深度学习技术在影像密集匹配方面的进展与应用

在计算机视觉及摄影测量领域中,影像的密集匹配一直是研究的重点与难点之一。它在影像三维重建、数字表面模型生产中都具有不可或缺的作用。近几年来,随着深度学习的快速发展,基于深度学习的影像密集匹配算法也是层出不穷。本文通过对目前具有代表性的技术方法进行回顾,按照基于图像块的相似性度量学习和端对端生成视差图两类研究思路,叙述了深度学习在影像密集匹配中的研究进展与趋势,总结了现有方法的优点与不足,以期为影像匹配的研究提供具有参考价值的文献综述。     

对称双二叉树PTS相位搜索

为降低OFDM系统中部分传输序列的计算复杂度,提出一种对称双二叉树的相位搜索方法,将最优相位因子的搜索映射为满二叉树中代价最小通路的搜索. 通过选择中间节点数量与二叉树的搜索深度,在有效抑制OFDM峰值平均功率比的同时大幅度降低了计算复杂度. 仿真结果表明,该方法能很好地协调OFDM系统性
能和计算复杂度.     

频率选择性衰落信道中一种OFDM-CANC的性能

结合OFDM 与协作网络编码,在频率选择性衰落信道中提出了一种正交频分复用-合作模拟网络编码(orthogonal frequency division multiplexing-cooperative analog network coding, OFDM-CANC) 方案. 采用网络编码提高协作中继系统的频谱有效性,同时以OFDM 的抗频率选择性衰落特性改善信道衰落对协作网络编码
性能的影响,并进一步提出一种基于此方案的最优系统功率分配策略. 理论分析和仿真分析表明,所提方案可改善信道的频率选择性衰落.     

基于RLS的联合同步和信道估计算法

针对采用跳频正交频分复用(frequency hopping orthogonal frequency division multiplexing, FH-OFDM)系统进行战时通信时存在的高误码率(bit error rate, BER)问题,对定时偏差(timing offset, TO)、载波频率偏差（carrier frequency offset, CFO）和采样率偏差(sampling frequency offset, SFO)进行综合考虑,提出一种导频辅助的联合同步和信道估计算法。在时域中分别对TO和子载波干扰项进行预先补偿。使用线性误差函数来配合递归最小二乘法对信道冲激响应、CFO和SFO进行估计。采用改进的极大似然算法对迭代参数的初始值进行估计,提高了估计的准确度。分析并给出FH OFDW系统频谱效率的权衡标准。仿真结果表明,该系统工作在1 000 hop/s时,该算法的估计均方差和BER均优于传统的算法。     

空分复用无线自组网跨层设计的NS2仿真研究

为了有效支持节点装备多天线的无线自组织网络的跨层协议设计。利用基于空分复用技术的物理层和接入层联合网络容量分析模型扩展NS2,构造了一个通用仿真平台,使其支持网络跨层空分复用接入协议。理论分析与仿真结果表明扩展后的NS2能够有效支持空分复用跨层协议设计。仿真证明对节点装备多天线的网络进行特别的跨层联合协议设计能够有效提高网络吞吐。     

一种新的比色法测定维生素C

基于金纳米棒（AuNRs）的纵向表面等离子吸收峰（LPAW）的蓝移量（λL）、横向等离子吸收峰（TPAW）的红移量（λT）与维生素C（Vc）的浓度（CVc）的线性关系,以及溶液明显的颜色变化,建立了AuNRs非聚集比色传感测定Vc的新方法.其中,CVc在0.110-110μM范围内与λL呈线性关系,在85.0-425μM范围内与λT呈线性关系.该方法灵敏（检出限为0.021μM Vc,λL和172μM,λT）、线性范围宽,选择性好,可用于测定实际样品中Vc的含量,结果与聚集传感器相吻合.同时,探讨了非聚集比色传感测定Vc的机理.     

降低OFDM系统峰均功率比的时频联合块交织方法

由于传统块交织方法是对单个正交频分复用(orthogonal frequency division multiplex, OFDM)信号进行块交织,所产生的候选信号间存在很大的相关性,在一定程度上影响了系统峰均功率比(peak-to-average power ratio, PAPR)性能的改善。针对传统块交织方法的这一局限性,提出了降低OFDM系统PAPR的时频联合块交织方法及其次优化方法。该方法将块交织扩展到一个时间片内的多个OFDM信号之间,增加了产生候选信号的自由度,降低了候选信号间的相关性。仿真结果表明,与传统块交织方法相比,在计算复杂度相同的情况下,所提出的时频联合块交织方法可以获得更优的PAPR性能。     

利用声光效应测量波长的设计与研究

提出了利用声光效应原理来测量激光波长的方案.基于声光Bragg衍射效应原理,利用比较法,以He-Ne激光波长作为基准波长,推导出待测激光波长与与衍射光斑间距的关系式.据此设计了未知激光的波长的方案,并对两种波长的激光波长进行了测量,结果表明测量值和理论值之间的误差小.     

非数据辅助的OFDM系统联合同步算法设计

研究了正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中非数据辅助的同步问题,通过对OFDM时域信号延时相关函数进行分析,设计了一种非数据辅助且具有较低复杂度的联合采样频率、载波频率及符号定时同步算法。算法根据延时相关函数以OFDM符号率为周期的周期特性,首先从延时相关函数的模中提取OFDM符号的周期标记,通过对收端和发端在相同时间内的采样点数之比进行采样频率偏差(sampling frequency offset, SFO)估计;然后通过对延时相关函数的模进行分段平均,从中提取去除循环前缀(cyclicprefix,CP)的开始时刻,从而进行符号定时同步和载波频率偏差(carrier frequency offset, CFO)估计。仿真结果表明,算法性能受累积时间长度和CP长度影响较大,而受OFDM基带调制方式影响较小;与其他同类文献相比,本文的联合同步算法具有较低复杂度和较好的性能。     

基于跨域字典学习算法的人体行为识别

将一种跨域字典学习算法应用于人体行为识别中, 通过引入辅助域数据集, 与原始训练集（目标域）共同进行字典学习, 获得字典对, 进而得到动作类的稀疏编码, 有效扩充了训练集的类内多样性. 该算法为字典学习与训练分类相结合的学习框架, 可利用字典对学习过程中的重建误差进行分类. 实验在MATLAB仿真条件下进行, 将UCF YouTube数据集作为原始训练集, 将HMDB51数据集作为辅助域数据集, 选取两个数据集动作类别一致的7个动作, 根据提出的算法流程进行识别. 将该方法与其他两种人体行为识别算法进行对比. 结果表明, 该方法识别率显著提高, 证明了跨域字典学习算法在人体行为识别上的有效性.