面向类脑计算的氧化物忆阻器

类脑神经形态计算通过电子或光子器件集成来模拟人脑结构和功能。人工突触是类脑系统中数量最多的计算单元。忆阻器可模拟突触功能,并具有优异的尺寸缩放性和低能耗,是实现人工突触的理想元器件。利用欧姆定律和基尔霍夫定律,忆阻器交叉阵列可执行并行的原位乘累加运算,从而大幅提升类脑系统处理模拟信号的速度。氧化物制备容易,和CMOS工艺兼容性强,是使用最广泛的忆阻器材料。本文梳理了氧化物忆阻器的研究进展,分别讨论了电控、光电混合调控和全光控忆阻器,主要聚焦阻变机理、器件结构和性能。电控忆阻器工作一般会产生微结构变化和焦耳热,将严重影响器件稳定性,改进器件结构和材料成分可有效改善器件性能。利用光信号调控忆阻器电导,不仅能降低能耗,而且可避免产生微结构变化和焦耳热,从而有望解决稳定性难题。此外,光控忆阻器能直接感受光刺激,单器件即可实现感/存/算功能,可用于研发新型视觉传感器。因此,全光控忆阻器的实现为忆阻器的研究和应用打开了一扇新窗口。

重试,反馈M/M/s/k排队的呼叫中心性能分析

由于CTI(计算机电话集成)技术的发展,使呼叫中心得到广泛的应用.与呼叫中心实现技术的发展相比,对呼叫中心管理的研究显得有些滞后,而针对呼叫中心排队模型的研究,更是如此.针对呼叫中心服务系统中的重试和反馈问题,考虑一种带重试和反馈的M/M/s/k排队模型.将等待位置和服务台数推广到有限个.在模型求解过程中,尝试采用矩阵迭代的新方法,使求解过程简单明了.然后,采用逼近的方法给出模型的数值解,并得出反馈对系统的影响随系统负荷的增大而快速增大等结论.

OFDM功率放大器线性化快速算法

针对OFDM功率放大器线性化问题,本文采用数字预失真的方法来补偿功率放大器的非线性失真。预失真器采用Volterra序列来逼近,并提出一种重置BFGS算法来训练非线性预失真器。通过设定切换条件,使参数学习在梯度下降法与拟牛顿法之间切换。这既增加了新算法的数值稳定性,又可提高收敛速度。仿真采用数字基带预失真器对OFDM信号的功率放大器进行预失真,结果表明了新算法的高效性。并且,增加数字预失真模块可大大改善OFDM功率放大器的性能。

基于最低误码率准则及Volterra序列的几何特征均衡器

针对通信系统中带内噪声及干扰的滤波问题,提出一种基于最低误码率准则的非线性几何特征均衡器。考虑到噪声与干扰具有不同的统计特性,本文所建立的均衡模型把匹配滤波器输出映射到特征空间,使信号与干扰在特征空间形成不同的几何特征,再用Volterra序列予以分离,而分离是基于最低误码率准则。仿真表明:对于扩展的二元相移键控信号,在相对强的调频信号、调幅信号及噪声的联合干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器均已失效,而几何特征均衡器仍能表现出良好的性能,并且基于奇次三阶Volterra序列的几何特征均衡器更具实用价值。

用于通信信号非线性时域滤波的量子随机滤波器(英文)

针对通信信号的非线性时域滤波问题,研究了量子随机滤波器的原理和性能.将神经网络与非线性Schroedinger方程相结合,把方程的解作为信号时变的概率密度函数,进而实现滤波功能.研究发现,通过调整势场权系数的取值,可使滤波器具有明显不同的性能.根据此性质,构造了一种新的滤波算法,该算法可使滤波器在信号波形估计的非线性失真程度与它的抗噪能力之间进行折衷,这将大大推广量子随机滤波器的应用,例如,用于通信信号处理.仿真结果表明了量子随机滤波器的优越性能.

