检索结果-南通市图书馆

作者：张浩宇哈尔滨工业大学

学位级别：硕士

随着抗干扰技术的不断发展,雷达的作战效能将面临严重的威胁,而雷达作为战争中获取信息的重要设备,其作战效能是影响战争胜负的关键因素。因此,为了保护我方雷达的作战效能,对雷达的抗干扰能力有着更高的要求。雷达干扰信号的精准、快... 详细信息

随着抗干扰技术的不断发展,雷达的作战效能将面临严重的威胁,而雷达作为战争中获取信息的重要设备,其作战效能是影响战争胜负的关键因素。因此,为了保护我方雷达的作战效能,对雷达的抗干扰能力有着更高的要求。雷达干扰信号的精准、快速识别是采取有效抗干扰措施的先决条件,将直接影响到雷达的作战效能。本文就基于实数卷积神经网络的雷达干扰信号识别方法的不足,构建基于复数卷积神经网络的雷达干扰信号识别模型,通过复数卷积等运算,充分提取复数雷达干扰信号的全部信息。论文的主要内容包括:首先,对实数卷积神经网络的基础理论进行研究,深入理解其关键网络结构的工作原理,熟悉网络的训练过程;针对实数卷积神经网络无法充分提取复数数据全部信息的不足,引出复数卷积神经网络理论,并深入理解其重要的网络结构的工作原理。同时针对深度学习模型的过参数问题,对网络剪枝进行建模分析,为后续研究奠定基础。其次,结合课题使用的雷达干扰信号特性,设计单路和双路实数卷积神经网络模型,利用实数卷积神经网络提取复数雷达干扰信号的信息;为了进一步提取复数雷达干扰信号的全部信息,将实数卷积神经网络扩展到复数域,提出基于复数卷积神经网络的雷达干扰信号识别模型,并与实数卷积神经网络和其他传统方法进行对比,验证提出模型的有效性。最后,为了满足雷达干扰信号识别的实时性要求,提出逐层剪枝和跨层剪枝算法,对基于复数卷积神经网络的雷达干扰信号识别模型进行网络剪枝,减少其参数量和计算量。然后在Jetson Nano深度学习开发板上部署基于深度复数网络的雷达干扰信号识别模型,验证模型实际的加速效果,满足雷达干扰信号识别任务的实时性要求。

关键词：雷达干扰信号识别深度学习深度复数网络网络剪枝 Jetson Nano

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多维度注意力机制和复数Conformer的单通道语音增强方法

引用

重庆邮电大学学报（自然科学版） 2024年第2期36卷 393-403页

作者：高盛祥莫尚斌余正涛董凌王文君昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 云南省融媒体重点实验室昆明650500

为提高被噪声干扰的语音的可理解性和语音质量,针对用于语音增强的深度复数网络对语音复数谱中关键声学特征提取不充分、关联信息建模不合理的问题,提出了基于多维度注意力机制和复数Conformer的单通道语音增强方法(SE-MDACC)。在复数U-... 详细信息

为提高被噪声干扰的语音的可理解性和语音质量,针对用于语音增强的深度复数网络对语音复数谱中关键声学特征提取不充分、关联信息建模不合理的问题,提出了基于多维度注意力机制和复数Conformer的单通道语音增强方法(SE-MDACC)。在复数U-Net架构下引入复数Conformer,对语音幅度和相位的相关性进行建模;利用多维度注意力机制,构造更加丰富的特征来增强卷积层的表示能力;在残差连接中加入注意力门控机制强化重构语音的细节信息。实验结果显示,相比于深度复数卷积递归网络,SE-MDACC的客观评价指标语音质量感知评估和短时客观可懂度分别提升15.299%、1.462%,表明SE-MDACC可充分提取语音声学特征并对幅度和相位相关性进行合理建模,有效提升语音质量和可理解性。

关键词：深度复数网络声学特征关联信息多维度注意力机制语音增强

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的快速自适应宽带数字波束形成算法研究

基于深度学习的快速自适应宽带数字波束形成算法研究

引用

作者：吴珣南京理工大学

学位级别：硕士

在数字阵列雷达领域,为了满足更高距离分辨力、多目标多波束任务、强干扰特性以及目标分类识别等现代雷达的要求,宽带数字阵列雷达技术应运而生并得到了广泛的关注和研究。自适应宽带数字波束形成(Adaptive Broadband Digital Beamformi... 详细信息

