= ４ G$H，h：—L; ＹＯＬＯｖ３F=óûMZk0Âü ４４７ ›\\， ＩＯＵV & ' › Q。ＹＯＬＯⅡ b ＳＳＤ; D 2§Á; ＹＯＬＯⅡ OPí9»DuF=úûÓ\\ Æ，ＹＯＬＯⅡmÄ%，³l½pœ< Ｆh‚dÔ¾Q â«)î0¶9;úû©，W§©k0y“\"„ » ＳＳＤ，\\]œ<«¹Æ ) E ‚ d ¾ œ R » ＳＳＤ。 ;MZ，#§y“ ’DE;ÿvZ。 `HÔZ‚d9 D»3ZOPgk0OPL9; Qxm#ŽOPZWÅ\"󉯇I。 !\"#$： ¡ó ７…†ûË，MZk00P2…†YËM ［１］　’“ã．¤ F = Œ û Ù ; í 9 ´ u g × Ø á ˜ ［Ｊ］．2 ¼ ÿ Zk0;½pœ，òó ８ôB。 Þ，２０１４（１２）：９０－９３． - ８　œpÔP ¡¢ ［２］　ＣａｒｌｏＣ，ＳａｌｖｅｔｔｉＯ．Ｉｎｆｒａｒｅｄ：ａｋｅｙｔｅｃｈｎｏｌｏｇｙｆｏｒｓｅｃｕｒｉｔｙｓｙｓｔｅｍｓ Ｆｉｇ．８　Ｐｒｅｃｉｓｉｏｎｏｆｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＯｐｔｉｃａｌＴｅｃｈｎｏｌｏｇｉｅｓ，２０１２，２０（１２）：３７－４２． fó ８…È，³ １Z=1µMZk0;³l½p ［３］　ë　®，!p”，ë]š．—L; ＳＳＤF=óûMZk0Âü œUÁ ８３％。１Zk0½pœR;3¾Õg…Wu ［Ｊ］．s(báF，２０２０，２７（１）：４２－４６． mZSdQÕn`„;no，qfk0y½p，F= óû2;SȈ%bSÈ;!\"T%óñ，MZ/ ［４］　ＶｉｏｌａＰ，ＪｏｎｅｓＭ Ｊ，ＳｎｏｗＤ．Ｄｅｔｅｃｔｉｎｇｐｅｄｅｓｔｒｉａｎｓｕｓｉｎｇｐａｔｔｅｒｎｓ n，bŠ‡†‹，qfk0™m†k0Ëâ1^SÈ ｏｆｍｏｔｉｏｎａｎｄａｐｐｅａｒａｎｃｅ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒ fâZ。F=óûŒóe%&)p，#C;¬;› Ｖｉｓｉｏｎ，２００５，６３（２）：１５３－６１． ª，¹F=óû„„ó9ŽœR、SÈm/n、 ó{|、DÆ%¦Rh~，¶F=óû2W¹#ð ［５］　ＤａｌａｌＮ，ＴｒｉｇｇｓＢ．Ｈｉｓｔｏｇｒａｍｓｏｆｏｒｉｅｎｔｅｄｇｒａｄｉｅｎｔｓｆｏｒｈｕｍａｎｄｅ ž;á<¬;çª［１６］。mLMcdk0™Ñ，cd ｔｅｃｔｉｏｎ［Ｃ］／／ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ＆ Ｐａｔ y0ów£h}ýá<，¡¢qfk0y½p，âk ｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ＇０５），ＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ，２００５，１： 0;MZcdmóû2û‡vuž，yÒok0。 ８８６－８９３． ４　 ! ［６］　ＦｅｌｚｅｎｚｗａｌｂＰＦ，ＧｒｉｓｈｉｃｋＲＢ，ＭｃａｌｌｉｓｔｅｒＤ，ｅｔａｌ．Ｏｂｊｅｃｔｄｅｔｅｃ ｔｉｏｎｗｉｔｈｄｉｓｃｒｉｍｉｎａｔｉｖｅｌｙｔｒａｉｎｅｄｐａｒｔｂａｓｅｄｍｏｄｅｌｓ［Ｊ］．ＩＥＥＥ #ˁe¨—L; ＹＯＬＯｖ３F=óûMZk0 ＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２０１０， Âü ＹＯＬＯⅡ。Qx0; ＹＯＬＯⅡ D%ógž ３２（９）：１６２７－１６４５． cd;k0W­órA#Ž，#§F=k0;/ 9Z。Û2DRû‡gžcd;k0œ，Ö×/ ［７］　ＬｅｃｕｎＹ，ＢｏｔｔｏｕＬ，ＢｅｎｇｉｏＹ，ｅｔａｌ．Ｇｒａｄｉｅｎｔｂａｓｅｄｌｅａｒｎｉｎｇａｐ Ÿk0¤¥m ＹＯＬＯｖ３;A|ÔLMQx，–— ｐｌｉｅｄｔｏｄｏｃｕｍｅｎｔｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］． ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ， ＤｅｎｓｅＮｅｔ :] ¡ ; — L Å ‘，Q x 3 Z O P，. １９９８，８６（１１）：２２７８－２３２４． ²/Äb/ē;á<o。DOPk0L96 ~QxiÀ<²ÀnH0;á<¬;，|h¬; ［８］　•　P，3　–，ö　(，h．²%9•OPâãg1mWP ;Z[%，7²á<¬;;oW­，ó©#§ ¯îá*+2;í9［Ｊ］．s(báF，２０１５，２２（９）：７７－８２． k0Ä%。L0P，Qx0; ＹＯＬＯⅡmF=ž cd;k0CM，k0Ä%órA;#§。AÈ ［９］　D　—，ñå6，3è&h．A»—L ＦａｓｔＲＣＮＮ;F=ó ½pœ#Ž １．１７％，³l½pœÉž ８３．２１％。Û ûMZk0âã［Ｊ］．F=×Ø，２０１８，４０（６）：７０－７６． ［１０］　ＪｅｎｓｅｎＭＢ，ＮａｓｒｏｌｌａｈｉＫ，ＭｏｅｓｌｕｎｄＴＢ．Ｅｖａｌｕａｔｉｎｇｓｔａｔｅｏｆｔｈｅ ａｒｔｏｂｊｅｃｔｄｅｔｅｃｔｏｒｏｎｃｈａｌｌｅｎｇｉｎｇｔｒａｆｆｉｃｌｉｇｈｔｄａｔａ［Ｃ］／／Ｐｒｏｃｅｅｄ ｉｎｇｓｏｆｔｈｅＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃ ｏｇｎｉｔｉｏｎＷｏｒｋｓｈｏｐｓ，ＩＥＥＥ，Ｈｏｎｏｌｕｌｕ，ＨＩ，ＵＳＡ，２０１７：９－１５． ［１１］　ＧｉｒｓｈｉｃｋＲ．Ｆａｓｔｒｃｎｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥｉｎｔｅｒｎａ ｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，２０１５：１４４０－１４４８． ［１２］　 ＲｅｎＳ，ＨｅＫ，ＧｉｒｓｈｉｃｋＲ，ｅｔａｌ．Ｆａｓｔｅｒｒｃｎｎ：Ｔｏｗａｒｄｓｒｅａｌ ｔｉｍｅｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｗｉｔｈｒｅｇｉｏｎｐｒｏｐｏｓａｌｎｅｔｗｏｒｋｓ［Ｃ］／／Ａｄ ｖａｎｃｅｓｉｎｎｅｕｒａｌｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇｓｙｓｔｅｍｓ，ＮｅｕｒａｌＩｎｆｏｒｍａ ｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓＦｏｕｎｄａｔｉｏｎ， Ｉｎｃ， Ｍｏｎｔｒｅａｌ， Ｃａｎａｄａ， ２０１５：９１－９９． ［１３］　ＬｉｕＷ，ＡｎｇｕｅｌｏｖＤ，ＥｒｈａｎｄＤ，ｅｔａｌ．Ｓｓｄ：Ｓｉｎｇｌｅｓｈｏｔｍｕｌｔｉｂｏｘ ｄｅｔｅｃｔｏｒ［Ｃ］／／Ｅｕｒｏｐｅａｎｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，Ｓｐｒｉｎｇ ｅｒ，Ｃｈａｍ，ＭａｒｓｅｉｌｌｅＦｒａｎｃｅ，Ｐａｌａｉｓ，２０１６：２１－３７． ［１４］　ＲｅｄｍｏｎＪ，ＤｉｖｖａｌａＳ，ＧｉｒｓｈｉｃｋＲ，ｅｔａｌ．Ｙｏｕｏｎｌｙｌｏｏｋｏｎｃｅ：Ｕ ｎｉｆｉｅｄ，ｒｅａｌｔｉｍｅｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ ｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉｓｉｏｎａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ，ＩＥＥＥ， ＬａｓＶｅｇａｓ，ＮＶ，ＵＳＡ，２０１６：７７９－７８８． ［１５］　 ＲｅｄｍｏｎＪ，ＦａｒｈａｄｉＡ．Ｙｏｌｏｖ３：Ａｎｉｎｃｒｅｍｅｎｔａｌｉｍｐｒｏｖｅｍｅｎｔ ［Ｊ］．ａｒＸｉｖｐｒｅｐｒｉｎｔａｒＸｉｖ，２０１８：１８０４０２７６７． ［１６］　!˜™，Å　6，’Ûš，h．A» ＹＯＬＯｖ３;F=MZž cdk0×Øâã［Ｊ］．F=×Ø，２０２０（２）：１７６－１８２． （%&　）

= ３０>　= ４ 　 :　;　<　æ　×　¯　®　®　Ù 　 Ｖｏｌ．３０ Ｎｏ．４ ＪｏｕｒｎａｌｏｆＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆ Ｔｅｃｈｎｏｌｏｇｙ 　 ２０２０? ０７@　　 　　 Ｊｕｌｙ２０２０ 　　　　　　 ＳＳＤ¬LOP;Z›k0Åü lmn，　opq （:;<æׯ® ÁÂÓb¬;SÖ®ÿ，?Ü@ １５００２２） '　(：,-XJ_rEFZs¶tn„R、67;9Ž=>?，½¾B¿ÀÁÂ= ＳＳＤu vìíîï_rEFny。šjw= ＶＧＧ１６WXîïxyPz„{îï ｍｏｂｉｌｅｎｅｔ＿ｖ３，½Ú²³ Ó<]|}，$V²³]=]—，.·~.~M€=EF5‚ƒ„_rá:-EFZs=P Q。‡ˆ‰)，ÁÂ= ＳＳＤìíîï45…†W‡=_rEFny，4ˆ=Œ‰*Š¦EFA :ýþ¿‹½h， ＷＩＤＥＲＦＡＣＥ‰Œ/¥=ŽÛ>þB ９４．２６１％。KŒ)BÁÂ=‘ y-;ˆ—˜/’п6=“”•。 )*+：_rEF；ìíîï；ＳＳＤny；°±‘ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５－７２６２．２０２０．０４．０１８ 　　,-./0：ＴＰ３９１．４ #1%0：２０９５－７２６２（２０２０）０４－０４４８－０７ #$234：Ａ ＦａｃｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＳＳＤ ｎｅｕｒａｌｎｅｔｗｏｒｋ ＺｈａｏＹａｎｑｉｎ，　ＣｈｅｎＺｈｅｎｐｅｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｉｍｐｒｏｖｅｄｍｅｔｈｏｄｂａｓｅｄｏｎＳＳＤ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ， ｗｈｉｃｈｉｓｄｅｓｉｇｎｅｄｔｏｏｖｅｒｃｏｍｅａｌａｒｇｅｒｃｏｍｐｕｔａｔｉｏｎａｌｌｏａｄａｎｄａｎｉｎａｃｃｕｒａｔｅｆａｃｅｌｏｃａｔｉｏｎｉｎｈｅｒｅｎｔｉｎｔｈｅ ｅｘｉｓｔｉｎｇｆａｃｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌ．ＴｈｉｓｍｅｔｈｏｄｉｎｖｏｌｖｅｓｒｅｐｌａｃｉｎｇｔｈｅｏｒｉｇｉｎａｌＶＧＧ１６ｂａｃｋｂｏｎｅｎｅｔｗｏｒｋｗｉｔｈ ａｌｉｇｈｔｗｅｉｇｈｔｎｅｔｗｏｒｋｍｏｂｉｌｅｎｅｔ＿ｖ３，ａｎｄｅｘｔｒａｃｔｉｎｇｈｉｇｈｅｒｌｅｖｅｌｆｅａｔｕｒｅｓａｎｄｓｉｍｐｌｉｆｙｉｎｇｔｈｅｎｕｍｂｅｒｏｆ ｓｃａｌｅｌａｙｅｒｓ，ａｎｄｅｌｉｍｉｎａｔｉｎｇｔｈｅｅｆｆｅｃｔｏｆｆａｃｅｓｃａｌｅｏｎｔｈｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌｂｙｃｌｕｓｔｅｒｉｎｇｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆ ｍａｎｕａｌｌｙｌａｂｅｌｅｄｄｅｔｅｃｔｉｏｎｆｒａｍｅｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｐｐｒｏａｃｈｅｘｈｉｂｉｔｓａｎｉｍｐｒｏｖｅｄｄｅ ｔｅｃｔｉｏｎｓｐｅｅｄｗｈｅｎｃｏｍｐａｒｅｄｗｉｔｈｏｔｈｅｒｍａｉｎｓｔｒｅａｍ ｆａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｉｎｔｈｅｓａｍｅｅｘｐｅｒｉｍｅｎｔａｌ ｅｎｖｉｒｏｎｍｅｎｔａｎｄｅｎａｂｌｅｓｔｈｅｒｅｃａｌｌｒａｔｅｏｆ９４．２６１％ ｏｎｔｈｅＷＩＤＥＲＦＡＣＥｖｅｒｉｆｉｃａｔｉｏｎｓｅｔ．Ｔｈｅｒｅｓｅａｒｃｈ ｐｒｏｖｅｓｔｈａｔｔｈｅｍｅｔｈｏｄｉｓｒｏｂｕｓｔｔｏｄｉｆｆｅｒｅｎｔｄａｔａｓｅｔｓ． Ｋｅｙｗｏｒｄｓ：ｆａｃｅｄｅｔｅｃｔｉｏｎ；ｎｅｕｒａｌｎｅｔｗｏｒｋｓ；ＳＳＤａｌｇｏｒｉｔｈｍ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ ０　\"　# x8Ê` a L è ¯   P Á，¹ z X ð ê Z S Å Æ。 Z›;W»>4'12†¾eœ'oç_¶9m ‡±，５Ｇ×Ø<ZSWê-‘，D¨W dò î á * +、 ¡ « )、Æ È k 0 h D ´ u［１］。 Z›k04'\"L»>;†¾ÞNL9，1k0Z 　　5678：２０２０－０６－２１ 　　ˆ‰Š‹：2¼œSþ‰àEc（ＭＴＫＪ２０１４－２７５）；:;<XXô§MAzæâþ“DEc（Ｈｋｄｑｇ２０１９１１） 　　9:;<=>：÷žŸ（１９７５－），I，:;<XϦZ，KMN，O]，âãÅñ：óûü£，ZSW，Ｅｍａｉｌ：９８２７６４５１１＠ｑｑ．ｃｏｍ。

