针对基于传统深度学习的视频预测中对数据空间特征提取效果不佳及预测精度低的问题,提出一种结合内卷与卷积算子(CICO)的视频预测模型。该模型主要通过以下三个方面提高视频序列的预测性能:首先,采用不同大小的卷积核增强对数据多粒度...针对基于传统深度学习的视频预测中对数据空间特征提取效果不佳及预测精度低的问题,提出一种结合内卷与卷积算子(CICO)的视频预测模型。该模型主要通过以下三个方面提高视频序列的预测性能:首先,采用不同大小的卷积核增强对数据多粒度空间特征的提取能力,较大的卷积核能够提取更大空间范围的特征,而较小的卷积核可更精确地捕获视频目标的运动细节,实现对目标多角度表征学习;其次,用计算效率更高、参数更少的内卷算子替代核较大的卷积算子,内卷通过高效的通道间交互避免了大量的不必要参数,在降低计算和存储成本的同时提升模型预测能力;最后,引入核为1×1的卷积进行线性映射,增强不同特征之间的联合表达,提高了模型参数的利用效率并增强了预测的鲁棒性。通过多个数据集对该模型进行全面测试,结果表明,相较于目前最优的SimVP(Simpler yet better Video Prediction)模型,所提模型在多项指标上均有显著提升。在移动手写数据集上,均方误差和平均绝对误差分别降低25.2%和17.4%;在北京交通数据集上,均方误差降低1.2%;在人体行为数据集上,结构相似性指数和峰值信噪比分别提高0.66%和0.47%。可见,所提模型在提升视频预测精度方面十分有效。展开更多
针对符合CCSDS(Consultative Committee for Space Data Systems,国际空间数据系统咨询委员会)标准的多种复合调制体制测控信号,本文在建立8类典型调制信号数学模型的基础上,分析了信号的频域和统计域特征,并基于高阶累积量和信号平方...针对符合CCSDS(Consultative Committee for Space Data Systems,国际空间数据系统咨询委员会)标准的多种复合调制体制测控信号,本文在建立8类典型调制信号数学模型的基础上,分析了信号的频域和统计域特征,并基于高阶累积量和信号平方谱提取了4个特征参数.根据所提的特征参数,针对复合调制信号提出了一种基于特征提取的直接识别方法,给出了具体的识别流程,并在11种信噪比下对该识别方法进行了MATLAB仿真实验.仿真结果表明在2 dB信噪比条件下,8类信号的识别率均达到98%,证明了所提复合调制盲识别方法的有效性.展开更多
基金the National Natural Science Foundation of China(61501097)the Chinese Fundamental Research Funds for the Central Universities(ZYGX2016J157,ZYGX2018J079,ZYGX2019J080)。
文摘针对基于传统深度学习的视频预测中对数据空间特征提取效果不佳及预测精度低的问题,提出一种结合内卷与卷积算子(CICO)的视频预测模型。该模型主要通过以下三个方面提高视频序列的预测性能:首先,采用不同大小的卷积核增强对数据多粒度空间特征的提取能力,较大的卷积核能够提取更大空间范围的特征,而较小的卷积核可更精确地捕获视频目标的运动细节,实现对目标多角度表征学习;其次,用计算效率更高、参数更少的内卷算子替代核较大的卷积算子,内卷通过高效的通道间交互避免了大量的不必要参数,在降低计算和存储成本的同时提升模型预测能力;最后,引入核为1×1的卷积进行线性映射,增强不同特征之间的联合表达,提高了模型参数的利用效率并增强了预测的鲁棒性。通过多个数据集对该模型进行全面测试,结果表明,相较于目前最优的SimVP(Simpler yet better Video Prediction)模型,所提模型在多项指标上均有显著提升。在移动手写数据集上,均方误差和平均绝对误差分别降低25.2%和17.4%;在北京交通数据集上,均方误差降低1.2%;在人体行为数据集上,结构相似性指数和峰值信噪比分别提高0.66%和0.47%。可见,所提模型在提升视频预测精度方面十分有效。
文摘针对符合CCSDS(Consultative Committee for Space Data Systems,国际空间数据系统咨询委员会)标准的多种复合调制体制测控信号,本文在建立8类典型调制信号数学模型的基础上,分析了信号的频域和统计域特征,并基于高阶累积量和信号平方谱提取了4个特征参数.根据所提的特征参数,针对复合调制信号提出了一种基于特征提取的直接识别方法,给出了具体的识别流程,并在11种信噪比下对该识别方法进行了MATLAB仿真实验.仿真结果表明在2 dB信噪比条件下,8类信号的识别率均达到98%,证明了所提复合调制盲识别方法的有效性.
