针对毫米波大规模多输入多输出系统中智能反射面通信的混合波束赋形问题,提出了一种基于联邦学习的卷积神经网络训练方法。在多用户通信系统中,设计模拟波束赋形矩阵和智能反射矩阵码本,并运用穷举搜索算法搜索和速率最大的模拟波束赋形矩阵和智能反射矩阵作为训练数据标签;然后基于联邦学习采用卷积神经网络进行本地训练,找到信道矩阵到波束赋形和智能反射矩阵的映射关系。实验结果证明了所提方法的可行性,通过对比有无和随机智能反射面的通信场景,验证了所提方法能构建智能的可编程无线环境,从而更好地利用无线信道,以获得更高的频谱效率。
针对高速移动的多输入多输出正交频分复用系统,提出了一种低复杂度的联合反向传播(BP)神经网络与基扩展模型的时变信道预测算法。 为了降低计算复杂度,采用基扩展模型对信道进行建模,并通过对信道基系数进行线下训练与线上预测以获取未来时刻的信道信息。在线下训练中,首先基于历史接收的导频信号获取信道的基系数估计;然后构造训练样本,并将其送入 BP 神经网络训练中,以获取信道预测网络模型。在线上预测时,基于训练得到网络模型与历史基系数估计,从而获取未来时刻的时域信道。仿真实验结果表明,所提算法的计算复杂度较低,且预测精度较高,适用于未来高速移动环境下时变信道信息的高效获取。
为了提高图神经网络的算力和效率,对图神经网络训练过程中存在的大量内存需求和随机内存访问等问题进行了研究,提出了一种基于异构架构的高性能图神经网络加速器设计。异构平台采用中央处理器与现场可编程门阵列相结合的方式,主要由计算模块和缓冲模块组成。设计不同的硬件架构进行计算;缓冲模块主要用来有储模型参数和中间变量。针对不规则与规则的聚合和更新2种混合执行方式,改进计算模块,并且对加速器进行数据并行和去除冗余等化。在Ultra96-V2硬件平台上进行实验,结果表明,所设计的图神经网络加速器不仅提升了系统性能,而且显著降低了功率消耗。
为了在快速变化的无线通信网络中实现系统吞吐量最大化,提出了一种采用竞争架构深度双 Q 网络(dueling-DDQN)算法的媒体访问控制协议。该协议将竞争架构 Q 网络算法中的 q 值运算方法应用于深度双Q网络中的 q 值计算,结合了竞争架构 Q 网络和深度双 Q 网络的优点,既能够提高 q 值的计算准确率和收敛性能,又解决了过度估计的问题,提升了系统的整体性能和鲁棒性。仿真实验结果表明,在无线通信系统中,相较于传统深度 Q 网络媒体访问控制(MAC)协议,当所提协议与时分多址协议和 ALOHA 协议共存时,有效地减少了收敛时间且提高了系统的总吞吐量。
针对深度神经网络模型在终端设备上部署时面临计算和存储等资源不足的问题,模型剪枝是一种有效的模型压缩方案,在保证模型精度的前提下减少模型的参数量并降低计算复杂度。传统的剪枝方案对于剪枝率及剪枝标准的设置大多依据先验知识,忽略了深度模型中不同层的剪枝敏感度和参数分布差异,缺乏细粒度的优化。对此,提出了一种基于强化学习的滤波器剪枝方案,在满足目标稀疏度的基础上最小化模型剪枝后的精度损失,并采用参数化深度 Q 学习算法求解构建混合变量的非线性优化问题。实验结果表明,所提方案能够为深度模型每一层选择合适的剪枝标准与剪枝率,减小了模型剪枝后的精度损失。
针对风电机组齿轮箱故障诊断准确率低的问题,提出了一种逻辑回归与遗传算法优化生成对抗网络(GAN)的齿轮箱故障诊断方法。该方法采用逻辑回归与遗传算法优化GAN模型,首先,对输入信号向量化编码通过轮盘式选择对宏基因等位交叉;然后,用最小二乘变异替换等位编码串重构表征向量,并输入卷积网络进行二次迭代;最后,构建逻辑回归辅助分类器表征决策边界,依据回归曲线实现判别器的分类与诊断。实验结果表明,所提方法的故障诊断准确率达到99.72%,证明该方法实现了样本数据的增强和诊断准确率的提高。
针对现有的步态识别方法未能充分利用帧级特征信息和时空特征信息的问题,提出了基于帧级-时空双分支网络的步态识别方法。该网络是一个新的双分支结构,包括帧级特征提取和时空特征提取分支。为了进一步增强特征表示,提出了一个时序集成模块连接2个分支结构,使帧级特征提取分支的信息能够多次集成于时空特征提取分支。所提方法在CASIA-B和OU-MVLP数据集上进行了实验。实验结果表明,所提方法在正常行走和复杂条件下都表现出很好的性能。
