西安电子科技大学学报

针对深度神经网络的高效光学对抗攻击

戚富琪, 高海昌, 李博凌, 邹翔

2025, 52(2): 1-12. doi:10.19665/j.issn1001-2400.20241201

摘要 ( 587 )

HTML ( 47 )

PDF (2512KB) ( 296 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

随着对抗攻击算法的不断更新,深度神经网络面临的安全风险愈加严峻。由于光学现象在真实世界中出现频繁,对光学对抗攻击的抗干扰能力直观反应了深度神经网络在实际应用中的安全性。然而,目前光学对抗攻击方面的研究普遍存在光学对抗扰动失真和优化不稳定的问题。为此,提出了一种新型光学攻击方法AdvFlare,以便于探究眩光扰动对深度神经网络安全性的影响。AdvFlare构造了一种参数化的眩光仿真模型,该模型对眩光的形状和颜色等多个属性进行建模,仿真效果好。在此基础上,提出了参数空间限制、随机初始化和分步优化的策略,解决了对抗扰动失真与收敛困难的问题。实验结果表明,与现有方法相比,AdvFlare能够以极高的成功率让深度神经网络误分类,具有稳定和扰动逼真度高的优点。此外,还发现,无论在数字域还是物理域,利用AdvFlare进行对抗训练能够显著提高深度神经网络的抗干扰能力,对提高公共交通场景下的模型鲁棒性有启发作用。

全双工中继和速率分割协同的安全传输方案

魏明生, 端思轶, 李世党, 高全学, 李春国

2025, 52(2): 13-24. doi:10.19665/j.issn1001-2400.20241205

摘要 ( 275 )

HTML ( 18 )

PDF (10652KB) ( 96 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对传统网络框架存在的诸如覆盖范围受限、系统容量偏低等固有缺陷,考虑具有不可信用户中继与速率分割协作通信中的安全问题,构建了远端用户的平均保密率与公共信息可达速率的加权和的最大化问题。首次将速率分割多址技术与协作中继技术相结合,同时考虑了公共消息广播特性可能引发的公共信息泄露风险。由于该问题中存在变量的耦合和非线性约束,导致其非凸特性,无法直接求解,因此考虑基站和中继设备的功率预算的约束下,联合优化预编码矩阵、公共信息分割和设备到设备的发射功率,采用连续凸逼近的方法,引入松弛变量,线性化处理非凸约束,将该非凸问题转换为易求解的凸问题,进而设计了一种全双工协作速率分割的迭代优化算法,避免了时间资源的浪费。仿真结果证明了所提方案的优越性:相比已有半双工速率分割多址方案,所提方案具有更良好的收敛性,硬件配置实时性有相应改善;同时相比不协作速率分割多址方案,可以实现更高的安全传输速率,为远端用户提供切实的安全保障。

突发干扰场景下的多元极化码扩频技术研究

徐荣池, 朱敏, 白宝明

2025, 52(2): 25-32. doi:10.19665/j.issn1001-2400.20250101

摘要 ( 290 )

HTML ( 13 )

PDF (927KB) ( 98 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

随着无线通信场景中传输数据容量的要求得到进一步提高,大量新兴业务不断涌现,电磁环境变得越来越复杂,无线通信会受到多种干扰因素的影响。越来越多的业务要求在突发干扰场景下,保证信息传输的可靠性,实现可靠通信。为了解决这一问题,提高通信系统的可靠性,文中面向突发干扰场景展开研究。首先,将干扰环境下的信道建模为基于复合泊松分布的加性高斯白噪声信道和突发删除信道的混合信道;随后,针对该信道,研究了多元极化码及多元极化码的软扩频方案,在此基础上,提出了一种基于欧氏距离的乘性重复扩频序列选择方法。仿真结果表明,在高斯噪声混合突发删除信道下,多元极化码误码率性能和错误平层均优于二元极化码。同时,与其他多元码软扩频方案相比,所提的多元极化码乘性重复扩频方案性能优于哈达码扩频方案和随机乘性重复方案。

基于SSENet的飞行员脑力疲劳评估方法

金恒, 孙有朝, 曾一宁, 刘威成, 郭媛媛

2025, 52(2): 33-46. doi:10.19665/j.issn1001-2400.20250204

摘要 ( 302 )

