检索结果-内蒙古大学图书馆

复旦学报（自然科学版） 2021年第3期60卷 360-366页

作者：桂文明吕家伟梁颖红敖志强金陵科技学院软件工程学院江苏南京211169 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003 南昌航空大学软件学院江西南昌330063

本文提出一种基于挤压和激励残差网络的歌声检测算法,运用该算法,不需要对音乐信号进行复杂的特征工程处理,仅需对网络输入简单朴素的声学特征,便能通过多层次卷积以及挤压和激励操作,学习到更多的有效特征,从而达到比当前流行的检测算... 详细信息

本文提出一种基于挤压和激励残差网络的歌声检测算法,运用该算法,不需要对音乐信号进行复杂的特征工程处理,仅需对网络输入简单朴素的声学特征,便能通过多层次卷积以及挤压和激励操作,学习到更多的有效特征,从而达到比当前流行的检测算法更强的性能.算法中,残差结构使得网络可以轻松扩展深度,挤压和激励模块能对深度残差网络中学习到的多个特征进行自动融合,进而使得学习到的歌声特征整体更有效.为了验证算法的可行性和有效性,本文选择了2个公开的数据集进行实验,并以目前性能最好的歌声检测框架之一作为基线系统,实验结果证明了本算法的性能领先于基线系统.

关键词：歌声检测音乐信息检索挤压和激励网络残差网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Transformer与改进记忆机制的用电量预测研究

引用

信息技术 2024年第6期48卷 67-74,79页

作者：蔡岳张津铭郭晶徐玉华孙知信南京邮电大学现代邮政学院江苏省邮政大数据技术与应用工程研究中心国家邮政局邮政行业技术研发中心(物联网技术)宽带无线通信与传感网技术教育部重点实验室南京210000 国网信息通信产业集团北京102211 四川中电启明星信息技术有限公司成都610041

近年来我国经济的高速发展对电力配置提出了更高要求,实现电力资源的高效配置需要更加精准的用电量预测。随着人工智能、机器学习等技术的发展,高效精准的用电量预测成为可能。目前该领域普遍使用Long Short-Term Memory (LSTM)及其变... 详细信息

近年来我国经济的高速发展对电力配置提出了更高要求,实现电力资源的高效配置需要更加精准的用电量预测。随着人工智能、机器学习等技术的发展,高效精准的用电量预测成为可能。目前该领域普遍使用Long Short-Term Memory (LSTM)及其变种模型,但准确度相对较低。文中提出了一种基于改进记忆机制与Transformer的用电量预测模型,使用Transformer编码输入,提出了一种新型记忆机制来执行预测。实验表明该方法相较随机森林回归和LSTM及其变种模型,一周内平均误差分别下降9.05%与5.32%,模型收敛速度更快且具有较好的泛化性能。

关键词：记忆网络 Transformer 时序预测机器学习长短期记忆

来源：评论

学校读者我要写书评

暂无评论

基于改进粒子群算法的星载多波束天线干扰源定位

引用

南京邮电大学学报（自然科学版） 2020年第6期40卷 50-55页

作者：阮岑谢继东赵凡南京邮电大学通信与网络技术国家地方联合工程研究中心江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003

基于多波束天线的频分复用原理,介绍了一种利用星载多波束天线实现干扰源定位的方法。根据多波束天线方向图的函数表达式建立了定位方程组。在定位过程中,重点分析了增益误差和波束指向误差对最终定位精度的影响。同时考虑到定位方程组... 详细信息

基于多波束天线的频分复用原理,介绍了一种利用星载多波束天线实现干扰源定位的方法。根据多波束天线方向图的函数表达式建立了定位方程组。在定位过程中,重点分析了增益误差和波束指向误差对最终定位精度的影响。同时考虑到定位方程组的非线性特性,提出用一种基于网格搜索的粒子群算法进行求解,并利用蒙特卡洛方法进行仿真实验。最后,在解算速度和解算准确度这两个方面将该算法与传统的粒子群算法进行比较,结果表明该算法的有效性。

关键词：干扰源定位多波束天线定位误差基于网格搜索的粒子群算法

来源：评论

学校读者我要写书评

暂无评论

随机多址接入的分布式排队技术

引用

南京邮电大学学报（自然科学版） 2020年第5期40卷 168-177页

作者：王文鼐万洺瑜王斌吴炜南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003 南京邮电大学海外教育学院江苏南京210023

共享信道冲突控制是随机多址接入的技术关键,发展形成了纯Aloha、时隙Aloha和载波侦听多址等各类算法及协议。分布式排队(Distributed Queuing,DQ)综合了Aloha和统计时分复用手段,通过树形算法实现冲突的高效分解与信道的有序分配,能适... 详细信息

