Path Weight Complementary Convolutional Code for Type-Ⅱ Bit-Interleaved Coded Modulation Hybrid ARQ System

Bit-interleaved coded modulation (BICM) is suitable to bandwidth-efficient communication systems. Hybrid automatic repeat request (HARQ) can provide more reliability to high-speed wireless data transmission. A new path weight complementary convolutional (PWCC) code used in the type-Ⅱ BICM-HARQ system is proposed. The PWCC code is composed of the original code and the complimentary code. The path in trellis with large hamming weight of the complimentary code is designed to compensate for the path in trellis with small hamming weight of the original code. Hence, both of the original code and the complimentary code can achieve the performance of the good code criterion of corresponding code rate. The throughput efficiency of the BICM-HARQ system wit PWCC code is higher than repeat code system, a little higher than puncture code system in low signal-to-noise ratio (SNR) values and much higher than puncture code system, the same as repeat code system in high SNR values. These results are confirmed by the simulation.     

Punctured(2,1,N)系列卷积码的编码及其Viterbi译码的软件实现

给出了由（2，1，N）系列卷积码作为母码产生的punctured卷积码的编码及其Viterbi译码的软件实现方法，从而为各种不同码率的卷积码的编、译码给出了一种通用的实现方法，并且为多级编码分量码的设计提供了条件。     

抗雨衰的收缩码方案

介绍了一种不用改变编译码器的基本结构就能实现较宽范围内码率变化的码——收缩码；Ka波段移动卫星通信系统雨衰信道的统计特性为莱斯分布，可以表示成一个3状态的马尔可夫链模型；在此模型的3个状态中分别采用了不同码率的收缩码进行纠错编码，克服Ka波段移动卫星通信信道的雨衰，以满足信道模型中传输误码率的要求。通过对DWMT与DMT进行性能上的比较，说明DWMT性能优于DMT，有望用于宽带接入网技术。     

基于深度卷积神经网络的SAR舰船目标检测

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。     

卷积完全匹配层截断三维金属圆柱波导的应用

讨论在直角坐标系下用卷积完全匹配层(CPML)截断圆柱波导开放边界的模型, 给出了CPML的构造参数. 计算了不同频率和模式激励源作用下CPML反射引起的相对误差, 数值结果表明, 最大相对误差都小于-70 dB, 能够满足模拟计算的要求.      

与删除卷积码相结合的非均匀16-DAPSK在无线广播信道上的性能

导出了加性高斯白噪声和Rayleigh衰落信道上非均匀16-DAPSK错误概率的简单闭合表达式.对于多媒体通信和组播传输而言,非均匀16-DAPSK是有用的.给出了带有删除卷积编码的非均匀16-DAPSK调制的性能.结果表明卷积编码可与非均匀16-DAPSK调制用于在无线电广播系统中传输附加消息,而对于基本消息几乎没有损伤.     

基于多尺度交互结构卷积神经网络的SAR图像相干斑抑制方法

结合深度学习思想, 提出了一种基于多尺度交互结构卷积神经网络(convolutional neural network, CNN)的合成孔径雷达(synthetic aperture radar, SAR)图像相干斑抑制方法。首先, 通过不同尺寸的卷积核及跳跃连接构成多尺度交互特征提取模块以获得不同感受野的特征并加快网络收敛速度。然后, 在多尺度交互特征提取模块之间利用简化的密集连接方式使网络能够充分利用浅层纹理特征。最后, 采用残差学习策略得到抑制后的图像。实验结果表明, 与已有方法相比, 所提方法不仅使用较少的计算参数量, 还能保证性能的提升。     

基于多尺度特征选择网络的人脸表情识别

首先, 针对人脸表情识别问题提出一种新的多尺度特征选择网络识别方法, 该网络充分结合多尺度网络结构和特征选择结构的优点, 能更有效地提取面部静态图像中的空间信息. 其次, 为验证本文提出的多尺度特征选择网络的识别性能和泛化能力, 在两个经典的人脸表情识别数据集上与一些常用的方法进行对比和交叉验证实验. 实验结果表明, 该网络取得了更好的识别效果, 并且具有良好的泛化能力, 可以灵活地嵌入到人脸表情识别分析系统中.     

基于卷积神经网络的卫星遥感图像拼接

针对传统算法不适用于外观发生较大变化的图像拼接问题, 提出一种基于卷积神经网络的遥感图像拼接方法, 通过深度学习使模型实现对遥感图像的配准和拼接. 通过两次实验将该算法与传统算法进行对比. 首先, 以欧氏距离作为评价指标, 分别通过两种算法在不同图像数据集上进行统计, 对它们的图像配准能力进行评估. 其次, 在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果. 实验结果表明, 卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力, 因此对于外观产生较大变化的遥感图像, 可采用该算法代替传统算法实现图像拼接, 得到更精确的全景图像.     

基于FPGA的SSD目标检测硬件加速器设计

设计了一种基于FPGA的目标检测算法的硬件加速器, 采用循环分块和循环展开的方式来优化卷积池化循环, 可以以任意并行度进行卷积和池化计算。使用一种基于AXI总线的数据重排序方式, 在不带来额外硬件资源开销的情况下, 对特征图进行重排序, 可以降低数据传输时间。将该硬件加速器部署至Xilinx ZCU 102开发板进行验证, 结果表明SSD算法前向推理性能为534.72 GOPS, 推理时间为113.81 ms。