检索结果-南通市图书馆

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

在线全文

学校读者我要写书评

暂无评论

基于遗传算法的时间敏感网络调度方法

华南理工大学学报（自然科学版） 2024年第2期52卷 1-12页

作者：陆以勤黄成海陈嘉睿王海瀚覃健诚方婷华南理工大学电子与信息学院广东广州510640 华南理工大学信息网络工程研究中心广东广州510640 华南理工大学微电子学院广东广州511442

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法... 详细信息

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法满足实时性。文中设计了一种性能更优的路由优化遗传算法(Routing-GA),结合路由和流量调度约束,能通过优化路由来提高调度算法求解效率,为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性,具备元启发式算法的快速求近最优解特点,能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标,联合考虑路由和TSN约束,并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外,为了提高调度算法的性能,提出针对路由长度及链路负载均衡进行优化的交叉变异机制。实验结果表明所实现的Routing-GA能有效减少端到端时延,显著提高求解质量,进化率可以达到24.42%,平均只需要传统遗传算法(GA)迭代运行时间的12%,从而有效提高了算法的求解性能,满足TSN调度的约束要求。

关键词：时间敏感网络遗传算法联合调度优化策略链路负载均衡

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

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

利用人脸3DMM重构信息检测深度伪脸视频

武汉大学学报（信息科学版） 2024年第2期49卷 190-196页

作者：胡永健佘惠敏刘琲贝陈香全刘光尧华南理工大学电子与信息学院广东广州510641 公安部物证鉴定中心北京100038

提出一种基于人脸三维形变模型(3D morphable model,3DMM)的深度伪脸视频检测算法,利用3DMM强大的人脸形状、纹理、表情和姿态参数估算能力,逐帧获取鉴伪基本信息。设计面部行为特征计算模块和静态外貌特征提取模块,以滑动窗为单位,在... 详细信息

提出一种基于人脸三维形变模型(3D morphable model,3DMM)的深度伪脸视频检测算法,利用3DMM强大的人脸形状、纹理、表情和姿态参数估算能力,逐帧获取鉴伪基本信息。设计面部行为特征计算模块和静态外貌特征提取模块,以滑动窗为单位,在时间轴上分别从表情和姿态参数提取人物的面部行为特征,从形状和纹理参数计算人物的静态外貌特征。鉴伪过程利用人物外貌特征与面部行为特征的一致性来完成。所提出的算法人物针对性强,可解释性好。该方法与同类算法相比,半总错误率更低,抗视频压缩能力更好,计算更加简便。

关键词：深度伪脸视频检测三维形变模型人脸外貌特征面部行为特征深度神经网络面部生物特征

在线全文

学校读者我要写书评

暂无评论

高聚焦性双梯形双层经颅磁线圈的设计

郑州大学学报(工学版) 2024年

作者：靳贵平杨思思涂治红徐向民邢晓芬华南理工大学电子与信息学院

基于聚焦性能对经颅磁线圈的影响,针对聚焦型线圈商用不足的问题,设计一种具有高聚焦性的单通道双梯形双层线圈。首先使用球头模型分析不同尺寸、相同结构的线圈性能,得到较优的线圈尺寸;为进一步提升聚焦度,再以中尺寸线圈为研究目标,... 详细信息

基于聚焦性能对经颅磁线圈的影响,针对聚焦型线圈商用不足的问题,设计一种具有高聚焦性的单通道双梯形双层线圈。首先使用球头模型分析不同尺寸、相同结构的线圈性能,得到较优的线圈尺寸;为进一步提升聚焦度,再以中尺寸线圈为研究目标,探讨五种不同结构的双层线圈与两种商用8字形线圈的性能差异,得到最优线圈的结构;最后使用50组存在个体差异性的真实脑模型进行仿真验证,分析球头模型结果的可靠性。仿真结果表明:使用球头模型时,优化后的新型线圈对比70 mm figure-8 coil的聚焦度提升了69.48%,刺激深度减少了27.18%;对比25 mm figure-8 coil的聚焦度提升了44.78%,刺激深度减少了8.5%;使用50组真实脑模型时,优化后的新型线圈对比70 mm figure-8 coil的聚焦度提升了62.07%,刺激深度减少了25.71%;对比25 mm figure-8 coil的聚焦度提升了39.49%,刺激深度减少了9.5%。两种模型仿真数据结果趋于一致,证实了仿真可靠性的同时也证明了新型线圈具有更强的刺激强度和聚焦度,能大大提升TMS治疗的安全性,减少不适感,同时单通道设计易于实现,具有较高的性能优势。

关键词：电磁感应聚焦度经颅磁刺激 Sim4Life 真实脑模型

用于视频压缩感知的特征域优化启发及多假设交叉注意力重构神经网络

在线全文

同方期刊数据库

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10期52卷 9-21页

作者：杨春玲陈文俊刘嘉惠华南理工大学电子与信息学院广东广州510640

现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的... 详细信息

现有视频压缩感知重建网络通常利用光流网络实现像素域运动估计与运动补偿。然而在重建过程中,光流网络的输入为质量较差的初始估计帧,导致获得的光流不准确,基于光流的像素域对齐与融合操作会造成噪声的累积,导致视频重建帧存在明显的人工效应,影响重建质量。基于特征域多通道信息对干扰噪声具有较强的鲁棒性,文中将特征域优化思想应用于视频压缩感知重构神经网络的设计中,提出了特征域优化启发及光流引导的多假设交叉注意力重构神经网络(FOFMCNet)。为避免光流中的噪声在图像变形时破坏图像结构的问题,文中在特征域设计了光流指导的多假设运动估计模块与基于交叉注意力的运动补偿模块,以实现特征域的帧间运动估计与运动补偿,从而更为充分地利用帧间相关性辅助非关键帧重构。为了在特征优化过程中加强有效信息的复用,提升网络学习能力并缓解梯度爆炸问题,文中设计了特征域优化启发U型网络(FOUNet),并作为FOFMCNet的子网络,通过多个FOUNet的级联,FOFMCNet在特征域实现非关键帧的优化与重建。实验结果表明,文中所提算法在经典低分辨率数据集(UCF-101和QCIF)和新的高分辨率数据集(REDS4)上的重构结果均优于现有的视频压缩感知算法。

关键词：视频压缩感知特征域优化卷积神经网络注意力机制运动估计与补偿