检索结果-内蒙古大学图书馆

电讯技术 2025年

作者：周尚聪张勇李东芳张钟浩王柳成都信息工程大学通信工程学院电子科技大学通信抗干扰国家重点实验室气象信息与信号处理四川省高校重点实验室

由于无线通信信道的开放性，通信信号在传输过程中容易受到各类自然或人为干扰影响，通信信号和干扰信号交织形成时频重叠信号，在低干信比条件下，传统信号识别方法性能不佳。针对这一问题，提出一种时频重叠信号识别方法(Overlapping ... 详细信息

由于无线通信信道的开放性，通信信号在传输过程中容易受到各类自然或人为干扰影响，通信信号和干扰信号交织形成时频重叠信号，在低干信比条件下，传统信号识别方法性能不佳。针对这一问题，提出一种时频重叠信号识别方法(Overlapping Signals Recognition on ICA and CNN， OSR- IC)，该方法基于独立成分分析(Independent Component Analysis， ICA)算法和通道注意力机制(Channel Attention， CA)的卷积神经网络(Convolutional Neural Network， CNN)。该方法使用ICA算法将时频重叠信号分解为通信信号和干扰信号，通过快速傅里叶变换获得通信信号和干扰信号频谱图，以两类信号频谱图作为CNN网络的输入，引入通道注意力机制获取每个通道的权重进而改进网络特征表达能力，使用改进后的CNN网络对干扰信号进行识别。仿真实验表明，在干噪比为0dB时，所提出的方法对干扰信号的识别率可达94%及以上，相比传统神经网络方法有更优的性能。

关键词：时频重叠干扰信号识别独立成分分析通道注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进双注意力机制的轻量型人体姿态检测算法

引用

成都信息工程大学学报 2025年第2期40卷 157-162页

作者：唐芷宣高瑜翔成都信息工程大学通信工程学院四川成都610225 气象信息与信号处理四川省高校重点实验室四川成都610225

为提高轻量化人体姿态检测算法的准确率,提出一种新的双注意力机制的轻量化高分辨率人体姿态检测网络ES-LHRNet。借鉴HRNet(high-resolution network)的框架,采用稠密连接网络和堆叠的轻量化倒残差结构进行特征提取,并提出一种新的融合... 详细信息

为提高轻量化人体姿态检测算法的准确率,提出一种新的双注意力机制的轻量化高分辨率人体姿态检测网络ES-LHRNet。借鉴HRNet(high-resolution network)的框架,采用稠密连接网络和堆叠的轻量化倒残差结构进行特征提取,并提出一种新的融合通道注意力和空间注意力机制的双注意力机制捕获位置信息和通道信息提升算法准确率。相比于HRNet,ES-LHRNet参数量减少86%,运算复杂度下降73%,并且提出的ESAM使在数据集MS COCO 2017上的检测结果平均精度提升了1.6个百分点。

关键词：人体关键点检测高分辨率网络注意力机制特征复用轻量型网络

来源：评论

学校读者我要写书评

暂无评论

基于轻量化网络和多域损失函数的随机噪声衰减方法

引用

天然气工业 2025年第4期45卷 60-69页

作者：陈伟李安禹李韵竹未晛张庆臣金彦魏龙海非常规油气省部共建协同创新中心·长江大学气象信息与信号处理四川省高校重点实验室·成都信息工程大学数学地质四川省重点实验室·成都理工大学中国石油川庆钻探工程有限公司地质勘探开发研究院北京劳动保障职业学院城市安全学院武汉市工程科学技术研究院新技术研发中心中交第二公路勘察设计研究院有限公司

随机噪声的存在严重影响了地震数据的质量，对地震解释和反演解析带来了严重干扰，特别是在深层油气勘探过程中有效信号相对较弱的情况下问题更为突出。为了提高地震资料信噪比，设计了具有多尺度特征提取能力的轻量化网络架构，采用并... 详细信息

