ISSN 
2020年 第49卷 第2期
2020, 49(2): 162-168.
doi: 10.12178/1001-0548.2020049
摘要:
网络切片技术将广泛应用于以5G为代表的下一代移动通信网络中，为网络中多样化的业务提供按需的网络服务。在基于切片的移动通信网络中，用户往往需要根据不断变化的网络状态，进行接入切片的动态切换，以获得更好的网络传输和服务性能。考虑到存在多个用户的网络中，某一用户的接入选择将对接入切片的可用传输资源产生影响，从而影响其他用户的接入和切换决策。因此，该文将基于网络切片的移动通信网络中多用户的接入切换建模为一个多人随机博弈问题，采用多智体强化学习的方法对该问题进行求解，并设计了一种基于分布式多智体强化学习算法的多用户接入切片动态切换机制。在此基础上，通过仿真实验验证了该切换算法性能。
网络切片技术将广泛应用于以5G为代表的下一代移动通信网络中，为网络中多样化的业务提供按需的网络服务。在基于切片的移动通信网络中，用户往往需要根据不断变化的网络状态，进行接入切片的动态切换，以获得更好的网络传输和服务性能。考虑到存在多个用户的网络中，某一用户的接入选择将对接入切片的可用传输资源产生影响，从而影响其他用户的接入和切换决策。因此，该文将基于网络切片的移动通信网络中多用户的接入切换建模为一个多人随机博弈问题，采用多智体强化学习的方法对该问题进行求解，并设计了一种基于分布式多智体强化学习算法的多用户接入切片动态切换机制。在此基础上，通过仿真实验验证了该切换算法性能。
2020, 49(2): 169-181.
doi: 10.12178/1001-0548.2020040
摘要:
在如今信息爆炸的时代，无线通信终端的激增导致无线通信网络规模剧增。同时，人们日益提高的通信需求使无线通信网络必须通过精准的按需服务来充分利用有限的资源。这二者使得传统人工建模并优化求解的网络管理方法在未来将会遇到瓶颈。幸运的是，人工智能和机器学习的出现为解决这一问题提供了新的途径。作为一种数据驱动的机器学习方法，深度强化学习能够直接学习动态环境规律并得到最优决策。因此，深度强化学习能赋予网络依据自身环境进行自我优化管理的能力，令智能通信将成为可能。本文从资源管理、接入控制以及网络维护三方面介绍了深度强化学习在无线通信上的应用，以此说明深度强化学习是实现智能通信的有效途径。
在如今信息爆炸的时代，无线通信终端的激增导致无线通信网络规模剧增。同时，人们日益提高的通信需求使无线通信网络必须通过精准的按需服务来充分利用有限的资源。这二者使得传统人工建模并优化求解的网络管理方法在未来将会遇到瓶颈。幸运的是，人工智能和机器学习的出现为解决这一问题提供了新的途径。作为一种数据驱动的机器学习方法，深度强化学习能够直接学习动态环境规律并得到最优决策。因此，深度强化学习能赋予网络依据自身环境进行自我优化管理的能力，令智能通信将成为可能。本文从资源管理、接入控制以及网络维护三方面介绍了深度强化学习在无线通信上的应用，以此说明深度强化学习是实现智能通信的有效途径。
2020, 49(2): 182-186.
doi: 10.12178/1001-0548.2018076
摘要:
快速有限脉冲响应(FIR)算法(FFA)突破了传统并行FIR滤波器复杂度随并行度线性增加的局限性，效率大幅提高。然而目前缺少对高并行FFA通用算法和实现架构的研究。该文提出了高效2n并行FFA，并给出了其通用算法形式与实现架构；同时讨论了对于非2n并行FFA的实现架构。通过算法分析和硬件效率评估，本文算法及其实现架构在相同的并行度和性能条件下，比传统并行算法有显著改善，且随着并行度的增加，这种优势更加明显。该算法在高并行FIR滤波器的应用中有很大优势。
快速有限脉冲响应(FIR)算法(FFA)突破了传统并行FIR滤波器复杂度随并行度线性增加的局限性，效率大幅提高。然而目前缺少对高并行FFA通用算法和实现架构的研究。该文提出了高效2n并行FFA，并给出了其通用算法形式与实现架构；同时讨论了对于非2n并行FFA的实现架构。通过算法分析和硬件效率评估，本文算法及其实现架构在相同的并行度和性能条件下，比传统并行算法有显著改善，且随着并行度的增加，这种优势更加明显。该算法在高并行FIR滤波器的应用中有很大优势。
2020, 49(2): 187-193.
