基于改进生成对抗网络的多聚焦图像融合

针对多聚焦图像融合中权重分配和融合规则设计困难的问题,本文提出了一种基于改进生成对抗网络的多聚焦图像融合算法。首先,对生成器网络和判别器网络进行设计,为了避免图像在网络模型传递过程中造成的信息丢失,裁撤网络结构中的池化层,通过卷积层叠提取图像特征。其次,构建生成对抗网络的损失函数,优化网络参数,得到最佳的网络模型。最后,将实验结果与现有的几种融合算法相比较,通过5种客观评价指标来评价融合图像的效果。结果表明,本文提出的算法不仅在主观上有着良好的视觉效果,也在客观评价指标上有显著优势。     

卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

基于生成对抗网络的人脸图像彩色化方法

提出了一种新的基于生成对抗网络的人脸图像彩色化方法.所提出的网络结构包含两组生成对抗子网络,每个子网络由一个生成器和判别器组成.其中,一个对抗子网络A（包含生成器A和判别器A）实现从灰度图像到彩色图像的翻译过程,另一个子网络B（包含生成器B和判别器B）反转该过程,即生成器B对称地使用生成器A的最终输出图像作为输入,用来重建原始的人脸灰度图像.其中,网络中的循环损失进行图像重建,而生成损失和对抗损失用来保证生成的图像更加接近真实图像.实验结果表明,这种结构设计不仅能实现自然逼真的人脸图像彩色化,还能同时保证人脸的身份属性不变.      

一种基于多判据综合决策的语音信号频域盲解卷积排序算法

在基于子带ICA的语音信号频域盲解卷积问题中,通过短时傅立叶变换把信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性.在传统排序方法的基础上提出一种改进的基于多判据综合决策的排序算法,同时通过实验探讨了窗函数长度和信号非平稳性之间的关系.仿真实验表明,多判据决策有效克服了各种传统单一方法的局限,使得排序精度和最终分离质量获得提高.     

基于频域去相关的语音信号分离

目前基于纯净语音信号的语音识别系统和说话人识别系统都已达到了很高的识别率,但是当信号中含有噪声,特别是含有语音噪声时,识别率就会大大降低.解决这一问题的关键是实现语音与噪声的自动分离.考虑到语音信号的非平稳特性,把时域去相关的思想推广到频域,提出了频域去相关算法,实验结果显示了算法的有效性.     

基于跳跃连接的生成对抗网络人脸修复算法

针对生成对抗网络(GAN)在人脸修复任务中存在的修复效果不佳、细节体现不足、修复边缘生硬等问题,提出一种跳跃连接式生成对抗网络.首先,在双判别器模型基础上,通过在生成器中引入跳跃连接来获取更多层间特征来提升图像修复效果;其次,采用步长卷积进行采样来减少采样造成的信息损失;最后,在CelebA数据集上进行实验,并用峰值信...     

一种基于GRU神经网络的语音增强方法

对语音增强的方法研究开始于20世纪70年代,目前形成了4大类传统的语音增强方法,包括谐波增强法、谱减法、基于语音生成模型的算法和基于短时谱估计的算法.但语音信号本身为非平稳信号,无论时域分析或者频域分析,其本身的信号特征均不明显,同时噪声信号常常多个叠加,特征复杂、频带宽,现有语音增强效果并不理想,甚至容易引入音乐噪声.语音交流是人类的基本沟通交流方式,用途广泛,但是在语音通讯的过程中不可避免的会受到来自环境噪声、电气噪声、传输介质等干扰,干扰后将影响人的收听辨识效果或者影响其他语音信号的处理(如语音识别).因此,有必要在音频数字化后实行适当的增强措施来提高辨识度.基于此,提出一种综合了多种方法的新语音增强处理结构.该结构结合短时傅里叶变换、谱减法、噪声谱估计和机器学习技术等,实现更强的语音增强效果.通过与前馈BP网络及LSTM网络对比,实验证明了该方法的有效性.并验证使用GPU计算技术加速的可行性.     

基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法

为了提高医学诊断模型防御攻击的能力,提出了一种基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法。首先创建医学对抗攻击端到端训练网络,并以残差网络作为对抗网络架构;其次在生成器特征块中融合扩张卷积块和通道注意力机制,采用马尔可夫判别器改进判别器网络结构;最后利用生成器和判别器组建生成对抗网络,使用对抗样本进行知识蒸馏对抗攻击,以训练医学诊断模型提高识别精度。采用对抗样本对所提对抗方法进行攻击验证,结果表明：本文方法对抗攻击的成功率为92.6%,与所对比的主流方法相比,该方法的成功率提高了20%,生成对抗样本的最大平均差异降低了3.68%,峰值信噪比、结构相似性分别提升了5.07%、20.29%。本文方法解决了医学诊断模型在对抗攻击中难以获取网络结构和参数信息的问题,生成的对抗样本更接近真实样本,网络效果更佳,为辅助医疗模型诊断及模型安全性提供了参考方案。     

基于多任务判别器的图像阴影去除算法

针对现实生活中存在的阴影对于计算机视觉任务产生不利影响,现有图像阴影去除算法有效性与准确性低的问题,提出了一种基于生成对抗网络的阴影去除方法.该方法主要包括两个部分,采用了U-Net网络结构作为生成器部分的网络,用来提取图像中的有效信息,同时在生成器网络中引入自注意力机制,提高网络对阴影区域特征的关注度;采用多任务网络结构的判别器,通过对生成器生成图像的整体区域、局部区域以及与约束条件的匹配程度,进行多方面的鉴别,用来提升判别器鉴别能力,进而督促生成器,生成更加符合真实情况的无阴影图像.该方法在公开数据集ISTD上进行实验,实验结果表明所提方法在图像的结构相似性上以及峰值信噪比方面均有所提升.     

