期刊文献+
共找到3,513篇文章
< 1 2 176 >
每页显示 20 50 100
基于DCNv2和Transformer Decoder的隧道衬砌裂缝高效检测模型研究 被引量:1
1
作者 孙己龙 刘勇 +4 位作者 周黎伟 路鑫 侯小龙 王亚琼 王志丰 《图学学报》 CSCD 北大核心 2024年第5期1050-1061,共12页
为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面... 为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面向衬砌裂缝的检测模型DTD-YOLOv8。首先,通过引入DCNv2对YOLOv8主干卷积网络C2f进行融合以实现模型对裂缝形变特征的准确快速感知,同时采用Transformer Decoder对YOLOv8检测头进行替换以实现端到端框架内完整目标检测流程,从而消除因Anchor-free处理模式所带来的计算消耗。采用自建裂缝数据集对SSD,Faster-RCNN,RT-DETR,YOLOv3,YOLOv5,YOLOv8和DTD-YOLOv8的7种检测模型进行对比验证。结果表明:改进模型F1分数和mAP@50值分别为87.05%和89.58%;其中F1分数相较其他6种模型分别提高了14.16%,7.68%,1.55%,41.36%,8.20%和7.40%;mAP@50分别提高了28.84%,15.47%,1.33%,47.65%,10.14%和10.84%。改进模型参数量仅为RT-DETR的三分之一,检测单张图片的速度为16.01 ms,FPS为65.46帧每秒,对比其他模型检测速度得到提升。该模型在面向运营隧道裂缝检测任务需求时能够表现出高效的性能。 展开更多
关键词 隧道工程 目标检测 第2版可变形卷积网络 Transformer decoder 衬砌裂缝
在线阅读 下载PDF
基于时空特征融合的Encoder-Decoder多步4D短期航迹预测 被引量:2
2
作者 石庆研 张泽中 韩萍 《信号处理》 CSCD 北大核心 2023年第11期2037-2048,共12页
航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变... 航迹预测在确保空中交通安全、高效运行中扮演着至关重要的角色。所预测的航迹信息是航迹优化、冲突告警等决策工具的输入,而预测准确性取决于模型对航迹序列特征的提取能力。航迹序列数据是具有丰富时空特征的多维时间序列,其中每个变量都呈现出长短期的时间变化模式,并且这些变量之间还存在着相互依赖的空间信息。为了充分提取这种时空特征,本文提出了基于融合时空特征的编码器-解码器(Spatio-Temporal EncoderDecoder,STED)航迹预测模型。在Encoder中使用门控循环单元(Gated Recurrent Unit,GRU)、卷积神经网络(Convolutional Neural Network,CNN)和注意力机制(Attention,AT)构成的双通道网络来分别提取航迹时空特征,Decoder对时空特征进行拼接融合,并利用GRU对融合特征进行学习和递归输出,实现对未来多步航迹信息的预测。利用真实的航迹数据对算法性能进行验证,实验结果表明,所提STED网络模型能够在未来10 min预测范围内进行高精度的短期航迹预测,相比于LSTM、CNN-LSTM和AT-LSTM等数据驱动航迹预测模型具有更高的精度。此外,STED网络模型预测一个航迹点平均耗时为0.002 s,具有良好的实时性。 展开更多
关键词 4D航迹预测 时空特征 Encoder-decoder 门控循环单元
在线阅读 下载PDF
基于encoder-decoder框架的城镇污水厂出水水质预测 被引量:3
3
作者 史红伟 陈祺 +1 位作者 王云龙 李鹏程 《中国农村水利水电》 北大核心 2023年第11期93-99,共7页
