首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即...首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即将时域语音信号映射为图域的语音图信号,通过设计语音图信号的图拓扑结构和图邻接矩阵来研究语音图信号的内在潜藏关系,进而设计优于经典DSP的语音图信号消噪算法和系统。在此研究基础上,进一步讨论相关实际应用问题,例如麦克风阵列环境下如何通过GSP技术处理麦克风阵列声源(说话人)的定位及追踪问题。期望基于GSP技术语音图信号处理理论,为语音识别、合成、编码、增强等各个领域的图信号处理奠定理论基础。展开更多
提升Q学习(Q-learning)算法在复杂环境中的数据效率与决策准确度,无疑是算法性能优化所面临的关键挑战。将因果模型引入Q学习算法,通过揭示变量间的因果关系,从而提高Q学习算法的性能是新兴且热门的研究方向。该文提出一种基于因果模型...提升Q学习(Q-learning)算法在复杂环境中的数据效率与决策准确度,无疑是算法性能优化所面临的关键挑战。将因果模型引入Q学习算法,通过揭示变量间的因果关系,从而提高Q学习算法的性能是新兴且热门的研究方向。该文提出一种基于因果模型的Q学习算法,C-Q学习(Causal-model based Q-learning)算法。该算法包括基于智能体利用Q学习算法与环境交互过程中关键变量之间的因果关系,构建结构因果模型;采用因果推断理论中的后门调整的方法去除模型中影响奖励的混淆因子所引起的混淆效应,评估了更为准确的Q值,并且精准识别出每个状态下可能获得最高奖励的动作,优化Q学习算法的动作选择过程。最后,将Q学习算法、Eva-Q学习算法、C-Q学习算法在栅格环境中进行仿真实验。仿真实验结果表明,C-Q学习算法在路径长度、规划时间、数据效率和决策准确度等多个指标上均优于其余两种算法。展开更多
基于运动想象的脑机接口系统一直是海内外研究学者的关注对象。针对传统运动想象脑电识别系统不能精准提取显著特征、分类识别准确率低等问题,提出一种新的基于自编码器(AE,auto-encoder)降维的Transformer分类识别模型。该方法使用滤...基于运动想象的脑机接口系统一直是海内外研究学者的关注对象。针对传统运动想象脑电识别系统不能精准提取显著特征、分类识别准确率低等问题,提出一种新的基于自编码器(AE,auto-encoder)降维的Transformer分类识别模型。该方法使用滤波器组共空间模式(FBCSP, filter bank common spatial pattern)对数据进行多个频段的特征提取,并利用AE获得降维后的特征矩阵。同时借助Transformer模型的位置编码考虑全局信号特征影响并利用多头自注意力机制考虑特征矩阵的内部关联性,提升系统分类识别效果。与传统的基于线性判别分析(LDA,linear discriminantanalysis)的K-近邻(KNN,K-nearestneighbors)法分类识别系统进行对比,实验表明AE+Transformer模型的分类识别效果优于LDA+KNN系统,说明这种改进后的算法适用于运动想象的二分类。展开更多
随着无线通信技术的快速发展,无线接入设备日益增多,但系统能耗也在不断增长。具备无线携能通信能力的正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统可以有效提高系统能量效率。本文针对以系统能效为优化目标的...随着无线通信技术的快速发展,无线接入设备日益增多,但系统能耗也在不断增长。具备无线携能通信能力的正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统可以有效提高系统能量效率。本文针对以系统能效为优化目标的资源分配问题,提出了基于椭球法的携能通信OFDM系统能效优化算法。该算法采用椭球法对拉格朗日乘子进行更新,可以有效加快算法收敛速度,提升算法性能。仿真实验结果表明,所提出基于椭球法的能效优化算法能有效解决以系统能效为优化目标的资源分配问题,与次梯度法相比,椭球法的收敛速度更快,能够显著地降低算法复杂度。展开更多
在全双工多中继协作无线携能通信网络中,传统的中继选择算法未考虑到未被选择中继的闲置利用问题,导致中继数量增加时网络的性能浪费愈加严重,如何开发未被选择中继的剩余潜能成为提升网络性能的关键。对此,设计了一种新的HTT(Harvest t...在全双工多中继协作无线携能通信网络中,传统的中继选择算法未考虑到未被选择中继的闲置利用问题,导致中继数量增加时网络的性能浪费愈加严重,如何开发未被选择中继的剩余潜能成为提升网络性能的关键。对此,设计了一种新的HTT(Harvest then Transmit)功率消耗方案,在中继配备电池的情形下,通过充分利用中继处的能量收集模块增加了被选择中继处的发射功率,从而进一步提升了系统容量。此外,针对提出的新的HTT功率消耗方案,考虑了BIKT(Battery Information Known at Transmitter)和BIUT(Battery Information Unknown at Transmitter)两种应用场景。仿真实验的结果表明,3种中继选择算法,即单中继选择算法、贪婪中继选择算法和穷竭搜索算法,在采用提出的新的HTT功率消耗方案后,无论是应用于BIKT场景还是BIUT场景均能有效提升系统容量并降低中断概率。展开更多
