L-DACS1中多速率卷积编码器的设计与FPGA实现

在L波段数字航空通信系统(L-DACS1)中,不同类型的数据采用不同速率传输,为了降低信道的噪声和畸变与多普勒频移的影响,采用具有良好差错控制能力的多速率卷积编码进行信道纠错。通过利用Verilog HDL硬件描述语言完成其FPGA实现与验证,测试结果表明多速率卷积编码器可以实时地调整码率,高效稳定地进行差错控制,满足L-DACS1高速传输仍保持稳定的要求,并且用于实际项目中。

水下图像增强方法研究现状

光线在水下传播过程中,它的失真程度会随波长不同而发生改变。导致水下图像视觉质量下降的3个主要原因是吸收、散射和颜色失真。有关水下图像处理的研究在近十几年来得到了广泛的关注,取得了重要进展。文中着重讨论水下图像增强处理技术,探讨其中的典型算法和研究成果,对部分算法的测试结果进行定性和定量分析比较,最后总结水下图像增强技术研究现状,并展望了未来可能的发展方向。

一种低复杂度的数字调幅广播调制方式

提出一种低复杂度的数字调幅广播调制方式——32DAPSK+OFDM.该方式能有效地降低数字广播接收机复杂度.首先给出30MHz以下频段(调幅广播波段)信道模型和基于OFDM数字调幅广播系统的等效基带模型,然后讨论32DAPSK+OFDM的调制、解调以及在白高斯信道的误比特性能。最后仿真32DAPSK+OFDM在调幅广播信道的误比特性能。

L-DACS1中高速多模式RS编码的FPGA实现

L频段宽带航空数据链系统(L-DACS1)是未来L波段航空数据通信系统的候选方案之一。这里基于L-DACS1系统协议内容,为了降低信道的噪声和畸变与多普勒频移的影响,采用具有良好差错控制能力的多模式RS编码进行信道纠错。通过仿真对多模式RS编码算法性能进行了分析,并通过FPGA实现验证了算法在L-DACS1系统中应用的有效性,结果表明,多模式编码器可以实时地调整模式,高效稳定地进行差错控制,满足高速传输仍保持稳定的要求。

基于条件互信息的空域隐写检测特征选择算法

隐写检测特征维数的增加,不仅增加了分类器训练时间和预测时间,甚至还会造成"维数灾难".因此,为达到特征降维的目的,对空域隐写检测特征选择进行研究,提出了一种基于条件互信息的特征选择算法.该算法首先选取一个与类标签具有最大互信息的特征,接着选取与此特征和类标签具有最大条件互信息的一个特征;然后通过前向寻找方式,从未选择特征子集中循环选取与刚选取特征和类标签具有最大条件互信息的特征,一直到选出规定数目的特征后结束循环.实验结果表明,与其他算法相比,所提算法取得了较好的特征选择效果.

深度学习驱动的水下图像增强与复原研究进展

水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用。然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展。因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注。近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展。为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望。

基于对称不确定性和三路交互信息的特征子集选择算法

由于在评价冗余特征时只考虑对称不确定性或最大信息系数等某一种度量标准,使得现有的一些特征子集选择算法存在性能不理想的问题.针对该问题,提出了一种基于对称不确定性和三路交互信息的特征子集选择算法.首先,计算特征与类标签的对称不确定性,按照其值大小对特征作降序排序处理,并消除不相关特征;然后,计算特征间的对称不确定性以及特征与类标签的三路交互信息,并与特征与类标签的对称不确定性一起,经过比较和排序等运算以消除冗余特征而得到选取的特征.在评价冗余特征上同时考虑对称不确定性和三路交互信息两种度量标准,并结合比较和排序等运算,可以减少将相关特征当作冗余特征而消除的情况,使得一些效果显著的相关特征得以保留.为验证所提算法的性能,采用J48、IB1和Naïve Bayes 3种分类器将其与另外4种特征子集选择算法在3个UCI数据集和9个ASU数据集上进行实验.实验结果表明,所提算法能够在选取特征数和用时均较少的情况下取得很好的特征选择效果.

融入注意力机制的弱监督水下图像增强算法

基于监督学习的水下图像增强算法中所需成对训练样本获得困难,为此提出一种融入注意力机制的弱监督水下图像增强算法.根据不同波长的光在水中传播时衰减程度不同的物理特性,计算红通道衰减图,并将依赖红通道衰减图引导的注意力模块融入生成网络,提高生成网络修正水下图像色偏的性能;设计对抗损失函数和结构相似性损失函数相结合的多项联合损失函数,在修正水下图像色偏的同时保留更多图像细节;在全局和局部两个尺度下优化提出的弱监督水下图像增强网络模型.实验结果表明,所提算法在主观视觉质量和客观评价指标上都优于比较算法,可以有效地提高水下图像清晰度.