由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encod... 由于污水厂的出水水质指标繁多、污水处理过程中反应复杂、时序非线性程度高,基于机理模型的预测方法无法取得理想效果。针对此问题,提出基于深度学习的污水厂出水水质预测方法,并以吉林省某污水厂监测水质为来源数据,利用多种结合encoder-decoder结构的神经网络预测水质。结果显示,所提结构对LSTM和GRU网络预测能力都有一定提升,对长期预测能力提升更加显著,ED-GRU模型效果最佳,短期预测中的4个出水水质指标均方根误差(RMSE)为0.7551、0.2197、0.0734、0.3146,拟合优度(R2)为0.9013、0.9332、0.9167、0.9532,可以预测出水质局部变化,而长期预测中的4个指标RMSE为1.7204、1.7689、0.4478、0.8316,R2为0.4849、0.5507、0.4502、0.7595,可以预测出水质变化趋势,与顺序结构相比,短期预测RMSE降低10%以上,R2增加2%以上,长期预测RMSE降低25%以上,R2增加15%以上。研究结果表明,基于encoder-decoder结构的神经网络可以对污水厂出水水质进行准确预测,为污水处理工艺改进提供技术支撑。 展开更多
关键词 污水厂出水 encoder-decoder 多指标水质预测 GRU模型
在线阅读 下载PDF
基于Encoder-Decoder注意力网络的异常驾驶行为在线识别方法 被引量:2
4
作者 唐坤 戴语琴 +2 位作者 徐永能 郭唐仪 邵飞 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第8期63-71,共9页
异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为... 异常驾驶行为是车辆安全运行的重大威胁,其对人员与物资的安全高效投送造成严重危害。以低成本非接触式的手机多传感器数据为基础,通过对驾驶行为特性进行数据分析,提出一种融合Encoder-Decoder深度网络与Attention机制的异常驾驶行为的在线识别方法。该方法由基于LSTM(long short-term memory)的Encoder-Decoder、Attention机制与基于SVM(support vector machine)的分类器3个模块构成。该系统识别方法包括:输入编码、注意力学习、特征解码、序列重构、残差计算与驾驶行为分类等6个步骤。该技术方法利用自然驾驶条件下所采集的手机传感器数据进行实验。实验结果表明:①手机多传感器数据融合方法对驾驶行为识别具备有效性;②异常驾驶行为必然会造成数据异常波动;③Attention机制有助于提升模型学习效果,对所提出模型的识别准确率F1-score为0.717,与经典同类模型比较,准确率得到显著提升;④对于汽车异常驾驶行为来说,SVM比Logistic与随机森林算法具有更优越的识别效果。 展开更多
关键词 异常驾驶 深度学习 编码器-解码器 长短时记忆网络 注意力机制
在线阅读 下载PDF
Viterbi Decoder ACS单元中路径度量值存储空间的优化
5
作者 郭正伟 赵勇 《现代电子技术》 2007年第17期71-73,共3页
ACS单元的设计及路径度量(PM)值的存储是Viterbi Decoder硬件实现的重要部分之一。介绍了一种码率为1/2的硬判决Viterbi Decoder的ACS部分的硬件实现方法。采用了一种全新的设计与存储方式,即原位运算旋转地址的方式,极大地节省了在ACS... ACS单元的设计及路径度量(PM)值的存储是Viterbi Decoder硬件实现的重要部分之一。介绍了一种码率为1/2的硬判决Viterbi Decoder的ACS部分的硬件实现方法。采用了一种全新的设计与存储方式,即原位运算旋转地址的方式,极大地节省了在ACS运算过程中用以存储路径度量值的RAM空间,大量的实验证明,设计的译码器在资源消耗上有较大优势。 展开更多
关键词 卷积码 VITERBI decoder ACS单元 路径度量 分支度量 幸存路径 回溯
在线阅读 下载PDF
利用Encoder-Decoder框架的深度学习网络实现绕射波分离及成像 被引量:3
6
作者 马铭 包乾宗 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期56-64,共9页
