論文元數(shù)據(jù)搜索，找到相關(guān)信息共 4 條：
2021, 43(4): 1064-1071.
doi: 10.11999/JEIT191049
刊出日期：2021-04-20
針對5G通信技術(shù)高傳輸速率、多業(yè)務(wù)場景的挑戰(zhàn)，該文提出一種組件化的軟件定義無線接入網(wǎng)絡(luò)新架構(gòu)。該架構(gòu)在5G接入網(wǎng)集中單元(CU)，分布單元(DU)，有源天線單元(AAU)架構(gòu)的基礎(chǔ)上，進(jìn)一步朝組件化方向演進(jìn)，形成一種由集中控制單元(CCU), CU, DU，射頻單元(RU)，AAU等組件化通信單元組成的新架構(gòu)。這種新架構(gòu)既有利于切片化、虛擬化實(shí)現(xiàn)無線接入網(wǎng)，又有利于應(yīng)用分布式計(jì)算技術(shù)和硬件加速技術(shù)突破通用處理器的計(jì)算能力瓶頸，還能降低DU與AAU之間的前傳壓力。該文還研制了基于此架構(gòu)的組件化軟基站試驗(yàn)原型并進(jìn)行了測試，結(jié)果表明該組件化方案在提供高度靈活性的同時(shí)，還能夠提升通用處理器軟基站的吞吐能力，并有效降低遠(yuǎn)端站址傳輸流量。
2008, 30(5): 1109-1112.
doi: 10.3724/SP.J.1146.2006.01760
刊出日期：2008-05-19
為快速生成高質(zhì)量混淆網(wǎng)絡(luò),該文提出一種最大后驗(yàn)弧主導(dǎo)的快速生成算法。它只需遍歷一遍Lattice,具有線性時(shí)間復(fù)雜度。采用K-L散度(Kullback-Leibler Divergence,KLD)來度量弧標(biāo)號之間的發(fā)音相似性,改善了混淆網(wǎng)絡(luò)生成中弧對齊的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果顯示,所提算法在生成速度上和Xue的快速算法是可比的,而生成質(zhì)量更好。通過采用KLD作為弧標(biāo)號相似性測度,生成混淆網(wǎng)絡(luò)的質(zhì)量得到了進(jìn)一步提高。
2024, 46(1): 277-286.
doi: 10.11999/JEIT221502
刊出日期：2024-01-17
圖像超分變率重建方法在公共安全檢測、衛(wèi)星成像、醫(yī)學(xué)和照片恢復(fù)等方面有著十分重要的用途。該文對基于生成對抗網(wǎng)絡(luò)的超分辨率重建方法進(jìn)行研究，提出一種基于純合成數(shù)據(jù)訓(xùn)練的真實(shí)世界盲超分算法(Real-ESRGAN)的UNet3+雙鑒別器Real-ESRGAN方法(Double Unet3+ Real-ESRGAN, DU3-Real-ESRGAN)。首先，在鑒別器中引入U(xiǎn)Net3+結(jié)構(gòu)，從全尺度捕捉細(xì)粒度的細(xì)節(jié)和粗粒度的語義。其次，采用雙鑒別器結(jié)構(gòu)，一個(gè)鑒別器學(xué)習(xí)圖像紋理細(xì)節(jié)，另一個(gè)鑒別器關(guān)注圖像邊緣，實(shí)現(xiàn)圖像信息互補(bǔ)。在Set5, Set14, BSD100和Urban100數(shù)據(jù)集上，與多種基于生成對抗網(wǎng)絡(luò)的超分重建方法相比，除Set5數(shù)據(jù)集外，DU3-Real-ESRGAN方法在峰值信噪比(PSNR)、結(jié)構(gòu)相似性(SSIM)和無參圖像考評價(jià)指標(biāo)(NIQE)都優(yōu)于其他方法，產(chǎn)生了更直觀逼真的高分辨率圖像。
2024, 46(9): 3503-3509.
doi: 10.11999/JEIT240120
刊出日期：2024-09-26
蜂窩網(wǎng)絡(luò)下的同時(shí)同頻全雙工(CCFD)設(shè)備到設(shè)備(D2D)組網(wǎng)可以進(jìn)一步提升網(wǎng)絡(luò)頻譜效率，然而由此引入的殘余自干擾(RSI)及蜂窩用戶(CU)與D2D用戶(DU)之間共享頻譜的干擾會嚴(yán)重影響到蜂窩用戶的體驗(yàn)。因此，該文為蜂窩網(wǎng)絡(luò)下同時(shí)同頻全雙工組網(wǎng)設(shè)計(jì)了兩種干擾協(xié)調(diào)算法，即CU和速率最大化算法(MaxSumCU)與CU最小速率最大化算法(MaxMinCU)，在小區(qū)頻譜效率得到提升的同時(shí)盡可能地保證CU的體驗(yàn)。對于MaxSumCU算法，該文以CU和速率為優(yōu)化目標(biāo)建立混合整數(shù)非線性規(guī)劃問題(MINLP)，其在數(shù)學(xué)上為非確定性多項(xiàng)式(NP-hard)問題。算法將其分解為功率控制與頻譜資源分配兩個(gè)子問題，并用圖形規(guī)劃找到最優(yōu)功率解后，使用二向圖最大權(quán)值匹配算法決定頻譜共享的CU與DU。為了保證每一個(gè)蜂窩用戶體驗(yàn)的公平性，該文設(shè)計(jì)了MaxMinCU算法用以最大化所有CU速率中的最小值，該算法基于二分查找與二向圖最小權(quán)值匹配算法來完成用戶的資源分配。數(shù)值結(jié)果表明，與小區(qū)和速率最大化(MaxSumCell)設(shè)計(jì)相比，該文所提的兩種算法在提升小區(qū)和速率的同時(shí)均有效地提升了蜂窩用戶的體驗(yàn)。
