无人机辅助通信系统是未来无线通信系统的重要组成部分。为进一步提高无人机辅助通信系统中时频资源的利用率,本文研究了一种基于非正交多址技术的无人机辅助通信架构,并提出了一种基于双延迟深度确定性策略梯度的TD3-TOPATM(twin delay...无人机辅助通信系统是未来无线通信系统的重要组成部分。为进一步提高无人机辅助通信系统中时频资源的利用率,本文研究了一种基于非正交多址技术的无人机辅助通信架构,并提出了一种基于双延迟深度确定性策略梯度的TD3-TOPATM(twin delayedtrajectory optimization and power allocation for total throughput maximization)算法,以最大化总吞吐量为目标,在满足最大功率约束、空间约束、最大飞行速度和服务质量(quality of service,QoS)约束的情况下,联合优化无人机的功率分配策略和3D轨迹。仿真实验分析结果表明,与随机算法相比,TD3-TOPATM算法能够实现98%的性能增益;与基于DQN(deep Q-network)的轨迹优化与资源分配算法相比,TD3-TOPATM算法获得的性能增益为19.4%;与基于深度确定性策略梯度的轨迹优化与资源分配算法相比,TD3-TOPATM算法得到的总吞吐量增加了9.7%;与基于正交多址技术的无人机辅助通信方案相比,基于非正交多址技术的无人机辅助通信方案实现了55%的性能增益。展开更多
全聚焦算法依靠信号的幅度信息进行延迟叠加(delay and sum,DAS)成像,实际应用中信号并非总能满足相干叠加这一前提,而非相干信号的叠加导致噪声和伪影。文章提出一种循环相干因子(circular coherence factor,CCF)加权的延迟乘和(delay ...全聚焦算法依靠信号的幅度信息进行延迟叠加(delay and sum,DAS)成像,实际应用中信号并非总能满足相干叠加这一前提,而非相干信号的叠加导致噪声和伪影。文章提出一种循环相干因子(circular coherence factor,CCF)加权的延迟乘和(delay multiply and sum,DMAS)CCF-DMAS优化算法,实现薄板中缺陷的兰姆波全聚焦成像。该方法考虑接收阵元间的空间相干性,对接收信号进行相乘耦合,利用数据中的相位信息计算相干因子实现自适应加权,以扩大相干和非相干信号间的差异,从而达到缩窄主瓣,减少旁瓣,提高成像分辨率的效果。建立超声阵列发射、接收实验系统,通过楔块耦合,在含通孔缺陷的锆合金薄板上激发S_(0)模态兰姆波,捕获全矩阵数据;通过CCF-DMAS算法对采集的数据相位加权,生成新的频率分量;利用带通滤波保留二次谐波分量进行全聚焦成像。实验结果表明:与DAS和DMAS全聚焦成像算法相比,CCF-DMAS全聚焦优化算法能够有效抑制噪声和伪影,信噪比提高约39%和22%,阵列性能指数提高约86%和69%,为薄板无损检测的后处理提供了一种有效的改进方案。展开更多
针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive lear...针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive learning,SSETC-CL)模型。通过比较样本之间的相似性和差异性,SSETC-CL模型能够从大量无标注数据中学习到有用的表示,从而获得一个通用且优秀的特征编码网络,降低了下游任务对标签数据的依赖。本文在公有数据集ISCXVPN2016以及两个自采数据集上对SSETC-CL模型进行了评估。与其他基准模型相比,SSETC-CL模型在设定任务上的表现最佳,准确率最大提升了8.92%。实验结果表明,SSETC-CL模型不仅在预训练模型已知的流量上具有较高的精度,而且具备将预训练模型所获得的知识应用于未知流量的迁移能力。展开更多
文摘无人机辅助通信系统是未来无线通信系统的重要组成部分。为进一步提高无人机辅助通信系统中时频资源的利用率,本文研究了一种基于非正交多址技术的无人机辅助通信架构,并提出了一种基于双延迟深度确定性策略梯度的TD3-TOPATM(twin delayedtrajectory optimization and power allocation for total throughput maximization)算法,以最大化总吞吐量为目标,在满足最大功率约束、空间约束、最大飞行速度和服务质量(quality of service,QoS)约束的情况下,联合优化无人机的功率分配策略和3D轨迹。仿真实验分析结果表明,与随机算法相比,TD3-TOPATM算法能够实现98%的性能增益;与基于DQN(deep Q-network)的轨迹优化与资源分配算法相比,TD3-TOPATM算法获得的性能增益为19.4%;与基于深度确定性策略梯度的轨迹优化与资源分配算法相比,TD3-TOPATM算法得到的总吞吐量增加了9.7%;与基于正交多址技术的无人机辅助通信方案相比,基于非正交多址技术的无人机辅助通信方案实现了55%的性能增益。
文摘全聚焦算法依靠信号的幅度信息进行延迟叠加(delay and sum,DAS)成像,实际应用中信号并非总能满足相干叠加这一前提,而非相干信号的叠加导致噪声和伪影。文章提出一种循环相干因子(circular coherence factor,CCF)加权的延迟乘和(delay multiply and sum,DMAS)CCF-DMAS优化算法,实现薄板中缺陷的兰姆波全聚焦成像。该方法考虑接收阵元间的空间相干性,对接收信号进行相乘耦合,利用数据中的相位信息计算相干因子实现自适应加权,以扩大相干和非相干信号间的差异,从而达到缩窄主瓣,减少旁瓣,提高成像分辨率的效果。建立超声阵列发射、接收实验系统,通过楔块耦合,在含通孔缺陷的锆合金薄板上激发S_(0)模态兰姆波,捕获全矩阵数据;通过CCF-DMAS算法对采集的数据相位加权,生成新的频率分量;利用带通滤波保留二次谐波分量进行全聚焦成像。实验结果表明:与DAS和DMAS全聚焦成像算法相比,CCF-DMAS全聚焦优化算法能够有效抑制噪声和伪影,信噪比提高约39%和22%,阵列性能指数提高约86%和69%,为薄板无损检测的后处理提供了一种有效的改进方案。
文摘针对大多数加密流量分类(encrypted traffic classification,ETC)模型由于标签数据稀缺而导致的性能下降问题,提出了一个基于对比学习的半监督加密流量分类(semisupervised encrypted traffic classification based on contrastive learning,SSETC-CL)模型。通过比较样本之间的相似性和差异性,SSETC-CL模型能够从大量无标注数据中学习到有用的表示,从而获得一个通用且优秀的特征编码网络,降低了下游任务对标签数据的依赖。本文在公有数据集ISCXVPN2016以及两个自采数据集上对SSETC-CL模型进行了评估。与其他基准模型相比,SSETC-CL模型在设定任务上的表现最佳,准确率最大提升了8.92%。实验结果表明,SSETC-CL模型不仅在预训练模型已知的流量上具有较高的精度,而且具备将预训练模型所获得的知识应用于未知流量的迁移能力。
