信息工程微机原理及应用课程思政设计与实践

为落实课程思政教学全覆盖,推进专业课程与思政课程同向同行,针对信息工程本科生专业基础课程微机原理及应用教学,提出课程思政教学的设计方法。在分析课程教学特点及开展课程思政教学的必要性和适应性的基础上,介绍课程思政实践探索的具体做法,并以实际案例加以说明,目的是为实现价值塑造、能力培养、知识传授、智慧启迪四位一体的教育教学目标助力。

国产FPGA上通信基带发端算法设计和系统实现

该文针对国产FPGA上通信基带算法及相关信号处理算法IP核匮乏现状,设计了基于紫光Logos系列FPGA器件的通信基带发端算法;在紫光FPGA缺乏FIR IP核的情况下,经优化设计实现了仅用7个乘法器的60阶FIR成型滤波器;搭建收发测试环境对设计的发端系统进行了测试。测试结果表明,所设计的基于正交调制的发端基带算法和基带系统性能达到主流水平的技术指标要求,实现了首批通信算法和通信系统在国产FPGA器件上的应用。

无迹卡尔曼滤波估计空间目标特征信息

为了加强对空间目标,尤其是非合作目标的探测监视,空间目标的各种特性正受到越来越多的关注。通过无迹卡尔曼滤波对空间目标的位置、速度、姿态、角速度和材料复折射率5种状态参数进行了反演估计。利用观测角度、光度和偏振度数据作为观测值估计目标的状态,基于位置与速度运动学模型和姿态与角速度动态模型,完成5种状态的时间演化,实现了对5种状态参数的联合估计。仿真结果表明,设置合理的状态初始值、状态方程和测量方程噪声,5种状态参数误差均能合理收敛,无迹卡尔曼滤波能够较好地预测空间目标的5种特征参数,同时也验证了观测角度、光度和偏振度数据可以用于反演空间运动目标的5种非直接观测特征信息。

面向全息MIMO 6G通信的电磁信道建模理论与方法

全息多输入多输出(HMIMO)是6G通信中的新兴技术,相应阵列由固定物理孔径下的密布天线单元组成。全息MIMO是电磁约束下Massive MIMO天线技术的拓展。全息MIMO系统在有效提升无线通信性能方面具有极大的潜力。比如,可用最小的功率损耗实现尽可能大的连续孔径,灵活控制目标方向的电磁波传输等。但是,由于全息MIMO系统包含大量的紧密分布的天线单元,且单元之间的距离小于半波长,因而造成严重的电磁耦合作用。这些耦合使传统的独立同分布的信道假设失效。因此,如何设计一个有效且贴近实际的信道建模成为当前全息MIMO研究中最具挑战性的问题之一。针对该挑战,该文研究了基于电磁场理论的4种信道建模方式,它们都能很好描述全息MIMO系统中的电磁波传输特征。第1种是基于平面格林函数的精确信道建模方式,该方式将自由空间中点对点的格林函数扩展到平面之间积分形式的格林函数,通过积分计算来构造两个全息MIMO平面之间的通信信道,但该方法的复杂度较高。第2, 3种方法则分别采用了平面波展开和球面波展开来近似全息MIMO的通信信道,这两种方案的复杂度更低。其中,基于平面波展开的信道建模形式相对简单,更适用于远场,但是会低估单元强耦合时的最大系统容量;基于球面波展开的信道建模能更好捕捉电磁波信道几何特征,但其复杂度较高。最后介绍基于随机格林函数的信道建模方法,主要描述富散射环境或瑞利信道中电磁波的随机特性。

面向6G的RIS辅助通信系统的信道估计技术

随着对未来6G技术的持续探索,RIS作为潜在的革命性技术之一,已展现出在提高通信系统容量、扩大覆盖范围和降低能耗等多个方面的巨大潜力。在RIS辅助的通信系统中,信道估计是实现RIS技术优势的关键环节之一。首先系统地概述了RIS的技术特点和在现代通信中的应用前景。然后,针对不同应用场景的特点,梳理并归纳了现有的RIS辅助通信场景中的信道估计关键技术,阐明了各研究热点的目标和方法。最后,探讨了RIS辅助通信场景中的信道估计技术在实际应用中所面临的技术挑战。

