Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2024 Vol.25 No.11 P.1421-1574

Cover:

<46>

Contents:

<33>

<<< CONTENTS

Position Paper

Position Paper: Quant 4.0: engineering quantitative investment with automated, explainable, and knowledge-driven artificial intelligence

Jian GUO, Saizhuo WANG, Lionel M. NI, Heung-Yeung SHUM

DOI: 10.1631/FITEE.2300720 Downloaded: 748 Clicked: 1189 Cited: 0 Commented: 0(p.1421-1445) <Full Text> <PPT> 61

Chinese summary <6> Quant 4.0：基于自动化、可解释、知识驱动人工智能的量化投资工程

郭健^1,3，王赛卓^1,2，倪明选^2,3，沈向洋^1,2
¹粤港澳大湾区数字经济研究院，中国深圳市，518045
²香港科技大学，中国香港特别行政区，999077
³香港科技大学（广州），中国广州市，511453
摘要：量化投资（quant）是一个结合了金融工程、计算机科学、数学、统计学等学科的交叉领域。在过去几十年里，量化投资已成为主流投资方法之一，并经历了三代发展：第一代量化投资（quant 1.0）通过数学建模交易发现市场中被错误定价的资产；第二代量化投资（quant 2.0）将量化研究流程从小型"策略作坊"转移到大型"alpha工厂"；第三代量化投资（quant 3.0）应用深度学习技术发现复杂的非线性定价规则。尽管在预测方面有其优势，但深度学习技术的成功仍依赖于极大的数据量，并需要大量人工劳动来对这些神经网络"黑箱"模型进行调优。为解决这些限制，本文提出"quant 4.0"的概念，并从工程视角展望下一代量化投资技术。Quant 4.0有3个关键组成部份。首先，自动化人工智能（AI）基于"算法产生算法，模型建立模型，AI创造AI"的理念，将量化策略研发流程从传统的手工建模转变为先进的自动化建模。其次，可解释AI技术能够更好地理解和解释由机器学习黑箱模型做出的投资决策，并解释复杂和隐藏的风险暴露。第三，知识驱动AI能够与以深度学习为代表的数据驱动AI互补，将先验知识纳入建模过程，从而提升量化方法在价值投资等场景下的表现。同时，综合以上3个要素，我们讨论如何将"quant 4.0"的理念实现为一个具体的系统。此外，讨论了大型语言模型在量化投资中的应用。最后，提出量化投资领域10个具有挑战性的问题，讨论了潜在解决方案、研究方向和未来趋势。

关键词组：通用人工智能；人工智能；自动机器学习；因果关系工程；深度学习；特征工程；投资工程；知识图谱；知识推理；知识表示；模型压缩；网络结构搜索；Quant 4.0；量化投资；风险图谱；可解释人工智能

Review Article

Review Article: Domain adaptation in reinforcement learning: a comprehensive and systematic study

Amirfarhad FARHADI, Mitra MIRZAREZAEE, Arash SHARIFI, Mohammad TESHNEHLAB

DOI: 10.1631/FITEE.2300668 Downloaded: 665 Clicked: 1157 Cited: 0 Commented: 0(p.1446-1465) <Full Text> <PPT> 54

Chinese summary <6> 综述：强化学习中的领域适应

Amirfarhad FARHADI¹, Mitra MIRZAREZAEE¹, Arash SHARIFI¹, Mohammad TESHNEHLAB²
¹伊斯兰阿扎德大学计算机工程系，伊朗德黑兰市，1477893855
²KN图什理工大学控制工程学院，伊朗德黑兰市，1999143344
摘要：强化学习（RL）在处理复杂决策问题方面显示出巨大的潜力。然而，其性能很大程度上依赖于大量高质量数据的可用性。在许多实际情况中，目标域的数据分布可能与源域的数据分布有很大差异，导致强化学习算法的性能显著下降。领域适应（DA）策略通过将知识从源域转移到目标域来解决这一问题。然而，目前尚无全面且深入的研究来评估这些方法。本文对强化学习中的领域适应进行了全面系统的研究。首先介绍强化学习中领域适应的基本概念和基本表述，然后对其中现有的领域适应方法进行综述。主要目的是填补关于强化学习中领域适应的现有文献空白。为了实现这一目的，本文对最先进的领域适应方法进行了严格的评估，希望为强化学习中的领域适应提供全面的见解，并为该领域的知识进步做出贡献。现有的领域适应方法根据应用领域分为7类。基于重要的数据自适应度量对每一类方法进行讨论，并描述它们的关键特征。最后，强调了具有挑战性的问题和未来的研究趋势，以帮助研究人员创新和改进。

