检索结果-内蒙古大学图书馆

无线电工程 2022年第12期52卷 2178-2185页

作者：郭恩泽张洪德杨雷刘益岑彭镜轩张磊中国人民解放军陆军工程大学通信士官学校重庆400035 中国人民解放军陆军工程大学通信工程学院江苏南京210007 信号盲处理国家级重点实验室四川成都610041

针对现有雷达辐射源信号识别方法存在的识别率不足、网络模型复杂和鲁棒性差等问题,提出一种基于改进残差网络的雷达辐射源信号识别方法。通过时频分析方法将一维时域信号变换成二维时频图像,用作深度学习网络模型的训练和测试;借鉴轻... 详细信息

针对现有雷达辐射源信号识别方法存在的识别率不足、网络模型复杂和鲁棒性差等问题,提出一种基于改进残差网络的雷达辐射源信号识别方法。通过时频分析方法将一维时域信号变换成二维时频图像,用作深度学习网络模型的训练和测试;借鉴轻量化和去“网格效应”的设计思想,构建改进的残差网络模型。实验结果表明,在-15~-10 dB低信噪比条件下,该模型对7种雷达信号的综合识别率为95.9%,比GoogLeNet,AlexNet,MobileNetV2模型分别高5.6%,3.1%,1.4%,与ResNet18模型相比识别率接近,复杂度大大减少。设计了一种新的用于雷达辐射源信号识别的模型,具有较好的工程应用前景。

关键词：雷达辐射源深度学习残差网络分类识别

来源：评论

学校读者我要写书评

暂无评论

噪声环境下基于单像素成像系统和深度学习的目标识别方法

引用

红外与激光工程 2020年第6期49卷 99-106页

作者：石峰陆同希杨书宁苗壮杨晔张闻文何睿清微光夜视技术重点实验室陕西西安710065 南京理工大学江苏省光谱成像和智能感知重点实验室江苏南京210094 南京工程学院信息与通信工程学院江苏南京211167

单像素成像系统由于其独特的成像方式受到广泛关注,但其在噪声环境中的目标识别方法并未得到深入研究。针对该问题,文中分别采用桶探测器获取的信号值和重构出的二维图像作为训练样本进行深度学习,并以此识别噪声环境中的目标。通过对... 详细信息

单像素成像系统由于其独特的成像方式受到广泛关注,但其在噪声环境中的目标识别方法并未得到深入研究。针对该问题,文中分别采用桶探测器获取的信号值和重构出的二维图像作为训练样本进行深度学习,并以此识别噪声环境中的目标。通过对比两者识别结果,发现在采样率较低时,前者即使在较强噪声环境中也可以获得较高的识别率;而后者的识别率虽然一直比较稳定,但其预处理时间较高,因此前者更适用于快速成像中的目标识别。此外,对于仅利用桶探测器信号进行训练的方法,文中还研究了目标稀疏度对其识别精度的影响,发现当外界噪声和采样率一定时,稀疏度越高的目标,其识别精度也越高。文中为噪声环境中单像素成像的目标识别方法提供了选择依据。

关键词：单像素成像目标识别深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度自编码器子域自适应的跨库语音情感识别

引用

计算机应用研究 2021年第11期38卷 3279-3282,3348页

作者：庄志豪傅洪亮陶华伟杨静谢跃赵力河南工业大学粮食信息处理与控制教育部重点实验室郑州450001 南京工程学院信息与通信工程学院南京211167 东南大学信息科学与工程学院南京210018

针对不同语料库之间数据分布差异问题,提出一种基于深度自编码器子域自适应的跨库语音情感识别算法。首先,该算法采用两个深度自编码器分别获取源域和目标域表征性强的低维情感特征;然后,利用基于LMMD(local maximum mean discrepancy)... 详细信息

针对不同语料库之间数据分布差异问题,提出一种基于深度自编码器子域自适应的跨库语音情感识别算法。首先,该算法采用两个深度自编码器分别获取源域和目标域表征性强的低维情感特征;然后,利用基于LMMD(local maximum mean discrepancy)的子域自适应模块,实现源域和目标域在不同低维情感类别空间中的特征分布对齐;最后,使用带标签的源域数据进行有监督地训练该模型。在eNTERFACE库为源域、Berlin库为目标域的跨库识别方案中,所提算法的跨库识别准确率相比于其他算法提升了5.26%~19.73%;在Berlin库为源域、eNTERFACE库为目标域的跨库识别方案中,所提算法的跨库识别准确率相比于其他算法提升了7.34%~8.18%。因此,所提方法可以有效地提取不同语料库的共有情感特征并提升了跨库语音情感识别的性能。

