为了优化非正交多址接入(Non-orthogonal Multiple Access,NOMA)系统上行链路速率,文中利用智能反射面(Intelligent Reflecting Surface,IRS)可以改变入射信号相移的特性对NOMA系统上行传输速率进行研究.为了最大化和速率,提出联合优化用户发射功率和IRS的相位偏移的问题,首先采用低复杂度的块坐标下降(Block Coordinate Descent,BCD)算法将原始优化问题分解成两个简化的子问题,再通过交替优化算法求解简化后的两个子问题.实验仿真结果证明该优化方案可以显著提升系统和速率.
针对智能系统深度学习中存在的对抗样本安全威胁,本文分析了白盒攻击、黑盒攻击技术机理,给出了样本检测、数据清洗、算法加固等防御方法,构建了对抗样本攻防验证系统,对常见的攻防算法进行测试验证.目前的防御算法能够在一定程度上有效检测或防御已知的对抗样本攻击,但对未知的攻击算法仍存在不足.
随着中国电信和中国联通(以下简称"电联")4G一张网整合节奏加快,双方高效精细优化成为当前重要挑战之一.本文从保障网络覆盖和用户体验速率入手,基于实测或建模寻优算法,研究电联共享及整合过程中相配套的前置性优化方案,包括小区功率、射频、互操作策略优化等.在两家运营商开展共享或整合时,自动输出不同阶段不同场景下的优化方案,并与共享或整合操作同步实施,有效缩短了优化周期.根据实测及网管KPI(Key Performance Indicators,关键性能指标)统计,相比传统优化方式,本文研究的前置性优化方案在保障网络质量不下降甚至有所提升的同时,有效压降了人工优化成本,达到降本、提质、增效的目标.
元宇宙以空间计算为核心,在感官沉浸体验、全维互动、智能治理、生态经济系统等方面具备独特的体系化平台能力,成为当前各行业炙热的产学研用技术风向标.医疗健康行业,从国家中长期的战略规划、服务体系、发展方针和重心,医、教、研、产、人、财、物等全方位的应用领域,远程医疗、互联网医疗、智慧医院、数据智能、计算生物学等具体实践技术路线,与元宇宙的技术体系契合度高,在理论基础、实践应用、研产转化等方面,大有作为.本文从技术与应用角度剖析医疗健康与元宇宙的深度融合路径.采用文献综述、应用调研、结果评估相结合,论述医疗健康元宇宙的现状、风险挑战与未来趋势.医疗健康元宇宙在顶层架构、硬件、内容和行业协同方的共同努力下,不断拓展行业应用范围,深化流程与数据的体系化和标准化,未来发展形势将非常喜人.
传统的泄漏电缆入侵监测方法以及市面上大部分泄漏电缆入侵监测定位系统属于门限式检测,容易发生误判、漏判等问题.后有学者提出使用深度学习方法解决精度问题,但由于漏缆信号会随环境变化产生较大的变动,由实验环境数据训练生成的模型对目标敷设环境的适应性较差,模型往往难以达到预期的性能.对此,本文提出一种具有目标环境适应性的漏缆周界入侵定位模型KUMADAN(K-means-based Unsupervised Multi-Adversarial Domain Adaptation Network),实现了迁移学习领域自适应算法在漏缆周界入侵领域的应用.模型通过引入多对抗领域适应性神经网络(MADA)结构和K-means聚类算法,实现了从实验环境到目标环境的知识迁移,也解决了目标环境采集标签的困难.为了验证其可行性及实用性,在实地环境进行了测试实验以及对比实验.实验结果表明,KUMADAN模型在不同环境下的漏缆周界入侵定位任务中取得了较好的性能,迁移效果提升35％以上,验证了其在实际应用中的可行性和有效性.
