具有紧凑型结构的超宽带双极化基站天线

提出了具有紧凑型结构的环形双极化超宽带辐射单元.辐射单元由4个偶板子及其巴伦装置组成,每个偶板子的双臂呈90°相互垂直,相邻偶极子振子臂相互交叠,从而将天线的物理口径减小至低频点工作波长的40％.辐射单元采用巴伦(Balun)支撑装置采用倾斜和向内收缩结构使巴伦结构的高度降低至低频点工作波长的13％.辐射单元在698-960 MHz的超宽带(ultra wide band,UWB)(31％相对带宽)内具有良好的电压驻波比(voltage standing wave ratio,VSWR)(小于1.4).利用该辐射单元组成四单元阵列基站天线,该天线水平面波束宽度为65°±5°,前后比在26 dB以上,±60°内的交叉极化比在11.6 dB以上,轴向交叉极化在19.8 dB以上.     

光轴外扩式布置的双目相机图像立体校正

摘要： 针对宽视野光轴外扩式布置双目图像采集和显示系统的图像立体校正问题,利用三维重建误差,提出了一种基于双目图像视差特性的立体校正方法.在分析光轴外扩式布置双目相机图像视差特性的基础上,针对相机光心与显示投影中心间的位置误差和相机光轴与显示视轴间的角度误差,建立图像仿射变换、水平视差畸变和垂直视差的校正函数,利用一组空间采样点的三维重投影误差作为目标函数通过优化方法求解校正参数.仿真实验表明：在视轴外扩夹角为30°时,本方法可以有效地消除光心位置误差和光轴角度误差对图像视差造成的影响.真实图像校正实验表明：校正后的图像水平畸变小,在显示宽视野双目图像时,能保持正确的三维立体感.
关键词：中图分类号：文献标志码： A     

改进的核相关自适应目标跟踪

针对目标跟踪中出现的快速运动、尺度变化、遮挡等问题,提出基于遮挡检测的核相关自适应目标跟踪。该方法首先,利用核函数对正则化最小二乘分类器求解获得核相关滤波器,其次,利用核相关滤波器计算特征响应图,同时学习一维尺度滤波器对尺度进行估计,最后,通过响应图的最大值和振荡程度来判断目标是否被遮挡,在未受到遮挡的情况下,更新学习目标的外观模型和尺度模型,实现自适应目标跟踪。在公开的标准数据集上的实验结果表明,相比原始核相关滤波算法,平均中心位置误差降低15%,平均重叠率提高10%,且在目标尺度发生变化、遮挡、光照变化、快速运动等复杂场景下有较强的鲁棒性、适应性。     

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。     

某些周期卷积类在Orlicz空间内宽度的下方估计法

研究了由特定的核所产生的周期卷积类在Orlicz空间内的n-K宽度和n-G宽度的下方估计。     

正确处理微元的方法

本文给出在微元法中，正确推导与检验微元表达式的简单可靠的方法。对微元法中常见做法可以作简单而严谨的理论剖析。     

CONVOLUTION THEOREM AND ASYMPTOTIC EFFICIENCY IN TWO SIDE TRUNCATED DISTRIBUTION FAMILY—THE NORMAL CASE

In the distribution family with common support and the one side truncated distribution family, Bickle, I. A. Ibragimov and R. Z. Hasminskii proved two important convolution theorems. As to the two-side truncated case, we also proved a convolution theorem, which plays an extraordinary role in the efficiency theory. In this paper, we will study another kind of two-side truncated distribution family, and prove a convolution result with normal form. On the basis of this convolution result, a new kind of efficiency concept is given; meanwhile, we will show that MLE is an efficient estimate in this distribution family.     

多维卷积算子逼近的量化定理

本文建立了具有正核的多维卷积算子逼近的量化定理。同时得到多元Jackson多项式算子和多元Vallée Poussin多项式算子逼近的误差估计。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。