doi: 10.12178/1001-0548.2018112
摘要:
信号捕获是GPS基带信号处理的核心组成部分，是影响GPS接收模块功耗和成本的重要因素。传统捕获算法处理数据量大、消耗资源多，该文利用压缩感知理论完成GPS信号捕获，将数据量降低到半码片捕获精度要求的门限之下，同时提出高效的并行捕获算法以降低运算量。具体而言，首先利用C/A码构造正交基，建立GPS信号捕获的压缩感知模型；其次，将该压缩感知问题纳入交错方向乘子法(ADMM)的框架，提出一种高效的并行捕获算法。在该算法中，压缩感知问题被分解成多个相对独立的子问题并行迭代求解，并且迭代的每一步都有简单的闭合解，因此运算量很低。仿真结果验证了该算法的正确性和有效性。
信号捕获是GPS基带信号处理的核心组成部分，是影响GPS接收模块功耗和成本的重要因素。传统捕获算法处理数据量大、消耗资源多，该文利用压缩感知理论完成GPS信号捕获，将数据量降低到半码片捕获精度要求的门限之下，同时提出高效的并行捕获算法以降低运算量。具体而言，首先利用C/A码构造正交基，建立GPS信号捕获的压缩感知模型；其次，将该压缩感知问题纳入交错方向乘子法(ADMM)的框架，提出一种高效的并行捕获算法。在该算法中，压缩感知问题被分解成多个相对独立的子问题并行迭代求解，并且迭代的每一步都有简单的闭合解，因此运算量很低。仿真结果验证了该算法的正确性和有效性。
2020, 49(2): 194-200.
doi: 10.12178/1001-0548.2018278
摘要:
GPS/INS组合技术广泛应用于精确制导武器导航中，随着GPS/INS组合导航超紧耦合方式的逐渐成熟，整个导航系统的抗干扰能力显著提升。为了对采用GPS/INS超紧耦合精确制导武器有效实施导航对抗，以GPS接收机不同环节的性能下降指标将干扰形成的威力区用受扰区、半失效区和失效区来进行划分，结合接收机工作过程和GPS/INS超紧耦合对接收机跟踪环结构设计的影响，推导分析了在匹配谱干扰下P(Y)码和M码信号捕获、跟踪和解调性能指标降至划分临界值时接收机射频前端所需的干扰功率。考虑干扰来向与接收天线增益的关系，仿真得到干扰源在不同高度下各威力区发射功率随有效距离的变化关系。在此基础上，对GPS/INS超紧耦合精确制导武器的导航对抗连续压制作用距离进行仿真分析，进而完成对干扰源数量和部署位置的建模求解。分析和解算结果可为载荷和高度受限的升空干扰源在GPS/INS超紧耦合精确制导武器导航对抗中的实际运用提供借鉴和参考。
GPS/INS组合技术广泛应用于精确制导武器导航中，随着GPS/INS组合导航超紧耦合方式的逐渐成熟，整个导航系统的抗干扰能力显著提升。为了对采用GPS/INS超紧耦合精确制导武器有效实施导航对抗，以GPS接收机不同环节的性能下降指标将干扰形成的威力区用受扰区、半失效区和失效区来进行划分，结合接收机工作过程和GPS/INS超紧耦合对接收机跟踪环结构设计的影响，推导分析了在匹配谱干扰下P(Y)码和M码信号捕获、跟踪和解调性能指标降至划分临界值时接收机射频前端所需的干扰功率。考虑干扰来向与接收天线增益的关系，仿真得到干扰源在不同高度下各威力区发射功率随有效距离的变化关系。在此基础上，对GPS/INS超紧耦合精确制导武器的导航对抗连续压制作用距离进行仿真分析，进而完成对干扰源数量和部署位置的建模求解。分析和解算结果可为载荷和高度受限的升空干扰源在GPS/INS超紧耦合精确制导武器导航对抗中的实际运用提供借鉴和参考。
2020, 49(2): 201-205.
