检索结果-南通市图书馆

西安电子科技大学学报 2024年第3期51卷 9-18页

作者：刘伟王孟洋白宝明西安电子科技大学通信工程学院陕西西安710071

语义通信为通信系统优化和性能提升提供了新的研究角度,然而,目前语义通信的研究忽略了通信开销的影响,未考虑语义通信性能和通信开销的关系,导致带宽资源受限时语义通信性能难以提升。为此,针对带宽受限场景,提出一种基于信息瓶颈的语... 详细信息

语义通信为通信系统优化和性能提升提供了新的研究角度,然而,目前语义通信的研究忽略了通信开销的影响,未考虑语义通信性能和通信开销的关系,导致带宽资源受限时语义通信性能难以提升。为此,针对带宽受限场景,提出一种基于信息瓶颈的语义通信方法。首先,该方法采用Transformer模型进行语义和信道联合编解码,并设计特征选择模块以识别和删除冗余语义信息,构建了端到端语义通信模型;进而考虑语义通信性能与通信开销之间的折衷关系,基于信息瓶颈理论设计损失函数,在保证语义通信性能的同时,降低通信开销,完成语义通信模型的训练和优化。实验结果显示,在欧洲议会平行语料库上,与基线模型相比,所提方法在保证通信性能的同时可降低约20%~30%的通信开销,在相同带宽条件下该方法的BLEU分数可提升约5%。实验结果表明,所提方法可以有效降低语义通信开销,从而提升带宽资源受限场景下的语义通信性能。

关键词：语义通信通信系统深度学习 Transformer 特征选择模块信息瓶颈理论

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

复杂环境下的YOLOv5s烟火检测方法

引用

电子测量技术 2023年第24期46卷 149-156页

作者：王铮帅邱联奎李迎港河南科技大学信息工程学院洛阳471023

针对复杂环境中烟火检测困难,检测精度低的问题,提出一种改进YOLOv5s的烟火检测方法。首先,针对Neck层烟火特征融合不准确、效果差的问题,提出一种通道注意力机制—Scoring module,对每个通道的特征打分,选择分数高的特征进行特征融合,... 详细信息

针对复杂环境中烟火检测困难,检测精度低的问题,提出一种改进YOLOv5s的烟火检测方法。首先,针对Neck层烟火特征融合不准确、效果差的问题,提出一种通道注意力机制—Scoring module,对每个通道的特征打分,选择分数高的特征进行特征融合,过滤分数低的特征,避免引入过多冗余特征,在增加少量的可训练参数情况下提高特征融合能力和检测精度;然后,为了提高Head层的预测能力,使用α-EIOU替换GIOU损失函数,提高预测框的定位和检测性能;最后,为了改善数据集数据量少、数据形式单一的问题,使用改进的Mosaic数据增强法扩充样本数据,提高模型泛化能力。实验结果表明,改进后的方法比原YOLOv5s平均精度均值高4.7%,检测速度为212 fps,同时在与其他改进型YOLOv5s的对比实验中表现较好。在环境复杂的图像中取得了较好的检测效果,可以满足复杂环境下的烟火检测任务。

关键词：烟火检测 YOLOv5s 特征选择模块 α-EIOU 数据增强

来源：

维普期刊数据库

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

基于深度神经网络的声信号合成与分离研究

基于深度神经网络的声信号合成与分离研究

引用

作者：林攀武汉纺织大学

学位级别：硕士

声信号处理一直是信号信息处理领域的核心研究方向之一,也是语音通信的基础。声音信号处理一般包括语音识别、语音分离、语音情感识别、说话人识别、语音合成等。语音分离的目的是从混合语音信号中分离出感兴趣的目标语音信号。目前的... 详细信息

声信号处理一直是信号信息处理领域的核心研究方向之一,也是语音通信的基础。声音信号处理一般包括语音识别、语音分离、语音情感识别、说话人识别、语音合成等。语音分离的目的是从混合语音信号中分离出感兴趣的目标语音信号。目前的语音分离系统通过对混合语音信号进行修改,但存在语音抑制不足和语音抑制过度两个问题。这些问题会造成分离的语音失真,损害语音信号的质量。语音合成系统仅从文本信息生成高质量语音,在没有参考音频信号的情况下生成真实的声学表示是一项困难的工作。为了解决上述问题,本文提出了声信号处理的相关算法。单通道语音分离时频域方法存在相位扭曲的问题,限制了语音分离的性能。时域方法使用编码器-解码器框架直接对混合波形建模,避免了相位预测问题。时域方法直接对信号的时域波形进行处理,导致无法有效地利用时频表示中所包含的声学信息。本文尝试将时域和频域特征结合在一起,希望能同时发挥时域和频域的优势,通过连接时域和频域的特征来构建一个时频特征图,并在该特征图上进行跨域联合嵌入和聚类,从而使模型能够学习信号在两个域的行为以及跨域的相关性。在编码器中提出了两种跨域特征选择模块:可训练权重和全局跨域特征选择模块,使用可训练权重可以使网络直接学习不同领域特征之间的重要性,而使用全局信息可以提高网络的泛化性。两种方法均提高了跨域分离模型的性能。在公共的基准数据集上的实验证明,本文提出的分离模型与先前的工作相比,表现出显著的改进,其中SDR=16.6db和SI-SNR=16.9db。此外,本文实现的深度膨胀卷积显著地将参数大小降低了近1/3。语音合成任务中最困难的部分是从纯文本中预测真实的韵律(计时信息、音调和响度轮廓)。本文通过结合分离与合成两种方法,从噪声中预测干净语音的声学参数,使用声码器合成语音波形。由于是对噪声信号进行重新合成,因此输出的语音质量将高于标准的语音分离去噪系统。基于自我注意力模块提出了一种无卷积波形生成器,为了降低自注意模块的计算复杂度,通过在滑动窗口内计算局部注意力来提高模型效率,使网络能够有效地进行训练和合成。实验结果表明,本文提出的参数合成模型中,改进的神经声码器的客观指标得分、模型大小和合成速度在度量结果上更具有优越性。

关键词：语音分离语音合成神经声码器特征选择模块自注意力

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

采用Anchor-Free网络结构的实时火灾检测算法

引用

浙江大学学报（工学版） 2020年第12期54卷 2430-2436页

作者：晋耀张为天津大学微电子学院天津300072

为了解决现有的火灾检测算法中模型复杂,实时性差,检测精度较低的问题,提出快速高效的火灾检测算法.该算法采用Anchor-Free网络结构,克服了Anchor方法中超参数过多、网络结构复杂的缺点;选用MobileNetV2作为基础特征提取网络,满足了检... 详细信息

为了解决现有的火灾检测算法中模型复杂,实时性差,检测精度较低的问题,提出快速高效的火灾检测算法.该算法采用Anchor-Free网络结构,克服了Anchor方法中超参数过多、网络结构复杂的缺点;选用MobileNetV2作为基础特征提取网络,满足了检测的高实时性需求;针对火焰目标的形状、尺度多变的特点,设计适合于火焰检测的分类与边框预测子网络;引入特征选择模块,在特征金字塔网络中自动选择更合适的金字塔特征层.算法在自建数据集上的检测精度达到90.1%;在公开数据集上取得了较好的检测结果,其检测速度可达24.6帧/s.实验结果表明,算法的网络模型简单,检测精度较高,检测速度较快;综合性能优于现有的其他火灾检测算法.

关键词：计算机视觉目标检测火灾检测 Anchor-Free 可形变卷积特征选择模块

来源：

维普期刊数据库

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

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：