首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    基于射线追踪法的LUNA月球基地通信信道特性分析

    杨晋生张振远潘州
    733-746页
    查看更多>>摘要：在探月任务中,创建月球基地是一项重要任务.为了满足月球基地获取高清晰度视频和科学数据的高速数据传输需求,以及宇航员和月球探测车等设备支持高容量数据速率通信的需求,需要充分利用太赫兹频段的频谱资源.太赫兹频段的频谱资源相对较为丰富,可以提供更大的带宽和更快的通信速率.本文以LUNA月球基地为研究对象,采用信道建模的方法,对该场景下的太赫兹频段信道特性进行了仿真和分析.通过对该信道特性的评估,为未来的月球基地通信系统方案设计提供链路等方面的性能评估.首先本文对LUNA月球基地的工作模块和居住模块的构造进行了详细的研究.采用了射线追踪法和单刃形衍射模型的混合建模方法,建立了一种适用于月球基地内近距离通信场景的多射线信道模型.最终推导出了适用于该场景链路的信道容量模型.其次本文对LUNA月球基地的工作模块LUNA大厅和居住模块FLEXHab进行了建模,并借助太赫兹信道模拟器CloudRT进行信道仿真.对信道的大尺度衰落特性和小尺度衰落特性进行了分析.最后为了估算信道容量,采用了注水功率和等功率分配两种不同的分配方式.所提出的信道模型可用于评估太赫兹频段月球基地内通信系统的性能,并对月球基地通信系统的建设提供理论依据和参考.

    月球基地信道建模信道容量射线追踪

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于CNN-LSTM的MIMO-OFDM信号盲调制识别算法

    张天骐邹涵杨宗方马焜然...
    747-756页
    查看更多>>摘要：无线通信信号的盲调制识别技术作为非协作通信的核心技术之一,在提高频谱利用效率以及未知信号解调中起着至关重要的作用.另外,非协作通信中存在着电磁环境未知,噪声干扰严重,信噪比低等问题,因此在非协作通信下进行未知信号的盲调制识别较为困难.为解决非协作通信中多输入多输出正交频分复用(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)信号在低信噪比下子载波盲调制识别的问题,本文使用CNN(Convolutional Neural Network,CNN)网络与LSTM(Long Short-Term Memory,LSTM)网络构建一维CNN-LSTM网络进行盲调制识别.鉴于I/Q数据具有很强特征表达能力,该算法选取I/Q数据作为第一输入特征直接输入网络.同时为了弥补噪声对I/Q数据的干扰,本文还选用抗噪声能力强的循环谱作为另一输入特征,为进一步提升循环谱的抗噪声能力,本文对循环谱进行切片累加操作得到抗噪声性能更好的循环谱切片累加序列作为第二输入特征.仿真结果表明,本文所提方法可以在SNR=2 dB条件下实现对{BPSK,QPSK,8PSK,16QAM,32QAM,128QAM}调制方式的识别,并且识别精度达到98%.

    I/Q序列神经网络盲调制识别循环谱

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于霍克斯过程和图神经网络的会话推荐

    杨真真闫孟儒杨永鹏陈亚杰...
    757-765页
    查看更多>>摘要：针对传统会话推荐系统(Session-Based Recommendation System,SBRS)往往忽略了项目点击量之间的交互,以及遗漏了会话内项目之间的相对顺序的问题,本文提出了一种基于霍克斯过程和图神经网络(Hawkes Process and Graph Neural Network,HPGNN)的会话推荐方法.该方法提出了包含图神经位置感知层和图神经霍克斯层的双流结构,分别学习用户的长期和短期偏好.图神经位置感知层通过门控图神经网络(Gated Graph Neural Network,GGNN)来捕捉各个节点之间的交互关系,得到会话中每个项目的隐向量表示,并引入逐次递减的残差网络,有效地将之前的编码信息与当前网络融合,然后通过位置感知注意力网络来捕捉项目节点在会话中的位置信息,用于学习用户的长期偏好表示.图神经霍克斯层通过将霍克斯过程和GGNN相结合来捕捉连续时间的项目点击量之间的关系,用于更准确的表示用户的短期偏好.最后将两者进行线性组合,来更好地描述用户意图.实验结果表明,提出的HPGNN在Diginetica和Yoochoose1/64两个基准会话推荐数据集上的推荐性能均优于其他会话推荐模型.