最低误码率非线性均衡器的快速自适应学习算法

针对最低误码率非线性均衡器的参数在线自适应学习问题,本文提出基于拟牛顿方法的快速自适应学习算法。采用Parzen窗函数方法估计误码率,通过设定切换条件,使参数学习在滑窗随机梯度法与滑窗拟牛顿法之间切换。这既增加了新算法的数值稳定性,又可提高收敛速度。通过对拟牛顿方法进行修改,还使新算法既可以在线自适应学习,也可用于高维参数的快速学习。仿真采用最低误码率非线性均衡器对通信系统进行干扰抑制和信道均衡,结果表明了新算法的高效性。

基于混合遗传算法及最低误码率准则的几何特征均衡器

针对高效调制通信系统中带内干扰抑制问题,提出一种基于最低误码率准则的非线性几何特征均衡器,并用径向基函数神经网络来实现。为优化非线性均衡器的参数训练,本文构造了一种新的遗传随机梯度混合算法。仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器及线性均衡器已失效,而基于最低误码率准则的几何特征均衡器仍能表现出良好的性能,也大大优于基于最小均方误差准则的非线性均衡器。

基于最低误码率准则的奇次三阶Volterra均衡器用于干扰抑制

该文针对通信系统中的干扰抑制问题,提出一种基于最低误码率准则的Volterra均衡器。区别于以往研究中采用最小均方误差准则估计Volterra核,本文采用最低误码率准则。仿真表明:对于扩展的二元相移键控信号,在相对强的窄带干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器已失效,而基于最低误码率准则的Volterra均衡器仍能表现出良好的性能,也大大优于最小均方误差准则的Volterra均衡器;并且在计算复杂度与误码率性能的权衡中,奇次三阶Volterra均衡器更有实用价值。

最低误码率准则的多级软判决均衡器

针对通信系统干扰抑制问题,提出一种基于最低误码率准则的多级软判决均衡器.通过调节各级均衡器的拒绝门限,可使多级软判决均衡器在计算复杂度与误码率之间取得折衷.仿真表明:对于扩展的二元相移键控信号,在相对强的调频信号和调幅信号联合干扰下,基于最低误码率准则的多级软判决均衡器能表现出良好的性能,并且大大减少了计算复杂度.此外,还发现多个非线性均衡器的组合在降低计算复杂度的同时还可获得比单个均衡器更低的误码率.

低计算复杂度的多级软判决均衡器用于干扰抑制

针对通信系统中非线性均衡器的计算复杂度问题,提出一种基于最低误码率准则的多级软判决均衡器。通过调节各级均衡器的拒绝门限,可使多级软判决均衡器在计算复杂度与误码率之间取得折衷。仿真表明:对于扩展的二元相移键控信号,在相对强的调频信号和调幅信号的联合干扰下,匹配滤波器和基于最小均方误差准则的线性均衡器已失效,而基于最低误码率准则的多级软判决均衡器仍能表现出良好的性能,并且大大减少计算复杂度。此外,还发现一个有趣的结果,即多个不同的非线性均衡器的协作可获得比单个均衡器更优的性能。

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题,提出基于拉普拉斯规则化的高阶平滑算法。首先,计算点云数据的包围盒并离散化得到体素空间;其次,在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数,并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的;再次,根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题;最后,通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明,该方法重建曲面绘制效果和精确度优于常用的Poisson方法。

多尺度图割曲面重建算法

针对图割曲面重建算法计算量过大的难题,根据代数多栅理论对图割计算过程进行多尺度分解,仅对最后一级进行最大流计算,其他级的标记值通过插值得到。首先,根据点云法向和重建曲面法向的一致性构建能量函数;其次,将能量函数映射到三维权重图的顶点和边上;然后,定义顶点间的一致性并由此构造抽取矩阵,以决定哪些图的顶点参与图割运算;之后,构造插值矩阵,将最后一级图割计算结果逐级插值到第一级;最后,利用步进立方体算法得到重建曲面的三角网格表示。实验结果表明,与窄带图割算法相比,本方法计算速度更快,当图的顶点数越多时速度提高得越多;对于不均匀采样的点云数据,重建效果更好;其他情况下两者效果相当。

语义级深度迁移的2D转3D算法

海量视频数据推动了基于数据驱动的单目图像深度估计研究.针对现有方法存在不同对象深度分配层次感不够的问题,在相似场景具有相似深度的假设前提下,提出一种基于语义级分割和深度迁移的单目图像2D转3D的方法.首先使用分割迁移模型将输入图像的像素进行语义级分类;然后通过语义级分类结果对场景匹配进行约束;再次利用SIFT流建立输入图像和匹配图像间像素级对应关系,并由此将匹配图像的深度迁移到输入图像上;最后通过语义级分割约束的最优化深度融合模型为不同对象区域分配深度值.Make3D测试数据的实验结果表明,该方法估计的深度质量比现有深度迁移方法更高,与最优化融合深度迁移算法相比,平均对数误差和平均相对误差分别降低0.03和0.02个点.

