孙彦赞
- 作品数：72 被引量：149H指数：7
- 供职机构：上海大学通信与信息工程学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金上海市科委国际合作基金更多>>
- 相关领域：电子电信自动化与计算机技术交通运输工程机械工程更多>>
- 一种基于WiFi的信道状态信息的多普勒频移测量方法
- 本发明提出了一种基于WiFi的信道状态信息的多普勒频移测量方法，其中方法的实现包括以下步骤：搭建CSI（Channel State Information，信道状态信息）采集系统的硬件平台以获取CSI源数据；根据得到的C...
- 王涛杨丹丹王明房孙彦赞吴雅婷
- 文献传递
- MEC辅助的多基站系统中基于多代理的联合任务卸载和资源分配
- 2025年
- 在对下一代通信网络架构的广泛研究中,对于有多密集基站(Base Station,BS)的移动边缘计算(Mobile Edge Computing,MEC)系统来说,任务卸载和资源分配问题变得越来越复杂,首先将这一多维动态问题表述为一个优化问题。其次,为了使系统开销最小化,提出了一种基于注意力机制的多代理近端策略优化(Attention-based Multi-agent Proximal Policy Optimization,A-MAPPO)算法,该算法采用集中式训练和分布式执行(Centralized Training and Decentralized Execution,CTDE)框架,并利用注意力机制来促进Critic网络的收敛,从而提高算法的性能。最后,实验结果表明,与其他基准算法相比,A-MAPPO算法可以最多降低28.3%的系统成本。
- 王嫦孙彦赞张舜卿陈小静
- 关键词：资源分配
- 基于联邦深度强化学习的车联网资源分配被引量：4
- 2021年
- 车辆通信(V2X)能够有效地提高交通安全性和移动性,是车辆部署场景中的关键技术之一。V2X通信链路需要满足不同应用的服务质量(QoS)要求,如车对车(V2V)链路的延迟和可靠性要求。面向车辆高速移动性导致的无线信道快速变化,为保证不同车辆链路的QoS约束和车辆动态网络的鲁棒性,提出一种基于联邦深度强化学习(FDRL)的频谱分配和功率控制联合优化框架。框架首先根据不同车辆链路需求提出了对应的优化问题,并定义了强化学习的状态空间、动作空间和奖励函数;然后介绍了联邦深度强化学习的训练框架;最后,通过分布式的车辆端强化学习和基站聚合平均训练,找到最佳的频谱分配和功率控制策略。仿真结果表明,与其他对比算法相比,所提出算法能够提高车对基站(V2I)的总用户信道容量,并保证了新加入车辆时动态网络的鲁棒性。
- 王晓昌吴璠孙彦赞孙彦赞
- 关键词：车辆通信资源分配
- 无线网络中保证隐私的异步联邦学习系统资源优化配置
- 2024年
- 异步联邦学习(Asynchronous Federated Learning,AFL)因其高效性已成为传统同步联邦学习(Synchronous Federated Learning,SFL)的解决方案。然而,在无线场景中,AFL仍面临有限的通信、计算资源,以及安全威胁等挑战。提出了一种新的结合Transformer编码器的近端策略优化(Proximal Policy Optimization)双阶段算法框架,该框架联合优化了AFL系统的学习时延、能耗和模型精度,并通过参与设备协作干扰的方式保证物理层安全。大量仿真验证,当目标准确率为0.9时,所提方案相较于基准方案降低了74.2%的训练时延与能耗。
- 周折耳陈小静张舜卿孙彦赞
- 关键词：物理层安全TRANSFORMER
- OFDM-PON系统的非线性损伤补偿方法
- 2015年
- 围绕正交频分复用-无源光网络（OFDM-PON）系统中非线性损伤的补偿问题开展研究.使用VOLTERRA模型对非线性补偿器进行辨识,利用差异因子并结合QR分解,推导出修正向量的解析表达式,提出模型核向量的自适应修正方法,形成正交频分复用-无源光网络系统中非线性损伤的补偿算法.仿真结果表明,所提出的方法可使系统误比特率提升1％～3％,在系统比特率为130 Gb/s时,系统误比特率可保持在1％左右.
- 孙彦赞路振龙方勇王军华
- 一种车载有线网络到无线网络的接口设计方法
- 本发明公开了一种车内有线网络到无线网络的升级方法。本方法针对车载A类低速网络、B类中速网络、D类高速网络中非车辆行驶安全模块的传输速率要求的差异和有线组网特点，设计车载内部无线网络基于ZIGBEE及WiFi实现的单跳/多...
- 肖健超孙彦赞方勇李军亮苏晋升张磊
- 文献传递
- 基于注意力机制和深度先验的注视点检测网络
- 2024年
- 人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。
- 朱芸朱冬晨张广慧孙彦赞张晓林
- 关键词：神经网络
- 基于联合时频优先级策略的车内无线通信平台及其抗干扰方法
- 本发明提供了一种基于联合时频优先级策略的车内无线通信平台及其抗干扰方法。平台包括单跳星形ZigBee组网的安全防盗报警系统、多跳分布式ZigBee组网的车辆信息管理系统、WiFi分布式组网的多媒体信息传输系统，人机交互中...
- 李鹏飞方勇孙彦赞李军亮苏晋升张磊
- 文献传递
- 面向智慧交通的图像处理与边缘计算被引量：25
- 2022年
- 随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通系统中的图像处理及边缘计算技术未来的发展进行总结分析与趋势展望。
- 曹行健张志涛孙彦赞王平徐树公刘富强王超王超穆世义刘文予杨铀
- 关键词：图像处理自动驾驶
- 基于知识图谱的无线网络干扰特征可视化实现方法
- 一种基于知识图谱的无线网络干扰特征可视化实现方法，采用自顶而下的构建方式构建无线网络特征知识图谱，通过Neo4j存储并展示构造得到的知识图谱后，采用Wireless InSite对其进行仿真评估。本发明不仅仅涉及实体间的...
- 孙彦赞朱澄煜张舜卿陈小静吴雅婷余鸿文
