基于软件无线电的音视频通信一体化方案

为解决传统无线电平台对音视频传输误码率高、速率慢及设计复杂等问题,设计并提出基于ZYNQ和AD9361软件无线电方案。方案以IEEE802.11a协议为标准使用OFDM作为其主要调制技术,并通过网口实现ZYNQ与电脑主机之间的视频数据交互。功能测试结果表明,通过该方案设计的系统在天线接收范围内能持续保持数据误码率为零,并可根据实际需求灵活调整参数。此外,设计的一体化终端具有高实用性、强可扩展性和低复杂性,可广泛应用于各种环境。方案为音视频通信一体化提供全新的解决思路和方法,对无线视频通信产品开发具有较好的价值和现实意义。

基于FPGA的多路视频采集及AI加速

基于MES50HP开发板及PC主机实现了多源视频采集、拼接及AI协同处理的加速工作。所提出的系统可支持同时采集HDMI、网口、摄像头和光纤4路视频数据,视频采集拼接后,将缩放后存入双倍速率同步动态随机存储器(DDR)中,输出部分分为2路,其中1路数据用于HDMI回环输出,另外1路通过PCIE传至PC主机用于结果显示,并在PC端读取PCIE传回的数据并显示目标检测结果,其中视频采集和目标识别加速部分主要由2块MES50HP开发板构成。本系统在FPGA上实现了卷积加速器,卷积加速器计算完神经网络的一层后再通过PCIE传至主机进行结果显示,卷积计算与图像采集进行深度融合,具有实时、低成本的特点,可广泛应用于边缘计算等领域。实验结果表明:针对红绿灯数据集,该方法在低成本PC主机上实现的最大平均精度均值(mAP)为0.746,最高帧率达45帧。

OFDM系统物理层关键技术研究与FPGA实现

为在复杂环境下实现高效抗干扰无线通信,基于IEEE802.11a协议设计了正交频分复用(OFDM)系统物理层,并利用现场可编程门阵列(FPGA)实现了3种OFDM系统设计中涉及到的物理层关键技术,包括基于短训练序列自相关性的分组检测算法、依据短训练序列循环特性的频偏估计算法和长训练序列特性的信道估计算法。在MATLAB上对3种算法原理进行了仿真实验,结果表明3种关键技术在算法上的可靠性强,在FPGA上实现的可行性强。对3种算法进行模块化设计,编写RTL Verilog代码进行FPGA实现,在Modelsim软件上进行仿真调试,并通过Xilinx生产的Zedboard开发板上板验证了其功能及性能表现,设计了处理系统端以太网传输协议,在PC上通过网口调试助手进行数据传输,接收机正确接收到数据,证明该系统能正常进行无线数据传输。

影响植物根系加固路基边坡土体效果的试验研究

利用植物根系加固公路路基边坡土体是一种新型的路基防护加固形式,不仅有益于绿色环保和美化行车视觉,还可以提高公路路基边坡的稳定性。在路基边坡植物根系稳定土体中,根系的位置、长度以及路基边坡土的含石率均会对其固土效果产生影响,采用大型直剪试验仪对含有根系的土体进行剪切试验,通过调整根系与剪切方向的距离、根系材料的倾斜角度、土的含石率,研究根系对土体抗剪强度的影响及根系边坡土体的稳定性。结果表明,根系可大幅提高土的抗剪强度,同时随着土中含石率的增加,根系的改善作用更加明显。

基于深度学习的压缩光子计数激光雷达

压缩光子计数雷达是光子计数激光雷达技术与单像素成像技术的结合,具有低成本、超高灵敏度等优点,但在进行高分辨率成像时,需要大量的测量和迭代计算进行重建,导致所需成像时间很长。当前的研究热点深度学习压缩重建网络被证明可避免迭代运算实现快速压缩测量重建,但已有文献报道的深度学习压缩重建网络,采用传统的图像处理数据库的无噪声图片或在图片上加高斯噪声进行训练网络,网络应用于实际的压缩光子计数雷达系统,性能有待进一步验证。自主设计了基于FPGA的同步控制测量模块,搭建出压缩光子计数雷达系统,提出了基于蒙特卡洛模拟压缩光子计数雷达系统的方法来制作训练数据,并设计深度学习压缩重建网络DFC-Net进行采样和重建联合优化。实验结果表明:在10%、15%、20%、25%、30%采样率下,DFC-Net重建性能优于现有的重建网络Dr2-Net和传统的压缩重建算法TVAL3。

