检索结果-南通市图书馆

基于Transformer的多尺度遥感语义分割网络

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年第4期19卷 920-929页

作者：邵凯王明政王光宇重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重庆市重点实验室重庆400065 重庆邮电大学移动通信教育部工程研究中心重庆400065

为了提升遥感图像语义分割效果,本文针对分割目标类间方差小、类内方差大的特点,从全局上下文信息和多尺度语义特征2个关键点提出一种基于Transformer的多尺度遥感语义分割网络(muliti-scale Trans�former network,MSTNet)。其由编码器... 详细信息

为了提升遥感图像语义分割效果,本文针对分割目标类间方差小、类内方差大的特点,从全局上下文信息和多尺度语义特征2个关键点提出一种基于Transformer的多尺度遥感语义分割网络(muliti-scale Trans�former network,MSTNet)。其由编码器和解码器2个部分组成,编码器包含基于Transformer改进的视觉注意网络(visual attention network,VAN)主干和基于空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)结构改进的多尺度语义特征提取模块(multi-scale semantic feature extraction module,MSFEM)。解码器采用轻量级多层感知器(multi-layer perception,MLP)配合编码器设计,充分分析所提取的包含全局上下文信息和多尺度表示的语义特征。MSTNet在2个高分辨率遥感语义分割数据集ISPRS Potsdam和LoveDA上进行验证,平均交并比(mIoU)分别达到79.50%和54.12%,平均F1-score(mF1)分别达到87.46%和69.34%,实验结果验证了本文所提方法有效提升了遥感图像语义分割的效果。

关键词：遥感图像语义分割卷积神经网络 Transformer 全局上下文信息多尺度感受野编码器解码器

同方期刊数据库博看期刊

基于统计信道状态信息的智能反射面辅助反向散射通信系统鲁棒资源分配算法

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5期46卷 1986-1995页

作者：徐勇军徐娟田秦语黄崇文重庆邮电大学通信与信息工程学院重庆400065 浙江大学信息与电子工程学院杭州310007

为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、... 详细信息

为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、反射节点的能量中断约束和吞吐量中断约束、反射系数约束、RIS相移约束和信息传输时间约束,建立了系统加权和吞吐量最大化的鲁棒资源分配模型;利用伯恩斯坦不等式、交替优化和半正定松弛方法,将原非凸问题转换成凸优化问题求解,并提出一种基于迭代的鲁棒吞吐量最大化算法。仿真结果表明,与传统非鲁棒资源分配算法和无RIS资源分配算法相比,所提算法具有更强的鲁棒性和更高的吞吐量。

关键词：反向散射通信智能反射面鲁棒资源分配信道不确定性

在线全文

学校读者我要写书评

暂无评论

基于盲点网络的低照度图像自监督增强

光学学报 2024年第13期44卷 103-112页

作者：陈勇张金亮刘焕淋邵凯鑫陈尚明熊杭英张佑瑞重庆邮电大学工业物联网与网络化教育部重点实验室重庆邮电大学通信与信息工程学院

针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题，本文提出了一种基于盲点网络的自监督微光增强网络。首先，采用双边多尺度融合直方图均衡化的方法对图像亮... 详细信息

针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题，本文提出了一种基于盲点网络的自监督微光增强网络。首先，采用双边多尺度融合直方图均衡化的方法对图像亮度进行调整，以此来克服传统直方图增强方法中的信息颜色损失；其次，所设计的去噪网络可以自适应地从原始图像中进行学习，同时采用像素混洗下采样解耦相邻像素空间中的相关性；最后，为保持图像空间和颜色的一致性设计了相关的损失函数。实验证明，本文算法克服了现有算法存在残留噪声、网络训练中产生恒等映射的问题，有效地提高了低照度图像质量。

关键词：图像处理微光图像增强图像去噪盲点网络直方图均衡化

同方期刊数据库

基于卷积神经网络的IVOCT冠状动脉钙化斑块分割方法

在线全文

学校读者我要写书评

暂无评论

中国激光 2024年

作者：夏巍韩婷婷陶魁园王为高静天津师范大学电子与通信工程学院天津市无线移动通信与无线电能传输重点实验室南京航空航天大学机械结构力学与控制国家重点实验室

冠状动脉钙化斑块检测在评估疾病和介入手术效果中至关重要。血管内光学相干断层扫描（Intracoronary Optical Coherence Tomography,IVOCT）作为一种强大的影像技术，常用于评估冠状动脉疾病（Coronary Artery Disease,CAD）和规划经... 详细信息