= ４ ÷žŸ，h：ＳＳＤ¬LOP;Z›k0Åü ４４９ W;\\¢º¡‡ˆ»>;?@。gh，#§Z›k 　　üG; ＳＳＤOP/Gô»v>r¬LOP; 0Âü;Ä%DZ›»>0óò9†¾;ï,。 e¨，f １１% ｂｌｏｃｋÞN，bèóûij' ３００× +;Z›k0Åüâ¡V×:2®S#ðá ３００，¶9 ＶＧＧ１６［１１］4'3ZOP，—ê=(9Ä <，ˆ½#ðž;á<cèZ›9•LM‰Š。c _，L ü ;  + Z › k 0 Å ü 3 ¾ ó ) ¨：A » ;=nÀ>r，h§v]¡À，Ｃｏｎｖ８＿２†0;>r Ａｄａｂｏｏｓｔ;Z›k0Åü<A» ＤＰＭ;Z›k0Å ü。A» Ａｄａｂｏｏｓｔ; ＶＪÂüâf Ｖｉｏｌａh［２］#Ë， Àâm ＶＧＧ１６07.;。ＳＳＤOP9>myY; ¼Âüf Ｈａａｒá<!BZ›，;9 ＡｄａｂｏｏｓｔÂü‰ ŠZ› 9 • ， 0 ) Á £ ^ { ¸ # ð Z › v u。 á<óÔY™#ðá<，¹m#ðá<óÔ§Í Ｍ．Ｍａｔｈｉａｓh［３］#ˁe¨…†k0´ÿ%Z›; —L ＤＰＭÂü，)Á#ðZ›yYÅñ; ＨＯＧá< yY;£^{¸\"k0¥í;cd。Ö× ＳＳＤO ]8Z›k0/G，¼Âü-‡Åû¯&¤F;† ¾Zó©#§Z›k0Ä%。«t+Z›k0 P?]Wûž，ＳＳＤ¶9 ６%yYi%;á<ó ÅümeJÖ%WÅ°k0~，­âm)e;œ <ó¸-.Uoyà;¤¥，k0Ö%stÇ7。 k0yYi%cd，¯i%á<ó\"€0žcd，ž ‹Œ²%®³×Ø<r^;yo-‘，;9> i%;á<ó\"€0¦¯cd。 r¬LOP［４］…†Å°k0~。ＹｉｎＳｕｎh［５］# ˁA»¬LOP; ＣＮＮＦａｃｉａｌＰｏｉｎｔＤｅｔｅｃｔｉｏｎ １．２　ＳＳＤ£¤®¯«‡ ü，¼Âü3¾â/‡\"Lñ[˜;k0，ÑM% ±、™M©œ§¹…†k0I›。c_，A»²% ＳＳＤOP/Gm1(%k0À09)4 ３×３ ®³;3ŽZ›k0Åü3¾ó Ｒ－ＣＮＮ*åk 0 ü l m Ｒ－ＣＮＮ［６］、Ｆａｓｔ－ＲＣＮＮ［７］、Ｆａｓｔｅｒ－ >r_9>9\"ecd;9•<]x，12e%b ＲＣＮＮ［８］Âü<A»º¡]x; ＹＯＬＯ［９］、ＳＳＤ［１０］* åÂü。Ｒ－ＣＮＮ*åk0Âü½k0ÁÖ9'` Ë(%k0…; K Í （ｘ，ｙ，ｗ，ｈ）n % &，i e % > „ÑRv、ÑRv9•})%å¥LM，7¯™“ ,¦。¢ ＳＳＤk0Âü$9ʞÊ;Åƺ¡] rÀ9\"bË(%k0…k0žyY•>cd;o xcdKÍ，¥D» ＹＯＬＯ*åÂü，ＳＳＤ…†my Y¯ž;á<óÔY™LMcd;k0。gh，” œ，bË%Vëâ€0;•>%V。9>ÁÂôó •½+; ＳＳＤcdk0Âü9mZ›k02¹ —L3ZOP?]，†h\"#§DR9Žœ;žc k0…KÍ<•>bcd;}/K͕>no，Þ dk0Ä%。 Nñ.，]8NÇÝÕsV。gh，Ç;ÝÕsVë １　ＳＳＤ01()*+ â9•<]xno;.•<。 １．１　ＳＳＤ£¤fÀ^Û ＳＳＤOP/G4'e¨cdk0´uç_¶9 ＳＳＤÇ;ÝÕsV' ;OP?]，1Õl ＳＳＤOP?]òó １ôB。 Ｎ - １　ＳＳＤ£¤fÀ]^ ∑ ∑Ｌ＝Ｎ１（－ ｌｇｃ＾０ｉ Ｆｉｇ．１　ＳＳＤ ｎｅｔｍｏｄｅｌｓｔｒｕｃｔｕｒｅ ｘｐｉｊｌｇｃ＾ｉｐ－ ｉ∈ｅ ＋ ｉ∈ｓ Ｎ ∑ ∑　α ｘｐｉｊＳＬ（ｌｉｐ－ｇ＾ｐｊ））， ｉ∈ｓｐ∈｛ｘｐ，ｙｐ，ｗ，ｈ｝ （１） Æ2：Ｎ———=‹žk0…;V.； ｉ———k0…j­； ｊ———}/…;j­； ｉ∈ｓ———¡= ‹ ž ; ¤ š z 2 ð ž ; k 0 … j­； ｘｐｉｊ———= ｉ%k0…b= ｊ%}/…âOñ» •> ｐ=‹，“=‹N=，ｘｉｐｊð&' １；“=‹Õ¨， ｘｉｐｊð&' ０； ｌｇｃ＾ｉｐ———k 0 … ｉD = ‹ ž ; • > ｐ; Í ¬%； ｉ∈ｅ———¡1šz2ðk0…j­； ｌｇｃ＾０ｉ———k0… ｉD=‹ž;[M;ͬ%； α———9•n o < ] x n o D Ç Ý Õ s V ; •†，)]§' １； ｘｐ、ｙｐ、ｗ、ｈ———=‹ž;k0…'•> ｐ™; 2¥KÍtdgk0…;i、§； ｌｉｐ———k0… ｉ'•> ｐ;2¥KÍ¥D»ó û8Ô՘;Œ/&；

４５０ :　;　<　æ　×　¯　®　®　Ù　　　　　　　　　　= ３０>　 ｇ＾ｊｐ———}/… ｊ'•> ｐ;2¥KÍ¥D» ２．２　pÝ-ÞßÐD óû8Ô՘;Œ/&； Z›óûf»Z¨、«&、(Ÿ、i%hg‡‡ ＳＬ———ｓｏｏｍｔｈＬ１sV，‰Eê.ÌD&ž» １ ˆ，D‰Š<k0?@j0ó‡ˆ。$9Z›óû ™，ＳｏｏｍｔｈＬ１sV ð & ' E ê . ; 6 ~ ³ Å &；‰ V×:â ＷＩＤＥＲＦＡＣＥZ›V×:，Ç,ó ３２２０３ Eê.ÌD&'1^&™，ｓｏｏｍｔｈＬ１sVð&'E ÅdQóû，dQ¬;'Z›Vc<}/k0…t ê.<J& ０．５;o&。 d。V× : 2 Z ; ¬ î、¨ ­、® ¯ 0 ó § % … êZ。 =e%/.!Bk0… ｉb}/… ｊñ»•> ｐ=‹，ò@ ｐ;oœ¡§，{ÝÕ¡ž，=6%/ V×:2óûm‰Š_¾LMd½xü£，d .!Bk0…2ŠóSÈ，€0'[M;oœ¡§， ½xâ½û‡hl&/‡2¥x;ü£，d½x ÝÕ¡ž。¶9 ｓｏｆｔｍａｘÁÂoœ，)Á¯x/. HV×9¦zÝ，›ûÒðY‰Šð0;_x©@。 <ɞžxͬ%ÝÕsV;c;。 óûm$:bÁÖ2ǧÝ<œ‡ˆ，à`„ １．３　ＳＳＤ£¤ÎÜ {|，€ü£2B¾½óû2;{|°†h³，çª D‰Šk0?@;‡ˆ。óûijye，B¾+e ¡ ＳＳＤ;OP/G?]…†ûË1óJ%á ｒｅｓｉｚｅž ３００×３００，'YÃóûZ›yà-„±| ˜：eâ ＳＳＤf3ZOP<IÀ©OP]N，3Z êO‡ˆ/Â?@，B¾LMYÆ5²b，:sL9 OP' ＶＧＧ１６;_nÀOP，IÀ©OPâá<ó LM²{。ó ３ａ'V×:Õlóû，ó ３ｂâLÁ zªêž;зOP，ＳＳＤOP½i%¯žyY; €ü£ð0Yž;óû。 á<óº¡49ž€0ÀLM?@€0。…†›½ p;€0yY¯ž;cd；6â ＳＳＤOPô»Êž Ê;‰ŠÅÆ，decddQº¡móûԄN¤ 1šz¹$9 ｈａｒｄｎｅｇａｔｉｖｅｍｉｎｉｎｇ×ØáF¤1š zV.LM‰Š，¯¯#§‰Š%；Jâ ＳＳＤ O P m R À € 0 ž c d，¢  R ; € 0 À ô ó ＶＧＧ１６2 ３８×３８>rÀ。gh，Džcd;k0 ©@y²。 ２　ＳＳＤBCJK8LMG. ２．１　ÔPÃs - ３　pÝ-ÞßÐD]—žŸ Û2;Z›k0b+;cdk0ŽÖeš， Ｆｉｇ．３　Ｃｏｍｐａｒｉｓｏｎｏｆｆａｃｅｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇｒｅｓｕｌｔｓ ƍ+;9•2“´Ëe%9:9»LMcdKÍ ２．３　ＳＳＤ pÝÔPfÀ ;no。Ö׉Š:Z›;dQ，º¡m‰Š:á ;9 ＳＳＤOPLMZ›óû;‰Šbk0B <óԄN¯žÆ5yY; ｄｅｆａｕｌｔｂｏｘcd…LM Z›JK]x，QxÝÕsV，‰ŠËZ›k0/ ¾DOP?]LMQx<—L，ＳＳＤ;—L3¾ó G，‹0¶9‰Š0;k0/Gº¡LMZ›k0。 )Å\"：eâÕl; ＳＳＤ;3ZOPf ＶＧＧ１６;_ k0ÁÖòó ２ôB。 (À>r³‹¢N，¶9+; ３×３;>r_LM á<;#ð。UV.¯´™ß，zÛDÆP‹¨ - ２　ＳＳＤ£¤LpÝÔPxs 3Ž; A | O P， 8 R J ｍｏｂｉｌｅｎｅｔ＿ｖ３［１２］4 ' Ｆｉｇ．２　Ｆｌｏｗ ｏｆｆａｃｅｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＳＳＤ ｎｅｔ ＳＳＤ;3ZOP，¼A|OP¶9 ３×３;²%>r < １×１;y)>r]N²%…9ø>rçªÁÂ

