基于Hopfield神经网络的平面拟合编码研究

提出了平面拟合编码的一种新的实现方法，即神经网络方法。为了保证Ｈｏｐｆｉｅｌｄ神经网络的收敛，对该网络模型的迭代算法进行了修改，针对Ｈｏｐｆｉｅｌｄ网络存在的局部极小问题，给出了一种扰动算法，结合初始状态的合理选择，可以有效地避免网络陷入局部极小，而接近全局最小，以求得待定系数的最优解。计算模拟结果表明，Ｈｏｐｆｉｅｌｄ神经网络实现的平面拟合编码性能优于传统的最小二乘法，重建图像质量提高约０．６ｄ     

基于二值自适应算术编码的图像无损压缩算法研究

分析了二值自适应算术编码的特点,并把整数小波变换和二值自适应算术编码相结合,采用C语言进行仿真,实现了静止图像的无损压缩.实验结果表明,该算法压缩比可达2.5,并且仅采用整数加法和移位就可实现数据的压缩编码,硬件实现简单,具有较强的实用价值.     

利用小波变换进行地震数据压缩

根据Ｍ带小波变换理论,结合地震数据的特征,将Ｍ带小波变换应用于地震数据的压缩处理,提出了地震数据的压缩编码算法。实验结果表明,该方法简单,对地震数据压缩行之有效     

基于遗传算法的多用户OFDM比特加载

根据最小发送功率准则,针对多用户OFDM系统,提出了基于遗传算法的自适应比特加载解决方案.采用的矩阵编码方法直观、简单,具有并行性运算特性.通过交叉和变异让搜索跳离局部极值的陷阱,搜索到全局最优解.仿真结果表明,在给定的误比特率下,遗传算法与等比特分配方案相比可节省功率5~6 dB,与multiuser adaptive OFDM(MAO)方法相比仅相差1 dB,同时遗传算法的并行性使得节省了运算时间,提高了运算效率.     

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点，提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略．由于数据中病变组织与其邻近组织像素灰度差别相对明显，首先通过来用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪，将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入，既克服了Snake方法对初始轮廓线控制点分布的局限性，又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性，提高了分割病变组织的速度和准确性，此方法具有较高实用意义。     

一种基于施密特正交化的MIMO预编码方法

提出了一种基于施密特正交化的MIMO（multiple-input multiple-output）预编码矩阵的构造方法。该方法以格拉斯曼空间装箱原理生成的码本为基础,依据信道状态信息（channel state information, CSI）,在接收端以最小误比特率（bit error rate,BER）为性能指标,选择最佳匹配当前CSI的预编码矢量,进而将该矢量在格拉斯曼码本中的索引反馈给发送端,基站端根据层映射数目,从格拉斯曼码本中寻找与该矢量最相近的矢量,采用施密特正交化的方法构造出当前预编码矩阵。数值仿真结果表明,依据该方法构造的预编码矩阵,在同等条件下,与3GPP LTE R8标准中根据Householder变换构造的预编码矩阵相比,其BER性能更佳,且该方法实现简单,灵活性好。     

基于网络编码的双向中继系统节点选择及功率分配策略

考虑在多个节点间的中继双向信道中,将中继分配和功率分配结合起来.每一对节点间的通信可以看做是通过一个中继的双向中继信道.中继使用网络编码同时向对应的节点发送信息.中继分配考虑了两种分配方案,第一种方案考虑到了所有节点对和中继的排列组合,选取其中性能最好的一组;第二种方案选取所有排列组合中的一部分,选取性能最好的一组.第二种方案略微降低了整个系统的性能,但是大大降低了运算的复杂度.将功率分配策略和这两种方案结合,进一步优化了整个系统的性能,相比较没有加入功率分配的系统,有大约2～3dB的提升.     

求解多目标数值优化问题的量子演化算法

为提高多目标数值优化问题解的收敛速度并保持解的多样性,基于多目标优化和量子计算原理,提出了一种量子演化算法.首先,根据多目标优化特点,使用多目标密度比较算子对量子种群进行排序和筛选;然后,应用非均匀变异算子对观测种群进行变异以保持解的收敛性并提高局部搜索的能力;最后,使用多样性保持算子对观测种群进行删减以保持解的多样性. 实验结果表明,与NSGA-II算法相比,文中算法具有更高的收敛速度和更好的种群多样性.     

联合LDPC码和网络编码的协作通信技术

结合信道编码和网络编码的思想,提出了一种在两用户协作情况下联合LDPC(low-density parity-check)码和网络编码的协作分集方案,该方案在接收端通过基于整体H矩阵的置信传播算法实现LDPC码和网络编码的联合译码,并对该方案在瑞利慢衰落信道下的性能进行了MATLAB仿真。仿真结果表明:与编码协作和不协作方案相比,所提方案在系统误码率性能上有着明显地改善。     

改进AdaBoost算法的条码识别

针对传统激光条码读写器受读取距离和条码形变等因素影响较大的缺点,提出一种基于决策树和AdaBoost算法融合的图像条码识别方法,采用5维特征提取法,结合条码图像特点,对条码图像进行标定.研究结果表明:本方法可以实现对视距内任意角度和距离条码的准确识别,并能有效识别脏污条码.该研究成果极大的方便了条码读取,可应用于物流系统检查、分拣货物等.