基于自适应指数蝙蝠和SAE的并行大数据分类

为解决深度学习进行大数据分类时效率低的问题，本文提出一种基于自适应指数蝙蝠和堆叠自编码器(SAE)的并行大数据分类方法.在并行计算框架中，Map阶段使用自适应指数蝙蝠算法进行特征选择，自适应指数加权移动平均值蝙蝠算法(AEB)由指数加权移动平均值(EWMA)和自适应权重策略得到.将选择的特征作为Reduce输入进行大数据分类，Reduce阶段使用AEB算法训练的深度堆叠自动编码器(SAE)进行分类，进一步提高了分类精度.实验结果表明，针对不同的训练数据百分比，本文所提方法在准确度和真正例率(TPR)性能方面优于其他现有方法.     

深度防卫的自适应入侵检测系统

为了全面检测黑客入侵和有效提高检测精度,提出了一种深度防卫的自适应入侵检测系统模型.该模型按照黑客入侵对系统影响的一般顺序,使用不同方法对网络行为、用户行为和系统行为3个层次涉及到的网络数据包、键盘输入、命令序列、审计日志、文件系统和系统调用进行异常检测,并利用信息融合技术来融合不同检测器的检测结果,从而得到合理的入侵判定.在此基础上,提出了系统安全风险评估方法,并由此制定了一种简单、高效的自适应入侵检测策略.初步实验结果表明,所提的深度防卫自适应入侵检测模型能够全面、有效地检测系统的异常行为,可以自适应地动态调整系统安全与系统性能之间的平衡,具有检测精度高、系统资源消耗小的优点.     

基于功率谱的非均匀子带自适应滤波

根据输入信号的功率谱特征,非均匀滤波器组能够动态调整子带滤波器的带宽和位置,可以获得比均匀滤波器组更好的收敛性能.根据子带最小均方(least mean square,LMS)自适应算法的收敛特性,以提高其收敛速度为目标,提出了一种基于功率谱信息的非均匀子带自适应滤波方法,并详细讨论了非均匀滤波器组实现结构和信号重建性能.计算机仿真实验和分析表明,与现有的均匀和非均匀滤波器组设计方法相比,在子带数目相同的条件下,本文提出的方法能有效地降低子带信号的最大特征值扩散度,而信号重建性能基本相同.     

基于子空间方法的非均匀多采样率系统辨识

针对非均匀多采样率系统的建模问题,根据因果关系,建立了非均匀多采样率系统的状态空间模型.对于含有提升变量的状态空间模型,提出基于子空间技术的辨识方法.首先,由系统的输入输出数据建立由Hankel矩阵组成的扩展状态空间方程;其次,利用斜交投影的原理,以及奇异值分解,通过子空间辨识算法确定增广观测矩阵和状态向量;最后,通过最小二乘方法确定模型的参数矩阵.该方法简单有效且对初值具有鲁棒性.仿真实例验证了方法的有效性.     

投影相关自适应子空间分割

在构造仿射矩阵时,满足稀疏性就会降低其分组效应,反之,又不利于数据的选择.针对这些问题,提出投影相关自适应子空间分割方法.通过引入迹lasso,自适应地根据样本数据的相关性构造仿射矩阵,同时提取出有利于类别识别的特征.在6个基因表达数据上的实验结果表明,该方法优于现有子空间分割方法.     

直接数据特征值分解的相干源DOA估计

提出一种基于均匀圆阵单次快拍数据的相干信源波达方向(direction of arrival,DOA)估计方法——直接数据特征值分解(direct data eigenvalue decomposition,DD-EVD)法. 算法通过模式空间转换将均匀圆阵虚拟为均匀线阵,再直接利用波束空间的快拍数据,构造一个Toeplitz矩阵,并对矩阵按阵列流形分解. 理论推导证明,矩阵的秩得到恢复,只与入射信号个数有关. 对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,进而完成相干信源DOA估计. 算法使用单次快拍数据构造矩阵,适合非平稳信号参数的估计,同时不需要快拍累计和相关运算,降低了计算复杂度. 仿真结果验证了算法的有效性.      

基于1D-CNN模型的非侵入式负荷识别

非侵入式负荷识别技术对电网系统的电力调度、风险估计等具有重要意义.现阶段非侵入式负荷识别的数据质量差,算法识别准确度低且只能处理低频或高频数据.针对非侵入式负荷识别数据质量差的问题,提出了数据修复、数据扩展等数据增强方法;针对非线性扰动降低准确度的问题,提出了一种基于1D-CNN的深度学习模型,该模型既可提取低频数据的稳态特征,也可提取高频数据的暂态特征.使用数据增强后的数据集在1D-CNN模型上训练和测试,并与现有算法进行对比发现,该模型在低频、高频数据集上均获得了95%以上的准确度,与现有算法相比具有明显优势.     

