期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于全变分展开的低剂量CT重建网络
1
作者
张鹏程
侯瑞峰
+1 位作者
刘祎
桂志国
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期617-628,共12页
针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题,通过对基于全变分的CT迭代重建算法进行神经网络展开,提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络,从而改善了CT重建图像...
针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题,通过对基于全变分的CT迭代重建算法进行神经网络展开,提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络,从而改善了CT重建图像的视觉质量。首先,采用原始–对偶算法求解基于全变分的CT重建问题,得到易于神经网络展开的迭代重建算法。然后,对该迭代重建算法进行神经网络展开,尤其是对正则项部分的算法进行神经网络展开,得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明,与6种低剂量CT重建算法相比,该算法在抑制低剂量CT图像噪声的同时,很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示,该算法取得了良好的峰值信噪比和归一化均方误差指标值,验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。
展开更多
关键词
CT重建
全变分
神经网络
迭代
展开
原始-对偶算法
下载PDF
职称材料
基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法
2
作者
周宸颢
温利嫄
+1 位作者
钱骅
康凯
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第3期886-894,共9页
大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),...
大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),能够获得较优的系统性能,但相应的计算复杂度较高,阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题,该文提出了一个模型驱动的神经网络,在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言,将迭代算法展开为一个神经网络,并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明,该方法能够自动更新参数,与传统的预编码算法相比,收敛速度更快,计算复杂度更低。
展开更多
关键词
大规模多输入多输出
预编码
正交频分复用(OFDM)
迭代
展开
神经网络
下载PDF
职称材料
题名
基于全变分展开的低剂量CT重建网络
1
作者
张鹏程
侯瑞峰
刘祎
桂志国
机构
中北大学省部共建动态测试技术国家重点实验室
中北大学信息与通信工程学院
出处
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期617-628,共12页
基金
山西省基础研究计划基金(20210302124403,202303021211148)
山西省回国留学人员科研资助项目(2021-111)。
文摘
针对CT迭代展开重建网络仅对数据保真项进行神经网络展开降低了重建网络计算性能的问题,通过对基于全变分的CT迭代重建算法进行神经网络展开,提出一种对数据保真项和全变分正则项全部进行神经网络展开的重建网络,从而改善了CT重建图像的视觉质量。首先,采用原始–对偶算法求解基于全变分的CT重建问题,得到易于神经网络展开的迭代重建算法。然后,对该迭代重建算法进行神经网络展开,尤其是对正则项部分的算法进行神经网络展开,得到迭代展开CT重建网络。在模拟的低剂量CT数据集上验证了该算法的有效性。实验结果表明,与6种低剂量CT重建算法相比,该算法在抑制低剂量CT图像噪声的同时,很好地保留了图像中的结构和细节纹理。重建图像的定量评价分析显示,该算法取得了良好的峰值信噪比和归一化均方误差指标值,验证了提出的低剂量CT重建算法具有较好的噪声抑制能力和较强的鲁棒性。
关键词
CT重建
全变分
神经网络
迭代
展开
原始-对偶算法
Keywords
computed tomography reconstruction
total variation
neural network
unrolling approach
primal-dual algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法
2
作者
周宸颢
温利嫄
钱骅
康凯
机构
中国科学院上海高等研究院
中国科学院大学
上海科技大学信息科学与技术学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第3期886-894,共9页
基金
国家重点研究发展计划(2020YFB2205603)
国家自然科学基金(61971286)。
文摘
大规模多输入多输出(MIMO)系统中通过在基站端配备数百根天线,在提高频谱利用效率的同时,也带来了系统成本的增加。本课题组之前提出了一种适用于下行大规模MIMO正交频分复用(OFDM)系统的收敛保证的多载波1比特预编码算法(CG-MC1bit),能够获得较优的系统性能,但相应的计算复杂度较高,阻碍了其在实时系统中的应用。为进一步解决大规模MIMO系统中的成本和功耗问题,该文提出了一个模型驱动的神经网络,在CG-MC1bit算法的基础上迭代展开(Unfolding)得到了一种更加高效的CG-MC1bit-Net算法。具体而言,将迭代算法展开为一个神经网络,并引入可训练的参数来替代前向传播中的高复杂性操作。实验结果表明,该方法能够自动更新参数,与传统的预编码算法相比,收敛速度更快,计算复杂度更低。
关键词
大规模多输入多输出
预编码
正交频分复用(OFDM)
迭代
展开
神经网络
Keywords
Massive MIMO
Precoding
Orthogonal Frequency-Division Multiplexing(OFDM)
Unfolding
Neural Network
分类号
TN929.5 [电子电信—通信与信息系统]
TP181 [电子电信—信息与通信工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于全变分展开的低剂量CT重建网络
张鹏程
侯瑞峰
刘祎
桂志国
《电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于深度学习的下行大规模MIMO OFDM系统的1比特预编码算法
周宸颢
温利嫄
钱骅
康凯
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
