检索结果-内蒙古大学图书馆

应用声学 2024年第2期43卷 367-377页

作者：王玫刘小娟宋浠瑜李江和仇洪冰桂林理工大学信息科学与工程学院桂林541006 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桂林541004

针对混响环境中,多径效应、散射、衍射等原因导致声源定位失败或分辨能力不足的现象,提出一种基于主导声源检测MUSIC群时延的邻近多声源定位方法。该方法采用球形传声器阵列,相比平面阵列可以捕获3D声场信息,利用球谐域下信号的频率分... 详细信息

针对混响环境中,多径效应、散射、衍射等原因导致声源定位失败或分辨能力不足的现象,提出一种基于主导声源检测MUSIC群时延的邻近多声源定位方法。该方法采用球形传声器阵列,相比平面阵列可以捕获3D声场信息,利用球谐域下信号的频率分量与角度分量解耦的优势,从而可直接利用频率平滑技术处理宽带语声信号而不需要构造聚焦矩阵,并在球谐域下通过设置阈值对一组时频段进行主导声源检测,从而选择出包含直达声的一组时频块来构造MUSIC群时延空间谱。上述举措在提升波达方向估计在高混响环境下定位鲁棒性的同时,也提高了多个邻近声源的分辨能力。仿真实验结果表明,所提出的主导声源检测MUSIC群时延算法,在高混响和低信噪比条件下,仍具有更好的定位精度与更优的邻近多声源分辨效果。

关键词：球面谐波域模式强度群时延谱主导声源检测频率平滑

来源：评论

学校读者我要写书评

暂无评论

基于分类特征约束变分伪样本生成器的类增量学习

引用

控制与决策 2021年第10期36卷 2475-2482页

作者：莫建文陈瑶嘉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

针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,... 详细信息

针对神经网络模型进行类增量训练时产生的灾难性遗忘问题,提出一种基于分类特征约束变分伪样本生成器的类增量学习方法.首先,通过构造伪样本生成器记忆旧类样本来训练新的分类器及新的伪样本生成器.伪样本生成器以变分自编码器为基础,用分类特征进行约束,使生成的样本更好地保留旧类在分类器上的性能.然后,用旧分类器的输出作为伪样本的精馏标签,进一步保留从旧类获得的知识.最后,为了平衡旧类样本的生成数量,采用基于分类器分数的伪样本选择,在保持每个旧类伪样本数量平衡的前提下选择一些更具代表性的旧类伪样本.在MNIST、FASHION、E-MNIST和SVHN数据集上的实验结果表明,所提出的方法能有效减少灾难性遗忘的影响,提高图像的分类精度.

关键词：类增量学习灾难性遗忘分类特征约束变分自编码器精馏标签伪样本选择

来源：评论

学校读者我要写书评

暂无评论

毫米波宽带高增益介质超透镜天线设计

引用

电讯技术 2022年第4期62卷 533-539页

作者：彭麟赵智华廖欣郑天成姜兴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

基于相位补偿原理设计了一款全介质超透镜,同时使用喇叭天线作为馈源对透镜进行馈电。通过改变介质单元的高度和介质孔的深度实现了足够的相位补偿范围。该透镜共有506个单元,口径尺寸为44.6 mm×46.6 mm,该传输阵天线的焦径比为1... 详细信息

基于相位补偿原理设计了一款全介质超透镜,同时使用喇叭天线作为馈源对透镜进行馈电。通过改变介质单元的高度和介质孔的深度实现了足够的相位补偿范围。该透镜共有506个单元,口径尺寸为44.6 mm×46.6 mm,该传输阵天线的焦径比为1。天线使用全介质结构,因此使用3D打印技术加工该全介质透镜,可以降低加工成本。仿真与实测结果显示,在82 GHz该介质超透镜天线增益达到29.7 dBi,口径效率为52.55%,1 dB增益带宽为20.5%(73.2~90 GHz)。

关键词：高增益天线全介质超透镜天线毫米波宽带 3D打印

来源：评论

学校读者我要写书评

暂无评论

基于轻量级卷积门控循环神经网络的语声增强方法

引用

应用声学 2023年第3期42卷 652-658页

作者：王玫李江和宋浠瑜刘小娟桂林理工大学信息科学与工程学院桂林541004 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桂林541004

