-
题名基于卷积复运算和神经网络的调制识别方法
- 1
-
-
作者
李丽文
鲁进
刘浩
-
机构
云南大学信息学院
云南大学云南省高校物联网技术及应用重点实验室
-
出处
《计算机工程与设计》
北大核心
2025年第8期2211-2218,共8页
-
基金
国家自然科学基金项目(61701432、61966037)。
-
文摘
针对现有的调制识别研究存在的低信噪比下识别率低、算法的特征单一、缺乏互补信息等问题,提出了基于卷积复运算网络的多融合调制识别方法。提取幅度/相位的复数特征,与同相/正交的互补特征进行融合,送入多层残差网络中对融合特征进行充分挖掘,再由双向长短期记忆网络聚合上下文信息,并设计了通道和空间注意力网络来捕捉关键特征。在RML2018.01a上的实验结果表明,所提方法在信噪比为6 dB时的平均识别率为90.35%,优于其它深度学习方法,改善了高阶QAM调制的混淆情况。
-
关键词
调制识别
深度学习
卷积复运算网络
多融合
残差网络
双向长短期记忆网络
注意力机制
-
Keywords
modulation recognition
deep learning
complex convolutional operation network
multi-fusion
residual networks
bidirectional long and short-term memory networks
attention mechanisms
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TN911.3
[电子电信—通信与信息系统]
-
-
题名车联网中基于麻雀搜索算法的计算卸载策略
被引量：2
- 2
-
-
作者
杨超
王宗山
聂仁灿
丁洪伟
李波
-
机构
云南大学信息学院
云南大学云南省高校物联网技术及应用重点实验室
-
出处
《计算机工程与设计》
北大核心
2023年第1期1-7,共7页
-
基金
云南大学研究生科研创新基金项目(2020306)
国家自然科学基金项目(61461053)。
-
文摘
针对车联网场景下的边缘计算系统中MEC服务器负载不均衡,紧急任务无法得到优先处理的问题,提出一种基于麻雀搜索算法的计算卸载策略(COSSA)。以最小化VEC系统的任务计算时延和MEC资源服务费为目标建立数学模型,利用层次分析法根据任务的属性为每个需要卸载任务分配优先级,运用麻雀搜索算法根据目标函数找出最优的卸载决策,实现服务器负载均衡。实验结果表明,与Random、ALP和OMP策略相比,COSSA策略可以有效地降低系统开销、均衡MEC服务器负载。
-
关键词
车联网
边缘计算
计算卸载
麻雀搜索算法
层次分析法
任务优先级分配
负载均衡
-
Keywords
vehicular networks
mobile edge computing
computing offloading
sparrow search algorithm
analytic hierarchy process
task priority allocation
load balancing
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于3D残差卷积注意力网络的跨域手势识别
被引量：2
- 3
-
-
作者
常俊
黄彬
武浩
-
机构
云南大学、云南省高校物联网技术及应用重点实验室
云南大学信息学院
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第12期48-52,共5页
-
基金
国家自然科学基金资助项目(61562090)
云南省省教育厅科研基金资助项目(2019J0007)。
-
文摘
针对现有WiFi单一场景下手势识别模型泛化能力差,跨域识别精度低的问题,提出了基于3D残差卷积注意力网络(RAN)的信道状态信息(CSI)跨场景手势识别方法,通过提取与场景无关的特征人体坐标速度谱(BVP),并结合3D RAN来实现跨场景手势识别。结果表明:所提出的方法具有较好的跨域手势识别效果,并且具有更好的泛化能力。
-
关键词
信道状态信息
手势识别
人体坐标速度谱
注意力机制
-
Keywords
channel state infomation(CSI)
gesture recognition
body-coordinate velocity profile(BVP)
attention mechanism
-
分类号
TP931
[自动化与计算机技术]
TN94
[电子电信—信号与信息处理]
-
-
题名基于款式变换和局部渲染相结合的虚拟试衣研究
被引量：5
- 4
-
-
作者
徐俊
普园媛
徐丹
赵征鹏
钱文华
吴昊
阳秋霞
-
机构
云南大学信息学院
云南大学云南省高校物联网技术及应用重点实验室
-
出处
《太原理工大学学报》
CAS
北大核心
2021年第1期98-104,共7页
-
基金
国家自然科学基金资助项目(61163019,61271361,61462093,61761046,U1802271)
云南省科技厅资助项目(2014FA021,2018FB100)
云南省教育厅科学研究资助项目(2019Y0004,2018JS011,2016CYH03)。
-
文摘
针对现有的虚拟试衣方法会出现人物细节特征丢失,非试衣区域特征发生改变而影响服装观感及试穿者对服装评判的问题,提出了款式变换和局部渲染相结合的试衣方法。首先,为了确保试衣区域的准确性,提出对人物图像进行像素级语义分割的策略,寻找出服装区域的位置,同时也为局部渲染提供实施条件;其次,为了实现不同服装款式间的试衣,构造了可学习的款式变换模块;再次,为了让服装更好地符合试穿者的身材姿态,提出了可学习的服装形变模块;最后,为保留人物原始细节特征和维持试衣图像观感,提出局部渲染策略,仅对服装区域进行渲染,保证了非试衣区域的细节特征不会丢失。实验结果表明,该方法在人物手臂、手部等细节保持方面效果显著,除试衣区域外,能更好地保留非试衣区域的特征信息,试衣后图像更加写实保真。此外,该方法首次将款式变换应用到试衣任务中,解决了姿态复杂时无法正确试衣的难题,使其能够满足日常应用场景中的多姿态试衣,同时也为虚拟试衣领域提供新的研究思路。
-
关键词
虚拟试衣
款式变换
局部渲染
图像保真
语义分割
-
Keywords
virtual try-on
image fidelity
semantic segmentation
style transformation
local rendering
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