基于重试、不耐烦M/M/s/k+M排队的呼叫中心性能分析

为对呼叫中心整体性能和ACD(自动话务分配)的统计数据进行科学的分析,针对呼叫中心中顾客到达有遇忙音而重试(retrial)和在ACD中排队时会因不耐烦(impatience)而放弃等待的特点,讨论了重试和不耐烦M/M/s/k+M排队模型.尝试一种新的求解方法对模型求解,给出解析解和有关指标的计算公式,并给出数值计算示例和在单个服务台有同等服务强度的情况下,大系统更能使顾客感到满意等结论.

信号与系统课程中数字图像处理教学案例研究

数字图像处理的输入和输出信号都是二维图像,处理效果一目了然。信号与系统课程中处理的信号都是一维电信号,处理效果需要想象。本文将课程中涉及的信号处理方法扩展到二维空间对数字图像进行处理,以处理前后图像的对比效果为辅助手段,帮助学生更好地理解课程中信号处理方法的效果和意义。课堂教学效果表明,数字图像处理作为教学案例应用到信号与系统课程中的实践探索是成功的。

利用深度传感器大数据的单目图像深度估计

2D视频转3D视频是解决3D片源不足的主要方法之一,而单目图像的深度估计是其中的关键步骤.考虑到互联网上不断累积的深度图数据,提出一种基于PatchMatch深度迁移的单目图像深度估计方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;然后通过PatchMatch建立输入图像和近邻图像之间像素级稠密对应关系;再根据像素级对应关系将近邻图像的深度图迁移到输入图像上,并采用中值滤波对迁移的深度图进行融合;最后通过三边滤波对融合的深度图进行后处理,进一步提高深度图估计质量并抑制噪声.实验结果表明,与基于尺度不变特征变换流深度迁移方法相比,该方法在改善深度图估计质量的同时提高了计算速度.

一种低延时双端发音检测方法

回声消除是提高通信中语音信号质量的关键技术。其主要难题是回声路径估计的自适应算法的控制逻辑。为了达到较好的回声消除效果,自适应滤波器需要在双端发音模式下缓慢更新或停止更新,而在其他模式快速学习。现有的双端发音检测算法没有考虑检测延时问题,使得滤波器在停止更新前已经发散,严重影响了回声消除的效果。针对该问题,在滤波器收敛时回声消除至少达到10dB的假设前提下,对传统的能量比较法进行改进,提出低延时的解决方案。实验结果表明,该方法比相关比较法的检测延时减少了35毫秒以上。

复值的MBER非线性均衡器用于QAM信号

本文提出一种复值的最低误码率非线性滤波器用于非线性信道中QAM信号的均衡。推导了针对QAM信号的最低误码率准则训练算法的目标函数,并用Volterra序列来实现复值的非线性均衡器。为使非线性均衡器能在线自适应训练并增加训练算法的数值稳定性,提出一种滑窗随机梯度算法。大量仿真表明,对于非线性信道中QAM信号的均衡,最低误码率非线性均衡器的性能优于最小均方误差准则。

平面单应性矩阵求解的CUDA并行实现

针对平面单应性矩阵实时求解的需求,提出了RANSAC单应性算法在GPU上并行实现的方法。首先计算出理论上最优的迭代次数;然后根据迭代间数据的独立性将每次迭代看成一个独立的任务映射到CUDA线程上。实验表明,对于较高分辨率的图像,GT240M平台上平均加速比达到了8。

信号与系统课程教学改革的思考与实践

信号与系统是电子信息类专业重要的技术基础课程。为适应信息技术日新月异的变化，培养信息技术类应用开发型工程师，迫切需要对信号与系统进行深化改革。本文分析了信号与系统课程的特点和以往教学中存在的问题，从教学方法和实践环节等方面入手，进行了一些改革，取得了初步效果。