HTML ( 5 )

PDF (29873KB) ( 59 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

着舰任务具备时间紧迫、操作过程复杂等特点,准确评估飞行员脑力疲劳对提高着舰安全至关重要。针对着舰任务中飞行员脑力疲劳评估问题,开展不同难度模拟着舰实验,采集9名被试人员在为期9天实验中的脑电信号,构建基于SSENet的着舰场景下跨被试脑力疲劳评估模型。针对脑电信号空间特征和跨被试训练方法,在模型中设计了SEConv模块以捕捉脑电信号中的空间信息耦合与通道特征信息。结果表明: 在不同难度的着舰任务中,被试的脑力疲劳程度存在显著性差异(p<0.001),模型在五折交叉验证中取得了最高95.55%的分类准确率,平均分类准确率为93.00%,消融实验验证了各模块有效性,相较于经典脑电信号训练模型EEGNet,分类准确率提升了约4%。SSENet在跨被试脑力疲劳评估任务上取得良好效果,有望对提高着舰安全方向的研究提供新的策略。

一种轻量级小目标无人机检测YOLO模型

阳小兵, 李钊, 许艳红

2025, 52(2): 47-56. doi:10.19665/j.issn1001-2400.20250304

摘要 ( 1480 )

HTML ( 27 )

PDF (39203KB) ( 201 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

由于无人机体积小、空域背景复杂且容易与鸟类等天空目标混淆,已有的目标检测模型精度不足。虽然增加模型规模可以在一定程度上提升检测精度,但也会降低模型推理速度、增大参数量与计算量。此外,目前可用于小目标无人机检测的数据集缺乏,难以有效支持无人机检测方法设计。针对以上问题,首先根据现有的开源无人机与鸟类检测数据集,采用基于目标面积压缩的小目标样本增强方法,构建一个可用于小目标无人机与鸟类分类任务的数据集。然后,对YOLOv8模型进行改造,通过使用轻量级自适应下采样卷积结构(LADC),建立了轻量级模型YOLO-LADC,可以在降低模型参数量和计算量的同时提升检测精度。更进一步,在YOLO-LADC的颈部网络增加分支结构得到YOLO-LADCS模型,以更好地适应小目标无人机检测任务。对比实验表明,YOLO-LADCS能够在参数量相比YOLOv8的轻量级衍生版本YOLOv8n减少14%的情况下,将小目标检测的平均准确率提升约1.1%。

基于深度学习的人脸动画驱动方法综述

刘龙, 李浩生, 张梦璇, 杜莹, 常雅淇, 张文博

2025, 52(2): 57-84. doi:10.19665/j.issn1001-2400.20240907

摘要 ( 381 )

HTML ( 11 )

PDF (16998KB) ( 90 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

人脸动画技术旨在通过输入源数据(如音频或视频)动态驱动静态人脸图像,以产生逼真的动画效果。深度学习技术的发展极大地推动了人脸动画技术的进步,深度学习模型能够学习并捕捉面部特征与运动规律,通过自动化驱动过程实现具有真实性与个性化表达的人脸动画。目前,基于深度学习的人脸动画领域已有大量研究成果,但现有的综述多聚焦于特定技术或单一模态的驱动源,文中系统地综述了基于深度学习的人脸动画驱动技术,分别按照音视频驱动面部动画的流程总结研究现状。首先,介绍了从输入源数据提取面部特征的一般步骤;其次,深入分析了特征提取与动画合成的关键技术,并对比不同深度学习网络架构在各步骤的优劣;最后,总结不同架构下的动画生成方法并比较异同。此外,还列举了人脸动画方法常用的数据集及评价指标,总结了领域内现存挑战,进一步阐述了未来工作的发展趋势并做出一些展望,旨在为研究人员提供深度学习在人脸动画领域应用的更全面视角。

动态图谱融合Transformer视网膜血管分割算法

梁礼明, 卢宝贺, 龙鹏威, 金家新, 吴健

2025, 52(2): 85-100. doi:10.19665/j.issn1001-2400.20241204

摘要 ( 368 )