冠状动脉钙化斑块检测在评估疾病和介入手术效果中至关重要。血管内光学相干断层扫描（Intracoronary Optical Coherence Tomography,IVOCT）作为一种强大的影像技术，常用于评估冠状动脉疾病（Coronary Artery Disease,CAD）和规划经皮冠状动脉介入治疗（Percutaneous Coronary Intervention,PCI），其分辨率比冠状动脉造影、计算机断层扫描或磁共振成像高出数个数量级。在IVOCT影像采集过程中，每次回撤扫描会生成300-500张图像，医护人员在短时间内完成冠状动脉钙化斑块的定量分析是一项巨大的挑战。本研究提出了一种上下文信息融合的卷积神经网络（CAB-U-Net），用于IVOCT影像中冠状动脉钙化斑块自动分割。CAB-U-Net设计了一种动态注意力机制和位置编码结合的Context fusion Transformer(CFT)模块，用于增强网络特征提取能力。CAB-U-Net引入Atrous Spatial Pyramid Pooling (ASPP)和Bi-directional Feature Pyramid Network (BiFPN)模块，加强多尺度特征图之间的信息传递和融合。CAB-U-Net在48位临床患者的IVOCT图像上进行了训练和测试，结果显示交并比（IntersectionOverUnion,IOU）为0.9065，精确度为0.9332，召回率为0.9662,F1-Score为0.9494。CAB-U-Net自动分割的钙化斑块的角度和面积，与专家标注结果的相关性系数分别达到了0.9535和0.9894。Bland-Altman分析进一步证实了，我们的算法和专家手动标注在分割钙化斑块方面具有良好的一致性。所提出的方法对自动评估冠状动脉钙化病变和术中支架部署规划具有重要价值。

关键词： IVOCT 冠状动脉钙化斑块分割卷积神经网络深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深层神经网络的信道编码类型盲识别

系统工程与电子技术 2024年第5期46卷 1820-1829页

作者：杨宗方张天骐马焜然邹涵重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学信号与信息处理重庆市重点实验室重庆400065

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,... 详细信息

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,用于识别接收数据中不同类型的信道码字。将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理,输入到预先训练好的深层神经网络识别器中进行识别,并分析了字长度对识别准确率的影响,得出了最合适的字长度。实验结果表明,两种识别器都能够有效识别接收数据中多种类型的信道编码,且在信噪比为3 dB时CNN识别器的识别准确率能够达到99%以上,而RCNN识别器在1 dB时就能够达到99%以上的识别准确率。

关键词：深层神经网络信道编码识别器盲识别字长度

维普期刊数据库博看期刊

多分量LFM干扰及动态环境下DBOC信号的捕获

在线全文

学校读者我要写书评

暂无评论

信号处理 2024年第7期40卷 1287-1297页

作者：张天骐唐娟谭霜沈夕文重庆邮电大学通信与信息工程学院重庆400065

针对双二进制偏移载波(double binary offset carrier,DBOC)信号在多分量线性调频(linear frequency modulation,LFM)干扰和动态环境下捕获算法缺乏的问题,提出布莱克曼窗预处理结合分数阶傅里叶变换(fractionalFouriertransform,FRFT)的干扰抑制算法以及离散多项式相位变换(discretepolynomial-phase transform,DPT)、部分匹配滤波器(partial matching filter,PMF)结合快速傅里叶变换(fast Fourier transform,FFT)加频谱校正的捕获算法。该算法首先对接收信号做布莱克曼窗预处理,抑制干扰谱线输出旁瓣,提高干扰汇聚的精确性;然后利用分级算法快速搜索信号的最优阶数,在保证精度量级的条件下减少了运算量;最后,在对应的最优阶数下做FRFT,结合干扰判断和轮询算法,逐个完成多分量LFM干扰的抑制。对干扰抑制后的信号首先利用定阶算法确定其动态阶数;然后通过DPT对动态信号做降阶处理,去除动态项;最后利用PMF-FFT加频谱校正完成DBOC信号的捕获。仿真结果表明,所提算法能够准确并完全地对三个LFM干扰分量进行逐个抑制,且抑制后的干扰分量不会对其他干扰分量的抑制造成影响。在检测概率达到1时,经过布莱克曼窗预处理后算法的信噪比比经过汉明窗预处理和经过凯塞窗预处理后算法的信噪比分别提升了4 dB和6.4 dB,比未经过预处理算法的信噪比提升了7.2 dB。此外,使用频谱校正可以突出捕获峰值,提高捕获精度。与未经频谱校正算法相比,经过频谱校正后算法的信噪比提升了1.6 dB,且能减少一定的捕获时间。