doi: 10.12178/1001-0548.2018306
摘要:
针对传统直接序列扩频调制系统传输速率和频谱效率低的问题，基于扩频码、扩频调制信号和希尔伯特(Hilbert)变换的优良特性，对原基带成型函数进行Hilbert变换，得到新的成型函数。利用两个基带成型函数并行传输两路基带信息，提出了基于Hilbert成型波形变换的基带直接序列扩频调制方法，并对调制信号支路间、码间干扰特性进行了理论分析和仿真实验。结果表明：加性高斯白噪声信道条件下，该方法在不降低系统传输性能、不扩展系统传输带宽、不增大单位比特信息发射功率的前提下，将基于单一扩频码的直接序列扩频调制系统的传输速率提高到原来的2倍。
针对传统直接序列扩频调制系统传输速率和频谱效率低的问题，基于扩频码、扩频调制信号和希尔伯特(Hilbert)变换的优良特性，对原基带成型函数进行Hilbert变换，得到新的成型函数。利用两个基带成型函数并行传输两路基带信息，提出了基于Hilbert成型波形变换的基带直接序列扩频调制方法，并对调制信号支路间、码间干扰特性进行了理论分析和仿真实验。结果表明：加性高斯白噪声信道条件下，该方法在不降低系统传输性能、不扩展系统传输带宽、不增大单位比特信息发射功率的前提下，将基于单一扩频码的直接序列扩频调制系统的传输速率提高到原来的2倍。
2020, 49(2): 206-212.
doi: 10.12178/1001-0548.2018314
摘要:
考虑车辆时变信道对资源分配策略的影响，构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题是单变量优化问题，因此可以直接得到解决方案。而对于无线资源分配子问题，通过将其转换为单变量优化问题进行求解。基于两个子问题的结果，提出一种联合无线与计算资源分配算法。仿真结果显示，当数据包平均到达速率从20个/时隙增加到40个/时隙时，该算法能耗相较于传统的贪婪算法能耗降低了48.85%。
考虑车辆时变信道对资源分配策略的影响，构建在保证任务QoS要求下的车载用户终端能量消耗最小化问题。利用车辆信道可预测特性以及李雅普诺夫随机优化理论将原问题分解为计算资源分配和无线资源分配两个子问题。由于计算资源分配子问题是单变量优化问题，因此可以直接得到解决方案。而对于无线资源分配子问题，通过将其转换为单变量优化问题进行求解。基于两个子问题的结果，提出一种联合无线与计算资源分配算法。仿真结果显示，当数据包平均到达速率从20个/时隙增加到40个/时隙时，该算法能耗相较于传统的贪婪算法能耗降低了48.85%。
2020, 49(2): 213-218.
doi: 10.12178/1001-0548.2019041
摘要:
针对杂波环境下的机动目标跟踪问题，提出了一种利用多普勒量测的机动目标跟踪算法。该方法首先通过多普勒量测解目标径向速度模糊，然后在目标量测方程中增加了径向速度维，将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数，同时在点迹关联时增加了径向速度波门，滤除更多的杂波点，利用多普勒量测计算出的径向速度实时更新观测值中的径向速度。通过计算机仿真，该算法相比传统算法提高了目标位置精度、速度精度和收敛速度。同时还分析了多普勒量测误差对目标跟踪性能的影响，多普勒量测误差越小，目标跟踪性能越好。
针对杂波环境下的机动目标跟踪问题，提出了一种利用多普勒量测的机动目标跟踪算法。该方法首先通过多普勒量测解目标径向速度模糊，然后在目标量测方程中增加了径向速度维，将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数，同时在点迹关联时增加了径向速度波门，滤除更多的杂波点，利用多普勒量测计算出的径向速度实时更新观测值中的径向速度。通过计算机仿真，该算法相比传统算法提高了目标位置精度、速度精度和收敛速度。同时还分析了多普勒量测误差对目标跟踪性能的影响，多普勒量测误差越小，目标跟踪性能越好。
2020, 49(2): 219-227.