基于循环卷积生成对抗网络的风机齿轮箱故障诊断

风机齿轮箱是风力涡轮传动系统中的关键部分,其故障发生随机、故障样本数量不足,严重影响故障诊断的准确性。针对此问题,提出一种基于循环卷积生成对抗网络的风机齿轮箱故障诊断方法。首先,构建基于循环卷积生成对抗网络的样本生成模型,利用卷积网络和循环网络作为生成器增强样本间的时间相关性;借助Wasserstein距离与梯度惩罚项改进目标函数,并通过博弈对抗机制优化生成器和判别器,提高模型的泛化能力。然后,结合真实样本和生成样本,设计基于堆叠去噪自编码器的故障诊断方法,实现齿轮箱的故障诊断。最后,利用风力涡轮传动系统数据集验证所提出的风机齿轮箱故障诊断方法的性能。结果显示,所提方法能够有效平衡故障样本数据集,进一步提高风机齿轮箱故障诊断的准确率。     

基于信号盲分离的通信信道干扰抑制算法

针对移动通信双向传输过程中一直存在的抗干扰性能差的问题。提出基于窄带信号盲分离的移动通信信道干扰抑制算法。构建移动通信基站信道的安全承载模型和移动网络基站路由节点数据分配模型,进行信道干扰分析,通过阈值对优先级进行判断,保证OBS网络中偏射路由节点数据的服务质量,构建单通道窄带信号检测模型,设计单通道窄带处理器,实现对窄带信号的盲分离,降低了网络突发冲突阻塞概率与丢包率,基于时延-多普勒域的稀疏性特征计算动态反馈线性非线性抗干扰信道的时域脉冲响应,得到移动通信信道均衡和特征配准结果,实现非线性抗干扰滤波。实验结果表明,改进算法能有效实现干扰抑制和滤波,提高通信信号的输出信噪比。     

适用于短波信号侦察的话音端点检测方法

针对传统话音端点检测方法在短波低信噪比信道下检测准确率低的问题，提出一种将深度生成对抗网络和自适应参数的子带对数能熵积相结合的话音端点检测方法。该方法首先利用深度生成对抗网络话音增强方法降低噪声对待检测信号的影响，再以自适应参数的子带对数能熵积这一新的话音特征参数为阈值，使用自适应阈值双门限检测法完成话音端点检测。仿真实验结果表明，该方法对于-5 dB信噪比的标准话音库检测的平均加权错误测度仅为13.5%，而对于实际短波侦察信号库检测的平均加权错误测度为16.7%，均优于能零熵法和多窗谱估计谱减与能熵积法。     

一种单通道语音倒谱域去混响新方法

大多数去混响的算法都是基于短时分析,不可避免地带来了截断效应;如果对混响语音进行逆滤波,则要求房间冲激响应满足最小相位.本文提出了一种针对单通道的语音长时分帧的去混响算法.算法采用长时帧分析,有效减小了截断效应的影响.首先对混响语音信号进行长时分帧计算其最小相位分量倒谱,然后根据纯净语音和房间冲激响应倒谱的不同分布,在倒谱域阻带滤波得到去混响语音最小相位分量的估计,根据最小相位倒谱理论,进而可以估计出去混响语音频域的模,最后利用人耳对相位信息的不敏感性,用估计的去混响语音的模和混响语音的相位合成,傅里叶反变换得到去混响语音时域波形.实验表明,该算法有良好的去混响效果.     

基于串扰判决反馈信道均衡算法的语音通信系统设计

在强电磁干扰环境下,由于语音通信受到通信信道的快速时变衰落和码间干扰的影响,导致信道不均衡,降低了语音通信质量。提出一种基于串扰判决反馈信道均衡的语音通信系统的设计方法。该方法采用横向滤波器进行电磁干扰滤波器设计,利用语音通信信息传输信道频率特性的逆大于信息自身带宽的特征,通过调整均衡器参数进行,进行串扰判决反馈设计,结合信道自适应均衡处理技术,进行强干扰环境下语音通信信道均衡,以达到语音通信系统的优化。系统仿真结果表明,该语音通信优化系统具有抗电磁干扰能力及滤波性能较好、输出信噪比高、通信距离远、通信速度快、可靠性高等优点。     

