- 博客(8)
- 收藏
- 关注
原创 无线信道建模
更重要的是,在实际通信中,即使平均信号功率足够高,由于多径干涉引发的小尺度衰落,瞬时接收功率仍可能出现深衰落(fading dips),导致短时间内的连接质量下降甚至中断。由此可见,小尺度建模不仅影响通信系统“能否稳定可用”,更直接关系到系统容量、误码率和自适应机制的性能上限,是通信物理层性能评估不可或缺的一环。在移动场景中,多普勒扩展的建模则是预测系统抗时变性能的关键。在建模过程中,应根据具体场景选择合适的模型分别刻画各类损耗与衰落现象,并在最终阶段将各模型合理叠加,构建完整的信道衰落模型。
2026-03-10 15:59:48
497
原创 关于学习率lr
factor是每次学习率下降的比例,新的学习率等于老的学习率乘以factor。min_lr是最小学习率,eps指最小的学习率变化,当新旧学习率差别小于eps时,维持学习率不变。OneCycleLR顾名思义就像是CyclicLR的一周期版本,它也有多个参数,max_lr就是最大学习率,pct_start是学习率上升部分所占比例,一开始的学习率为max_lr/div_factor,最终的学习率为,max_lr/final_div_factor,总的迭代次数为total_steps。这里同样能够帮助逃离鞍点。
2025-08-26 09:31:19
560
原创 论文阅读1:Automatic Modulation Recognition of Dual-Component Radar Signals Using ResSwinT–SwinT Network
(1)提出了 ResSwinT–SwinT 双分量调制识别框架,结合残差 Swin transformer(ResSwinT)去噪网络和 SwinT 特征提取网络,仅对低 SNR 信号启动去噪,减少不必要计算,平衡精度与复杂度。2.框架组成:包括SwinT特征提取网络(含4个阶段,提取浅层和深层特征)、RA调制识别头(基于类特定注意力的多标签分类)、SNR水平分类器(判断信号是否为低SNR)ResSwinT去噪网络(针对低SNR TFI去噪)。高SNR信号直接由SwinT处理,减少计算。
2025-07-25 15:13:10
834
原创 可解释人工智能(eXplaninable Artificial Intelligence)
可解释 AI 不是要取代复杂模型,而是要在精度与透明之间找到平衡。随着监管要求(如欧盟《AI 法案》)和公众意识的提升,XAI 将成为 AI 系统不可或缺的部分。无论是开发者还是用户,理解 XAI 的核心逻辑,都能帮助我们更好地与智能系统协作 —— 让 AI 不仅强大,更值得信赖。
2025-07-15 17:26:35
1207
原创 小波变换(Wavelet Transform)
旋转机械是现代工业的核心组件,其故障可能导致重大损失,及时可靠的故障诊断至关重要。信号处理是故障诊断的关键手段,小波变换(WT)因多分辨率分析、适用于非平稳信号等优势表现突出。
2025-07-13 11:40:44
616
原创 合成孔径雷达(Synthetic Aperture Radar, SAR)
合成孔径雷达(Synthetic Aperture Radar, SAR)是一种主动式微波遥感成像雷达,通过发射相干电磁波照射地表,再接收地表目标的散射回波来获取图像[SAR弥补了光学成像的不足,可提供全天时、全天候的图像采集能力。SAR广泛应用于军事侦察、灾害监测、环境观测、农业管理等领域。
2025-07-02 15:13:41
773
原创 雷达信号识别
现有的雷达信号识别方法大多面向已知雷达信号的识别问题,可分为传统方法和深度学习方法两类。其特点是假定测试过程中不会出现未知雷达信号。
2025-06-27 15:50:57
661
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