一种基于元学习的特征噪声泛化能力增强方法

    公开(公告)号:CN119785069A

    公开(公告)日:2025-04-08

    申请号:CN202411673135.4

    申请日:2024-11-21

    Abstract: 一种基于元学习的特征噪声泛化能力增强方法,通过torch函数寻找数据特征,然后对随机噪声分配权重,形成特征噪声,分为置换标签和置换像素的两种环境以及训练前期、训练中期和训练后期的三个不同的训练阶段,分别引入特征噪声进行循环训练,输出的泛化增强模型使得泛化精度显着提高,在三种环境中添加特征噪声对于元模型的准确度都有明显的改善,并使用限定于[0,1]的有界函数替换传统损失函数,实现对目标结果的准确估测,当准确度不达标时,以该次循环训练被输入特征噪声之后的元训练集作为新训练集,进行下一次循环训练,最后以准确度达标的六个特征噪声泛化能力增强模型作为输出模型,使得元模型的损失降低,有效提升元学习的泛化能力。

    一种具有低错误平层的BPSK信号多符号差分检测方法

    公开(公告)号:CN108809875B

    公开(公告)日:2021-03-12

    申请号:CN201810247152.X

    申请日:2018-03-23

    Abstract: 一种具有低错误平层的BPSK信号多符号差分检测方法,包括:S1、对每个码片周期内收到的信号接收值进行抽样,得到接收值抽样序列;S2、从接收值抽样序列中提取已知码片对应的码片样值序列;S3、对码片样值序列进行比特级自相关处理和算数平均处理,得到估计统计量,估计统计量中包含有频偏影响值;S4、对频偏影响值进行估计得到频偏影响估计值;S5、利用频偏影响估计值对接收值抽样序列中未知码片对应的部分进行补偿修正,得到修正序列;S6、对修正序列进行自相关处理,得到判决观测值;S7、利用判决观测值计算判决统计量;S8、利用判决统计量进行检测判决得到检测结果。本发明检测性能良好,计算复杂度低,能够降低网络节点的能耗。

Patent Agency Ranking