HTML ( 6 )

PDF (55521KB) ( 56 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对现有算法编码端血管特征损失过多、病灶区域血管分割能力较差和全局上下文信息提取不足等问题,提出一种动态特征加权与图谱融合Transformer视网膜血管分割算法。首先设计自适应加权编码端,缓解连续卷积及下采样造成的血管损失问题,增强血管纹理特征;其次构建图谱融合Transformer模块,旨在同时提取血管像素级特征和节点之间的关系,有效捕获图像数据中的全局和局部信息;最后构建动态特征增强模块于解码端和底部层,有效提升病灶区域血管分割能力。在DRIVE、CHASE-DB1和STARE数据集上的实验结果表明,所提出算法在仅有0.91M的模型参数下展现出优越分割性能及泛化能力,准确率分别为97.01%、97.37%和97.42%;灵敏度分别为82.51%、84.47%和81.21%;AUC-ROC分别为98.74%、98.83%和98.94%,对临床眼科疾病的诊断具有一定应用价值。

ARWCGAN:一种高质量的多类别SAR图像生成方法

郑洋, 王榕旭, 郭开泰, 梁继民

2025, 52(2): 101-112. doi:10.19665/j.issn1001-2400.20250105

摘要 ( 636 )

HTML ( 5 )

PDF (7668KB) ( 83 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

在合成孔径雷达(SAR)自动目标识别(ATR)领域,高质量的训练数据集通常十分匮乏。现有基于生成对抗网络(GANs)的SAR图像生成方法,常面临训练稳定性差、生成图像质量低的问题。为解决这些问题,提出了一种新的方法,称为注意力残差Wasserstein条件生成对抗网络(ARWCGAN),旨在生成高质量的多类别SAR图像。该方法设计了注意力残差层,以提升模型对SAR图像特征的提取能力,增强生成图像的目标细节和纹理特征。同时,采用了联合梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)损失函数和分类损失函数,以改进训练稳定性并提高生成图像的多样性。在MSTAR数据集进行了生成实验,并从定性视觉检查、定量质量评估和ATR模型贡献三个方面对生成图像效果进行了评估。实验结果表明,ARWCGAN能够生成高质量的图像,显著提升了ATR模型的识别精度。

多约束未知环境下无人机三维路径规划

崔双鹏, 秦宁宁

2025, 52(2): 113-127. doi:10.19665/j.issn1001-2400.20241107

摘要 ( 546 )

HTML ( 12 )

PDF (11912KB) ( 134 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对多约束未知环境下,风况、障碍物等多因素导致无人机(Unmanned Aerial Vehicle,UAV)路径规划模型收敛效率低和算法复杂度过高的问题,提出一种基于渐进式强化学习的路径规划策略(Progressive Deep Reinforcement Q-learning Network,PR-DQN)。算法考虑类教式训练学习方法,通过构建特征区分的场景,在模型训练过程中动态调整UAV训练场景,解决了模型过早面对复杂任务而导致的学习困难,避免了模型陷入局部最优,提升了模型学习效率。此外,算法综合考量了未知环境中,风况、障碍物和能耗等多约束条件对UAV飞行轨迹的影响,通过构建能耗、碰撞因子和多约束奖赏函数,约束UAV飞行中的路径选择,保证了UAV在安全和能耗允许的前提下,完成路径规划任务。实验结果表明,所提方案平均规划成功率高于同类算法约5.4%,平均训练开销低于同类算法约11.7%,在多类型、多数量障碍物和多元能耗并存的未知环境中,PR-DQN算法具有较高的应用前景。

基于多尺度时频域学习的多元长时间序列预测

衡红军, 李怡欣

2025, 52(2): 128-142. doi:10.19665/j.issn1001-2400.20241207

摘要 ( 467 )

HTML ( 6 )