利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的... 利用单纯绕射波场实现地下地质异常体的识别具有坚实的理论基础,对应的实施方法得到了广泛研究,且有效地应用于实际勘探。但现有技术在微小尺度异常体成像方面收效甚微,相关研究多数以射线传播理论为基础,对于影响绕射波分离成像精度的因素分析并不完备。相较于反射波,由于存在不连续构造而产生的绕射波能量微弱并且相互干涉,同时环境干扰使得绕射波进一步湮没。因此,更高精度的波场分离及单独成像是现阶段基于绕射波超高分辨率处理、解释的重点研究方向。为此,首先针对地球物理勘探中地质异常体的准确定位,以携带高分辨率信息的绕射波为研究对象,系统分析在不同尺度、不同物性参数的异常体情况下绕射波的能量大小及形态特征,掌握绕射波与其他类型波叠加的具体形式;然后根据相应特征性质提出基于深度学习技术的绕射波分离成像方法,即利用Encoder-Decoder框架的空洞卷积网络捕获绕射波场特征,从而实现绕射波分离,基于速度连续性原则构建单纯绕射波场的偏移速度模型并完成最终成像。数据测试表明,该方法最终可满足微小地质异常体高精度识别的需求。 展开更多
关键词 绕射波分离成像 深度神经网络 Encoder-decoder框架 方差最大范数
在线阅读 下载PDF
基于长短时记忆网络的Encoder-Decoder多步交通流预测模型 被引量:22
7
作者 王博文 王景升 +3 位作者 王统一 张子泉 刘宇 于昊 《重庆大学学报》 CSCD 北大核心 2021年第11期71-80,共10页
交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经... 交通流序列多为单步预测。为实现交通流序列的多步预测,提出一种基于编码器解码器(encoder-decoder,ED)框架的长短期记忆网络(long short-term memory,LSTM)模型,即ED LSTM模型。将自回归滑动平均、支持向量回归机、XGBOOST、循环神经网络、卷积神经网络、LSTM作为对照组进行实验验证。实验结果表明,当预测时间步长增加时,ED框架能够减缓模型性能的下降趋势,LSTM能够充分挖掘时间序列中的非线性关系。除此之外,在单变量输入的情况下,在PEMS-04数据集上,当预测时间步长为t+1到t+12的12个时间步时,ED LSTM模型的均方根误差(root mean squard error,RMSE)及平均绝对误差(mean absolute error,MAE)分别下降0.210~5.422、0.061~0.191。相较于单因素输入,多因素输入的ED LSTM模型在12个预测时间步长下,RMSE、MAE分别下降0.840、0.136。实验证明了ED LSTM模型能够有效地用于交通流序列的多步及单因素、多因素预测任务。 展开更多
关键词 交通流预测 LSTM 编码器解码器 多步预测 深度学习
在线阅读 下载PDF
基于LSTM的Encoder-Decoder多步轨迹预测技术 被引量:4
8
作者 李青勇 何兵 +2 位作者 张显炀 朱晓宇 刘刚 《航空兵器》 CSCD 北大核心 2021年第2期49-54,共6页
针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问... 针对弱约束非合作目标的轨迹特性和运动特性,提出一种基于LSTM的Encoder-Decoder多步轨迹预测技术(EDMTP)。引入一阶差分处理,降低了轨迹数据的时间依赖性,得到了无趋势的轨迹。构造输入输出的轨迹数据对,将预测问题转化为有监督学习问题,研究多步预测过程中模型性能的变化,实现端到端的轨迹预测。仿真结果表明,该方法能够从历史轨迹数据中提取更多的轨迹特征,在多步轨迹预测中具有明显的优势。与KFTP和HMMTP算法相比,EDMTP的误差增长率分别同比下降了2.18%和3.52%,取得了较好的轨迹预测效果。 展开更多
关键词 轨迹预测 LSTM 编码器-解码器 监督学习 多步预测
在线阅读 下载PDF
基于GRU Encoder-decoder和注意力机制的RUL预测方法 被引量:1
9
作者 兰杰 李宁 +1 位作者 李志宁 吕建刚 《现代电子技术》 2023年第8期99-105,共7页
