检索结果-内蒙古大学图书馆

MA-CDMR: 多域SDWN中一种基于多智能体深度强化学习的智能跨域组播路由方法

计算机学报 2025年

作者：叶苗胡洪文王勇何倩王晓丽文鹏郑基浩桂林电子科技大学认知无线电与信息处理教育部重点实验室桂林电子科技大学计算机与信息安全学院西安电子科技大学计算机科学与技术学院

多域软件定义无线网络(SDWN)中的跨域组播路由问题不仅是NP难组合优化问题，随着网络规模的增加和组播组成员的动态变化，构建高效的跨域组播路由路径还需要及时灵活获取和维护全局网络状态信息并设计出最优跨域组播树问题的求解算法。... 详细信息

多域软件定义无线网络(SDWN)中的跨域组播路由问题不仅是NP难组合优化问题，随着网络规模的增加和组播组成员的动态变化，构建高效的跨域组播路由路径还需要及时灵活获取和维护全局网络状态信息并设计出最优跨域组播树问题的求解算法。针对现有求解方法对网络流量状态感知性能欠缺影响组播业务对QoS方面需求的满足，并且收敛速度慢难于适应网络状态高度动态变化的问题，本文设计和实现了一种基于多智能体深度强化学习的SDWN跨域组播路由方法（MA-CDMR）。首先，设计了组播组管理模块和多控制器之间的通信机制来实现不同域之间网络状态信息的传递和同步，有效管理跨域组播组成员的加入和离开；其次，在通过理论分析和证明最优跨域组播树包括最优的域间组播树和域内组播树两个部分的结论后，本文对每个控制器设计了一个智能体，并设计了这些多智能体之间的协作机制，以保证为跨域组播路由决策提供网络状态信息表示的一致性和有效性；然后，通过设计一种在线与离线相结合的多智能体强化学习训练方式，以减少对实时环境的依赖并加快多智能体收敛速度；最后，通过系列实验及其结果表明所提方法在不同网络链路信息状态下具有达到了很好的网络性能，平均瓶颈带宽相较于现有KMB、SCTF、DRL-M4MR和MADRL-MR方法分别提升了7.09%、46.01%、9.61%和10.11%；平均时延在与MADRL-MR方法表现相近的同时，比KMB、SCTF和DRL-M4MR方法有明显提升，而丢包率和组播树平均长度等也均优于这些现有方法。本文工作源代码已提交至开源平台https://***/GuetYe/MA-CDMR。

关键词：组播树软件定义无线网络跨域组播路由多智能体深度强化学习

来源：评论

学校读者我要写书评

暂无评论

毫米波雷达非视域目标检测

引用

现代雷达 2024年第11期46卷 56-63页

作者：蒋留兵黄乾超车俐桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学广西无线宽带通信与信号处理重点实验室广西桂林541004

基于77 GHz调频连续波雷达,提出了一种在非视域环境下利用电磁波的多径效应从而实现人体目标检测的方法。首先,建立一个多径传播模型,并通过深入分析该模型,提出了一种有效的二维坐标点云生成方法。为了提高波达方向的测量精度,并满足... 详细信息

基于77 GHz调频连续波雷达,提出了一种在非视域环境下利用电磁波的多径效应从而实现人体目标检测的方法。首先,建立一个多径传播模型,并通过深入分析该模型,提出了一种有效的二维坐标点云生成方法。为了提高波达方向的测量精度,并满足实时性要求,提出了一种基于最小方差无畸变的改进方法来估计目标的波达方向,这一方法通过迭代求逆运算,显著地降低了运算复杂度。然后,针对多余的静止杂波,引入了主成分分析的杂波抑制手段,通过对回波数据的主成分分析,滤除了第一个主成分并重构数据,以达到杂波抑制的效果。最后,实验结果表明,所提方法可以准确地检测雷达视线外的目标。这一研究为未来的雷达技术应用提供了新的思路和技术支持,特别是在安全监控和自动驾驶等领域。

关键词：毫米波雷达非视域主成分分析目标检测多径利用

来源：评论

学校读者我要写书评

暂无评论

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

引用

计算机应用研究 2024年第4期41卷 1258-1263页

作者：车俐吕连辉蒋留兵桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学广西无线宽带通信与信号处理重点实验室广西桂林541004

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫... 详细信息

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。

关键词：自动驾驶目标检测毫米波雷达交叉注意力融合

来源：评论

学校读者我要写书评

暂无评论

基于逆Radon变换的圆迹SAR三维成像算法

引用

火力与指挥控制 2024年第9期49卷 18-24页

作者：车俐欧阳龙华蒋留兵桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学广西无线宽带通信与信号处理重点实验室广西桂林541004

随着合成孔径雷达(synthetic aperture radar,SAR)的应用需求不断提高,出现了圆迹SAR的成像模式,解决传统直线轨迹SAR只能获取二维斜距图像的问题,在地形测绘、建筑物提取、灾害评估等领域具有较高应用潜力。现有的圆迹SAR三维成像算法... 详细信息

