ISSN 
2024年 第53卷 第4期
2024, 53(4): 481-486.
doi: 10.12178/1001-0548.2023204
摘要:
随着大面积气体电子倍增器——时间投影室探测器的不断发展，其对读出电子学的密度和集成度要求越来越高。基于180 nm的CMOS工艺设计完成了一款10 bit、20 MSPS的逐次逼近寄存器型模数转换器原型芯片。利用该芯片结合模拟前端模块和数字信号处理器，可实现全数字化的前端读出专用集成电路用于GEM-TPC的读出。该ADC主要由DAC模块、动态比较器模块、异步时钟生成模块和SAR逻辑模块构成。仿真结果表明，输入信号频率为1.836 MHz时，ENOB为8.61 bit，内核功耗约为3.3 mW/Ch。
随着大面积气体电子倍增器——时间投影室探测器的不断发展，其对读出电子学的密度和集成度要求越来越高。基于180 nm的CMOS工艺设计完成了一款10 bit、20 MSPS的逐次逼近寄存器型模数转换器原型芯片。利用该芯片结合模拟前端模块和数字信号处理器，可实现全数字化的前端读出专用集成电路用于GEM-TPC的读出。该ADC主要由DAC模块、动态比较器模块、异步时钟生成模块和SAR逻辑模块构成。仿真结果表明，输入信号频率为1.836 MHz时，ENOB为8.61 bit，内核功耗约为3.3 mW/Ch。
2024, 53(4): 487-494.
doi: 10.12178/1001-0548.2023256
摘要:
印制电路板铜焊盘表面生成耐高温有机可焊保护剂（HT-OSP）膜是克服无铅高温回流焊工艺并获得良好焊点的关键。选用2−[（2,4−二氯苯基）甲基]−1H−苯并咪唑（C14H10Cl2N2）作为成膜剂，在铜层表面生成了HT-OSP膜。理论计算结合对比实验，研究C14H10Cl2N2分子与Cu原子反应生成HT-OSP膜机理。基于量子化学密度泛函理论，模拟C14H10Cl2N2分子与Cu+之间的络合反应；利用红外光谱对HT-OSP膜中的特征官能团进行表征；借助X射线光电子能谱测试HT-OSP膜中Cu元素的化合价；设计对比实验分析Cu2+对生成HT-OSP膜的影响。结果表明：HT-OSP膜生成机理是C14H10Cl2N2分子与Cu原子发生反应生成HT-OSP膜并沉积在铜层表面，Cu2+通过络合反应促进HT-OSP膜生长。另外，HT-OSP膜的分解温度高达531 °C，HT-OSP膜保护的铜层放置在自然环境中180 天没有被氧化，证明HT-OSP膜具有优异的耐热性和抗氧化性。
印制电路板铜焊盘表面生成耐高温有机可焊保护剂（HT-OSP）膜是克服无铅高温回流焊工艺并获得良好焊点的关键。选用2−[（2,4−二氯苯基）甲基]−1H−苯并咪唑（C14H10Cl2N2）作为成膜剂，在铜层表面生成了HT-OSP膜。理论计算结合对比实验，研究C14H10Cl2N2分子与Cu原子反应生成HT-OSP膜机理。基于量子化学密度泛函理论，模拟C14H10Cl2N2分子与Cu+之间的络合反应；利用红外光谱对HT-OSP膜中的特征官能团进行表征；借助X射线光电子能谱测试HT-OSP膜中Cu元素的化合价；设计对比实验分析Cu2+对生成HT-OSP膜的影响。结果表明：HT-OSP膜生成机理是C14H10Cl2N2分子与Cu原子发生反应生成HT-OSP膜并沉积在铜层表面，Cu2+通过络合反应促进HT-OSP膜生长。另外，HT-OSP膜的分解温度高达531 °C，HT-OSP膜保护的铜层放置在自然环境中180 天没有被氧化，证明HT-OSP膜具有优异的耐热性和抗氧化性。
2024, 53(4): 495-502.
