面向信息內(nèi)容的自組織網(wǎng)絡數(shù)據(jù)按需分發(fā)方案

潘積遠，高 源，郝 明，高 銳

(1.中國電子科技集團公司第20研究所，西安 710068；2.中國電子科技集團公司，北京 100846)

0 引 言

隨著信息技術的發(fā)展，面對復雜多變的戰(zhàn)場環(huán)境，現(xiàn)代戰(zhàn)爭的作戰(zhàn)樣式由“平臺中心戰(zhàn)”向“網(wǎng)絡中心戰(zhàn)”轉變，通過互聯(lián)互通的網(wǎng)絡將多個作戰(zhàn)平臺連結為縝密的作戰(zhàn)整體。作戰(zhàn)體系對抗優(yōu)勢體現(xiàn)在信息優(yōu)勢、決策優(yōu)勢和行動優(yōu)勢三個方面。

為了有效奪取“信息制勝權”，各種傳感器[如電子戰(zhàn)(ESM)、紅外搜索跟蹤雷達、光電雷達、SAR等]相繼加裝，使作戰(zhàn)平臺具備了多種探測手段，可完整、準確、時效地感知戰(zhàn)場環(huán)境。然而，多種傳感器的投入使用，固然可以使得作戰(zhàn)平臺可獲取大量具有冗余性的情報數(shù)據(jù)，但是當中大量無關數(shù)據(jù)和無用數(shù)據(jù)會淹沒作戰(zhàn)人員關注的戰(zhàn)場信息，影響作戰(zhàn)決策，乃至整個戰(zhàn)場體系對抗的信息制勝權。另外，大量戰(zhàn)場情報數(shù)據(jù)在有限帶寬資源條件下傳輸將對網(wǎng)絡提出巨大的挑戰(zhàn)。因此，研究信息高效處理與管理的機制對提升作戰(zhàn)體系的整體作戰(zhàn)能力至關重要。

美軍是最早研究復雜戰(zhàn)場環(huán)境下可靠傳輸戰(zhàn)術信息網(wǎng)絡的國家之一。早在20世紀70年代，美國國防部高級研究規(guī)劃署(DARPA)出于對未來戰(zhàn)爭的考慮便開始研究在戰(zhàn)場環(huán)境下利用移動自組織網(wǎng)絡進行數(shù)據(jù)通信[1,2]。1994年，DARPA又啟動了全球移動信息系統(tǒng)項目，研究能夠滿足軍事應用需要的、可快速展開的、高抗毀性的移動信息系統(tǒng)[3]。1997年，DARPA啟動了先進戰(zhàn)術瞄準技術項目，專門研究基于自組織網(wǎng)絡快速、準確定位遠距離敵方機動防控雷達的瞄準技術[4]；隨后，針對面上移動目標精確打擊需求，DARPA啟動了經(jīng)濟型地/海面移動目標交戰(zhàn)(AMSTE)項目[5]，旨在研究與開發(fā)經(jīng)濟可承受的全天候、遠程精確快速打擊移動目標的技術。在這一系列DARPA計劃/項目推進過程中，美軍構建了多種數(shù)據(jù)鏈網(wǎng)絡，其中以戰(zhàn)術數(shù)據(jù)鏈(Link16)、基于移動自組織網(wǎng)絡技術的戰(zhàn)術瞄準網(wǎng)絡技術[5](TTNT)和協(xié)同交戰(zhàn)概念[5](CEC)最具代表性，分別代表了美空軍與海軍支撐網(wǎng)絡中心戰(zhàn)的數(shù)據(jù)鏈網(wǎng)絡。這三種數(shù)據(jù)鏈部分性能參數(shù)對比,見表1?？梢姡瑸殪`活高效支撐復雜戰(zhàn)場環(huán)境信息可靠交換，美軍數(shù)據(jù)鏈網(wǎng)絡的傳輸速率正在得到提升。

