信息与控制杂志

信息与控制杂志2025年第5期

• NOMA使能的水下可见光通信系统中资源分配机制

  肖陶, 唐睿, 张睿智, 刘佳, 马辽, 刘川

  为了在非正交多址接入(NOMA)使能的水下可见光通信系统中平衡频谱效率和用户公平性，通过联合信道分配和功率控制最大化所有链路的比例公平和速率。针对原混合整数非凸优化问题，将其分解为功率控制和信道分配两个子问题，并分别提出了基于凸优化理论和分式规划理论的低复杂度优化算法，所提机制通过交替求解上述两个子问题收敛到原问题的一个局部最优解。仿真结果表明，相较于基于交换匹配理论和K-means聚类算法的对比方案，所提机制分别提升了3.9%和3.0%的优化性能，相较于基于遗传算法的对比方案，所提机制仅损失了1.6%的优化性能且降低了99.2%的运算时间。

• 工业信息物理系统深度收缩自编码半监督入侵检测方法

  张锐, 孙子文

  为有效解决工业信息物理系统(ICPS)入侵检测面临的特征选择困难、攻击标签短缺等问题，研究基于深度收缩自编码器的半监督学习入侵检测方法。采用双样本KS(Kolmogorov-Smirnov)检验法根据数据概率分布选择稳定特征；采用基于重建误差的半监督结构搭建入侵检测模型，通过深度收缩自编码器学习系统正常运行模式，加入收缩惩罚项以增强对输入噪声和扰动的鲁棒性并提高特征表征性，采用F1阈值算法选定异常阈值。使用PyCharm仿真以验证方法有效性，结果表明：双样本KS检验法可有效提取稳定特征，与对比方法相比，本文研究的入侵检测方法具有较低的标签依赖性和较高的检测性能，在F1分数、精确率、召回率方面效果更优。

• 游梁式抽油机故障集成诊断模型及优化算法

  张强, 李青, 薛冰, 胡月

  针对游梁式抽油机的故障诊断问题，提出了一种基于振动分析和改进集成学习模型的游梁式抽油机故障诊断方法。采用Stacking集成学习模型将随机森林(Random Forest，RF)、支持向量机(Support Vector Machine，SVM)、梯度提升(Gradient Boosting，GB)和极端梯度提升(Extreme Gradient Boosting，XGboost)作为基学习器，多元线性回归作为元学习器，以提高单一模型的准确性和泛化能力。同时，提出了改进的沙猫群优化算法(improved sand cat swarm optimization algorithm，ISCSO)，用于对模型超参数进行优化，解决手工调参难度大的问题。通过实验对比ISCSO-Stacking模型与其他模型的预测结果发现，ISCSO-Stacking模型的预测准确率达到了97%，优化后的超参数显著提升了模型性能，并降低了过拟合风险。

• 基于ViBe的图像语义标签制作方法

  范龙威, 覃东文, 衷卫声, 熊剑, 郑宇婷, 张强

  针对人工标定图像分割语义标签数据集的制作较为耗时、效率低下的问题，提出基于ViBe(Visual Background Extractor)算法的日常物体语义标签快速制作方法，并对该方法中前景点像素随时间更新的问题，采用事件触发背景更新机制有效降低了前景目标的空洞现象。首先，采集实验所需的视频序列并进行预处理，采用ViBe算法检测图像中动态目标并进行前景分割，通过滑动窗口算法提取图像帧序列中的目标关键帧；然后，对提取的关键帧进行二值化、图像滤波与标签像素分类填充，得到标签图像。从实验结果分析得到，该方法有效简化了语义标签数据集的制作过程，特别是优化后的算法能实现较高的标签像素覆盖精确度，标签覆盖平均精确度达97.18%，平均单帧视频图像处理时间为96.10 ms。

• 上肢康复机器人异构运动映射方法

  李珍珠, 郭冰菁, 徐浩田, 李向攀, 韩建海, 何奎

  提出一种康复机器人以健肢的运动位姿为参照带动患肢进行康复训练的方法。该方法使得机器人的运动轨迹更符合患者自身的运动习惯，实现康复训练的个性化，锻炼患者双侧肢体的协调性，提高康复训练效果。设计了一种4自由度气动上肢外骨骼康复机器人，由于机器人和上肢的自由度不同，提出了主从异构的运动映射算法。采用指数积法建立机器人运动学模型，定义机器人的等同生理关节，进行健肢和机器人之间位姿映射。对于关节活动度训练，设计了基于四元数的姿态解算和镜像求解的位置映射算法，利用健肢的独立运动关节姿态实现人- 机器人之间等同关节的映射，提高映射效率。在多关节参与的日常生活活动(Activity of Daily Living，ADL)训练中，提出了肘腕分离的运动映射方法，分别以健肢大臂和小臂刚体的向量运动解算机器人肩部两个关节与肘部1个关节的旋转运动，保证了运动映射过程中的位姿精度。最后，设计康复运动跟随实验和位姿相似度验证实验，证明主从异构运动映射方法的可行性。

