在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计(Direction of arrival,DOA)算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量...在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计(Direction of arrival,DOA)算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。展开更多
为提高模拟网络编码系统的安全传输容量,提出一种基于天线选择物理层安全传输方案;研究在准静态慢衰落信道条件下,源结节与中继结点的天线选择策略及其性能分析。该方案分别以最大信道容量和最大信道增益为目标,在最优选择准则基础上,...为提高模拟网络编码系统的安全传输容量,提出一种基于天线选择物理层安全传输方案;研究在准静态慢衰落信道条件下,源结节与中继结点的天线选择策略及其性能分析。该方案分别以最大信道容量和最大信道增益为目标,在最优选择准则基础上,提出简化的天线选择方法。数值仿真表明:联合主信道容量最大化(CMCCM)准则具有最优的性能曲线,但其运算复杂度也最大。相比于固定选择策略,CMCCM方案提供系统增益约5 d B。特别地,简化的独立信道增益最大化(ICGM)方案与CMCCM方案表现出接近的性能曲线。展开更多
针对真实复杂场景下模态缺失带来的模型兼容性问题,提出一种支持任意模态输入的情感识别方法。首先,在预训练和精调阶段,采用模态随机丢弃的训练策略保证模型在推理阶段的兼容性;其次,分别提出时空掩码策略和基于跨模态注意力机制的特...针对真实复杂场景下模态缺失带来的模型兼容性问题,提出一种支持任意模态输入的情感识别方法。首先,在预训练和精调阶段,采用模态随机丢弃的训练策略保证模型在推理阶段的兼容性;其次,分别提出时空掩码策略和基于跨模态注意力机制的特征融合机制,以减少模型过拟合的风险并优化模型跨模态特征融合的效果;最后,为了解决多种模态情感标签不一致带来的噪声标签问题,提出一种基于多原型聚类的自适应去噪策略,该策略为多种模态分别设置类中心,并通过对比每种模态特征对应的聚类类别与标签的一致性去除噪声标签。实验结果表明:在自建数据集上,所提方法相比基线AV-HuBERT(Audio-Visual Hidden unit Bidirectional Encoder Representation from Transformers)在加权平均召回率(WAR)指标上,模态对齐推理、视频缺失推理和音频缺失推理分别提升了6.98、4.09和33.05个百分点;在视频公开数据集DFEW上,相较于AV-HuBERT,所提方法取得了最高的WAR指标,达到了68.94%。展开更多
文摘在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计(Direction of arrival,DOA)算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。
文摘为提高模拟网络编码系统的安全传输容量,提出一种基于天线选择物理层安全传输方案;研究在准静态慢衰落信道条件下,源结节与中继结点的天线选择策略及其性能分析。该方案分别以最大信道容量和最大信道增益为目标,在最优选择准则基础上,提出简化的天线选择方法。数值仿真表明:联合主信道容量最大化(CMCCM)准则具有最优的性能曲线,但其运算复杂度也最大。相比于固定选择策略,CMCCM方案提供系统增益约5 d B。特别地,简化的独立信道增益最大化(ICGM)方案与CMCCM方案表现出接近的性能曲线。
文摘针对真实复杂场景下模态缺失带来的模型兼容性问题,提出一种支持任意模态输入的情感识别方法。首先,在预训练和精调阶段,采用模态随机丢弃的训练策略保证模型在推理阶段的兼容性;其次,分别提出时空掩码策略和基于跨模态注意力机制的特征融合机制,以减少模型过拟合的风险并优化模型跨模态特征融合的效果;最后,为了解决多种模态情感标签不一致带来的噪声标签问题,提出一种基于多原型聚类的自适应去噪策略,该策略为多种模态分别设置类中心,并通过对比每种模态特征对应的聚类类别与标签的一致性去除噪声标签。实验结果表明:在自建数据集上,所提方法相比基线AV-HuBERT(Audio-Visual Hidden unit Bidirectional Encoder Representation from Transformers)在加权平均召回率(WAR)指标上,模态对齐推理、视频缺失推理和音频缺失推理分别提升了6.98、4.09和33.05个百分点;在视频公开数据集DFEW上,相较于AV-HuBERT,所提方法取得了最高的WAR指标,达到了68.94%。