文摘首先论述新型图信号处理(Graph Signal Processing,GSP)技术的基本概念和相关研究进展,其中包括图拓扑结构、图傅里叶变换、滤波及图学习。鉴于语音信号是一种非平稳和非线性的信号,为此,文中研究基于GSP技术的语音信号的图映射理论,即将时域语音信号映射为图域的语音图信号,通过设计语音图信号的图拓扑结构和图邻接矩阵来研究语音图信号的内在潜藏关系,进而设计优于经典DSP的语音图信号消噪算法和系统。在此研究基础上,进一步讨论相关实际应用问题,例如麦克风阵列环境下如何通过GSP技术处理麦克风阵列声源(说话人)的定位及追踪问题。期望基于GSP技术语音图信号处理理论,为语音识别、合成、编码、增强等各个领域的图信号处理奠定理论基础。
文摘提升Q学习(Q-learning)算法在复杂环境中的数据效率与决策准确度,无疑是算法性能优化所面临的关键挑战。将因果模型引入Q学习算法,通过揭示变量间的因果关系,从而提高Q学习算法的性能是新兴且热门的研究方向。该文提出一种基于因果模型的Q学习算法,C-Q学习(Causal-model based Q-learning)算法。该算法包括基于智能体利用Q学习算法与环境交互过程中关键变量之间的因果关系,构建结构因果模型;采用因果推断理论中的后门调整的方法去除模型中影响奖励的混淆因子所引起的混淆效应,评估了更为准确的Q值,并且精准识别出每个状态下可能获得最高奖励的动作,优化Q学习算法的动作选择过程。最后,将Q学习算法、Eva-Q学习算法、C-Q学习算法在栅格环境中进行仿真实验。仿真实验结果表明,C-Q学习算法在路径长度、规划时间、数据效率和决策准确度等多个指标上均优于其余两种算法。
文摘基于运动想象的脑机接口系统一直是海内外研究学者的关注对象。针对传统运动想象脑电识别系统不能精准提取显著特征、分类识别准确率低等问题,提出一种新的基于自编码器(AE,auto-encoder)降维的Transformer分类识别模型。该方法使用滤波器组共空间模式(FBCSP, filter bank common spatial pattern)对数据进行多个频段的特征提取,并利用AE获得降维后的特征矩阵。同时借助Transformer模型的位置编码考虑全局信号特征影响并利用多头自注意力机制考虑特征矩阵的内部关联性,提升系统分类识别效果。与传统的基于线性判别分析(LDA,linear discriminantanalysis)的K-近邻(KNN,K-nearestneighbors)法分类识别系统进行对比,实验表明AE+Transformer模型的分类识别效果优于LDA+KNN系统,说明这种改进后的算法适用于运动想象的二分类。
文摘随着无线通信技术的快速发展,无线接入设备日益增多,但系统能耗也在不断增长。具备无线携能通信能力的正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统可以有效提高系统能量效率。本文针对以系统能效为优化目标的资源分配问题,提出了基于椭球法的携能通信OFDM系统能效优化算法。该算法采用椭球法对拉格朗日乘子进行更新,可以有效加快算法收敛速度,提升算法性能。仿真实验结果表明,所提出基于椭球法的能效优化算法能有效解决以系统能效为优化目标的资源分配问题,与次梯度法相比,椭球法的收敛速度更快,能够显著地降低算法复杂度。
文摘在全双工多中继协作无线携能通信网络中,传统的中继选择算法未考虑到未被选择中继的闲置利用问题,导致中继数量增加时网络的性能浪费愈加严重,如何开发未被选择中继的剩余潜能成为提升网络性能的关键。对此,设计了一种新的HTT(Harvest then Transmit)功率消耗方案,在中继配备电池的情形下,通过充分利用中继处的能量收集模块增加了被选择中继处的发射功率,从而进一步提升了系统容量。此外,针对提出的新的HTT功率消耗方案,考虑了BIKT(Battery Information Known at Transmitter)和BIUT(Battery Information Unknown at Transmitter)两种应用场景。仿真实验的结果表明,3种中继选择算法,即单中继选择算法、贪婪中继选择算法和穷竭搜索算法,在采用提出的新的HTT功率消耗方案后,无论是应用于BIKT场景还是BIUT场景均能有效提升系统容量并降低中断概率。
