高移动性Jakes信道的学习与估计

在高移动场景下,信道具有快速时变性和非平稳特性,对信道的准确估计提出了新的挑战.针对高移动性Jakes信道,提出一种基于图像重建和恢复原理的信道学习估计网络.首先,根据Jakes信道矩阵中局部相关特性,构建快速超分辨卷积神经网络提取信道特征,并对信道插值完成信道图像建模.然后,利用去噪神经网络降低信道噪音的影响,进一步...     

基于影像定位的无人机侦察视频超分辨率重建方法

为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据特点,提出了一种基于前方交会的无人机航摄影像定位方法。首先,对所有无人机侦察视频帧和航片分别进行特征匹配,得到影像间关系;然后,提出基于前方交会与抗差估计的无人机航摄影像定位方法,来实现航摄影像的定位;最后,对侦察视频帧进行高频补偿与凸集投影迭代优化,得到重建后侦察视频。实验结果表明,基于前方交会与抗差估计的无人机航摄影像定位方法加强了无人机视频与航片的对应性,凸集投影迭代优化法增强了重建的边缘保持能力。该方法增强了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。     

一种改进的SRGAN红外图像超分辨率重建算法

针对红外图像分辨率偏低的问题,设计了一种改进的超分辨率生成对抗网络(Super-Resolution Using a Generative Adversarial Network,SRGAN)算法.在生成网络中,提出应用残差密集网络获取各网络层提取的图像特征以保留图像更多的高频信息,并采用渐进式上采样方式以提升大缩放因...     

体育馆顶部外形设计的数值模拟

利用曲面重建的方法和理论,采用两种数值方法:一是双三次Bernstein-Bézier曲面片光滑拼接的算法,二是利用了三次样条插值的数值方法,对体育馆顶部进行了曲面模拟.首先通过VC++的OpenGL工具箱实现了双三次Bernstein-Bézier曲面片光滑拼接的图形,并运用三次样条插值的数值方法求出曲面方程;然后再利用Matlab相应的命令做出模拟图.数据的误差分析表明了这一方法的可行性和实用性.     

基于车载激光的纹理重建技术研究

本文以车载激光移动测量系统获取点云数据构建的几何模型为空间实体,通过车载LIDAR系统CCD相机的标定与POS系统的数据和各传感器间的相对空间位置信息实现点云和影像的配准,进一步将配准后的影像映射到空间实体上,完成纹理重建。     

分数阶傅里叶域循环多抽样率信号处理理论

从分数阶圆周卷积定理和离散信号在分数阶傅里叶域的chirp周期性出发,研究了分数阶傅里叶域循环多抽样率信号处理理论,包括有限长非平稳信号循环内插和循环抽取的分数阶傅里叶域分析,分数阶傅里叶域循环抽取和循环内插的恒等关系、分数阶傅里叶域循环滤波器组的多相结构和准确重建条件,并在此基础上提出了分数阶傅里叶域M通道准确重建循环滤波器组和分数阶傅里叶域chirp调制循环滤波器组的设计方法．所提理论丰富了分数阶傅里叶域多抽样率信号处理理论体系,也为分数阶傅里叶域滤波器组理论在数字图像处理等有限长离散信号处理领域中的应用奠定了基础．最后,通过仿真实验验证了所提分数阶傅里叶域循环滤波器组设计方法的有效性．     

基于改进SIFT的视频超分辨率重建快速配准算法研究

通过改进硬件的方式来提高成像质量,在技术上实现困难且成本高昂,因此采用数字图像处理的方法来提高图像的分辨率.提出了一种改进的视频超分辨率重建的快速SIFT图像配准算法,该算法放弃对128维特征描述子的计算,而采用特征点之间的灰度相关系数来进行初始匹配,并用平面坐标欧氏距离配合匹配关联度算法来取代特征描述子进行误匹配的剔除,大大降低了计算开销.实验证明,改进算法取得了良好的配准效果,在保证配准质量的前提下,其时间开销只有基于传统SIFT特征点检测方法的1/3.     

基于核独立成分分析的盲多用户检测算法

针对部分多用户检测算法需要对信道参数进行估计的缺点，提出了一种基于核独立成分分析的盲多用户检测算法．该算法根据源信号的不同分布情况，在重建核希尔伯特空间内选取不同的非线性函数作为对比函数，将信号从低维空间映射到高维空间．在高维空间，接收端利用已知信息，将目标用户扩频码作为解混矩阵的初始值，利用自适应方法进行迭代，有效地解决了盲信号分离的无序性，实现了目标用户信号的提取．仿真实验表明，该算法的误码率性能在用户数量增大和远近效应严重的情况下都远优于基于匹配滤波器的单用户检测器，与传统独立成分分析方法相比更具灵活性和鲁棒性．     

一种基于流形学习重建的脱机手写数字识别算法研究

本文针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,提出了一种基于流形学习重建的手写体数字识别方法。该方法与传统的流行学习识别方法不同,传统的方法是先对待识别模式进行降维,然后再对降维后的特征进行分类识别;本文提出基于重建的LLE算法（简称RLLE）。该算法首先分别对每一类字符训练样本进行LLE降维,得到每一类字符降维后的向量。然后将待识别字符分别在每一类字符中进行降维,并依据该降维后的矢量在每一类中对字符进行重建。最后选取重建误差最小的为待识别的所属的类。通过对MINST字库的一系列实验表明该算法具有较高的识别率,同时该方法为手写体数字识别的研究提供了一条有效的新途径。