关键词：跨库语音情感识别深度自编码器子域自适应监督学习

来源：评论

学校读者我要写书评

暂无评论

刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化

引用

光谱学与光谱分析 2022年第9期42卷 2726-2739页

作者：胡新宇许章华黄旭影张艺伟陈秋霞王琳刘辉刘智才福州大学环境与安全工程学院福建福州350108 福建省资源环境监测与可持续经营利用重点实验室福建三明365004 空间数据挖掘与信息共享教育部重点实验室福建福州350108 福州中谷海创科技发展有限公司福建福州350108 福州大学先进制造学院福建泉州362200 福州大学信息与通信工程博士后科研流动站福建福州350108 福建农林大学公共管理学院福建福州350002 南京大学国际地球系统科学研究所江苏南京210023

叶绿素是反映绿色植被健康状态的重要生理参数,虫害胁迫下叶绿素与叶光谱的变化机制较为复杂,深入剖析二者关系对于虫害检测有重要意义。以福建省南平市顺昌县为试验区,测定不同受害情景下毛竹叶叶绿素含量(SPAD)与叶光谱,采用Pearson... 详细信息

叶绿素是反映绿色植被健康状态的重要生理参数,虫害胁迫下叶绿素与叶光谱的变化机制较为复杂,深入剖析二者关系对于虫害检测有重要意义。以福建省南平市顺昌县为试验区,测定不同受害情景下毛竹叶叶绿素含量(SPAD)与叶光谱,采用Pearson相关法筛选叶光谱特征指标,建立叶SPAD的多元线性回归、岭回归、随机森林与XGBoost估测模型。通过比较光谱特征指标筛选结果及模型估测效果,分析刚竹毒蛾胁迫下毛竹叶绿素与叶光谱特征的关系及其变化。结果表明:(1)随着虫害程度上升,毛竹叶SPAD呈下降趋势;(2)较之于未受害状态,刚竹毒蛾胁迫下毛竹叶光谱特征发生明显变化,“绿峰”和“红谷”趋于消失,“红边”斜率减小,近红外波长反射率降低;(3)基于全样本拟合叶SPAD的最优光谱特征指标为VOG_(2),R_(515)/R_(570),CI_(red),PRI与NDVI_(705),最佳估测模型为多元线性回归模型(R^(2)=0.7537,RMSE=3.0150);(4)基于不同受害程度样本拟合毛竹叶SPAD,最优光谱特征指标分别为健康:CI_(red),VOG_(2),ARVI,R_(515)/R_(570),DVI;轻度:RENDVI,RERVI,REDVI;中度:RENDVI,RERVI,REDVI;重度:VOG_(2),CI_(red),NDVI_(705),PRI;小年:PRI,NDVI_(705),VOG_(1),CI_(red)。最佳估测模型为多元线性回归模型,模型精度分别为健康(R^(2)=0.8823;RMSE=1.6388);轻度(R^(2)=0.1802;RMSE=3.3354);中度(R^(2)=0.3604;RMSE=3.8867);重度(R^(2)=0.4677;RMSE=2.6018);小年(R^(2)=0.7324;RMSE=2.3754)。由此发现,随着虫害等级上升,毛竹叶光谱特征指标也随之改变,关系模型估测精度呈现先急剧下降后缓慢抬升的态势,模型对健康与小年叶SPAD估测效果较好,对轻—中—重度危害叶SPAD估测效果较差;当毛竹叶SPAD与叶光谱特征的关系趋向紊乱时,预示可能有刚竹毒蛾危害发生。

关键词：虫害胁迫叶绿素含量叶光谱特征相关分析机器学习

来源：评论

学校读者我要写书评

暂无评论

基于自适应算子与非支配排序的星地网络多目标优化方法

引用

无线电通信技术 2023年第5期49卷 809-815页

作者：李浩辉周雨田金今赵晓辉雷磊西安交通大学信息与通信工程学院陕西西安710049 香港理工大学电子计算学系中国香港999077 东南大学移动通信国家重点实验室江苏南京210096

低轨(Low Earth Orbit,LEO)高通量卫星将成为未来非地面网络的重要组成部分。基于星上灵活载荷技术,探索未来6G星地网络动态高效的多维资源调度和多指标优化方法。实际优化过程中,多个指标间如吞吐量、接入用户数等往往相互冲突。已有... 详细信息