W ４X YZ[，O：ＳＳＤ\\]åæ%WX=>T% ４５１ !\"#$%&'()*+,-()./。0123 ２０００~9，; < ñ U V，0 ) m n A ò ó ô õ ö 456 ３８×３８% 7 8 9 : ; < = > ? @ A B C ÷åæàÐ。 １２８×１２８DE=>%345789，FGHIJK %=>LM。NO ＡｎｃｈｏｒPQRST。6UVW  ２　–m”{øk，jk ｂａｔｃｈ＿ｓｉｚｅE ５， XYZ[，E\\]^WXP_`%abc，defg ２０００~9ùú†û ｅｐｏｃｈëçüý ４００À，ÜÝ 0=>P%QRhijkE １∶１，lOH)mne þrjkE ０．０１，ÜÝÿ!þjkE ０．９７。Å %op W X P ; < Ｋ q r s t，u v s t w x ÆI\"!#‚@$%&$,-()。 y@：  ３　§ ４００Àüý，0ÜÝþ、,-()、  １　z{|} ２０００~9，0€eopP ËÌ[`µ„，'(,-()O¯./。 %‚\"G‚Kƒ}„，0G‚\"‚;<…†T， ‡†ˆ‚。  ４　 ¼½:¾º»，0)mn9 ｅｐｏｃｈ １００À。0ËÌ)%àÐ，6 ＷＩＤＥＲＦＡＣＥ>ßn  ２　‰)mŠ`ez{‹}ŒHŽDE \" ＦＤＤＢ)mn:;<>ß。 ste‘。 ３．２　  ３　H’“”e%€•)mHŽ，–m— p¿Ë̆û[`E ３８ｈ，E;†º>ßp¿ ˜™š›ste‘%œžŸ， žŸ3¡%¢£ àÐ%cL，HJ*Ò+%WX=>¬% ＭＴＣＮＮ、 0—˜¤CžŸ—˜3¡%ste‘¥H¦%t。 Ｆａｓｔｅｒ－ＲＣＮＮ、ＹＯＬＯｖ３6aÈ%p¿,-@，HQ p¿¶·。  ４　0§t¨e¥©HŽ¥H¦%qr DEªt¨%ste‘，«¬JK()%r。 ¢.þê/H“”e¥©¤H%“”，†0Æ 212åæàÐ#3¢.%x‚，f45€•67，  ５　­®ste‘\"JK()%rO¯° fL#819†àÐcL。p¿ÅÆØq:.‚ ±²³，´ f ³，£ µ „ ¶ ·，´ ² ³，£ ¸ ¹ º \"=>;‚2<=>!åæàÐ%)?。¢.þ ε » ３。 «¬@ôE ¼½:¾p¿º» ５À，H¥©¶·}qr。 ÁC=>PQ3ö·E：１∶１、１∶１．６、１∶２、１∶ ε＝（ｎＴＰ ｎＴＰ ＋ｎＴＮ ＋ｎＦＮ）， （２） ２．５、１∶３、２∶１ŒÄ，ÅÆÇ:ŒÄfÈQR% ｄｅ ＋ｎＴＮ ＋ｎＦＰ ｆａｕｌｔｂｏｘÉÊIfÈ%789eHopP;<ËÌ =>。 ôe：ｎＴＰ———0WXA.=>úWX%“”)； ３　　 ｎＴＮ———0íî=>Eíî%“”)； p¿6 ｗｉｎ１０６４ÍÎDχ@;<，ＣＰＵÐÑ ｎＦＰ———0íîB=úWX%“”)； E ｉ５－８４００，ÒÓE ２．８１ＧＨｚ，ＧＰＵÐÑE ＮＶＩＤＩＡ ＧｅＦｏｒｃｅＧＴＸ１０６０，ÔÕÊIE １６Ｇ，ÅÆ ｐｙｔｈｏｎÖ ｎＦＮ———0WXB=Eíî%CD)。 ×6 Ｐｙｃｈａｒｍ Ø Ù : Ú x p ¿，Û ‚ Ü Ý P Þ E ｃａｆｆｅ。 :.‚EF%OG¤úARepHEAR%QR p¿¥Æ%ËÌnE ＷＩＤＥＲＦＡＣＥËÌn，Æ φ＝（ｎＴＰｎ＋ＴＰｎＦＰ）。 （３） ＷＩＤＥＲＦＡＣＥ>ßn\" ＦＤＤＢ)mnDEdep¿ >ßn。>ßde¥FàÐ6€•)mn%áâc H¿+)mne%§~9I%:.‚;<Øq ãä。 ３．１　 ÁCØq:‚ ＳＳＤåæ Ò ç Æ ’ U V è J K è t ¨ = > Y ∑φ （４） Z，6WX=>e，é€êëç=>†Ät¨，¥Ç êëçUVª=>JKOWXìOíî。p¿º» φｅ＝ Ｎ ， y@： ôe，Ｎ———J“”)。  １　 ‰ ＷＩＤＥＲＦＡＣＥË Ì n e ï ð | } 0J * Ò + % K Ä W X = > ¬ % ¤ ¨ 6 ＷＩＤＥＲＦＡＣＥ)mn%¿+neKÄL‚@;<H Qp¿，¤¨ « ¬ M N ¿ + n % Ø q : ‚ （φｅ）、e O¿+n%Øq:‚（φｍ）、PL¿+n%Øq:‚ （φｈ）。p¿¶·yE １¥F。 QwHQp¿RÇS„，deT%6¿+nK L‚:%:‚qG’Ò+T%，6PL¿+Un :%Øq:‚FGC\\ ９１．８９０％。p¿¶·EV，

４５２ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 deT%6WX=>:‚çG’J*Ò+%T%。 ' ３　(2345+,-.67%& 　Ｔａｂｌｅ３　Ｃｏｍｐａｒｉｓｏｎｔａｂｌｅｏｆｆａｃｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ ' １　()*+,-./0#$%& 　Ｔａｂｌｅ１　Ｃｏｍｐａｒｉｓｏｎｔａｂｌｅｏｆｆａｃｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ ｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ ｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ Òwåæ φｅ／％ εＣ／~·ｓ－１ 　ＶＧＧ１６ ８７．３６７ １２ T% φｅ／％ φｍ／％ φｈ／％ 　ＲｅｓＮｅｔ ８９．２３４ １６ ＭＴＣＮＮ ９５．６９３ ９３．２５４ ８５．９５０ 　Ｉｎｃｅｐｔｉｏｎ＿ｖ３ ９０．１２８ ２４ ＦａｓｔｅｒＲＣＮＮ ９６．７２１ ９４．６３５ ９０．２５３ 　Ｘｃｅｐｔｉｏｎ ９２．４６８ ２６ ＹＯＬＯｖ３ ９６．９５６ ９５．６２９ ９１．２８０ 　ｍｏｂｉｌｅｎｅｔ＿ｖ３ ９４．２６１ ３１ deT% ９７．９８２ ９６．０３５ ９１．８９０ WX=>àÐf^ëçbƒ:.‚_K，`ë p¿6 ＷＩＤＥＲＦＡＣＥ¿+ne;<，}KÄL çbƒ;‚_KÇabp[c%çc，d6JK= ‚%Øq:‚\"aÈ[`%Øq ＦＰＳ¶·，QwH >àÐefghi!TT?²;，E\\¿+dep QfÈ%Òwåæ，RÇ°daQÅÆ1Òwå ¿àÐ6=>;‚T8O¯abp[c%çc，0 æ，{òú|}~ÄtuåæqHàÐcL©fÈ àЧj=>9I%~) （ＦＰＳ）DE;‚19_ ÊI%F，€e{òú ｍｏｂｉｌｅｎｅｔ＿ｖ３åæz1 K，¤¨«¬\\6 ＣＰＵ@=>~)（εＣ）\" ＧＰＵ@ % ＶＧＧ１６6¿ + n : % Ø q : ‚ F  € ７％，6 %=>~)（εＧ）。™:¾àÐ;<p¿HQ，p¿ ＣＰＵ:§j=>9I)!‚\\ １９~。éƒ，ｍｏ ¶·yE ２¥F。 ｂｉｌｅｎｅｔ＿ｖ３H ＳＳＤåæ%Øq:‚\"=>;‚qQ €•tuåæF„‚Ê。 ' ２　()*+,-.10#$%& 　Ｔａｂｌｅ２　Ｃｏｍｐａｒｉｓｏｎｔａｂｌｅｏｆｆａｃｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ ÅÆ n Ä f È % W X = > à Ð，H ＷＩＤＥＲ ＦＡＣＥ¿+ne9;<=>，=>¶·y9 ４¥ ｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ F。¤¨H~ÄàÐ;<aÈû)%ËÌõ;< =>，…9 ４RÇS„，ＭＴＣＮＮ\" ＦａｓｔｅｒＲＣＮＮH T% εＣ／ｎ·ｓ－１ εＧ／~·ｓ－１ WX=>P © V † ‡ B，ˆ = > f C J K z I % W X \" G ‰ Š % W X ，ＹＯＬＯｖ３™ d e T % L p = 　ＭＴＣＮＮ ６ １５ >CIJ K W X，‹ ＹＯＬＯｖ３H í î Õ 6 † Œ B = ，0 è  í î B = E W X 。 < = H Q ，d e T % 　ＦａｓｔｅｒＲＣＮＮ １０ ２８ aQ€•Ò+¬%&Lùú½,-@%WX= >YZ。 　ＹＯＬＯｖ３ ２２ ４５ ŽQ ＩＯＵQRO>!àÐ=>)?%¼ç 　deT% ２５ ６２ _K_†，€r6 ０～１_`，«¬T%=>P\"o pPŽn™€—˜n%Qr。ＩＯＵ«¬%O“ñ p¿6Ȇklml@;<，6 ＷＩＤＥＲＦＡＣＥ >%P”\"“op%P”%Žn\"n%Qr。 >ßn:}aÈ% １０００~9I，¤¨6:¾¬% QwHQè=>àÐ6aÈ)mn:%Øq ＩＯＵ e;<=>，«¬nT%§j%Øqo)。¶·E QR，‘RÇ12=>s·。p¿¶·yE ４¥F。 V，deT%6 ＣＰＵ@Lpabp[c%çc，6 ＧＰＵ@LqC§j ６２~%;‚。aQ’€•T% de0’Ä=>àÐ6 ＷＩＤＥＲＦＡＣＥＥ¿+n Lp&r;%ùú=>9IYZ。<=:‚\";‚ ;< ＩＯＵ«¬，0 ＩＯＵ＞０．５“EA=，0 ＩＯＵH¿ _K，#8%12\\p¿T%%cL。deT%q +n}qr，…E ４RÇS„，deT%%Øq ＩＯＵ S’J*Ò+%T%，+V\\H ＳＳＤåæ%²;u çS’€•”Ä=>T%，`0deT%•=>P ©©sc。 QRhijkú １∶１%–‡ ＳＳＤT%—HQp¿， Øq ＩＯＵF\\ ２５．３％，+V\\–mopWXPs 0 ＳＳＤåæ%tuåæòú\\ ｍｏｂｉｌｅｎｅｔ＿ｖ３， t”ÄfÈÊI%=>P&L:¢%ùú=>P E\\¿+²;õ%åæ™1åæv€•Òwåæ ŒÍ。 %xy，dekòfÈ%Òwåæ;<p¿，6ÈO p¿ml@，QzfÈÒwåæ%:‚\"=>;‚， ¶·yE ３¥F。

W ４X YZ[，O：ＳＳＤ\\]åæ%WX=>T% ４５３ 　　ＲＯＣžŸRÇ#812àФt %cL，Q wjkfÈ% ＩＯＵ¡r，RÇÁCè¢% ＴＰＲ\" ＦＰＲ£H，0=> ¤¥ú ＲＯＣØ8:†mžŸ， ＲＯＣžŸ¦§ ¡ ¨ : T £ E V ª = > à Ð ¤ t s ·¦)。Qwp¿©ªn=>àÐ ＲＯＣžŸy9 ５¥F。 8 ５　(;< ＲＯＣ=> 　　Ｆｉｇ．５　Ｃｏｍｐａｒｉｓｏｎｔｈｅｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔｓｏｆ ｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ …9 ５R Ç S „，ＭＴＣＮＮ% = > s · 3 x， Ｆａｓｔｅｒ－ＲＣＮＮ\" ＹＯＬＯｖ３=>s·a«，deT% =>s·aQ€•KÄT%3)。E\\;†ºh' %«¬=> %cL，deÆ ＲＯＣžŸ@%8¬ （ＡＵＣ）2 ! T à Ð = > c L。 ＡＵＣE F = > à Ð =>A.Q=>­B%®þ`çÊ%RLc，Æ2 EFnT%6 ＲＯＣžŸ@%8¬¯Q γＡ。p¿¶ ·yE ５¥F。 8 ４　9:;<-.#$%& ' ５　(;< ＡＵＣ%& Ｆｉｇ．４　Ｃｏｍｐａｒｉｓｏｎｄｅｔｅｃｔｉｏｎｒｅｓｕｌｔｓｏｆｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ 　 　Ｔａｂｌｅ５　Ｃｏｍｐａｒｉｓｏｎｔａｂｌｅｏｆｆａｃｅｄｅｔｅｃｔｉｏｎ ａｃｃｕｒａｃｙｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ ' ４　(2345+,-.67%& T% γＡ／％ 　 　Ｔａｂｌｅ４　Ｃｏｍｐａｒｉｓｏｎｏｆｆａｃｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ 　ＭＴＣＮＮ ５８．６４ 　ＦａｓｔｅｒＲＣＮＮ ６２．４５ ｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ 　ＹＯＬＯｖ３ ６３．７９ 　deT% ７０．２６ T% ŽQ ／％ E12deT%%¢.c，6 ＷＩＤＥＲＦＡＣＥ¿ 　ＭＴＣＮＮ ０．９３１ +n:HQp¿\\ ＭＴＣＮＮO~ÄT%，RÇS„， 　Ｆａｓｔｅｒ－ＲＣＮＮ ０．８６２ ”dT%aQ ＭＴＣＮＮ% ＡＵＣF\\ １１．６２％，š OéEdeT%6&°%785H=>P;<ñ 　ＹＯＬＯｖ３ ０．９４４ >，FG\\HIJK%=>LM。jk\\fÈQR 　ＳＳＤ（１∶１） ０．７２５ 　deT% ０．９７８