温度和粗糙度对混凝土桥面铺装层间剪切强度的影响研究

为探究温度和粗糙度对混凝土桥面铺装层间剪切强度的影响规律.在室内剪切试验中,采用摩擦系数、构造深度、2D/3D灰度值表征混凝土板粗糙度;并测量剪切试件的层间剪切强度.对粗糙度与层间剪切强度的关系进行灰色关联分析后,基于主成分回归法分析温度、粗糙度对层间剪切强度的影响规律.发现摩擦系数、构造深度变化对层间剪切强度的影响较大;灰度值变化对层间剪切强度的影响较小.从温度、粗糙度与层间剪切强度的非线性回归模型可知:相较于粗糙度变化,温度变化对层间剪切强度的影响更大,层间剪切强度随温度的升高而减小.

用于水下单光子视频通信的联合编码研究

为了实现有效与可靠的视频传输,针对水下单光子通信系统,提出了一种基于字典学习和LT码级联LDPC码的视频联合编码方案。通过字典学习稀疏编码,极大地压缩了视频数据量。根据水下单光子信道存在的删除特性,利用LT码级联LDPC码的信道级联编码方法,同时克服了LT码译码开销过大的缺点。由于LT码存在译码失败概率的问题,提出了译码成功双反馈机制。实验结果表明,当信道误码率处于10^(-2)数量级、视频压缩率为75.6%时,可以实现平均峰值信噪比(PSNR)为37.4921 dB重建视频帧。

用于光子计数单像素成像的去块状采样网络

将光子计数技术和单像素成像结合,能实现高灵敏、低成本的光子计数成像,但存在采样时间和重建时间长的问题。基于深度学习的压缩采样和重建网络,将去除偏置和激活函数的全连接层作为测量矩阵,通过从数据中学得高效的测量矩阵和避免传统迭代算法带来的巨大计算量,实现了更快、更高质量的图像重建。但利用全连接层进行高分辨图像的分块压缩感知时,重建图像会产生块状效应。针对该问题提出了重叠分块采样网络(Os_et)、嵌套采样网络(Ns_et)、卷积采样网络(Cs_et)等三种方法以取代全连接层采样。在重建网络的设计中,使用线性映射网络对图像进行重建,设计实验结果表明Cs_et的去块状化效果最好。将Cs_et二值化后应用于光子计数单像素成像系统,实验结果表明Cs_et除块状化明显优于传统算法TVAL3,且Cs_et在重建质量上也同样取得了较好的效果。

基于深度学习的单光子非视域成像泊松降噪

在非视域成像场景中,有效的回波光子大量减少,泊松噪声对非视域成像的质量影响较大。传统图像泊松降噪算法存在迭代时间长、模式固定和手动设置参数等问题。为提高非视域成像质量,设计一种基于深度学习的单光子非视域成像泊松降噪方法。为解决训练样本不足的问题,利用几何光学近似和蒙特卡罗方法对非视域场景下的光子运动轨迹进行追踪建模,对非视域成像过程进行仿真,利用仿真数据重建的泊松噪声图像制作数据集。设计基于注意力机制的特征增强降噪网络(AEF-Net),利用仿真数据对网络进行优化训练。最后,搭建一套非视域成像系统对网络的泊松降噪性能进行验证。实验结果表明所提AEF-Net去除非视域场景下的泊松噪声效果优于传统降噪算法。

基于残差编解码网络的单光子压缩成像

在进行高分辨率成像时,由于需要大量的测量和图像重建计算,单光子压缩成像需要较长的时间。提出了一种采样和重建集成的残差编解码网络SRIED-Net用于单光子压缩成像。将二值化的全连接层作为网络的第一层,并将其训练成二进制的测量矩阵,直接加载到数字微镜阵列上以实现高效压缩采样。除第一层外的其余网络都用于快速重建压缩感知图像。通过一系列的仿真和系统实验比较了压缩采样率、测量矩阵和重建算法对成像性能的影响。实验结果表明,SRIED-Net在低测量率下优于目前比较先进的迭代算法TVAL3,在高测量率下与TVAL3的效果很接近,在所有测量率下都优于目前常见的几种基于深度学习的方法。

