XiaoMi-AI文件搜索系统
World File Search System时频
时频连续变量中的量子信息
摘要：本论文介绍了独特光子连续自由频率程度的编码。与电磁场的四二晶的数学相似性导致在我们编码中这些变量中表达的方案概括。我们引入了一种新型的鲁棒量子，以在时间频阶段的空间中针对位移类型的误差。研究了双圆柱相的新空间，对于具有翻译对称性的状态的状态是一个特别合适的表示。我们还研究了如何构建功能相分布，从而可以描述具有光谱连续和正交自由度的量子状态。
利用线性光学和时频编码实现任意单量子比特门的并行合成
我们提出了新方法，用于精确合成具有高成功概率和门保真度的单量子比特幺正，同时考虑了时间箱和频率箱编码。所提出的方案可通过光谱线性光学量子计算 (S-LOQC) 平台进行实验，该平台由电光相位调制器和相位可编程滤波器（脉冲整形器）组成。我们评估了两种编码中任意门生成的两种最简单的 3 组分配置的保真度和概率性能，并使用单音射频 (RF) 驱动 EOM，为时间箱编码中任意单量子比特幺正的合成提供了精确的解析解。我们进一步研究了使用紧凑实验装置在多个量子比特上并行化任意单量子比特门，包括光谱和时间编码。我们系统地评估和讨论了 RF 带宽（决定驱动调制器的音调数量）以及不同目标门的编码选择的影响。此外，我们还量化了在实际系统中驱动 RF 音调时，可以并行合成的高保真 Hadamard 门的数量，且所需资源最少且不断增加。我们的分析将光谱 S-LOQC 定位为一个有前途的平台，可进行大规模并行单量子位操作，并可能应用于量子计量和量子断层扫描。
RF扩散：通过时频扩散
摘要以及AIGC在CV和NLP中闪耀，其在无线领域中的潜力也近年来也出现了。然而，由于表示功能有限，现有面向RF的生成解决方案不适合生成高质量的时间序列RF数据。在这项工作中，受到CV和NLP扩散模型的稳定成就的启发，我们将其调整到RF域并提出RF扩散。为了促进RF信号的独特特征，我们首先引入了一种新颖的时频扩散理论，以启用原始扩散模型，使其能够在RF信号的时间，频率和复杂值域内利用信息。在此基础上，我们提出了一个层次扩散变压器，将理论转化为一种实用的生成DNN，通过跨越网络体系结构，功能障碍和复杂评估的操作员的精心设计，使RF-diffusion成为一种多功能的解决方案，以实现多种多样的解决方案。表现出了RF-Diffusion在合成Wi-Fi和FMCW信号中的出色性能。我们还展示了RF扩散在增强Wi-Fi传感系统和在5G网络中执行通道估计的多功能性。
RF扩散：通过时频扩散
摘要以及AIGC在CV和NLP中闪耀，其在无线领域中的潜力也近年来也出现了。然而，由于表示功能有限，现有面向RF的生成解决方案不适合生成高质量的时间序列RF数据。在这项工作中，受到CV和NLP扩散模型的稳定成就的启发，我们将其调整到RF域并提出RF扩散。为了促进RF信号的独特特征，我们首先引入了一种新颖的时频扩散理论，以启用原始扩散模型，使其能够在RF信号的时间，频率和复杂值域内利用信息。在此基础上，我们提出了一个层次扩散变压器，将理论转化为一种实用的生成DNN，通过跨越网络体系结构，功能障碍和复杂评估的操作员的精心设计，使RF-diffusion成为一种多功能的解决方案，以实现多种多样的解决方案。表现出了RF-Diffusion在合成Wi-Fi和FMCW信号中的出色性能。我们还展示了RF扩散在增强Wi-Fi传感系统和在5G网络中执行通道估计的多功能性。
正交时频空间集成传感与通信：综述