共享信道冲突控制是随机多址接入的技术关键,发展形成了纯Aloha、时隙Aloha和载波侦听多址等各类算法及协议。分布式排队(Distributed Queuing,DQ)综合了Aloha和统计时分复用手段,通过树形算法实现冲突的高效分解与信道的有序分配,能适配物联网终端的应用需求。文中对比分析随机多址技术的特点与应用方法,论述DQ控制机制、性能评测手段和应用扩展方案,简要讨论定时同步问题。

关键词：随机多址接入分布式排队冲突解决网络性能定时同步

来源：评论

学校读者我要写书评

暂无评论

基于自旋图结构权重分配的图信号突变点检测技术

引用

南京邮电大学学报（自然科学版） 2020年第6期40卷 42-49页

作者：方海超杨震南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003 南京邮电大学通信与网络技术国家地方联合工程研究中心江苏南京210003

对于不规则的、复杂的信号进行分析处理,新兴的图信号处理技术已经取得了研究突破。在无线传感器网络的信号突变点检测场景中,图信号处理技术也已被证明是有效的。在图信号突变点检测系统的基础上,文中着眼于检测结果的精确性和稳定性问... 详细信息

对于不规则的、复杂的信号进行分析处理,新兴的图信号处理技术已经取得了研究突破。在无线传感器网络的信号突变点检测场景中,图信号处理技术也已被证明是有效的。在图信号突变点检测系统的基础上,文中着眼于检测结果的精确性和稳定性问题,首先研究了已有的不同图拉普拉斯矩阵和图的边权重定义方式,发现较采用组合拉普拉斯矩阵和维度倒数定义权重的方法有一定程度的性能提升;进而研究并新定义了一种自旋图结构并讨论了最佳的权值分配方案,通过实验证明了新方案能够显著减小检测系统的延迟,进一步提高突变点位置检测精度;最后与经典的DSP方法进行比较,并研究了图信号多次突变检测的情况,进一步验证了改进方案的优越性。

关键词：图信号突变点检测自旋图结构检测精度

来源：评论

学校读者我要写书评

暂无评论

VANET中基于公平性的多信道MAC协议

引用

计算机应用研究 2019年第8期36卷 2478-2482页

作者：汤媛媛朱琦南京邮电大学江苏省无线通信重点实验室南京210003 南京邮电大学教育部宽带无线通信与传感网技术重点实验室南京210003

随着车载无线通信需求的增加,车载自组织网络(VANET)将成为现代智能交通系统的一个重要组成部分。对VANET中多信道MAC层协议进行了研究,提出了一种提升网络公平性的退避算法。车辆通过比较自身已成功发送的业务量与平均业务量的大小,确... 详细信息

随着车载无线通信需求的增加,车载自组织网络(VANET)将成为现代智能交通系统的一个重要组成部分。对VANET中多信道MAC层协议进行了研究,提出了一种提升网络公平性的退避算法。车辆通过比较自身已成功发送的业务量与平均业务量的大小,确定不同的退避方案,一定程度上实现了网络中车辆的接入公平。考虑到该退避算法在提升公平性的同时,牺牲了一定的网络吞吐量,使得服务信道不饱和,进一步提出根据车辆密度调整服务预约时期长度的算法,以提高服务信道的利用率,增大网络的吞吐量。仿真结果表明,提出的退避算法公平性指数相比于二进制退避算法,提升了约2.3倍,而相比于倍数增线性减退避算法,提升了约2.05倍,网络的吞吐量提高了约16%。

关键词： VANET 网络公平性多信道MAC层退避算法

来源：评论

学校读者我要写书评

暂无评论

基于PD-CNN的Polar码译码算法

引用

信号处理 2019年第10期35卷 1652-1660页

作者：徐鹏孔令军赵生妹郑宝玉南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003

针对传统Polar码译码算法在相关噪声信道下性能严重下降的问题,提出了一种基于前置预判-卷积神经网络(Prior Decision-Convolutional Neural Networks,PD-CNN)的译码算法。通过前置预判深度优化CNN,使其准确地估计信道噪声并使残余噪声... 详细信息

针对传统Polar码译码算法在相关噪声信道下性能严重下降的问题,提出了一种基于前置预判-卷积神经网络(Prior Decision-Convolutional Neural Networks,PD-CNN)的译码算法。通过前置预判深度优化CNN,使其准确地估计信道噪声并使残余噪声尽可能遵循高斯分布,再根据残余噪声分布统计更新出可靠的似然比信息。分析了不同译码算法对不同码率Polar码在不同噪声相关强度下的译码性能,并与本文所提出的译码算法进行对比。仿真结果表明:在相关噪声信道下,当误码率为10^-5时,本文所提出的译码算法与标准置信度传播算法相比可获得约2.5 dB的增益。此外,在高信噪比时,与置信度传播-卷积神经网络算法相比,本文提出的译码算法具有相同的性能,但复杂度更低,译码延迟最大可减少42%。