表1 美軍三種數(shù)據(jù)鏈部分性能參數(shù)對比

除此之外，為了高效支撐多樣化的作戰(zhàn)決策與應用，提高各類作戰(zhàn)信息分發(fā)與處理效率，美軍開發(fā)了戰(zhàn)術成員網(wǎng)[5](TCN)。TCN采用按需分發(fā)原則，建立網(wǎng)絡中作戰(zhàn)平臺的訂閱者/發(fā)布者關系，過濾各種傳感器發(fā)送的量測數(shù)據(jù)，避免直接廣播原始量測造成的帶寬資源浪費。而且通過TCN構建的訂閱關系重新定義目標屬性，達到壓縮傳輸帶寬的目的，從而使TCN能適配各種通信信道，保證其能適合多軍兵種、多任務的作戰(zhàn)需要。因此，基于數(shù)據(jù)鏈網(wǎng)絡的基礎信息交換能力，依據(jù)作戰(zhàn)應用適時、按需分發(fā)各類戰(zhàn)場信息將是數(shù)據(jù)鏈網(wǎng)絡信息處理的重要發(fā)展趨勢。

綜合考慮網(wǎng)絡中心戰(zhàn)下“信息幾何增長效應”和傳輸通道對大量情報信息的物理限制兩方面信息高效處理的瓶頸效應，兼顧考慮現(xiàn)有信息網(wǎng)絡的基礎能力，提出了面向信息內(nèi)容的自組織網(wǎng)絡數(shù)據(jù)按需分發(fā)方案，建立適應復雜戰(zhàn)場環(huán)境的高效、動態(tài)的數(shù)據(jù)分發(fā)機制，為作戰(zhàn)人員實時提供作戰(zhàn)應用可用的戰(zhàn)場信息，在有限帶寬資源下提高數(shù)據(jù)的利用效率。

1 數(shù)據(jù)按需分發(fā)研究現(xiàn)狀及主要方法

隨著傳感器技術、作戰(zhàn)規(guī)模與作戰(zhàn)樣式的發(fā)展，現(xiàn)代高技術條件下的戰(zhàn)爭涉及海量作戰(zhàn)信息的交互與處理。從海量的作戰(zhàn)信息中篩選各作戰(zhàn)平臺/作戰(zhàn)人員真正需要的信息，是將信息優(yōu)勢轉化為知識優(yōu)勢，進行轉化為決策優(yōu)勢、行動優(yōu)勢的基礎和前提。借鑒美軍TCN的成功經(jīng)驗，需要對海量作戰(zhàn)信息實施按需分發(fā)，在戰(zhàn)時通信資源極度緊張的條件下為作戰(zhàn)人員傳輸有用、可用和可靠的戰(zhàn)場信息，避免大量無關信息、無用信息對作戰(zhàn)人員造成的“信息淹沒”。

目前，作戰(zhàn)信息的按需分發(fā)主要有三種方法。

(1)基于主動服務的信息分發(fā)方法[6]

主動服務信息系統(tǒng)通過人工智能與專家系統(tǒng)的推理技術和關聯(lián)匹配技術等建立規(guī)則庫，以及信息分發(fā)與用戶需求的關系，向需求用戶分發(fā)相關數(shù)據(jù)，其信息分發(fā)系統(tǒng)結構，如圖1所示。

圖1 基于主動服務的信息分發(fā)系統(tǒng)結構

系統(tǒng)中各用戶及其他的上級通報、傳感器數(shù)據(jù)、人工情報，以及共享信息空間等構成了綜合的信息池。其中：共享信息空間是一個動態(tài)的數(shù)據(jù)集，可存儲多種結構的信息數(shù)據(jù)；信息資源管理器對信息池中的數(shù)據(jù)進行更新與管理；匹配規(guī)則庫按照需求分析信息特征的匹配度，將匹配程度高的數(shù)據(jù)主動推送到相應的用戶。用戶完全不需要做額外的工作便可以獲得所需的信息。

系統(tǒng)結構簡單、工作流程清晰。缺點是匹配規(guī)則庫復雜，尤其是在信息量與需求量很大的情況下，匹配規(guī)則難以保證系統(tǒng)的完整性、準確性和時效性。因此，基于主動推送的按需分發(fā)方法只適用于小規(guī)模或局部用戶網(wǎng)。

(2)基于發(fā)布/訂閱的信息分發(fā)方法[6]

與主動服務的信息分發(fā)處理方式不同，基于發(fā)布/訂閱的信息分發(fā)方法是需求驅動的信息分發(fā)方法。用戶根據(jù)自己的信息需求，向系統(tǒng)發(fā)布訂閱消息，當中包含用戶需求的規(guī)范化描述；系統(tǒng)依據(jù)訂閱消息的具體要求向該用戶發(fā)送所需信息，或者向用戶返回所需信息的訪問地址?；诎l(fā)布/訂閱的信息分發(fā)系統(tǒng)結構，如圖2所示。