doi: 10.12178/1001-0548.2018319
摘要:
移动辐射源无源定位是电子对抗领域需要解决的关键问题之一。基于到达时间差(TDOA)与到达频率差(FDOA)的联合定位闭合解算法是解决上述问题的有效途径之一，但完成一次定位至少需要5个协同平台才能达到该算法的应用条件。在保持无源定位闭合解框架的前提下，为减少协同平台个数，提出了一种融合到达角(AOA)观测量、TDOA观测量以及FDOA观测量的无源定位算法。当各观测量的观察噪声及传感器位置偏差均为高斯噪声且噪声强度适中时，可建立移动辐射源位置与各观测量及传感器位置的近似代数表达式，并由此形成AOA-TDOA-FDOA联合定位闭合解算法。进一步的理论分析表明，该算法的定位误差能达到克拉美罗界，数值仿真结果与理论分析结论吻合。
移动辐射源无源定位是电子对抗领域需要解决的关键问题之一。基于到达时间差(TDOA)与到达频率差(FDOA)的联合定位闭合解算法是解决上述问题的有效途径之一，但完成一次定位至少需要5个协同平台才能达到该算法的应用条件。在保持无源定位闭合解框架的前提下，为减少协同平台个数，提出了一种融合到达角(AOA)观测量、TDOA观测量以及FDOA观测量的无源定位算法。当各观测量的观察噪声及传感器位置偏差均为高斯噪声且噪声强度适中时，可建立移动辐射源位置与各观测量及传感器位置的近似代数表达式，并由此形成AOA-TDOA-FDOA联合定位闭合解算法。进一步的理论分析表明，该算法的定位误差能达到克拉美罗界，数值仿真结果与理论分析结论吻合。
2020, 49(2): 228-234.
doi: 10.12178/1001-0548.2019210
摘要:
哼唱记谱是音乐创作谱曲的重要方法与过程。该文分析了受多种环境因素影响的复杂哼唱音频基本特征；基于加窗傅里叶变换方法，以音符为单位对哼唱音频进行区域性的划分、定义和特征提取，提出了以相对振幅为依据快速提取基频的方法，设计出一种可变区域的傅里叶变换迭代算法。采用Python 3.6编程实现了上述迭代算法，自动获取哼唱音符的音高和音长并形成数字乐谱，实验测试准确率达到84.3%。上述结果表明，该算法能更加精确地识别哼唱曲调，为开发精准辅助作曲软件提供了一种可行的识别与记谱算法，具有较好的应用前景。
哼唱记谱是音乐创作谱曲的重要方法与过程。该文分析了受多种环境因素影响的复杂哼唱音频基本特征；基于加窗傅里叶变换方法，以音符为单位对哼唱音频进行区域性的划分、定义和特征提取，提出了以相对振幅为依据快速提取基频的方法，设计出一种可变区域的傅里叶变换迭代算法。采用Python 3.6编程实现了上述迭代算法，自动获取哼唱音符的音高和音长并形成数字乐谱，实验测试准确率达到84.3%。上述结果表明，该算法能更加精确地识别哼唱曲调，为开发精准辅助作曲软件提供了一种可行的识别与记谱算法，具有较好的应用前景。
2020, 49(2): 235-239.
doi: 10.12178/1001-0548.2018269
摘要:
为了提高对音频报警发生源的空间定位，帮助操作者迅速准确的确定报警发生位置，医疗电子设备通常要求其声觉报警具有更加丰富的泛音。但目前主要采用音频录制或脉冲信号为驱动信号的方式，容易引入噪声，从而影响报警质量。为此，将复数领域的Goertzel算法简化为实数领域，以便于编写用于嵌入式单片机的应用程序。提出了一种多泛音声觉报警信号输出的算法，并以实现500 Hz基音及其2～5次泛音的音频信号发生器为例，开发设计了基于嵌入式单片机LM3S9B92的应用程序和硬件音频驱动电路，得到了低噪声、多泛音的声觉报警信号。
为了提高对音频报警发生源的空间定位，帮助操作者迅速准确的确定报警发生位置，医疗电子设备通常要求其声觉报警具有更加丰富的泛音。但目前主要采用音频录制或脉冲信号为驱动信号的方式，容易引入噪声，从而影响报警质量。为此，将复数领域的Goertzel算法简化为实数领域，以便于编写用于嵌入式单片机的应用程序。提出了一种多泛音声觉报警信号输出的算法，并以实现500 Hz基音及其2～5次泛音的音频信号发生器为例，开发设计了基于嵌入式单片机LM3S9B92的应用程序和硬件音频驱动电路，得到了低噪声、多泛音的声觉报警信号。
2020, 49(2): 248-254.
