课程文献中心 更多>>

关键词： 信噪比   估计   深度学习   功率谱   特征值  

摘要： 在通信系统中,信号的信噪比(Signal-to-Noise Ratio,SNR)是评估信道质量的主要参数之一,也是实现包括功率控制、Turbo解码、自适应调制解调等所需的参量,因此准确估计SNR是十分必要的。 深度学习(Deep Learning,DL)可以直接提取输入信号已知的以及可能隐藏的特征,在各个领域均取得优异成果。传统SNR估计方法依赖外部特征提取,现有基于DL的SNR估计算法采用深层次的卷积神经网络(Convolutional Neutral Network,CNN),提高了在加性高斯白噪声(Additive White Gaussian Noise,AWGN)下的估计性能,但其复杂度有待降低,在非理想环境下性能有待提高。对此本文从数据预处理方式和神经网络架构的简化入手展开本文研究工作。 首先,介绍了研究背景和意义,分析了国内外研究现状,介绍了信噪比估计的数学模型以及CNN的基础知识。 然后,研究了信号的时频量作为网络输入的SNR估计方法。采用接收信号的同相分量(In-phase)和正交分量(Quadrature)组成IQ矩阵、接收信号功率谱的周期图(Periodogram,PG)和平均周期图(Average Periodogram,APG)的预处理方式,提出了基于残差网络(Residual Network,ResNet)分类模型SNR估计方法(分别称为IQ-ResNetC,PG-ResNet-C和APG-ResNet-C方法)和基于ResNet回归模型SNR估计方法(分别称为IQ-ResNet-R,PG-ResNet-R和APG-ResNet-R方法)。分析了所提方法的计算复杂度,本文所提出的SNR估计方法的时间复杂度和空间复杂度低于其它方法,其中APG-ResNet-C方法和APG-ResNet-R方法的复杂度最低。计算机仿真信号和实际采集信号的测试实验结果表明,本文提出的SNR估计方法均优于传统的SNR估计方法(M2M4和SVR)和现有的基于DL的SNR估计方法(IQ-CNN-LSTM和CDG-Google Net);综合考虑各种情况下的估计性能,由IQ矩阵、PG和APG输入构成的算法性能依次递减,但后两者适用范围更广。 最后,为了进一步降低算法复杂度,研究信号的统计量作为网络输入的SNR估计方法(称为EM-LwNet)。由于信号协方差矩阵(Covariance Matrix,CM)的特征值包含了有效信号功率和噪声功率信息,因此构成特征值矩阵(Eigenvector Matrix,EM)作为网络输入,并设计了轻量级(Light-weight Network,LwNet)分类网络和LwNet回归网络,提出了SNR估计方法EM-LwNet-C和EM-LwNet-R。计算机仿真信号和实际采集信号的测试结果均表明,与ResNet-C方法和ResNet-R方法相比,EM-LwNet-C-8和EM-LwNet-R-8方法能够在降低计算复杂度的同时在中高信噪比范围内提升估计性能。

关键词： 随机一致性   特征值分解   PCA   MDS   分类  

摘要： 在机器学习领域中,样本随机性及随机一致性现象广泛存在于分类、聚类等任务中。本文发现当样本有限时,由于样本随机性的存在,样本协方差矩阵的特征值分解可能会存在随机一致性,使用样本特征值与特征向量来估计总体特征值与特征向量时会存在误差。为了提高模型的估计准确度和算法的稳定性,本文从随机一致性角度考虑协方差矩阵的特征值与特征向量的估计问题。 目前,研究者已经提出大量的改进降维方法,例如稀疏PCA、TSNE、核PCA、核LDA等聚焦于不同问题的变体。本文重点关注主成分分析方法(PCA)和多维缩放方法(MDS)方法,两者的共同点是在计算过程中涉及协方差矩阵特征值分解问题,由于随机一致性的存在,从而导致特征值分解产生误差,影响模型性能和后续任务的精度。因此本文针对传统PCA和MDS方法的特征值分解存在的随机一致性问题,深入研究了特征值和特征向量的估计问题,从随机一致性角度设计了EPCA和EMDS两个降维方法。 主要研究工作如下: (1)缓解主成分分析中的随机一致性。为了缓解PCA方法中特征值分解结果误差及误差的积累。本文聚焦于研究PCA特征值分解中的随机一致性问题。与先前工作不同,本文从随机一致性角度分析特征值分解过程,并利用平均思想提出新的改进PCA方法(EPCA),为了更好的拟合数据真实分布,需要对数据进行均匀采样,使有限样本点在参数空间内均匀分布以提高优化的全局性。根据如上思路,本文不仅可以提高PCA降维算法的稳定性和鲁棒性,而且还从一种新颖的视角来解释特征值分解的结果。更重要的是,在后续分类任务中,该方法使得模型性能明显提升,在图像压缩应用领域也略有成效。 (2)缓解多维缩放方法中的随机一致性。首先本文通过分析MDS方法发现,其涉及内积矩阵B的特征值分解,结果也可能具有随机一致性,使得最后变换得到的样本低维坐标可能会存在误差,从而导致模型性能下降等问题。然后提出缓解随机一致性的改进MDS方法(EMDS)。实验结果表明,相比于原始MDS方法,EMDS降维后的数据具有更高的分类准确率。 综上所述,本文针对传统的PCA和MDS两个降维方法,特征值分解存在误差问题,从随机一致性角度出发,提出缓解随机一致性的EPCA和EMDS方法,并在UCI传统数据集上验证了所提出方法的性能。本文的研究为涉及特征值分解的方法提供了新的视角与思路,在改进降维方法及特征值分解方面有一定的理论与应用价值,并在相关理论方面理清了思路,以及设想。