摘要 — 欧洲 6G 旗舰项目 Hexa- X 提出，第六代 (6G) 无线通信系统预计将集成智能、通信、传感、定位和计算。这种集成的一个重要方面是集成传感和通信 (ISAC)，其中传感和通信系统使用相同的波形，以应对频谱稀缺的挑战。最近，提出了正交时频空间 (OTFS) 波形来解决 OFDM 在未来某些无线通信系统中由于高多普勒频移而导致的局限性。在本文中，我们回顾了 ISAC 系统的现有 OTFS 波形，并为未来的研究提供了一些见解。首先，我们介绍 OTFS 的基本原理和系统模型，并对这项创新技术的核心概念和架构提供基础性的理解。随后，我们概述了基于 OTFS 的 ISAC 系统框架。我们全面回顾了 OTFS 辅助 ISAC 系统领域的最新研究发展和最新技术，以全面了解当前的形势和进步。此外，我们对支持 OTFS 的 ISAC 操作和传统 OFDM 进行了彻底的比较，突出了 OTFS 的独特优势，尤其是在高多普勒频移场景中。随后，我们解决了基于 OTFS 的 ISAC 系统面临的主要挑战，确定了潜在的限制和缺点。最后，我们提出了未来的研究方向，旨在激发 6G 无线通信领域的进一步创新。
全局场时频表示... - 欧文实验室
摘要 — 意识障碍 (DOC) 患者的行为诊断具有挑战性，而且容易出错。因此，人们加大了对基于脑电图和事件相关电位 (ERP) 的床边评估的开发力度，这些评估对支持意识觉知的神经因素更为敏感。然而，使用这些技术对残留意识进行个体检测尚不成熟。在这里，我们假设大脑对听觉刺激的被动反应的跨状态相似性（定义为健康和受损意识状态之间的相似性）可以指示个体 DOC 患者的意识水平。为此，我们引入了基于全局场时频表示的判别相似性分析 (GFTFR-DSA)。该方法使用 GFTFR 作为脑电图特征，量化个体患者与我们构建的健康模板之间的平均跨状态相似性指数。我们证明，与传统的脑电图特征（例如时间波形）相比，所提出的 GFTFR 特征在 34 个健康对照中表现出更好的组内一致性。其次，我们观察到，最低意识状态患者（MCS，40 名患者）的 GFTFR 相似度指数明显高于无反应性觉醒综合征患者（UWS，54 名患者），这支持了我们的假设。最后，将线性支持向量机分类器应用于单个 MCS/UWS 分类，该模型实现了平衡的准确度和 0.77 的 F1 得分。总体而言，我们的研究结果表明，结合判别性和可解释性标记以及自动机器学习算法，对于 DOC 患者的鉴别诊断是有效的。重要的是，这种方法可以
基于学习的脑电图时频图像的深度学习视觉复杂性分析：它可以定位大脑中的癫痫发作区吗？基于学习的脑电图时频图像的深度学习视觉复杂性分析：它可以定位大脑中的癫痫发作区吗？
1胎儿神经影像学和发展科学中心，新生医学部，医学系波士顿儿童医院，哈佛医学院，马萨诸塞州波士顿，美国马萨诸塞州02115； navaneethakrishna.makaram@childrens.harvard.edu（N.M.）; sarvagya.gupta@childrens.harvard.edu（S.G.）; matthew.pesce@childrens.harvard.edu（M.P.）; ellen.grant@childrens.harvard.edu（P.E.G.）2美国马萨诸塞州波士顿的波士顿儿童医院神经病学系，美国马萨诸塞州02115； jeffrey.bolton@childrens.harvard.edu（J.B。）; phillip.pearl@childrens.harvard.edu（P.P.）; Alexander.rotenberg@childrens.harvard.edu（A.R。）3美国马萨诸塞州波士顿的波士顿儿童医院神经外科癫痫手术系，美国马萨诸塞州02115； scellig.stone@childrens.harvard.edu 4计算机科学系，马萨诸塞州波士顿大学，马萨诸塞州波士顿，美国马萨诸塞州02115； haehn@cs.umb.edu（D.H.）; marc@cs.umb.edu（M.P。） 