水下光子时空随机信道模型的建立与仿真

针对吸收和散射衰减导致光子在水下运动时具有复杂性的问题,基于追踪的水下单光子运动状态,建立了光子时空随机信道模型。针对不同的水质类型、链路距离、接收孔径、发射角和视场角,统计了接收端到达光子的相关信息,研究了基于水下单光子通信系统的光接收强度和信道脉冲响应的影响因素。同时,综合考虑光子发射情况、水下光子运动过程、探测器特性和同步信号提取方法等,采用了一种基于时隙内光子计数的数据解调方案,并对系统性能进行分析。仿真实验结果表明:发射角和接收孔径是影响时延展宽的主要因素;接收孔径越大,系统误码率(BER)越小;而链路距离和发射角越大,系统BER越大;噪声系数越大,系统BER越大,且建模的理论通信距离约为185 m。实验结果很好地描述了水下光子散射特性和脉冲时延展宽特性。

Decoding algorithms of single photon counting imager based on two-dimensional Vernier anodes

The decoding algorithms of two-dimensional Vernier anodes are deduced theoretically.The precision of decoding and uniqueness of encoding are proved.The influencing factors of detection sensitivity and spatial resolution are discussed.The single photon imaging system is constructed,and the two-dimensional Vernier collector is fabricated.The image of the ultra-weak emission source is reconstructed.The spatial resolution of the system is about 100μm.

Ghosting theoretical model of single photon counting imagers with Vernier anode

In this paper, the distribution of the phase deviations for the ghosting of Vernier based imagers is provided. The equality of the phase errors is shown. The relationship between the charge noise amplitude of electrodes and the total charge noise amplitude is provided. The relationship between the phase error and the total charge noise amplitude is also provided, which reveals the magnitude of 10 4 electrons for the ghosting occurrence threshold for the 4-coarse-pixel anode imagers.

用于单光子压缩成像的抗噪重建网络的设计与训练

将光子计数技术与单像素成像结合的单光子压缩成像方法具有成本低、灵敏度高的特点,但该方法使用传统压缩重建算法时重建时间长。基于深度学习的压缩重建网络不仅实现了快速重建,而且可获得更好的重建质量。最近用于单像素成像的压缩重建网络主要基于光探测器工作在模拟方式,采用无噪声或带有加性高斯白噪声的系统仿真数据进行训练。对此,建立了单光子压缩成像系统噪声模型,提出了一种用于单光子压缩成像的抗噪声重建网络(RN)训练方法,使用含有泊松噪声的测量值仿真数据对神经网络进行训练,并搭建单光子压缩成像系统进行验证。实验结果表明,RN能明显提高各种已有压缩重建网络的图像重建质量。在此基础上,提出了一种用于单光子压缩成像的抗噪重建网络(RPN-net),该网络采用跨越式连接结构与阶段式训练方法,实验结果表明其重建性能优于现有的压缩重建网络。

智能光子计数单像素显微成像系统

设计并验证了一套智能光子计数单像素显微成像系统。物品经显微物镜成像在数字微镜(DMD)上,加载一系列掩模到DMD上对像进行调制,调制后的光强由无空间分辨的单光子探测器进行探测,然后利用深度学习网络重建图像。利用Zynq平台的可编程逻辑端精确的多路时序控制性能实现DMD偏转和光子计数,同时利用平台内嵌的Arm处理器实时部署深度学习重建网络,实现DMD偏转控制、光子计数和网络重建功能的集成软硬件协同工作,具有集成度高、轻便和成本低的优势。实验结果表明:Zynq上实现DFC-Net的图像重建质量在低采样率下优于经典的TVAL3重建算法;增加测量次数可获得高质量的重建图像,但应确保每次测量的时间足以抑制泊松散粒噪声。