关键词组：强化学习；领域适应；机器学习

Research Articles

Lightweight authentication scheme for edge control systems in Industrial Internet of Things

Wenli SHANG, Xudong WEN, Zhuo CHEN, Wenze XIONG, Zhiwei CHANG, Zhong CAO

DOI: 10.1631/FITEE.2400497 Downloaded: 408 Clicked: 842 Cited: 0 Commented: 0(p.1466-1478) <Full Text> <PPT> 70

Chinese summary <6> 工业物联网边缘控制系统轻量级认证方案

尚文利¹，温旭东¹，陈卓¹，熊文泽²，常志伟¹，曹忠¹
¹广州大学电子与通信工程学院，中国广州市，510006
²机械工业仪器仪表综合技术经济研究所，中国北京市，100055
摘要：在边缘控制系统中，边缘计算需要更强的本地数据处理能力，而传统的工业可编程逻辑控制器无法满足这一需求。因此，边缘智能控制器得到发展，其安全可靠的运行至关重要。然而，由于边缘智能控制器需与资源有限的终端设备进行敏感信息通信，且在终端设备上实现传统的非对称加密具有挑战性，因此迫切需要一种低成本、高效的身份验证解决方案。本文使用低计算成本的哈希函数和异或运算为边缘控制系统设计了一种轻量级身份验证方案；该方案可在边缘智能控制器与终端设备之间实现双向匿名身份验证和密钥协议，以保护设备隐私。安全性分析证明该认证方案可提供必要的安全特性并抵御主要的已知攻击。性能分析和比较表明，所提方案在边缘控制系统中的部署可行、有效。

关键词组：边缘智能控制器；边缘控制系统；终端设备；匿名认证；轻量级认证

Toward an accurate mobility trajectory recovery using contrastive learning

Yushan LIU, Yang CHEN, Jiayun ZHANG, Yu XIAO, Xin WANG

DOI: 10.1631/FITEE.2300647 Downloaded: 611 Clicked: 997 Cited: 0 Commented: 0(p.1479-1496) <Full Text> <PPT> 44

Chinese summary <6> 基于对比学习的移动轨迹准确恢复

刘育杉¹，陈阳¹，张珈芸¹，肖煜²，王新¹
¹复旦大学计算机科学技术学院上海市智能信息处理重点实验室，中国上海市，200433
²阿尔托大学信息与通信工程学院，芬兰埃斯波，FI-02150
摘要：在城市计算应用中，用户轨迹数据是用户移动行为分析的基础数据源。然而，由于这些用户轨迹数据部分是从基于位置的服务中收集的，在时间上常常具有稀疏性和不规则性。为提高基于位置数据服务的性能，以较高时空分辨率对用户轨迹数据进行恢复，对无记录时刻的用户地点进行预测是非常重要的。本文提出一个新的轨迹恢复模型，旨在捕捉多级移动模式并增强轨迹恢复的稳健性。该模型具有一个两阶段位置编码器，用于捕捉集体和个体移动模式，并利用基于图神经网络的网络与注意力机制捕捉单个轨迹内部和跨多个用户轨迹的位置转移模式。此外，采用一个轨迹级对比学习任务以提高模型的稳健性。在3个具有代表性的真实数据集上的大量实验结果表明，该模型在轨迹恢复精度方面始终具有优越的性能。

关键词组：用户移动；移动轨迹恢复；对比学习

VG-DOCoT: a novel DO-Conv and transformer framework via VAE-GAN technique for EEG emotion recognition

Yanping ZHU, Lei HUANG, Jixin CHEN, Shenyun WANG, Fayu WAN, Jianan CHEN

DOI: 10.1631/FITEE.2300781 Downloaded: 623 Clicked: 1070 Cited: 0 Commented: 0(p.1497-1514) <Full Text> <PPT> 66