关键词：多分量线性调频干扰预处理分数阶傅里叶变换离散多项式相位变换频谱校正

同方期刊数据库

硬件损伤条件下无人机辅助的NOMA-IRS网络资源分配算法

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2024年第3期38卷 275-285页

作者：樊自甫夏子航王正强万晓榆重庆邮电大学通信与信息学院重庆400065

探讨了在硬件损伤条件下,如何通过搭载在无人机上的智能反射面(IRS)有效支持基于非正交多址接入(NOMA)技术的网络,以加快多用户数据的传输速率。提出了一种全面优化策略实现整个通信系统的最大传输速率,包括联合调整串行干扰消除的解码... 详细信息

探讨了在硬件损伤条件下,如何通过搭载在无人机上的智能反射面(IRS)有效支持基于非正交多址接入(NOMA)技术的网络,以加快多用户数据的传输速率。提出了一种全面优化策略实现整个通信系统的最大传输速率,包括联合调整串行干扰消除的解码策略、IRS的反射配置、无人机的空间位置以及基站的发射功率。由于该问题是一个非凸问题,提出使用块坐标下降方法来实现优化的一种迭代算法,将原始的非凸问题细分为3个子问题,并通过结合惩罚函数法、半正定松弛技术和连续凸近似法来解决这些子问题。仿真结果表明:提出的算法在系统总速率方面相比随机部署无人机、未使用IRS辅助的NOMA策略,系统速率有显著提升。

关键词：非正交多址接入智能反射面凸优化和速率最大化无人机

基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测

在线全文

学校读者我要写书评

暂无评论

信号处理 2024年第6期40卷 1030-1040页

作者：申滨涂媛媛阳建金龙康重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用... 详细信息

传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测。首先,通过简化经典的检测网络(Detection Network,DetNet),改进ScNet(Sparsely Connected Neural Network)检测算法,引入卷积神经网络(Convolutional NeuralNetworks,CNN)对三通道输入数据提取特征以减少训练参数,提出一种SConv(SparselyConnected Convolutional Neural Network)检测算法。与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度。在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪(Sparsely Connected Convolutional Denoising,SConv-D)网络辅助的大规模MIMO检测算法。此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级。实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显。此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能。本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10^(-2)误比特率上能获得接近2 dB的性能增益。

关键词：大规模MIMO 深度学习稀疏连接卷积神经网络降噪

车联网中基于有向无环图区块链的个性化联邦互蒸馏学习方法

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7期46卷 2821-2830页

作者：黄晓舸吴雨航尹宏博梁承超陈前斌重庆邮电大学通信与信息工程学院重庆400065

联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销... 详细信息

联邦学习(FL)作为一种分布式训练方法,在车联网(IoV)中得到了广泛应用。区别于传统机器学习,FL允许智能网联车辆(CAVs)通过共享模型而非原始数据来协同训练全局模型,从而保护CAV隐私和数据安全。为了提升联邦学习模型精度,降低通信开销,该文首先提出一种基于有向无环图(DAG)区块链和CAVs的IoV架构,分别负责全局模型共享和本地模型训练。其次,设计了一种基于DAG区块链的异步联邦互蒸馏学习(DAFML)算法在本地同时训练教师和学生模型,教师模型的专业级网络结构可取得更高精度,学生模型的轻量级网络结构可降低通信开销,并采用互蒸馏学习使教师模型和学生模型从互相转移的软标签中学习知识以更新模型。此外,为了进一步提高模型精度,基于全局训练轮次和模型精度设定个性化权值来调节互蒸馏占比。仿真结果表明,DAFML算法在模型精度和蒸馏比率方面优于其他比较算法。

关键词：联邦学习互蒸馏有向无环图个性化权值

同方期刊数据库