doi: 10.12178/1001-0548.2018249
摘要:
直流微网采用分层控制可实现不同控制目标在不同时间刻度的解耦设计。其中，底层初级控制广泛采用下垂策略实现并联电压模块的自主均流。但高均流精度依赖于较大的下垂系数，同时会引起较大的母线电压跌落。该文提出一种带母线电压多级前馈补偿的直流微网分段线性下垂控制策略，按照负荷区间能够柔性设置各并联模块的下垂系数，同时，对于母线电压跌落利用母线电压多级前馈进行补偿，在初级控制上可以同时解决并联模块的均流性能与母线电压跌落问题。最后，设计了实验室样机，实验结果验证了该控制策略的优越性。
直流微网采用分层控制可实现不同控制目标在不同时间刻度的解耦设计。其中，底层初级控制广泛采用下垂策略实现并联电压模块的自主均流。但高均流精度依赖于较大的下垂系数，同时会引起较大的母线电压跌落。该文提出一种带母线电压多级前馈补偿的直流微网分段线性下垂控制策略，按照负荷区间能够柔性设置各并联模块的下垂系数，同时，对于母线电压跌落利用母线电压多级前馈进行补偿，在初级控制上可以同时解决并联模块的均流性能与母线电压跌落问题。最后，设计了实验室样机，实验结果验证了该控制策略的优越性。
2020, 49(2): 255-261.
doi: 10.12178/1001-0548.2018279
摘要:
随着机器学习技术的不断发展，机器学习算法种类的增多以及模型复杂度提高，造成了实践应用中的两大难题：算法模型选择及模型超参数优化。为了实现模型选择和超参数优化的自动处理，该文提出了一种基于深度强化学习的优化方法。利用长短期记忆(LSTM)网络构建一个智能体(Agent)，自动选择机器学习算法模型及对应的超参数组合。该智能体以最大化机器学习模型在验证数据集上的准确率为目标，利用所选择的模型在验证数据集上的准确率作为奖赏值(reward)，通过强化学习算法不断学习直到找到最优的模型以及超参数组合。为了验证该方法的可行性及性能，在UCI标准数据集上将其与传统优化方法中基于树状结构Parzen的估计方法和随机搜索方法进行比较。多次实验结果证明该优化方法在稳定性、时间效率、准确度方面均具有优势。
随着机器学习技术的不断发展，机器学习算法种类的增多以及模型复杂度提高，造成了实践应用中的两大难题：算法模型选择及模型超参数优化。为了实现模型选择和超参数优化的自动处理，该文提出了一种基于深度强化学习的优化方法。利用长短期记忆(LSTM)网络构建一个智能体(Agent)，自动选择机器学习算法模型及对应的超参数组合。该智能体以最大化机器学习模型在验证数据集上的准确率为目标，利用所选择的模型在验证数据集上的准确率作为奖赏值(reward)，通过强化学习算法不断学习直到找到最优的模型以及超参数组合。为了验证该方法的可行性及性能，在UCI标准数据集上将其与传统优化方法中基于树状结构Parzen的估计方法和随机搜索方法进行比较。多次实验结果证明该优化方法在稳定性、时间效率、准确度方面均具有优势。
2020, 49(2): 262-268.
doi: 10.12178/1001-0548.2019076
摘要:
针对移动节点对网络拓扑稳定性的影响，提出了一种预测相邻节点稳定联接的自适应分布式强化学习算法。各节点采用强化学习和学习区间自适应划分相结合的方法，利用相邻节点间的接收信号强度信息对相邻节点间的联接状态进行判定，最终预测出能够保持稳定联接的邻居节点集。通过多种条件下随机游走模型仿真，结果表明预测准确度均保持在95%左右，验证了该算法的有效性和稳定性。
针对移动节点对网络拓扑稳定性的影响，提出了一种预测相邻节点稳定联接的自适应分布式强化学习算法。各节点采用强化学习和学习区间自适应划分相结合的方法，利用相邻节点间的接收信号强度信息对相邻节点间的联接状态进行判定，最终预测出能够保持稳定联接的邻居节点集。通过多种条件下随机游走模型仿真，结果表明预测准确度均保持在95%左右，验证了该算法的有效性和稳定性。
2020, 49(2): 269-275.
