Sigma-Point卡尔曼滤波用于OFDM载波频偏估计

对于非线性的动态状态空间模型,扩展卡尔曼滤波（EKF）通过泰勒展开拟合系统的状态和观测方程,以获得对状态值的估计,但其存在估值波动大、收敛慢等缺点;而基于Sigma—point点的卡尔曼滤波方法,则是通过确定性采样实现统计特性上的近似,从而获得更为准确的高阶统计特性．为此,建立了正交频分复用（OFDM）载波频偏的动态状态空间模型,并将Sigma．point卡尔曼滤波用于其频偏估计．仿真结果表明,该类方法可以捕捉更为准确的高阶特性,其估值准确、收敛速度快、波动小、对观测噪声大小不敏感．     

一种帧内码率-量化模型及其应用

提出了一种面向H.264/AVC的帧内码率-量化模型。该模型考虑了编码帧的复杂度,能够准确地根据目标比特率为帧内编码帧选择正确的量化参数。基于提出的帧内码率-量化模型,给出了针对I帧的码率控制方案以及针对场景切换情况的码率控制方案。实验结果证明,与传统的H.264/AVC码率控制方法相比,两种方案的码率控制的精度和峰值信噪比都得到了提高。     

结合编解码器与知识蒸馏的图像超分辨率方法

针对传统的知识蒸馏方法无法在超分辨率网络之间传递有效信息的局限性,提出了一种适用于超分辨率任务的知识蒸馏训练框架。借鉴编解码器的结构特点,使用编码器去捕捉高清图像中的高频信息,利用性能较好的大网络去构建解码器,通过特征知识蒸馏的方式,将大网络中的高频信息传递给性能较弱的小网络,达到无需修改小网络的结构便能有效提升小网络高分辨率图像重建的效果,训练出轻量级的超分辨网络。通过与现有算法进行定量比较可知,提出的算法能在相同计算资源下取得更优的性能表现。