支持终端晃动的多光源可见光通信系统有效容量研究

作为下一代网络的重点候选技术,可见光通信(VLC)以其超高的传输速率有望提供严格的时延服务质量(QoS)保障。现有VLC研究大多假设终端在接收信号过程中始终保持垂直向上。然而,在实际VLC系统中,终端晃动将对接收端入射角产生较大的影响,从而对VLC的信道增益与传输速率产生影响。该文针对统计时延QoS约束下多光源VLC系统晃动终端的可达传输速率展开研究。首先,基于3维离散时间马尔可夫链,提出VLC终端3自由度晃动模型,从时间相关性的角度刻画了VLC终端的随机晃动过程;其次,将终端晃动下多光源VLC系统的矢量传输过程映射为马尔可夫式服务过程,基于有效容量理论,研究支持终端晃动的VLC系统在统计时延QoS约束下的可达传输速率;最后,通过仿真实验说明了终端晃动对VLC系统容量的影响并验证了所推导有效容量的准确性。     

双分支多注意力机制的锐度感知分类网络

基于卷积神经网络的图像分类方法的关键是提取有区分性的重点特征.为了提高重点特征的关注度，增强网络泛化能力，文中提出双分支多注意力机制的锐度感知分类网络(Double-Branch Multi-attention Mechanism Based Sharpness-Aware Classification Network, DAMSNet).该网络以ResNet-34残差网络为基础，首先，修改ResNet-34残差网络输入层卷积核尺寸，删除最大池化层，减小原始图像特征的损失.再者，提出双分支多注意力机制模块，嵌入残差分支中，从全局特征和局部特征上提取图像在通道域和空间域的上下文信息.然后，引入锐度感知最小化算法，结合随机梯度下降优化器，同时最小化损失值和损失锐度，寻找具有一致低损失的邻域参数，提高网络泛化能力.在CIFAR-10、CIFAR-100、SVHN数据集上的实验表明，文中网络不仅具有较高的分类精度，而且有效提升泛化能力.