doi: 10.12178/1001-0548.2023210
摘要:
在高压电子系统中，瞬态强电磁干扰会通过空间辐射、传导耦合等方式影响低压控制区的正常工作，在该工况下系统的电磁兼容问题较为突出。该文在时域电流测试与近场扫描结合的基础上，提出了一种改进的人工智能近场扫描算法，可实现强瞬态电磁干扰下传导耦合路径的高效可视化，据此采取了相应的整改措施并解决了系统中的电磁干扰问题。与传统近场扫描方法相比，该文提出的人工智能算法可大幅度提高测试效率。此外，还分析了不同参数的选择对该人工智能算法稳定性的影响，提出了一种自动停止扫描的判决标准，该判决标准使人工智能近场扫描算法不需要人为干预，从而具有更高的智能化与鲁棒性。
在高压电子系统中，瞬态强电磁干扰会通过空间辐射、传导耦合等方式影响低压控制区的正常工作，在该工况下系统的电磁兼容问题较为突出。该文在时域电流测试与近场扫描结合的基础上，提出了一种改进的人工智能近场扫描算法，可实现强瞬态电磁干扰下传导耦合路径的高效可视化，据此采取了相应的整改措施并解决了系统中的电磁干扰问题。与传统近场扫描方法相比，该文提出的人工智能算法可大幅度提高测试效率。此外，还分析了不同参数的选择对该人工智能算法稳定性的影响，提出了一种自动停止扫描的判决标准，该判决标准使人工智能近场扫描算法不需要人为干预，从而具有更高的智能化与鲁棒性。
2024, 53(4): 503-510.
doi: 10.12178/1001-0548.2023218
摘要:
针对FDA-MIMO雷达接收数据维数高和工程实现复杂的问题，提出一种FDA-MIMO雷达卷积波束空间目标角度、距离估计算法。首先基于发射波形间的正交性，将对应各发射波形的回波信号通过一组满足奈奎斯特性质的滤波器组，然后对各滤波器的稳态卷积输出进行抽取处理以降低数据维数；对抽取数据应用传播算子法，再基于卷积滤波器的通带特性和FDA阵列角度、距离间的耦合关系，实现目标角度和距离参数的无模糊估计。仿真实验验证了该参数估计算法的有效性。
针对FDA-MIMO雷达接收数据维数高和工程实现复杂的问题，提出一种FDA-MIMO雷达卷积波束空间目标角度、距离估计算法。首先基于发射波形间的正交性，将对应各发射波形的回波信号通过一组满足奈奎斯特性质的滤波器组，然后对各滤波器的稳态卷积输出进行抽取处理以降低数据维数；对抽取数据应用传播算子法，再基于卷积滤波器的通带特性和FDA阵列角度、距离间的耦合关系，实现目标角度和距离参数的无模糊估计。仿真实验验证了该参数估计算法的有效性。
2024, 53(4): 511-518.
doi: 10.12178/1001-0548.2022252
摘要:
得益于深度学习的发展，使用神经网络提升信号识别性能取得了很大进步。使用半监督方法充分利用未标记数据来辅助深度模型的训练，但是现有的半监督信号识别方法未考虑噪声的影响，因此提出了一种基于深度残差网络（Resnet）的半监督信号识别方法，并利用梯度逆转层改善了噪声对性能的影响。在开源数据集RML2016.10A、RML2016.10B和RML2016.10C上的实验结果表明，该半监督方法可借助少量标签数据信息和未标记数据来有效地训练深度模型，并且能缓解噪声对性能的影响。
得益于深度学习的发展，使用神经网络提升信号识别性能取得了很大进步。使用半监督方法充分利用未标记数据来辅助深度模型的训练，但是现有的半监督信号识别方法未考虑噪声的影响，因此提出了一种基于深度残差网络（Resnet）的半监督信号识别方法，并利用梯度逆转层改善了噪声对性能的影响。在开源数据集RML2016.10A、RML2016.10B和RML2016.10C上的实验结果表明，该半监督方法可借助少量标签数据信息和未标记数据来有效地训练深度模型，并且能缓解噪声对性能的影响。
2024, 53(4): 519-524.
