检索结果-内蒙古大学图书馆

光学学报 2024年第3期44卷 20-29页

作者：陈勇吴金兰刘焕淋王创世张薇薇陈豪重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065 重庆邮电大学通信与信息工程学院重庆400065

针对室内用户在非均匀分布时选择最高信号强度接入点(AP)导致系统总速率和用户服务质量较低的问题,提出联合AP和功率分配的方法。考虑多个LED作为AP的可见光通信(VLC)网络,根据用户分布设计了一个基于用户信道增益权重回溯(BM)的AP分配... 详细信息

针对室内用户在非均匀分布时选择最高信号强度接入点(AP)导致系统总速率和用户服务质量较低的问题,提出联合AP和功率分配的方法。考虑多个LED作为AP的可见光通信(VLC)网络,根据用户分布设计了一个基于用户信道增益权重回溯(BM)的AP分配算法,使权重较低的用户接入到其他AP,降低资源竞争严重的LED上的用户负载;为了使所有用户均能满足通信需求,提出改进逐维动态正余弦算法(IDDSCA)的转换参数,并引入基于最优解方向的自适应搜索策略。利用IDDSCA动态调整每个AP下行链路的功率分配,同步优化系统总速率和用户服务质量。仿真结果表明,所提BM-IDDSCA方案相较于BM-DDSCA、SLCG-IDDSCA、BM-αPA、MT-PA与SLCG-QTPA方案在总速率方面分别提升2.94%、4.20%、2.03%、62.90%、4.89%。

关键词：可见光通信用户非均匀分布接入点分配服务质量功率分配逐维动态正余弦算法

来源：评论

学校读者我要写书评

暂无评论

室内VLC-NOMA的自适应用户分组和功率分配

引用

中国激光 2024年第14期51卷 201-209页

作者：刘焕淋宋文杰陈勇张彤陈浩楠谢裕欣邓棣重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065

为提高大规模设备接入基于非正交多址的室内可见光通信(VLC-NOMA)的平均意见分(MOS)和用户公平性,本文设计自适应用户分组和功率分配的联合优化(JOAUGPA)方法。在JOAUGPA中,提出基于层次凝聚聚类的自适应用户NOMA分组方法;设计一种NOMA... 详细信息

为提高大规模设备接入基于非正交多址的室内可见光通信(VLC-NOMA)的平均意见分(MOS)和用户公平性,本文设计自适应用户分组和功率分配的联合优化(JOAUGPA)方法。在JOAUGPA中,提出基于层次凝聚聚类的自适应用户NOMA分组方法;设计一种NOMA组的功率自适应调整方法,在满足用户的最小速率和MOS需求情况下提高系统的MOS值和用户公平性。仿真结果表明,所提方法能提高MOS值和用户公平性,当用户数为12时,相比随机用户分组(RUG)方法和固定功率分配(FPA)方法,所提JOAUGPA方法的MOS和用户公平性分别提高了6.88%和6.14%。

关键词：室内可见光通信非正交多址接入层次凝聚聚类功率调整平均意见分

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的可见光定位单元模型复制

引用

中国激光 2024年第8期51卷 156-165页

作者：王创世陈勇刘焕淋吴金兰陈豪张薇薇重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065 重庆邮电大学通信与信息工程学院重庆400065

针对室内可见光定位接收信号强度易出现波动从而产生较大定位误差,以及从一个定位单元迁移到其他定位单元可能会降低定位精度的问题,笔者提出了一种基于注意力机制的卷积神经网络的室内三维定位方法,以减小接收信号波动产生的影响,并采... 详细信息

针对室内可见光定位接收信号强度易出现波动从而产生较大定位误差,以及从一个定位单元迁移到其他定位单元可能会降低定位精度的问题,笔者提出了一种基于注意力机制的卷积神经网络的室内三维定位方法,以减小接收信号波动产生的影响,并采用迁移学习将在第一个定位单元中训练的网络迁移到其他定位单元中,在保证定位精度不变的前提下减少了训练网络的成本。仿真结果表明:所提算法在5 m×5 m×3 m的定位单元内可以实现平均误差为3.54 cm的三维定位;采用迁移学习将已训练网络部署到第二个定位单元中,可以实现平均误差为3.67 cm的定位。实验结果表明:在1.2 m×0.75 m×1.2 m的定位单元实验中,所提算法可以实现平均误差为3.32 cm的三维定位,90%的误差分布在4.12 cm内;采用迁移学习将已训练网络部署到第二个定位单元中,可以实现平均误差为3.35 cm的定位。与现有算法相比,所提算法迁移前后的定位精度均有所改善。