    会话推荐推荐系统图神经网络霍克斯过程位置感知注意力网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    时空关联的Transformer骨架行为识别

    卢先领杨嘉琦
    766-775页
    查看更多>>摘要：目前主流的骨架行为识别方法采取关节流、骨骼流及其对应的运动流作为多流网络分别进行训练,造成训练成本高,另外,在特征提取过程中,忽略了对复杂时空依赖关系的建模,以及在时域上的信息交流采取大尺度卷积,导致聚合大量冗余信息.针对以上问题,提出一种时空关联的Transformer骨架行为识别方法.首先,构建运动融合模块,以关节流和骨骼流作为双流输入,在特征级别将各自的运动信息进行融合,减少单独训练运动流的成本;其次,提出移位Transformer模块,利用时间移位操作混合时空信息的特性,配合Transformer低成本地捕获短期时空依赖关系;然后,设计多尺度时间卷积进行时域长期信息交流;最后,融合双流得分获得最终分类预测.在大规模数据集NTU RGB+D以及NTU RGB+D 120上进行实验,结果表明,该模型在NTU RGB+D数据集的两种评价标准X-Sub和X-View上分别达到了91.5%和96.3%的识别准确率,在NTU RGB+D 120数据集两种评价标准X-Sub和X-Set上分别达到了87.2%和89.3%的识别准确率,本文所提方法的识别准确率相对主流骨架行为识别方法有明显提升,验证了模型的有效性和通用性.

    Transformer网络人体骨架多尺度卷积运动信息动作识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于宽度自编码网络的单分类集成算法

    施一帆陈宇昂曾焕强杨楷翔...
    776-788页
    查看更多>>摘要：异常检测是模式识别领域的经典研究,然而在极端类别不平衡场景下,异常样本匮乏,训练数据仅包含正常样本,传统异常检测方法难以适用.因此,单分类算法逐渐受到关注,它只使用目标类样本构建决策边界,实现对非目标类样本的识别.目前单分类算法已经取得了显著进展,然而也存在一些局限性:(1)原始特征空间容易受噪声特征干扰;(2)单模型的单分类算法难以从多个特征空间学习更全面的决策边界;(3)缺少对先前模型的欠拟合样本进行针对性学习.为了解决这些问题,本文提出了基于宽度自编码网络的单分类集成算法(Ensemble One-class Classification Based on BLS-Autoencoder,EOC-BLSAE).首先,本文设计了一种单分类宽度自编码网络模型(One-class BLS-Autoencoder,OC-BLSAE),它能高效学习原始特征空间到重构特征空间的非线性映射关系,利用重构误差构建决策边界;接着,本文设计了单分类Boosting策略,通过最小化全局重构损失,迭代学习欠拟合样本,从而多角度构建OC-BLSAE模型,并自适应评估模型的可靠性;最终,加权集成多个OC-BLSAE模型,有效提升整体算法准确性和鲁棒性.在实验中,本文在16个不同规模的单分类任务上进行参数实验、对比实验和消融实验,结果表明所提算法参数选择较为灵活,算法各模块能够相互协同,有效提升单分类任务的准确性和鲁棒性,整体性能超过前沿单分类方法.

    单分类异常检测宽度学习系统集成学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于自适应多尺度特征融合的X光违禁品检测

    张良薛志诚
    789-800页
    查看更多>>摘要：X光图像违禁品检测是一项极其重要的工作,可以在机场、车站等公共场所检测出各种危险物品,防止事故发生,保护旅客安全.然而,由于X光图像背景复杂、目标尺度变化大等问题,传统的检测算法难以实现准确的检测.因此,针对X光图像背景复杂、违禁品尺度变化大等问题,同时考虑到实际检测场景中对于模型性能和运行速度的要求,本文对YOLOv5s网络模型进行改进.首先,为了提升网络对全局特征的提取能力,在主干网络引入Transformer模块,依赖其全局建模能力,弥补局部信息的不足;然后,为了更加准确地检测X光图像中不同尺度的违禁品,结合空洞卷积、CBAM(Convolutional Block Attention Module)设计感受野自适应融合模块,对不同尺度感受野信息进行合理分配,提升对于背景复杂下不同尺度违禁品的检测精度,使模型可以更好地适应不同的任务场景;最后,在模型中使用优化的DIoU(EDIoU)边框回归损失函数,在DIoU中引入惩罚权重φ,在缩短模型的训练时间,减小边框损失误差的同时,进一步提高模型对违禁品的检测精度.为了验证本文提出的优化方法的可行性,优化后的YOLOv5s模型在实验室自制的数据集SIXray_OD上进行验证,实验结果表明,优化后的模型检测平均精度提升到89.8%,较原模型提升0.9%.

    图像处理X光图像目标检测YOLOv5Transformer感受野

      原文链接:
    • NETL
    • NSTL
    • 万方数据