Lie群SL（2,R）上类函数的一些性质

本文主要讨论半单Ｌｉｅ群ＳＬ（２，Ｒ）上类函数的一些性质。     

一个用FNT实现的卷积器

叙述了ＦＮＴ的基本概念和电路结构，说明了用ＦＮＴ实现一个８点５位基２流水线工作方式卷积器的方法，介绍了适用于ＦＮＴ硬件逻辑的新码。     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

通航机场场面运动目标检测方法

针对传统YOLOv3(you only look once-v3)算法目标检测精度较低、收敛速度较慢等问题,提出了一种改进的YOLOv3算法,分别对主干网络和损失函数进行了改进。采用迁移和冻结相结合的训练方法,以提升目标检测的精确度和速度。基于改进的YOLOv3算法对西南某通航机场3种不同场景下的运动目标检测效果进行了对比分析。结果表明,改进的YOLOv3算法对正常天气场景下的场面运动目标检测效果要明显优于雾天和雨天场景,对飞机目标的检测效果明显优于车辆和行人目标;3类目标的检测精度、召回率、平均精度值(mean average precision, mAP)分别达到92.96%、80.51%、91.96%,GPU处理速度为74.0帧/s,较传统YOLOv3算法和YOLOv4算法性能均有明显提升。     

基于区间数聚类的目标分群算法

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。     

卷积型积分微分方程解的渐近稳定性

研究了一类卷积型积分微分方程，利用李雅普诺夫方法，给出了判定n维系统中卷积型积分微分方程的零解一致渐近稳定性的定理以及其Volterra方程的零解渐近稳定性的定理，推广了已有的结果。     

关于正整数幂的多重卷积公式

若k个正整数的和为n,那么这k个正整数积的r次幂的多重和就是正整数的r次幂的k重卷积.使用生成函数方法首先得到了一次幂和二次幂的k重卷积的求和公式,然后借助于导数算子和第二类Stirling数给出了一般的r次幂的k重卷积的求和公式.     

基于H.264编解码的无线视频可靠传输

针对视频在网络中传输提出了两种改进方法:第一种采用卷积和包交织编码,将网络中产生的突发差错转变为统计独立的差错;第二种针对无线传输系统,将数据分类为重要数据与非重要数据,在接收端检测重要数据信息的差错,并据此来控制发送端的重发机制,仅当重要数据的丢包数超过一定阈值才要求发送端重发.在保证了传输图像的差错小于一个预定值情况下,使图像传输的重传数据较少,同时也减小了由于数据重传引起的网络时延.利用VCEG提供的3GPP2网络仿真平台建立了H.264视频传输系统,并在该仿真平台上进行了实验,取得了满意的结果.     

卷积混叠盲信号分离的一种线性化方法

卷积混叠的盲信号分离是盲源分离问题中的难点．针对独立同分布的非高斯信号的卷积混叠,提出了一种新的盲解卷积方法——“两步提取法”：第一步消除所有源信号的延迟分量,提取仅含有源信号的线性混叠分量,使其转化为线性混叠盲源分离问题,称之为“卷积线性化”;第二步对“卷积线性化”后的估计信号进行分离,最终分离出源信号．同时,利用统计和矩阵理论,证明了设计“卷积线性化”滤波器的方法．仿真试验结果显示了该方法的可行性．     

智能组卷算法研究

文章在分析了试题库组织结构的基础上,提出了一种新型的智能组卷算法.算法通过对试题库中试题历史信息的充分利用以及对试卷难度和知识点分布的有效控制,有效地提高了组卷的效率和质量.