为了解决单核子空间聚类算法在图像分割任务中无法较好地处理数据非线性结构和噪声等问题,提出了一种基于非凸低秩子空间聚类的图像分割方法。首先,采用自适应形态学重构种子分割方法对梯度图像进行逐点最大值运算,将图像预分割为不同区域大小的超像素图像,弥补了超像素分割算法过度分割的缺陷;其次,对超像素块进行颜色特征提取,并堆叠成数据矩阵输入到多核子空间聚类算法中;再根据子空间表示求解系数矩阵,进而构造出亲和矩阵; 最后,输入到谱聚类中得到最终的分割结果。在公共数据集上的对比实验结果表明,所提方法取得了最佳的聚类性能和分割效果。
为了弥补传统方法设计宽频超材料吸波体存在重复试验和设计周期长的缺陷,提出了拓扑优化方法来设计宽频超材料吸波体,通过改变表层拓扑结构实现工作带宽的灵活调节。采用离散编码的方式进行拓扑编码化,通过一种结合动态权值和高斯误差的二进制粒子群算法优化拓扑结构,以实现C-Ku内任意工作频段的高吸波率。所设计的2种超材料吸波体在8.2~16.6 GHz和7~13 GHz频段的吸波率高于90%,尤其在X频段内,其中一种超材料吸波体的平均吸波率高达96.44%。实验结果表明,所提算法改善了早熟和后期局部搜索能力弱的问题,更有效地应用于宽频超材料吸波体的设计。
基于共形几何代数,提出了一种9杆巴氏桁架位移分析的新几何建模和计算方法。在共形几何代数框架下,根据点、球、面、点对等基本几何元素的表示方法以及三角形面积的有向性,通过几何体的相交、分离和对偶等运算,建立2个位移约束方程式;然后,通过一步结式消元得到该问题的一元54次方程,无增根无漏根。所提方法的优势在于2个位移约束方程的推导脱离了坐标系,且约束方程数的减少简化了方程组的消元过程。数值实例表明了所提方法的正确性,为其他9杆巴氏桁架的位移分析求解理论提供了一种新思路。
基于通信与控制一体化的思路,对协同飞行无人机网络进行了研究,提出了领导-跟随协同控制设计和通信容量分析方法。该方法首先选取并控制一架领导者无人机引导整个网络飞行,在部分跟随者获取领导者状态信息的情况下可实现所有跟随者分布式交互及运动协同,其特点是过程简单及易于分析和应用;协同飞行无人机网络基于莱斯衰落信道分析了网络链路的通信容量,并推导了在协同飞行运动收敛过程中链路通信容量的下界。仿真实验结果表明,所提方法在领导-跟随协同网络中能够使编队运动按期望规律飞行,同时无人机间链路的通信容量存在不为零的下界,与理论分析一致。
在现实复杂环境中,往往使用RGB-D相机直接获取点云,会受到外界复杂场景的影响,例如:光线、透明物体、遮挡和阴影等,导致点云出现大规模缺失,甚至无法表示物体真实的三维特征。不完整的点云将会对目标识别和路径规划等多个计算机视觉领域的重要研究造成影响。对此,提出了使用RGB图片语义信息等多模态下的数据来指导补全点云的方法。该方法先使用一种基于“编码器-解码器”结构的RGB图片语义分割网络,获取RGB图片的语义分割结果,然后将RGB图片、RGB图片语义分割结果和残缺的稀疏深度图作为算法输入,输出补全好的点云。经过在真实复杂场景中进行大量实验,实验结果表明,所提方法在补全效果和运行效率等方面均取得不错效果。
针对基于位置服务中移动终端用户轨迹隐私安全及用户个性化需求的问题,提出一种个性化差分隐私的k匿名轨迹隐私保护方案。所提方案根据用户的个性化差异分配不同的隐私预算,利用差分隐私技术对用户轨迹多次添加拉普拉斯噪声,生成2k个噪声轨迹;利用轨迹相似性度量方法确定最优的k-1个噪声用户,将其与真实用户组成k匿名用户组,然后随机选取一个代理用户代替真实用户执行位置服务请求,从而实现对用户身份和轨迹的隐私性保护。通过安全性分析得出方案满足匿名性、不可伪造性和抗假冒攻击等安全特性。仿真实验结果表明,所提方案在隐私保护效果上有明显的优势,且具有较高的执行效率。
为了提高隐私保护下的推荐算法准确性,提出了一种满足差分隐私保护的逻辑回归矩阵分解推荐算法。该算法首先将隐式数据的矩阵分解转换为分类问题并以概率方式对其建模;然后采用sigmoid函数对预测评分进行非线性变换,将原始的矩阵分解问题转换成用户隐因子和项目隐因子的优化问题,并对目标函数添加随机噪音进行扰动,使算法满足差分隐私保护。在Movielens100K,Movielens1M和YahooMusic数据集上进行实验,并与现有算法进行对比,该算法在F1值指标上分别提升了9.29%,7.40%和3.61%。理论分析和实验结果表明,所提算法在实现用户隐式反馈数据保护的同时还能有效地保证推荐结果的准确性,具有良好的应用价值。