数字信号处理专业基础课程实践教学探索

针对数字信号处理课程理论性强,可适用专业多,不同专业实践内容设置应差别化,青年教员实践教学水平有待提升等问题,提出了该专业基础课程的实践教学探索方法.通过强调针对不同专业的背景课题库设置,学员和教员不同要求的实践任务设置,以研促教和数学概念物理化,提升教员的实践教学能力,增强数学信号处理这门专业基础课的整体教学效果.     

数字图像处理课程专题教学模式探析

"数字图像处理基础"是一门针对信息工程专业开设的专业基础课,也是一门理论和实践并重的课程。针对课程特点,本文提出了专题为主、实践为辅的课程教学模式,该模式由"理论讲解——实例演示——实践巩固"共三个环节构成,在加深学生理论理解的同时,提高学生的实践能力。教学实践证明该教学模式能够取得较好的教学效果。     

基于卷积神经网络与注意力机制的SAR图像飞机检测

在合成孔径雷达(synthetic aperture radar, SAR)图像应用领域, 对SAR图像中飞机目标的检测备受关注。针对现有检测算法模型运算复杂度高、检测性能较低的问题, 提出一种基于深度可分离卷积神经网络与注意力机制的SAR图像飞机检测算法。首先使用深度可分离卷积神经网络提取图像特征, 同时在网络中引入逆残差块, 以有效防止通道数压缩引起的特征信息丢失问题; 其次在网络中引入多尺度空洞卷积—空间注意力模块和全局上下文通道注意力模块, 通过重新分配显著区域和各特征图更有代表性的权值, 以更好地捕捉空间有效信息和通道间语义相关性, 提高模型特征表达能力; 最后在SAR飞机数据集(SAR aircraft dataset, SAD)上进行对比实验验证。实验结果表明, 所提算法具有更好的检测效果, 平均准确率达到86.3%, 检测速度达到22.4 fps/s。     

基于任务驱动的“数字信号处理”教学

数字信号处理是信息类专业的重要课程,具有理论性强、概念抽象等特点。为了提高学生学习的积极性和教学效果,让学生真正理解数字信号处理的内涵,能够理论联系实际,学以致用,本文将任务驱动法引入数字信号处理的教学中,以学生为主体,让学生在完成任务的过程中学习知识。结合课程内容,讨论了任务设计、任务分解、任务实施、效果评价、实施原则等问题。