多模态语义通信研究综述

随着人工智能与通信的交叉融合,文本、图像、音频、视频等多模态数据处理技术蓬勃发展,模态语义的共享维度被深度挖掘,多模态语义信息的高度抽象、智能简约等特性被充分利用,为语义通信带来了全新的思路和手段。首先,介绍了语义通信的基础理论和分类,分别针对文本、图像、音频、视频综述了单模态语义通信的研究现状;然后,综述了多模态语义通信的研究现状,介绍了多模态数据融合技术和安全语义通信的研究;最后,总结了多模态语义通信面临的挑战。

NOMA体制下通信感知一体化干扰消除算法

随着无线通信设备数量呈指数爆炸式增长,无线频谱资源日益紧张,通信感知一体化技术(Integrated Sensing And Communication, ISAC)使用一体化信号同时实现感知功能与通信功能,有效地缓解了频谱资源紧张的问题,同时还节省了硬件开销,因而备受关注。基于非正交多址接入(Non-Orthogonal Multiple Access,NOMA)体制的ISAC系统,其性能优于传统的ISAC系统,但如何在通信接收端有效地消除感知信号干扰是一个难点。针对上述问题,本文设计出一种基于NOMA体制的ISAC信号帧结构,其中通信正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号与感知线性调频(Linear Frequency Modulation,LFM)信号非正交功率加权叠加。接着本文提出一种新的干扰消除算法,在通信接收端根据LFM信号特点,运用短时傅里叶变换(Short-time Fourier Transform,STFT)分析LFM信号时频特性,确定LFM信号参数大致范围,然后运用LFM信号经特定阶数分数阶傅里叶变换(Fractional Fourier Transform,FRFT)后的能量汇聚特性对LFM参数进行精确估计,最后使用最大似然补偿对估计参数进行校正,提高参数估计精度,从而对感知信号进行准确重构,并在通信接收端实现较为彻底的感知信号干扰消除。仿真结果表明,在信噪比大于15 dB,通信信号功率加权系数小于0.01时,运用FRFT估计的LFM参数均方误差低于40 dB,在经过最大似然补偿校正后参数均方误差低于70 dB。并且本文提出的干扰消除算法实现的信道容量接近理想干扰消除的信道容量。

基于广义Curvelet变换和相空间特征聚类的VSP波场分离方法

垂直地震剖面(Vertical Seismic Profiling,VSP)蕴含大量的地层地质信息,是连接地震反射数据与测井资料之间的桥梁.VSP数据分辨率高,资料丰富,包括上行波、下行波、转换波等多种类型的波场,常被用于地层反射界面标定、介质衰减参数反演等.其中,如何有效地分离波场是将VSP资料应用于油气勘探的关键之一.广义Curvelet变换是一种具有多尺度、多角度的相空间变换,能够进行相空间域波场特性的提取.本文聚焦于VSP波场的上下行波分离问题,提出一种基于广义Curvelet变换和相空间特征聚类方法.首先,采用广义Curvelet变换对VSP波场进行特征提取,构造融入相空间角度信息的特征数据集;然后,利用K-means聚类算法在相空间对波场特征进行分类;最后,对分类结果进行反变换,完成VSP上下行波波场的自适应分离.为了验证方法的有效性,本文将所提出的方法用于合成数据和实际VSP数据的波场分离,并与常用的基于F-K变换的波场分离方法进行对比.处理结果表明,本文方法角度分辨率高、抗噪能力强,波场分离结果的保真保幅性好,这为后续的成像与地层的特征分析提供了重要基础资料.