针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时... 详细信息

针对在基于深度学习语声增强方法中因采用因果式的网络输入导致语声增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络的语声增强方法。门控循环神经网络能够建模语声信号的时间相关性,但是其全连接结构忽略了语声信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,该文采用卷积核替代门控循环神经网络中的全连接结构,在对语声信号时间相关性建模的同时保留了语声信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,该文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语声增强性能。实验结果表明,该文所提出的网络结构在增强后的语声感知质量、语声短时客观可懂度、分段信噪比等指标上均优于传统的网络结构。

关键词：卷积门控循环神经网络固定时延因果式语声增强语声质量语声可懂度

来源：评论

学校读者我要写书评

暂无评论

一种非线性变换的自适应透射率去雾算法

引用

西安电子科技大学学报 2022年第1期49卷 208-215页

作者：孙景荣谢林昌杜梦欣罗丽燕西安电子科技大学空间科学与技术学院陕西西安710071 桂林电子科技大学信息与通信学院广西壮族自治区桂林541004 认知无线电与信息处理省部共建教育部重点实验室广西壮族自治区桂林541004

人工智能的飞速发展使得图像处理技术广泛应用于新一代智能交通系统中。但由于现有图像去雾算法在应用于智能交通中会存在透射率估计不足的现象,导致所复原图像在景深突变区域存在色偏、晕影、对比度低等问题,严重影响了户外采集系统的... 详细信息

人工智能的飞速发展使得图像处理技术广泛应用于新一代智能交通系统中。但由于现有图像去雾算法在应用于智能交通中会存在透射率估计不足的现象,导致所复原图像在景深突变区域存在色偏、晕影、对比度低等问题,严重影响了户外采集系统的性能。因此,提出一种非线性变换的自适应透射率去雾算法。通过对数映射并结合自适应参数将暗通道中处于高灰度区域的强度值进行尺度压缩,获得原始无雾图像的暗通道,进而估计出初始透射率;根据像素亮度与饱和度的差值并引入调整因子,对天空区域透射率进行补偿,结合引导滤波,对补偿透射率进行平滑处理,获取自适应优化透射率,再由大气散射模型得到去雾后的图像。仿真结果表明,该算法对天空以及景深突变区域去雾效果清晰自然,纹理细节丰富,无明显伪影及色彩偏移,明亮适中;在平均梯度、信噪比、结构相似性、信息熵等参数方面都优于其他线性变换算法,各指标平均提高约6.4%,可有效地改善去雾图像在景深突变区域所存在的光晕以及失真现象。

关键词：图像处理图像去雾衰减先验对数变换

来源：评论

学校读者我要写书评

暂无评论

融合空间位置与结构信息的压缩感知图像重建方法

引用

计算机应用 2022年第3期42卷 930-937页

作者：林乐平周宏敏欧阳宁认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学) 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

针对低采样率下分块压缩感知重建图像视觉效果不佳的问题,提出一种融合空间位置与结构信息的压缩感知图像重建方法(SLSI)。首先,对观测值进行线性映射得到图像块的初步估计值;然后,基于块分组重建支路和全图重建支路对图像的空间位置信... 详细信息

针对低采样率下分块压缩感知重建图像视觉效果不佳的问题,提出一种融合空间位置与结构信息的压缩感知图像重建方法(SLSI)。首先,对观测值进行线性映射得到图像块的初步估计值;然后,基于块分组重建支路和全图重建支路对图像的空间位置信息和结构信息进行提取、增强和融合;最后,通过加权策略融合双支路的输出得到最终重建全图。在块分组重建支路中,根据图像块的数据特点分配重建资源。在全图重建支路中,主要通过双边滤波和结构特征交互模块对相邻图像块像素进行信息交互。实验结果表明,与基于非迭代重建网络(ReconNet)、基于非局部约束的多尺度重建网络(NL-MRN)等压缩感知重建方法相比,由于结合了像素间强自相关性这种图像先验,在采样率为0.05的情况下,所提方法在压缩感知领域常用的测试图像数据上的峰值信噪比(PSNR)和结构相似度(SSIM)分别平均提升了2.6175 dB和0.1053,重建图像的视觉效果较好。

关键词：卷积神经网络压缩感知图像重建特征融合图像先验

来源：评论

学校读者我要写书评

暂无评论

基于多特征SSA-ELM的调制识别

引用

电讯技术 2022年第8期62卷 1044-1050页

作者：肖潇谢跃雷桂林电子科技大学信息与通信学院广西桂林541004 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

