高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
排序:
相关度
发表时间
每页显示:
10
20
30
50
一种AlGaN/GaN HEMT非线性器件模型参数提取的方法
常永明, 毛维, 杜林, 郝跃
2017, 39(12): 3039-3044. doi: 10.11999/JEIT170097  刊出日期:2017-12-19
关键词: AlGaN/GaN HEMT, 绝对误差函数, 参数提取, 遗传算法
该文提出一种新的绝对误差函数,应用该函数进行非线性模型参数提取可以避免计算误差,显著降低参数提取的不准确性。由于氮化物半导体器件,尤其是AlGaN/GaN HEMT器件已经开始得到广泛应用,其模型和参数对射频和电力电子器件和电路设计至关重要,分别使用3种误差函数对 AlGaN/GaN HEMT器件模型进行了参数提取并对比,对比结果表明该文提出的误差函数更加精确和有效。同时为今后的电子器件的模型参数提取提供了一种有效且精确的方法。
GaN逆F类高效率功率放大器及线性化研究
徐樱杰, 王晶琦, 朱晓维
2012, 34(4): 981-985. doi: 10.3724/SP.J.1146.2011.00382  刊出日期:2012-04-19
关键词: 功率放大器, 氮化镓, 逆F类, 哈默斯坦模型, 数字预失真
效率和线性度是功率放大器的重要指标,也是设计的技术难点。该文设计了2.5-2.6 GHz 高效率GaN逆F类功率放大器,其输入输出谐波匹配网络由解析的方法设计得到。单音测试结果表明,在2.55 GHz处,功放的漏极效率超过75%。为了建立逆F类功放的行为模型进行数字预失真,对传统的Hammerstein模型进行了改进,提升了模型拟合精度,对20 MHz带宽、峰均功率比为9.6 dB的16-QAM OFDM调制信号,结合峰值因子降低技术和数字预失真技术对逆F类功放进行线性化后,功放的相邻信道功率比(ACPR)优于-48 dBc。
基于动态感受野的自适应多尺度信息融合的图像转换
尹梦晓, 林振峰, 杨锋
2021, 43(8): 2386-2394. doi: 10.11999/JEIT200675  刊出日期:2021-08-10
关键词: 图像转换, 多尺度信息, 动态感受野, 自适应特征选择
为提高图像转换模型生成图像的质量,该文针对转换模型中的生成器进行改进,同时探究多样化的图像转换,拓展转换模型的生成能力。在生成器的改进方面,利用选择性(卷积)核模块(SKBlock)的动态感受野机制获取和融合生成器中每个上采样特征的多尺度信息,借助特征的多尺度信息和动态感受野构造选择性(卷积)核的生成式对抗网络(SK-GAN)。与传统生成器相比,SK-GAN以动态感受野获取多尺度信息的生成结构提高了生成图像的质量。在多样化图像转换方面,基于SK-GAN在草图合成真实图像任务提出带引导图像的选择性(卷积)核的生成式对抗网络(GSK-GAN)。该模型利用引导图像指导源图像的转换,通过引导图像编码器提取引导图像特征,然后由参数生成器(PG)和特征转换层(FT)将引导图像特征的信息传递至生成器。此外,该文还提出双分支引导图像编码器以提高转换模型的编辑能力,以及利用引导图像的隐变量分布实现随机样式的图像生成。实验表明,改进后的生成器有助于提高生成图像质量,SK-GAN在多个数据集中获得合理的生成结果。GSK-GAN不仅保证了生成图像的质量,还能生成更多样式的图像。
基于长短期记忆生成对抗网络的小麦品质多指标预测模型
蒋华伟, 张磊
2020, 42(12): 2865-2872. doi: 10.11999/JEIT190802  刊出日期:2020-12-08
关键词: 长短期记忆网络, 生成式对抗网络, 小麦多指标, 预测模型

小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型。首先,由LSTM预测多指标不同时序数据的劣变趋势;其次,根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差;最后通过优化目标函数及训练模型得出多指标预测结果。经实验分析发现:小麦多指标的长短期时序数据的变化趋势不同,进一步优化模型结构及训练时序长度可有效降低预测结果的误差;特定条件下小麦品质过快劣变会使多指标预测误差增大,因此应充分考虑储藏期环境变化对多指标数据的影响;LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745%,并低于多种对比模型,这有助于提高小麦品质多指标预测及分析的准确性。

