可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于机器阅读理解的商品属性识别

属性抽取的目标是从非结构化文本中抽取与文本实体相关的属性和属性值，然而在电商场景下基于序列标注的模型缺少应对大规模属性抽取任务的可扩展性和可泛化性能力。本文提出基于阅读理解的商品属性抽取模型，通过额外加入问句来强化模型对属性的理解，结合双仿射注意力机制捕获问句和文本之间的语义特征，进一步提高模型的抽取性能。本文在电商数据集上对不同类型问句和不同解码器进行了对比实验，结果表明本文提出的方法优于多个基线模型，相较于OpenTag和SUOpenTag模型，属性抽取的F1值分别提升7.70%和3.26%，未登录词识别的F1值分别提升15.51%和8.12%。     

一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

基于互差跳跃算法的签到系统研究与实现

针对传统签到方式耗时且繁琐,文章研究并实现了一个基于互差跳跃算法的签到系统。该系统使用百度地图应用编程接口(application programming interface,API)获取签到者位置信息,基于中位数的互差跳跃算法判断签到者所在位置是否正确。算法以中位数附近一定范围的互差均值作为基准,以相邻数据互差与基准的比值作为异常门槛系数,根据系数值对已签到用户位置信息的可信度进行判断,从而确定用户的真实出勤状态。该系统目前已应用于某高校课堂考勤,实际应用效果证明该系统拥有较高的准确率,可以满足签到需求,有很好的实用性。     

大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel State Information Network,MCSINet),对反馈的信道状态信息进行压缩及预测,能够显著减少信道状态信息捕获与反馈开销,及降低时延.MCSINet模拟信道状态信息编解码系统,采用残差网络从信道样本中学习并完成信道预测,并通过多分辨率的卷积操作以及针对不同压缩率改变网络结构,从而更好预测信道状态.实验结果表明:与LASSO,TVAL3,CSINet等方法相比,MCSINet可以显著提高恢复信道状态信息,并且具有更低的误码率,复杂度和时延.     

编者按

<正>大数据是海量、高增长率和多样化的信息资产,需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力.大数据在政府、公共事业、商业领域的价值日益凸显,成功案例层出不穷.真实、准确、及时的大数据样本也为心理学研究方法的变革带来了崭新的机遇,拓宽和加深了心理学研究的广度和深度,提升了心理学研究的预测力和控制力.我国已有不少学者投身大数据的洪流,如中国科学院心理研究所朱廷劭研究员创建了"计算网络心理实验室"并基于大数据开发了"国人心理地图"、蔡华俭研究员创建了"云端心理     

面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.     

管廊复杂网格参数化算法及其大规模在线渲染

随着WebBIM(Web Building Information Modeling)技术的大力发展,建筑模型的复杂度与构件数量呈几何倍数增长,其中管廊复杂网格是影响模型轻量化和在线渲染速率的一个关键性问题。为有效减少管廊复杂网格模型的数据量及复杂度,针对一般圆柱体形管廊,复杂网格的弯管管廊模型及中空管廊网格模型,提出了一套轻量级参数化算法。该算法对场景中的管廊模型进行参数化重绘并辅助以多细节层次等视觉优化手段,以减轻WebBIM场景中的管廊模型渲染负担,其在拥有大量管廊模型的场景中应用成功,具有较强的工程实践意义。     

一种面向阴雨天气大规模水域交互模拟方法

针对计算机图形学中大规模水域雨场景绘制的难题,提出了一种适合大规模水域雨场景实时绘制的方法.将改进的波动方程引入雨天湖面波动以及雨滴与湖面的交互效果模拟中,结合快速傅里叶变换的风力趋向性以及周期性,建-了雨天水面交互波动的数学模型,根据数学模型构建了雨天水面交互高度图,通过光照渲染,实现了湖面反射效果和雨线绘制.为了提高模拟效率,整个过程在GPU中实现,并采用基于四叉树的多细节层次技术进行加速.在1 440×900的图像分辨率下,帧速达到了98 fps,满足了实时交互模拟的需求.