專題：智能信號處理技術

特邀策劃人

孔令軍

博士，副教授，碩士生導師，金陵科技學院網通學院學科方向帶頭人。2011年畢業于北京交通大學信號與信息處理專業，新加坡南洋理工大學和東南大學雙博士后。曾獲2018年蘇州高新區科技創新創業領軍人才稱號，并入選2021年江蘇省科技副總項目。2021年高層次人才引進加入金陵科技學院。曾先后在韓國仁荷大學、新加坡南洋理工大學、香港理工大學、新加坡科技設計大學、美國加州大學圣地亞哥分校進行研究和國家公派訪學。2014年至今，共主持國家、省部級等科研項目13項。發表SCI論文20余篇， EI論文30余篇。獲發明專利10余項，軟件著作權10余項。IEEE會員、中國人工智能學會會員、中國通信學會會員。

內容導讀

信號與信息處理是以信號與信息為主體，包含信息獲取、變換、存儲、傳輸、交換和應用等環節中的信號與信息的處理，是信息科學的重要組成部分。其主要理論和方法已廣泛應用于信息科學的各個領域。隨著大數據與存儲技術的發展，數據計算與處理能力的大幅度提升，人工智能(AI)也如火如荼地發展。AI為信號與信息處理技術的發展提供了額外的冗余度，智能信號處理技術應運而生。在5G+AI時代，智能信號處理技術具有巨大的潛力和前景，將徹底改變人類的生活。鑒于此，《無線電工程》2022年第1期推出“智能信號處理技術”專題。專題采用公開征稿方式組織稿件，在所有通過專家函評的稿件中，最終確定錄用稿件6篇。專題內容涵蓋了計算機視覺、大數據、無線通信和高密度存儲等應用領域的研究成果。

論文《基于注意力機制特征融合與增強的自然場景文本檢測》針對復雜場景下形態多樣的文本檢測難題，基于圖像分割網絡框架，在特征解碼融合階段提出了優化策略，利用注意力機制在不同尺度特征下提取圖像空間、通道維度的顯著特征并加以融合，旨在加強特征的信息表征能力，提高目標文本分割精度。

論文《基于層次自注意力的高效場景文本識別》針對場景文本圖像高效識別問題，在視覺特征提取階段構建了輕量型的殘差模塊堆疊網絡，在文本序列預測階段構建了一種新的層次自注意力編碼器，以此建立并增強文本序列信息與視覺感知信息間的聯系，旨在實現規則與不規則場景文本的魯棒性預測。

論文《一種基于深度可分離卷積的輕量級人體關鍵點檢測算法》針對人體關鍵點檢測的網絡模型執行過程中耗時過長的問題，在編碼結構上使用深度可分離卷積作為基本的卷積模塊，并利用MSLM對特征矩陣進行自適應學習來增強有用信息權重且使用編解碼結構對網絡主干結構進行效率上的優化，旨在提升神經網絡推理運算效率。

論文《一種基于LSTM模型的水庫水位預測方法》考慮到水文數據是一種復雜的時間序列，普通的水文模型難以捕捉其變化規律，長短期記憶 (LSTM)網絡作為一種有記憶能力的學習網絡模型，通過不斷輸入的新數據，學習時間序列的主要特征和變化趨勢，能很好地學習水文數據這種復雜多變的時間序列。本文利用LSTM網絡模型對沂沭泗流域中的石梁河水庫進行了模擬，探討了LSTM網絡模型在水庫水位及洪水預報的適應性。

論文《基于Rayleigh衰落信道下LDPC編碼的星座成形》針對LDPC信道編碼在PAM調制下通過瑞麗衰弱信道傳輸的成形損耗問題，提出了在發送端添加成形編碼的策略，旨在改變發送信號分布來提高成形增益和誤差性能的目的。

論文《MLC存儲信道下的雙層LDPC碼優化設計》針對大數據和云存儲的發展給信息領域帶來的風險和挑戰，以及存儲密度的增大和單元尺寸的減小導致MLC型NAND閃存的可靠性降低等問題，基于信道編碼理論并利用MLC閃存信道的非對稱性特性，在糾錯域上提出了一種雙層LPDC碼優化設計方案，利用從MLC閃存單元其他頁中獲取的完全正確的額外校驗比特輔助本頁譯碼，從而提高存儲單元閃存信道下的譯碼性能，降低譯碼復雜度。

專題面向智能信號處理技術研究前沿，特別是深度學習與傳統信號處理技術的融合展開研究，涉及目標檢測、分割、識別以及分類等。針對未來通信與高密度存儲領域的關鍵技術，也開展了研究。盡管專題在部署方面盡量聚焦智能信號處理技術的前沿研究，但鑒于該技術近年來的快速發展，新理論、新應用日新月異，加之策劃人水平有限，專題內容部署方面仍存在不足。專題的出版得到了福州大學陳平平、南京郵電大學周全、南京郵電大學張順外、金陵科技學院劉威等研究人員的大力支持，謹在此衷心地感謝他們提供的優質稿件。在專題出版之際，特此感謝參與稿件函評的各位專家學者，感謝他們對稿件的審閱和提出寶貴意見，保證了專題稿件的質量。最后， 感謝《無線電工程》編輯部各位老師的辛勤工作和大力支持。希望本專題對智能信號處理的理論與應用研究能夠起到借鑒和促進作用。