基于容量相关字典的5G毫米波大规模天线单元选择算法

针对传统天线选择算法在大规模天线阵列应用中的局限性,该文在多用户场景下提出一种基于容量相关字典的5G毫米波大规模天线随机选择算法。该算法通过特定环境中不同位置处的多用户与基站的交互,快速提取大规模天线单元间容量的强弱相关特性,并建立相关字典;在天线选择时,先搜索最优信道容量单元连接射频链路,再随机选择相关字典中与最优单元容量相关大的天线单元接入其余射频链路。该方法大大降低了传统天线选择算法应用的复杂度,只与环境有关且较为稳定,当新用户加入时也无需重新建立相关字典。该方法通过损失一部分性能来换取较低的复杂度,适用于天线单元多的大规模天线阵列。此外,该文在室内开放式办公室开展了26 GHz视距和非视距下的大规模天线信道测试,分析了不同场景下的天线阵列行间单元间的容量相关性,并对该算法的系统信道容量性能进行了实验验证。

谈“军字一号”工程中检验相关字典的编写

检验信息管理系统能很好地实现检验数据字典间的对应 ,本文根据我院“军字一号”数据初始化的实践 ,介绍了检验相关字典的作用。

采用非相关字典学习的滚动轴承故障诊断方法

针对轴承振动信号中早期故障特征难以识别的问题,提出了利用非相关字典学习稀疏提取微弱冲击特征,进而完成故障诊断的方法。字典的构造是影响稀疏表示算法性能的关键步骤,而传统字典学习方法构造的冗余字典,原子之间具有很强的相关性,不足以表现信号不同的结构特性,也不利于信号准确稀疏重构,进而影响了冲击故障特征信号的提取。因此,在K均值奇异值分解算法(K-SVD)的基础上加入了原子解相关的步骤,形成了非相关字典学习算法(INK-SVD)。采用INK-SVD算法在含噪振动信号段样本中,学习构造低相关性自适应字典;在此基础上,利用稀疏表示方法准确提取冲击故障特征,从而实现更准确的轴承故障诊断。通过仿真分析及实验数据分析,与传统字典学习方法相比,该方法稀疏系数恢复精确度更高,重构信号的包络解调谱更有利于故障特征的辨识,从而验证了该方法的有效性。

基于字典学习的电子级玻璃纤维布缺陷分类

在电子级玻璃纤维布的缺陷分类中,由于每类缺陷特征的多样性以及其丰富的几何结构的存在,用于分类的特征提取方法具有挑战性。提出了一个自动发现特征的框架,即结构不相关性字典学习(dictionary learning with structured incoherence, DLSI)用于提取每类缺陷的特征,并贡献了电子级玻璃纤维布的数据集。首先,利用DLSI学习每类图像的缺陷特征得到一个特定类字典,该字典适合于表示来自该类的电子级玻璃纤维布缺陷,同时很难表示来自其他类的缺陷图像;接着对于待分类图像,利用学习到的特定类字典对其进行重构,得到相应的重构误差;最后根据误差最小准则对待分类图像进行分类。所提出的方法在玻璃纤维布数据集上的平均分类准确率可达96.33%,显示了DLSI模型对玻璃纤维布缺陷分类的适用性。

基于多层字典学习的传统服饰图像标注算法

中国传统服饰图像是中华优秀传统文化重要的组成部分,图像内涵丰富,时空跨度大,但理解存在歧义,急需一套语义解读方法,而大量图像标注算法主要关注在各自的垂直领域,传统服饰图像仍然面临着标注精度亟需提高的挑战。本文以中国传统服饰图像作为研究对象,以字典学习多标签标注方法作为研究方法,提出了融合深度多层结构框架的多标签字典学习算法,通过结合字典学习与多层结构框架来提高标注性能。最后通过对比实验验证了该思路的正确。