基于超螺旋精度提升机制的OFDM网络信道噪声消除算法

为解决当前OFDM网络信道噪声消除算法难以规避信道中的窄带莱斯噪声,且抗信道衰落能力不强,以及信道间普遍存在严重的频率干涉问题,提出了一种基于超螺旋精度提升机制的OFDM网络信道噪声消除算法.首先,根据各个传输子信道具有差异化的频率载波特性,将传输子信道等价为接收背景中的接收点,从而构建了超螺旋接收结构,有效消除不同传输子信道间存在的频率干扰特性,降低信道窄带莱斯噪声对信号预发射过程的衰落影响;随后,基于角度识别方式进行锐-钝识别,并结合拐点思想,采用序列重排技术,将待发射信号进行消波处理,并进行自旋精度提升,从而提高了其抗窄带莱斯噪声的性能.仿真实验表明:与常见的超高频精度自适应机制(UHF adaptive,UHFA)、共线度自旋精度提升机制(the degree of accuracy of collinear spin,DACS)相比,本文算法与理想状态下的OFDM功率谱密度曲线最为接近,具有更高的信号增益水平与更低的信道误码率.     

基于唇重构与三维耦合CNN的多视角音唇一致性判别

针对传统音唇一致性判别方法主要对正面唇动视频进行处理,未考虑视频采集角度变化对结果的影响,且容易忽略唇动过程中的时空特性等不足,文中以唇部角度变化对一致性判别的影响为研究重心,结合三维卷积神经网络在非线性表示和时空维度特征提取上的优势,提出了基于正面唇重构与三维耦合卷积神经网络的多视角音唇一致性判别方法。该方法先通过在生成器中引入自映射损失来提高正面重建效果,并采用基于自映射监督循环一致性生成对抗网络（SMS-CycleGAN）的唇重构方法对多视角唇图进行角度分类及正面重构;然后设计两个异构三维卷积神经网络,分别用来描述音频和视频信号,并提取包含长时时空关联信息的三维卷积特征;最后引入对比损失函数作为音视频信号匹配的相关度鉴别度量,将音视频网络输出耦合到同一表示空间,并进行一致性判别。实验结果表明,文中方法能重建出更高质量的正面唇图,一致性判别性能优于多种不同类型的比较方法。     

基于非负矩阵分解和长短时记忆网络的单通道语音分离

为了解决语音分离中非负矩阵分解(non-negative matrix factorization,NMF)、深度神经网络(deep neural network,DNN)等算法没有考虑语音时序相关性的问题。结合NMF和长短时记忆网络(long short-term memory,LSTM)算法提出NMFLSTM单通道语音分离算法:将语音信号的幅度谱作为模型的输入特征,通过训练NMF和LSTM模型获得目标语音的基矩阵和系数矩阵,并对其结果进行语音重构最终实现语音分离。实验结果表明:相比于未考虑语音时间连续性的算法,使用NMFLSTM算法分离语音的客观语音质量评估值(perceptual evaluation of speech quality,PESQ)有明显提升,其最大值超过3. 1,获得良好的分离效果。     

基于信道冲击成型自适应机制的 WSN大数据采集算法

为解决无线传感网采集算法普遍存在的节点故障率高、链路抖动严重及抗噪性能较低等不足,提出了一种基于信道冲击成型自适应机制的无线传感网大数据采集算法。首先,根据无线传感网节点信号具有的分区及偏移特性设计了信道冲击成型方法,并基于编码率-信噪比-信号发射强度增益等参量构建能量密度与信道衰落匹配过滤方式,提高信号发射过程中能量密度;随后,通过传输信号与信道噪声具有的正交特性建立自适应抽样机制,根据垂直信号与噪声信号互相干涉中产生的正交效应进行匹配滤波,并针对节点采取了载波过滤的方式进行遍历过滤,降低了网络信号拥塞现象的发生。仿真实验表明:与当前常见的拉普拉斯抗噪传输算法(Laplasse Anti-Noise Transmission Algorithm,ANT-L机制)以及傅氏信号解析抗噪传输算法(Fourier Noise Analysis Algorithm for Noise Immunity,NI-FNA机制)相比,本文算法具有更高的数据吞吐性能,有效地降低了网络链路抖动现象,取得更低的传输误码率。     

面向各向异性3D-MRI图像超分辨率 重建的ESRGAN网络

高分辨率磁共振图像(MRI, magnetic resonance images)能够提高疾病诊断精度,但高分辨率MRI图像的获取十分困难。基于深度学习的图像超分辨率(SR, super resolution)技术可有效地提高图像分辨率。近年来,生成对抗网络(GANs, generative adversarial networks)为3D-MRI图像SR重建提供了新思路。相较于传统的基于深度卷积神经网络(DCNN, deep convolutional neural network)的SR算法,GANs网络以人类视觉机制为目标,且引入判别函数,使重建3D-MRI图像更接近真实图像。研究采用增强超分辨率生成对抗网络(ESRGAN, enhanced super-resolution generative adversarial networks)对3D-MRI图像进行SR重建;并利用3D-MRI图像的跨层面自相似性,将重建任务降维到2D,在保证重建效果的基础上,减少了网络训练时间和内存需求。通过与其他传统算法和基于DCNN算法对比实验表明,提出的算法能够进一步提高3D-MRI图像的视觉...