随机噪声的存在严重影响了地震数据的质量，对地震解释和反演解析带来了严重干扰，特别是在深层油气勘探过程中有效信号相对较弱的情况下问题更为突出。为了提高地震资料信噪比，设计了具有多尺度特征提取能力的轻量化网络架构，采用并行多尺度大核空洞卷积模块捕获跨尺度局部特征，结合通道—空间双注意力机制建立全局特征关联，然后构建时频域联合优化目标函数，通过自适应权重系数平衡时域均方误差与频域能量损失，在去除随机噪声的同时减少有效信号损失，最后利用数据分块训练策略，将大规模地震数据分割为可并行处理的训练样本集，提升模型泛化能力，最终形成了一种联合轻量化网络与多域损失函数来去除地震数据中随机噪声的方法。研究结果表明：(1)多域损失函数通过优化时域和频域内的损失值，确保了在抑制噪声的同时最大限度地保护原始信号的完整性和局部细节特征，有效提高了资料的信噪比；(2)与前馈去噪卷积神经网络（DnCNN）相比，提出的方法在参数量（Params）、浮点运算次数（FLOPs）和训练时长方面均有明显改进，将Params减少了约14.29%,FLOPs减少了约15%，并且训练时间缩短了约40.88%；(3)多尺度平行大核卷积通过并行3种尺度的空洞卷积，实现了跨尺度局部特征的协同提取，可以更好的处理复杂地震数据。结论认为，提出的新方法不仅能够有效去除地震数据中的随机噪声，而且通过优化网络结构实现了更低的计算成本和更快的训练速度，对提高地震勘探效果有着重要的实践意义。

关键词：地震资料处理地震数据去噪随机噪声深度学习多尺度轻量化

来源：评论

学校读者我要写书评

暂无评论

基于DnCNN与多尺度特征提取的地震数据去噪方法

引用

西安石油大学学报(自然科学版) 2025年第1期40卷 18-31页

作者：刘威徐振旺未晛江源陈伟长江大学非常规油气省部共建协同创新中心湖北武汉430100 中国石油辽河油田公司石油勘探开发研究院辽宁盘锦124010 北京劳动保障职业学院城市安全学院北京100029 气象信息与信号处理四川省高校重点实验室四川成都610225 数学地质四川省重点实验室四川成都610059

地震数据中混杂的随机噪声严重影响数据的解释和应用,传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提... 详细信息

地震数据中混杂的随机噪声严重影响数据的解释和应用,传统的去噪方法在去除噪音的同时无法避免丢失有效信号,难以满足精准去噪的需求。为此提出了一种基于降噪卷积神经网络(DnCNN)与多尺度特征提取的地震数据去噪方法。在多尺度特征提取模块中加入通道注意力机制、空间注意力机制以及深度可分离卷积,并且借鉴残差网络结构,使得网络不仅可以学习不同尺度的特征,还能够合理分配不同通道和空间的权重,充分利用数据之间的相关性。这种方法不仅显著提升了网络训练的效果,而且在去噪的同时,能够最大程度地保留原始地震数据的有效信号和局部细节。

关键词：地震数据去噪深度学习多尺度特征 DnCNN

来源：评论

学校读者我要写书评

暂无评论

基于GhostNet残差结构的轻量化饮料识别网络

引用

计算机工程 2022年第3期48卷 310-314页

作者：曹远杰高瑜翔成都信息工程大学通信工程学院成都610225 气象信息与信号处理四川省高校重点实验室成都610225

YOLOv4-Tiny目标检测网络算法存在参数多和计算量大等问题,无法部署在资源有限的平台上。提出一种基于GhostNet残差结构的主干轻量级目标检测网络算法YOLO-GhostNet。该算法采用GhostNet结构将普通卷积分成两步,即使用较少的卷积核生成... 详细信息

YOLOv4-Tiny目标检测网络算法存在参数多和计算量大等问题,无法部署在资源有限的平台上。提出一种基于GhostNet残差结构的主干轻量级目标检测网络算法YOLO-GhostNet。该算法采用GhostNet结构将普通卷积分成两步,即使用较少的卷积核生成一部分特征图,对生成的特征图通过简单计算获得另一部分特征图,并将两组特征图进行拼接,以减少计算所需资源与参数量。通过GhostNet构建残差结构的YOLO-GhostNet算法在经过批量归一化层优化后模型尺寸只有2.18 MB,较YOLOv4-Tiny算法模型尺寸减小90%。YOLO-GhostNet算法在GPU加速环境下平均处理图片速度比YOLOv4-Tiny算法提高24%,CPU处理速度比YOLOv4-Tiny加快56%。实验结果表明,该算法在饮料测试集中的平均精确度均值达到79.43%,相比YOLOv4-Tiny算法,其在精度无损失情况下能够大幅降低网络计算量和参数量,同时加快推理速度,更适合部署于资源算力不足的嵌入式设备。