４５４ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 %=>P，Å=>P\"opP%ŽQ%rÁC; ÅÆ\\ ｍｏｂｉｌｅｎｅｔ＿ｖ３ÏÐ&i!Ñ%åæàÐ，F †ºF。 GàÐÒ¬sþ，0ñ>5?&°%789‡B，F G\\HIJK%=>LM。¤ÎopWXPQR， :¾p¿+V\\deT%6 ＷＩＤＥＲＦＡＣＥ)m Hñ>P%QR;<st，ÅÁ=>P\"opP& n:%S¦cL，E\\;†º\\±deT%6€• ‚Ó=。QwH)mn9;<ñUV，ö÷åæ )mn%²Æc，j«p¿;<HQ，yE ６¥F。 àÐË̏j«è¢HÃp¿。 ' ６　?@)*A(BCDE67 6)mn:%²ÆczÔ，‹O/HWXàÁ、 　 　Ｔａｂｌｅ６　Ｃｏｍｐａｒｉｓｏｎｏｆｆａｃｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙ ‰Š、ÂóT%9=>`©ÕFG，õX0/H š›L¤ “ ” ; < Ì Í，F G H š › 9  % = > ｒｅｓｕｌｔｓｏｆｅａｃｈｍｅｔｈｏｄ LM。 )mn φｅ／％ γＡ／％ LM?N： ＦＤＤＢ ８３．５４ ７２．３４ ［１］　Ö×Ø，~ÙÚ．ۂ¬\\]åæ6«¬{“Ûe%¦Æ ÌÍ<¾［Ｊ］．)mÜn™UV，２０１６，３１（１）：１－１７． ＡＦＬＷ ８７．９３ ７５．６９ ［２］　ＶｉｏｌａＰ，ＪｏｎｅｓＭ Ｊ．Ｒｏｂｕｓｔｒｅａｌｔｉｍｅｆｃａｅｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｉｎｔｅｒｎａ ＣｅｌｅｂＡ ９０．２５ ７８．０４ ｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，２００４，５７（２）：１３７－１５４． ＦＤＤＢO @ ³ % W X = > K ¢ ) m n，ＡＦＬＷ ［３］　ＭａｔｈｉａｓＭ，ＢｅｎｅｎｓｏｎＲ，ＰｅｄｅｒｓｏｌｉＭ，ｅｔａｌ．Ｆａｃｅｄｅｔｅｃｔｉｏｎｗｉｔｈ \" ＣｅｌｅｂＡ´O;<WX=>Gµ¶ÅÆ%)mn， ｏｕｔｂｅｌｌｓａｎｄｗｈｉｓｔｌｅｓ［Ｃ］／／Ｅｕｒｏｐｅａｎｃｏｎｆｅｒｅｎｃｅｏｎｃｏｍｐｕｔｅｒｖｉ —˜aQ ＷＩＤＥＲＦＡＣＥe9&·¸，WX¹€• ｓｉｏｎ，Ｃｈａｍ：Ｓｐｒｉｎｇｅｒ，２０１４：７２０－７３５． 麻¼z½。Qw0deT%6€•KÄ)mn :;<p¿，RÇ°d:¢‚\" ＡＵＣr¾©V†@ ［４］　ÝÞß，YZV．¬\\]åæ69¤t\"JK=>¦Æ $，+V\\deT%6€•)mn©µ¶²Æc。 <¾［Ｊ］．«¬{àx™¦Æ，２０１７，５３（１３）：３４－４１． 6=>¶·9e，¿‹„\\†›=>­B% ［５］　ＳｕｎＹ，ＷａｎｇＸ，ＴａｎｇＸ．Ｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｃａｓｃａｄｅｆｏｒｆａｃｉａｌ L¤“”，4ÀWXB=Eíî、íîB=úWX% ｐｏｉｎｔｄｅｔｅｃｔｉｏｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒ “”，y9 ６¥F。 ＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，Ｐｏｒｔｌａｎｄ，２０１３：３４７６－３４８３． 8 ６　FGHIJK ［６］　ＧｉｒｓｈｉｃｋＲ，ＤｏｎａｈｕｅＪ，ＤａｒｒｅｌｌＴ，ｅｔａｌ．Ｒｉｃｈｆｅａｔｕｒｅｈｉｅｒａｒｃｈｉｅｓ Ｆｉｇ．６　Ｈａｒｄｓａｍｐｌｅｓｅｘａｍｐｌｅ ｆｏｒａｃｃｕｒａｔｅｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎ ａｎｄ ｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］／／ ＩＥＥＥ ＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ， …9 ６RÇS„，š›L¤“”U6àÁ、Âà Ｃｏｌｕｍｂｕｓ，Ｏｈｉｏ，２０１４：５８０－５８７． ³TÄÅ、WXG‰Š、³ÆǞ%,-e，éƒn àÐHƒt“”=>þÈfG。:¾L¤“”»¼ ［７］　ＧｉｒｓｈｉｃｋＲ．Ｆａｓｔｒｃｎｎ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌ =>úÉþ，yÊ˪HL¤“”%B=O@†º ＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，Ｓａｎｔｉａｇｏ，Ｃｈｉｌｅ，２０１５：１４４０－１４４８． ÌÍJK。 ［８］　ＲｅｎＳ，ＨｅＫ，ＧｉｒｓｈｉｃｋＲ，ｅｔａｌ．Ｆａｓｔｅｒｒｃｎｎ：Ｔｏｗａｒｄｓｒｅａｌｔｉｍｅ ４　 ｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｗｉｔｈｒｅｇｉｏｎｐｒｏｐｏｓａｌｎｅｔｗｏｒｋｓ［Ｃ］／／Ａｄｖａｎｃｅｓｉｎ ＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍｓ，Ｍｏｎｔｒｅａｌ，２０１５：９１－９９． ［９］　šá â，ã 　 ä，å 　 æ．ＹＯＬＯ% < W = > ² ; ¬ % ［Ｊ］． ˜™š›œÊÜÜD，２０２０，３０（３）：３３０－３３４． ［１０］　ＬｉｕＷ，ＡｎｇｕｅｌｏｖＤ，ＥｒｈａｎＤ，ｅｔａｌ．Ｓｓｄ：Ｓｉｎｇｌｅｓｈｏｔｍｕｌｔｉｂｏｘ ｄｅｔｅｃｔｏｒ［Ｃ］／／ＥｕｒｏｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，Ｓｐｒｉｎｇ ｅｒ，Ｃｈａｍ，２０１６：２１－３７． ［１１］　çèâ，éêØ．t’ ＶＧＧ－ＮＥＴ%78ë=8ìEãí¨ ［Ｊ］．«¬{àx™›Ü，２０２０，４２（３）：５００－５０９． ［１２］　 ＨｏｗａｒｄＡ，ＳａｎｄｌｅｒＭ，ＣｈｕＧ，ｅｔａｌ．Ｓｅａｒｃｈｉｎｇｆｏｒｍｏｂｉｌｅｎｅｔｖ３ ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，ＳｏｕｔｈＫｏｒｅａ，２０１９：１３１４－１３２４． Qw¤Î ＳＳＤ%Òwåæ ＶＧＧ１６¶Ï%7£， （OP　）

W ３０　W ４X 　 ˜　™　š　›　œ　Ê　Ü　Ü　D 　 Ｖｏｌ．３０ Ｎｏ．４ ＪｏｕｒｎａｌｏｆＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆ Ｔｅｃｈｎｏｌｏｇｙ 　 ２０２０î ０７ï　　 　　 Ｊｕｌｙ２０２０ 　　　　　　 †ÄðÕñùòc%óóô¿+T% $　%，　&'(，　)*+ （˜™š›œÊÜ «¬{™67àxÜõ，ö÷ø １５００２２） Q　R：,-./0123456789:;<=>56?@，.0ABCDEFG0A6 HIJKLMNOP5Q6RS。TUVW=XY./0123459:6Z78，[\\]^6 Ｍｅｒｋｅｌ_`a，bc,-def:6Z78ghiCjk6l78，mnL,-op78gh6q r0Astuvwgh。xyz{，|g:}-,- ＢＬＳl78~ ＥＣＤＳＡ€‚786ƒ„ 0…9~†0…9，‡ˆL786…9G，‰Š0‹JŒ~78‹JŒg;ŽkM}。 STU：qHI；0Astu；Z78 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５－７２６２．２０２０．０４．０１９ 　　@8GVW：ＴＰ３０９．２ ?XOW：２０９５－７２６２（２０２０）０４－０４５５－０５ ?NYZ[：Ａ Ａｖｅｒｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｆｏｒｃｌｏｕｄｓｔｏｒａｇｅ ｉｎｔｅｇｒｉｔｙｂａｓｅｄｏｎｌａｔｔｉｃｅｓｉｇｎａｔｕｒｅ ＣｈａｎｇＬｉａｎｇ，　ＷａｎｇＧｕａｎｑｉ，　ＹａｎｇＸｕｅｘｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｉｓｍｅａｎｔｔｏａｄｄｒｅｓｓａｎｉｎｃｒｅａｓｉｎｇｌｙｃｒｕｃｉａｌｃｈａｌｌｅｎｇｅｏｆｈｏｗｔｏｇｕａｒａｎｔｅｅｔｈｅｓｅ ｃｕｒｉｔｙｏｆｍａｓｓｉｖｅｄａｔａｉｎｔｈｅｅｒａｏｆｂｉｇｄａｔａｉｎｔｈｅｆａｃｅｏｆｔｈｅｒｉｓｋｔｈａｔｔｈｅｅｘｉｓｔｉｎｇｓｉｇｎａｔｕｒｅａｌｇｏｒｉｔｈｍｂａｓｅｄ ｏｎｌａｒｇｅｐｒｉｍｅｆａｃｔｏｒｉｚａｔｉｏｎｍｉｇｈｔｂｅｃｒａｃｋｅｄ．Ｔｈｅｓｔｕｄｙａｃｈｉｅｖｅｓａｎｉｍｐｒｏｖｅｍｅｎｔｉｎｔｈｅｃｌｏｕｄｄａｔａｉｎｔｅｇｒｉ ｔｙｖｅｒｉｆｉｃａｔｉｏｎｓｃｈｅｍｅｂａｓｅｄｏｎｔｈｅｅｘｉｓｔｉｎｇｓｉｇｎａｔｕｒｅｓｃｈｅｍｅｂｙｉｎｔｒｏｄｕｃｉｎｇａｌａｔｔｉｃｅｓｉｇｎａｔｕｒｅａｂｌｅｔｏａｖｏｉｄ ｌａｒｇｅｐｒｉｍｅｆａｃｔｏｒｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ，ｉｍｐｒｏｖｉｎｇｔｈｅｍａｉｎｓｔｒｅａｍＭｅｒｋｅｌｈａｓｈｔｒｅｅ，ａｎｄｒｅｐｌａｃｉｎｇｔｈｅｏｒｉｇｉｎａｌ ｓｈｏｒｔｓｉｇｎａｔｕｒｅｗｉｔｈａｌａｔｔｉｃｅｓｉｇｎａｔｕｒｅｓｃｈｅｍｅｂｕｉｌｄｉｎｇｏｎｍｉｄｄｌｅｍｕｌｔｉｐｌｉｃａｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｐｒｏｐｏｓｅｄｍｅｔｈｏｄｏｕｔｐｅｒｆｏｒｍｓｔｈｅｍｏｄｕｌａｒｅｘｐｏｎｅｎｔｉａｌｏｐｅｒａｔｉｏｎａｎｄｌｏｇａｒｉｔｈｍ ｏｐｅｒａｔｉｏｎｂｕｉｌｄｉｎｇｏｎＢＬＳ ｓｈｏｒｔｓｉｇｎａｔｕｒｅａｎｄＥＣＤＳＡｅｌｌｉｐｔｉｃｃｕｒｖｅｓｉｇｎａｔｕｒｅ，ｄｅｍｏｎｓｔｒａｔｉｎｇｔｈｅｒｅｄｕｃｅｄａｍｏｕｎｔｏｆｓｉｇｎａｔｕｒｅｃｏｍｐｕ ｔａｔｉｏｎａｎｄｔｈｅｒｅｆｏｒｅａｄｖａｎｔａｇｅｓｉｎｐａｒａｍｅｔｅｒｇｅｎｅｒａｔｉｏｎｃｏｓｔａｎｄｓｉｇｎａｔｕｒｅｇｅｎｅｒａｔｉｏｎｃｏｓｔ． Ｋｅｙｗｏｒｄｓ：ｃｌｏｕｄｓｅｃｕｒｉｔｙ；ｄａｔａｉｎｔｅｇｒｉｔｙ；ｌａｔｔｉｃｅｓｉｇｎａｔｕｒｅ 　　ðÕñχRÇÅÆ)Ç°*%9ó+}ê! -É\\Hš›)m%4V5ª。š›Õñ6ð6% %ÕñLM，‹)m%G‚neȓŀ8,h- )mf^RL17¹28€•Æ)%9:;<，= .%%#¿/。«Æ)‹0ðÕñàô[，Æ)† >`RL7CfR§ð?ZF@A （Ｃｌｏｕｄｓｔｏｒａｇｅ 0f16”2*Õ)m3”。ò×_，Æ)RL ｓｅｒｖｉｃｅｐｒｏｖｉｄｅｒ，ＣＳＰ）%BÆ，yC“Æ)DE、]^ 　　\\]^_：２０２０－０５－０６ 　　`abc：˜™šùùúGèt”›ÌûZüåJ（２０１９－ＫＹＹＷＦ－０７３５） 　　defghi：ý þ（１９８１－），ÿ，˜™šùö÷øW，!\"，#$，ÌÍT?：67χ%#v&'œ(，Ｅｍａｉｌ：ＣＬｕｓｔｈ＠ｑｑ．ｃｏｍ。

