论文部分内容阅读
基于张量分解的大规模MIMO半盲信道估计和空时编码技术研究
【机 构】
：
郑州大学
【出 处】
：
郑州大学
【发表日期】
：
2021年期
【基金项目】
：
其他文献
近年来,深度学习技术在海量的数据资源和大规模的高性能计算设备的支持下,取得了飞跃式的发展。作为深度学习技术中应用最成功的网络之一,深度卷积神经网络在许多研究领域中都取得了显著成就。然而卷积神经网络的出色性能与其庞大的计算和存储成本密不可分,这给在资源受限的设备上应用卷积神经网络带来了挑战。为实现对深度卷积神经网络的精简,本文研究了两种模型剪枝算法,主要研究内容和贡献如下:(1)基于Wasserst
学位
近年来,基于深度学习技术的方法在很多领域都取得了突破性的进展。然而,这些深度学习模型普遍需要大量高质量的有标签数据来训练模型的参数。深度学习需要大量训练数据这一特性限制了其在一些数据稀缺场景下的应用,因为在某些场景下每个类别只有少数几个有标签样本。因此,对深度学习技术进行探索,使得其在数据稀缺的场景下仍然能够进行高效学习是一个亟待解决的重要问题。为了应对这一挑战,很多学者开始研究少样本图像分类问题
学位
随着遥感技术和光谱成像技术的迅速发展,研究者们获取用于对地观测的遥感成像方式也不断更新进步:从遥感初期的单谱段成像技术,逐渐发展为多谱段成像技术,到现在广泛用于地物观测的高光谱成像技术。高光谱成像仪在可见光到红外波段收集场景中地物目标的光谱信息,形成具有近似连续光谱维度的三维高光谱图像。高光谱图像包含丰富的空间和光谱信息,为研究者们对高光谱图像进行精确处理及定量分析提供了支撑。目标检测问题是高光谱
学位
可见光遥感是指使用可见光波段传感器,非接触、远距离的获取目标状态及信息,并对信息进行分析、分类和识别的技术。在可见光遥感图像数据中存在多种类别的目标,如飞机、汽车、船舶等,将其精确的检测出来对遥感图像判读起重要作用。近年来,随着卷积神经网络的兴起,自然场景目标检测技术取得优异成绩。但由于遥感图像俯瞰视角和自然场景平视视角有很大差异,自然场景检测算法很难直接应用于遥感图像。本文对可见光遥感图像多类别
学位
在海洋资源的开发过程中,水下定位需求日益增加,例如水下网络节点的布置,水下自主航行器的回收与对接,路径规划等。对于一些新兴的对定位精度要求较高的水下应用场景来说,无线光定位定向系统则是一个较好的补充方案。然而海洋环境复杂,海水的散射以及衰减、折射率变化、湍流等因素都为水下无线光定位定向系统带来挑战。本文主要研究水体非均匀特性对水下无线光定位定向系统性能的影响并探究其补偿方案。其中水体折射率变化现象
学位
近年来,由于虚拟现实与5G技术的发展,全景内容逐步进入到普通人的生活之中。全景图像因其可以为用户展现360°× 180°的球面场景,提供很强的沉浸式感受,受到了生产商与消费者的青睐。但是由于拍摄系统、传输带宽、显示设备等的限制,以及采集、压缩、传输、重建、显示过程中不可避免的失真,部分全景图像的主观感知质量往往无法令人满意。因此,对全景图像感知质量进行深入研究,可以有效指导全景采集设备、图像处理系
学位
阵列信号处理(Array Signal Processing)是信号处理中的一个分支,在雷达系统、无线通信和语音信号处理等诸多领域中有着较为广泛的应用。其顾名思义就是指将若干传感器作为阵元,并根据设计需求将它们排列成一个特定的阵列,最终通过算法对阵列接收到的信号进行有针对性的处理与分析。阵列信号处理包括了波达方向估计(Direction of Arrival,DOA)和波束形成(Beamformi
学位