关键词： Polar码卷积神经网络相关性噪声置信度传播

来源：评论

学校读者我要写书评

暂无评论

基于频率复用的单星多波束天线干扰源定位

引用

南京邮电大学学报（自然科学版） 2019年第2期39卷 41-48页

作者：赵凡赵来定姜玉文阮岑南京邮电大学通信与网络技术国家工程研究中心江苏南京210003 南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003

文中基于频率复用原理和多波束天线的特性,对单星干扰源方法进行了分析。文中首先分析了多波束天线的覆盖特性,主受波束和其同频波束会同时接收到干扰信号,从而引出单星干扰源定位原理;接着构建天线增益指向模型,并结合地球星历信息得... 详细信息

文中基于频率复用原理和多波束天线的特性,对单星干扰源方法进行了分析。文中首先分析了多波束天线的覆盖特性,主受波束和其同频波束会同时接收到干扰信号,从而引出单星干扰源定位原理;接着构建天线增益指向模型,并结合地球星历信息得到干扰源的位置;最后分析定位误差,对其进行理论推导和仿真,并得出结论:功率误差、波束中心指向误差和高程误差对定位误差影响比较大,卫星轨道误差对定位误差影响相对较小。

关键词：单星干扰源定位多波束天线增益定位误差

来源：评论

学校读者我要写书评

暂无评论

采用多任务学习和循环神经网络的语音情感识别算法

引用

信号处理 2019年第7期35卷 1133-1140页

作者：冯天艺杨震南京邮电大学宽带无线通信与传感网技术教育部重点实验室江苏南京210003 南京邮电大学通信与网络技术国家地方联合工程研究中心江苏南京210003

随着机器学习的快速发展,许多研究者使用神经网络来解决语音识别领域中的各类问题。然而由于训练数据有限等原因,常规的神经网络分类器普遍存在泛化误差等问题。为了解决此问题,迁移学习中的多任务学习被引入到研究中。本文提出了一种... 详细信息

随着机器学习的快速发展,许多研究者使用神经网络来解决语音识别领域中的各类问题。然而由于训练数据有限等原因,常规的神经网络分类器普遍存在泛化误差等问题。为了解决此问题,迁移学习中的多任务学习被引入到研究中。本文提出了一种采用多任务学习和循环神经网络的语音情感识别算法(MTL-RNN),将说话人情感识别作为主任务,性别识别和身份识别作为辅助任务,三个任务在神经网络中并行训练。算法模型通过RNN共享层共享网络参数、学习共享特征,通过属性依赖层学习独有特征,以提升模型的分类性能。实验结果表明,本文所提出的MTL-RNN算法在汉语和阿拉伯语、较少说话人和较多说话人的场景下均有较好的识别性能。

关键词：语音情感识别多任务学习循环神经网络

来源：评论

学校读者我要写书评

暂无评论

针对NOMA和CR网络的功率分配方法

引用

信号处理 2019年第7期35卷 1224-1234页

作者：时安谊杨震南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学“宽带无线通信与传感网技术”教育部重点实验室江苏南京210003 南京邮电大学“通信与网络技术”国家工程研究中心江苏南京210003

在基于非正交多址(NOMA)和认知无线电(CR)网络的混合系统中进行功率分配,需要同时考虑主用户(PUs)和从用户(SUs)的服务质量。文章考虑在一个小区中主从用户同时存在,从用户采用NOMA的方式接入系统,并且从用户对主用户的造成的干扰不能... 详细信息

在基于非正交多址(NOMA)和认知无线电(CR)网络的混合系统中进行功率分配,需要同时考虑主用户(PUs)和从用户(SUs)的服务质量。文章考虑在一个小区中主从用户同时存在,从用户采用NOMA的方式接入系统,并且从用户对主用户的造成的干扰不能影响到主用户的正常通信。本文提出的功率分配方法,可以实现接入系统中的从用户数量的最大化,并且还动态考虑了主用户的数量、信道条件、发送功率以及正常通信时的信干噪比(SINR)阈值等情况,最大可接入从用户的数量还会随着主用户各参数的变化而变化。仿真结果表明,在主用户数量、主从用户SINR阈值设置相同的情况下,所提功率分配方法与FTPC方法相比复杂度相同,但是本文的分配方法可以比FTPC多接入近一半的从用户数量。

关键词：认知无线电非正交多址功率分配频谱underlay

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：