期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
大规模MIMO低压缩比条件下的CSI反馈轻量化估计
1
作者 薛建彬 高佳敏 《电讯技术》 北大核心 2025年第8期1231-1239,共9页
通过压缩信道状态信息(Channel Status Information,CSI)传输码字降低大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的CSI反馈开销,可以有效减少计算资源的使用和信息传输时间的消耗。针对如何使用轻量化模型准确估计... 通过压缩信道状态信息(Channel Status Information,CSI)传输码字降低大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的CSI反馈开销,可以有效减少计算资源的使用和信息传输时间的消耗。针对如何使用轻量化模型准确估计低压缩比条件下CSI反馈的问题,通过设计的轻量化迭代交叉网络(Iterative Cross Network,ICNet)模型,在用户端使用设计的迭代压缩模块压缩CSI反馈,基站端使用设计的迭代重建模块估计CSI反馈,以较高的准确率和较低的时间消耗估计了低压缩比条件下的CSI反馈。在COST2100模型生成的数据样本下评估了ICNet在低压缩比条件下的鲁棒性,实验表明,在较小的1/64压缩比条件下,ICNet的归一化均方误差比次优值降低了8.48%,ICNet的参数量降低了35%左右。 展开更多
关键词 大规模MIMO CSI反馈 交叉卷积 低压缩比 轻量化估计
在线阅读 下载PDF
轻量化姿态估计时空增强图卷积模型下的矿工行为识别 被引量:2
2
作者 王建芳 段思源 +1 位作者 潘红光 景宁波 《工矿自动化》 CSCD 北大核心 2024年第11期34-42,共9页
基于骨架序列的行为识别模型具有速度快、算力要求低、模型简单等特点,图卷积神经网络在处理骨架序列数据时具有优势,而现有基于图卷积的矿工行为识别模型在高精度和低计算复杂度之间难以兼顾。针对该问题,提出了一种基于轻量化姿态估... 基于骨架序列的行为识别模型具有速度快、算力要求低、模型简单等特点,图卷积神经网络在处理骨架序列数据时具有优势,而现有基于图卷积的矿工行为识别模型在高精度和低计算复杂度之间难以兼顾。针对该问题,提出了一种基于轻量化姿态估计网络(Lite-HRNet)和多维特征增强时空图卷积网络(MEST-GCN)的矿工行为识别模型。Lite-HRNet通过目标检测器进行人体检测,利用卷积神经网络提取图像特征,并通过区域提议网络生成锚框,对每个锚框进行分类以判断是否包含目标;区域提议网络对被判定为目标的锚框进行边界框回归,输出人体边界框,并通过非极大值抑制筛选出最优检测结果;将每个检测到的人体区域裁剪出来并输入到Lite-HRNet,生成人体关键点骨架序列。MEST-GCN在时空图卷积神经网络(ST-GCN)的基础上进行改进:去除ST-GCN中的冗余层以简化模型结构,减少模型参数量;引入多维特征融合注意力模块M2FA。生成的骨架序列经MEST-GCN的BN层批量标准化处理后,由多维特征增强图卷积模块提取矿工行为特征,经全局平均池化层和Softmax层得到行为的置信度,获得矿工行为预测结果。实验结果表明:①MEST-GCN的参数量降低至1.87 Mib;②在以交叉主体和交叉视角为评价标准的公开数据集NTU60上,采用Lite-HRNet提取2D人体关键点坐标,基于Lite-HRNet和MEST-GCN的矿工行为识别模型的准确率分别达88.0%和92.6%;③在构建的矿工行为数据集上,基于Lite-HRNet和MEST-GCN的矿工行为识别模型的准确率达88.5%,视频处理速度达18.26帧/s,可以准确且快速地识别矿工的动作类别。 展开更多
关键词 矿工行为识别 人体关键点提取 骨架序列 图卷积 量化姿态估计网络 特征融合 多维特征融合注意力模块
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部