准噶尔盆地叠后三维地震资料噪声智能压制

【目的】准噶尔盆地是我国重要的含油气盆地,其勘探目标已进入深层。该盆地的复杂近地表条件、勘探目标深度以及“两宽一高”的三维地震数据采集方式导致地震资料信噪比低、数据量大,这些问题对勘探目标的落实产生了影响。因此,压制噪声并提高三维地震资料的品质对于实现勘探目标至关重要。【方法】随着深度学习理论的发展和硬件性能的提升,深度神经网络的学习能力和处理效率得到了显著提高。为此,基于残差学习和批归一化技术,构建了三维去噪卷积神经网络(three-dimensional denoising convolutional neural network,3D-DnCNN),并开发了适用于准噶尔盆地的基于深度学习的三维地震资料噪声压制流程。【结果和结论】针对准噶尔盆地某大连片工区的实际需求,选取了覆盖次数高、信噪比高的区域的噪声压制结果构建高质量标签,并将训练好的3DDnCNN网络应用于整个工区。研究结果表明,与常规工业流程相比,所提方法得到的同相轴一致性更好、断裂保持更完整、石炭系顶界与内幕更加清晰。此外,3D-DnCNN网络在高信噪比区域学习到的偏移画弧噪声特征,使其在整个工区的偏移画弧噪声压制能力优于常规工业流程。通过调整网络参数(如网络深度、卷积核大小及训练样本选择策略)可以进一步优化网络以适应不同地区的地震资料,从而增强了地震噪声压制技术的适用性和有效性。

K_(1)峭度约束的地震频域反褶积方法研究

由于鄂尔多斯盆地近地表地形复杂多变,且地震波存在地层吸收等效应,导致采集到的地震资料品质较差,主频较低,纵向分辨率较差.频域反褶积方法是提高鄂尔多斯盆地地震资料分辨率的一项关键技术.目前,峭度是频域反褶积最常用的非高斯性度量.但是由于实际地层反射系数序列呈现尖峰、长尾分布,传统的峭度定义难以准确度量实际反射系数序列的非高斯性.与传统的峭度不同,K_1峭度能够充分利用概率密度的峰值信息来指示随机变量的非高斯性.因此,本文提出一种基于K_1峭度度量的地震频域反褶积方法,从而能够更加准确地判断反射系数序列的非高斯性.同时引入了定义于频率域上的两参数广义Beta母小波,可以使得本文所提方法能够更好匹配不同地震子波.最后,合成地震数据和鄂尔多斯盆地实际地震数据算例说明:本文所提的方法能够有效的提升低品质地震数据的纵向分辨率,尤其是多个相邻的细小反射系数.井震匹配结果进一步验证了本文所提的方法将原始地震数据的主频从25 Hz提升到35 Hz,有效地识别出多个含气薄储层,从而有利于后续的井位部署优化.

基于二维散射变换的湖相碳酸盐岩储层厚度预测方法研究

济阳坳陷沙四段湖相碳酸盐岩受湖盆内沉积环境和构造运动等因素控制,储层厚度变化大,非均质性强,油气开发难度大.为了准确预测湖相碳酸盐岩储层的厚度,本文提出一种基于二维散射变换和随机森林的储层厚度预测方法.首先,引入二维散射变换提取地震时频属性,该变换是在二维小波变换的基础上,通过迭代小波分解和非线性操作来实现的.与传统的二维小波变换对比,散射变换提取的时频属性具有局部形变稳定性以及对噪声鲁棒性的优点,有助于提高储层厚度预测的准确率.在此基础上,在有限测井数据的条件下,利用随机森林算法建立多尺度时频属性与测井解释厚度之间的非线性关系,实现湖相碳酸盐岩储层预测.模型数据的预测结果表明,与基于传统地震振幅属性的厚度预测和基于二维小波变换的储层厚度预测对比,本文所提的厚度预测方法具有最优的性能.叠后三维地震数据的预测结果表明,与基于传统地震振幅属性的厚度预测和基于二维小波变换的储层厚度预测对比,本文所提方法的厚度预测结果与实际钻井数据误差更小,提高了储层厚度预测的精度,清晰刻画了灰礁、灰滩与灰泥等三种沉积亚相的空间展布,有利于后续井位部署和优化.

