同时同频全双工通信射频域自干扰盲辨识算法

针对现阶段同时同频全双工通信系统射频自干扰问题,提出一种基于线性叠加的自干扰盲辨识算法.通过近端和远端收发信机对接收信号进行处理,构建同时同频全双工系统模型;采用基于可变窗长的信道估计方法,按照真实的自干扰信道特性,根据MMSE原则挑选最佳干扰抑制窗长,提取自干扰信号特征;根据提取结果,利用线性叠加算法,通过前馈滤波器...     

同频同时全双工数字自干扰抵消算法

同频同时全双工是第五代移动通信（5G）提出的核心概念之一,其关键技术为自干扰抵消。其中数字抵消具备灵活高效的优势,进一步提高其性能是降低全双工节点的成本、功耗和复杂度的重要途径。本文首先介绍了基本数字抵消算法——信道估计重构法的原理,然后从提高自适应性、提高自干扰信号还原准确性以及实现简化三个角度介绍了改进算法。最后,展望了全双工数字自干扰抵消算法未来的研究方向,为全双工架构和算法设计提供参考。     

基于词聚类CNN和Bi-LSTM的汉语复句关系识别方法

复句关系识别是对分句间语义关系的甄别,是复句语义分析的关键.由于非充盈态汉语复句存在隐式关系的特点,给语义关系识别造成了困难.因此,为了深度挖掘复句中隐含的语义信息实现正确的关系分类,该文提出了一种基于词聚类的CNN与Bi-LSTM相结合的网络结构BCCNN.其中,通过使用词聚类算法对单词向量建模提取单词间的语义相似特...     

基于Bi-LSTM和多通道注意力的电网施工中违章量预测方法

针对配电网施工中违章现象频发导致监管工作中出现的频繁调度问题,提出一种基于双向长短时记忆（Bi-LSTM）和多通道注意力机制的电网施工作业违章量预测方法。首先,通过Word-Embedding将文本转换为词向量;其次,通过Bi-LSTM网络来捕捉违章数量影响因素的浅层语义和时序特征;最后,设计多通道注意力机制,通过多组权重向量来学习多个影响因素以及各因素之间的复杂关系,从而提高模型的特征学习能力。以云南地区真实数据为算例开展实验,所提模型在一天预测中的平均绝对百分比误差（MAPE）与均方根误差（RMSE）两个指标分别达到了2.58%和5.2,从而验证了模型在预测精度和算法鲁棒性方面的优越性。该方法不依赖于任何具体情境,在实际工况环境中具有较好的推广价值。     

基于Bi-LSTM和自注意力的恶意代码检测方法

针对当前恶意代码检测方法严重依赖人工提取特征和无法提取恶意代码深层特征的问题,提出一种基于双向长短时记忆(Bidirectional Long Short Term Memory,Bi-LSTM)模型和自注意力的恶意代码检测方法.采用Bi-LSTM自动学习恶意代码样本字节流序列,输出各时间步的隐状态;利用自注意力机制计...     

基于LSTM-Attention与CNN混合模型的文本分类方法

针对传统长短时记忆网络(Long Short-Term Memory,LSTM)和卷积神经网络(Convolution Neural Network,CNN)在提取特征时无法体现每个词语在文本中重要程度的问题,提出一种基于LSTM-Attention与CNN混合模型的文本分类方法.使用CNN提取文本局部信息,进而整合出...     

基于深度学习的眼动跟踪数据融合算法

针对传统数据融合算法在多场景下的眼动跟踪数据融合效果较差的问题,提出一种新的基于深度学习的眼动跟踪数据融合算法,即Eye-CNN-BLSTM算法.该算法在原始眼动跟踪数据空间位置信息基础上添加新的人工特征;将卷积神经网络(Convolutional Neural Network,CNN)与双向长短时记忆网络(Bi-di...