４５６ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 Æ)DE、)mF-GD、)m9:H²O。zh! : ｕ∈ Λ，© ｖ≤ ｕ。ò×_，uH’ Ｂ%ól U«¬œ(%°I，ʺ)éU¤±LJ\"©KL ×，qr†ú’ Ｌ%3Ist?! ｖ。… ＳＶＰN :ŸMH)NJ0³ÁfgPL，t’–‡LJ% J，RÇv„ ＳＶＰNJ³Ä，u3lŸchb?! ＲＳＡ、ＤＳＡ、ＥＣＤＳＡOóôTO´8,-É%#%P NJ ＳＩＶＰ。ＳＩＶＰNJRo¾E：pŒ†wE ｎ%ó Q。Ê)m[ýE*+Æ))m%%#c\"ùò Λ，qr†¢Ÿchb?! ｓ，ÅÁHY: ｕ∈Λ，a c，RSëçH–‡)mùòc¿+TO‚ÇèT b ｓ≤λｎ（Λ）。 8&‚%#%²;。Eƒ，TUF„\\†Ät’ó １．３　ＬＷＥut %ðÕñùòc¿+T%，Qwsþ¤Î\"%#¤ Î2¿+€cL。 x­ÜÝ（Ｌｅａｒｎｉｎｇｗｉｔｈｅｒｒｏｒｓ，ＬＷＥ）Oó`a Ü%tuN J，€ P L c R Ç … € ú ó % ＳＶＰ\" １　 ＳＩＶＰNJ。ＬＷＥNJ4À ＣＬＷＥ（ＬＷＥyz）NJ \" ＤＬＷＥ（ＬＷＥ­Œ）NJ。 １．１　ＰＤＰBCjk6lm)n )mV©c+VTO（Ｐｒｏｖａｂｌｅｄａｔａｐｏｓｓｅｓｓｉｏｎ， ＣＬＷＥRo¾E：{| ｎ、ｍ、ｑ＝ｑ（ｎ）＞２，µ÷ ｍ×ｎi}~ Ａ∈ Ｚｑｍ×ｎ\" ｍi?! ｖ∈ Ｚｍｑ，j ｍ ＰＤＰ）ÜÆz{|“%WX，®þc%;<)mùò i?! ｅ∈ＺｑｍEBxå。jBxå ｅ?‰Ｚｑｍ:%® c¿+。šO†YZ%t’ ＲＳＡóôÈZ7c þ¤Eχｍ，cÅOô ｖ＝Ａｓ＋ｅú€% ｍi?! %®þcWX，;l[\\\\6fR6Õñ :%) ｓ∈Ｚｍｑ%yzNJ。 mùòc¿+TO。]Ð ＰＤＰTO%^_ÞÏy 9 １¥F。 ＤＬＷＥRo¾E：{| ｎ、ｍ、ｑ＝ｑ（ｎ）＞２，µ÷ ｍ×ｎi}~ Ａ∈Ｚｍｑ×ｎ\" ｍi?! ｖ∈Ｚｑｍ，j ｍi 8 １　ＰＤＰ)no`Ipq ?! ｅ∈ＺｑｍEBxå。jBxå ｅ?‰Ｚｍｑ:%®þ Ｆｉｇ．１　ＢａｓｉｃｓＰＤＰｓｃｈｅｍｅａｒｃｈｉｔｅｃｔｕｒｅ ¤Eχｍ，ｓEY†q}8Ｚｑｍ% ｍi?!，c?! ｖ，€ O … Ａｓ＋ｅ« ¬ Á C，q  } 8 Ｚｑｍ% ­ Œ １．２　rsrFt NJ［２］。 t’ó¥j«%`avÏO«b`aÜcL% １．４　:vwx 3$ÌÍT?。j（Ｌ，≤）O†‡ðn，´ ＬeY: jóôU¥V©%@‚E ｐｋ，E‚E ｓｋ，H) deºÈÕ6:.f™@.f，£gª‡ðnE mƒ ｍl×，¤¨H€Y:)mUƒｍ１、ｍ２—H¦ ó。j© ｎŸc h b % ? ! ¢ Ｂ＝｛ｂ１，ｂ２，…， %óôÁσ１、σ２。´óôTOabÇ@c„： ｂｎ｝，€e ＢE ｍ i?!，} Y : ò Ï ) ｘ＝｛ｘ１， fR…Ðc。ê © V © ` ‚ H （ｐｋ，ｓｋ）% ó ô ｎ U†L±úóô σ。 ∑ｘ２，…，ｘｎ｝，£HTx¢ Ｌ（Ｂ）＝｛ｙ｜ｙ＝ ｉ＝１ｘｉｂｉ， ¿+MTc。{ | ó ô σ１、σ２，Y } z { ) ｋ１、 ｋ２H)mƒｍ′＝ｋ１ｍ１ ＋ｋ２ｍ２l×，¿+URÇ6f ｘｉ∈Ｚ，ｉ＝１，２，…，ｎ｝l ×，† j a b ó Œ k。 g ? |‡ｍ１、ｍ２%ãä@，Qwσ１、σ２\"ｋ１、ｋ２«¬H) !¢ Ｂ%¥©òÏ)Ÿc¢= Λ＝Ｌ（Ｂ）E…?! mƒｍ′;<¿+。 ¢ Ｂ±ú% ｍió，g?!¢ ＢEó Λ%t［１］。 sˆIc。{|óôσ１、σ２，Y}z{)ｋ１、ｋ２， óe Ò ç © K Ä L J：ó e 3 ¡ ? ! N J H¦%)mƒｍ′＝ｋ１ｍ１ ＋ｋ２ｍ２l×，¿+U6fV （ＣＶＰ）、3 l ? ! N J （ＳＶＰ）、3 I t N J （ＳＢＰ）。 ©E‚ ｓｋ%*F@，h%QwŸc¶=%Tô±ú deÒçmn3l?!NJ ＳＶＰ，ＳＶＰNJRo¾ $%ab¿+ml%óôσ′，£gªóôTOE† EpŒt’ Ｂ%ó Λ，qr†st?! ｖ，ÅÁHY ÈZóôTO，ªóôEÈZóô［３－４］。 @‚ÈZ‚`TO，†0… ３èåô[`¬ %Ïú。 （１）`‚±ú ＫｅｙＧｅｎ（１λ）→（ｐｋ，ｓｋ）：µ÷%# ‰) λ、µ„@‚ ｐｋ、E‚ ｓｋ。 （２）Vd‚` Ｅｎｃ（ｍ，ｐｋ）→ｃ：µ÷Vd ｍ、@ ‚ ｐｋ、µ„`d ｃ。 （３）`d±` Ｄｅｃ（ｃ，ｓｋ）→ｍ：µ÷`d ｃ、E‚

W ４X ý　þ，O：†ÄðÕñùòc%óóô¿+T% ４５７ ｓｋ、µ„Vd ｍ。 （１）±ú‰)¬% ＫｅｙＧｅｎ，…Æ)¡<，¬%µ １．５　Ｍｅｒｋｅｌyz{ ÷z{‚｛０，１｝¢，µ„@E‚H（ｐｋ，ｓｋ）。 ＭｅｒｋｌｅMŠ ‹ （Ｍｅｒｋｌｅｈａｓｈｔｒｅｅ，ＭＨＴ）O † Ä （２）±úKó¬% Ｅｎｃｏｄｅ，…Æ)¡<。¬% ‹Æ)m¶Ï，Rnjüzl%[;<)m¿+， µ÷@E‚H（ｐｋ，ｓｋ）\")mUƒ ｍ，µ„H¦Kó €Gµ¶¦Æ’ðÕñ、Ｐ２Ｐ、Q7ŽOëç;<r; H Ｔｍ。 ¿+%cL［５］。€U£Õñn)mUƒ%ö ‘r，sU£Õñ€U£r_\"%ö‘r［６］。 （３）±ú¿/¬% Ｃｈａｌｌｅｎｇｅ，…WKT—«U ¡<。¬%µ÷Õ=>)mUƒn= Ｉ（… ＴＰＡz «Æ)6H?Z 6)m’)mUƒ;<ù {£±），µ„H¦¿/67 ｃｈａｌ。 òc¿+[，?Z 6¸¹ Ｍｅｒｋｅｌ‹:H¦)mU ƒ%U£Õñ%ö‘r\"aH%h> Ｍｅｒｋｅｌ （４）± ú + m ¬ % Ｐｒｏｖｅ，… ð ? Z F @ A ¡ ‹–£ % “ ” • – : % ö ‘ r［７］。 Æ ) 6 ê ë <。¬ % µ ÷ ¿ / 6 7 ｃｈａｌ，µ „ H ¦ + V 6 7 H¥¸¹U£Õñ%ö‘r\"¥¸¹“”•– ｐｒｏｏｆ。 :%ö‘r;<MN«¬，™Æ)6¥V©%1 )mƒ%ö‘r;<HQ，uR­Œ1)mƒ\"H （５）=¿+m¬% Ｖｅｒｉｆｙ，… W K T — « U ¡ ¦)mUƒ%ùòc［８］。 <。¬%µ÷+V67 ｐｒｏｏｆ，µ„+V¶·｛０，１｝。 «+V67©s[，uÆ))mùòcÁC+V[， µ„ １。¤_，µ„ ０。 ２　*+,- ２．１　`I#q ðÕñ)mùòc¿+àЅKT¢ú：Æ)、 ð?Z F@A\"WKT—«U［３］，y9 ２¥F。 8 ３　 `I}*~ Ｆｉｇ．３　Ｂａｓｉｃａｌｇｏｒｉｔｈｍ ｍｏｄｅｌ ３　\"./0 8 ２　|)pq;< ３．１　lm!\" Ｆｉｇ．２　Ｔｒｉｐａｒｔｉｔｅｍｏｄｅｌｄｅｓｉｇｎｅｄ （１）T¥¦。Æ)¡<`‚±ú¬% Ｋｅｎ 6:¾KTÞÏàÐe，Æ)˜™HWKT— Ｇｅｎ，±ú@‚ ｐｋ、E‚ ｓｋ。Æ)0¥V©1)mƒ «U°š › œ ¿ +  c［９］。 W K T — « U . C Æ Ｆ¤ú ´ w  ) m U ƒ ｆ， ¡ < V d ‚ ` ¬ % )%›œ¿+c，–mÆ)%›œ¿+c±ú Ｅｎｃ，H§)mUƒ ｆÆ@‚ ｐｋ‚`，±ú§) a¦%¿/67，Hð?ZF@A°ša¦%¿/ mUƒ%¿+Kó。Æ)*ÕE‚ ｓｋ，Ç¡<`d －¦žŸ c，jõð?ZF@A¼¦WKT— ±`¬% Ｄｅｃ，H§…)mUƒ±ú%¿+Kó «U¥°š%¿/，;<)û¿/ －¦žŸ  。［１０］ ‚Ç¿+。–mn)mUƒ ｆ[ ｉ] ¥H¦%)mU 3õWKT—«U–m)û¿/ －¦žŸ %¶ ƒóô σ[ ｉ] ，84>§¨€ Ｍｅｒｋｅｌ‹，3ÃcÁ– ·，ÁCH¦%Æ))mùòc+V¶·，0ªù £%ö ‘ r ｈｒ。 z õ，Æ ) 0 n  ) m U ƒ ｆ［ｉ］ òc+V¸¹pÆ)。 \"€H¦%)mƒóô σ[ ｉ] °ö> ＣＳＰ，©ª” ２．２　`I}* 2)m。 t”¬%Òç… ５èåô[`¬%¢ú，y `‚±ú¬% ＫｅｙＧｅｎ。Æ)µ÷%#‰) λ， 9 ３¥F。 µ„H¦}~<) ｎ∈Ｚ＋、}~Š) ｔ∈Ｚ＋，H¦è åô, Ｒ%78 ｑ∈Ｚ＋。–m%#‰) λ±ú%