5 Jane和John Justin Mind Health研究所，美国德克萨斯州沃思堡库克儿童医疗保健系统，美国德克萨斯州76104； Christos.papadelis@cookchildrens.org *通信：eleonora.tamilia@childrens.harvard.edu3美国马萨诸塞州波士顿的波士顿儿童医院神经外科癫痫手术系，美国马萨诸塞州02115； scellig.stone@childrens.harvard.edu 4计算机科学系，马萨诸塞州波士顿大学，马萨诸塞州波士顿，美国马萨诸塞州02115； haehn@cs.umb.edu（D.H.）; marc@cs.umb.edu（M.P。）5 Jane和John Justin Mind Health研究所，美国德克萨斯州沃思堡库克儿童医疗保健系统，美国德克萨斯州76104； Christos.papadelis@cookchildrens.org *通信：eleonora.tamilia@childrens.harvard.edu
从平均时间波形、时频表示和相位动态中挖掘事件相关脑电位信息
摘要：由于复杂的自发脑活动纠缠在一起，描述脑电图 (EEG) 中大脑对输入的动态响应模式并非易事。在这种情况下，大脑的反应可以定义为 (1) 输入后产生的额外神经活动成分或 (2) 输入引起的持续自发活动的变化。此外，反应可以体现在多种特征中。三个常见的特征示例是 (1) 瞬态时间波形，(2) 时频表示，和 (3) 相位动态。最广泛使用的平均事件相关电位 (ERP) 方法捕捉到了第一个特征，而后两者和其他更复杂的特征正受到越来越多的关注。但是，目前还没有太多的研究对如何在神经认知研究中有效利用多方面特征提供系统的说明和指导。基于一个有 200 名参与者的视觉异常 ERP 数据集，这项工作展示了上述特征的信息如何相互补充，以及如何基于典型的基于神经网络的机器学习方法将它们整合在一起，以便在基础和应用认知研究中更好地利用神经动态信息。
基于时频域特征提取的脑电信号视障人士压力检测
压力是指身体对任何环境变化做出的生理、情绪和心理反应，需要进行调整，对人类心理产生重大影响。视障人士 (VIP) 的压力尤其难以控制，因为他们在未知情况下很容易感到压力。脑电图 (EEG) 信号可用于检测压力，因为它基本上代表了人类大脑中持续的电信号变化。文献表明，压力检测技术大多基于时域或频域分析。然而，使用时域或频域分析可能不足以提供适当的压力检测结果。因此，本文提出了一种使用经验模态分解 (EMD) 和短期傅里叶变换 (STFT) 从 EEG 信号中提取考虑时空信息的特征的方法。在 EMD 中，信号首先被分解为表示有限数量信号同时保持时域的固有模态函数 (IMF)，然后使用 STFT 将时域转换为时频域。采用支持向量机 (SVM) 对陌生室内环境中 VIP 的压力进行分类。将所提方法的性能与最先进的压力检测技术进行了比较。实验结果证明了所提技术优于现有技术
多类运动想象脑机接口的多尺度时频方法
运动想象脑机接口 (MI-BCI) 已成为神经康复领域的一项很有前途的技术。然而，目前的多类 MI-BCI 的性能和计算复杂度尚未得到充分优化，而且很少研究对运动想象任务中个体差异的直观解释。在本文中，首先将精心设计的多尺度时频分割方案应用于多通道脑电图记录以获得时频片段 (TFS)。然后，利用基于特定包装器特征选择规则的 TFS 选择来确定最佳 TFS。接下来，使用发散框架中实现的一对一 (OvO)-divCSP 来提取判别特征。最后，利用一对其余 (OvR)-SVM 根据选定的多类 MI 特征预测类标签。实验结果表明，我们的方法在两个公开的多类 MI 数据集上取得了优异的性能，平均准确率为 80.00%，平均 kappa 为 0.73。同时，提出的 TFS 选择方法可以显著减轻计算负担，同时准确率几乎没有降低，证明了实时多类 MI-BCI 的可行性。此外，运动想象时频反应图 (MI-TFRM) 是可视化的，有助于分析和解释不同受试者之间的表现差异。