PDF (27676KB) ( 57 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对现有多元长时间序列预测模型中存在的两个问题,一是仅利用单周期尺度时域信息无法捕捉序列的长期时间依赖关系,二是难以捕捉到有效的多元依赖关系。基于多层感知机,提出了一种基于多尺度时频域学习的多元长时间序列预测模型。模型首先基于傅里叶变换自适应寻找序列的不同周期作为多个尺度;然后针对每个尺度,通过序列分解,分别进行时域和频域两阶段的学习,获取序列的局部和全局时间依赖关系;随后再依据变量间的相关性分析结果,自适应建模多元序列的变量依赖关系;最后,对各尺度中不同的序列分解项应用不同的聚合方法,实现多尺度信息的互补融合。在七个真实数据集上的实验表明,该模型在超过90%的测试中位于最优或次优水平。与基于序列分解的线性模型DLinear相比,MSE实现了11%的平均降低和49.22%的最大降低,MAE实现了10%的平均降低和33.03%的最大降低。此外,模型在有效提升预测精度的同时,具有更高的运行效率。

梯度递归模型优化注入系数的全色锐化算法

戴欢, 杨勇, 卢航远, 黄淑英, 陈常杰

2025, 52(2): 143-155. doi:10.19665/j.issn1001-2400.20241103

摘要 ( 280 )

HTML ( 1 )

PDF (13750KB) ( 40 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

遥感图像全色锐化是通过将全色PAN图像和多光谱MS图像进行融合得到高空间分辨率的HRMS图像,有助于遥感图像在地物识别、土地监测等领域的应用。现有的基于多分辨率分析的全色锐化方法未考虑图像梯度之间的关系,导致提取源图像的细节特征不准确和融合结果的空间失真。为了解决上述问题,提出一种基于梯度递归模型优化注入系数的全色锐化方法。该方法首先分析源图像和融合图像的梯度关系,构建全尺度下理想HRMS图像与源图像之间的递归模型;然后设计梯度递归算法对注入系数进行迭代求解;最后利用该注入系数优化经多分辨率分析方法得到细节,并将优化后的细节注入到MS图像中得到最优的HRMS图像。方法在Pléiades、IKONOS和WorldView-3这3个数据集上进行了仿真实验和真实实验,并与8种不同类型的方法进行了对比分析,仿真实验结果表明,方法的ERGAS值相较于性能第二的方法,分别提高了3.59%,4.46%和2.18%;真实实验的QNR值在Pléiades和IKONOS数据集上达到最优,相对于性能第二的方法分别提高了3.83%,1.92%,在WorldView-3数据集上次优。在消融实验中,相较于无梯度域的全色锐化方法,ERGAS值分别提高了11.33%,14.08%和1.95%。实验结果表明,方法在客观指标上均取得了较为满意的效果;主观视觉效果上能够更好地融合MS图像的光谱信息和PAN图像的空间信息,从而显著提升MS图像的全色锐化质量,同时文中方法具有较快的计算效率。

TDC转置卷积硬件加速器的设计与优化

王国庆, 严利民

2025, 52(2): 156-166. doi:10.19665/j.issn1001-2400.20250205

摘要 ( 279 )

HTML ( 2 )

PDF (1192KB) ( 43 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

转置卷积在深度学习(Deep Learning,DL)任务中应用广泛,但是在小型快速超分辨率卷积神经网络(Fast Super-Resolution Convolutional Neural Network-small,FSRCNN-s)中已经成为推理阶段的主要性能瓶颈,因此设计高效的转置卷积硬件加速器至关重要。基于转换转置卷积为卷积(Transforming Deconvolution to Convolution,TDC)算法,将步长为2的转置卷积软件推理流程转换为4路并行的直接卷积硬件实现,验证了不完美映射情况下算法和硬件加速器的正确性。完成转置卷积加速器设计后,选择FSRCNN-s ×2网络进行端到端部署,采用软硬件协同设计和8位整数(Integer 8-bit,INT8)量化调度策略平衡转置卷积推理精度和速度之间的矛盾。实验结果表明,设计的转置卷积硬件加速器精度损失在0.5dB以内,相比CPU基线推理速度缩短到17ms。对比其他转置卷积加速器,设计的整数推理加速器显著降低了数字信号处理器(Digital Signal Processor,DSP)资源占用,将DSP效率提高为0.200 每秒十亿次运算(Giga Operations Per Second,GOPS)/DSP,为低位宽整数推理转置卷积加速器设计提供参考。