一种空间复用MIMO-OFDM联合量化反馈预编码*

对于空间复用下行MIMO-OFDM系统,为了减少其反馈比特和增加信道容量,提出了一种新的下行功率分配和预编码矩阵的联合量化有限比特反馈预编码方案;修正了子载波最优功率分配;设计了一种低复杂度非均匀功率分配码本量化方法;只要把部分子载波的有限比特量化预处理矩阵和量化功率分配反馈到发射端,在发射端采取一种改进的插值算法来重构原最佳预矩阵。仿真实验表明,采用该方案能提高系统信道容量和降低误码率。     

基于深度学习的虚拟视点重建研究

基于人眼立体视觉的裸眼3D显示技术通过虚拟视点快速渲染可以获得具有密集视点的3D内容,让用户不需要任何辅助设备就可以身临其境地感受三维场景.针对传统获取方法因渲染速度慢、重建质量不高、视差受限等问题,提出基于无监督神经网络的虚拟视点重建方法,基于单目立体深度估计和傅里叶切片理论将2D图像直接生成任意视角虚拟视点.试验结果表明,本文算法比传统方法对任意视角视点的理论渲染速度大幅提升,空洞区域修复更自然.     

滚动窗口自适应子空间预测控制方法及其应用

针对常规控制方法在模型比较复杂的化工生产过程中控制效果不佳且过程具有非线性时变的特点,提出一种新型的滚动窗口自适应子空间预测控制方法.由输入输出数据通过子空间辨识方法获得子空间预估器,将子空间预估器作为预测模型,设计一种滚动窗口自适应预测控制器,并引入决定系数来过滤不良数据.通过对2-CSTR系统过程控制的仿真试验,验证了所提出控制方法的有效性.     

一种深度图失真引入的虚拟视失真估计方法

提出了一种深度图失真引入的虚拟视失真估计方法. 该方法依据能量一致性假设要求, 将深度图宏块划分为平坦宏块和非平坦宏块. 平坦宏块使用频域块级方法, 非平坦宏块使用时域像素级方法估计由深度图失真造成的绘制视失真. 虚拟视失真采用左右绘制视融合计算, 并计入虚拟视中空洞修复引入的失真. 该方法在宏块分类判据中综合了相机参数, 对于不同拍摄条件下的视频序列可以使用相同的判别阈值获得最佳区域划分, 通用性较强. 实验结果证明, 该方法兼顾了估计准确性和复杂度, 对于在有限码率预算条件下提高深度视频编码效率、优化三维视频码率分配具有重要的指导意义.     

SAR原始数据BATCQ压缩算法

提出了一种结合传统的块自适应量化与网格编码量化对SAR原始数据进行压缩的方法(BATCQ).首先对SAR原始数据实施块自适应量化以减小数据的动态范围,然后对块自适应量化后的数据进行网格编码量化.该方法在考虑了SAR原始数据特性的基础上利用卷集编码和信号空间扩展来增大量化信号间的欧氏距离,进一步提高了量化增益.仿真结果表明,该方法在SAR原始数据的压缩中,取得了较好的量化和抗误码性能.     

基于量化修正的低复杂度LDPC译码算法

为进一步降低基于可靠度的(Low Density Parity Check,LDPC)译码算法复杂度,提出一种基于量化修正的低复杂度LDPC译码算法,该算法在对信道信息预处理时引入量化信息修正处理策略,从而避免在译码迭代过程中进行译码信息修正处理操作,在保持译码性能的同时,较大幅度地降低译码复杂度。针对均匀和非均匀量化方案,本文实现了基于修正系数的均匀量化和基于列重修正的非均匀量化两种译码方案。仿真实验结果表明,所提出的两种译码方案在算法复杂度明显较低的情况下,仍然与MRBI-MLGD译码算法具有相同的译码性能与收敛速度。特别地,在基于列重修正的非均匀量化方案中,只需3-4 bits的低比特量化即可达到均匀量化中高比特量化(8 bits)相同的迭代次数和误比特率性能。     

基于FPGA的SAR原始数据实时压缩系统设计与实现

文章讨论一种基于FPGA,并采用分块自适应量化(BAQ)算法的SAR原始数据实时压缩处理系统的设计方法,该设计可大大提高实时压缩处理系统的性能,降低数据率,突破卫星下传数据率的限制。BAQ模块内部采用4路并行处理的逻辑结构来计算数据块的统计特性;优化设计量化电平实时计算乘法器资源、量化比较逻辑结构;当I/Q两路采用多模块分时复用模型时,可使整个系统压缩处理能力成倍增加。通过测试表明,BAQ模块的最高运行速度可达到149 MHz,单个模块处理能力已达到1 Gbps以上,其中压缩比8/3时信号失真噪声比(SDNR)大于14 dB。     

Joint Source-Channel Bit Allocation Based on Expected End-to-End Distortion Model

An adaptive joint source channel bit allocation method for video communications over error-prone channel is proposed.To protect the bit-streams from the channel bit errors,the rate compatible punctured convolution(RCPC)code is used to produce coding rates varying from 4/5 to 1/2 using the same encoder and the Viterbi decoder.An expected end-to-end distortion model was presented to estimate the distortion introduced in compressed source coding due to quantization and channel bit errors jointly.Based on the p...     