基于深度生成对抗网络的海杂波数据增强方法
丁斌, 夏雪, 梁雪峰
2021, 43(7): 1985-1991. doi: 10.11999/JEIT200447  刊出日期:2021-07-10
关键词: 生成性对抗网络, 海杂波, 幅度分布特性, 时间相关性
海杂波数据稀缺,获取海杂波数据成本高、周期长,极大地限制了海杂波特性研究及海洋遥感应用。该文主要研究了基于深度生成性对抗网络(GAN)的海杂波数据生成方法,通过扩展传统的GAN框架,形成了1维海杂波数据生成和鉴别模型,基于实测海杂波数据集,进行对抗网络生成和鉴别模型训练,分析了生成模型所生成的海杂波数据的幅度分布特性和时间、空间相关性。基于实测数据验证了该方法能够生成更多、更多样、与真实海杂波数据分布相近的海杂波数据。
基于生成对抗网络和噪声水平估计的低剂量CT图像降噪方法
张雄, 杨琳琳, 上官宏, 韩泽芳, 韩兴隆, 王安红, 崔学英
2021, 43(8): 2404-2413. doi: 10.11999/JEIT200591  刊出日期:2021-08-10
关键词: 图像降噪, 生成对抗网络, 低剂量CT, U-Net, 噪声水平
生成对抗网络(GAN)用于低剂量CT(LDCT)图像降噪具有一定的性能优势,成为近年CT图像降噪领域新的研究热点。不同剂量的LDCT图像中噪声和伪影分布的强度发生变化时,GAN网络降噪性能不稳定,网络泛化能力较差。为了克服这一缺陷,该文首先设计了一个编解码结构的噪声水平估计子网,用于生成不同剂量LDCT图像对应的噪声图,并用原始输入图像与之相减来初步抑制噪声;其次,在主干降噪网络中,采用GAN框架,并将生成器设计为多路编码的U-Net结构,通过博弈对抗实现网络结构优化,进一步抑制CT图像噪声;最后,设计了多种损失函数来约束不同功能模块的参数优化,进一步保障了LDCT图像降噪网络的性能。实验结果表明,与目前流行算法相比,所提出的降噪网络能够在保留LDCT图像原有重要信息的基础上,取得较好的降噪效果。
基于循环生成对抗网络的超分辨率重建算法研究
蔡文郁, 张美燕, 吴岩, 郭嘉豪
doi: 10.11999/JEIT201046
关键词: 图像超分辨重建, 多级残差网络, 循环生成对抗网络, 峰值信噪比, 结构化相似性
为了提高图像超分辨率重建的效果,该文将注意力机制引入多级残差网络(Multi-level Residual Attention Network, MRAN)作为CycleGAN的重建网络,提出了基于循环生成对抗网络(CycleGAN)的超分辨率重建模型MRA-GAN。MRA-GAN模型中重建网络负责将低分辨率(Low Resolution, LR)图像重建为高分辨率(High Resolution, HR)图像,退化网络负责将HR图像降采样为LR图像,LR判别器负责鉴别真实LR图像和通过退化网络降采样得到的LR图像,HR判别器负责鉴别真实HR图像和通过重建网络重建得到的HR图像,并且改进了CycleGAN原有的判别器判别方式和损失函数。实验结果验证了MRA-GAN模型与现有算法相比,在峰值信噪比(Peak Signal to Noise Ratio, PSNR)和结构相似性(Structural SIMilarity, SSIM)等指标上都有所改进。
几种可转换环签名方案的安全性分析和改进
王化群, 郭显久, 于红, 彭玉旭
2009, 31(7): 1732-1735. doi: 10.3724/SP.J.1146.2008.00928  刊出日期:2009-07-19
关键词: 环签名;密码分析;可转换性
通过对Zhang-Liu-He (2006),Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可转换环签名方案进行分析,指出了这几个可转换环签名方案存在可转换性攻击或不可否认性攻击,即,环中的任何成员都能宣称自己是实际签名者或冒充别的成员进行环签名。为防范这两种攻击,对这几个可转换环签名方案进行了改进,改进后的方案满足可转换环签名的安全性要求。
基于多尺度增强网络的人群计数方法
徐涛, 段仪浓, 杜佳浩, 刘才华
2021, 43(6): 1764-1771. doi: 10.11999/JEIT200331  刊出日期:2021-06-18
关键词: 人群计数, 图像局部相关性, 多尺度特征, 嵌入式GAN模块, 尺度增强模块
人群计数研究普遍使用欧几里得损失函数,易造成图像局部相关性缺失,且现有研究方法未能充分提取人群图像中连续变化的尺度特征,影响了人群计数模型的性能。针对上述问题,该文提出一种基于多尺度增强网络的人群计数模型(MSEN)。首先,在多分支结构生成网络中引入区域性判别网络,将二者组合形成嵌入式GAN模块,以增强生成图像的局部相关性;之后,基于金字塔池化结构设计了尺度增强模块,将该模块连接在嵌入式GAN模块之后,进一步从不同区域提取不同尺度的局部特征,以最大程度地应对人群图像局部尺度连续变化的问题,从而增强整体模型的泛化能力。最后,在3个具有挑战性的人群计数公共数据集上进行了广泛的实验。实验结果表明,该文所述模型可有效提升人群计数问题的准确性和鲁棒性。
基于多模态生成对抗网络和三元组损失的说话人识别
陈莹, 陈湟康
2020, 42(2): 379-385. doi: 10.11999/JEIT190154  刊出日期:2020-02-19
关键词: 说话人识别, 跨模态, 生成对抗网络, 3元组损失

为了挖掘说话人识别领域中人脸和语音的相关性,该文设计多模态生成对抗网络(GAN),将人脸特征和语音特征映射到联系更加紧密的公共空间,随后利用3元组损失对两个模态的联系进一步约束,拉近相同个体跨模态样本的特征距离,拉远不同个体跨模态样本的特征距离。最后通过计算公共空间特征的跨模态余弦距离判断人脸和语音是否匹配,并使用Softmax识别说话人身份。实验结果表明,该方法能有效地提升说话人识别准确率。

  • 首页
  • 上一页
  • 1
  • 2
  • 末页
  • 共:2页

官方微信,欢迎关注