某类解析函数子类的Fekete-Szeg不等式

利用正实部函数的Fekete-Szeg不等式,对D(λ,α,β)函数类上的系数泛函|a3-μa22|作了精确估计,在此基础上得到了利用Hadamard卷积定义的新函数类上的Fekete-Szeg不等式。     

抽取频域关系的正确推导

主要介绍序列信号抽取频域关系的正确推导。首先从学生课堂自行推导抽取频域关系时易犯的普遍错误出发,找出其错误的原因,然后从模拟域和数字域两个方面分别来推导它们的正确关系。在模拟域里,对模拟信号进行抽样,从抽样的角度来分析;而在数字域里,则是直接对序列信号进行分析。模拟域和数字域的两种推导方法,采用相对较为简单的采样定理法和卷积法。最后对两种推导方法得到的结果进行对比,并验证其正确性。     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

某些积分算子解析函数的性质

设A表示单位圆盘U={z：｜z｜〈1,z∈c）内的单叶解析函数族,定义A的子族MDg（α,β）={f（z）∈A：Re（z（f＊g）＇（z）/（f＊g（z））〈β｜（z（f＊g）＇（z）/（f＊g（z）-1｜＋α,g（z）∈A}这里α〉1,β≤0,介绍3类积分算子函数Fn（z）,G（z）,In（z）,利用解不等式的技巧和解析函数理论,对它们的性质进行探究．     

幂和不等式及其在偏微分中的应用

讨论了幂和不等式和命题1的不等式。用数学归纳法、柯西-施瓦兹不等式使幂和不等式在相应的估计运算过程中更简洁明了。并用实例说明幂和不等式的用途。     

卷积等价分布簇的推广及其分布卷积的封闭性

给出卷积等价分布簇S（γ）的一种扩张,并研究它们的性质,发现新簇也具有卷积的封闭性等性质。     

巴特沃斯低通滤波器的实现方法研究

在实际的通信系统中,通常利用巴特沃斯低通滤波器来限制发射信号的带宽,从而有效降低功率泄露以及克服数字信号的码间串扰。本文首先从理论上充分分析巴特沃斯低通滤波器以及基于圆周卷积的设计方法,然后以截止频率为1kHz的巴特沃斯低通滤波器为例,给出了一种基于C语言的通用巴特沃斯低通滤波器设计方法。最后,从时间开销和处理时延等方面,将本文基于C语言的设计方法与基于Matlab的设计方法进行比较。仿真结果表明：与基于Matlab的设计方法相比,本文给出的基于C语言的设计方法的处理时间降低了200倍。     

一种基于DenseNet与WGAN-GP的运动迁移方法

针对目前人体骨骼模型运动迁移算法计算精确度不高,提出了一种基于DenseNet的骨 骼卷积网络与WGAN-GP模型的运动迁移方法。通过对源与目标骨骼模型分别提取静态特征,并 对源骨骼静态特征与源运动序列使用动态编码器提取源动态特征,从而能够对目标骨骼静态特征 与源动态特征使用解码器生成目标运动序列,完成运动迁移。在网络模型训练时,同时引入了 WGAN-GP网络模型机制对生成序列和源运动序列的动、静态特征误差进行约束。实验结果表明： 该方法的运动迁移模型各关节点相对于单位身高的运动误差较小,能够生成较好保留源动态特征 的目标运动序列。     

基于时/频ICA的PMC模型卷积噪声估计方法研究

为提高卷积环境下语音识别系统的鲁棒性,提出了一种基于时/频ICA(independent component analysis)的卷积噪声模型估计方法.所提算法首先使用ICA方法从含噪语音信号中提取纯净语音信号的短时功率谱,然后在MEL滤波器组域内将含噪语音的短时谱减去纯净语音的短时谱,并根据去噪后卷积噪声的短时谱估算其HMM(hidden markov model)模型.在仿真和真实环境下进行了语音识别实验,其识别正确率相比较传统的卷积噪声估计方法分别提升了4.70%和4.75%.实验结果表明,论文所提算法能够实现对卷积噪声的精确估计,并有效提升卷积噪声环境下语音识别系统的性能.     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。