关键词：光通信可见光定位注意力机制卷积神经网络迁移学习

来源：评论

学校读者我要写书评

暂无评论

一种基于时间序列分解和时空信息提取的云服务器异常检测模型

引用

电子与信息学报 2024年第6期46卷 2638-2646页

作者：唐伦赵禹辰薛呈呈陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 详细信息

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。

关键词：云服务器异常检测时间序列分解生成对抗网络时空信息提取模块

来源：评论

学校读者我要写书评

暂无评论

基于重叠Ket增强和张量列车的非平衡频谱制图算法

引用

电子学报 2024年第7期52卷 2468-2476页

作者：王欣申滨黄晓舸重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

近年来,基于张量补全的频谱制图得到了广泛研究.目前用于频谱制图的张量补全算法大多隐含地假设张量具有平衡特性,而对于非平衡张量,难以利用其低秩性估计完整的张量信息,导致补全算法性能受损.本文提出基于重叠Ket增强(Overlapping Ket... 详细信息

近年来,基于张量补全的频谱制图得到了广泛研究.目前用于频谱制图的张量补全算法大多隐含地假设张量具有平衡特性,而对于非平衡张量,难以利用其低秩性估计完整的张量信息,导致补全算法性能受损.本文提出基于重叠Ket增强(Overlapping Ket Augmentation,OKA)和张量列车(Tensor Train,TT)的非平衡频谱制图算法,以解决非平衡张量在应用传统张量补全算法时性能下降的问题.首先使用OKA将低阶高维张量表示为高阶低维张量,在无信息损耗的情况下解决非平衡张量无法利用其低秩性进行张量补全的问题;然后使用TT矩阵化得到较平衡的矩阵,在维度较平衡条件下提高补全算法的精确度;最后利用高阶低维张量的低秩性,使用并行矩阵分解或基于F范数的无奇异值分解(Singular Value Decomposition Free,SVDFree)算法完成张量补全.仿真结果表明,针对非平衡张量,所提方案与现有的张量补全算法相比,可以获得更精确的无线电地图,同时所提SVDFree算法具有更低的计算复杂度.

关键词：频谱制图张量补全张量列车重叠Ket增强并行矩阵分解奇异值分解

来源：评论

学校读者我要写书评

暂无评论

工业物联网中数字孪生辅助任务卸载算法

引用

电子与信息学报 2024年第4期46卷 1296-1305页

作者：唐伦单贞贞文明艳李荔陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中... 详细信息

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次,在任务计算时间和能量的约束下,从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题,建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后,提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法,通过每个智能体不断地探索和学习,以获取近似最佳的用户关联和任务划分策略,并将该策略下发至物理实体网络中执行。仿真结果表明,所提任务卸载算法有效降低了任务协同计算时间,同时为每个计算任务提供近似最佳的卸载策略。

关键词：工业物联网数字孪生边缘关联任务划分深度强化学习

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8的无人机航拍图像目标检测算法

引用

计算机工程与应用 2025年第1期61卷 121-130页

作者：梁燕何孝武邵凯陈俊宏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

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EF... 详细信息

针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题,提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层,设计了一种高效特征提取模块(efficient feature extraction module,EFEM),避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion,DCWF),融合多尺度信息的同时抑制噪声干扰,提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header,PSDH),使回归和分类任务实现参数共享,保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54.0%、42.5%;相比于原始YOLOv8s模型,mAP50提高了5.0个百分点,达到44.5%,且参数量减少了55.8%,仅有4.94×106;在DOTAv1.0遥感数据集上,mAP50达到71.9%,仍具有较好的泛化能力。

关键词：目标检测无人机航拍图像 YOLOv8 小目标特征融合

来源：评论

学校读者我要写书评

暂无评论

基于智能分层切片技术的数字孪生传感信息同步策略

引用

电子与信息学报 2024年第7期46卷 2793-2802页

作者：唐伦李质萱文雯成章超陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同... 详细信息

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标,联合优化切片无线资源配置以及DTs传感信息同步问题。首先,在大时间尺度,利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题;在小时间尺度,通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性,进一步提高通信性能,建立更逼近于物理实体的DTs。其次,为了求解不同时间尺度的优化问题,该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互,其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后,仿真结果验证了所提策略的有效性。

关键词：数字孪生网络切片深度强化学习状态估计资源分配

来源：评论

学校读者我要写书评

暂无评论

小样本学习驱动的无线频谱状态感知

引用

电子与信息学报 2024年第4期46卷 1231-1239页

作者：申滨李月王欣王紫昕重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类... 详细信息

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

关键词：频谱状态感知频谱状态地图插值小样本学习

来源：评论

学校读者我要写书评

暂无评论

数字孪生辅助联邦学习中的边缘选择和资源分配联合优化

引用

电子与信息学报 2024年第4期46卷 1343-1352页

作者：唐伦文明艳单贞贞陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联... 详细信息

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制,使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次,通过构建数字孪生辅助联邦学习的计算和通信模型,建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题,并将其转化为部分可观测的马尔可夫决策过程。最后,提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法,用于学习近似最优的边缘选择和资源分配策略,以实现联邦学习累积时延和能耗最小化。仿真结果表明,所提算法在保证模型精度的同时,有效降低联邦学习累积训练时延和能耗。

关键词：智能驾驶联邦学习数字孪生深度强化学习

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：