【摘 要】
：
针对短波场景下已有的MIMO检测算法性能不佳或复杂度太高的问题,提出一种基于元学习的MIMO检测方法MetaMMNet.将不同的信道矩阵下的MIMO检测看作为独立的任务,通过对大量不同任务的学习使得模型获得对于不同信道矩阵的泛化能力,能够快速适应变化的信道矩阵.在4 QAM、16 QAM和64 QAM调制方式下进行仿真实验,实验结果表明,在短波空间相关信道下MetaMMNet的误符号率性能要优于MMNet约1 dB,优于OAMPNet约2 dB.且MetaMMNet与在线学习的MMNet相比能够更快地适应
【机 构】
：
武汉大学 电子信息学院,湖北 武汉 430072
论文部分内容阅读
针对短波场景下已有的MIMO检测算法性能不佳或复杂度太高的问题,提出一种基于元学习的MIMO检测方法MetaMMNet.将不同的信道矩阵下的MIMO检测看作为独立的任务,通过对大量不同任务的学习使得模型获得对于不同信道矩阵的泛化能力,能够快速适应变化的信道矩阵.在4 QAM、16 QAM和64 QAM调制方式下进行仿真实验,实验结果表明,在短波空间相关信道下MetaMMNet的误符号率性能要优于MMNet约1 dB,优于OAMPNet约2 dB.且MetaMMNet与在线学习的MMNet相比能够更快地适应快速变化的信道,与OAMPNet相比具有更低的计算复杂度.
其他文献
为保护文件系统的安全性,提出一种抗板级物理攻击的持久存储方法.利用ARM TrustZone技术构建持久存储架构,实现内存保护机制和持久存储保护服务,提高文件系统的物理安全性.基于片上内存(OCM)在可信执行环境(TEE)中的内核层建立内存保护机制,保证TEE的可信应用能够抵抗板级物理攻击.基于TEE的内存保护机制实现保护文件系统中敏感数据的持久存储保护服务,确保文件系统的机密性和完整性.在物理开发板上实现持久存储架构的原型系统,使用基准测试工具对原型系统进行性能评估,并分析性能损耗的原因.测试结果表明,
基于历史查询概率的哑元位置隐私保护机制存在匿名度低、隐匿区域小和位置分布不均匀的问题.提出K-匿名哑元位置选取(K-DLS)算法用于位置隐私保护.通过综合考虑匿名集的位置离散度和零查询用户,增强哑元匿名集的隐私性.利用熵度量选择哑元位置,使得哑元匿名集的熵值最优,并根据位置偏移距离优化匿名结果,增加匿名集的位置离散度.仿真结果表明,K-DLS算法的哑元匿名集离散度优于DLS、DLP、Enhanced_DLP等算法,能够有效提高用户位置的隐私保护效果.