深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基... 深度学习模型可直接建立机械设备的状态与剩余使用寿命(RUL)之间的映射关系,从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论,提出一种基于注意力机制和时序编码解码器(Encoder-decoder)相结合的RUL预测方法。首先,基于门控循环神经网络(GRU)构建一个时序编码解码器以实现输入序列的重构,其中GRU-Encoder对输入的多元时间序列进行编码;再引入注意力机制对GRU-Encoder在每个时刻的输出向量进行加权融合,以融合后的向量作为编码结果,并将其输入到GRU-Decoder中实现输入序列的重构,同时将编码结果映射为输入样本的RUL。采用CMAPSS数据集对所提方法的有效性进行验证,结果表明,该方法预测精度较高,可行且有效。 展开更多
关键词 剩余使用寿命 RUL预测方法 门控循环神经网络 解码编码器 注意力机制 对比验证
在线阅读 下载PDF
基于校正子的BCH(15,11)码最优软判决译码
10
作者 龚汉东 管明祥 《无线电通信技术》 北大核心 2025年第2期340-345,共6页
BCH(15,11)码是一种循环码,广泛应用于数字通信和存储系统中。针对该BCH码,设计了一种基于校正子的最优软判决译码算法。该算法在检测到硬判决向量中包含错误时,根据软判决向量和硬判决向量的校正子产生至多16个错误模式向量,每个错误... BCH(15,11)码是一种循环码,广泛应用于数字通信和存储系统中。针对该BCH码,设计了一种基于校正子的最优软判决译码算法。该算法在检测到硬判决向量中包含错误时,根据软判决向量和硬判决向量的校正子产生至多16个错误模式向量,每个错误模式向量与硬判决结果之和均为该BCH码的一个码字。对于给定的软判决向量,最优软判决译码结果对应的错误模式向量包含在上述错误模式向量中,并且与软判决向量具有最小相关值。在误比特率为10^(-3)时,所提算法相对于硬判决译码算法和次优软判决译码算法,分别获得了约1.2 dB和0.1 dB的增益。与该码已有的最优软判决译码算法相比,复杂度更低;与该码已有的次优软判决译码算法相比,在增加很少复杂度的条件下获得了性能提升。所提算法译码性能具有理论上的最优保证且易于实现,适合用于实际译码过程。 展开更多
关键词 BCH码 软判决译码 最优译码 校正子
在线阅读 下载PDF
结合特征融合注意力的规范化卷积图像去雾网络 被引量:1
11
作者 王燕 卢鹏屹 他雪 《计算机工程与应用》 北大核心 2025年第8期226-238,共13页
图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不... 图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不均匀现象。为了解决这个问题,提出了一种端到端的单幅图像去雾方法,称为EFANNet。该方法由编码器模块、去雾模块、解码器模块组成。编码器模块用于提取图像特征信息传递给去雾模块;去雾模块通过特征融合组(FFG)获得更多图像信息使去雾图像颜色失真更小、伪影更少,将获得的图像信息传递给深度规范化修正卷积块(DNCC)减少协变量偏移,使模型更容易训练。多路径特征卷积块(MFCB)获得纹理细节更丰富的图像信息,最后经过解码器模块通过反卷积和上采样操作将低维的特征映射转换回高维的原始输入空间,得到去雾图像。大量实验结果表明,所提方法在定量和定性上都取得了较好的结果并优于相关的最新方法。 展开更多
关键词 图像去雾 深度学习 编码器-解码器 深度规范化修正卷积块
在线阅读 下载PDF
基于3D注意力和金字塔解码器的目标跟踪算法
12
作者 符强 殷奇晨 +1 位作者 纪元法 任风华 《电光与控制》 北大核心 2025年第8期18-24,共7页
针对复杂场景下目标的快速移动、遮挡、非刚性形变和光照变化等问题,提出了一种基于3D注意力和金字塔解码器的目标跟踪算法。首先引入VGG-16神经网络并对其进行结构上的优化,以提高特征提取的效率和质量。其次通过引入3D注意力,增强了... 针对复杂场景下目标的快速移动、遮挡、非刚性形变和光照变化等问题,提出了一种基于3D注意力和金字塔解码器的目标跟踪算法。首先引入VGG-16神经网络并对其进行结构上的优化,以提高特征提取的效率和质量。其次通过引入3D注意力,增强了对关键特征的提取能力。然后使用深层语义融合模块,通过上采样融合特征信息,以达到对特征的精确表达。最后设计金字塔解码器提升模型在复杂场景下的鲁棒性。实验结果表明,在OTB100数据集上,相比基准算法,所提算法的成功率和跟踪精度分别提升了15.8%和16.2%。 展开更多