doi: 10.12178/1001-0548.2023183
摘要:
提出一种基于Slepian序列信号字典的目标频段瞬态信号检测方法，该方法只关注目标频段的能量信息，是一种高效率的检测方式。首先，选取标准正交的Slepian序列组成信号字典，该字典能够表征目标频段内信号特征；然后，通过判断被观测信号样点与字典的匹配程度实现检测。对比实验表明，该方法的计算效率比短时傅里叶变换提升92%以上，比离散小波变换提升71%以上，比加窗Wigner-Ville分布提升35%以上。仿真实验使用时域稀疏的脉冲调制信号进行验证，结果表明了该检测方法的有效性。
提出一种基于Slepian序列信号字典的目标频段瞬态信号检测方法，该方法只关注目标频段的能量信息，是一种高效率的检测方式。首先，选取标准正交的Slepian序列组成信号字典，该字典能够表征目标频段内信号特征；然后，通过判断被观测信号样点与字典的匹配程度实现检测。对比实验表明，该方法的计算效率比短时傅里叶变换提升92%以上，比离散小波变换提升71%以上，比加窗Wigner-Ville分布提升35%以上。仿真实验使用时域稀疏的脉冲调制信号进行验证，结果表明了该检测方法的有效性。
2024, 53(4): 525-532.
doi: 10.12178/1001-0548.2022332
摘要:
为解决栅栏效应对频率估计精度的影响，提升频率估计的精度和抗噪性能，提出了一种基于改进Chrip-Z变换（CZT）的高精度频率估计算法。将频率估计的过程分成粗估计和细估计两个过程，使用FFT算法对信号进行频域分析，获得信号频率粗估计值，基于信号频率的粗估计值确定频率的细化区间，使用CZT算法对该区间的频谱进行细化，使用细化后频谱最大谱线及其左右谱线的幅值对频率估计值进行修正，得到精确的频率估计值。仿真表明，该算法能够以较低的细化倍数，获得高精度频率估计值，且具有较好的抗噪性能。使用FMCW雷达进行测距实验，验证了该算法的实际应用效果优于现有算法。
为解决栅栏效应对频率估计精度的影响，提升频率估计的精度和抗噪性能，提出了一种基于改进Chrip-Z变换（CZT）的高精度频率估计算法。将频率估计的过程分成粗估计和细估计两个过程，使用FFT算法对信号进行频域分析，获得信号频率粗估计值，基于信号频率的粗估计值确定频率的细化区间，使用CZT算法对该区间的频谱进行细化，使用细化后频谱最大谱线及其左右谱线的幅值对频率估计值进行修正，得到精确的频率估计值。仿真表明，该算法能够以较低的细化倍数，获得高精度频率估计值，且具有较好的抗噪性能。使用FMCW雷达进行测距实验，验证了该算法的实际应用效果优于现有算法。
2024, 53(4): 533-541.
doi: 10.12178/1001-0548.2023127
摘要:
针对城市道路中十字交叉路口处车辆拥堵、排队等待的问题，在C-V2X（Cellular Vehicle-to-Everything）车载通信系统中，利用改进DEEC（Distributed Energy Efficient Clustering）分簇算法，选择剩余节点能量较高的车辆节点作为簇头，提高簇的生存时间，并通过中继车辆进行信息传输以降低车辆通信时延。同时，利用韦伯斯特（Webster）交通灯改进配时算法进行相应的信号灯相位调度和周期的配时，减少车辆等待时间。通过VISSIM交通仿真建模软件验证Webster交通灯改进配时算法能够减少交叉路口处车辆等待时间，缓解城市道路中的交通拥堵。数值仿真结果表明：该方案降低了车辆通信时延，减少了车辆等待时间，改善了交通拥堵问题。
针对城市道路中十字交叉路口处车辆拥堵、排队等待的问题，在C-V2X（Cellular Vehicle-to-Everything）车载通信系统中，利用改进DEEC（Distributed Energy Efficient Clustering）分簇算法，选择剩余节点能量较高的车辆节点作为簇头，提高簇的生存时间，并通过中继车辆进行信息传输以降低车辆通信时延。同时，利用韦伯斯特（Webster）交通灯改进配时算法进行相应的信号灯相位调度和周期的配时，减少车辆等待时间。通过VISSIM交通仿真建模软件验证Webster交通灯改进配时算法能够减少交叉路口处车辆等待时间，缓解城市道路中的交通拥堵。数值仿真结果表明：该方案降低了车辆通信时延，减少了车辆等待时间，改善了交通拥堵问题。
2024, 53(4): 542-550.
