吴晓富
- 作品数：130 被引量：161H指数：7
- 供职机构：南京邮电大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家重点实验室开放基金更多>>
- 相关领域：电子电信自动化与计算机技术理学更多>>
- 大频偏环境下非正交多址接入系统的信号检测方法及装置
- 本发明公开了一种大频偏环境下非正交多址接入系统的信号检测方法及装置，所述方法包括：接收来自多个活跃用户非正交多址接入的叠加信号；根据接收信号，初始化所有用户的活跃指示、频偏以及接收信号残差；根据相关峰度量选择最强活跃用户...
- 吴晓富李春香张索非颜俊
- 基于位置推荐的互联网数据处理系统及方法
- 本发明公开了一种基于位置推荐的互联网数据处理系统及方法，该系统包括移动信息处理中心，用于对互联网数据分析和挖掘，并输出结果到后续的推荐系统；移动信息处理中心包括依次相连的数据仓库和数据处理服务器，数据仓库用于对互联网数据...
- 孟庆民胡诚洁朱卫平曾桂根吴晓富
- 文献传递
- Shannon极限码的分析及其应用研究
- 最近十年来，随着Turbo码的提出以及随之被重新发现的低密度校验(LDPC)码，逼近无线信道通信容量的Shannon极限码的研究取得了突破性的进展。目前，最佳设计的Shannon极限好码在二元高斯白噪声(AWGN)信道以...
- 吴晓富
- 关键词：信道编码纠错码接收机
- RCPT码的性能分析及其在混合ARQ中的应用研究
- 2005年
- 该文研究基于速率兼容的删余Turbo(RCPT)码的混合ARQ系统性能分析问题,提出将删余卷积码的网格图看成时变的网格图,并利用紧致界分析RVPT码的误帧率性能,进而计算RCPT-ARQ系统通过效率下界。经比较,理论分析结果与仿真结果十分吻合。
- 程宇新吴晓富蒋伟项海格
- 关键词：混合ARQRCPT码性能分析
- 比特翻转译码方法及装置
- 本发明提供了一种比特翻转译码方法及装置，所述比特翻转译码方法包括：首次利用极化码串行抵消列表译码器进行译码，并在极化码串行抵消列表译码器的译码过程中构造翻转位置集合C，如果译码结果通过循环冗余校验，则译码结束；若翻转位置...
- 吴晓富张伟张索非颜俊
- 面向目标检测的SSD网络轻量化设计研究被引量：3
- 2020年
- 在基于深度卷积神经网络的目标检测方法中,模型的参数量动辄数十兆字节,在计算资源有限的移动终端等边缘设备中部署这样的大模型比较困难。为了解决这个问题,本文在Single Shot MultiBox Detector(SSD)的基础上联合轻量化网络设计和参数量化两种技术来实现网络模型的轻量化。首先,基于ResNet50和MobileNet我们重新设计了SSD目标检测框架,并训练了一个全精度参数模型。然后,在全精度参数模型的基础上,采取逐块量化的策略将特征提取层中卷积层的参数精度降低到三值(零和正负一)。实验结果表明,本文提出的联合方案在Pascal VOC2007数据集上测试能够达到72.54%的mAP,和其他业界领先的轻量级目标检测方法相比检测精度更高且能使模型占用的内存空间更小。
- 冯烨张索非吴晓富
- 关键词：目标检测移动终端
- 面向行人重识别的多域批归一化问题研究被引量：1
- 2022年
- 近年来基于深度神经网络的行人重识别算法取得了长足的进步,被广泛应用于网络中的批归一化(batch normalization)模块发挥着重要作用。批归一化模块在多数情况下可有效提高网络收敛速度和训练稳定性,然而当多个独立标注的数据库混合在一块进行跨域或者多域训练时,数据之间的分布差异使得目前的批归一化算法工作逻辑存疑。由于不同批次下训练数据的分布差异较大,归一化过程中的统计参数不稳定导致批归一化效果恶化。该文聚焦于多数据集合并下的行人重识别模型训练问题,通过对多数据集分布差异导致的多域模型批归一化存在的问题进行分析。然后针对模型批量归一化算法面对的多域差异,提出了一种解决策略,在多个数据集并行训练下提高了模型的泛化能力。实验结果表明:所提出的多域归一化方法在多域训练下能有效提高模型最终的泛化能力,获得更高的识别准确度,并且可应用于其他行人重识别网络以进一步提升模型性能。
- 张誉馨张索非王文龙吴晓富
- 关键词：计算机视觉
- 一种基于深度学习辅助的极化码译码方法、装置、电子设备和计算机可读存储介质
- 本发明提出了一种深度学习辅助的极化码译码方法、装置、电子设备、计算机可读存储介质。所述方法为当第一次SCL译码失败条件下，通过深度学习预测出错位置并重启动一种指定位置移位剪枝SCL译码。所述方法首先需要收集SCL译码错误...
- 吴晓富田浩张索非颜俊
- 基于空洞卷积鉴别器的语义分割迁移算法被引量：1
- 2020年
- 近年来,基于卷积神经网络的有监督图像语义分割方法的研究取得了巨大进展。针对该方法所依赖的手动标签繁琐、费时的问题,一种流行的解决方法是通过游戏视频来收集类似于真实场景的图像并自动生成标签,随后利用迁移学习将合成场景训练的模型迁移到真实场景。由于域偏移,简单地将合成场景(源域)上学习的模型应用到真实场景(目标域)一般会出现较高的泛化误差。针对该问题,提出一种新的图像语义分割的无监督迁移算法。该算法首先基于传统的图像风格转换网络对源域图像集进行风格转换预处理,使得图像风格能对齐于目标域,有效降低域间差异;然后,采用生成对抗训练实现源域与目标域特征的对齐。针对现有生成对抗训练中鉴别网络视野受限的问题,提出通过空洞卷积来设计鉴别网络,从而有效提升鉴别网络的分辨能力。在两个典型城市道路数据集GTA5以及SYNTHIA上的实验表明:相比于经典的AdaptSegNet算法,所提算法在GTA5数据集上的平均交并比(mIoU)提高了4.5%,在SYNTHIA数据集上的平均交并比提高了2.6%。
- 杨培健吴晓富张索非周全
- 基于RSS的无线传感器网络定位方法
- 本发明公开了一种基于RSS的无线传感器网络定位方法，以实现在保证定位精度的前提下拓宽应用领域。本发明将定位分为两个阶段：粗定位阶段和精定位阶段；在粗定位阶段运用压缩感知技术，尽可能采集更少量的数据，重构出目标可能的存在范...
- 颜俊曹杨芹吴晓富朱卫平
- 文献传递