随着合成孔径雷达(synthetic aperture radar,SAR)的应用需求不断提高,出现了圆迹SAR的成像模式,解决传统直线轨迹SAR只能获取二维斜距图像的问题,在地形测绘、建筑物提取、灾害评估等领域具有较高应用潜力。现有的圆迹SAR三维成像算法还存在计算量大、实现复杂等问题,通过对圆迹SAR模型的斜距几何分析,结合回波信号模型设计波数域补偿函数,将距离压缩曲线矫正为基线为零的正弦曲线;结合逆Radon变换,实现对目标的正弦曲线的二维聚焦;通过逐高度平面二维成像结果的堆叠,实现目标的三维成像。通过仿真分析了所提算法的成像质量,验证了所提算法三维成像的有效性。

关键词：圆迹SAR 逆Radon变换三维成像算法

来源：评论

学校读者我要写书评

暂无评论

一种新的半监督归纳迁移学习框架:Co-Transfer

引用

计算机研究与发展 2023年第7期60卷 1603-1614页

作者：文益民员喆余航桂林电子科技大学计算机与信息安全学院广西桂林541004 广西图像图形与智能处理重点实验室(桂林电子科技大学) 广西桂林541004 上海大学计算机工程与科学学院上海200444

在许多实际的数据挖掘应用场景,如网络入侵检测、Twitter垃圾邮件检测、计算机辅助诊断等中,与目标域分布不同但相关的源域普遍存在.一般情况下,在源域和目标域中都有大量未标记样本,对其中的每个样本都进行标记是件困难的、昂贵的、耗... 详细信息

在许多实际的数据挖掘应用场景,如网络入侵检测、Twitter垃圾邮件检测、计算机辅助诊断等中,与目标域分布不同但相关的源域普遍存在.一般情况下,在源域和目标域中都有大量未标记样本,对其中的每个样本都进行标记是件困难的、昂贵的、耗时的事,有时也没必要.因此,充分挖掘源域和目标域中标记和未标记样本来解决目标域中的分类任务非常重要且有意义.结合归纳迁移学习和半监督学习,提出一种名为Co-Transfer的半监督归纳迁移学习框架.Co-Transfer首先生成3个TrAdaBoost分类器用于实现从原始源域到原始目标域的迁移学习,同时生成另外3个TrAdaBoost分类器用于实现从原始目标域到原始源域的迁移学习.这2组分类器都使用从原始源域和原始目标域的原有标记样本的有放回抽样来训练.在Co-Transfer的每一轮迭代中,每组TrAdaBoost分类器使用新的训练集更新,其中一部分训练样本是原有的标记样本,一部分是由本组TrAdaBoost分类器标记的样本,还有一部分则由另一组TrAdaBoost分类器标记.迭代终止后,把从原始源域到原始目标域的3个TrAdaBoost分类器的集成作为原始目标域分类器.在UCI数据集和文本分类数据集上的实验结果表明,Co-Transfer可以有效地学习源域和目标域的标记和未标记样本从而提升泛化性能.

关键词：半监督学习迁移学习多任务学习双向迁移集成学习

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的无人机可信地理位置路由协议

引用

电子与信息学报 2022年第12期44卷 4211-4217页

作者：张雅楠仇洪冰桂林电子科技大学信息与通信学院桂林541004 广西无线宽带通信与信号处理重点实验室桂林541004

针对无人机(UAV)通信过程中存在的高移动性和节点异常问题,该文提出一种基于深度强化学习的无人机可信地理位置路由协议(DTGR)。引入可信第三方提供节点的信任度,使用理论与真实的时延偏差和丢包率作为信任度的评估因子,将路由选择建模... 详细信息

针对无人机(UAV)通信过程中存在的高移动性和节点异常问题,该文提出一种基于深度强化学习的无人机可信地理位置路由协议(DTGR)。引入可信第三方提供节点的信任度,使用理论与真实的时延偏差和丢包率作为信任度的评估因子,将路由选择建模为马尔可夫决策过程(MDP),基于节点信任度、地理位置和邻居拓扑信息构建状态空间,然后通过深度Q网络(DQN)输出路由决策。在奖励函数中结合信任度调整动作的价值,引导节点选择最优下一跳。仿真结果表明,在包含异常节点的无人机自组网(UANET)中,DTGR与现有方案相比具有更低的平均端到端时延和更高的包递交率。当异常节点数量或者比例变化时,DTGR能感知环境并高效智能地完成路由决策,保障网络性能。

关键词：无人机路由协议信任度马尔可夫决策过程深度强化学习

来源：评论

学校读者我要写书评

暂无评论

一种毫米波雷达快速高分辨三维点云成像方法

引用

仪器仪表学报 2022年第12期43卷 158-167页

作者：晋良念朱皓王燃桂林电子科技大学信息与通信学院桂林541004 广西无线宽带通信与信号处理重点实验室桂林541004

针对现有毫米波雷达三维点云成像方法难以兼顾高分辨性能和运算速度的问题,提出一种结合自适应网格进化和稀疏渐近最小方差(SAMV)的快速高分辨三维点云成像方法。该方法首先在快速傅里叶变换(FFT)获得距离像的基础上利用恒虚警率(CFAR)... 详细信息

