基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题，提出了一种深度图像快速帧内预测模式选择算法。首先，从深度视频序列中以最优的深度图最大编码单元（largest coding unit，LCU）划分深度为标签获取训练集；其次，构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network，FSCD-CNN）；最后，对深度图LCU进行划分深度预测，跳过部分编码模式决策，实现最佳LCU划分。实验结果表明，与相关文献对比，所提算法在保持了编码性能的同时平均减少了15%的编码时间，实验验证了其有效性和可靠性。     

一种HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

极小相关组的Matlab实现及其在编码中的应用

纠错码技术是通信技术中不可或缺的一项技术,并在当今的通信技术发展中占有很高的地位,线性分组码是常用的一种纠错码,其纠错能力的计算需要以线性分组码最小码距的计算为基础。向量组极小相关组的提出,引入了向量组的距的定义,为线性分组码纠错能力的计算提供了新思路,极小相关组的有效而且快速求解方法研究将是一个新课题,针对计算机通信科学发展的需求,基于遍历法的思想,运用Matlab软件编写程序求解向量组的极小相关组,并将程序简单应用于具体向量组极小相关组的计算以及线性分组码纠错能力的计算。     

基于改进卷积神经网络的短文本分类模型

基于卷积神经网络, 提出一种基于改进卷积神经网络的短文本分类模型. 首先, 采用不同编码方式将短文本映射到不同空间下的分布式表示, 提取不同粒度的数字特征作为短文本分类模型的多通道输入, 并根据标准知识库提取概念特征作为先验知识, 提高短文本的语义表征能力； 其次, 在全连接层增加自编码学习策略, 在近似恒等的基础上进一步组合数字特征, 模拟数据内部的关联性； 最后, 利用相对熵原理为模型增加稀疏性限制, 降低模型复杂度的同时提高模型的泛化能力. 通过对开源数据集进行短文本分类实验, 验证了模型的有效性.     

基于半监督宽度学习系统的气温空间插值

近年来,基于人工神经网络的气象空间插值研究因其较强的非线性映射能力受到越来越多的关注。然而,由于网络参数众多,这些方法的训练过程都非常耗时。考虑到以上原因,基于宽度学习系统提出了一个高效的气温空间插值模型,首先使用稀疏编码对输入数据进行特征提取,然后将映射后的向量引入宽度学习系统中得到一个半监督宽度学习模型。相关实验建立在山西省的气象数据集上,实验结果表明,该方法比基于深度学习的方法和传统空间插值方法具有更好的预测性能和时间损耗。     

基于双层电阻膜的宽频带超材料吸波体设计

设计了一种基于双层电阻膜的宽频带、极化不敏感和宽入射角的超材料吸波体,该吸波体结构单元依次由圆环电阻膜、介质基板、圆环电阻膜、介质基板和金属背板组成。采用时域有限差分算法对其进行数值模拟分析,仿真得到的反射率和吸收率表明:该吸波体在11.5～20.3 GHz范围内对入射电磁波有大于90%以上的强吸收特性。仿真得到的不同极化角和不同入射角表明该吸波体具有极化不敏感和宽入射角特性。进一步仿真得到各个结构参数对吸收率的影响表明:该双层电阻膜结构吸波体对电磁波的吸收主要是基于电路谐振机制,通过对介质基板厚度和电阻膜宽度、电阻值的设计可以对频率范围和工作带宽进行调节,使吸波体实现超宽带吸收。     

极值分析下基于位置矩阵的质心定位方法

为以使星敏感器在复杂工况下依旧能获得高精度的星点质心位置，提出一种极值分析下基于位置矩阵的质心定位方法。首先, 提出极值分析下的星点弥散区域粗提取算法, 对去噪后的星图进行星点局部区域限定。接着, 提出基于位置矩阵的线段编码标记法对星点弥散区域进行精提取。最后, 利用星点区域像素信息估计出高斯曲面参数以得到星点精确的质心坐标。仿真结果表明, 星图噪声标准差处于2的水平时, 所提方法可以使星点质心定位精度达到0.070 4 pixel, 且在星图噪声标准差处于12的水平时, 仍具有90.03%的高星点提取成功率。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络，分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合，充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

MIMO通信系统中基于星座扩展的脏纸预编码方法

预编码技术是提高多输入多输出(muhiple-input multiple-output,MIMO)无线系统容量的有效措施,提出了一种基于星座扩展的脏纸编码(dirty paper coding,DPC)方法,通过结合网格编码方法中的分集思想,在编码过程中加入星座扩展,利用大星座图冗余编码比特,能够在不消耗额外系统带宽的基础上实现系统容量提升.在发射信号相对应的扩展星座子集中寻找与归一化噪声最接近的星座点,将该星座点与归一化噪声的差值作为编码信号.该方法可以避免THP(Tomlinson-Harashima precoding)在对称取模过程中带来的性能损失,尤其是在低信噪比环境中.通过链路仿真,验证了基于星座扩展的DPC方法具有实现复杂度低、能够和相移键控调制技术相结合、提升系统容量的优点.     

基于冗余避免的高效网络编码广播重传方法

为了提高无线网络中基于网络编码的广播重传方法的编码效率,从而有效地减少重传次数和数据包传输时延,提出一种主动避免编码冗余的高效网络编码广播重传方法(network coding broadcasting retransmission approach based on redundancy avoiding,NCRA)。NCRA编码时主动避免不能解码的编码组合被重复编码重传,同时优先编码重传对接收节点已缓存的未解码编码包的解码贡献较大的丢失数据包以充分利用编码机会,在对解码贡献相同的条件下优先编码较早丢失的数据包以减小数据包传输时延。理论分析和仿真结果表明,NCRA算法相比于现有算法能有效减小重传次数和降低数据包传输时延,减少网络开销,进一步提高了编码重传的效率。