圖2 基于發(fā)布/訂閱的信息分發(fā)系統(tǒng)結構

(3)基于過濾的信息分發(fā)方法[6]

基于過濾的信息分發(fā)方法的核心思想是信息過濾，即用戶端根據(jù)自身需求的總體或大致特征，將不符合需求的信息屏蔽處理。當用戶的信息需求不容易明確描述和體現(xiàn)，或者用戶對自己的需求認識不夠清晰時，用戶根據(jù)自身性能特點及需求對所接收的信息進行取舍、篩選，僅保留符合程度較高的信息，從而達到信息分發(fā)的目的。然而，在整個過程中，信源用戶端由于不明確用戶需求而將所有信息堆積在信道上進行傳輸，極易造成信道資源的浪費。

2 面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)方案

在現(xiàn)代高技術的戰(zhàn)場環(huán)境下，為了解決多傳感器投入使用帶來的信息幾何增長效應，以及現(xiàn)有數(shù)據(jù)鏈網(wǎng)絡固有體制對信息處理的約束，建立高效、動態(tài)的數(shù)據(jù)按需分發(fā)處理機制，使有限的通道資源傳輸支撐作戰(zhàn)應用的高價值信息具有重要的意義。

2.1 面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)模型

考慮到信息的幾何增長效應及數(shù)據(jù)鏈網(wǎng)絡的帶寬資源緊張這兩方面的因素限制，分數(shù)據(jù)組織與數(shù)據(jù)檢索兩條線構建數(shù)據(jù)按需分發(fā)模型。在數(shù)據(jù)組織方面，主要解決數(shù)據(jù)組織與管理問題，使得大量傳感器探測的情報信息形成分類有序的情報數(shù)據(jù)倉庫及對應的內(nèi)容索引分析表；在數(shù)據(jù)檢索方面，需求驅動內(nèi)容索引分析表與具體數(shù)據(jù)要求的匹配分析，檢索完全符合或者符合程度高的數(shù)據(jù)，并進行分發(fā)。面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)模型，如圖3所示。

圖3 面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)模型

該模型包含數(shù)據(jù)接收與分發(fā)、面向信息內(nèi)容的數(shù)據(jù)管理模型、數(shù)據(jù)庫更新與管理和需求匹配四個功能模塊。

數(shù)據(jù)接收與分發(fā)功能模塊主要完成兩個功能：

(1)接收并重建作戰(zhàn)體系其他平臺的信息;

(2)壓縮分發(fā)本平臺發(fā)往其他平臺的信息。

面向信息內(nèi)容的數(shù)據(jù)管理模型功能模塊完成兩個功能:

(1)在統(tǒng)一描述空間上對本平臺及其他平臺數(shù)據(jù)進行統(tǒng)一表示；

(2)基于數(shù)據(jù)統(tǒng)一表示和數(shù)據(jù)模板信息完成數(shù)據(jù)挖掘，將大量情報信息轉化為分類有序且易于理解的戰(zhàn)場感知知識。

數(shù)據(jù)庫更新與管理功能模塊的主要功能如下:

(1)對數(shù)據(jù)挖掘的情報信息進行組織與管理；

(2)形成數(shù)據(jù)倉庫的內(nèi)容索引表；

(3)更新系統(tǒng)的數(shù)據(jù)模板，使其對環(huán)境具有強適應性。

需求匹配功能模塊的功能如下:

(1)描述與提煉用戶需求；

(2)將用戶需求與內(nèi)容索引表相結合進行匹配分析，提供檢索符合需求數(shù)據(jù)的信息。

2.2 面向信息內(nèi)容的數(shù)據(jù)組織與管理

數(shù)據(jù)的有序組織與管理是實現(xiàn)數(shù)據(jù)按需分發(fā)的重要前提，也是消除各作戰(zhàn)平臺大量情報數(shù)據(jù)冗余性的重要手段，避免無關或無用數(shù)據(jù)對數(shù)據(jù)分發(fā)需求的誤導。面向信息內(nèi)容的數(shù)據(jù)組織與管理步驟如下:

步驟1 當接收到數(shù)據(jù)時，將源數(shù)據(jù)進行劃分，得到多個子數(shù)據(jù)。此時，各子數(shù)據(jù)間存在冗余性;為了實現(xiàn)面向信息內(nèi)容的數(shù)據(jù)處理，聚類分析這些子數(shù)據(jù)，得到能夠統(tǒng)一描述數(shù)據(jù)本質(zhì)內(nèi)容的代表性特征。

步驟2 通過數(shù)據(jù)模板，將輸入數(shù)據(jù)的代表性特征進行二次表示，獲取該數(shù)據(jù)與數(shù)據(jù)模板的關聯(lián)關系。

步驟3 結合數(shù)據(jù)模板的內(nèi)容索引表與所建立的數(shù)據(jù)關聯(lián)信息，利用數(shù)據(jù)挖掘方法建立輸入數(shù)據(jù)與內(nèi)容索引表的對應關系，更新內(nèi)容索引表與數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)。

步驟4 依據(jù)內(nèi)容索引表更新數(shù)據(jù)模版。

重復以上步驟不斷按照內(nèi)容規(guī)則對大量復雜無序的情報數(shù)據(jù)進行組織與管理。

2.2.1 面向信息內(nèi)容的數(shù)據(jù)統(tǒng)一表示

面向信息內(nèi)容的數(shù)據(jù)統(tǒng)一表示包含兩部分內(nèi)容：面向數(shù)據(jù)內(nèi)容的代表性特征分析和數(shù)據(jù)稀疏表示。

式中，p(·|·)為數(shù)據(jù)服從的概率分布。

2.2.2 數(shù)據(jù)挖掘與內(nèi)容索引表生成

獲得輸入數(shù)據(jù)與數(shù)據(jù)模板的關聯(lián)關系后，仍需進一步挖掘潛在的本質(zhì)內(nèi)容關系，方能將輸入數(shù)據(jù)按照內(nèi)容存放到數(shù)據(jù)倉庫中。基于L1,L1/2的正則化理論認為源數(shù)據(jù)空間中數(shù)據(jù)的關聯(lián)關系與源數(shù)據(jù)的本征特征空間上特征關系是一致的[7]。也就是說，當把數(shù)據(jù)的本質(zhì)內(nèi)容看成源數(shù)據(jù)的代表性特征時，數(shù)據(jù)統(tǒng)一表示所獲得的關聯(lián)關系y可進一步描述本質(zhì)內(nèi)容的關聯(lián)關系。因此，采用數(shù)據(jù)挖掘的分類技術生成內(nèi)容索引表。

假定數(shù)據(jù)模板對應的內(nèi)容特征為C=[c1,c2,…,cK]，輸入數(shù)據(jù)的內(nèi)容特征向量為ci，那么，ci可由矩陣C和關聯(lián)關系y線性表出

ci=Cy

式中，ci分量的絕對值分別表示了各內(nèi)容所占的權重。設定門限閾值ct，選擇分量|ci,j|>ct對應的內(nèi)容生成數(shù)據(jù)倉庫的內(nèi)容索引表。

2.2.3 數(shù)據(jù)倉庫管理與更新

在輸入數(shù)據(jù)的內(nèi)容索引表生成后，輸入數(shù)據(jù)被按照內(nèi)容索引值存儲在相應的類中。當某一類數(shù)據(jù)的數(shù)據(jù)量較大時，需要實時對數(shù)據(jù)倉庫進行管理與更新，一方面使得數(shù)據(jù)倉庫中數(shù)據(jù)得以更有效地組織，另一方面則是更新數(shù)據(jù)模板，使其充分描述當前內(nèi)容類別信息，從而確保所研究的數(shù)據(jù)按需分發(fā)模型更能適應戰(zhàn)場復雜多變的環(huán)境。

數(shù)據(jù)倉庫管理與更新采用數(shù)據(jù)挖掘中的k均值聚類算法，實時利用本類數(shù)據(jù)生成最具代表性的數(shù)據(jù)模板，更新已有的數(shù)據(jù)模板。

2.3 基于信息內(nèi)容索引的數(shù)據(jù)按需分發(fā)流程

面向信息內(nèi)容的數(shù)據(jù)組織與管理的目的是更好地滿足數(shù)據(jù)按需分發(fā)需求。當網(wǎng)絡中其他用戶需要某信息時，實時發(fā)出數(shù)據(jù)請求。系統(tǒng)的數(shù)據(jù)接收/分發(fā)功能模塊接收數(shù)據(jù)請求，實時檢索本平臺符合要求的數(shù)據(jù)并分發(fā)給用戶。其工作步驟如下。