关键词 目标跟踪 孪生网络 注意力 特征融合 解码器
在线阅读 下载PDF
基于Nesterov动量加速的ADMM译码算法
13
作者 张冀 陈安民 冀保峰 《信号处理》 北大核心 2025年第7期1255-1263,共9页
交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Techn... 交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)因具有线性规划(Linear Programming,LP)译码条件约束的几何结构,同时利用了消息传递机制,被认为是一种第5代移动通信技术(5th Generation Mobile Communication Technology,5G)低密度校验(Low Density Parity Check,LDPC)码新型优化译码算法。通过在LP译码模型的目标函数中引入惩罚项,基于ADMM的变量节点惩罚译码有效地减轻了非积分解,从而提高了误帧率(Frame Error Rate,FER)性能。尽管ADMM在许多实际应用中表现出色,其收敛速度较慢以及对初始条件和参数设置敏感的问题仍然限制了其在高维、实时性要求高的场景中的进一步应用。特别是在LDPC线性规划译码过程中,ADMM的交替更新机制容易导致优化路径振荡,且在处理非精确约束时表现不佳。针对ADMM算法收敛速度慢的问题,我们提出了一种新的优化算法,该算法将Nesterov动量加速方法与ADMM相结合,以解决ADMM对LDPC译码器错误修正能力和收敛效率的影响。算法通过动量项减少迭代次数将一个Nesterov加速格式从无约束复合优化问题推广到ADMM惩罚函数模型,利用ADMM算法将原问题的约束条件有效转化为目标函数的一部分,从而构造出无约束优化子问题;在此基础上,进一步采用Nesterov加速技术对梯度下降迭代过程进行改进,以提高收敛速度和求解精度。仿真实验使用了三种不同码率的5G LDPC短码。结果表明,相对于现有ADMM惩罚译码算法,所提出的基于动量加速的ADMM译码算法不仅有大约0.2 dB的信噪比增益,而且平均迭代次数也降低了20%左右,加快了收敛速度。 展开更多
关键词 线性规划译码 交替方向乘子法译码 动量加速 梯度下降
在线阅读 下载PDF
分布式策略下的解码端增强图像压缩网络
14
作者 张静 吴慧雪 +1 位作者 张少博 李云松 《西安电子科技大学学报》 北大核心 2025年第1期1-13,共13页
随着多媒体的快速发展,大规模的图像数据对网络带宽和存储空间造成了巨大压力。目前,基于深度学习的图像压缩方法仍然存在重建图像有压缩伪影和训练速度慢等问题。针对上述问题,提出了分布式策略下的解码端增强图像压缩网络,用于减少重... 随着多媒体的快速发展,大规模的图像数据对网络带宽和存储空间造成了巨大压力。目前,基于深度学习的图像压缩方法仍然存在重建图像有压缩伪影和训练速度慢等问题。针对上述问题,提出了分布式策略下的解码端增强图像压缩网络,用于减少重建图像压缩伪影和提高训练速度。一方面,原有的信息聚合子网不能有效利用超先验解码器的输出信息,不可避免地会在重建图像中产生压缩伪影。因此,使用解码端增强模块预测重建图像中的高频分量,减少压缩伪影。随后,为了进一步提高网络的非线性能力,引入了特征增强模块,进一步提高重建图像质量。另一方面,采用分布式训练解决单个节点训练速度较慢的问题,通过使用分布式训练有效缩短了训练时间。然而,分布式训练过程中梯度同步会产生大量通信开销,将梯度稀疏算法加入了分布式训练,每个节点按照概率将重要的梯度传递到主节点进行更新,进一步提高了训练速度。实验结果表明,分布式训练可以在保证重建图像质量的基础上加速训练。 展开更多
关键词 分布式训练 解码端增强 深度学习 图像压缩
在线阅读 下载PDF
基于单幅图像形状特征的三维漫画人脸重建
15
作者 孙刘杰 王佳耀 王文举 《计算机工程与应用》 北大核心 2025年第1期282-290,共9页