关键词：深度学习卷积神经网络 YOLOv4-Tiny算法残差结构轻量化目标检测

来源：评论

学校读者我要写书评

暂无评论

小波域能量分类约束极化滤波法及应用

引用

石油地球物理勘探 2015年第5期50卷 815-823,801页

作者：程冰洁胡治权徐天吉曹伦成都理工大学"油气藏地质及开发工程"国家重点实验室四川成都610059 成都信息工程学院气象信息与信号处理四川省高校重点实验室四川成都610225 成都理工大学"地球探测与信息技术"教育部重点实验室四川成都610059 中国石化西南油气分公司勘探开发研究院四川成都610041

小波域能量分类约束极化滤波法是一种根据面波强能量、椭圆极化率大的特点,在小波域借助瞬时极化分析手段,对多波地震信号进行面波压制的滤波方法。该方法结合了能量、频率、视速度、极化属性四参数联合压制面波,在最大可能压制面波的同... 详细信息

小波域能量分类约束极化滤波法是一种根据面波强能量、椭圆极化率大的特点,在小波域借助瞬时极化分析手段,对多波地震信号进行面波压制的滤波方法。该方法结合了能量、频率、视速度、极化属性四参数联合压制面波,在最大可能压制面波的同时,保留与面波频带混叠的有效波信号,是低信噪比多分量资料处理中压制面波的有效方法。采用该方法对川西拗陷新场地区的多分量地震资料进行了处理和参数分析,结果表明小波域能量分类约束极化滤波法能有效地对低信噪比多波多分量资料进行面波压制,同时能很好地保留有效信号,并且其处理效果受极化率压制阈值影响较大。

关键词：多分量小波域能量分类约束极化滤波高保真去噪

来源：评论

学校读者我要写书评

暂无评论

基于VTI介质弹性参数的页岩脆性预测方法及其应用

引用

石油与天然气地质 2016年第6期37卷 971-978页

作者：徐天吉程冰洁胡斌江莹莹唐建明中国石化西南油气分公司勘探开发研究院物探三所四川成都610041 中国石化多波地震技术重点实验室四川成都610041 成都理工大学油气藏地质及开发工程国家重点实验室四川成都610059 成都信息工程学院气象信息与信号处理四川省高校重点实验室四川成都610225

大量的科学研究表明,页岩的脆性对油气储层的各向异性、储集能力、渗透性和可改造性等具有重要的影响,因此岩石的脆性预测成为了评价页岩气藏的重要内容。实验测试分析也已经证实,页岩的脆性与岩石中的矿物含量和孔隙结构等影响力学性... 详细信息

大量的科学研究表明,页岩的脆性对油气储层的各向异性、储集能力、渗透性和可改造性等具有重要的影响,因此岩石的脆性预测成为了评价页岩气藏的重要内容。实验测试分析也已经证实,页岩的脆性与岩石中的矿物含量和孔隙结构等影响力学性质的因素密切相关。Rickman等(2008)提出了基于弹性参数的脆性系数计算方法,融合了力学参数杨氏模量和泊松比。然而,目前计算杨氏模量和泊松比的方法均以各向同性介质为前提,受此局限,脆性系数计算公式必然不能精确地描述复杂介质中的脆性特征。为此,引入Thomsen(2013)提出的VTI介质弹性参数计算方法,推导出隐含了各向异性参数ε,γ和δ的脆性系数计算公式,从理论上直接把页岩的脆性和各向异性密切地联系了起来,较好地诠释了现实中脆性页岩存在各向异性的岩石物理特性。将该方法应用于四川盆地西部新场-孝泉地区须家河组五段页岩气的开发实践中,结果表明脆性系数高值异常区储层脆性较强,能有利于在优质储层中识别出"脆性甜点"储层。预测结果与现仅有的两口页岩气专层井吻合良好。

