摘要：在图像去雾领域,图像明亮区域的去雾效果与去雾后图像的抗噪性能是重要的去雾评估标准,然而大多数去雾算法在处理有雾图像明亮区域时存在一定程度的失真问题,并且得到的去雾后图像常存在一定噪声,导致去雾后图像的抗噪性能普遍较弱。针对以上去雾问题,文中提出了具有透射率先验与亮度感知的图像去雾算法(Image Dehazing Algorithm with Transmittance Prior and Luminance Awareness,DTPLA)。该算法首先构造求解大气光值模块(Solving Atmospheric Light Value Module,SALVM),将该类问题转化为克服干扰因素的影响和缩小求解误差的问题;其次,提出透射率先验(Transmittance Priori,TP)方法,以对图像明亮区域透射率的取值问题进行优化求解,并设计图像亮度感知模型(Image Luminance Perception Model,ILPM),对图像可视化效果进行增强,通过对透射率取值与可视化效果的联合优化解决失真问题并丰富图像重要信息;最后,引入图像降噪模块(Image Noise Reduction Module,INRM),将其嵌入到图像去雾模型中,以提升去雾后图像的抗噪性能;仿真结果表明,与其他主流算法相比,运用所提算法得到的去雾结果在3种数据集下均具有更好的性能表现,图像的MSE值、PSNR值、SSIM值分别平均达到7.4701,39.9839 dB,83.72%,基于以上3种数据集的实验结果验证了所提算法的有效性。

摘要：针对人员交互行为识别存在的多模态数据融合方法导致的识别准确率与模型性能无法同时满足的问题,提出一种基于改进时空图卷积网络的人员交互行为识别方法。将单模态骨架数据引入级联的密集时空图卷积块网络中获得丰富的时空特征信息,提高特征复用率;设计一种增强时空图卷积网络(EST-GCN)单元提高网络对关节点之间的信息表征能力;引入一种运动特征因子衡量肢体不同关节的重要程度,提高模型识别效果。在Kinetics数据集和办案区场景数据集上的实验结果表明,所提出方法在识别效果上具有一定优势,且该方法在模型复杂度及运行效率上具有很好的竞争力。

摘要：针对目前移动边缘计算增强异构云无线接入网中的设备能耗高、资源利用率低以及用户服务质量恶化等不足之处,从频谱资源与计算资源的角度出发,提出了一种基于能耗感知的通信与计算资源分配机制。首先将网络吞吐量作为收入,能耗作为成本支出,建立起了服务提供商视角的利润模型框架。为了避免由于资源分配不均导致的边缘服务器资源浪费或过载,首先通过分析用户到来的各项服务请求,并利用稀疏矩阵算法合理分配频谱资源使网络吞吐量得到提升,而针对计算资源则设计了一种启发式算法,以确定用户关联和用户计算资源需求量,使每个边缘服务器都能得到充分利用;并基于资源利用的结果并结合考虑光纤前传链路容量约束,可以动态部署移动边缘计算服务器于宏基站或者远端射频头处以降低设备开销。针对不同参数指标与一天不同时刻服务请求情况的仿真结果表明,所提机制能有效地提高网络吞吐量、减少网络能耗并降低光纤前传链路的阻塞概率,相较于其他算法在各项指标上均有显著提升。

摘要：传统的串行抵消比特翻转(SCF)译码算法仅用对数似然比(LLR)的绝对值去衡量信息比特译码结果的可靠情况,导致误块率(BLER)过高和翻转的尝试次数较多。提出一种串行抵消比特翻转译码算法PLR-SCF,分析SC译码算法发生错误译码的原因,通过仿真观察LLR、极化信道可靠度和信息位所在的位置与SC译码算法发生首个判决错误之间的关系,并利用上述因素设计一个能准确衡量信息位发生译码错误程度的度量公式。仿真结果表明,相对于传统的SCF译码算法,该算法能够有效降低BLER,特别是在高信噪比下获得的最大信噪比增益约为0.12 dB,翻转尝试次数与SCF减少13.6%。