doi: 10.12178/1001-0548.2019017
摘要:
对于三维物体的识别任务，基于多视图卷积神经网络的方法（MVCNN）在准确性和训练速度等方面都优于基于三维数据表示的方法。但MVCNN依赖于三维模型，且采用了固定视角的视图，不符合实际的应用场景；此外，其视图特征融合采用了最大值池化操作，会损失部分原始特征信息。针对这一问题，该文提出了一种基于多视图循环神经网络（MVRNN）的三维物体识别方法，从3个方面对MVCNN进行改进。首先，在交叉熵损失函数中引入特征辨识度指标，以提高不同物体特征之间的辨识度；其次，使用循环神经网络代替MVCNN的最大值池化操作来融合多个自由视觉视图特征，得到一个更加紧凑且物体外观信息完备的融合特征；最后，利用二分类网络对自由视角单视图特征和融合特征进行匹配，实现三维物体的细粒度识别。为了验证MVRNN的性能，分别在公开数据集ModelNet和自建数据集MV3D上进行对比实验。实验结果表明，与MVCNN相比，MVRNN提取的多视图特征具有更高的辨识度，在两个数据集上的识别准确率均较有明显提升。
对于三维物体的识别任务，基于多视图卷积神经网络的方法（MVCNN）在准确性和训练速度等方面都优于基于三维数据表示的方法。但MVCNN依赖于三维模型，且采用了固定视角的视图，不符合实际的应用场景；此外，其视图特征融合采用了最大值池化操作，会损失部分原始特征信息。针对这一问题，该文提出了一种基于多视图循环神经网络（MVRNN）的三维物体识别方法，从3个方面对MVCNN进行改进。首先，在交叉熵损失函数中引入特征辨识度指标，以提高不同物体特征之间的辨识度；其次，使用循环神经网络代替MVCNN的最大值池化操作来融合多个自由视觉视图特征，得到一个更加紧凑且物体外观信息完备的融合特征；最后，利用二分类网络对自由视角单视图特征和融合特征进行匹配，实现三维物体的细粒度识别。为了验证MVRNN的性能，分别在公开数据集ModelNet和自建数据集MV3D上进行对比实验。实验结果表明，与MVCNN相比，MVRNN提取的多视图特征具有更高的辨识度，在两个数据集上的识别准确率均较有明显提升。
2020, 49(2): 276-282.
doi: 10.12178/1001-0548.2019143
摘要:
为了有效提高量子密钥分发(QKD)网络中保密通信的安全性和效率，该文提出了一种多路径密钥传输方法。首先，根据节点对链路的贡献率和密钥新鲜度计算链路成本函数；然后，采用基于最小堆优化的多路径选择算法选择多条最优路径；最后，采用密钥分块传输形式实现密钥在多条最优路径上的同时传输。对比结果表明多路径密钥传输方法具有更高的安全性和传输效率。
为了有效提高量子密钥分发(QKD)网络中保密通信的安全性和效率，该文提出了一种多路径密钥传输方法。首先，根据节点对链路的贡献率和密钥新鲜度计算链路成本函数；然后，采用基于最小堆优化的多路径选择算法选择多条最优路径；最后，采用密钥分块传输形式实现密钥在多条最优路径上的同时传输。对比结果表明多路径密钥传输方法具有更高的安全性和传输效率。
2020, 49(2): 283-286.
