改进的树型WSN分布式LCMV波束形成方法

针对减少树型无线传感器网络(wireless sensor network, WSN)中分布式线性约束最小方差(linearly constrained minimum variance, LCMV)波束形成器计算量问题,提出基于Householder多级维纳滤波器(Householder multistage Wiener filter, HMSWF)的分布式LCMV波束形成器方法。该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能。计算机仿真结果验证了算法的优良性能。     

强指定验证者的无证书变色龙数字签名方案

基于无证书密码体制,构造了一个无证书变色龙哈希函数,解决了基于身份的变色龙哈希存在的密钥托管问题,使除了指定验证者之外的其他任何人都无法计算出变色龙哈希碰撞。在此基础上,进一步实现了无证书变色龙签名。在签名验证过程中,保证只有签名者指定的验证者才能验证签名的有效性。新方案简单高效,在随机预言模型下是安全的。     

深度残差网络和LSTM结合的图像序列表情识别

为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合。研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法。在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升。     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

课外体育文化活动可成为高校辅导员引导大学生健康的重要手段

面对大学生日益下降的身体素质、突出的心理问题,探讨课外体育文化活动作为一种引导大学生健康有效手段,建议高校辅导员可将其进行有效应用,最终实现大学生健康成长、全面发展的终极目标。     

高校思想政治教育目标化管理的探索与研究

高校思想政治教育是对当代大学生从马克思主义理论教育和思想政治教育两方面进行世界观、人生观、价值观正确建立的主渠道、主途径和主阵地,在面对当前多元的思想观念和错综复杂的国内外形势,我们应该从教育管理的方式方法上进行创新,加强和改进大学生思想政治教育工作,对当代大学生进行目标化管理,增强思想政治教育工作的实效性。     

基于残差密集网络的智能超表面信道估计算法

信道估计是通信系统中一项关键的技术,涉及评估信号在传输过程中经历的信道特性,以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量,使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中,除了基站和用户之间的视距信道外,同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计,为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题,文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性,在卷积网络基础上,提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集,使用传统最小二乘法（LS）进行信道粗估计,并将信道看作二维含噪图像;其次采用密集块（RDB）充分提取噪声数据局部特征,并使用多路卷积和残差网络对数据进行特征融合;最后通过已训练模型对数据进行在线估计,并得到去噪信道。文中从信道的估计精度对所提算法进行验证,在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明,...     

分组mask引导的单幅图像去除雨滴

恢复被雨滴损毁图像是提高自动驾驶或视频监控等机器视觉在自然场景中识别性能的必要预处理任务。该任务的核心技术是对雨图中雨滴的定位和恢复被雨滴覆盖的背景信息。现有基于数据驱动的解决方案是基于雨滴定位采取固定阈值下硬掩码(hard mask)或软掩码(soft mask)引导的深度神经网络去除雨滴。考虑到雨滴形状的多样性、对背景损毁程度的模糊性，该文提出基于分组函数的自适应阈值分割算法(称为分组掩码)引导的雨滴去除算法。首先，分组掩码根据雨滴大小的多样性和雨滴对背景模糊程度的不同自适应提取雨滴信息；然后，将雨滴损毁图像和分组掩码级联作为输入，用对抗损失训练生成对抗网络(GAN)去除雨滴，输出恢复的干净背景图。综合实验可见，文中提出的图像去雨滴算法比现有的算法更具有优越性。