为了提高无线通信系统的安全性，基于功率分割型无线携能通信（Power Splitting-Simultaneous Wireless Information and Power Transfer, PS-SWIPT）模型，提出了一种有源可重构智能表面（Active Reconfigurable Intelligent Surface, ...
详细信息
为了提高无线通信系统的安全性，基于功率分割型无线携能通信（Power Splitting-Simultaneous Wireless Information and Power Transfer, PS-SWIPT）模型，提出了一种有源可重构智能表面（Active Reconfigurable Intelligent Surface, ARIS）辅助PS-SWIPT系统（ARIS-PS-SWIPT）的安全传输方案。综合考虑ARIS-PS-SWIPT系统的能量效率和安全性，构造了安全能效最大化问题，通过联合优化基站的波束成形向量、ARIS的反射系数矩阵，以及合法用户的功率分割比值，提升ARIS-PSSWIPT系统的安全能效。由于所构建的优化问题为非凸问题，利用交替优化（Alternating Optimization, AO）算法将原问题分解为3个子问题，并进一步通过半正定松弛（Semi-Definite Relaxation,SDR）和Dinkelbach方法获得子问题的优化解。仿真结果表明，ARIS-PS-SWIPT方案在安全能效方面优于PRIS辅助PS-SWIPT(PRIS-PS-SWIPT)方案和放大转发辅助PS-SWIPT(AF-PS-SWIPT)方案，且所提算法相较于遗传算法（Genetic Algorithm, GA），对求解该类问题具备更高的适应性，并且获得了更高的安全能效。
针对低轨卫星高动态场景下多服务质量(Quality of Service，QoS)时变物联业务资源调度问题，本文提出了一种基于Lyapunov优化的窄带物联网(Narrow Band Internet of Things，NB-IoT)多业务资源切片动态管理方法。该方法综合考虑多物联业...
详细信息
针对低轨卫星高动态场景下多服务质量(Quality of Service，QoS)时变物联业务资源调度问题，本文提出了一种基于Lyapunov优化的窄带物联网(Narrow Band Internet of Things，NB-IoT)多业务资源切片动态管理方法。该方法综合考虑多物联业务QoS需求、不同QoS业务队列状态以及切片大小的动态划分，构建了资源切片动态管理的资源调度优化问题。进一步，基于Lyapunov优化理论将非凸的多时隙动态资源切片划分问题转化为单时隙多QoS业务资源切片配置问题，从而在动态业务场景下实现资源切片与多QoS业务队列之间的动态适配。仿真结果表明，与传统NB-IoT上行资源调度方法相比，所提方法在低轨高动态场景下能够显著提升时延确定性业务的QoS保障和吞吐量。
利用好时空信息是解决目前单目标跟踪困难场景的重要思路。过去的大多数基于深度学习的时空跟踪器其本质是利用视觉外观信息之间的关联，但视觉信息不可避免的会引入背景和其他相似目标的干扰。所以单纯基于视觉信息的时空跟踪器在面对具有复杂场景的挑战时已感到吃力。为此本文提出了一种新颖的基于运动-视觉信息交互的双通路目标跟踪算法（Dual pathway object tracking algorithm based on Motion-Vision information interaction，MVTrack）。MVTrack通过引入运动信息并提取其特征，进行高效的时空建模，使整个跟踪网络可以同时分析和参考运动信息和视觉信息，显著提高了面对复杂场景的目标跟踪能力。此外，MVTrack针对运动信息和视觉信息还设计了一个特征融合交互模块，可以充分对两种信息进行交互与融合，进一步提高跟踪器性能。实验结果表明，MVTrack在GOT-10k上的精度达到了75.0%，比最新的先进算法提高1.5%，证明了所提方法能够提高跟踪器在复杂困难场景下的跟踪精度和抗干扰能力，为后续跟踪器提供了一种新的时空建模思路。
为了缓解现有故事可视化方法难以准确生成多人物场景的问题，提出一种基于角色定位的故事可视化模型CGSV（Character-Grounded Story Visualization），从文本-角色映射和多角色视觉布局两个方面优化多人物生成。首先，CGSV设计了一个...
详细信息
为了缓解现有故事可视化方法难以准确生成多人物场景的问题，提出一种基于角色定位的故事可视化模型CGSV（Character-Grounded Story Visualization），从文本-角色映射和多角色视觉布局两个方面优化多人物生成。首先，CGSV设计了一个边界框-姓名融合模块，通过提取和过滤角色的边界框并将其与相应的名字进行融合，提供准确的人物位置信息。此外，CGSV引入了布局互注意力模块，通过人物位置信息引导生成过程，实现在视觉布局中的多角色精准定位。实验表明，CGSV在Pororo-SV和Flintstones-SV上的FID达到11.32和20.93，FSD达到22.88和26.02，超过了现有方法，验证了该算法的有效性。
暂无评论