检索结果-南通市图书馆

加强引导,依托学科,搭建课内课外实践创新平台——华南理工大学电子与信息学院本科实践教学改革

在线全文

学校读者我要写书评

暂无评论

中国电子教育 2006年第3期 33-37页

作者：徐向民吕华琳尤芳敏庄永锋华南理工大学广州510640

加强引导,依托学科,搭建课内课外实践创新平台—华南理工大学电子与信息学院本科实践教学改革

在线全文

学校读者我要写书评

暂无评论

加强引导,依托学科,搭建课内课外实践创新平台—华南理工大学电子...

电子高等教育学会2006年学术年会

作者：徐向民吕华琳尤芳敏庄永锋华南理工大学

华南理工大学电子与信息学院(前身无线电系)创建于1952年,由当时的中山大学、岭南大学等中南五省12所院校相关院系合并组成。在我国著名电子学专家冯秉铨教授等老一辈教育家的影响下,电信学院一贯重视基础理论和专业技能的培养,注重学... 详细信息

华南理工大学电子与信息学院(前身无线电系)创建于1952年,由当时的中山大学、岭南大学等中南五省12所院校相关院系合并组成。在我国著名电子学专家冯秉铨教授等老一辈教育家的影响下,电信学院一贯重视基础理论和专业技能的培养,注重学生综合素质特别是创新能力的提高,为国家培养的一大批毕业校友已成为电子信息行业中各级部门的业务骨干、先进工作者、管理干部或

关键词：高等教育电信专业教学组织课程实践

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于任务感知关系网络的少样本图像分类

电子与信息学报 2024年第3期46卷 977-985页

作者：郭礼华王广飞华南理工大学电子与信息学院广州510641

针对关系网络(RN)模型缺乏对分类任务整体相关信息的感知能力的问题,该文提出基于任务感知关系网络(TARN)的小样本学习(FSL)算法。引入模糊C均值(FCM)聚类生成基于任务全局分布的类别原型,同时设计任务相关注意力机制(TCA),改进RN中的1... 详细信息

针对关系网络(RN)模型缺乏对分类任务整体相关信息的感知能力的问题,该文提出基于任务感知关系网络(TARN)的小样本学习(FSL)算法。引入模糊C均值(FCM)聚类生成基于任务全局分布的类别原型,同时设计任务相关注意力机制(TCA),改进RN中的1对1度量方式,使得在与类别原型对比时,局部特征聚合了任务全局信息。和RN比,在数据集Mini-ImageNet上,5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了8.15%和7.0%,在数据集Tiered-ImageNet上,5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了7.81%和6.7%。与位置感知的关系网络模型比,在数据集Mini-ImageNet上,5-way 1-shot设置中分类准确率也提高了1.24%。与其他小样本图像分类算法性能比较,TARN模型在两个数据集上都获得了最佳的识别精度。该方法将任务相关信息和度量网络模型进行结合可以有效提高小样本图像分类准确率。

关键词：小样本学习图像分类度量学习任务感知关系网络

特征域近端高维梯度下降图像压缩感知重构网络

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2024年第3期52卷 119-130页

作者：杨春玲梁梓文华南理工大学电子与信息学院广东广州510640

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注... 详细信息

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。

关键词：图像压缩感知深度学习图像恢复卷积网络近端梯度下降

在线全文

学校读者我要写书评

暂无评论

一种等通量波束的多极化可重构天线

华南理工大学学报（自然科学版） 2024年第3期52卷 131-140页

作者：靳贵平潘伟浩黄珏泓廖绍伟华南理工大学电子与信息学院广东广州510640

随着航天技术的革新,对近地轨道的通信需求逐年增高。近地轨道卫星就在此背景下产生,主要应用于遥感探测天气预报和数据通信领域。由于近地轨道卫星天线辐射波束所覆盖的地球表面是球面,因此波束通常设计为等通量形式。由于卫星通信通... 详细信息

随着航天技术的革新,对近地轨道的通信需求逐年增高。近地轨道卫星就在此背景下产生,主要应用于遥感探测天气预报和数据通信领域。由于近地轨道卫星天线辐射波束所覆盖的地球表面是球面,因此波束通常设计为等通量形式。由于卫星通信通常存在极化失配、多径效应等问题,选择多极化而不是圆极化作为近地卫星天线的工作状态能更好地适应复杂的工作环境,保证通信质量,将等通量波束天线和多极化可重构技术结合起来有很大的应用前景。基于一对正交圆极化波能合成线极化波的设计原理,文中提出了一种具有等通量波束的多极化可重构天线,该天线由可重构馈电网络和带扼流环的隔片极化器圆波导组成。馈电网络中嵌入单刀四掷开关(SP4T)与单刀双掷开关(SP2T),通过改变开关的工作状态,馈电网络将给圆波导提供不同的馈电条件,在圆波导内隔片的作用下天线实现两种圆极化与两种线极化的可重构。通过在圆波导口引入扼流环以及波导口作“T”型开槽处理,实现波束赋形,并且保证天线在不同极化状态下辐射等通量波束。实测结果显示,天线在不同的极化状态下-15 dB重叠阻抗带宽14.7%,覆盖4.80~5.56 GHz,方向图顶部在θ为-24°~+24°范围内具有平坦效果,圆极化状态下空间轴比覆盖-51°~+50°,覆盖范围大于方向图顶部平坦范围。天线实测结果与仿真结果有较好的一致性,具有多极化和方向图顶部平坦的优势,可满足移动通信和卫星通信中多极化应用场景的需要。