低轨(Low Earth Orbit,LEO)高通量卫星将成为未来非地面网络的重要组成部分。基于星上灵活载荷技术,探索未来6G星地网络动态高效的多维资源调度和多指标优化方法。实际优化过程中,多个指标间如吞吐量、接入用户数等往往相互冲突。已有工作多通过加权求和将多个优化目标转换为单目标优化问题进行求解。然而此种方法通常存在不同目标函数之间量纲单位无法统一,病态矩阵造成各目标函数权重无法准确分配,以及在大规模优化中难以接近帕累托前沿等问题。针对星地融合网络如何同时提高终端接入数量与提高多用户吞吐的优化问题,建立单目标和多目标优化模型,通过对单目标优化问题分配不同权重,进行最优求解,产生多组优化结果作为性能比较的基准方案之一,提出基于快速非支配排序与自适应算子调整的高效多目标优化算法。实验结果表明,所提算法较加权单目标优化与传统多目标优化算法,可有效提升整体的优化性能,进而提升星地融合网络的通信性能。

关键词：低轨卫星资源调度组合优化多目标优化

来源：评论

学校读者我要写书评

暂无评论

结合深度学习的高光谱与多源遥感数据融合分类

引用

遥感学报 2021年第7期25卷 1489-1502页

作者：赵伍迪李山山李安张兵陈俊中国遥感卫星地面站中国科学院空天信息创新研究院北京100094 电子电气与通信工程学院中国科学院大学北京100049 中科院数字地球重点实验室中国科学院空天信息创新研究院北京100094

高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR(Light Detection and Ranging)数据。通过将高光谱数据... 详细信息

高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR(Light Detection and Ranging)数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN(Convolutional Neural Network)和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。

关键词：卷积神经网络高光谱数据高分辨率数据激光雷达数据图像融合传统特征分类

来源：评论

学校读者我要写书评

暂无评论

基于单一切面的循环平稳检测方法

引用

计算机工程 2021年第1期47卷 196-202页

作者：勾志杭刘剑锋胡金龙冯雪林王宗伟重庆邮电大学通信与信息工程学院重庆400065 中国科学院计算技术研究所无线通信技术研究中心北京100190 国家移动卫星通信工程技术研究中心南京210000 移动计算与新型终端北京市重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

在非授权频段的频谱感知方法中,循环平稳检测法具有鲁棒性好与信号类型识别性强的特点,但其计算复杂度很高。在改进传统快速傅里叶变换累加方法(FAM)的基础上,提出一种采用单一切面的循环平稳检测方法。根据循环平稳特性信号峰值变化规... 详细信息

在非授权频段的频谱感知方法中,循环平稳检测法具有鲁棒性好与信号类型识别性强的特点,但其计算复杂度很高。在改进传统快速傅里叶变换累加方法(FAM)的基础上,提出一种采用单一切面的循环平稳检测方法。根据循环平稳特性信号峰值变化规律推导出特定切面约束条件,并构建f-切面和α-切面两种循环谱单一切面,在无需建立完整循环谱的情况下对不同类型信号进行循环平稳特征检测。实验结果表明,与传统FAM相比,该方法可大幅降低计算复杂度,当信噪比低于-16dB时其检测性能略低于传统FAM,在信噪比达到-16dB后其检测性能与传统FAM一致。

关键词：非授权频谱循环平稳频谱感知循环谱快速傅里叶变换累加方法

来源：评论

学校读者我要写书评

暂无评论

基于MATLAB GUI的图像处理系统的设计

引用

计算机技术与发展 2022年第4期32卷 215-220页

作者：孙鹏崴王俊王树军李亚丽徐平平南京工业大学浦江学院计算机与通信工程学院江苏南京211200 东南大学移动通信国家重点实验室江苏南京210096 福州大学电气工程与自动化学院福建福州350108

数字图像处理课程涉及面广,需要掌握的知识多,但是目前现有的数字图像处理实验系统内容繁多,结构比较复杂,传统的直接在命令行进行编程的方法在教学直观性方面表现较差,学生很难深入研究并理解其中的原理,不适合学生进行初级阶段的学习... 详细信息