OLED屏下RGB图像优化算法

全面屏的流行对智能手机前置摄像头提出了屏下高质量拍摄的要求。目前用于屏下拍摄方案的有机发光二极管(Organic Light-Emitting Diode,OLED)透明屏存在光衍射、折射等现象,导致拍摄的RGB图像易产生模糊和细节丢失等问题。针对上述问题,提出了一种OLED屏下RGB图像优化算法。针对目前屏下RGB图像优化数据集较少的问题,设计实现了一种基于智能手机的OLED透明屏屏下图像数据采集装置,采集并制作了由10000多组典型场景构成的屏下图像数据集。其次,提出了一种基于生成对抗网络(Generative Adversarial Nets,GAN)的屏下RGB图像优化算法,其中生成器采用残差网络学习屏下图像细节信息,所设计的感知损失函数是颜色损失、对抗损失和内容损失三者的结合。实验结果表明,基于主观视觉和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)等定量评价指标,本文算法在自建数据集上的图像优化效果优于当前的DPED等方法的效果。

基于Transformer紧凑编码的局部近重复视频检测算法

针对现有局部近重复视频检测算法特征存储消耗大、整体查询效率低、提取特征时并未考虑近重复帧之间细微的语义差异等问题,文中提出了一种基于Transformer紧凑编码的局部近重复视频检测算法。首先,提出了一个基于Transformer的特征编码器,其学习了大量近重复帧之间细微的语义差异,可以在编码帧特征时对各个区域特征图引入自注意力机制,在有效降低帧特征维度的同时也提高了编码后特征的表示性。该特征编码器通过孪生网络训练得到,该网络不需要负样本就可以有效学习近重复帧之间的相似语义信息,因此无需沉重和困难的难负样本标注工作,使得训练过程更加简易和高效。其次,提出了一个基于视频自相似度矩阵的关键帧提取方法,可以从视频中提取丰富但不冗余的关键帧,从而使关键帧特征序列能够更全面地描述原视频内容,提升算法的性能,同时也大幅减少了存储和计算冗余关键帧带来的开销。最后,基于关键帧的低维紧凑编码特征,采用基于图网络的时间对齐算法,实现局部近重复视频片段的检测和定位。该算法在公开的局部近重复视频检测数据集VCDB上取得了优于现有算法的实验性能。

面向6G无线网络的全息多输入多输出技术综述

未来的第6代(6G)无线通信系统需要支持超大规模的用户需求,且对频谱效率和能源效率的要求越来越高。在此背景下,全息多输入多输出(MIMO)技术由于其具有智能可重构、电磁可调控、高方向性增益、成本低廉和部署灵活等潜力而愈发受到关注。在全息MIMO系统中,大量微小而廉价的天线单元被紧密集成,使其在低硬件成本的情况下能够实现高方向性增益,同时其可以对电磁波进行灵活的调控,从而有效提升了无线通信性能。该文从全息MIMO技术出发,首先简要介绍了全息MIMO的发展过程、技术现状、分类和特点,然后对全息MIMO在视距场景和空间平稳散射的非视距场景的信道模型进行了介绍,最后阐述了全息MIMO面对的挑战和未来趋势,并进行了总结。

无线网络覆盖方案仿真实验设计与实现

以无线信号传播模型为基础,以实现对某区域内无线网络覆盖为目标,设计了覆盖半径随无线参数变化的基础实验、基于三种经典启发式算法的无线网络覆盖方案提高实验和基于改进算法的拓展创新实验,形成了一个完整的实验系统。通过实验教学,学生可以了解到无线通信信号传播和网络覆盖理论知识,能够掌握无线网络覆盖方案设计方法,该实验是一个理论与实践相结合、有层次、有创新的综合设计性实验。

基于多特征融合自编码器的无监督地震相分类研究

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

基于伪监督注意力短期记忆与多尺度去伪影网络的图像分块压缩感知

基于深度展开网络的分块压缩感知(BCS)方法,在迭代去块伪影时通常会同时去除部分信号和保留部分块伪影,不利于信号恢复。为了改善重建性能,在学习去噪的迭代阈值(LDIT)算法基础上,该文提出基于伪监督注意力短期记忆与多尺度去伪影网络(MSD-Net)的图像BCS迭代方法(PSASM-MD)。首先,在每步迭代中,利用残差网络并行地对每个图像子块单独去噪后再拼接。然后,对拼接后的图像采用含有伪监督注意力模块(PSAM)的MSD-Net进行特征提取,以更好地去除块伪影以提高重建性能。其中,PSAM被用于从含有块伪影的残差中抽取部分有用信号,并传递到下一步迭代实现短期记忆,以尽量避免去除有用信号。实验结果表明,该文方法相比现有先进的同类BCS方法在主观视觉感知和客观评价指标上均取得了更优的结果。