针对现有毫米波雷达三维点云成像方法难以兼顾高分辨性能和运算速度的问题,提出一种结合自适应网格进化和稀疏渐近最小方差(SAMV)的快速高分辨三维点云成像方法。该方法首先在快速傅里叶变换(FFT)获得距离像的基础上利用恒虚警率(CFAR)检测目标的距离单元,以此估计目标的距离,然后对有目标的各距离单元使用“划分粗网格-功率谱估计-检测-网格细化”的自适应网格进化方法,得到感兴趣的方位-俯仰角细化网格,对这些细化网格估计功率谱后再次进行检测以快速得到目标的三维点云像。上述过程中,网格分裂前后的功率谱估计均使用2D SAMV方法,以提高点云像中的角度信息的精确度、分辨率。实验结果表明,该方法在保持4°的角度分辨率的同时,将生成三维点云的速度提升至2D SAMV方法的10倍左右。

关键词：毫米波雷达三维点云自适网格进化渐近最小方差方法

来源：评论

学校读者我要写书评

暂无评论

一种用户聚集场景下的层级计算卸载策略

引用

计算机应用与软件 2024年第8期41卷 108-115,148页

作者：陶聪张红梅张向利钟楠桂林电子科技大学认知无线电与信息处理教育部重点实验室广西桂林541004

现有的边缘计算研究集中于无线资源分配和计算资源分配,而对用户聚集场景下的边缘协同问题研究较少。针对此问题提出一种用户聚集场景下的层级计算卸载策略。该策略采用FSA-MCS解决多重基站信号覆盖下的用户终端卸载节点选择问题;设计... 详细信息

现有的边缘计算研究集中于无线资源分配和计算资源分配,而对用户聚集场景下的边缘协同问题研究较少。针对此问题提出一种用户聚集场景下的层级计算卸载策略。该策略采用FSA-MCS解决多重基站信号覆盖下的用户终端卸载节点选择问题;设计一种层级结构的启发式区域计算卸载算法,能够有效提高用户聚集场景下限定时间内完成的任务数量,并减少了用户卸载总时延。实验结果表明,与其他卸载方法相比,该策略的用户任务在限定时间内成功计算完成率最高提高32.7百分点,卸载总时延最高减少43.3%。

关键词：边缘计算计算卸载资源分配协同计算层级调度

来源：评论

学校读者我要写书评

暂无评论

一种增强自适应性和可解释性的元学习框架

引用

南京信息工程大学学报 2024年

作者：徐艳琳王茂发文益民颜丙辰杨凤山郭文恒蒋俊桂林电子科技大学广西可信软件重点实验室桂林电子科技大学广西图像图形与智能处理重点实验室防灾科技学院信息工程学院

在少样本学习场景中，模型无关的元学习（Model-Agnostic Meta-Learning，MAML）以其独立于特定基模型的灵活性和适用性而闻名。然而，MAML及其变体缺少对任务特定的特征（如特征通道）进行适应性调整，它们依赖全局初始参数，固定内环... 详细信息

在少样本学习场景中，模型无关的元学习（Model-Agnostic Meta-Learning，MAML）以其独立于特定基模型的灵活性和适用性而闻名。然而，MAML及其变体缺少对任务特定的特征（如特征通道）进行适应性调整，它们依赖全局初始参数，固定内环步数，训练过程缺乏可解释性。本文提出一种使用逻辑回归和通道注意力的快速可解释且自适应的方法（Meta-Learning with Logistic Regression and Channel Attention， ML-LRCA），目标是通过适应性调整任务特定的通道权重和利用逻辑回归快速适应任务自适应损失函数来增强框架的自适应性和可解释性。在多个开源数据集上的实验结果表明，ML-LRCA方有助于提升在少样本分类、少样本回归以及跨域学习等场景的性能。

关键词：元学习逻辑回归通道注意力可解释性自适应性

来源：评论

学校读者我要写书评

暂无评论

双U型门控网络融合非局部先验的图像压缩感知重建方法

引用

计算机应用研究 2024年第11期41卷 3509-3514页

作者：林乐平胡尚鋆欧阳宁桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室广西桂林541004 桂林电子科技大学信息与通信学院广西桂林541004

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改... 详细信息

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改进,提升了U型结构网络在压缩感知任务中的学习能力。在测量值的利用上,结合交叉注意力机制,提出了一种测量值非局部融合模块(measurements non-local fusion, MNLF),用于将测量值中的非局部信息融合到深层网络中,指导网络进行重建,提升模型性能。此外,在基本模块的设计上,提出了窗口门控网络模块(window gated network, WGN),增强了网络的细节处理能力。实验结果表明,与已有的压缩感知重建方法相比,DUGN在Set11数据集上有着更高的PSNR和SSIM,且在图像重建的真实性上有着更好的表现。

关键词：图像压缩感知重建非局部先验 U型网络门控网络

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：