针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法。该方法... 详细信息

针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法。该方法基于四阶和六阶累积量构造两个特征参数,引入分数阶小波变换,利用分数域小波系数构造特征值,组成三维特征向量后输入SSA-ELM网络进行分类。仿真及USRP(Universal Software Radio Peripheral)采集数据验证结果表明,所提特征参数具有较好鲁棒性,且SSA算法优化后的ELM网络分类性能得到明显提高,在SNR等于6 dB时两种方法识别率均达到90%,且最高识别率达到94%。

关键词：通信信号调制识别分数阶小波变换麻雀搜索算法极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于D2D的C-V2V车载协作通信资源分配算法

引用

电子科技大学学报 2021年第5期50卷 689-696页

作者：肖海林左清念朱丹周梦桂林电子科技大学认知无线电与信号处理教育部重点实验室广西桂林541004 湖北大学计算机与信息工程学院武汉430062

针对基于设备到设备(device-to-device,D2D)的蜂窝网络下车载无线通信技术(cellular-vehicle to everything,C-V2X)中复用蜂窝用户资源带来的能效问题,提出了一种能效优化算法。通过新的功率控制方法最大化车载用户(vehicle user,V-UE)... 详细信息

针对基于设备到设备(device-to-device,D2D)的蜂窝网络下车载无线通信技术(cellular-vehicle to everything,C-V2X)中复用蜂窝用户资源带来的能效问题,提出了一种能效优化算法。通过新的功率控制方法最大化车载用户(vehicle user,V-UE)总能效,并利用能量收集技术提高V-UE能效。该算法采用拉格朗日乘数法减少约束条件数目,利用改进的Dinkelbach方法将原问题转换为等效减式优化问题,并求出V-UE功率控制范围。数值仿真结果表明,该算法能够在V-UE用户之间的不同距离内获得最优能效。

关键词：车载无线通信技术设备到设备能效优化功率控制

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的宽带高增益全介质透镜天线优化设计

引用

电波科学学报 2022年第5期37卷 817-823页

作者：张中南喻伟晟吴晓华彭麟四川九洲空管科技有限责任公司绵阳621000 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桂林541004

提出一种基于多目标遗传算法的透镜天线优化方法,将透镜天线的增益和1-dB增益带宽作为优化目标,通过算法改变透镜的拓扑结构来实现优化.设计了一款宽带、高增益的全介质透镜天线,并利用3D打印技术对透镜进行加工,降低了加工成本.实测结... 详细信息

提出一种基于多目标遗传算法的透镜天线优化方法,将透镜天线的增益和1-dB增益带宽作为优化目标,通过算法改变透镜的拓扑结构来实现优化.设计了一款宽带、高增益的全介质透镜天线,并利用3D打印技术对透镜进行加工,降低了加工成本.实测结果表明在6~18 GHz内馈源天线的增益提高了6.4~10 dB,在18GHz该透镜天线增益达到了23.8 dBi,最大口径效率为51.9%,1-dB增益带宽为40%.验证了该设计方法的有效性,同时也为透镜天线的优化设计提供了一种快捷、便利的方法.

关键词：遗传算法宽带高增益全介质透镜天线

来源：评论

学校读者我要写书评

暂无评论

基于权值筛选策略的增量学习方法

引用

计算机工程与设计 2022年第8期43卷 2221-2227页

作者：莫建文朱彦桥欧阳宁林乐平桂林电子科技大学信息与通信学院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

为提高现有增量学习模型在容量固定环境下学习的持久性,提出一种基于权值选择策略的增量学习方法。根据贝叶斯神经网络携带的不确定性动态地调整权值的学习率,以此优化一个能同时记忆新旧知识的模型;为使模型的学习与记忆更有弹性,在此... 详细信息

为提高现有增量学习模型在容量固定环境下学习的持久性,提出一种基于权值选择策略的增量学习方法。根据贝叶斯神经网络携带的不确定性动态地调整权值的学习率,以此优化一个能同时记忆新旧知识的模型;为使模型的学习与记忆更有弹性,在此基础上提出一种权值选择策略,该策略可以令模型主动选择性地释放部分网络资源,在不严重损害旧任务性能的前提下促进后续任务的学习。实验结果表明,在模型容量固定的环境下,权值选择策略的引入可以更有效地发掘模型的持续学习能力。

关键词：灾难性遗忘贝叶斯增量学习不确定性学习率权值选择策略

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：