双模离散傅里叶变换–扩展正交频分复用(discrete fourier transform–spreading-orthogonal frequency division multiplexing-discrete multi,DFT-S-OFDM-DM)系统虽然拥有优秀的峰均功率比(peak to average power ratio,PAPR)、信道...
详细信息
双模离散傅里叶变换–扩展正交频分复用(discrete fourier transform–spreading-orthogonal frequency division multiplexing-discrete multi,DFT-S-OFDM-DM)系统虽然拥有优秀的峰均功率比(peak to average power ratio,PAPR)、信道适应能力以及低复杂度,但此系统在频谱效率(spectral efficiency,SE)表现上并不理想,系统中的离散傅里叶变换(discrete fourier transform,DFT)扩展和双模调制都有一定的改进空间。针对此系统,提出新的多维索引离散傅里叶变换-扩展正交频分复用(discrete fourier transform-spreading-orthogonal frequency division multiplexing-multi dimension index,DFT-S-OFDM-MDI)系统,新系统将DFT扩展改为DFT索引扩展,增加新的子载波索引位,增加双模调制搭配种类,提升双模索引位宽,进而提升系统SE。本文还为新系统配置6种双模星座图,并与预编码增益矩阵搭配,提升系统误码率(bit error ratio,BER)性能。仿真结果表明,系统具有优秀的SE和BER性能,优于多种传统方案。
为了解决红外制导研究中舰船图像样本数量不足的问题,提出一种面向舰船图像的改进的生成对抗网络(generative adversarial network,GAN),能够生成高质量的红外图像。首先转换可见光图像颜色空间以更好地捕捉夜间低亮度下图像的轮廓信息,然后引入残差块生成网络降低低像素的可见光图像对生成的红外图像的影响并加深网络层数以更好地学习深层映射关系,最后引入更平滑的损失函数加快收敛速度,提高生成红外图像目标边缘清晰程度。在制作的无人机拍摄的红外可见光配对的数据集进行测试,改进后的方法平均生成图像峰值信噪比(peak signal to noiseratio,PSNR)提升20.3%,结构相似性度量(structural similarity,SSIM)提升30.4%。结果表明改进的网络可以生成质量更高的红外仿真图像,用于目标检测等任务有更好的效果。
对于场景流估计来说,提取到丰富的全局相关性对于获取精确的特征匹配非常重要。本文提出了一种基于全局相关性的多尺度3D点云场景流估计网络(multi-scale 3D point cloud scene flow based on globalcorrelation,MGCSF),该网络引入了通...
详细信息
对于场景流估计来说,提取到丰富的全局相关性对于获取精确的特征匹配非常重要。本文提出了一种基于全局相关性的多尺度3D点云场景流估计网络(multi-scale 3D point cloud scene flow based on globalcorrelation,MGCSF),该网络引入了通道亲和性注意力(channel affinity attention,CAA)模块和逐点注意力模块(point-wise attention module,PAM),通过融合不同层次点云的特征信息以捕获全局性的运动趋势和变化,在一定程度上减少了点云特征信息丢失,从而可以更好地计算点云场景流。在关键数据集FlyingThings3D和KITTI上的实验性能均取得了一定的提升。与基线相比,在FlyingThings3D数据集上,三维端点误差(3D end-point-error,EPE3D)降低了13%,三维的严格准确率(3D accuracy strict,ACC3DS)提升了11%,三维的宽松准确率(3Daccuracyrelax,ACC3DR)提升了4.7%,三维异常值(3DOutliers,Outliers3D)降低了10.8%;在KITTI数据集上,全部点上的EPE3D(full EPE3D,EPE3Dfull)降低了10.7%,ACC3DS提升了2.1%,ACC3DR提升了1.7%,Outliers3D降低了5.5%。
暂无评论