 杨自兴, 陆继翔, 曹蓉蓉, 陈轶洲, 李文中, 陆桑璐

2023, 45(06): 1079-1086. doi:

摘要 ( 110 )

PDF (738KB) ( 183 ) 　　

如今，智能手机用户在他们的手机上安装了几十个甚至上百个应用程序。预测应用程序的使用不仅有助于手机系统加快应用程序的启动，也能够减少用户寻找所需应用程序的时间。关注一种新颖的基于会话的应用程序的使用预测问题,即预测一段时间内将使用的一系列应用程序，提出了一个基于会话的嵌入框架（简称SEM）。针对应用程序会话的可变长性与会话语义上的异构性，提出了一种会话嵌入方法，形成了统一的特征表示，缓解了用户稀疏性的问题，得到了会话的向量表示；基于会话的嵌入表示，训练了一个2层的循环神经网络模型，用于应用程序使用会话的预测。基于真实数据集的大量实验结果表明，该框架优于传统的应用推荐方法。

多层CNN特征融合及多分类器混合预测的多模态虚假信息检测#br#

梁毅, 吐尔地·托合提, 艾斯卡尔·艾木都拉,

2023, 45(06): 1087-1096. doi:

摘要 ( 166 )

PDF (842KB) ( 249 ) 　　

针对现有的多模态虚假信息检测方法很少对多模态特征在特征层面进行融合，同时忽略了多模态特征后期融合作用的问题，提出了一种基于CNN多模态特征融合及多分类器混合预测的虚假信息检测模型。首次将多层CNN应用于多模态特征融合，模型首先用BERT和Swin-transformer提取文本和图像特征；随后通过多层CNN对多模态特征在特征层面进行融合，通过简单拼接对多模态特征在句子层面进行融合；最后将2种融合特征输入到不同的分类器中得到2个概率分布，并将2个概率分布按比例进行相加得到最终预测结果。该模型与基于注意力的多模态分解双线性模型（AMFB）相比，在Weibo数据集和Twitter数据集上的准确率分别提升了6.1%和4.3%。实验结果表明，所提模型能够有效提高虚假信息检测的准确率。

基于特征融合与Transformer模型的声音事件定位与检测算法研究

濮子俊, 张寿明

2023, 45(06): 1097-1105. doi:

摘要 ( 249 )

PDF (1966KB) ( 280 ) 　　

针对多通道环境声音检测问题，提出了一种引入Transformer结构的特征融合网络模型TBCF-MTNN。该网络模型以对数梅尔谱和广义互相关谱作为输入，首先通过CNN和GRU获取谱的局部特征以及时间上下文关系特征，之后将2种特征图通过Cross-stitch模块进行融合,有效解决了传统网络中多特征信息无法共享的问题；然后，将融合后的特征图送入Transformer进行特征的再次采集；最终，通过全链接层输出分类和定位结果。在TAU-NIGENS 2020数据集上的实验结果表明，所提出的TBCF-MTNN网络在声音检测任务中的分类错误率能够减小至0.26；在声源定位任务中与Baseline相比较其定位误差减小至4.7°；通过和Baseline、FPN、EIN等模型相比较，结果表明所提网络具有更优的识别检测效果。

基于谱图小波的多尺度社区搜索方法

闫彩瑞, 马慧芳, 李青青

2023, 45(06): 1106-1115. doi:

摘要 ( 111 )

PDF (1619KB) ( 201 ) 　　

作为可捕获用户个性化信息的网络分析任务，社区搜索旨在挖掘满足内聚性要求的查询节点所在的社区。大多数现有社区搜索方法仅能定位查询节点所在的单尺度社区。据此，设计了一种基于谱图小波的多尺度社区搜索方法，利用谱图小波和局部模块度挖掘查询节点所在的多尺度社区。具体地，首先，构建模块度矩阵和拉普拉斯矩阵并进行矩阵分解得到相关特征向量；其次，结合谱图理论和图小波，设计了基于谱图小波的尺度依赖局部模块度；再次，以归一化拉普拉斯矩阵和局部模块度张成的特征空间为支撑，设计了线性规划问题，以求解在给定尺度下与查询相关的稀疏指示向量；最后，利用社区边界截断策略不断添加节点，使得局部模块度最大。人工网络和真实网络上的实验结果表明了方法的高效率和有效性。

基于神经网络的医疗文本分类研究

许浪, 李代伟, 张海清, 唐聃, 何磊, 于曦

2023, 45(06): 1116-1122. doi:

摘要 ( 291 )

PDF (687KB) ( 293 ) 　　

传统的医学文本数据分类方法忽略了文本的上下文关系，每个词之间相互独立，无法表示语义信息，文本描述和分类效果差；并且特征工程需要人工干预，因此泛化能力不强。针对医疗文本数据分类效率低和精度低的问题，提出了一种基于Transformer双向编码器表示BERT、卷积神经网络CNN和双向长短期记忆BiLSTM神经网络的医学文本分类模型CMNN。该模型使用BERT训练词向量，结合CNN和BiLSTM，捕捉局部潜在特征和上下文信息。最后，将CMNN模型与传统的深度学习模型TextCNN和TextRNN在准确率、精确率、召回率和F1值方面进行了比较。实验结果表明，CMNN模型在所有评价指标上整体优于其他模型，准确率提高了1.69%~5.91%。

自适应变异蝴蝶优化算法

黄学雨, 罗华

2023, 45(06): 1123-1133. doi:

摘要 ( 116 )

PDF (887KB) ( 243 ) 　　

针对基本蝴蝶优化算法存在的收敛速度慢、求解精度低和易陷入局部最优等问题，提出一种自适应变异蝴蝶优化算法。首先,利用改进帐篷映射结合重心反向学习初始化种群，获得更好的初始解；其次，在位置更新处引入非线性惯性权重，平衡算法的全局搜索与局部搜索能力；最后,在算法运行过程中，根据群体适应度方差以及当前最优解大小来决定是否对当前最优解和最差解进行高斯变异二次寻优，增强算法跳出局部最优的能力。对12个基准测试函数的多种维度仿真实验结果表明，该算法在收敛速度、求解精度和寻优稳定性方面明显优于其他对比算法。

命题逻辑中一种矛盾体生成新方法

黎兴玉, 何星星, 马雪, 李莹芳

2023, 45(06): 1134-1140. doi:

摘要 ( 124 )

PDF (464KB) ( 257 ) 　　

人工智能是用计算机来模拟人的某些思维过程和智能行为的学科。自动推理中的归结原理是一种简洁、可靠且完备的推理规则。矛盾体的动态多子句协同演绎理论不仅是归结原理的重要延拓，而且具有较高的推理演绎效率。由于矛盾体的结构复杂、生成策略较少，因此在矛盾体的动态演绎可靠性和完备性的基础上，提出复合2个或多个矛盾体的部分子句的不同策略，为矛盾体的构造提供了一种有效的方法。

当期目录

作者中心

审稿中心

在线期刊