Anti-saturation block adaptive quantization algorithm for SAR raw data compression over the whole set of saturation degrees

In order to improve the performance of block adaptive quantization (BAQ) when the output of the analog to digital converter (ADC) is saturated, this paper proposes an anti-saturation BAQ algorithm. First, the concept of the standard deviation of the output signal (SDOS) of the ADC is proposed. Also, unlike traditional normalization processing, SDOS is used and the mapping between SDOS and the average signal magnitude is deduced. Second, the saturation term is introduced to the Lloyd–Max quantizer and an optimal non-uniform scalar quantizer for saturated SAR raw data quantization is proposed. After this, the implementation scheme for the proposed algorithm using an FPGA is analyzed in detail. Third, the relationships among the saturation degree of the signal, the peak-topeak value of the ADC, standard deviation of the input and output signal of the ADC and the average signal magnitude are deduced. Based on these relationships, a power compensation decoder is designed for encoding. Numerical experiment results based on ERS-1 and the simulated data show that the performance of the proposed algorithm is better than that of BAQ.     

先进音频编码中的非均匀量化器的动态调整研究

非均匀量化器广泛运用在感知音频编码器中.通过对非均匀量化器失真的研究,引入了量化器的群能量失真概念.该概念定义为量化前的原始信号能量和量化后的重建信号能量的误差期望值.根据此概念提出了零群能量失真量化器,这种量化器能使原始信号能量和重建信号能量保持守恒.在量化器的量化电平间使用零群能量失真原则,约束量化电平间的群能量失真,可以获得与原始量化谱分布相关的动态量化区间划分.通过对原始量化谱的分布进行频数统计,近似计算动态量化区间划分,修改量化器的取整方式,使用该近似的动态量化区间划分,实现了随输入信号分布变化的动态调整量化器.客观音质评价实验显示,使用动态调整量化器先进音频编码,与使用标准推荐的量化器相比,在相同比特率下,客观音质评价指标失真指数和噪声掩模比都有所提高,编码器音质得到改进,且音质改进程度随着比特率的增加而增大.而基于对比听音实验的主观音质退化程度比较表明,使用动态调整量化器的先进音频编码,与标准算法相比,在相同码率下有更高的音质还原度 在维持标准算法音质水平的前提下,可节省一定比特率.该动态调整量化器不改变音频编码器自身结构,在不显著增加的计算量和存储量的条件下,提高了编码器性能,且适用于多种类型音频编码器.     

基于感兴趣区域的H.265样点自适应补偿算法优化

针对目前H.265环路滤波器样点自适应补偿(sample adaptive offset,SAO)算法复杂度高、计算量大的问题,提出了一种基于人眼感兴趣区域的样点自适应补偿技术.人眼感兴趣区域在视频的空间域对应纹理复杂的区域,在时间域对应运动剧烈的对象.利用图像的时域和空域的二维信息,使用编码单元深度和运动矢量分别检测纹理复杂区域和运动剧烈的对象,结合深度和运动矢量将视频帧划分为人眼不感兴趣、较感兴趣、很感兴趣3种类型,并分别采用不补偿、弱补偿和强补偿的SAO算法,从而在总体上减少自适应补偿的计算量,提高编码效率.实验表明,所提算法可使样点自适应补偿编码时间平均减少61.47％,而峰值信噪比(peak signal-to-noise ratio,PSNR)仅有0.033 dB的降低.     

一种基于图像内容的自适应色彩量化算法

色彩量化是数字图像分析与处理领域的基本问题之一.笔者以K-均值聚类为基础,提出了一种新的自适应色彩量化算法,该算法首先依据图像内容确定初始聚类中心,并对所有像素进行归类处理;再结合图像局部区域平滑度,修改聚类中心颜色;最后对所有聚类进行分裂和合并运算,并生成量化图像.实验结果表明,该算法具有较好的色彩量化效果（即色彩量化误差较小）,整体性能优于K-均值聚类色彩量化方案.     

基于视觉特性的扩展变换量化指纹算法研究

针对扩展变换量化指纹算法的性能平衡问题,提出了基于视觉特性的扩展变换量化指纹算法。该算法基于扩展变换的量化指纹算法模型,根据数字图像的局部视觉特性,采用非均匀同步量化的方法调节指纹算法的量化参数,有效减少了指纹图像的量化误差,并实现指纹嵌入检测过程的一致性,从而提高数字指纹的检测效率和载体图像的保真度。实验仿真结果表明,提出的指纹算法明显优于扩展变换量化指纹算法的性能,能够在抗共谋能力和视觉质量之间获得较好的平衡。