步驟1：平臺分析用戶的數(shù)據(jù)請求，將需求描述映射到數(shù)據(jù)本質(zhì)內(nèi)容特征空間；

步驟2：結合本地維護的內(nèi)容索引表，匹配分析用戶需求的內(nèi)容，輸出符合程度高的數(shù)據(jù)存儲標識以及內(nèi)容信息；

步驟3：系統(tǒng)依據(jù)給出的數(shù)據(jù)存儲標識檢索出所需的用戶數(shù)據(jù)，提供給數(shù)據(jù)接收/分發(fā)功能模塊；

步驟4：數(shù)據(jù)接收/分發(fā)功能模塊對數(shù)據(jù)進行壓縮測量，僅傳輸少數(shù)量測信息，減輕有限資源帶寬對數(shù)據(jù)傳輸?shù)膲毫Γ?/p>

步驟5：用戶接收到源端平臺發(fā)送過來的數(shù)據(jù)時，基于壓縮傳感原理實施高精度數(shù)據(jù)重建，恢復源端平臺的數(shù)據(jù)，完成數(shù)據(jù)按需分發(fā)。

2.3.1 匹配分析

匹配分析的目的是挖掘用戶需求與內(nèi)容索引表間的相互關系。在內(nèi)容索引表及用戶需求分析量化的基礎上，匹配分析可轉化為對用戶需求的分類判決問題。因此，采用基于歐氏距離的k近鄰分類算法判別統(tǒng)計分析與用戶需求符合程度最高的內(nèi)容索引信息，指示出用戶所需的數(shù)據(jù)。

3.3.2 數(shù)據(jù)壓縮傳輸

對于數(shù)據(jù)收發(fā)部分，研究中采用基于壓縮傳感的數(shù)據(jù)壓縮傳輸方法減輕有限資源帶寬對大量數(shù)據(jù)傳輸?shù)膲毫??；趬嚎s傳感的數(shù)據(jù)壓縮傳輸模塊包含三部分關鍵內(nèi)容，分別為壓縮測量、基于冗余字典的數(shù)據(jù)稀疏表示、數(shù)據(jù)精確重建。基于壓縮傳感的數(shù)據(jù)傳輸原理[7]為

式中,A=ΦΨ為M×N矩陣，Ψ為N×N的特征變換矩陣；s為x在特征變換矩陣Ψ下的稀疏表示向量，包含γ個非零分量。

(1)壓縮測量

壓縮測量通過冗余、統(tǒng)一的測量矩陣將源數(shù)據(jù)投影到低維特征空間，以達到壓縮數(shù)據(jù)傳輸規(guī)模的目的。壓縮測量的關鍵在于分布式網(wǎng)絡如何生成一致的測量矩陣。為解決此問題，所設計的分布式測量矩陣生成協(xié)議，主要思想是在時間同步基礎上利用偽隨機算法保證分布式測量矩陣生成的一致性，如圖4所示。

圖4 分布式測量矩陣生成流程

(2)稀疏表示字典

針對源數(shù)據(jù)的可壓縮性測量，稀疏表示字典的構造是實現(xiàn)信號稀疏分解的重要前提。研究中采用K-SVD字典學習算法[8]建立稀疏表示字典，確保源數(shù)據(jù)在稀疏表示字典下可稀疏表示。K-SVD算法通過預加載的圖像訓練集尋找最優(yōu)的字典，使基于此字典的信號稀疏表示對于訓練樣本的方差達到最小，訓練目標為

式中,F是從預加載訓練圖像集生成的訓練樣本矩陣，每一個列向量對應一個訓練樣本；D是待構造的冗余稀疏表示字典，每一個列向量對應一個字典元素；S是F在D上分解得到的系數(shù)矩陣，滿足約束限定的稀疏性。