doi: 10.12178/1001-0548.2019098
摘要:
用溶胶凝胶法在FTO导电玻璃基片上沉积LiTaO3薄膜，采用TG-DTA、SEM、XRD、UV-Vis光谱法分析薄膜的表面形貌、结晶性能和光学性能。结果表明，650 °C下退火的薄膜具有在(006)晶向上强烈的择优取向性，表面形貌均匀致密，薄膜裂纹减少，杂质LiTa3O8峰的半高峰宽和光学带隙Eg明显受到薄膜结晶性能的影响，光学带隙值Eg随着杂质LiTa3O8半高峰宽的降低而增加，LiTaO3薄膜的光学带隙Eg蓝移从3.87 eV增加到3.91 eV。
用溶胶凝胶法在FTO导电玻璃基片上沉积LiTaO3薄膜，采用TG-DTA、SEM、XRD、UV-Vis光谱法分析薄膜的表面形貌、结晶性能和光学性能。结果表明，650 °C下退火的薄膜具有在(006)晶向上强烈的择优取向性，表面形貌均匀致密，薄膜裂纹减少，杂质LiTa3O8峰的半高峰宽和光学带隙Eg明显受到薄膜结晶性能的影响，光学带隙值Eg随着杂质LiTa3O8半高峰宽的降低而增加，LiTaO3薄膜的光学带隙Eg蓝移从3.87 eV增加到3.91 eV。
2020, 49(2): 287-290.
doi: 10.12178/1001-0548.2019220
摘要:
针对物体表面形貌无损探测，提出了一种基于大面积薄膜晶体管(TFT)和聚偏氟乙烯(PVDF)薄膜的表面形貌探测方法，具有大面积、可覆形、便携化和高精度的特点。该方法利用电容传感器原理，将已广泛应用于半导体显示领域的TFT阵列与传感器相结合，可精确定位物体表面微米级缺陷，测量分辨率达到50 μm，实现了对物体表面形貌的精准无损探测。
针对物体表面形貌无损探测，提出了一种基于大面积薄膜晶体管(TFT)和聚偏氟乙烯(PVDF)薄膜的表面形貌探测方法，具有大面积、可覆形、便携化和高精度的特点。该方法利用电容传感器原理，将已广泛应用于半导体显示领域的TFT阵列与传感器相结合，可精确定位物体表面微米级缺陷，测量分辨率达到50 μm，实现了对物体表面形貌的精准无损探测。
2020, 49(2): 291-314.
doi: 10.12178/1001-0548.2019054
摘要:
相对静态网络，时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型，如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力，已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度，对现有的时序网络中的关键节点识别方法进行了系统的回顾，详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题，并指出未来可能的发展方向。
相对静态网络，时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型，如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力，已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度，对现有的时序网络中的关键节点识别方法进行了系统的回顾，详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题，并指出未来可能的发展方向。
2020, 49(2): 315-320.
doi: 10.12178/1001-0548.2018212
摘要:
聚类分析是数据挖掘中一项重要的技术，通过对多维用户行为的聚类分析，可以从用户层面来帮助管理人员得到更为精确和有效的用户评价信息。该文首先从用户行为数据中提取多维用户行为特征，之后采用基于互信息的无监督特征选择（UFS-MI）模型对提取的特征进行排序、筛选并确定权重，得到每个用户行为的加权特征向量。根据用户行为之间的相似性构造网络，然后通过Blondel社团划分算法对用户行为网络进行聚类分析。在某公交线路的实证数据集上的实验结果表明，该方法的准确率为92%，比传统聚类算法K-means的准确率有明显提升，研究结果可以为公交公司的管理层在进行统一管理和培训时提供参考。本文的工作拓展了网络科学在多维用户行为数据聚类分析的应用范围，丰富了多维驾驶行为数据聚类分析的思路，为决策者提供参考依据。
聚类分析是数据挖掘中一项重要的技术，通过对多维用户行为的聚类分析，可以从用户层面来帮助管理人员得到更为精确和有效的用户评价信息。该文首先从用户行为数据中提取多维用户行为特征，之后采用基于互信息的无监督特征选择（UFS-MI）模型对提取的特征进行排序、筛选并确定权重，得到每个用户行为的加权特征向量。根据用户行为之间的相似性构造网络，然后通过Blondel社团划分算法对用户行为网络进行聚类分析。在某公交线路的实证数据集上的实验结果表明，该方法的准确率为92%，比传统聚类算法K-means的准确率有明显提升，研究结果可以为公交公司的管理层在进行统一管理和培训时提供参考。本文的工作拓展了网络科学在多维用户行为数据聚类分析的应用范围，丰富了多维驾驶行为数据聚类分析的思路，为决策者提供参考依据。