Chinese summary <6> VG-DOCoT：一种新颖的基于变分自动编码器-生成对抗网络技术、深度过参数化卷积和变换器框架的脑电情绪识别模型

朱艳萍，黄磊，陈继鑫，王身云，万发雨，陈家楠
南京信息工程大学电子与信息工程学院，中国南京市，210044
摘要：人类情绪是反映个体当前生理和心理状态的复杂心理现象。情绪对人类的行为、认知、交流和决策产生了显著的影响。然而，目前的情绪识别方法在实际应用中往往存在性能不佳和可扩展性有限的问题。为此，我们提出一种新颖的脑电图（EEG）情绪识别框架VG-DOCoT，它基于深度过参数化卷积（DO-Conv）、变换器和变分自编码器-生成对抗网络（VAE-GAN）结构。具体来说，在预处理中，可以从EEG信号中提取微分熵（DE），以映射到时间、空间和频率信息中。为了增强训练数据，采用VAE-GAN进行数据增强。使用一种新颖的卷积模块DO-Conv替代传统的卷积层，以提高网络性能。在网络框架中引入了变换器结构，以揭示EEG信号中的全局依赖性。使用所提出的模型，在DEAP数据集上进行了二分类任务仿真，唤醒度和效价度的准确率分别达到92.52%和92.27%。另外，在SEED数据集上进行了三分类任务测试，包括中性、积极和消极三种情绪，获得的平均预测准确率为93.77%。所提出的方法显著提高了脑电情绪识别的准确率。

关键词组：情绪识别；脑电（EEG）；深度过参数化卷积（DO-Conv）；变换器；变分自编码器-生成对抗网络（VAE-GAN）

Enhancing modelling accuracy of cascaded spline adaptive filters using the remora optimisation algorithm: application to real-time systems

Lakshminarayana JANJANAM, Suman Kumar SAHA, Rajib KAR

DOI: 10.1631/FITEE.2300817 Downloaded: 534 Clicked: 979 Cited: 0 Commented: 0(p.1515-1535) <Full Text>

Chinese summary <6> 基于印鱼优化算法提升级联样条自适应滤波器的建模精度及其在实时系统中的应用

Lakshminarayana JANJANAM ¹ ，Suman Kumar SAHA ² ，Rajib KAR ³
¹ 萨西技术与工程学院电子与通信工程系JNTUK认证研究中心，印度安得拉邦，534101
² 拉普尔国立理工学院电子与通信工程系，印度查蒂斯加尔邦，492010
³ 杜尔加普尔国立理工学院电子与通信工程系，印度西孟加拉邦，713209
摘要： 介绍了一种新的优化级联样条自适应滤波器(CSAF)方法，通过使用元启发式优化算法(MOA)识别未知的非线性系统。CSAF架构结合了汉默斯坦和维纳系统，其中非线性块通过样条网络实现。所用算法通过适当加权的成本函数优化样条插值函数和线性滤波器的权重，从而提高滤波器的稳定性、稳态性以及全局最优解的收敛性。本文研究了两种CSAF架构：汉默斯坦-维纳样条自适应滤波器(HW-SAF)和维纳-汉默斯坦样条自适应滤波器(WH-SAF)结构。这两种架构是基于梯度方法设计的，其收敛速度慢，效率低，且在高斯噪声环境下会产生次优解。为克服以上困难，本文采用4种独立的MOA以估计CSAF架构的设计参数：差分进化(DE)、头脑风暴优化(BSO)、多元宇宙优化器(MVO)以及最近提出的印鱼优化算法(ROA)。在ROA中，印鱼因子的控制参数能以更高的收敛速度产生接近全局最优的参数。与基于DE、BSO和MVO的方法相比，ROA确保了探索和开发阶段的平衡。最后，3个数值和特定行业基准系统(即耦合电驱动、热壁和连续搅拌槽反应器)的识别结果表明了基于印鱼优化算法CSAF的有效性。

关键词组：级联样条自适应滤波器；非线性系统辨识；印鱼优化算法

A lightweight clutter suppression algorithm for passive bistatic radar

Yong WU, Luo ZUO, Dongliang PENG, Zhikun CHEN

DOI: 10.1631/FITEE.2300859 Downloaded: 491 Clicked: 976 Cited: 0 Commented: 0(p.1536-1551) <Full Text> <PPT> 62

Chinese summary <7> 一种轻量化的外辐射源杂波抑制算法

武勇¹，左罗²，彭冬亮³，陈志坤³
¹浙江交通职业技术学院智慧交通学院，中国杭州市，311112
²西安电子科技大学广州研究院，中国广州市，510555
³杭州电子科技大学自动化学院，中国杭州市，310018
摘要：由于潜在机会照射源信号带宽不断增大及普遍使用的多源探测框架，外辐射源雷达杂波抑制的计算效率非常受限。本文提出一种经典扩展相消算法(ECA)的轻量化版本，能够实现和ECA相当的杂波抑制性能，但计算复杂度和空间复杂度能降低至少一个数量级。首先，通过改进ECA中参考信号子空间的构建方式，重新定义自相关和互相关矩阵的计算方法。然后，通过一种扩维方法来简化杂波估计过程。总体上，所提方法利用计算复杂度更低的快速傅里叶变换及其反变换来替代传统ECA中的高密度计算部分，并省去了高存储量的参考信号子空间的构建。仿真和外场数据处理结果验证了本文所提方法相比于ECA及其他批处理版本的优越性。