针对单幅图像的三维漫画人脸重建存在地标检测准确性差和生成模型还原高频细节能力低的问题,提出了一种多尺度特征融合与高频信息映射的两阶段方法。在第一阶段中,多尺度通道融合地标检测器用于提高检测的准确性。其中多尺度特征由HRNe... 针对单幅图像的三维漫画人脸重建存在地标检测准确性差和生成模型还原高频细节能力低的问题,提出了一种多尺度特征融合与高频信息映射的两阶段方法。在第一阶段中,多尺度通道融合地标检测器用于提高检测的准确性。其中多尺度特征由HRNet产生;由通道注意力和Swin Transformer构成的注意力层用于多尺度通道融合特征提取;为了提高生成地标的精度,损失函数由地标损失和热图损失两部分构成。在第二阶段中,傅里叶特征共享层变形网络使生成的三维漫画人脸具有更丰富的高频形状细节。其中傅里叶特征映射提取高维特征,使网络学习更多形状的高频信息;共享层超网络加快了网络的收敛和重建速度。该方法应用于CaricatureFace和3DCaricShop数据集。实验结果表明,该方法中的地标检测器的平均检测误差减少了4.4%;变形网络在形状重建上的均方误差减少了26%,并且平均重建时间减少了18%;最终重建出的三维漫画人脸具有夸张的形状和自然的细节。 展开更多
关键词 地标检测 三维漫画人脸 人脸重建 三维形变模型 深度学习 自解码器
在线阅读 下载PDF
水声网络基于优先级与可Zigzag解码的在线喷泉码
16
作者 杜秀娟 王玉杰 +1 位作者 柳秀秀 赵建 《计算机应用研究》 北大核心 2025年第3期895-902,共8页
水声网络(underwater acoustic network,UAN)具有长传播时延、高误码率、半双工通信等特性,这些特性严重影响了UAN中数据的可靠传输。而在线喷泉码具有在线控制、编解码复杂度低、码率自适应等诸多优势,在线喷泉码适合于保障UAN中数据... 水声网络(underwater acoustic network,UAN)具有长传播时延、高误码率、半双工通信等特性,这些特性严重影响了UAN中数据的可靠传输。而在线喷泉码具有在线控制、编解码复杂度低、码率自适应等诸多优势,在线喷泉码适合于保障UAN中数据的可靠传输。针对递归与限制反馈的在线喷泉码(recursive OFC with limited feedback,ROFC-LF)存在不理想覆盖和4元环问题导致略高的开销和频繁的反馈,提出适用于UAN的基于优先级与可Zigzag解码的ROFC-LF(priority-based and zigzag-decodable ROFC-LF,P-ZROFC-LF)。P-ZROFC-LF在建立阶段选取具有最高优先级的原始包进行编码直至所有原始包均参与编码。同时,引入可Zigzag解码编码,将无用编码包进行移位异或转换为有用编码包来提高解码性能。通过随机图理论,分析P-ZROFC-LF所需编码包数与原始包数之间的关系。理论分析与仿真结果表明,与大部分在线喷泉码相比,P-ZROFC-LF显著提高了反馈和开销性能。其中P-ZROFC-LF相比于ROFC-LF的反馈和开销分别减少了18%和0.0176,更适用于UAN。 展开更多
关键词 水声网络 在线喷泉码 可Zigzag解码 反馈 开销
在线阅读 下载PDF
基于自注意力机制的高分遥感影像语义分割 被引量:1
17
作者 杨军 张金影 康玥 《哈尔滨工程大学学报》 北大核心 2025年第2期344-354,共11页
针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助... 针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助于捕获局部特征;在编码器分支中提出线性的多头自注意力模块以降低模型的计算复杂度;设计一个解码器来恢复特征图分辨率,通过级联操作整合各层级的特征并生成高分辨率的语义分割结果。所提算法在ISPRS Vaihingen和Potsdam数据集上的分割结果的mF1分别达到了90.77%和92.36%,与目前主流算法相比,不透水表面、建筑、低矮植物、树木类的分割准确率及总体分割准确率均有提高。本文算法构建的线性多头自注意力网络是一种高效的高分辨率遥感影像语义分割模型。 展开更多
关键词 高分辨率遥感影像 多头自注意力 深度可分离卷积 语义分割 特征提取 卷积神经网络 编码器 解码器
在线阅读 下载PDF
基于Radix-4 Booth编码的并行乘法器设计
18
作者 范文兵 周健章 《郑州大学学报(工学版)》 CAS 北大核心 2025年第1期26-33,共8页