４５８ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 H¦‰)（ｎ，ｔ，ｑ），Æ)z{±ú†, Ｒ:‚ ３．２　€6‚ƒ„6 E ２ｎ－１%èåô ｓ←Ｚ２ｑｎ－１，z{±ú ｔ, Ｒ: （１）óôA.c。Hóô Ｃ＝（ｃ１，ｃ２）l×，© ‚E ｎ%èåô¢úH¦}~ Ａ←Ｚｑｎ×ｔ。Æ)z {±ú?‰ŸMG«¤% ｎ×ｔ¬)eºDE ｃ１ ＝ｒ⊙Ａ∈Ｚｑｎ×ｔ，ｃ２ ＝ｒ⊙（Ａ⊙ｓ＋ｅ）＋ｍｓｇ∈Ｚｑｎ×ｔ。 z{Bxå，ÏÐH¦}~ ｅ←Ｚｑｎ×ｔ。j©, Ｒ: «¿+UV©E‚ ｓｋ＝ｓ[，©ｃ′＝ｃ２－ｃ１⊙ｓｋ＝ ©†ÈZÒ¬⊙，u a b ⊙ （ｘ）⊙ （ｙ）＝⊙ （ｘｙ）；¸ ¹E‚ ｓｋ＝ｓ，@‚ ｐｋ＝（Ａ，Ａ⊙ｓ＋ｅ）。 ｃ２ －ｃ１⊙ｓ＝ｒ⊙（Ａ⊙ｓ＋ｅ）＋ｍｓｇ －（ｒ⊙Ａ）⊙ｓ，é ⊙ O, Ｒ:%ÈZÒ¬，€ab¶=º，¯©ｃ′＝ｒ⊙ Vd‚`¬% Ｅｎｃ。Vd‚`Uz{¨€† Ａ⊙ｓ＋ｒ⊙ｅ＋ｍｓｇ－ｒ⊙Ａ⊙ｓ＝ｒ⊙ｅ＋ｍｓｇ。 ｛０，１｝}~ ｒ←Ｚｑｎ×ｔ，HÁC%Æ)@‚ ｐｋ ＝（Ａ， Ａ⊙ｓ＋ｅ）\"†­‚`｛０，１｝®7¢ ｍｓｇ，«¬Á： éz{Bxå ｅO ｎ×ｔ¬)eº，‚`®7 ｍｓｇO｛０，１｝%®7¢，¯—à ２ÎDõ，RÁ ｒ⊙ｅ＝ ｃ１＝ｒ⊙Ａ∈ Ｚｎｑ×ｔ，ｃ２ ＝ｒ⊙（Ａ⊙ｓ＋ｅ）＋ｍｓｇ∈ ０，uｃ′＝０＋ｍｓｇ＝ｍｓｇ，Oôｃ′＝ｍｓｇú€，óôA.c Ｚｎｑ×ｔ，¸¹‚`õ%`d Ｃ＝（ｃ１，ｃ２）。 Á+。 `d±`¬% Ｄｅｃ，`d±`UH¥i.`d （２）óô%#c。j©»¼ ＡLÇfR½X% Ｃ＝（ｃ１，ｃ２）\"¥V©E‚ ｓｋ ＝ｓ，«¬Ｍ′＝ｃ２ －ｃ１⊙ ®þ ε6èåô[`ԅÐóô Ｃ＝（ｃ１，ｃ２），uH ｓｋ＝ｒ⊙（Ａ⊙ｓ＋ｅ）＋ｍｓｇ－（ｒ⊙Ａ）⊙ｓ，Çv Ｍ＝Ｍ′ ’ ｔ, Ｒ:‚E ｎ%èåô¢ú%H¦}~ ｍｏｄ２。…’z{Bxå}~ ｅO…?‰ŸMG« Ａ←Ｚｑｎ×ｔl×，»¼ ＡLp6èåô[`ÔrC† ¤%¬)eº¥Ïú，¯à ２ÎDõÁC3ñ ?! ｓ，ÅOô ｖ＝Ａ⊙ｓ＋ｅú€，»¼±¾\\ó `õ%Vd Ｍ＝ｍｓｇ。 `aÜ% ＬＷＥPLNJ。ƒ[R“EÕ6†è åô[`¬%，Lp±¾ ｎió:% ＳＶＰ\" ＳＩＶＰ （２）¿/¥¦。Æ)›œ ＴＰＡÝXc%H ＣＳＰ NJ，š†j™ ＬＷＥPL¿jÀÁ。6z{ñ×{ °šùòc¿+¿/。«Æ)›œ ＴＰＡH ＣＳＰ° àÐ@，óô%%#cR+。 šùòc¿+¿/[，Æ)0­è¿)mùòc% )mUƒ%°†Kí± ｉｄ\"€H¦óô Ｓｉｇ（ｉｄ）D （３）¿ / ¦ ž A . c。 « Æ ) ) m ƒ ｍ ＝ E—«c°ö> ＴＰＡ。« ＴＰＡi.CÆ)°ö ( ｍ１，ｍ２，…，ｍｎ) eY†)mUƒｍｉ7C¹?[，€ %—«c[，Qw¿+óô%Tô2­®ªc H¦óô Ｓｉｇ（ｍｉ）´7C¹?。éö‘()u©N O¯28=%Æ)。«.³Æ)=%õ，ＴＰＡ°š ?c\"ÂÃÄc，¯l ＣＳＰ84k§¨€% Ｍｅｒｋｅｌ ¿/。ＴＰＡz{|} ｃeºÏÐ)mƒzvn= ö‘‹%–£rｒｏｏｔ′™ ＴＰＡ¥V©%ö‘‹– Ｉ＝｛ｓ１，ｓ２，…，ｓｃ｝0€°ö> ＣＳＰ，€e ｃ∈ ［１， £r ｒｏｏｔfRL†Å。ｒｏｏｔ′≠ｒｏｏｔfú€，¿/¦ ｎ］。 žA.cR+。 ３．３　…†G‡ （３）¦ž¥¦。« ＣＳＰi.C ＴＰＡ°ö%¿/ 67õ，84k§¨€ Ｍｅｒｋｅｌ‹。ＣＳＰ–m)mƒ /H¥F„%t’ó%)mùòc¿+T%; zvn= Ｉ＝｛ｓ１，ｓ２，…，ｓｃ｝qr)mƒ¥H¦% <Æosþ¤Î，‹0)mUƒÊIE ４ｋＢ，)m U£，q²ªU£> Ｍｅｒｋｅｌö‘‹–£ UƒJ) ｎ＝１０００００，‹}t’ ＢＬＳó ô T O \" %•–:¥©³´£，0€µ¶EH¦%“”• ＥＣＤＳＡóôTO%)mùòc¿+TO，DE‰Ã –n=｛Ωｉ｝，€e ｉ∈｛ｓ１，ｓ２，…，ｓｃ｝。3õ，ＣＳＰ0 HQ。¼½;< ５０ÀÆop¿，0¶·}Øqr， )mƒ¥H¦%U£óô Ｓｉｇ（ｃｉ）\"“”•– sþHQ¶·yE １¥F，€e，‰)±ú[E n=｛Ωｉ｝DE+m σ＝｛Ｓｉｇ（ｃｉ），Ωｉ｝¸¹p ＴＰＡ。 ｔｃ，óô[E ｔｑ，¿/ －¦ž[E ｔｔ。 （４）¿+¦ž¥¦。« ＴＰＡi.C ＣＳＰ¸¹% ' １　BCjk6lm)nˆ‰%& ¿++m σ＝｛Ｓｉｇ（ｃｉ），Ωｉ｝，ｉ∈｛ｓ１，ｓ２，…，ｓｃ｝[，· 　　 Ｔａｂｌｅ１　Ｐａｒａｍｅｔｅｒｓｏｆｅｘｐｅｒｉｍｅｎｔａｌｃｏｓｔｆｏｒ ƏU£óô Ｓｉｇ（ｃｉ）\"“”•–n=｛Ωｉ｝，«¬ H¦% Ｍｅｒｋｅｌ‹–£r。y·Æ)óô Ｓｉｇ（ｃｉ） ｄｉｆｆｅｒｅｎｔｄａｔａｉｎｔｅｇｒｉｔｙｖｅｒｉｆｉｃａｔｉｏｎ Qw@‚ ｐｋ¿+úÉ，LQwU£óô\"“ ”•–n=±ú Ｍｅｒｋｅｌ‹–£r，£+VÆ)) TO ｔｃ／ｍｓ ｔｑ／ｍｓ ｔｔ／ｍｓ mùòc¸G¹?。¤_，£+VÆ))mùòc ＢＬＳ ４３２ ７１ １２３ 7C¹?。 ＥＣＤＳＡ ４５０ ６９ １２１ de% ４２２ ６２ １１９

W ４X ý　þ，O：†ÄðÕñùòc%óóô¿+T% ４５９ ４　 ｔａｐｏｓｓｅｓｓｉｏｎ［Ｍ］．Ｃｈｉｃａｇｏ：ＣＣＳ，２００９． ［５］　ＷａｎｇＱ，ＷａｎｇＣ，ＬｉＪ，ｅｔａｌ．Ｅｎａｂｌｉｎｇｐｕｂｌｉｃｖｅｒｉｆｉａｂｉｌｉｔｙａｎｄ ¶=óóô\" Ｍｅｒｋｅｌ‹%)mùòc¿+T %，€u©aHsþSÇ。ªT%%Gscvd6 ｄａｔａｄｙｎａｍｉｃｓｆｏｒｓｔｏｒａｇｅｓｅｃｕｒｉｔｙｉｎｃｌｏｕｄｃｏｍｐｕｔｉｎｇ［Ｃ］／／Ｅｕｒｏ óóô«¬t’ŸcÒ¬，S’t’ ＢＬＳlóô\" ｐｅａｎＣｏｎｆｅｒｅｎｃｅｏｎＲｅｓｅａｒｃｈｉｎＣｏｍｐｕｔｅｒＳｅｃｕｒｉｔｙ，ＳｐｒｉｎｇｅｒＶｅｒ t’ ＥＣＤＳＡÈɞŸóô%à_)Ò¬\"H)Ò ｌａｇ，２００９． ¬，!½\\óô%Ò¬!，6‰)±ú[\"óô± ［６］　 ＨｅＤ Ｂ，ＺｅａｄａｌｌｙＳ，ＷｕＬＢ．Ｃｅｒｔｉｆｉｃａｔｅｌｅｓｓｐｕｂｌｉｃａｕｄｉｔｉｎｇ ú[T8u©†ŒSÇ。ªT%%%#cvd6 ｓｃｈｅｍｅｆｏｒｃｌｏｕｄ－ａｓｓｉｓｔｅｄｗｉｒｅｌｅｓｓｂｏｄｙａｒｅａｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ óóôt’ ＬＷＥPLNJ，È[u©†Œ%Â!U ＳｙｓｔｅｍｓＪｏｕｒｎａｌ，２０１５，９９：１－１０． ;<c，‹z€•TOl×，ÊÕ6`‚½[«¬ ［７］　ＺｈａｎｇＪ，ＤｏｎｇＱ．ＥｆｆｉｃｉｅｎｔＩＤｂａｓｅｄｐｕｂｌｉｃａｕｄｉｔｉｎｇｆｏｒｔｈｅｏｕｔ PLONJ，ST`‚‚\"²;, Ｒ:ÈZÒ¬ ｓｏｕｒｃｅｄｄａｔａｉｎｃｌｏｕｄｓｔｏｒａｇｅ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｓ，２０１６， `ëç;†ºÌÍùË。 ３４３：１－１４． ［８］　ＹｕＹ，ＭａｎＨＡＡ，ＡｔｅｎｉｅｓｅＧ，ｅｔａｌ．Ｉｄｅｎｔｉｔｙｂａｓｅｄｒｅｍｏｔｅｄａｔａ LM?N： ｉｎｔｅｇｒｉｔｙｃｈｅｃｋｉｎｇｗｉｔｈｐｅｒｆｅｃｔｄａｔａｐｒｉｖａｃｙｐｒｅｓｅｒｖｉｎｇｆｏｒｃｌｏｕｄ ｓｔｏｒａｇｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｆｏｒｍａｔｉｏｎＦｏｒｅｎｓｉｃｓ＆Ｓｅｃｕｒｉ ［１］　ÌIð，Í VÎ．ó ` a Ü Ì Í ［Ｊ］．` a Ü D，２０１４，１４ ｔｙ，２０１７，９９：１０５－１１２． （１）：１３－２７． ［９］　ＹａｎＨ，ＬｉＪ，ＨａｎＪ，ｅｔａｌ．Ａｎｏｖｅｌｅｆｆｉｃｉｅｎｔｒｅｍｏｔｅｄａｔａｐｏｓｓｅｓ ｓｉｏｎｃｈｅｃｋｉｎｇｐｒｏｔｏｃｏｌｉｎｃｌｏｕｄｓｔｏｒａｇｅ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ ［２］　ÏÐÑ．lóô¬%ÌÍv€6BÒð«¬e%¦Æ ［Ｄ］． ＩｎｆｏｒｍａｔｉｏｎＦｏｒｅｎｓｉｃｓ＆ Ｓｅｃｕｒｉｔｙ，２０１６，１２（１）：７８－８８． Ó%：Ó%ÔU›œÊÜ，２０１４． ［１０］　ＬｉＬ，ＹａｎｇＹ，ＷｕＺ．ＦＭＲＰＤＰ：ｆｌｅｘｉｂｌｅｍｕｌｔｉｐｌｅｒｅｐｌｉｃａｐｒｏｖ ［３］　ÕÖ×．t’ÈɞŸ%ðÕñ)mùòc%¿+ÌÍ［Ｊ］． ａｂｌｅｄａｔａｐｏｓｓｅｓｓｉｏｎｉｎｃｌｏｕｄｓｔｏｒａｇｅ［Ｃ］／／ＣｏｍｐｕｔｅｒｓａｎｄＣｏｍ dýÔUœ(，２０１６，３９（２３）：９３－９７． ｍｕｎｉｃａｔｉｏｎｓ，ＩＥＥＥ，２０１７：１１１５－１１２１． ［４］　ＥｒｗａｙＣ，ＫｕｐｃｕＡ，ＰａｐａｍａｎｔｈｏｕＣ，ｅｔａｌ．Ｄｙｎａｍｉｃｐｒｏｖａｂｌｅｄａ （OP　）

