脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual c...脑电信号(Electroencephalogram,EEG)作为一种客观直接的信息源,被广泛应用于情绪识别任务。为了提取脑电信号的空间连通特征所隐含的信息,提出了一种基于空间连通特征和残差卷积神经网络(Spatial connectivity features and residual convolutional neural network,SCF-RCNN)模型的情绪识别方法。该方法从经预处理的脑电信号中提取皮尔逊相关系数(Pearson correlation coefficient,PCC)、锁相值(Phase-locked value,PLV)和互信息(Mutual information,MI)作为空间连通特征,使用包含两个残差模块的卷积神经网络模型来提取情感信息。在SEED数据集上的实验结果显示,PLV构造的连接矩阵与脑电情绪关系更为密切,其平均准确率可达93.38%,标准差为3.35%。与传统算法相比,SCF-RCNN在情绪识别领域的分类任务中表现更为优越,表明该方法在情绪识别领域具有重要的应用潜力。展开更多
超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计...超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计的导频开销,提出了一种基于凸优化方法的混合场信道估计方案,上行混合场XL-MIMO系统信道经过远场角域变换和近场极域变换后呈现稀疏性,信道估计问题为具有l_(0)范数约束的优化问题。由于所得到的问题的非凸性,通过将l_(0)范数放松为l_(1)范数,将问题转化为凸问题,分别结合近端梯度(proximal gradient,PG)和交替方向乘子法(alternating direction method of multipliers,ADMM)提出两种混合场信道估计算法。太赫兹无线通信系统不同频率子载波不能近似相等,因此对不同频率的子载波使用相应频率下的字典。相比于传统的基于正交跟踪匹配的近场和远场的信道估计算法,所提的混合场算法不需要近场和远场的路径数目作为先验条件,且有更高的精度。展开更多
文摘超大规模多输入多输出(extremely large-scale multiple-input-multiple-output,XL-MIMO)已经成为未来6G通信的创新技术。在XL-MIMO无线系统中,由于基站天线数量的增加,信道建模需要同时考虑近场球面波和远场平面波。为了减少信道估计的导频开销,提出了一种基于凸优化方法的混合场信道估计方案,上行混合场XL-MIMO系统信道经过远场角域变换和近场极域变换后呈现稀疏性,信道估计问题为具有l_(0)范数约束的优化问题。由于所得到的问题的非凸性,通过将l_(0)范数放松为l_(1)范数,将问题转化为凸问题,分别结合近端梯度(proximal gradient,PG)和交替方向乘子法(alternating direction method of multipliers,ADMM)提出两种混合场信道估计算法。太赫兹无线通信系统不同频率子载波不能近似相等,因此对不同频率的子载波使用相应频率下的字典。相比于传统的基于正交跟踪匹配的近场和远场的信道估计算法,所提的混合场算法不需要近场和远场的路径数目作为先验条件,且有更高的精度。