动态频谱共享能够解决由于互联无线设备快速增长导致的频谱资源短缺问题,但用户需要向数据库提交位置信息来查询频谱的可用性,造成用户的隐私泄露,而多数位置信息保护方案较少同时考虑对主要用户(PU)和二级用户(SU)的位置隐私保护.提出一种基于盲签名和秘密共享的数据库驱动认知无线电网络隐私保护方案.通过对PU和SU的双重隐私保护,使用盲签名和匿名来确保匿名验证用户身份,同时运用秘密共享避免泄露用户信息.仿真结果表明,与PeDSS和LP-Goldberg等方案相比,该方案具有较好的评估性能和更高的安全性,能够更好地
拟态存储作为网络空间拟态防御技术在分布式存储领域的工程实现,能够有效提高存储系统的安全性.由于元数据节点中存在随机性的算法和逻辑,使得执行体状态可能不一致,从而导致整个拟态存储系统无法正常运转.为解决该问题,提出一种元数据再同步方法.在系统中引入状态监视模块和映射同步机制,状态监视模块及时检测执行体状态不一致的情况并进行反馈,映射同步机制建立客户端指令和裁决器输出结果之间的映射关系,使得同步过程在不影响拟态存储系统正常工作的同时符合分布式存储系统最终的一致性要求.在拟态存储工程样机上进行功能和性能测试,结
立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤.为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet.引入密集空洞卷积和空间金字塔池化方法提取多尺度特征信息,同时使用轻量化注意力模块优化多尺度特征信息,构建多特征融合的匹配代价卷.在此基础上,利用3D卷积神经网络和堆叠沙漏网络聚合匹配代价信息,并通过回归的方式生成视差图.实验结果表明,该网络在KITTI2015数据集上的误匹配率为2.12％,相比PSMNet、DisNetC、P
视线估计能够反映人的关注焦点,对理解人类的情感、兴趣等主观意识有重要作用.但目前用于视线估计的单目眼睛图像容易因头部姿态的变化而失真,导致视线估计的准确性下降.提出一种新型分类视线估计方法,利用三维人脸模型与单目相机的内在参数,通过人脸的眼睛与嘴巴中心的三维坐标形成头部姿态坐标系,从而合成相机坐标系与头部姿态坐标系,并建立归一化坐标系,实现相机坐标系的校正.复原并放大归一化得到的灰度眼部图像,建立基于表观的卷积神经网络模型分类方法以估计视线方向,并利用黄金分割法优化搜索,进一步降低误差.在MPIIGaze
为解决现有的防御链接预测攻击的隐私保护方法的不足,提出一种基于积分梯度的局部扰动算法LDIG(local dis-turbance algorithm based on integral gradient).利用敏感链接的闭合子图确定扰动范围,根据扰动范围内链接的积分梯度迭代扰动链接,同时将链接预测对扰动图中敏感链接的预测结果作为扰动结束的判断依据.实验结果表明,LDIG算法的计算复杂度较低,适用于大规模社交网络的隐私保护,扰动链接的数量较少,提高了数据的效用性.
针对带权正则化极限学习机(WRELM)性能受随机初始值、数据不平衡及离群点影响大的问题,提出基于局部距离的带权正则极限学习机(LDWRELM),提高对不平衡数据集与离群点的抗干扰能力,使用改进的头脑风暴优化算法(MBSO)对LDWRELM的初始权重阈值进行联合优化.MBSO在头脑风暴优化算法(BSO)的基础上对个体更新与变异策略进行改进,在典型函数上验证了该改进对全局寻优能力与收敛速度的提升.构建基于MBSO优化的LDWRELM信息物理融合系统(CPS)入侵检测模型,将仿真结果与其它算法进行比较,验证了M
现有的图像超分辨率重建方法充分利用了强大的深度学习模型,但忽略了人类视觉系统中普遍存在的反馈机制.提出一种新型图像超分辨率重建算法,通过具有约束条件的递归神经网络中包含的隐藏状态实现反馈机制,旨在处理网络间的反馈连接并生成更具说服力的高级表示形式,提供更多的上下文信息,从而帮助低分辨率图像完成高分辨率图像的重建.此外,具有较强早期图像重建能力的反馈网络可逐步生成最终的高分辨率图像.为解决低分辨率图像因多种类型的退化而导致的细节损失问题,引入课程学习策略,使网络适用于更复杂的任务,提升模型的鲁棒性.实验结果
细粒度图像分类旨在对属于同一基础类别的图像进行更细致的子类划分,其较大的类内差异和较小的类间差异使得提取局部关键特征成为关键所在.提出一种结合双语义数据增强与目标定位的细粒度图像分类算法.为充分提取具有区分度的局部关键特征,在训练阶段基于双线性注意力池化和卷积块注意模块构建注意力学习模块和信息增益模块,分别获取目标局部细节信息和目标重要轮廓这2类不同语义层次的数据,以双语义数据增强的方式提高模型准确率.同时,在测试阶段构建目标定位模块,使模型聚焦于分类目标整体,从而进一步提高分类准确率.实验结果表明,该算