检索结果-内蒙古大学图书馆

北京理工大学学报 2022年第1期42卷 89-96页

作者：张天骐孟莹王晓烨陈显露重庆邮电大学通信与信息工程学院信号与信息处理重庆市重点实验室重庆400065

针对冷启动时二进制偏移载波(binary offset carrier,BOC)调制信号首次定位时间较长的问题,本文提出了一种基于复合伪码的多卫星信号联合捕获算法,可以实现对多颗卫星信号的同时捕获.该方法将不同卫星信号所对应的伪码相加生成复合伪码... 详细信息

针对冷启动时二进制偏移载波(binary offset carrier,BOC)调制信号首次定位时间较长的问题,本文提出了一种基于复合伪码的多卫星信号联合捕获算法,可以实现对多颗卫星信号的同时捕获.该方法将不同卫星信号所对应的伪码相加生成复合伪码,将接收信号与复合伪码进行圆周相关运算获得最大相关值,将最大相关值通过Teager-Kaiser处理来降低噪声的影响.该方法具有降低捕获时间的同时减小计算量的优点,且通过仿真结果可知,在同虚警的情况下,该算法所应用的TK算法提高了检测概率,最高比直接相关法的检测概率提高了约5 dB.

关键词：复合伪码圆周相关 Teager-Kaiser算子双二进制偏移载波

来源：评论

学校读者我要写书评

暂无评论

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

引用

声学学报 2022年第3期47卷 394-404页

作者：柏浩钧张天骐刘鉴兴叶绍鹏重庆邮电大学通信与信息工程学院信号与信息处理重庆市重点实验室重庆400065

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化... 详细信息

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。

关键词：深度神经网络归一化互相关系数幅度谱语音增强区分性联合优化可懂度掩蔽

来源：评论

学校读者我要写书评

暂无评论

多用户分段移位差分混沌键控通信方案

引用

电子与信息学报 2017年第5期39卷 1219-1225页

作者：张刚孟维张天骐重庆邮电大学信号与信息处理重庆市重点实验室

为了满足现代通信的需求,多用户接入技术是近年来混沌通信的一个重要发展趋势。为了进一步改善现有多用户混沌通信方案的误码性能,该文提出一种多用户分段移位差分混沌键控(Multi User Segment Shift Differential Chaos Shift Keying,M... 详细信息

为了满足现代通信的需求,多用户接入技术是近年来混沌通信的一个重要发展趋势。为了进一步改善现有多用户混沌通信方案的误码性能,该文提出一种多用户分段移位差分混沌键控(Multi User Segment Shift Differential Chaos Shift Keying,MU-SSDCSK)通信方案。该方案根据传输的用户数,将MU-SSDCSK中的参考信号等分成m个信号段,再将这m个信号段进行移位,并配以不同的Walsh码,形成相互正交的信息携带信号。文中推导了该系统在加性高斯白噪声信道中的理论误码率公式并进行了仿真。仿真结果表明,该文提出的MU-SSDCSK方案能有效改善系统误码性能,在混沌通信领域具有一定的应用前景。

关键词：多用户 Walsh码分段移位传输速率比特误码率

来源：评论

学校读者我要写书评

暂无评论

基于张量分解的卷积盲源分离方法

引用

通信学报 2021年第8期42卷 52-60页

作者：马宝泽张天骐安泽亮邓盼重庆邮电大学通信与信息工程学院信号与信息处理重庆市重点实验室重庆400065

基于张量分解框架提出了一种卷积盲源分离方法,同时解决了混合滤波器矩阵估计和频点排序的问题。首先,根据观测信号的估计自相关矩阵构造出所有频点处的张量模型;然后,利用张量分解技术计算出每个频点上对应的因子矩阵作为该频点的估计... 详细信息

基于张量分解框架提出了一种卷积盲源分离方法,同时解决了混合滤波器矩阵估计和频点排序的问题。首先,根据观测信号的估计自相关矩阵构造出所有频点处的张量模型;然后,利用张量分解技术计算出每个频点上对应的因子矩阵作为该频点的估计混合滤波器矩阵;最后,采用以功率比作为测度的全局优化排序策略消除了全频段的排序模糊性。实验表明,所提方法在不同仿真条件下处理卷积混合的实测语音时表现出了比现有算法更优异的分离性能。

关键词：卷积盲源分离张量分解自相关矩阵排序模糊

来源：评论

学校读者我要写书评

暂无评论

空间光波前畸变校正中的元启发式SPGD算法

引用

红外与激光工程 2022年第7期51卷 424-434页

作者：赵辉吕典楷安静邝凯达余孟洁张天骐重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

为了改善传统随机并行梯度下降(Stochastic Parallel Gradient Descent,SPGD)算法收敛速度慢且容易陷入局部极值的问题,提出了一种元启发式随机并行梯度下降(Meta-Heuristic SPGD,MHSPGD)算法。该算法将SPGD算法和元启发式算法的开发与... 详细信息