W ３０　W ４X 　 ˜　™　š　›　œ　Ê　Ü　Ü　D 　 Ｖｏｌ．３０ Ｎｏ．４ ＪｏｕｒｎａｌｏｆＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆ Ｔｅｃｈｎｏｌｏｇｙ 　 ２０２０î ０７ï　　 　　 Ｊｕｌｙ２０２０ 　　　　　　 4Øå ＤＴＵjÙ[¤½Æ% ＭｏｄｂｕｓDd–µàô ‘　’１，　)“”１，　•　–２，　—˜™２ （１．˜™š›œÊÜ ÔU™67àxÜõ，ö÷ø １５００２２； ２．Ú嘙šùÔM©K@ۘÜ@Ô@Û，˜™š ˜Ü １６４３００） Q　R：š†›œ0AožUŸd Ｍｏｄｂｕｓ ¡¢£¤¥6RS，¦nM§,-B4¨c6 Ｍｏｄｂｕｓ©ª«¬9:。­MN«¬®¯B¢4J°±B²，‰³NB²4´«¬µ¶6·¸¹º »¼½¾0G，¿ÀrTU³ÁB²„ÂÃÄ6·¸¹0GÅÆ|0AÇ-ÈÁ„Â，ÉÊ.GË ÌͶÎÉBÏo。xyz{，Ð$X6 Ｍｏｄｂｕｓ«¬9:ÑÒ，¡d9:ÓÔ>«¬0G6¤ ¥。‰µÕÖ×Ø6ÙÚÛ，|9:=†ÜÝ4Þ߸àácâã0AÉB«¬。 STU：›œ；Ｍｏｄｂｕｓ ¡；B4¨c ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５－７２６２．２０２０．０４．０２０ 　　@8GVW：ＴＮ９１５．９ ?XOW：２０９５－７２６２（２０２０）０４－０４６０－０５ ?NYZ[：Ａ ＭｏｄｂｕｓｍｅｓｓａｇｅｔｒａｎｓｍｉｓｓｉｏｎｍｏｄｅｏｆＤＴＵ ｅｑｕｉｐｍｅｎｔｉｎ Ｉｎｔｅｒｎｅｔｏｆｔｈｉｎｇｓｂａｓｅｄｏｎｔｉｍｅｄｉｖｉｓｉｏｎｍｕｌｔｉｐｌｅｘｉｎｇ ＫａｎｇＨｕｉ１，　ＹａｎｇＱｉｎｇｊｉａｎｇ１，　ＸｕＣｈａｏ２，　ＺｈｅｎｇＺｈｅｙｕ２ （１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃ＆ Ｉｎｆｏｒｍａｔｉｏｎ，ＨｅｉｌｏｎｇｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ１５００２２，Ｃｈｉｎａ； ２．ＨｅｉｈｅＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙｏｆＳｔａｔｅＧｒｉｄＨｅｉｌｏｎｇｊｉａｎｇＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏ．Ｌｔｄ．，Ｈｅｉｈｅ１６４３００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｔｉｍｅｄｉｖｉｓｉｏｎｍｕｌｔｉｐｌｅｘｉｎｇＭｏｄｂｕｓｓｌａｖｅｑｕｅｒｙａｌｇｏｒｉｔｈｍｄｅｓｉｇｎｅｄｔｏ ａｄｄｒｅｓｓｔｈｅｌｉｍｉｔａｔｉｏｎｏｆＭｏｄｂｕｓｍｅｓｓａｇｅｌｅｎｇｔｈｉｎｔｈｅｄａｔａｔｒａｎｓｍｉｓｓｉｏｎｐｒｏｃｅｓｓｏｆＩＯＴ．Ｔｈｅａｌｇｏｒｉｔｈｍ ｗｏｒｋｓｏｎｔｈｅｐｒｏｃｅｓｓｂｙｗｈｉｃｈｔｈｅｄｕｒａｔｉｏｎｏｆａｑｕｅｒｙｃｙｃｌｅｉｓｄｉｖｉｄｅｄｉｎｔｏｓｅｖｅｒａｌｔｉｍｅｓｌｏｔｓ，ｉｎｅａｃｈｏｆ ｗｈｉｃｈ，ｔｈｅｄｉｆｆｅｒｅｎｔｓｔａｒｔｉｎｇａｄｄｒｅｓｓｅｓａｎｄｎｕｍｂｅｒｓｏｆｒｅｇｉｓｔｅｒａｒｅｒｅｓｐｅｃｔｉｖｅｌｙｉｎｑｕｉｒｅｄ；ａｎｄｂｙｗｈｉｃｈ ｔｈｅｒｅｃｅｉｖｅｒｉｄｅｎｔｉｆｉｅｓｗｈｉｃｈｉｎｓｔｒｕｃｔｉｏｎｔｈｅｄａｔａｂｅｌｏｎｇｓｔｏｂｙｔｈｅｎｕｍｂｅｒｓｏｆｒｅｇｉｓｔｅｒｒｅｔｕｒｎｅｄｂｙｅａｃｈ ｔｉｍｅｓｌｏｔｉｎｓｔｒｕｃｔｉｏｎｔｏａｃｈｉｅｖｅｓｙｎｃｈｒｏｎｏｕｓａｎｄｒｅａｌｔｉｍｅｕｐｌｏａｄｉｎｇｏｆａｌａｒｇｅｎｕｍｂｅｒｏｆｍｏｎｉｔｏｒｉｎｇｖａｌ ｕｅｓ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｃｏｎｖｅｎｔｉｏｎａｌＭｏｄｂｕｓｑｕｅｒｙａｌｇｏｒｉｔｈｍ，ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏ ｒｉｔｈｍ ｃａｎｏｖｅｒｃｏｍｅｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｔｈｅｎｕｍｂｅｒｓｏｆｑｕｅｒｙ；ｗｉｔｈｏｕｔａｄｄｉｔｉｏｎａｌｈａｒｄｗａｒｅ，ｔｈｅａｌｇｏｒｉｔｈｍｅｎ ａｂｌｅｓｒｅａｌｔｉｍｅｑｕｅｒｙｏｆｄａｔａｉｎｔｈｅａｐｐｌｉｃａｔｉｏｎｓｃｅｎａｒｉｏｓｆｏｒｄｉｓｔｒｉｂｕｔｅｄｓｔｏｒａｇｅｏｆａｌａｒｇｅａｍｏｕｎｔｏｆｉｎｆｏｒ ｍａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ＩＯＴ；Ｍｏｄｂｕｓｍｅｓｓａｇｅ；ＴＤＭ 　　\\]^_：２０２０－０６－３０ 　　`abc：ÚÝÔå@ۛœåJ （５２２４２０１９００ＢＳ） 　　defghi：Þ　ß（１９８０－），ÿ，aà，˜™šùá1W，!\"，#$，ÌÍT?：6љ67UV，Ｅｍａｉｌ：ｑｉｈａｎｇ１６０１＠１６３．ｃｏｍ。

W ４X Þ　ß，O：4Øå ＤＴＵjÙ[¤½Æ% ＭｏｄｂｕｓDd–µàô ４６１ ýÜ Æ ＲＳ２３２／ＲＳ４８５，– µ ú û Ü Æ û f K ¢ % ０　1　2 Ｍｏｄｂｕｓúû。) m Ü n ™ ñ U V à ƒ Ü n ù j Ù J*，4Øåœ({]úâ2¦Æ’ãLÝä、 )mõ，Q w « ¬ £ ± ë ç % ‰ ) 6 7，ＤＴＵj Ù ãÐåûOcL，zhãLªÐæ‚%Fàû4 Øå%¦ Æ ' ç ´ g h è Û T ? ° I［１］。 à û 4 0ª67–m Ｍｏｄｂｕｓúûê–>ð6。deÒç Øå&è%O0Ê!u©¢éQ6ÉL%jÙQw økE ＳＴＡàDàô% ＤＴＵjÙvåæ?Z ¢ ÌÍ ＤＴＵjٙ)mÜnñUVàƒ_`% Ｍｏｄ ¨lú，åæ?Z 0jÙÜn%)mhiê–> ð6，6ð?ZØÙùú)m%±Î［２］。DE4Ø ｂｕｓDd–µàô。 åë|5%“\\]e”———hŸ–ë åæ，{©ì èÜU ［３－６］H€6 è J K S T、í î T v ï ð : [ １．２　G‘’ I\\ÌÍ，ÌÍú·±¾\\ë|5%)mñ•NJ。 òÞß［７］H4Øååb%j«F„\\²;óô，S å斵%)+6Ñqhiì`i2,’–ë T\\åæ5%õö™¦ž{ª、‚\\°™÷ø ùK%jŒ。lH’)m–µ，àûfµ¶ÜÆ%  ，l–ë 0ë|C%àî!Aòú)+![ë O Ｍｏｄｂｕｓú û。´ 6 4 Ø å e ü ƒ ú û – µ ) m，£…’ ＭｏｄｂｕｓDd‚Kª，pH:Ò{H‰ ab ＮｙｑｕｉｓｔܓŒV {†Àõö%ýÕ )fLÑw １２５，šHìy ÔL„!Oàû¦Æ¥ë:–%‰)2!þþqf ｆｓ≥２ｆｈ， （１） Cçc。QýO·Æ†… ＭＣＵvÕñÿIÏú ôe：ｆｓ———ܓÓþ； %Añχ0nĉ)67!՚2gQw ＵＡＲＴ úû:–［８］，‹ š Ç \" 1  ‚ k l Ï ‡ % ½  x ｆｈ———àî6Ñ%3G-.Óþ。 ‚。#’HòÏ‡MÎT%$%，TU²;õö …Ü“6Ñ/½àî6Ñ%Ô0@ôE ¬%，0†õöÝX¤ú´w[&UV，6§[ &ÔùúHfȉ)%õö，‡†&$n[&，6a  b‰)'$ ç c % ã ä @，$ ° k l ú ”、F G c 9Q。 ∑ｘａ（ｔ）＝ ｘａ（ｎＴ）Ｓａ［π（ｔ－ｎＴ）／Ｔ］， （２） ｎ＝－ １　3456789:;<,= ôe：ｘａ（ｔ）———àî6Ñ； Ｔ———ܓÝX，™Ü“Óþ ｆｓïE1)； Ｓａ———|“()。 à)Aò[êçabܓŒV，)+6ёR Çh-o%ýE1àî6Ñ，‹ƒ[%)+6ÑE t26Ñ。Q6eE\\3ÊK‚2·Æ6‡，$° –µú”，ý 6 – µ * H t 2 6 Ñ ; < è • 3 ª。 [¤è•½ Æ M g [ ¤ ½ Æ （Ｔｉｍｅ－ｄｉｖｉｓｉｏｎｍｕｌｔｉ ｐｌｅｘｉｎｇ，ＴＤＭ）O†ÄýÆ%3ªTô，—O0fÈ %[L6ÑaïŽ46fÈ%[&Ô，5hȆ 4V6‡–µ，6i.6gƒÄT%0n[& Ô%6ÑF}„2`1ú16Ñ%Q6œ(。à D1Vy9 ２¥F。 １．１　Š‹4#q;< QÆ%4Øåði()y9 １¥F。 8 ２　G‘’“” Ｆｉｇ．２　ＳｃｈｅｍａｔｉｃｏｆＴＤＭ 8 １　Š‹4ŒŽ …9 ２R*，6°ö\"i.6¤¨©†{6 Ｆｉｇ．１　ＣｏｎｎｅｃｔｉｏｎｔｏｐｏｌｏｇｙｏｆＩＯＴ 7A[b，ÇܓÓþȺ27A。6°ö6，ƒ[ büÀHµ÷6Ñܓ，[b7A†ÝÁC%è• …9 １R*，€e¢<)m–µ%iéK¢Q 6Ñܓr=E １o。[bÝX7A，üÀûön •6Ñ，n • 6 Ñ û + ® 8 2 ° ö［９］，n • 6 Ñ – µ[9ÆȆ4V6‡。[¤½Æœ(:’pd)

４６２ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 +Q6、;’ªÐ、ÊÊFG\\6‡·Æþ，6*+ Ｎ－１ Q6„!%È[，´€\\klú”。 ∑Ｉ（ｔ）＝ ｉ＝０ ＣｉＲＴｓ（ｔ－ｉＴｓ）， （３） ２　>?@ABC8 Ｍｏｄｂｕｓ9:;< （４） {ＲＴｓ（ｔ）＝ １，０＜ｔ＜Ｔｓ， ２．１　ＭｏｄｂｕｓＲＴＵ•– ０，€•， «5ª jE6 Ｍｏｄｂｕｓåæ:Ç ＲＴＵ（þx ôe：Ｉ（ｔ）———†‘G%Jvõö_H，—45 Ｎ Ã6Ne）à ô Q 6 [ % ® 7 o，d e Ç < è  ý Õ %rER，Ò{õöDdóô：jÙ2=，ÉL m[&_H； ýa，šýÕ %GÍ\"°Í，ýÕ )!%GÍ \"°Í¤¨E １ ｂｙｔｅ，è¿Í ＣＲＣ１６E ２ ｂｙｔｅ。 Ｃｉ———fÈ[&%õö_H，}fÈr[ë² ‰{¼¦Ddóô：jÙ2=、ÉLýa、¸¹)m N%ýÕ fÈ，õö_H´fÈ； +)¤¨E １ ｂｙｔｅ、¸¹)m Ｎ ｂｙｔｅ，è¿Í ＣＲＣ１６E ２ ｂｙｔｅ。‰{¼¦Ddóôe“¸¹) ＲＴｓ（ｔ）———}Æ()； m+)”EÒ{õöDdóôõö“ýÕ )!” Ｔｓ———[&`I。 %d>，…‰{¼¦Ddóô“¸¹)m+)”^ …’‰{¼¦%Dde“jÙ2=”\"“ÉLý E†+  R |，V n : † À õ ö 3 è ê L + } ２５５ýÕ   % ) m。 ‹ O，6 † › 7 Œ % à û ¦ a”H¥©%[&_HqaÈ，éƒ，°ö§m[& Æe??Qw@«¬£±Ê!úc‰)，ìUp H¦Æe‰)Õñ%ýÕ 2='çfð8，E õö_H[\"J0“ýÕ )!”jkEïfaÈ， \\*+p[A>RÇÜ}@8%T%0¥©‰)† :–。 Ç:’H¸¹%)m—A.±Î。 ２．２　Ｍｏｄｂｕｓ—˜™š ¶=åJpH0M6 ４８０ýÕ 'çÔ% 6ab ＮｙｑｕｉｓｔܓŒV，ˆUV H)mB CLv[UV%*F@，R0†õöÝX¤ú´ １４１ÔL„ ! ‰ ) Ü Æ † À ‘ G、K m [ & _ H w[&，jõ§[&UV†•[ð6Ñ。[&D ¤F:y9 ３¥F。 2UV，€K”xð+xy9 ４¥F。 8 ３　›œGž 8 ４　Ÿ~ Ｆｉｇ．３　Ｔｉｍｅｓｌｏｔｓｐｌｉｔｔｉｎｇｄｉａｇｒａｍ Ｆｉｇ．４　Ｐｒｏｇｒａｍ ｆｌｏｗ 9 ３e0†õöÝXD¤ú ３[&UV。 9 ４Tì¤ùú[&_H%Œk， de/HÔL„!‰);<p[A>，jÑ'þ$ TmlKÖÍ ｆｌａｇE ３，jk‘Gì¤ùúõöÝ uRa b ç c。¥ Ç，¢ < Q 6 [ % ä 7 þ j E X%jŒ，ªrR–màx_Kçcuv_Œ。è ９６００{Oa«EF。 ¤Lì¤，Qw­®mlKÖÍ ｆｌａｇ%r2‹0¡ <uv%ÖM。€eml １E ｆｌａｇO¯I’ ４，y· ´†‘G（õöÝX）ë Ｎm_H†L<¹ ml １ab，£;†º­®ml ２O¯ab，ml ２ ¥©‰)，£Jvõö_Hab%bÏE O ｆｌａｇO¯Ê’ ２；y·ml ２ab£¡<[&_H