• 地理围栏缓冲区在无人机路径跟随中的应用

  狄凌松, 肖支才, 孙德锋, 李尚璁, 刘思齐, 唐广宁

  在高度复杂且障碍密集的环境中执行无人机(UAV)的路径规划与导航时，无人机的实际飞行轨迹往往会偏离预定的最优路径，特别是在采用最短路径算法进行航线规划的情况下，这种偏差尤为明显，从而增加了与障碍碰撞的风险。为了应对这一挑战，引入了地理围栏缓冲区的概念，通过在障碍周围设定特定宽度的缓冲区域，并在此区域内部署人工势场函数，对现有的路径跟随算法进行了改进，显著降低了无人机与障碍发生碰撞的可能性。此外，利用软件在环仿真技术，在障碍密集的虚拟环境中对多旋翼无人机进行了一系列的对比实验，实验条件包括无最小速度限制、设定最小速度限制及不同转弯半径，实验结果充分证实了地理围栏缓冲区在障碍规避中的显著效果。

• 考虑末端执行机构动力学特性的轨迹光顺方法

  张盛, 李珊瑚, 陶友瑞, 贾海朋

  直角坐标下点胶机器人末端执行机构的柔性会导致运动过程中在拐角处极易产生振动，进而导致点胶过程中的轮廓误差。为了减小这一误差，提出了一种考虑末端执行机构动力学特性的轨迹光顺方法。首先将待光顺的轨迹输入点胶机器人末端执行器的动力学仿真模型中，输出实际的轨迹曲线；再根据实际轨迹曲线与目标轨迹曲线之间的误差，对路径曲线进行优化调整；最后将路径拟合为C2连续的B样条曲线，重新生成速度规划，完成整个轨迹光顺过程。实验结果表明：该算法能够使得运动过程中的位移、速度和加速度均保持连续，提升了轨迹的光顺程度，同时大幅减小了在拐角处实际轨迹与目标轨迹之间的轮廓误差，轮廓误差平均减小约39.65%，轮廓误差均方根值减小30.74%，有利于点胶精度的提高。

• 基于模型重构的不稳定时滞系统自抗扰控制参数整定方法

  魏洪轩, 陈卓, 苏志刚

  针对采用自抗扰控制技术控制不稳定时滞系统参数整定困难的问题，本文给出了一种新的便于工程应用的参数整定方法。首先从模型重构的思想出发，给予了自抗扰控制器参数新的解释，提高了自抗扰控制调参的灵活性。其次从获取系统所能容忍的最大时滞上限的角度出发，得到了一个定量的参数整定准则。最后仿真实验表明本文给出的参数整定方法下的时滞上限，与此时控制器所能达到的最大时滞上限的偏差在5%以内；与PID(Proportional Integral Derivative)控制以及基于帕德近似的内模控制相比有着更加优越的控制性能。

• 基于EVMD-Informer的网络安全态势预测方法

  王娜, 常娅明, 张鑫海

  针对网络安全态势数据具有较强非平稳与非线性特性，而易导致传统数据驱动预测模型精度降低的问题，提出一种基于EVMD-Informer(Enhanced Variational Mode Decomposition-Informer)的网络安全态势预测方法。首先，提出改进变分模态分解法，来获得原始数据的分解子集，降低数据的非平稳性，提高预测的准确性；其次，利用凝聚层次聚类来重构子集，以精简冗余的分量，并作为Informer模型的输入；再引入高斯核函数以改进Informer预测模型的精度。最后，采用标准网络安全数据集NSL-KDD(Network Security Lab-Knowledge Discovery Dataset)进行仿真验证，表明所提方法与传统方法相比具有较高的预测精度，预测误差MSE(Mean Square Error)可达0.005 13%。

• 基于多尺度通道融合注意力的皮肤癌U-Net分割模型

  卢力玮, 汪洋, 柳杨, 陈光

  精确且高效的皮肤癌病灶分割对于早期检测和诊断至关重要。然而，病变区域通常存在边缘模糊和复杂的颜色变异，使得分割工作面临诸多挑战。针对这些问题，研究提出了一种基于多尺度通道融合注意力机制的U-Net分割模型(MCFA-UNet)，引入了多尺度注意力融合模块(MAF)来独立提取不同尺度的局部与全局特征；设计了多头通道交叉注意力融合Transformer(MCFT)跳跃连接模块和通道融合注意力模块(CFA)以有效整合跳跃连接和编码器间的特征信息。此外，还开发了全局特征提取模块(GFE)，用来捕获输入图像的全局信息。MCFA-UNet在两个公开数据集ISIC2017和ISIC2018上对所提出的方法进行了验证，mIoU、DSC和ACC的分割指标上分别达到了84.8%、91.64%和96.83%，展现了模型优秀的分割性能。