基于忆阻器存算一体架构的BCH多位纠错方法

蔡固顺, 刘锦辉, 谭雯丹, 黄钊, 王泉

2025, 52(2): 167-178. doi:10.19665/j.issn1001-2400.20241111

摘要 ( 339 )

HTML ( 2 )

PDF (78940KB) ( 50 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

忆阻器存算一体(Compute-In-Memory,CIM)架构作为一种融合存储和计算功能新技术,可以有效解决传统冯诺伊曼架构数据纠错因存储和计算分离而导致的数据传输速率受限、搬移频繁、传输功耗和延迟增加等问题,提高星载电子系统可靠性与稳定性。然而,现有CIM纠错技术仅能实现单比特数据纠错,无法处理连续多位错误检错与纠错。为此,提出一种基于忆阻器CIM架构的BCH多位纠错方法。首先,将传统编码和译码中的取模、乘加、前搜索等运算转换为矩阵形式,以简化计算过程,减少资源开销;其次,分别构建了有限域乘累加及乘法单元,根据BCH算法各阶段的运算需求及计算数据特点,采用并行处理方式自适应选择相应计算单元,以进一步提高运算效率。最后,在Cadence的Calculator和MNSIM仿真平台上对所提方法进行验证。实验结果表明,该方法在实现高效稳定多位纠错同时,数据吞吐率为8.8 MHz、运行功耗小于40 mW、65 nm工艺下面积开销为3×10⁵ μm²。特别地,相比FPGA与IMPLY架构,计算效率分别提升了7和400倍。

北斗失效隧道场景下列车自适应定位方法研究

陈永, 陶瑄, 袁姣姣

2025, 52(2): 179-189. doi:10.19665/j.issn1001-2400.20250202

摘要 ( 316 )

HTML ( 5 )

PDF (1514KB) ( 44 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

高可靠的列车定位技术是列车运行控制系统的基础。当列车运行至隧道严重遮挡场景时,北斗卫星导航系统BDS将失效,导致列车定位误差累积,严重影响定位性能。为了提高列车在隧道严重遮挡场景下的定位性能,提出了一种北斗失效隧道严重遮挡场景下的列车自适应定位方法。首先,对北斗失效场景下,SINS定位误差进行分析,利用航位推算DR算法,解决了SINS自校准失效问题。其次,提出了基于无迹卡尔曼的隧道严重遮挡场景下定位误差自适应估计与补偿方法,根据定位误差分析,构建隧道列车组合定位状态方程和观测方程。最后,设计基于无迹卡尔曼滤波的优化估计方法,实现了对列车连续位置信息的校准和补偿,提高了列车在北斗卫星信号失效时隧道定位的性能。通过列车定位仿真试验与银西高速铁路隧道线路数据对文中所提方法进行有效验证,结果表明,所提方法较对比方法,能够有效提高列车在北斗失效隧道严重遮挡场景下的定位性能,且具有更好的稳定性。

面向对抗样本干扰的人脸识别隐私保护方案

马彩霞, 贾春福, 蔡智鹏, 杜瑞忠, 李明月, 哈冠雄

2025, 52(2): 190-200. doi:10.19665/j.issn1001-2400.20241105

摘要 ( 320 )

HTML ( 3 )

PDF (9168KB) ( 49 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

人脸识别技术的广泛应用给人们带来了极大的便利,但也面临着身份等隐私信息被泄露的风险。针对人脸识别的攻击可通过重构人脸图像来获取原始图像的隐私信息,为防范此类攻击,提出了一种面向对抗样本干扰的人脸识别隐私保护方案(PPFR-ASP)。该方案采用频域技术中的协同推理机制,首先将人脸图像转换为频域特征,并分成高频成分特征和低频成分特征,然后在频域特征上添加对抗样本干扰。其次,为每个原始图像准备一个目标图像,对目标图像做和原始图像相同的频域特征转换处理,然后使用目标图像的频率成分通道遮盖原始图像中的相应成分,使攻击者将重构图像识别为目标图像,从而隐藏原始图像的真实身份。最后,文中所提方案在多个数据集上进行了大量的实验,结果表明其人脸图像隐私保护性能高于对比方案,查询精确度和计算开销与无隐私保护的ArcFace方案相接近。