数字图像处理课程涉及面广,需要掌握的知识多,但是目前现有的数字图像处理实验系统内容繁多,结构比较复杂,传统的直接在命令行进行编程的方法在教学直观性方面表现较差,学生很难深入研究并理解其中的原理,不适合学生进行初级阶段的学习。因此为了提高学生对“数字图像处理”课程的学习兴趣,提高老师的教学质量,在MATLAB环境下,利用图形用户接口(graphic user interface,GUI)设计并开发了这一图像处理演示系统。系统涵盖了数字图像处理课程的主要内容,分别为图像变换、图像增强、图像滤波、边缘检测和图像分割等五大部分,实现了图像处理的可视化操作,另外该系统创建了算法可视栏,将抽象的代码进行集成对比,让学生可以更直观地看到代码对图像处理的过程。该实验平台界面友好,可交互性强,学生可根据需求进行代码的修改。设计结果表明,该系统对图像的处理效果良好,化抽象为直观,可以起到更好地辅助教师授课、帮助学生学习的作用。

关键词：数字图像处理演示系统算法可视栏 MATLAB 图形用户接口

来源：评论

学校读者我要写书评

暂无评论

采用原子表示模型的维吾尔语语音情感识别

引用

信号处理 2020年第1期36卷 9-17页

作者：塔什甫拉提·尼扎木丁梁瑞宇谢跃赵力东南大学水声信号处理教育部重点实验室江苏南京210096 南京工程学院通信工程学院江苏南京211167

针对现有的基于表示学习的语音情感计算算法中存在着限制条件单一的问题,且没有证明它们的有效性,提出了一种采用原子表示模型的语音情感识别算法。通过引入一个新的条件,称为原子分类条件。在这种条件下,对正确识别新的测试情感样本有... 详细信息

针对现有的基于表示学习的语音情感计算算法中存在着限制条件单一的问题,且没有证明它们的有效性,提出了一种采用原子表示模型的语音情感识别算法。通过引入一个新的条件,称为原子分类条件。在这种条件下,对正确识别新的测试情感样本有较好的效果。现有的基于表示的分类算法以单一的稀疏表示方法为主,而提出的算法可以结合稀疏表示模型和其他的表示模型。该算法能够放宽适用条件的范围,使得原子表示模型适应更多分类任务。采集并建立了维吾尔语语音情感数据库。在该情感数据库上,分析维吾尔语情感语音的基本声学特征。通过对情感特征空间进行原子表示的映射变换,可以有效表示情感特征空间。经实验结果证明所提出的方法优于传统的方法,在维吾尔语情感语音数据库上达到了64. 17%识别率。

关键词：语音情感识别维吾尔语原子表示模型情感声学特征

来源：评论

学校读者我要写书评

暂无评论

一种基于卷积神经网络的砂岩显微图像特征表示方法

引用

软件学报 2020年第11期31卷 3621-3639页

作者：李娜顾庆姜枫郝慧珍于华倪超计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京理工大学泰州科技学院移动互联网学院江苏泰州225300 南京工程学院通信工程学院江苏南京211167

砂岩显微图像分类是地质学研究中一项基本工作,在油气储集层评估等方面有重要意义.在实现自动分类时,由于砂岩显微图像具有复杂多变的显微结构,人工定义特征对砂岩显微图像的表示能力有限.此外,由于样本采集和标注成本高昂,带标记的砂... 详细信息

砂岩显微图像分类是地质学研究中一项基本工作,在油气储集层评估等方面有重要意义.在实现自动分类时,由于砂岩显微图像具有复杂多变的显微结构,人工定义特征对砂岩显微图像的表示能力有限.此外,由于样本采集和标注成本高昂,带标记的砂岩显微图像很少.提出一种面向小规模数据集的基于卷积神经网络的特征表示方法FeRNet,以便有效地捕获砂岩显微图像的语义信息,提高对砂岩显微图像的特征表示能力.FeRNet网络结构简单,可降低网络对带标记图像数据量的要求,防止参数过拟合.针对带标记砂岩显微图像数量不足的问题,提出了图像扩增预处理方法及基于卷积自编码网络的权重初始化策略,降低了因数据不足造成的过拟合风险.基于采自西藏地区的砂岩显微图像数据集设计并进行实验,实验结果表明,在带标记砂岩显微图像数据不足的情况下,图像扩增和卷积自编码网络可以有效地改善FeRNet网络的训练效果,通过FeRNet网络提取的特征对砂岩显微图像的表示能力优于人工定义特征.

关键词：特征表示砂岩显微图像卷积神经网络图像扩增卷积自编码

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：