速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化... 速度和面积是评价乘法器单元性能优劣的两个基本指标。针对当前乘法器设计难以平衡版图面积和传输延时的问题,采用Radix-4 Booth算法,设计了一种新型的16位有符号定点乘法器。在部分积生成过程中,首先改进对乘数的取补码电路,然后优化基数为4的改进Booth编码器和解码器,此结构采用较少的逻辑门资源,并且易对输入比特进行并行化处理。在Wallace压缩电路中,对符号扩展位进行预处理并设计新的压缩器结构,优化整个Wallace压缩模块。在第二级压缩过程中提前对高位使用纹波进位加法器结构计算,减小了多bit伪和的求和位数。在求和电路中,使用两级超前进位加法器结构,在缩短关键路径传输延时的同时避免增大芯片面积,提高了乘法器的运行速度。新型定点乘法器与已有的乘法器结构相比,减少了12.0%的面积,降低了20.5%的延时。 展开更多
关键词 Radix-4 Booth编码 面积 传输延时 编码器 解码器 Wallace压缩
在线阅读 下载PDF
基于节点动态时序的空间耦合LDPC码滑窗译码
19
作者 周华 徐辰辰 李子杰 《电讯技术》 北大核心 2025年第8期1315-1322,共8页
为提升基于原模图构造的空间耦合低密度奇偶校验(Spatially-Coupled Low-Density Parity-Check,SC-LDPC)码滑窗译码(Sliding Window Decoding,SWD)算法译码性能,提出了残差滑窗译码(Residual SWD,RSWD)算法,通过动态选择可靠度最低(残... 为提升基于原模图构造的空间耦合低密度奇偶校验(Spatially-Coupled Low-Density Parity-Check,SC-LDPC)码滑窗译码(Sliding Window Decoding,SWD)算法译码性能,提出了残差滑窗译码(Residual SWD,RSWD)算法,通过动态选择可靠度最低(残差值最大)的边信息优先传输,降低边信息无效更新次数,提高了译码性能。RSWD译码在窗口内易出现贪婪组和静默节点现象,导致译码误码率(Bit Error Rate,BER)恶化。为改善这一问题,提出了基于节点的残差滑窗译码(Node-wise RSWD,NW-RSWD)算法和消除静默节点残差滑窗译码(Eliminating Silent Node RSWD,ESN-RSWD)算法。NW-RSWD算法在译码过程中以变量节点为单位,动态更新窗口内最大残差所在边的变量节点。ESN-RSWD算法在译码过程中根据残差值大小,遍历更新窗口内每一个变量节点,使更多的信息参与到窗口译码,避免滑窗译码陷入局部区域更新。仿真结果表明,信噪比处于3~3.5 dB区间时,相较于SWD算法,NW-RSWD算法复杂度增加约15%,ESN-RSWD算法复杂度增加约25%。在窗口大小为8时,为了达到10-6误码率,相较于SWD算法,NW-RSWD算法提升约0.7 dB性能,ESN-RSWD算法提升约0.85 dB。在10-3误码率时,SWD算法、NW-RSWD算法和ESN-RSWD算法分别需要约50次、10次和8次迭代才能达到相同的误码性能。所提算法以增加较少计算复杂度为代价,降低了译码误码率,减少了译码平均迭代次数。 展开更多
关键词 空间耦合低密度奇偶校验码 滑窗译码 信息传递 节点残差算法 消除静默节点残差算法
在线阅读 下载PDF
基于CDoubleGAN的电网时序暂态数据生成
20
作者 张启飞 陈润泽 +2 位作者 张亶 叶瑞涛 梁秀波 《计算机工程与设计》 北大核心 2025年第1期159-165,共7页
为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。... 为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。将数据类别标签融入模型中,生成特定类别的样本。在IEEE-39系统的实验结果表明,CDoubleGAN在类别生成上的准确度超过98%,与TimeGAN相比,生成的数据与原数据具有更高的相似度,更好保留了数据原始特性以应用于数据生产。 展开更多
关键词 人工智能 深度学习 电力系统 暂态稳定 数据生成 编解码器 生成对抗网络 时序数据
在线阅读 下载PDF
上一页 1 2 176 下一页 到第
使用帮助 返回顶部