一种面向数据扰动的动态均衡隐私模型

谢玮璇, 郭子裕, 左金鑫, 郭辰青, 陆月明

2025, 52(2): 201-213. doi:10.19665/j.issn1001-2400.20241202

摘要 ( 359 )

HTML ( 1 )

PDF (3620KB) ( 50 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

针对现有隐私保护方案中对数据扰动的研究不足以及隐私度量与隐私保护结合不够充分等问题,提出了一种面向数据扰动的动态均衡隐私模型(DBPM-DD)。首先,基于用户的隐私偏好和数据质量,设计了一种实时评估数据隐私的动态度量机制,精准度量数据所包含的隐私信息量。其次,提出了一种基于概率划分的数据重构机制,并据此给出了扰动数据的隐私度量方法,实现了隐私数据的多范式适配。最后,提出一种噪声尺度自适应调节方法,根据反馈的隐私度量结果,自适应调节噪声的强度,在确保用户隐私的同时最大限度地保留数据的可用性,实现隐私保护与数据效用之间的动态均衡。实验结果表明,该模型在不同噪声尺度、数据规模和攻击强度下均能有效提高隐私保护程度,同时保持较高的数据可用性,能够在不同条件下提供一致且有效的隐私保障,优于对比的其他隐私保护模型。文中的研究为数据扰动技术中的隐私保护提供了新的理论支持,具有一定的实际应用价值和广泛的适用范围。

基于联盟链的公平性联邦学习框架

赵洋, 刘悦, 李鹤翔, 王文豪

2025, 52(2): 214-224. doi:10.19665/j.issn1001-2400.20250108

摘要 ( 548 )

HTML ( 6 )

PDF (2496KB) ( 44 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

为了解决传统联邦学习应用中心服务器可能存在的隐私泄露、单点失效和中毒攻击等问题,提出一种基于联盟链的公平性联邦学习框架。该框架通过每轮领导人节点与共识委员会节点的相互选择,实现数据的安全聚合和更新,确保系统的去中心化和分布式特性。同时利用区块链的不可篡改性和防单点攻击等特性,设计一种客户端级的数据质量评估方法,为多方训练提供必要的量化依据,保证评估结果的透明性和可追溯性,并优化节点选举流程,保证高质量客户端的优先选择。为了提升节点选举的公平性,提出基于Shapley值的改进算法,通过结合客户端的历史行为表现,使贡献度评估更加灵活准确,降低了低质量节点在贡献度评估中的比例,减少其数据对模型训练的负面影响。实验结果表明,该方案可以在确保模型预测准确性的基础上,显著提升领导人节点的选举公平性和客户端边际贡献的准确性;同时通过动态的节点奖励机制,确保系统的长期公平性,有效应对了联盟链中的公平性问题。

面向高分辨率图像传输的CNN网络编码方案研究

刘娜, 杨颜博, 张嘉伟, 李宝山, 马建峰

2025, 52(2): 225-238. doi:10.19665/j.issn1001-2400.20241206

摘要 ( 375 )

HTML ( 10 )

PDF (8698KB) ( 73 )

数据和表 | 参考文献 | 相关文章 | 多维度评价

网络编码技术可以有效提升网络的吞吐率,然而,传统网络编码的编解码复杂度高且难以自适应环境噪声等动态因素的影响而容易导致解码失真,近年来有研究者引入神经网络以优化网络编码过程,但在高分辨率图像传输任务中,现有的神经网络编码方案对高维度空间信息的捕捉能力不足,带来较大的通信及计算开销。为此,文中提出采用二维卷积神经网络(CNN)对各网络节点的编解码器进行参数化设计的联合源的深度学习网络编码方案,通过CNN捕捉深层空间结构信息并降低网络节点的计算复杂度。在信源节点,通过卷积层运算实现对传输数据的降维处理,提升数据的传输速率;在中间节点,接收来自两个信源的数据并通过CNN编码压缩至单个信道传输;在信宿节点,对接收到的数据利用CNN进行升维解码而恢复出原始图像。实验表明,在不同信道带宽占用比和信道噪声水平下,该方案在峰值信噪比和结构相似度上展现出优良的解码性能。

当期目录