W ４X Þ　ß，O：4Øå ＤＴＵjÙ[¤½Æ% ＭｏｄｂｕｓDd–µàô ４６３ １，È[0 ｆｌａｇ_ŒE ２；¯£¡<[&_H ２，È[ 　　ÜÆde¥¾T%0 ＤＴＵK”e%õöÝX 0 ｆｌａｇ_Œ ５。y·ml １fab£¡<[&_H øk １ｓ，Qw<}STð4ØåØÙ£Q@¥R‚ ３，È[0 ｆｌａｇ_ŒE ３。üƒN,ùúfÈ[&_ jÙ%4àÐúc，uR+Á±Îõ%:D)m，ð H%ûöUV。xðeKm[&_H%õöýÕ  6õöC%)m:D¶·òVy9 ６¥F。 )ïfaÈ，š“6i.%)mDdeÇWK +EK֑RÇHDd)m;<A.±Î，¶= pHåJ%_HOVyE １¥F。 ' １　 ¡¢£ Ｔａｂｌｅ１　Ｉｎｓｔｒｕｃｔｉｏｎｓ [&_H OV ０１．０３．００．１４．００．３Ａ．８５．ＤＤ šýÕ ：２０（０ｘ１４） 9<}ýÕ )：５８（０ｘ３Ａ） ¸¹oP（*K+）：０１．０３．７４ ０１．０３．０１．００．００．６Ｃ．４４．１Ｂ šýÕ ：２５６（０ｘ１００） 9<}ýÕ )!：１０８（０ｘ６Ｃ） ¸¹oP（*K+）：０１．０３．Ｄ８ 8 ６　BCEª#$ Ｆｉｇ．６　Ｒｅｓｕｌｔｏｆｄａｔａｒｅｐｏｒｔｅｄ ０１．０３．０１．６Ｃ．００．７４．８４．０Ｃ šýÕ ：３６４（０ｘ１６Ｃ） 9<}ýÕ )!：１１６（０ｘ７４） ‰9 ６RÇS„，[&_H¡<%[`UŸb ¸¹oP（*K+）：０１．０３．Ｅ８ Ï，+}[&_H¡<¶·%[``IE ３２０ｍｓ， Lpab¥©‰)%jÑ'$çc。 0Ú_)%K”øk6 ＤＴＵjÙe，64Øå ØÙ¨€%£Q@R‚ªjÙ，Qw4ØåØÙõ ４　 öjÙ:D)m%eÖuR+|_H¡<ãä。 6Ê!%àû4Øå¦Æe，ë|5%)mÜ ３　,-. nñUV à ƒ ™ ＤＴＵj Ù _ ` % ) m – µ V ‰ Ｍｏｄｂｕｓúû，…’ ＭｏｄｂｕｓúûDd‚Kª，†W ÇKaŽ+Ô{–ÒχEÌÍHŽ，H€; ë:–%‰)J!ÑwªKª£1°±F4，Ðú Ÿ6%ÔL„!;<A>。)mÜn Qw ４８５A )mCD。H Ｍｏｄｂｕｓ‰{õöàô‚Dz;，v ＷｉＦｉjÙ（ＤＴＵ）hð:å，ð6üœSTð4Øå ÷[¤½Æ¬%，6†õöÝXe¤è[&õ ØÙϨ%£Qy9 ５¥F。 öfÈ%ýÕ 2=v)!，3õ¤m±Î。ª¬ %Rüœd©%kljÙpd&è4V‰)%p[ &$。6KaÔÔL„!A>χ4Øå¦Æe， t’[¤½Æœ(% ＭｏｄｂｕｓDd–µ6f‚k l%ãä@，Lppd １４１ÔL„!‰)%p[ õ ö。 ª T % F G \\ 6 ‡ · Æ þ， € \\ ú ”，| }，H’©Ê!‰)ëç:–、ìU‰)¤6fð 8%èýÕ %¦ÆXî，ªT%ȓu©†Œ %Y#:k。 8 ５　¤7¥¦§.Š‹4¨© LM?N： Ｆｉｇ．５　ＩＯＴｐｒｏｄｕｃｔｏｆｐｏｗｅｒｑｕａｌｉｔｙｍｏｎｉｔｏｒｉｎｇ ［１］　ã　Z．4Øåœ(%°Iv€àû¦Æ%T?［Ｊ］．8ÒT [E，２０１１，３２（１）：１－７． ［２］　\\]^，_　`．àûïØå®a\"àФÎ［Ｊ］．bcdÔ

４６４ ˜　™　š　›　œ　Ê　Ü　Ü　D　　　　　　　　　　W ３０　 ÊÜÜD（8j›Üe），２０１５，３５（５）：１－１０． ［Ｊ］．ＩＥＥＥＰｏｔｅｎｔｉａｌｓ，２０１６，３５（２）：９－１６． ［３］　ＦｅｉＺ，ＬｉＢ，ＹａｎｇＳ，ｅｔａｌ．Ａｓｕｒｖｅｙｏｆｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａ ［７］　òÞß，òf，Õ　g，O．t’ ＭＱＴＴúû%4Øåå ｔｉｏｎｉｎ ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ： ｍｅｔｒｉｃｓ， ａｌｇｏｒｉｔｈｍｓａｎｄ ｏｐｅｎ b j « ［Ｊ］．h i Ê Ü Ü D （8 j › Ü e ），２０１９，４０ ｐｒｏｂｌｅｍｓ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓＳｕｒｖｅｙｓ＆ Ｔｕｔｏｒｉａｌｓ，２０１６， （４）：５４－６１． １９（１）：５５０－５８６． ［８］　ＰｉｒｂｈｕｌａｌＳ，ＺｈａｎｇＨ，ＡｌａｈｉＭ ＥＥ，ｅｔａｌ．ＡｎｏｖｅｌｓｅｃｕｒｅＩＯＴ ［４］　ＫｈａｎＩ，ＢｅｌｑａｓｍｉＦ，ＧｌｉｔｈｏＲ，ｅｔａｌ．Ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｖｉｒ ｂａｓｅｄｓｍａｒｔｈｏｍｅａｕｔｏｍａｔｉｏｎｓｙｓｔｅｍ ｕｓｉｎｇａｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔ ｔｕａｌｉｚａｔｉｏｎ：Ａｓｕｒｖｅｙ［Ｊ］．ＩＥＥＥＣｏｍｍｕｎｉｃａｔｉｏｎｓＳｕｒｖｅｙｓ＆ Ｔｕｔｏ ｗｏｒｋ［Ｊ］．Ｓｅｎｓｏｒｓ，２０１７，１７（１）：６７－６９． ｒｉａｌｓ，２０１７，１８（１）：５５３－５７６． ［９］　 j k 6．Q 6 1 V ［Ｍ］．W ７e．l c：Ú & à û „ e ［５］　ＱｕＭ Ｚ．Ｒｅｓｅａｒｃｈｏｎｔｈｅａｐｐｌｉｃａｔｉｏｎｓａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅ m，２０２０． ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ［Ｊ］．ＡｐｐｌｉｅｄＭｅｃｈａｎｉｃｓ＆ Ｍａｔｅｒｉａｌｓ， ２０１４，５３８：４９８－５０１． （OP　） ［６］　Ｓａｌａｍ Ｈ Ａ，ＫｈａｎＢＭ．ＩＷＳＮｓｔａｎｄａｒｄｓ，ｃｈａｌｌｅｎｇｅｓａｎｄｆｕｔｕｒｅ 檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪 （Ed ４２１«） wxÌÍ［Ｊ］．eÚ&Â，２０１３，４０（１２）：１０４－１１２． ［１１］　‹　‘，_€’，̓”，O．•}&Srst€É% ［４］　G　«，ÌUn，o ¨ p．q j &  ‚ à r s t Ñ u ¥ v w ¶Ï［Ｊ］．4VÜD，２０１７，６６（１４）：１４７９０１． p¿ÌÍ［Ｊ］．Ԃà™àu，２００９（３）：３５－３８． ［１２］　–—#，˜　™，‰IŠ，O．&‚àeÂTÜDÆ%= ［５］　ò　x，yµÐ．ƒGh>!%rstÂzÂ{%ªÙÌ Í［Ｊ］．«>œ(，２０１５，３５（６）：１０－１３． >¤ÎT%［Ｊ］．>ߜ(ÜD，２０１１（４）：５９－６３． ［１３］　 ＣｏｕｔｏＣＧ，ＢａｂｕＳＶ．Ｈｅａｔｔｒａｎｓｆｅｒａｎｄｍａｔｅｒｉａｌｒｅｍｏｖａｌｉｎ ［６］　|€Ø，}~Ø，’ 6 ．q j &  6 r s t € v E 8 ‚ à ‚¶Ï%p¿ÌÍ ［Ｊ］．˜™š›œ ÊÜ Ü D，２０１２，２２ ｐｕｌｓｅｄｅｘｃｉｍｅｒｌａｓｅｒｉｎｄｕｃｅｄａｂｌａｔｉｏｎ：Ｐｕｌｓｅｗｉｄｔｈｄｅｐｅｎｄｅｎｃｅ （３）：２９７－３０２． ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＰｈｙｓｉｃｓ，１９９４，７６（５）：３０５２． ［１４］　ＺｈｉｇｉｌｅｉＬＶ．Ｄｙｎａｍｉｃｓｏｆｔｈｅｐｌｕｍｅｆｏｒｍａｔｉｏｎａｎｄｐａｒａｍｅｔｅｒｓｏｆ ［７］　ＳｔａｆｅＭ，ＭａｒｃｕＡ，ＰｕｓｃａｓＮ Ｎ．Ｐｕｌｓｅｄｌａｓｅｒａｂｌａｔｉｏｎｏｆｓｏｌｉｄｓ： ｔｈｅｅｊｅｃｔｅｄｃｌｕｓｔｅｒｓｉｎｓｈｏｒｔｐｕｌｓｅｌａｓｅｒａｂｌａｔｉｏｎ［Ｊ］．Ａｐｐｌｉｅｄ ｂａｓｉｃｓ，ｔｈｅｏｒｙａｎｄａｐｐｌｉｃａｔｉｏｎ［Ｍ］．Ｂｅｒｌｉｎ：ＳｐｒｉｎｇｅｒＶｅｒｌａｇＢｅｒ ＰｈｙｓｉｃｓＡ，２００３，７６（３）：３３９－３５０． ｌｉｎＨｅｉｄｅｌｂｅｒｇ，２０１４． ［１５］　–—#．•}&šÂrst€vwxÌÍ［Ｄ］．µi：µ ŒàûÊÜ，２０１１． ［８］　 ＨｏｒｉｓａｗａＨ，ＥｍｕｒａＨ，ＹａｓｕｎａｇａＮ．Ｓｕｒｆａｃｅｍａｃｈｉｎｉｎｇｃｈａｒａｃ ｔｅｒｉｓｔｉｃｓｏｆｓａｐｐｈｉｒｅｗｉｔｈｆｉｆｔｈｈａｒｍｏｎｉｃＹＡＧ ｌａｓｅｒｐｕｌｓｅｓ［Ｊ］． （OP　） Ｖａｃｕｕｍ，２００４，７３（３／４）：６６１－６６６． ［９］　̃÷，„…q，†x‡，O．５３２ｎｍl ／Ñlˆg&ÂDÆ ’rst%ÌÍ［Ｊ］．¦Æ&Â，２０１７，３７（２）：２５１－２５５． ［１０］　‰IŠ，‹†Œ，ՍŽ，O．ˆg&SrsttI