关键词： VTI介质弹性参数脆性裂缝页岩气

来源：评论

学校读者我要写书评

暂无评论

基于特征融合和MACLNN的通信信号自动调制识别

引用

无线电工程 2022年第11期52卷 1970-1976页

作者：吴美霖高瑜翔涂雅培覃镜涛唐芷宣胡斐成都信息工程大学通信工程学院四川成都610225 气象信息与信号处理四川省高校重点实验室四川成都610225

针对模拟、数字调制方式在简单网络下识别率不高的问题,提出了一种基于特征融合、自注意力机制、并联神经网络的调制识别算法——MACLNN。使用8个统计量特征参数组合和IQ数据分别作为卷积神经网络(Convolutional Neural Network,CNN)和... 详细信息

针对模拟、数字调制方式在简单网络下识别率不高的问题,提出了一种基于特征融合、自注意力机制、并联神经网络的调制识别算法——MACLNN。使用8个统计量特征参数组合和IQ数据分别作为卷积神经网络(Convolutional Neural Network,CNN)和卷积长短时神经网络的输入,由自注意力机制重新分配特征的权重,再通过并联层进行特征融合,最终完成11类调制方式的识别。仿真结果表明,在高信噪比下识别准确率可达到94.1%,使用复杂度较低的模型获得了高于同类算法的识别精度。

关键词：调制识别高阶累积量特征融合长短时记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

前馈反馈Smith预估模糊PID组合温度控制算法

引用

中国测试 2020年第11期46卷 132-138,168页

作者：张皓高瑜翔成都信息工程大学通信工程学院四川成都610225 气象信息与信号处理四川省高校重点实验室四川成都610225

针对单纯反馈与传统PID算法的温度控制系统存在调节时间较长、超调量大、参数调整繁琐、干扰影响严重、闭环稳定性差的问题。利用前馈控制原理,将干扰测量出来并通过前馈控制器,调节控制量大小,消除干扰影响。引入Smith预估补偿器,抵消... 详细信息

针对单纯反馈与传统PID算法的温度控制系统存在调节时间较长、超调量大、参数调整繁琐、干扰影响严重、闭环稳定性差的问题。利用前馈控制原理,将干扰测量出来并通过前馈控制器,调节控制量大小,消除干扰影响。引入Smith预估补偿器,抵消特征方程中的滞后项e-τs,保证大滞后系统的闭环稳定性。结合模糊PID算法,实现参数自整定,降低超调量,减少调节时间。使用Matlab中的Simulink工具箱进行仿真验证后结果表明:前馈反馈Smith预估模糊PID组合控制算法不仅消除干扰的影响,还保证大滞后系统的闭环稳定性,使超调量σ降为0,调节时间ts减少518.02 s、上升时间tr减少90.43 s、延迟时间td减少9.6 s,使整个系统的响应速度更快,稳定性更强。

关键词：前馈控制 Smith预估模糊PID

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4-Tiny的FPGA加速方法

引用

无线电工程 2022年第4期52卷 604-611页

作者：曹远杰高瑜翔杜鑫昌涂雅培吴美霖成都信息工程大学通信工程学院四川成都610225 气象信息与信号处理四川省高校重点实验室四川成都610225

针对YOLOv4-Tiny算法复杂度高、计算量和参数量大以及不易在资源较少嵌入式平台部署等问题,提出了一种软硬件联合优化方案。在算法上采用GhostNet残差结构替换原算法残差部分所构建的主干网络,再对网络通道剪枝以对算法进行压缩,改进后... 详细信息

针对YOLOv4-Tiny算法复杂度高、计算量和参数量大以及不易在资源较少嵌入式平台部署等问题,提出了一种软硬件联合优化方案。在算法上采用GhostNet残差结构替换原算法残差部分所构建的主干网络,再对网络通道剪枝以对算法进行压缩,改进后的网络相较于YOLOv4-Tiny压缩了97%。为了提高硬件资源效率,对权值和偏置采用16 bit动态定点数量化;增加总线数据读写突发长度提高带宽;设计高度并行流水化的传统卷积、通道卷积、池化和上采样等算子以提高网络效率。实验表明,改进算法在PYNQ-Z2上获得4.04 GOP/s的性能。相较于YOLOv4-Tiny在ARM Cortex-A9,改进的网络在FPGA上实现35.2倍加速。因此,软硬件结合优化能够更好地加速算法运算。

关键词：深度学习 YOLOv4-Tiny 模型剪枝 FPGA GhostNet 卷积神经网络

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：