摘要：传统LDPC-Polar级联系统的中间信道选择方法对于非二进制擦除信道并不合适,并且没有考虑中间信道和LDPC码变量节点的对应关系。为此,提出利用关键集(Critical Sets,CS)构造新的中间信道挑选集合,并利用偏序和叶子集大小作为排序规则对中间信道可靠度进行排序。在所提出中间信道选择和排序方法的基础上,设计了一种中间信道和外码LDPC码变量节点的分配方法进一步提升级联系统的误码性能。仿真结果表明,当极化码码长为1024,级联系统码率为0.5时,在误块率(Block Error Rate,BLER)为10^(-3)处,所提方法相比于比特映射的方法约有0.14 dB的增益,与CA-SCL(Cyclic Redundancy Check Aided Successive Cancellation List)(L=2)译码算法相比约有0.3 dB的增益;并且相对于CA-SCL译码算法,该级联系统具有更低的译码时延。

摘要：针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型。对学生行为序列属性进行定义,将学生基本属性、学生行为序列属性、职业基本属性、职业描述属性的独立嵌入作为模型输入;使用多头自注意力机制挖掘学生行为序列属性与职业描述属性中的序列特征;分别使用特征交叉网络和深度神经网络实现特征交互和数据的深度拟合。基于真实数据集的实验结果表明,与目前已有方法相比,该模型在HR@50与MRR@50指标上达到了最优性能,验证了模型的有效性。

摘要：针对融合网络局部过载及网络设备故障造成大量业务中断问题,提出一种适用于光纤无线融合网络的虚拟化多路径可靠传输机制.通过建立虚拟化分层模型,利用虚拟化网络资源集中管理及网络全局视角优势,采用多路径并行传输机制,设计了故障后恢复方案以保障网络可靠传输.结果表明,所提机制性能优于全备份及共享备份算法,在实现网络负载均衡、提高资源利用率的同时最小化备份资源,保证了网络的可靠性.

摘要：为降低软件定义光网络对单控制器的依赖,并避免多控制器冲突,有效提升控制平面的生存性,该文提出基于最小点覆盖的控制平面生存性设计策略。该策略结合集中控制约束条件,以最小点覆盖理论为基础,建立可靠的分级管控模型,设定控制器的管控优先级:全局控制器具有最高管控优先级,对全网进行集中管控;本地控制器次之,只对本地业务进行集中管控;权威交换机的管控优先级最低,用于完成局部波长粒度的光层快速管控。在此基础上,基于跨层信息模型为控制信道路由和资源分配进行生存性冗余设计。仿真表明,该策略能够满足网络对控制时延的要求,使控制平面的故障概率降低了30%,有效提升了网络在恶劣环境下的生存性。

摘要：为了保证数据中心间光互联网络中业务所需的可靠性,同时提高网络资源利用率,提出一种带有可靠性感知的跨层保护策略.该策略在软件定义的IP over弹性光网络架构中,通过IP层和光层控制器的协同工作,将业务的实时可靠性告知光层,使光层充分感知业务特性.在此基础上,光层控制器根据业务实时可靠性的变化,在确保业务可靠性得到满足的前提下,设计最小资源占用块释放方法来动态调整光层保护资源.仿真结果表明,该保护策略在充分保证业务可靠性的同时,可以取得较低的保护开销和阻塞率.

摘要：针对多时分波分复用无源光网络资源缺乏全局性的集中控制和灵活分配的问题,建立了软件定义光接入网络架构,并提出一种带有预测的全局资源分配机制.基于软件定义光接入网络,运用模糊神经网络预测模型减小控制器与光线路终端信息交互时延,并采用自适应弹性权重对光线路终端间的资源进行分配;同时,对各光线路终端内的资源设计周期空闲时隙填充式的分配算法,进一步降低网络时延.仿真结果表明,所提资源分配机制从网络全局视角优化了不同层级资源的分配,有效地减小了网络整体时延,提高了信道利用率.