为了改善传统随机并行梯度下降(Stochastic Parallel Gradient Descent,SPGD)算法收敛速度慢且容易陷入局部极值的问题,提出了一种元启发式随机并行梯度下降(Meta-Heuristic SPGD,MHSPGD)算法。该算法将SPGD算法和元启发式算法的开发与探索两步结合,首先利用SPGD算法的梯度下降搜索得到局部最优解,然后进行邻域搜索得到局部最优区域以外的可能最优解,通过所有解性能指标的比较来确定新的迭代起点。随着搜索范围的自适应扩展,该算法能够避免陷入局部极值并趋向收敛于全局最优。同时,为了避免重复搜索,建立了记忆表来记录迭代过程中产生的次最优解。搭建了无波前探测器自适应光学系统模型,运用所提算法对不同湍流强度下的波前畸变进行了仿真校正,并针对不同Zernike阶数的像差进行了仿真实验。在三种湍流强度下,MHSPGD算法所能达到的斯特列尔比(Strehl Ratio,SR)分别为0.7621、0.6554、0.3749,相比于SPGD算法分别提升了0.1%、2%和18.6%。此外,当畸变中含有较多高阶成分时,文中所提优化算法相比传统的SPGD算法,SR收敛到0.6所需的迭代次数减少了约47%,且SR收敛极限值也提升了约9.4%。结果表明:与三种主流优化算法相比,MHSPGD在保持较快收敛速度的同时,能够在各种湍流强度下达到更高的收敛极限,有效地解决了算法的局部收敛问题。

关键词：自适应光学波前畸变校正随机并行梯度下降算法元启发式算法

来源：评论

学校读者我要写书评

暂无评论

采用元学习的多场景教室学生姿态检测方法

引用

西安电子科技大学学报 2021年第5期48卷 58-67页

作者：钱志华高陈强叶盛重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对不同教学场景图像的数据分布差异较大造成的跨域偏移问题,提出了一种采用元学习的多场景学生姿态检测方法。该方法设计了姿态检测元模型和一种参数可学习的域适应优化器。通过离线学习和在线学习相结合的方式,实现特定教学场景姿态... 详细信息

针对不同教学场景图像的数据分布差异较大造成的跨域偏移问题,提出了一种采用元学习的多场景学生姿态检测方法。该方法设计了姿态检测元模型和一种参数可学习的域适应优化器。通过离线学习和在线学习相结合的方式,实现特定教学场景姿态检测模型的快速域适应。离线学习阶段,该方法通过双层训练模拟姿态检测模型在各类教学场景上域适应的过程,对姿态检测元模型以及域适应优化器参数进行训练;在线学习阶段,只需特定教学场景下少量有标签的样本数据,元模型就能在域适应优化器的引导下快速适应该场景的数据分布。另外,在离线学习阶段,还提出了一种能使双层训练更加稳定的外部优化器。实验结果表明,该方法在多场景姿态检测数据集上的综合检测精度要优于目前主流的目标检测模型,对有标签图像较少的新场景也有较好的域适应效果。

关键词：姿态检测域适应小样本学习元模型域适应优化器

来源：评论

学校读者我要写书评

暂无评论

空间光波前畸变校正中SPGD方法的自适应优化

引用

红外与激光工程 2022年第8期51卷 399-406页

作者：赵辉邝凯达吕典楷余孟洁安静张天骐重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

为了提高传统随机并行梯度下降(Stochastic Parallel Gradient Descent,SPGD)算法校正波前畸变的性能,提出了一种基于AdaBelief优化器的新型SPGD优化算法。该算法将深度学习中AdaBelief优化器的一阶动量和二阶动量集成到SPGD算法中以提... 详细信息

为了提高传统随机并行梯度下降(Stochastic Parallel Gradient Descent,SPGD)算法校正波前畸变的性能,提出了一种基于AdaBelief优化器的新型SPGD优化算法。该算法将深度学习中AdaBelief优化器的一阶动量和二阶动量集成到SPGD算法中以提高算法的收敛速度,并使得算法能够自适应地调整增益系数。此外,对实际增益系数进行自适应动态裁剪以避免因实际增益系数出现极端值而造成的震荡。仿真结果表明:在37单元变形镜(Deformable Mirror,DM)下,新型SPGD优化算法能够对不同湍流强度下的波前畸变实现有效校正,不同波前畸变经过校正后的斯特列尔比(Strehl ratio,SR)分别提升至0.83、0.47和0.31。此外,该算法在不同湍流强度下的SR仅仅需要149、229和230次迭代达到阈值,与传统SPGD算法及其他优化算法相比有更快的收敛速度,且在稳定性和参数调节方面也具有一定的优越性。