摘要： 水工程的建设与运行在防洪、发电、供水、航运等方面发挥巨大经济社会效益的同时，也改变了河流的自然属性、水文节律及径流分配方式，与之相关的生境因子也随之改变，直接或间接影响水生态系统的结构和功能。如何改变水工程的调控方式修复河流自然径流过程，减缓水工程调度运行对水生态环境的不利影响，复苏河湖生态环境，是当前研究的重点与热点。

摘要： 《论语》曰，“工欲善其事，必先利其器”，本意是指工匠要想做好工，必须先把器具打磨锋利；引申为不管做什么事情，都要做好充分的准备工作。钓鱼也不例外，钓鱼人要想钓好鱼，就必须准备好心怡的、得心应手钓具，这样不单是看着心情爽快，更是钓好鱼的制胜法宝。现实中确实有不少钓友在选择钓具尤其是大件中显得很迷茫，把握不准，尤其是新钓友。本专题就如何选好钓具，谈谈老钓手的一些看法，以期对经验不多的钓友尤其是新钓友能有所帮助。

关键词： 邻接矩阵   图谱   较少互异特征值   无爪图   无三角形图  

摘要： 图的谱问题研究是图论和线性代数交叉领域的一个重要分支,旨在通过图的邻接矩阵、拉普拉斯矩阵或其他相关矩阵的特征值来揭示图的内在结构和性质。其中具有较少特征值的图在近几十年受到极大的关注,因为这类图通常都具有很好的组合结构。本文主要研究恰有四个特征值不为0或-1的特殊图类刻画问题。 第一章分别介绍了图谱理论的研究背景,本文所涉及的基本概念与符号,具有较少互异特征值的图类刻画问题的国内外研究进展和本文的主要研究工作。 第二章我们考虑具有四个特征值不为0或-1的无爪图,首先我们对无爪图进行图操作——仅改变特征值0的重数,研究进行这一操作的无爪图所需要具备的性质。我们根据特征值的正负性进行分类讨论,最后完全刻画出具有四个特征值不为0或-1的无爪图,即包含了17个无限图和1个有限图。 第三章我们研究了具有四个特征值不为0或-1的无三角形图,这类图包含4个无限图和4个有限图。我们还给出了满足性质的图的参数条件。 第四章的总结与展望中,我们总结了具有四个特征值不为0或-1的图,并提出了一些有关的问题。

摘要： 在当今的教育领域，游戏化学习已经成为一种广泛应用的现代教育方法，幼儿园阶段的教育尤为关键，因为它为儿童往后的学习和发展奠定基础，游戏化学习在幼儿园教育中的运用，已经取得了积极的社会认同度，在教学过程中发挥着举足轻重的作用。首先，将探讨游戏化学习理论与实践的发展历程，说明游戏化学习在幼儿园教育中的关键地位，在此基础上，进一步讨论如何优化游戏化学习在幼儿园教育中的应用，包括改进游戏设计和实施，希望通过本文的讨论，为实际教育工作中的研究提供有益的启示。

摘要： 作为“家”/“家庭”存在的现实基础，也作为家庭成员日常生活的场所，“家”/“家庭”将家庭成员与社会系统之间进行了部分地遮蔽/隔离，那么，当我们从物理空间的角度对“家”/“家庭”展开讨论时，其便呈现出了许多有趣的话题：首先，相较于社会系统而言，“家”/“家庭”是一个个人性的私密存在，那么，这就自然地形成了两种关系——其一是“家”/“家庭”的内容扩延至社会系统之内；其二则是社会系统的范式介入到“家”/“家庭”之中——虽然只是向度不同，但其结果却大相径庭。

关键词： 中药新药毒理研究用样品   受试物   给药制剂   样品档案  

摘要： 毒理研究用样品是药物非临床安全性评价的关键所在，对于保障毒理学试验结果的科学性具有重要意义。与成分明确的化学药不同，中药的组成及成分复杂、剂型多样，因此应根据品种特点对中药新药毒理研究用样品开展针对性研究，规范毒理研究用样品的制备、配制，加强研究过程的质量控制，建立完善的样品档案。本文对中药新药毒理研究用样品的研究内容和需重点关注的问题进行了讨论，以期为研发提供参考。