doi: 10.12178/1001-0548.2023152
摘要:
针对水下传感器节点随洋流移动导致的网络覆盖率和连通率较低的问题，提出一种新的水下动态拓扑控制方法。节点部署阶段，利用模拟退火算法计算节点的期望部署位置，并采用蜿蜒洋流移动模型预测节点的实际部署位置，节点无须消耗额外能量调节自身位置即可保持网络的全连通和高覆盖率；拓扑优化阶段，以最大化延长网络寿命为目标，自主水下航行器根据节点实时情况执行高效的拓扑优化策略。仿真结果表明，与现有的CDA、SLO及随机部署方案相比，提出的新方法在保持全连通性的前提下具有更好的覆盖率和平均节点度；节点存活率和数据包传输成功率分别提升了11.6%和11.53%，有效提高了网络寿命。
针对水下传感器节点随洋流移动导致的网络覆盖率和连通率较低的问题，提出一种新的水下动态拓扑控制方法。节点部署阶段，利用模拟退火算法计算节点的期望部署位置，并采用蜿蜒洋流移动模型预测节点的实际部署位置，节点无须消耗额外能量调节自身位置即可保持网络的全连通和高覆盖率；拓扑优化阶段，以最大化延长网络寿命为目标，自主水下航行器根据节点实时情况执行高效的拓扑优化策略。仿真结果表明，与现有的CDA、SLO及随机部署方案相比，提出的新方法在保持全连通性的前提下具有更好的覆盖率和平均节点度；节点存活率和数据包传输成功率分别提升了11.6%和11.53%，有效提高了网络寿命。
2024, 53(4): 551-559.
doi: 10.12178/1001-0548.2023173
摘要:
为解决敦煌破损壁画修复难的问题，提出一种多阶段堆叠融合下的壁画修复模型，在第一阶段进行粗修复以及最大化地进行所需特征信息的提取时采用Unet结构，为增强该阶段的修复效果，又加入对抗网络（LsGan）；在第二阶段进行精细化修复，主要修复纹理以及细化遮挡区域，引入多头连接和多尺度分支堆叠模块并对其进行改进，对壁画进行多阶段信息提取并对其进行融合；最后为了修复全局细节，采用大感受野的编解码器结构并且引入轻量级通用可视化（Mobile ViT）模块，同时分离了壁画图像的通道并进行分析，引入对通道不敏感的极化注意力。实验结果表明，该模型很好地解决了壁画纹理以及细节修复的难题，相较于所选修复算法最优数据，在掩码面积为5%～20%时，峰值信噪比提高了3.312，在掩码面积为5%～80%时，平均峰值信噪比提高了1.02。
为解决敦煌破损壁画修复难的问题，提出一种多阶段堆叠融合下的壁画修复模型，在第一阶段进行粗修复以及最大化地进行所需特征信息的提取时采用Unet结构，为增强该阶段的修复效果，又加入对抗网络（LsGan）；在第二阶段进行精细化修复，主要修复纹理以及细化遮挡区域，引入多头连接和多尺度分支堆叠模块并对其进行改进，对壁画进行多阶段信息提取并对其进行融合；最后为了修复全局细节，采用大感受野的编解码器结构并且引入轻量级通用可视化（Mobile ViT）模块，同时分离了壁画图像的通道并进行分析，引入对通道不敏感的极化注意力。实验结果表明，该模型很好地解决了壁画纹理以及细节修复的难题，相较于所选修复算法最优数据，在掩码面积为5%～20%时，峰值信噪比提高了3.312，在掩码面积为5%～80%时，平均峰值信噪比提高了1.02。
2024, 53(4): 560-567.
