- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年中国国际合成孔径雷达研讨会（CISS）- 上海（2018.10.10-2018.10.12）] 2018年中国国际合成孔径雷达研讨会（CISS）- 基于深度神经网络从单极化SAR图像重建全极化SAR数据
摘要： 与单通道极化（单极化）合成孔径雷达图像相比，全极化（全极化）数据能传递更丰富的信息，但会以更高的系统复杂度、较低的分辨率或测绘带宽度为代价。为平衡这些因素，本文提出一种基于深度神经网络的方法，从单极化数据重建全极化数据。该方法包含两部分：首先应用特征提取网络获取多尺度分层空间特征，随后通过特征转换网络预测极化特征，进而重建全极化SAR数据。定性与定量结果表明，重建的全极化SAR数据与真实全极化数据高度吻合。该方法无需假设散射介质的先验信息，且框架可轻松扩展至非全极化数据的全极化重建。传统PolSAR应用（如基于模型的分解和无监督分类）现可直接应用于重建的全极化SAR图像，以解析物理散射机制。
关键词： 合成孔径雷达（SAR）、深度神经网络（DNN）、极化重建
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种基于多方向子带与深度神经网络的融合方法
摘要： 本文提出一种基于多方向子带与深度神经网络的全色锐化方法。首先利用非下采样Contourlet变换（NSCT）的多尺度多方向特性，将全色（PAN）图像分解为不同分辨率的低频子带和不同方向的高频子带。全色锐化方法旨在融合PAN图像的高频子带系数与多光谱（MS）图像的低频子带系数。其次，为更好提取PAN图像不同方向高频子带的特征，使用PAN图像高频子带的图像块训练深度神经网络（DNN）。第三，在融合阶段对重采样低分辨率（LR）MS图像的主成分进行NSCT变换，通过训练好的DNN前向传播（输入为LR MS图像的高频子带）获取输出高分辨率（HR）MS图像的高频子带。最后将重建的高频子带与LR MS图像原始低频子带融合形成新子带集，对该子带集执行NSCT逆变换与自适应PCA（A-PCA）处理生成HR MS图像。实验结果表明，该方法在客观指标与视觉评价方面均优于其他知名方法。
关键词： 自适应主成分分析（A-PCA）、深度神经网络（DNN）、全色锐化、非下采样Contourlet变换（NSCT）
更新于2025-09-23 15:22:29
-
[2019年德国慕尼黑国际激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC)（2019.6.23-2019.6.27）] 2019年欧洲激光与光电会议暨欧洲量子电子学会议(CLEO/Europe-EQEC)——量子纠缠特性的多副本表征方法
摘要： 自动语音识别（ASR）系统被全球数百万用户日常用于口述消息、控制设备、发起搜索或在小设备上辅助数据输入。这些场景中的用户体验取决于语音转录的质量和系统的响应速度。对于多语言用户而言，许多ASR系统采用单一预设语言的单语特性，这成为自然交互的进一步障碍。本研究展示了谷歌开发并部署的端到端多语言ASR架构，允许用户任意组合选择语音语言。我们利用语言识别的最新进展和实时语言选择的创新方法，在保持与单语系统相近的识别准确率和几乎相同的延迟特性的同时实现多语言识别。
关键词： 自动语音识别（ASR）、多语言、深度神经网络（DNN）、语言识别（LID）
更新于2025-09-23 15:21:01
-
[2019年IEEE/CIC中国通信国际会议(ICCC) - 中国长春(2019.8.11-2019.8.13)] 2019年IEEE/CIC中国通信国际会议(ICCC) - 利用深度神经网络(DNN)后均衡增强磷光白光LED CAP 64QAM可见光通信系统性能
摘要： 本文实验验证了一种采用深度神经网络（DNN）和LMS线性均衡（LE）的磷光白光LED CAP64QAM可见光通信系统。我们在1.1米室内自由空间传输中成功实现了2.4Gb/s的数据速率，误码率（BER）低于前向纠错（FEC）极限3.8×10?3的7%。与LE和Volterra非线性均衡+LE相比，DNN+LE在抑制非线性失真方面表现更优。结果表明，DNN+LE将成为室内高速可见光通信系统的有前景解决方案。
关键词： 深度神经网络（DNN）、可见光通信（VLC）、CAP调制
更新于2025-09-19 17:13:59
-
[IEEE 2019年第18届国际光通信与网络会议(ICOCN) - 中国黄山(2019.8.5-2019.8.8)] 2019年第18届国际光通信与网络会议(ICOCN) - 水下可见光通信系统中基于深度神经网络的后均衡方案用于概率整形128QAM DFT-S OFDM信号
摘要： 我们提出了一种基于深度神经网络(DNN)的后均衡方案，用于水下可见光通信(VLC)系统中采用(PS)技术的DFT-S OFDM调制。通过该方法，我们成功实现了1.2米水下光传输中1.74Gbit/s PS128QAM DFT-S OFDM调制，误码率(BER)低于3.8×10-3的7%前向纠错(FEC)阈值。与未采用DNN的典型PS128QAM DFT-S OFDM调制相比，本方法通过提升90Mbps数据速率使系统容量提高了5.4%。实验结果验证了该基于DNN的奇数阶QAM PS技术后均衡方案有望成为未来高速水下VLC系统的解决方案。
关键词： 概率整形（PS）、奇数阶正交幅度调制、深度神经网络（DNN）、水下可见光通信、离散傅里叶变换扩展（DFT-S）正交频分复用
更新于2025-09-16 10:30:52
-
[2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 保加利亚索佐波尔(2019.9.6-2019.9.8)] 2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 激光调控细胞色素c与脂质相互作用可能不会破坏凋亡通路
摘要： 自动语音识别（ASR）系统被全球数百万用户日常用于口述消息、控制设备、发起搜索或在小设备上辅助数据输入。这些场景中的用户体验取决于语音转录质量和系统响应速度。对于多语言用户而言，许多ASR系统的单语言特性（用户被限制在单一预设语言中）构成了自然交互的进一步障碍。本研究展示了谷歌开发部署的端到端多语言ASR架构，允许用户任意组合选择语音语言。我们利用语言识别的最新进展和实时语言选择的创新方法，在保持与单语言系统相近的识别准确率和几乎相同的延迟特性的同时实现了该功能。
关键词： 自动语音识别（ASR）、多语言、深度神经网络（DNN）、语言识别（LID）
更新于2025-09-16 10:30:52
-
[IEEE 2018年第37届中国控制会议(CCC) - 武汉(2018.7.25-2018.7.27)] 2018年第37届中国控制会议(CCC) - 基于深度森林的高光谱图像分类
摘要： 高光谱图像（HSI）分类是遥感技术领域的研究热点。近年来，卷积神经网络（CNN）在HSI分类中取得了显著成效。然而，CNN需要耗费大量时间进行参数调优，且训练过程依赖海量样本——而获取足量高光谱训练样本成本高昂。本文提出一种基于深度森林的新型分类方法：预处理阶段通过主成分分析（PCA）降低高光谱数据维度。与CNN相比，本方法超参数更少、训练速度更快。据我们所知，这是首批基于深度森林的高光谱光谱信息分类研究之一。通过在两个真实HSI数据集上的大量实验，证明所提方法显著优于现有先进技术。
关键词： 深度神经网络（DNN），高光谱图像（HSI），主成分分析（PCA），深度森林
更新于2025-09-10 09:29:36