像感域(Raw域)底层视觉重建技术进展

底层视觉重建技术旨在在受限的成像条件下重建高质量图像/视频,对后续视觉处理与呈现具有重要意义。由于像感域数据(raw data)具有高位宽、与感光量成线性响应等特点,近年来基于像感域的视觉重建技术在学术界和工业界获得的关注日益提高。本文聚焦于6种代表性视觉重建任务,包括低光增强与去噪、超分辨率、高动态范围重建、去摩尔纹、多任务联合重建以及数据生成,重点综述了深度学习驱动的像感域视觉重建领域的进展:系统地总结了领域代表性方法,概述各类方法的优势与局限,分析了不同任务中像感域数据相较于颜色域数据(经降噪、去马赛克、白平衡、色调映射和颜色空间转换(如RGB、sRGB等)等处理之后的数据)的独特属性与优势;梳理了各个领域的开源数据集,包括图像数据集、快速连拍数据集以及视频数据集,总结了数据集的构造方法以及配对数据的空间/时间对齐策略,为后续研究的数据集创建提供了参考与指引;总结了现有方法存在的问题与困境,展望了像感域底层视觉重建的发展趋势。

水下图像增强和复原方法研究进展

目的近年来随着水下图像/视频在海洋军事、海洋环境保护和海洋工程等科研和工业领域扮演越来越重要的角色,水下图像增强和复原作为关键技术之一,越来越多地成为研究的热点和难点问题。目前有关水下图像增强和复原方法研究进展的综述论文在国内外相对较少,为使即将进入该研究领域的学者比较全面地了解该领域的研究现状,促进该领域的快速发展,本文对其系统综述。方法在广泛调研大量文献的基础上,按照是否基于物理模型对已有方法进行分类讨论,对其基本思想、方法特点、实验方法进行归纳和总结,其中对典型的方法进行具体介绍和分析。同时,介绍了水下图像质量的评测体系,针对典型方法的处理结果进行定性和定量的评测。进而,总结该研究领域目前存在的不足,展望未来可能的发展方向。结果总结了水下图像退化的原因、水下图像增强和复原所采用的主要技术和方法、水下图像质量评测体系的发展历程,给出了亟待解决的问题,展望了未来的发展方向。结论作为新兴的研究领域,水下图像增强和复原在工业界和学术界都具有广阔的应用前景和研究价值,但针对目前存在的一些局限性还需要进一步深入研究。

面向水下图像的质量评价方法

目的针对目前水下图像质量评价方法少和现有方法存在局限性等问题,提出一种无参考并且无需手工设计特征的水下图像质量评价方法。方法提出的水下图像质量评价方法将深度学习网络框架与随机森林回归模型相结合,首先采用深度神经网络提取水下图像的特征;然后使用提取的特征和标定的水下图像质量分数训练回归模型;最终,利用训练好的回归模型预测水下图像的质量。结果在本文收集的水下图像数据集和水下图像清晰化算法处理结果上评测本文方法,并与多种质量评价方法进行比较,其中包括预测结果与主观质量分数比较、水下图像清晰化结果评测比较、预测结果与主观质量分数相关性比较、鲁棒性比较等。主观实验结果表明本文的评价方法可以相对准确地给出符合人类视觉感知的水下图像质量分数,并且具有更好的鲁棒性。定量实验结果表明本文方法与其他方法相比,预测的图像质量分数与主观分数具有更高的相关性。结论提出的水下图像质量评价方法无需参考图像,省去了手工设计的特征,充分利用了深度学习网络的学习和表征能力。本文方法的准确性较好,普适性和鲁棒性较高,预测的质量分数与人类视觉感知具有较高的一致性。本方法适用于原始的水下图像和水下图像清晰化算法的处理结果。

OFDM无线通信系统的时间和频率同步误差分析

由于无线信道的时变性、频率选择性、加性噪声以及发送和接收端晶体振荡器频率非一致性的影响, 实际的 OFDM 系统中总存在时间和频率同步误差定义了归一化干扰功率(NIP)来研究这两种误差对系统性能的影响. 在此基础上我们首先推导出: (1) 由时间误差产生的 NIP 公式和它的两个上界; (2) 由频率同步误差产生的 NIP 公式和它的两个上界, 这两个界比 Moose 上界更逼近实际 NI值. 然后, 通过在典型短波和中波信道的仿真进一步验证了这些界的有效性和正确性. 这些界有助于通信工程师在实际应用中在给定 NIP值的条件下选择满足系统要求的时间和频率同步算法. 同时, 还提出一种新的方法以减少OFDM系统对时间同步算法的精度要求, 该算法能实现时间同步精度和频谱利用率的有效平衡.