doi: 10.12178/1001-0548.2023215
摘要:
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题，提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质，重新设计主干网络部分，引入全维动态卷积（OMNI-Dimensional Dynamic Convolution, ODConv）模块和改进坐标注意力（Coordinate Attention, CA）机制，提高模型对小目标的检测精确度并减少参数量；其次，引入解耦头（Decoupled Head, DH）模块，提高模型训练的收敛速度；最后，加入GSConv（Graph-Shifted Convolution） Slim模块，以降低模型的复杂度，提高预测速度。实验结果表明：改进后的算法模型漏检率降低40.22%，每秒浮点运算次数（Floating-point Operations Per Second, FLOPs）提升了25%，平均准确率提升了28.32%。
针对现有YOLO目标检测算法在自建数据集漏检率高、图像受复杂环境影响造成检测准确率低等问题，提出一种基于YOLO v5改进的红外图像识别算法。根据红外数据图片的独特性质，重新设计主干网络部分，引入全维动态卷积（OMNI-Dimensional Dynamic Convolution, ODConv）模块和改进坐标注意力（Coordinate Attention, CA）机制，提高模型对小目标的检测精确度并减少参数量；其次，引入解耦头（Decoupled Head, DH）模块，提高模型训练的收敛速度；最后，加入GSConv（Graph-Shifted Convolution） Slim模块，以降低模型的复杂度，提高预测速度。实验结果表明：改进后的算法模型漏检率降低40.22%，每秒浮点运算次数（Floating-point Operations Per Second, FLOPs）提升了25%，平均准确率提升了28.32%。
2024, 53(4): 568-575.
doi: 10.12178/1001-0548.2023157
摘要:
在异常检测领域中，生成对抗网络（Generative Adversarial Nets, GAN）和自编码器（Autoencoder, AE）近年来取得了较好的应用效果。然而，现有的基于GAN的异常检测模型普遍存在重构能力差的问题。针对于此，该文提出一种双判别器的GANomaly网络模型，其中，全局判别器用于提高图像的重构能力，局部判别器用于提高在空间层次的编码能力。分别在MvTec数据集和自制轮胎X光图像数据集上对文中所提方法进行验证，实验结果表明，该方法能够有效提升模型的重构能力，降低异常分数阈值，提高异常检测的准确率。
在异常检测领域中，生成对抗网络（Generative Adversarial Nets, GAN）和自编码器（Autoencoder, AE）近年来取得了较好的应用效果。然而，现有的基于GAN的异常检测模型普遍存在重构能力差的问题。针对于此，该文提出一种双判别器的GANomaly网络模型，其中，全局判别器用于提高图像的重构能力，局部判别器用于提高在空间层次的编码能力。分别在MvTec数据集和自制轮胎X光图像数据集上对文中所提方法进行验证，实验结果表明，该方法能够有效提升模型的重构能力，降低异常分数阈值，提高异常检测的准确率。
2024, 53(4): 576-583.
doi: 10.12178/1001-0548.2023235
摘要:
提出了一个基于全局图注意力元路径异构网络模型（MHNGA）来进行药物−疾病关联预测。首先，收集整理药物和疾病数据，将已知的药物−疾病关联、药物相似性、疾病相似性构建为一个异构网络；其次，引入多个基于元路径的子图，使用图注意力神经网络提取这些子图的邻居节点的特征，并且通过通道注意力和空间注意力机制来增强特征；最后，通过十折交叉验证的评估，MHNGA取得了93.5%的精确召回曲线下的面积和99.4%的准确率。
提出了一个基于全局图注意力元路径异构网络模型（MHNGA）来进行药物−疾病关联预测。首先，收集整理药物和疾病数据，将已知的药物−疾病关联、药物相似性、疾病相似性构建为一个异构网络；其次，引入多个基于元路径的子图，使用图注意力神经网络提取这些子图的邻居节点的特征，并且通过通道注意力和空间注意力机制来增强特征；最后，通过十折交叉验证的评估，MHNGA取得了93.5%的精确召回曲线下的面积和99.4%的准确率。
2024, 53(4): 584-594.
doi: 10.12178/1001-0548.2023172
摘要:
针对Wi-Fi指纹定位精度低、维护繁琐、训练成本大的问题，提出一种基于信道状态信息（CSI）和改进多元核函数极限学习机（FO-MKELM）的室内定位方法。首先在预处理阶段对CSI幅值差和重构相位信息进行融合，以减少环境噪声的影响；其次，在离线训练阶段，采用分段式量子粒子群算法（QPSO）为模型寻找最优参数, 以提高定位精度和泛化性能；然后，为抑制环境改变对定位性能的影响，引入在线增量学习和遗忘机制，添加部分新增数据进行增量学习持续更新定位模型，并设置数据有效期遗忘过旧数据减少不良影响；最终，在在线预测阶段，将模型输出与标签库进行匹配获得更为准确的坐标。在空旷楼道和复杂实验室两种不同的环境下进行实验验证，该算法相比其他定位方法在定位精度和长期稳定性上都有所提升。
针对Wi-Fi指纹定位精度低、维护繁琐、训练成本大的问题，提出一种基于信道状态信息（CSI）和改进多元核函数极限学习机（FO-MKELM）的室内定位方法。首先在预处理阶段对CSI幅值差和重构相位信息进行融合，以减少环境噪声的影响；其次，在离线训练阶段，采用分段式量子粒子群算法（QPSO）为模型寻找最优参数, 以提高定位精度和泛化性能；然后，为抑制环境改变对定位性能的影响，引入在线增量学习和遗忘机制，添加部分新增数据进行增量学习持续更新定位模型，并设置数据有效期遗忘过旧数据减少不良影响；最终，在在线预测阶段，将模型输出与标签库进行匹配获得更为准确的坐标。在空旷楼道和复杂实验室两种不同的环境下进行实验验证，该算法相比其他定位方法在定位精度和长期稳定性上都有所提升。
2024, 53(4): 595-604.