在数字阵列雷达领域,为了满足更高距离分辨力、多目标多波束任务、强干扰特性以及目标分类识别等现代雷达的要求,宽带数字阵列雷达技术应运而生并得到了广泛的关注和研究。自适应宽带数字波束形成(Adaptive Broadband Digital Beamforming,ABDBF)是宽带数字阵列雷达的重要技术之一,如果完全沿用传统的窄带波束形成技术将会导致孔径渡越效应。因此,亟待针对宽带阵列信号深入研究对应的数字波束形成算法。本文基于现有的ABDBF技术,利用深度学习特有的多层级联非线性处理单元进行体征提取和转换,开展了自适应的快速宽带数字波束形成算法的研究。在确保宽带波束形成算法的正确性前提下,旨在减少波束形成处理时间,降低计算复杂度,深入研究基于深度学习的快速自适应宽带数字波束形成算法。本文主要的研究工作与创新成果如下:1.针对自适应宽带波束形成迭代算法的步长为固定值,本文提出了基于自适应梯度(Adaptive Gradient,Ada Grad)算法的变步长宽带波束形成迭代算法,分别应用于带有预指向延迟Frost结构和取消预指向延迟的Frost结构。文中对深度学习中Ada Grad算法的机理与特性进行了详细阐述,并在此基础上提出了改进的变步长宽带波束形成算法。通过在MATLAB平台上的仿真分析,验证了本文算法具有快速收敛特性的同时,还具有较好的稳健性。2.针对阵列接收信号的快拍数较少时会导致难以实现期望的波束指向和满意的干扰零陷问题,本文提出了基于实数卷积神经网络的宽带波束形成预测网络算法,该算法分别应用于带有预指向延迟结构的Frost波束形成器和取消预指向延迟的频域约束Frost波束形成器,将传统的求权准则问题转化为实数卷积神经网络求解输入输出之间非线性映射关系的问题。本文所提算法避免了接收信号的协方差矩阵及其求逆等运算,通过Pycharm平台与MATLAB平台,验证了所提算法在快拍数较少的情况下也能确保波束指向和干扰抑制性能,同时有效降低了算法的计算复杂度。3.针对实数卷积神经网络无法充分提取复数数据的全部信息这一不足,本文提出了一种基于复数卷积神经网络的宽带波束形成预测网络算法。该算法应用于频域约束Frost波束形成器,并进一步降低了网络训练的成本。通过Pycharm平台与MATLAB平台,验证了所提算法能够在快拍数较少的情况下保证所得自适应权重的性能;与基于实数卷积神经网络的宽带波束形成预测网络相比,进一步降低了网络的训练成本和算法的计算复杂度。

关键词：阵列天线宽带波束形成自适应梯度卷积神经网络深度复数网络低计算复杂度快速自适应数字波束形成

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进CRN的单通道语音增强研究

基于改进CRN的单通道语音增强研究

引用

作者：陈宏炎武汉理工大学

学位级别：硕士

随着社会和信息技术的飞速发展,语音交互在各种设备和应用场景得到了广泛的应用,然而在真实的语音相关的应用场景中,语音信号往往会被复杂的环境噪声和混响所干扰,导致语音的可懂度下降,也会影响语音下游相关应用的性能,研究如何有效降... 详细信息

随着社会和信息技术的飞速发展,语音交互在各种设备和应用场景得到了广泛的应用,然而在真实的语音相关的应用场景中,语音信号往往会被复杂的环境噪声和混响所干扰,导致语音的可懂度下降,也会影响语音下游相关应用的性能,研究如何有效降低语音中的噪声干扰,提高失真语音信号的可懂度和整体感知质量便是语音增强的基本任务。本文主要研究对象就是的单通道语音增强。主流的基于编解码器的单通道语音增强模型使用卷积编码器来对语音特征降维,然后对得到的高级特征使用编码器升维,得到目标输出,在这个编解码的过程中,还使用了跳跃连接将编码器层生成的特征图传递给同层的解码器层,从而帮助解码器更好地恢复出降噪后的语音。然而现有的方法未充分利用编解码过程中生成的全尺度特征,并且基于全带的模型忽略了语音的局部谱模式之间的差异,同时基于时频域的方法在重建干净语音时只是简单结合了原始输入信号的相位,未对短时傅里叶变换后虚部的相位信息进行充分考虑,制约了模型增强语音的效果,本文考虑上述问题,针对在时频域上基于CRN的语音增强方法进行了研究,主要研究内容包括:(1)针对当前较为流行的基于编解码器的模型未充分利用全尺度特征,提出了一种全尺度特征连接的语音增强模型FSC-SENet。首先,本文构建了一种基于CRN架构的语音增强方法,使用卷积编码器和解码器来提取和恢复语音特征,在模型编解码器最窄处使用LSTM模块来提取特征的时序信息,然后提出了一种全尺度的连接方法和多特征动态融合机制,使得解码器在解码过程中能够充分利用全尺度的特征来恢复出干净语音。在TIMIT语料库上的实验结果表明,我们的FSC-SENet相比基础的骨干网络CRN,在可见噪声情况下PESQ提高0.39,STOI提高2.8%,在不可见噪声情况下PESQ提高0.43,STOI提高3.1%,证明本文所提出的全尺度连接机制能使基于编解码结构的网络(如CRN)有更好的语音增强性能。(2)针对本文的单一的全带模型忽略局部谱模式信息问题,引入了语音的子带分析,提出了一种全带子带级联的模型来结合子带模型和全带模型各自的不足,同时还提出了简化的特征融合模块,对原始带噪语音特征和中间阶段的估计结果融合,帮助后续阶段的模型进行更好地估计。本文在TIMIT数据集上进行了实验,实验结果显示全带子带级联的语音增强模型相比其他模型具有最高的客观指标得分,证明我们所提出的两阶段语音增强模型相比纯全带和纯子带模型有更好的增强效果,全带模型和子带模型能够互补。(3)针对当前在时频域上的语音增强模型对相位信息利用不充分,本文在上一个工作中所提出的两阶段语音增强模型的基础上提出了一种深度复数语音增强网络,使用复数基础模块,将各个融合模块修改为复数形式,使得网络能够对语音的复数特征进行操作,更好地利用了相位信息,而不是之前的只利用语音的幅值特征来预测干净语音。在TIMIT和开源数据集上的实验结果证明,在引入相位信息后本文模型有更好的增强效果,评价指标优于其它基准算法。

关键词：语音增强全尺度连接特征融合子带分析深度复数网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：