频率矫正广义S变换及在储层含油气性预测中的应用

随着我国油气勘探程度的不断加深,陆相页岩油气等非常规油气逐渐成为我国勘探开发的重点,陆相页岩非均质性强、储层薄且纵横向变化剧烈等典型特征导致含油气性预测精度差,影响后续井位部署和生产等.时频变换方法是储层含油气性预测最有效的工具.为了提高储层含油气性预测的精度,本文提出了一种频率矫正广义S变换(Frequency-Corrected Generalized S-Transform, FCGST),该变换既具有S变换多尺度多分辨率的特性,又可以通过自适应选取窗函数参数以控制窗函数的带宽和主频等,这一特性可以适用于不同工区地震数据的处理与解释.与传统的S变换和广义S变换不同,该变换修正了传统S变换和广义S变换中的尺度因子,改善了S变换和广义S变换等传统方法中时频谱主频向高频方向偏移的问题,有利于精确描述复杂储层含油气性.合成数据算例表明,频率矫正广义S变换提升了地震信号局部时频特征的表征能力;将频率矫正广义S变换应用于鄂尔多斯盆地某工区储层含油气性预测中,实钻结果数据进一步验证了该时频分析方法在储层含油气性解释中的有效性和潜力.

面向新疆奇台110 m射电望远镜宽带双极化Vivaldi馈源设计

射电望远镜一般要在宽频段内进行连续观测,但传统相控阵天线设计方法难以兼顾宽频带和大角度扫描特性.紧耦合天线的设计方法为宽带大角度扫描天线提供了新的设计思路,基于此设计了一款宽带双极化Vivaldi相控阵馈源.首先结合Wheeler提出的连续电流片概念及等效电路对紧耦合原理进行理论分析,然后针对Vivaldi天线分析了阵元间的强耦合能够有效拓展天线的工作带宽.在此基础上设计了一款宽带Vivaldi相控阵馈源.馈源阵列由8×9 Vivaldi天线阵元组成,该阵列的工作带宽为2-8GHz,并且能够在E面和H面均实现±45∘的扫描特性.最后对该馈源阵列进行了样机加工和测试,测试结果与仿真结果具有较好的一致性.

基于地震资料有效信息约束的深度网络无监督噪声压制方法

地震资料处理是地震勘探中的关键环节,由于地下构造和地表条件的复杂性,地震资料的处理需要经过一系列复杂流程,从而形成多种不同类型的地震数据。不同种类的地震数据具有不同的数据特征,充分利用和发掘其中的数据特征,不仅可以充分发挥处理方法的技术潜力,消除各类非地质因素对地震资料处理质量的影响,同时可以增强地震资料处理的可靠性,改善地震资料的资料信噪比及分辨率,在复杂油气藏勘探开发中具有非常重要的基础作用。叠前地震成像道集(CRP)中的有效信号同相轴近似水平,叠后地震成像数据因为地层沉积的规律性,有效信号相比于随机噪声、成像画弧噪声等干扰具有规律、简单等特点。具体表现为CRP道集及叠后地震资料有效信号具有多尺度自相似性的特征,其高维Fourier(FK或FKK)域主要能量集中在低频、低波数区域。针对上述地震数据的特点,提出一种基于先验信息约束的深度网络地震资料无监督噪声压制方法。受到深度图像先验(DIP)的启发,神经网络的结构可以视为一种特殊的隐式先验信息,合理设计网络结构可以使得网络具有多尺度自相似性特征的提取能力。由于叠前地震成像道集数据和叠后地震成像数据有效信号的多尺度自相似性,而噪声不具备这一特性,因此,特定结构的网络可以从原始数据提取出有效信号,从而达到噪声压制的目的。叠前成像道集和叠后成像的实际数据随机噪声压制试验结果表明,本文方法具有良好的保真性与鲁棒性。此外,由于本文方法具有强大的特征提取能力,因此,对常规方法不易压制的弧状成像噪声也有良好的效果。