期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于现场可编程门阵列的矩阵求逆算法设计
1
作者
安国臣
刘若凡
+2 位作者
赵满
袁玉鑫
王晓君
《科学技术与工程》
北大核心
2024年第10期4140-4147,共8页
由于自适应抗干扰算法在更新最优权值时存在时间延时,导致很难满足动态环境下的权值更新率要求。针对该情况已有学者对如何实现快速采样矩阵求逆算法进行研究,但仍存在只适用于低维矩阵,且权值更新率慢的问题。为解决上述问题,提出了一...
由于自适应抗干扰算法在更新最优权值时存在时间延时,导致很难满足动态环境下的权值更新率要求。针对该情况已有学者对如何实现快速采样矩阵求逆算法进行研究,但仍存在只适用于低维矩阵,且权值更新率慢的问题。为解决上述问题,提出了一种基于Cholesky分解的采样矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵L的逆矩阵模块、三角矩阵相乘和权值计算模块。设计采用流水线加状态机实现结构有效地解决了因高阶采样矩阵求逆运算量大产生的权值更新率慢的问题。仿真结果表明,在现场可编程门阵列(field programmable gate array,FPGA)的硬件平台上,对于56阶采样矩阵,在100 MHz工作频率下,一次权值的更新时间仅需要1.2 ms。本文所提的实现架构为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。
展开更多
关键词
自适应抗干扰
采样矩阵求逆
CHOLESKY分解
权值更新率
在线阅读
下载PDF
职称材料
基于声谱图时间分辨率优化与残差空间金字塔网络的车辆识别
2
作者
刘伟娜
赵红东
+2 位作者
史剑锋
张学志
赵一鸣
《计算机工程》
CAS
CSCD
北大核心
2024年第12期376-385,共10页
车辆分类是智能交通系统的关键技术之一,是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势,因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而,现有研究中的车辆声...
车辆分类是智能交通系统的关键技术之一,是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势,因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而,现有研究中的车辆声音信号仅包含单一车辆,对于混合的双车辆声音信号的分类缺乏讨论。为此,设计一种网络模型对单车辆和双车辆共12种类别的噪声信号进行分类。针对声音频谱特征的固定分辨率并非最优的问题,基于网络训练得出的注意力得分和时间转换矩阵,控制噪声频谱时间大小,设计频谱时间分辨率优化模型。分类网络依据卷积递归神经网络(CRNN)架构,卷积网络部分(多尺度信号分析模块)参考高效空间金字塔模块对特征进行双分支融合处理,由于循环神经网络(RNN)等不利于并行化,运算速度慢,因此将因果时间卷积网络(TCN)转换为非因果循环TCN。在自制数据集中进行实验,结果表明,该模型的平均精度均值(mAP)达到0.98,远高于相当参数量下的CRNN网络,与MobileNetV3性能相当,但是相比MobileNetV3参数量减少了1.7×10^(6)。分析结果表明,所提模型适用于长时间声音信号处理任务,能提取深层次的特征。
展开更多
关键词
车辆识别
声音信号重建
卷积循环神经网络
高效空间金字塔模块
时间卷积神经网络
时间分辨率优化
在线阅读
下载PDF
职称材料
题名
基于现场可编程门阵列的矩阵求逆算法设计
1
作者
安国臣
刘若凡
赵满
袁玉鑫
王晓君
机构
河北
科技大学信息科学与工程学院
河北晶禾电子技术股份有限公司
出处
《科学技术与工程》
北大核心
2024年第10期4140-4147,共8页
基金
河北省省级科技计划项目新一代电子信息技术创新专项(21310402D)。
文摘
由于自适应抗干扰算法在更新最优权值时存在时间延时,导致很难满足动态环境下的权值更新率要求。针对该情况已有学者对如何实现快速采样矩阵求逆算法进行研究,但仍存在只适用于低维矩阵,且权值更新率慢的问题。为解决上述问题,提出了一种基于Cholesky分解的采样矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵L的逆矩阵模块、三角矩阵相乘和权值计算模块。设计采用流水线加状态机实现结构有效地解决了因高阶采样矩阵求逆运算量大产生的权值更新率慢的问题。仿真结果表明,在现场可编程门阵列(field programmable gate array,FPGA)的硬件平台上,对于56阶采样矩阵,在100 MHz工作频率下,一次权值的更新时间仅需要1.2 ms。本文所提的实现架构为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。
关键词
自适应抗干扰
采样矩阵求逆
CHOLESKY分解
权值更新率
Keywords
adaptive anti-jamming
sampling matrix inversion
Cholesky decomposition
weight update rate
分类号
TN911.72 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于声谱图时间分辨率优化与残差空间金字塔网络的车辆识别
2
作者
刘伟娜
赵红东
史剑锋
张学志
赵一鸣
机构
河北
工业大学
电子
信息工程学院
电磁空间安全全国重点实验室
河北晶禾电子技术股份有限公司
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第12期376-385,共10页
基金
天津市科技计划项目(企业科技特派员项目)(21YDTPJC00050)
电磁空间安全全国重点实验室项目(2021JCJQLB055008)。
文摘
车辆分类是智能交通系统的关键技术之一,是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势,因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而,现有研究中的车辆声音信号仅包含单一车辆,对于混合的双车辆声音信号的分类缺乏讨论。为此,设计一种网络模型对单车辆和双车辆共12种类别的噪声信号进行分类。针对声音频谱特征的固定分辨率并非最优的问题,基于网络训练得出的注意力得分和时间转换矩阵,控制噪声频谱时间大小,设计频谱时间分辨率优化模型。分类网络依据卷积递归神经网络(CRNN)架构,卷积网络部分(多尺度信号分析模块)参考高效空间金字塔模块对特征进行双分支融合处理,由于循环神经网络(RNN)等不利于并行化,运算速度慢,因此将因果时间卷积网络(TCN)转换为非因果循环TCN。在自制数据集中进行实验,结果表明,该模型的平均精度均值(mAP)达到0.98,远高于相当参数量下的CRNN网络,与MobileNetV3性能相当,但是相比MobileNetV3参数量减少了1.7×10^(6)。分析结果表明,所提模型适用于长时间声音信号处理任务,能提取深层次的特征。
关键词
车辆识别
声音信号重建
卷积循环神经网络
高效空间金字塔模块
时间卷积神经网络
时间分辨率优化
Keywords
vehicle recognition
sound signal reconstruction
Convolutional Recurrent Neural Network(CRNN)
Efficient Spatial Pyramid(ESP)module
Time Convolutional Neural Network(TCN)
time resolution optimization
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于现场可编程门阵列的矩阵求逆算法设计
安国臣
刘若凡
赵满
袁玉鑫
王晓君
《科学技术与工程》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于声谱图时间分辨率优化与残差空间金字塔网络的车辆识别
刘伟娜
赵红东
史剑锋
张学志
赵一鸣
《计算机工程》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