(3)基于L1/2的數(shù)據(jù)重建

數(shù)據(jù)重建算法是壓縮傳感理論的核心，是指從壓縮測量恢復出高維原始數(shù)據(jù)的過程。由于壓縮測量的維數(shù)遠遠小于原始數(shù)據(jù)的維數(shù)，數(shù)據(jù)重建需要求解一個欠定方程組，可能得到無窮多解。壓縮傳感理論利用信號稀疏或者可壓縮性質(zhì)有效地重建原始信號。當信號為稀疏或可壓縮信號時，數(shù)據(jù)重建可以通過求解一個系數(shù)約束的最優(yōu)化問題實現(xiàn)。信號的稀疏約束可以通過最小L1/2范數(shù)實現(xiàn)，其數(shù)據(jù)重建目標為

式中，A是已知的表示矩陣。

3 應用前景

面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)模型通過基于壓縮感知的數(shù)據(jù)壓縮和面向信息內(nèi)容的稀疏表示解決了數(shù)據(jù)壓縮傳輸與數(shù)據(jù)組織管理兩個關鍵問題。在數(shù)據(jù)壓縮傳輸方面，由于發(fā)送平臺少數(shù)線性測量特征完成對大量情報信息的壓縮測量，對情報信息的處理實時性強，適用于有人/無人前突的偵察平臺。在數(shù)據(jù)組織管理方面，由于數(shù)據(jù)統(tǒng)一表示與管理需要在統(tǒng)一的數(shù)據(jù)表示模板下完成，因此，為了實現(xiàn)面向信息內(nèi)容的數(shù)據(jù)組織與管理，需要大量的情報信息作為支撐，滿足高精度的情報信息處理與管理。此時，面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)模型適用于地面或大型平臺的情報處理中心。通過無線自組織網(wǎng)絡將作戰(zhàn)平臺連接，構建情報信息處理與分發(fā)系統(tǒng)，支撐情報產(chǎn)品生成與分發(fā)共享。

4 結 語

為了提高復雜戰(zhàn)場環(huán)境下信息的利用效率，致力于解決多傳感器投入使用引起的“信息幾何增長效應”，以及網(wǎng)絡有限傳輸帶寬的固定限制，提出了面向信息內(nèi)容的自組織網(wǎng)絡數(shù)據(jù)按需分發(fā)方案。方案采用了馬爾科夫隨機場、數(shù)據(jù)稀疏表示、數(shù)據(jù)挖掘等智能信息處理技術面向信息內(nèi)容地組織與管理數(shù)據(jù)，同時利用數(shù)據(jù)壓縮傳感技術構建了低帶寬利用的數(shù)據(jù)壓縮傳輸分發(fā)機制，減輕了網(wǎng)絡傳輸大量數(shù)據(jù)的壓力。方案支持構建自治的數(shù)據(jù)管理系統(tǒng)，并由用戶需求驅動數(shù)據(jù)實時按需分發(fā)。

下一步將構建面向信息內(nèi)容的數(shù)據(jù)按需分發(fā)仿真系統(tǒng)，驗證與分析本方案的系統(tǒng)性能，同時結合仿真結果分析本方案與主動服務、訂閱式與過濾式信息分發(fā)方法的內(nèi)在關系。

[1] JUBIN J,TORNOW J D.The DARPA Packet Radio Network Protocols[J].Proceedings of the IEEE,1987,75(1):21-32.

[2] SCHACHAM N,WESCOTT J.Future Direction in Packet Radio Architectures and Protocols[J].Proceedings of the IEEE,1987,75(1):83-99.

[3] TOH C K.Ad Hoc Mobile Wireless Networks,Upper Saddle River[M].New Jersey,Prentice Hall PTR,2002.

[4] 陳赤聯(lián),宋明,王曉明.武器數(shù)據(jù)鏈發(fā)展分析[J].導航，2008(1)： 11-17.

[5] 戴輝.武器協(xié)同數(shù)據(jù)鏈發(fā)展需求[J].指揮信息系統(tǒng)與技術，2011,2(5):11-15.

[6] 王子明，張海峰，陳鄧安，等.基于信息柵格的作戰(zhàn)信息按需分發(fā)方法研究[J].國防科技，2012，2(33):33-36.

[7] XU Z B,CHANG X Y,XU F M,et al.L1/2Regularization a Thresholding Representation Theory and a Fast Solver[J].IEEE Transactions on Neural Networks and Learning Systems,2012,23(7):1 013-1 027.

[8] ELAD M,AHARON M.Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries[J].IEEE Transactions on Image Processing,2006,15(12):3 736-3 745.