关键词：极化可重构天线等通量方向图圆极化线极化

基于多分量LFM信号时频分析的水声多普勒和时延估计研究

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第2期46卷 688-696页

作者：宁更新肖若君谢靓华南理工大学电子与信息学院广州510641 华南理工大学土木与交通学院广州510641

在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。... 详细信息

在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。

关键词：时频分析多普勒因子时延估计多分量LFM信号自适应模态分解

高校二级学院团学工作存在的问题及对策——以华南理工大学广州学院电子信息工程学院为例

在线全文

学校读者我要写书评

暂无评论

西部素质教育 2020年第9期6卷 201-202页

作者：陈诗萌华南理工大学广州学院电子信息工程学院广东广州510800

文章首先分析了高校二级学院团学工作存在的问题,然后提出了高校二级学院团学工作的对策,包括加强思想引领,强化责任担当;提升业务能力,端正工作态度;凝聚学子力量,深化改革创新等。

关键词：高校二级学院团学工作 “一心双环”格局

在线全文

学校读者我要写书评

暂无评论

基于UCA的OAM-MIMO系统资源优化

北京邮电大学学报 2024年第1期47卷 19-24页

作者：林楚婷唐杰马若炎杨俊华南理工大学电子与信息学院广州510641

在基于均匀圆形阵列(UCA)的轨道角动量(OAM)结合多输入多输出(MIMO)系统中,UCA的设计影响着信道增益和系统性能。为进一步研究UCA的设计对OAM-MIMO系统能效方面的影响,将联合优化UCA的半径、天线数量和发射功率,在优化系统能效的同时尽... 详细信息

在基于均匀圆形阵列(UCA)的轨道角动量(OAM)结合多输入多输出(MIMO)系统中,UCA的设计影响着信道增益和系统性能。为进一步研究UCA的设计对OAM-MIMO系统能效方面的影响,将联合优化UCA的半径、天线数量和发射功率,在优化系统能效的同时尽可能地提高每路信道的通信质量。多个优化变量的耦合使优化问题为非凸函数,难以直接求解,因此,提出了一种分别将遗传算法和粒子群优化算法与凸优化方法结合的资源优化算法。仿真结果表明,所提出的资源优化算法与穷举算法结合凸优化方法的求解结果基本一致,可以有效地提高系统能效。

关键词：轨道角动量多输入多输出能效容量资源优化

基于样本类不确定性抽样的端到端语音关键词检测训练方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年

作者：贺前华陈永强郑若伟黄金鑫华南理工大学电子与信息学院

当前语音关键词检测主流技术为端到端的深度学习方法，研究重点为网络结构优化、建模单元选取及搜索策略等，并取得较快进展，但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题，提出了一种样本类不确定性抽样（Class ... 详细信息

当前语音关键词检测主流技术为端到端的深度学习方法，研究重点为网络结构优化、建模单元选取及搜索策略等，并取得较快进展，但对模型训练效率的关注相对较少.本文针对深度学习模型训练效率问题，提出了一种样本类不确定性抽样（Class Uncertainty Sampling,CUS）的样本应用策略加速收敛进程.其核心思想是在模型训练中后期，利用网络的前向输出层对样本评价信息进行样本类不确定性度量，并转化成样本选用概率，随机抽取训练样本子集用于后续训练.由于简单样本的类确定度高，它们参与后续训练的概率降低，但不影响模型的区分能力，增强对判决边界样本的关注，达到提高模型训练效率的目标.基于AISHELL-1普通话数据集的实验结果表明，相对常规训练策略，平均训练时长缩短60%，收敛时长缩短47.5%.虚警率（False Alarm Rate,FAR）为0.5 FP/h时，该方法的错误拒绝率（False Reject Rate,FRR）从4.75%降至3.65%，相对下降30.1%，最大关键词加权值（Maximum Term Weighted Value,MTWV）由0.837 4升至0.853 1.通过分析错标样本参与训练的行为，证实了该方法具有屏蔽掉大部分错误标注样本的能力，减少错标样本对训练的损害.基于大规模AISHELL-2普通话数据集的实验进一步证实了提出方法的有效性.

关键词：语音关键词检测深度学习端到端类不确定性抽样