基于条件变分自编码器的射线样本生成算法

射线追踪数据样本的缺失是造成大规模多输入多输出(Massive Multiple-Input Multiple-Output,Massive MIMO)信道特征预测出现较多预测误差较高的用户的主要原因.为了降低高误差用户数及预测误差,提出了一种基于条件变分自编码器(Conditional Variational Aut...     

基于PDF417二维条码的顽健数字水印方法

利用PDF417二维条码其条块边角的特点,提出了一种基于条块边角的PDF417条码水印方法。首先对水印信息整体进行预判,以选择合适的黑白交界区域作为水印嵌入位置,根据水印内容对二维码图像的相关信息进行修改,以实现水印的嵌入和提取。实验结果表明,此算法相比同类空间域水印算法,具有更大的水印嵌入容量和更高的图像品质。同时,具有较好的抗JPEG压缩、高斯噪声和打印扫描功能,具有较强的顽健性。     

基于增强CVAE的三维射线重构方法

射线追踪数据的样本空间不完备性是造成大规模多输入多输出信道幅值预测出现高预测误差用户较多的主要原因。 为了更全面地表征所有用户的信道传播特征,提出了一种基于扩展概率分布的条件变分自编码器(CVAE)的三维射线重构方法。 该方法基于用户射线样本的稀疏度选择先验概率分布,通过增强 CVAE 为高误差用户生成新的射线样本训练集,使射线追踪数据的隐变量分布更符合高误差用户的特征。 仿真结果表明,基于所提出的方法在原有射线样本训练集中扩充新样本后,可将高预测误差用户数降低到原来的 53.59% ;使用新训练集训练的神经网络在得到大幅降低预测信道幅值时间开销的同时,将信道幅值预测精度提升了 7.8% 。