关键词组：外辐射源双基地雷达；杂波抑制；扩展相消算法；计算复杂度；空间复杂度

Broadband and asymmetrical Doherty based on circuit parameter solution space

Cheng BI, Haotian LI, Shuai WANG, Zhijiang DAI, Jingzhou PANG, Ruibin GAO, Kang ZHONG, Jingsong WANG

DOI: 10.1631/FITEE.2400226 Downloaded: 456 Clicked: 822 Cited: 0 Commented: 0(p.1552-1564) <Full Text> <PPT> 32

Chinese summary <6> 基于电路参数解空间的宽带非对称Doherty功率放大器

毕诚¹，李浩天²，王帅²，代志江¹，庞竞舟¹，高瑞彬¹，钟康¹，王靖淞¹
¹重庆大学微电子与通信工程学院，中国重庆市，400044
²中国电子科技集团公司第五十四研究所，中国石家庄市，050081
摘要：本文将后匹配网络的输入阻抗设为复数。基于Doherty功率放大器（DPA）的基本原理，确定了参数解空间，使得DPA在回退状态能实现高效率。参数解空间包含3个变量：载波功率放大器输出匹配网络的相位参数、峰值功率放大器输出匹配网络的相位参数以及后匹配网络的输入阻抗。这些参数经过优化，使DPA能在回退状态实现高效率。在频率与参数解空间之间建立了一一映射关系，使得在宽频范围内对DPA进行精确优化成为可能。利用这种映射关系，设计并制作了一款工作在1.8–2.6 GHz频段的非对称DPA，验证了所提方法的可行性和有效性。在连续波激励下，测试结果显示，当功率回退量为9.5 dB时，漏极效率为42.7%–56.4%。功率饱和点的漏极效率和输出功率分别为45.8%–71.1%和46.9–48.8 dBm，饱和增益为5.5–8.0 dB。此外，在1.8、2.1和2.6 GHz频率下，输入激励采用峰均比为8dB，信号带宽为20 MHz的长期演进（LTE）调制信号。DPA经过数字预失真线性化后，邻信道功率比（ACPR）始终低于48 dBc。

关键词组：Doherty功率放大器；输出匹配网络；参数解空间

A V-band high-linearity BiCMOS mixer with robust temperature tolerance

Jiang LUO, Yizhao LI, Yao PENG, Qiang CHENG

DOI: 10.1631/FITEE.2400378 Downloaded: 422 Clicked: 931 Cited: 0 Commented: 0(p.1565-1574) <Full Text> <PPT> 41

Chinese summary <6> 具有优异温度鲁棒性的V波段高线性度BiCMOS混频器

罗将^1,2，李义昭¹，彭尧³，程强²
¹杭州电子科技大学电子信息学院，中国杭州市，310018
²东南大学毫米波国家重点实验室，中国南京市，210096
³北京无线电测量研究所，中国北京市，100854
摘要：本文提出一种高线性度且具有优异温度鲁棒性的V波段下变频混频器。通过在跨导（g_m）级和中频（IF）输出缓冲器中分别采用负温度补偿电路（NTC）和正温度补偿电路（PTC），极大增强了混频器的温度耐受性。得益于采用跨导增强的有源巴伦和发射极负反馈技术，混频器的线性度得到了显著改善。为验证效果，基于130纳米SiGe BiCMOS工艺流片制造了一个V波段双平衡下变频混频器。测试结果表明，本地振荡器（LO）在57GHz至63 GHz的频率范围内且注入功率为−3 dBm时，混频器的峰值转换增益（CG）为−0.5 dB，最小噪声系数（NF）为11.5 dB，输入1 dB压缩点（IP_{1 dB}）为4.8 dBm。进一步地，在−55 °C至85 °C的温度范围内，CG、NF和IP_{1 dB}的测量结果具有良好的一致性，它们的波动分别小于0.8 dB、1 dB和1.2 dBm。在57GHz至63 GHz范围内，LO端口至频射（RF）端口测量的隔离度优于46 dB，RF端口测量的回波损耗大于29 dB，LO端口测量的回波损耗超过12 dB。在2.5 V电源电压下，混频器在−55 ℃、25 ℃和85 ℃温度下的功耗分别为15.75 mW、18.5 mW和21 mW。此外，混频器芯片包括所有测试焊盘在内的硅片总面积为0.56 mm²。

关键词组：V波段；下变频混频器；SiGe BiCMOS；温度补偿；高线性度；有源巴伦