doi: 10.12178/1001-0548.2023189
摘要:
区块链系统由于共识协商需要多轮沟通，会消耗大量的能量。在一些无线网络中，节点电池容量有限，会迅速导致节点能量耗尽和脱机，从而影响共识性能。该文设计了一种面向RAFT共识的低能耗的分片算法，算法将无线区块链网络中的节点限制在基于地理区域的分片上，从而避免节点参与全局共识。同时，还提出了一种分片后的能耗估算方法，简化了分片无线区块链网络的能量计算。在太赫兹和毫米波两个信号场景中得到的仿真结果均验证了该算法的有效性，能耗可降低98.36%，估算方法的最小误差仅为0.40%。
区块链系统由于共识协商需要多轮沟通，会消耗大量的能量。在一些无线网络中，节点电池容量有限，会迅速导致节点能量耗尽和脱机，从而影响共识性能。该文设计了一种面向RAFT共识的低能耗的分片算法，算法将无线区块链网络中的节点限制在基于地理区域的分片上，从而避免节点参与全局共识。同时，还提出了一种分片后的能耗估算方法，简化了分片无线区块链网络的能量计算。在太赫兹和毫米波两个信号场景中得到的仿真结果均验证了该算法的有效性，能耗可降低98.36%，估算方法的最小误差仅为0.40%。
2024, 53(4): 605-610.
doi: 10.12178/1001-0548.2024012
摘要:
随机变量的均值估计问题一直是经典数据分析中研究的热点，均值估计算法的目的是通过对随机变量尽可能少地采样从而获得尽可能准确的均值估计值。量子计算作为一项革命性的技术，在一些问题上具有超越经典计算的优势。量子算法在均值估计问题上相对于经典算法具有平方加速，展现了量子计算的优越性。该文系统梳理了量子均值估计算法的发展历程，详细介绍了各阶段的算法流程及其优缺点，并对其主要应用场景进行了展示，最后讨论了量子均值估计算法的潜在发展方向。
随机变量的均值估计问题一直是经典数据分析中研究的热点，均值估计算法的目的是通过对随机变量尽可能少地采样从而获得尽可能准确的均值估计值。量子计算作为一项革命性的技术，在一些问题上具有超越经典计算的优势。量子算法在均值估计问题上相对于经典算法具有平方加速，展现了量子计算的优越性。该文系统梳理了量子均值估计算法的发展历程，详细介绍了各阶段的算法流程及其优缺点，并对其主要应用场景进行了展示，最后讨论了量子均值估计算法的潜在发展方向。
2024, 53(4): 611-616.
doi: 10.12178/1001-0548.2023011
摘要:
针对传统参数优化方法计算开销大，不能满足实时性要求高、计算量大等应用场景的问题，结合当今主流的机器学习方法，提出了一种改进的基于BP神经网络的参数优化方法，利用本地搜索算法的数据训练网络并对参数进行预测，替代传统的查找算法，从而获得更好的实时性和更低的计算复杂度，随后与基于随机森林和XGBoost的方法进行了比较。仿真结果表明，BP神经网络预测所得各参数的均方误差数量级为\begin{document}$ {10^{-6}} $\end{document} ![]()
![]()
针对传统参数优化方法计算开销大，不能满足实时性要求高、计算量大等应用场景的问题，结合当今主流的机器学习方法，提出了一种改进的基于BP神经网络的参数优化方法，利用本地搜索算法的数据训练网络并对参数进行预测，替代传统的查找算法，从而获得更好的实时性和更低的计算复杂度，随后与基于随机森林和XGBoost的方法进行了比较。仿真结果表明，BP神经网络预测所得各参数的均方误差数量级为
2024, 53(4): 617-628.
