多注意力结合光流的视频超分辨方法

针对现如今监控摄像、卫星遥感以及视频娱乐等领域对视频图像的清晰度要求越来越高,而目 前大部分视频超分辨方法存在参数量大、恢复的视频存在抖动等问题,提出了一种多注意力结合光流的视频 超分辨方法,通过引入多个注意力包括空间注意力、通道注意力以及自注意力来提升超分辨性能。 具体而 言,作为一种特征加权的增强方法,这些注意力可以捕获视频帧的时空特征并增强自适应性和通道间的依赖 性,实现全局学习的功能;同时,提出双阶段特征对齐思路,首先利用光流对视频进行估计,进行第一阶段的 特征对齐,然后引入长短是记忆网络结构增强位置和通道的特征融合,进行第二阶段的特征对齐,以防止恢 复的视频帧出现抖动。 实验结果表明:该方法在评估标准和可视化效果方面都取得了令人满意的效果。     

矿山爆破地震波的测试分析

通过对某矿山爆破地震波形图的分析,说明了在减震爆破工作中,分段时间选择的重要性,并总结出影响爆破地震波传播的诸多因素,如选择分段时间不当,不但达不到减震效果,反而使振动能量叠加,形成大的波峰值.     

基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.     

分布式OFDM-MIMO雷达包络对齐方法

针对分布式多输入多输出(MIMO)雷达多子站回波包络对齐问题,提出了一种基于正交频分调制(OFDM)波形的分布式MIMO雷达的包络对齐方法.首先建立了该雷达的信号模型,然后根据不同子阵回波距离走动的差异,提出了回波包络走动校正方法,并给出了相应的适用条件.仿真实验测试了不同信噪比、不同多普勒频率下的包络对齐效果,证实了提出方法的有效性.     

网上双语资料的句子自动对齐算法基础分析

针对伴随计算与网络技术的发展的网上资料自动对齐项目研究与开发项目中存在的一系列问题 (比如立项、流程分析、数学概要和工程实施等 ) ,进行了比较系统的研讨和总结。在具体步骤中 ,提出了解决项目立项、数学基础概要分析和工程系统性分析等的数学方法 ;还对相关项目的开发进行了阶段总结     

基于多尺度融合和特征对齐的实时高精度交通标志检测与识别

高精度的实时交通标志检测和识别对安全自动驾驶和智能交通系统至关重要。本研究对基线网络YOLOV4进行了升级,增加了多尺度融合模块和注意力机制模块（AMM）,丰富了不同尺度交通标志的特征表示。同时,颈部网络结合了特征选择模块和特征对齐模块,增强了高、低层特征图之间像素偏移的语义判别。具体地说,针对AMM,设计了一种转置的自注意力操作。其使用互协方差矩阵将令牌维度上的操作转换为通道维度,将时间复杂度从O(n2)降低到O(n)。在TT100K交通标志数据集上的实验结果表明,与基线网络（mAP@0.5=76.4%）相比,升级后的网络（mAP@0.5=83.4%）取得了较好的改进,检测和识别速度可达39.45帧/秒,达到了目前最先进的水平。     

认知网络预编码干扰对齐算法

针对一对主用户和多对次用户的认知多输入多输出（MIMO）系统,通过对次用户的发送端的两次预编码设计,在消除主次用户间干扰的基础上减少次用户间的干扰,有效地提高系统容量。第一次进行的预编码设计使用注水法将认知用户对于主用户的干扰对齐到主用户没有使用的空间子信道,第二次进行的预编码设计使用了最大信干噪比算法来消除次用户间的干扰。理论分析和仿真结果表明,算法在有效消除对主用户干扰的同时,次用户的吞吐量相比传统的认知系统注水功率分配法有显著提升。     

认知网络中的容量最优机会干扰对齐接入

在传统认知网络中,认知用户只能接入主要用户的空闲频带,而不能同时与主要用户共享带宽. 为了更有效地利用频谱资源,提出一种容量最优机会干扰对齐接入算法. 在保证主要用户信道容量的基础上,认知用户与主要用户可以占用相同的频带同时接入网络,且认知用户对主要用户的干扰为零. 所提出的算法由混合网络基站估计信道状态信息,并计算主要用户的信道容量和系统总信道容量. 根据容量最优的准则确定预编码向量及解码向量. 当主要用户的信道容量与未接入认知用户相比几乎不下降,且总信道容量大于未接入认知用户的总容量时,认知用户以容量最优机会干扰对齐的方式接入网络. 仿真结果表明：在相同信道状态条件下,所提出的算法较现有算法具有更优的信道容量并可提高认知网络频带利用率.     

干扰泄漏最小的多小区MIMO干扰对齐算法

在3小区多输入多输出(MIMO)干扰对齐通信系统中, 提出一种基于系统总干扰泄漏最小的预编码矩阵组的选择算法.首先求出系统中所有变换矩阵,并基于干扰泄漏最小准则从中寻找出最优的变换矩阵;再依据干扰对齐的最大自由度选出一半的特征向量组成预编码矩阵.仿真结果表明:与现有干扰对齐预编码矩阵的设计方案相比,文中提出的算法在系统和速率性能上有明显的改善,而且该算法在统计信道状态信息下同样具有优势.     

基于干扰信道的干扰对齐算法综述

在无线通信系统中,用户间干扰总是制约着网络的吞吐量,因此寻求有效的干扰管理方法显得尤为关键.文中首先引出多种传统的干扰管理方法,但基于这些方法的系统容量都会受到干扰的限制,而且随着用户数的增加,很难获取这些方法的一般解.然而干扰对齐算法可使系统的总容量随着用户数的增加线性递增,文中重点综述两类干扰对齐算法:一类是基于信号空间的干扰对齐算法,另一类是基于信号编码级的干扰对齐算法,最后简要分析了干扰对齐算法的可行性和应用前景.