针对具有空时分组码的多载波CDMA(Space Time Block Coding Multi Carrier Code Division Multiple Access,STBC-MC-CDMA)信号扩频码及信息序列的联合估计问题,结合序贯蒙特卡罗(Sequential Monte Carlo,SMC)算法和卡尔曼滤波技术,充分...针对具有空时分组码的多载波CDMA(Space Time Block Coding Multi Carrier Code Division Multiple Access,STBC-MC-CDMA)信号扩频码及信息序列的联合估计问题,结合序贯蒙特卡罗(Sequential Monte Carlo,SMC)算法和卡尔曼滤波技术,充分利用STBC和OFDM(Orthogonal Frequency Division Multiplexing)调制的正交属性,提出了一种快速的盲解扩算法.该算法通过将信号模型按不同符号路数和天线数目进行分段处理,采用卡尔曼滤波方法对均值和协方差进行迭代更新,并用一组带有权值的抽样粒子来近似建立的联合后验概率分布,根据抽样值和重要性权值大小进行参量状态估计,大大提高了算法的计算效率.理论分析和仿真结果验证了本文算法的有效性.展开更多
针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对...针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。展开更多
海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的...海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的层次结构,同时商品描述文本展现出了两个层次上的序列特征,并且商品描述文本还存在关键信息分散且描述形式多样的特点。现有的文本分类方法无法综合考虑以上因素来捕获商品描述文本中的关键信息。对此,文中提出了一种融合文本序列和图信息的神经网络(Text Sequence and Graph Information combination Neural Network,TSGINN)模型,用于解决海关商品HS编码分类问题。TSGINN将HS编码分类问题定义为基于词共现网络的子图分类问题,通过图注意力网络建模非连续词之间的关联关系,同时利用分层的长短期记忆网络结合商品文本层次结构捕获多层次的序列信息。在真实海关商品数据集上进行了实验,结果表明TSGINN模型的HS编码分类效果优于其他分类方法。展开更多
文摘针对具有空时分组码的多载波CDMA(Space Time Block Coding Multi Carrier Code Division Multiple Access,STBC-MC-CDMA)信号扩频码及信息序列的联合估计问题,结合序贯蒙特卡罗(Sequential Monte Carlo,SMC)算法和卡尔曼滤波技术,充分利用STBC和OFDM(Orthogonal Frequency Division Multiplexing)调制的正交属性,提出了一种快速的盲解扩算法.该算法通过将信号模型按不同符号路数和天线数目进行分段处理,采用卡尔曼滤波方法对均值和协方差进行迭代更新,并用一组带有权值的抽样粒子来近似建立的联合后验概率分布,根据抽样值和重要性权值大小进行参量状态估计,大大提高了算法的计算效率.理论分析和仿真结果验证了本文算法的有效性.
文摘针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。
文摘海关商品HS编码分类是企业和个人进出口贸易的重要国际程序。HS编码分类可以看作是一个文本分类问题,即给定一段商品的描述,确定商品由HS编码表示的所属类别。然而,该任务比一般的文本分类任务更具挑战性,原因是商品描述文本具有特定的层次结构,同时商品描述文本展现出了两个层次上的序列特征,并且商品描述文本还存在关键信息分散且描述形式多样的特点。现有的文本分类方法无法综合考虑以上因素来捕获商品描述文本中的关键信息。对此,文中提出了一种融合文本序列和图信息的神经网络(Text Sequence and Graph Information combination Neural Network,TSGINN)模型,用于解决海关商品HS编码分类问题。TSGINN将HS编码分类问题定义为基于词共现网络的子图分类问题,通过图注意力网络建模非连续词之间的关联关系,同时利用分层的长短期记忆网络结合商品文本层次结构捕获多层次的序列信息。在真实海关商品数据集上进行了实验,结果表明TSGINN模型的HS编码分类效果优于其他分类方法。