doi: 10.12178/1001-0548.2023165
摘要:
针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题，通过对基于全变分的CT迭代重建算法进行神经网络展开，提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络，从而改善了CT重建图像的视觉质量。首先，采用原始–对偶算法求解基于全变分的CT重建问题，得到易于神经网络展开的迭代重建算法。然后，对该迭代重建算法进行神经网络展开，尤其是对正则项部分的算法进行神经网络展开，得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明，与6种低剂量CT重建算法相比，该算法在抑制低剂量CT图像噪声的同时，很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示，该算法取得了良好的峰值信噪比和归一化均方误差指标值，验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。
针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题，通过对基于全变分的CT迭代重建算法进行神经网络展开，提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络，从而改善了CT重建图像的视觉质量。首先，采用原始–对偶算法求解基于全变分的CT重建问题，得到易于神经网络展开的迭代重建算法。然后，对该迭代重建算法进行神经网络展开，尤其是对正则项部分的算法进行神经网络展开，得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明，与6种低剂量CT重建算法相比，该算法在抑制低剂量CT图像噪声的同时，很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示，该算法取得了良好的峰值信噪比和归一化均方误差指标值，验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。
2024, 53(4): 629-634.
doi: 10.12178/1001-0548.2023216
摘要:
治疗性抗体已成为全球生物制药行业不可或缺的组成部分。如何从海量非人源抗体中选择出或者基于非人源的先导抗体设计出人源化程度高的抗体从而降低其免疫原性，这一问题已成为当今抗体药物开发领域的研究热点之一，相应的经验、实验及计算方法统称为抗体人源化技术。已有研究证明，在保持抗体特异性、亲和力和稳定性等特征的前提下，提高抗体人源度能够有效降低其免疫原性。抗体人源化相关计算方法主要涉及人源化抗体的设计、抗体人源度的计算与评价等。当前，许多计算工具已被证实为抗体人源化和人源度评价的有效工具。该文系统性概述了抗体人源化的理论依据以及基于此开发出的计算方法的发展历程，并讨论了相关计算方法研究的最新进展。
治疗性抗体已成为全球生物制药行业不可或缺的组成部分。如何从海量非人源抗体中选择出或者基于非人源的先导抗体设计出人源化程度高的抗体从而降低其免疫原性，这一问题已成为当今抗体药物开发领域的研究热点之一，相应的经验、实验及计算方法统称为抗体人源化技术。已有研究证明，在保持抗体特异性、亲和力和稳定性等特征的前提下，提高抗体人源度能够有效降低其免疫原性。抗体人源化相关计算方法主要涉及人源化抗体的设计、抗体人源度的计算与评价等。当前，许多计算工具已被证实为抗体人源化和人源度评价的有效工具。该文系统性概述了抗体人源化的理论依据以及基于此开发出的计算方法的发展历程，并讨论了相关计算方法研究的最新进展。
2024, 53(4): 635-640.
doi: 10.12178/1001-0548.2023295
摘要:
利用计算方法准确识别抗菌肽是近年来生物信息学领域研究的重点问题。传统的机器学习方法需要自主从序列信息中提取和选择特征，导致抗菌肽识别准确率低。为此提出基于BERT的深度学习预测方法，从预训练策略、词向量嵌入、预测性能等方面比较了4种现有基于BERT的抗菌肽预测模型，并基于集成学习思想提出了一个新的抗菌肽预测工具。实验结果表明，该模型在多个性能评价指标上都有所提升。
利用计算方法准确识别抗菌肽是近年来生物信息学领域研究的重点问题。传统的机器学习方法需要自主从序列信息中提取和选择特征，导致抗菌肽识别准确率低。为此提出基于BERT的深度学习预测方法，从预训练策略、词向量嵌入、预测性能等方面比较了4种现有基于BERT的抗菌肽预测模型，并基于集成学习思想提出了一个新的抗菌肽预测工具。实验结果表明，该模型在多个性能评价指标上都有所提升。
