論文元數據搜索,找到相關信息共 6 條:
1993, 15(1): 83-87.
刊出日期:1993-01-19
關鍵詞:
編碼; 調制; 格狀碼
本文在L.F.Wei(1984)的工作基礎上,定義了格狀碼格狀圖的一般結構,討論了二維QAM星座的旋轉不變格狀碼的性質,給出了其全部不等價信號安排,從而可以方便地設計旋轉不變格狀碼。
2009, 31(5): 1229-1232.
doi: 10.3724/SP.J.1146.2008.00036
刊出日期:2009-05-19
該文針對多用戶MIMO-OFDM系統(tǒng),基于最大化信號與干擾加噪聲比(Signal-to Jamming and Noise Ratio,SJNR)預編碼,提出了實用的自適應資源分配方法。根據各用戶SJNR值,提出采用遞增(Incremental Algorithm,IA)和遞減(Decremental Algorithm,DA)兩種方法為各子載波選擇用戶集合,使各子載波被多個用戶最優(yōu)復用,實現多用戶分集,以達到最大化系統(tǒng)吞吐量的目的。此外,基于DA思想,給出了考慮不同用戶QoS要求下分配子載波的方法(QoS Decremental Algorithm,QDA)。分析和仿真結果表明,IA和DA在大大降低算法復雜度的同時使性能很好地接近最優(yōu)算法,QDA能在滿足不同用戶QoS要求的同時最大化系統(tǒng)吞吐量。
2023, 45(10): 3558-3567.
doi: 10.11999/JEIT221017
刊出日期:2023-10-31
為了提高輕型卷積神經網絡(CNN)在遙感圖像(RSI)場景分類任務中的精度,該文設計一個雙注意力(DA)與空間結構(SS)相融合的雙知識蒸餾(DKD)模型。首先,構造新的DA模塊,將其嵌入到ResNet101與設計的輕型CNN,分別作為教師與學生網絡;然后,構造DA蒸餾損失函數,將教師網絡中的DA知識遷移到學生網絡之中,從而增強其對RSI的局部特征提取能力;最后,構造SS蒸餾損失函數,將教師網絡中的語義提取能力以空間結構的形式遷移到學生網絡,以增強其對RSI的高層語義表示能力?;趦蓚€標準數據集AID和NWPU-45的對比實驗結果表明,在訓練比例為20%的情況下,經知識蒸餾之后的學生網絡性能分別提高了7.69%和7.39%,且在參量更少的情況下性能也優(yōu)于其他方法。
2008, 30(4): 768-771.
doi: 10.3724/SP.J.1146.2006.01467
刊出日期:2008-04-19
該文研究了低軌道(LEO)衛(wèi)星CDMA系統(tǒng)發(fā)信機的數字部分,介紹了其結構、算法原理及其具體實現。重點介紹了發(fā)信機數字信號處理部分在FPGA的實現,主要包括信息數據流的處理及編碼、交織、成型濾波、CIC插值濾波和數字上變頻等。在設計上采用了基于多相濾波結構和分布式算法(DA)的成型濾波器以及高效CIC插值濾波器,節(jié)省了系統(tǒng)的硬件資源,提高了系統(tǒng)的性能。
2013, 35(11): 2700-2706.
doi: 10.3724/SP.J.1146.2013.00106
刊出日期:2013-11-19
為了解決雜波環(huán)境下脈沖多普勒(PD)雷達的多目標跟蹤問題,提出一種距離模糊情況下基于概率假設密度濾波(PHDF)和數據關聯(lián)(DA)的聯(lián)合解距離模糊和多目標跟蹤方法。該方法使雷達采用一組脈沖重復頻率(PRF)交替變換的工作模式,并對雷達生成的模糊量測進行多假設,得到擴展量測集;然后,利用PHDF可以有效濾除雜波和避免目標-量測數據關聯(lián)的突出優(yōu)點,對擴展量測集進行濾波,得到粗略的目標狀態(tài)估計;最后,對PHDF的濾波結果進行航跡-估計值關聯(lián),給出多目標航跡信息。仿真結果表明,該算法可以同時給出目標個數和各目標狀態(tài)估計,實現雜波環(huán)境和距離模糊條件下對多目標的有效跟蹤。
2024, 46(7): 2748-2756.
doi: 10.11999/JEIT230974
刊出日期:2024-07-29
裝載各種有效荷載的無人機(UAV)能夠實現傳感、通信和計算等多任務,因而常被部署到數據采集(DA)和輔助計算等領域。但是到目前為止,絕大多數研究僅專注于單一功能的無人機輔助的通信網絡資源分配與軌跡優(yōu)化,對于面向多任務的資源分配和軌跡優(yōu)化問題還未解決。為此,該文提出一種綜合考慮無人機數據采集、數據廣播以及計算任務卸載的無人機輔助的通信網絡資源優(yōu)化的分配策略,旨在通過聯(lián)合優(yōu)化傳輸占空比、用戶發(fā)射功率與無人機軌跡,在滿足目標位置采集數據實時廣播的前提下,最大化用戶卸載量。為了解決多變量耦合優(yōu)化問題,提出了基于塊坐標下降(BCD)和連續(xù)凸逼近(SCA)的高效迭代優(yōu)化算法,將耦合優(yōu)化問題分解為3個子問題進行迭代優(yōu)化。最后,大量仿真結果表明,該算法在公平性和總卸載計算量方面都優(yōu)于其他測試方案。