关键词：自适应光学大气湍流波前畸变随机并行梯度下降算法

来源：评论

学校读者我要写书评

暂无评论

基于语义信息引导的图像协调化

引用

电子学报 2023年第7期51卷 1826-1834页

作者：杨紫媛李鹏程刘芳岑高陈强重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

图像协调化在图像处理中占据着一个重要的地位,它旨在调整前景外观(如光照、颜色、纹理等)使其与背景在视觉上保持一致.然而,现有的基于深度学习方法通常将图像整体背景的特征分布作为线索来调整前景,没有注重语义信息对前景调整的关键... 详细信息

图像协调化在图像处理中占据着一个重要的地位,它旨在调整前景外观(如光照、颜色、纹理等)使其与背景在视觉上保持一致.然而,现有的基于深度学习方法通常将图像整体背景的特征分布作为线索来调整前景,没有注重语义信息对前景调整的关键作用,导致前景的局部区域与背景在视觉上出现差异.为此,本文基于多分辨率选择融合模块(Multi-Resolution Selective Fusion Module,MRSFM)和轻量级的卷积块注意力模块(Convolutional Block Attention Module,CBAM),设计了一个基于双注意力机制的多分辨率选择融合模块(Multi-Resolution Selective Fusion module based on Dual Attention Mechanism,MRSF-DAM),使得最后输出的特征图具有丰富的语义信息,从而引导网络更好地理解图像前景与它周围场景之间的相关性,使网络更加充分地从背景中获取协调前景所需的各种信息,最终缩小图像前景区域和背景区域在视觉上的外观差异.此外,本文设计了一个新的网络架构来选择融合浅层和深层的特征信息,通过对解码器前6层网络层与MRSF-DAM的输出特征图进行多尺度融合和增强,将产生的增强特征图送入解码器的最后层,能够缓解由跳跃连接引入的与前景内容的特征不相关的问题,且减少了由于解码器经过多次下采样带来的空间特征信息损失,进一步提高生成协调图像的真实性.在广泛使用的iHarmony4基准数据集上进行了大量的实验验证了本文方法的有效性.相比于目前最新的方法 SCS-Co(Self-Consistent Style Contrastive learning for image harmonization),本文方法在整个数据集的均方误差(Mean Squared Error,MSE)、前景均方误差(foreground Mean Squared Error,fMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)上分别提升了4.28,61.97和1 dB.

关键词：图像协调化图像处理语义信息局部背景信息多分辨率选择融合空间特征信息

来源：评论

学校读者我要写书评

暂无评论

Levy噪声下新型势函数的随机共振特性分析及轴承故障检测

引用

振动与冲击 2019年第12期38卷 53-62页

作者：贺利芳周熙程张刚张天骐重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对经典双稳随机共振(Classical Bistablestochastic Resonance,CBSR)系统的输出饱和性问题,构建了一种新型的分段非线性双稳随机共振(Piecewise Nonlinear Bistable Stochastic Resonance,PNBSR)系统,用所提的PNBSR系统在理论上和CBSR系统作了对比;然后以平均信噪比增益(MSNRI)为衡量指标,用量子粒子群算法进行参数寻优,深入的探究了在Levy噪声不同特征指数与对称参数情况下,PNBSR系统参数l,c,a,b和Levy噪声强度放大系数D对共振输出的规律。研究表明:相对于CBSR系统的输出信噪比,PNBSR系统的输出信噪比有4dB的提高;并且发现在不同的Levy噪声分布作用下,通过调节系统参数l,c,a,b和噪声强度系数D均可诱导随机共振,且系统较好的随机共振区间不随α或β变化;最后将PNBSR系统应用于轴承故障检测,效果明显优于CBSR系统。

关键词：分段非线性双稳系统 Levy噪声平均信噪比增益随机共振轴承故障检测

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征校准的图像协调化方法

引用

电子与信息学报 2022年第4期44卷 1495-1502页

作者：高陈强谢承娟杨烽赵悦李鹏程重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

图像组合是图像处理中一个重要操作,然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节,其目的是调整组合图像前景区域的外观使其与背景区域一致,从而让组合图像在视... 详细信息

图像组合是图像处理中一个重要操作,然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节,其目的是调整组合图像前景区域的外观使其与背景区域一致,从而让组合图像在视觉上看起来真实。然而,现有方法只考虑了组合图像前景与背景之间的外观差异,忽略了图像局部的亮度变化差异,这使得图像整体的光照不协调。为此,该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块,该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化,然后利用解码器重构出图像,并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证,结果表明该方法的效果超过了目前最优的方法,验证了该方法的有效性。

关键词：图像处理图像协调化深度学习多尺度特征校准

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：