一种应用于目标宽带RCS快速计算的高效预处理技术

矩量法常与渐近波形估计技术结合用于目标宽带雷达散射截面的快速计算,然而当目标为电大尺寸时,此种方法仍然十分耗时。该文使用一种基于可变内外迭代技术的Krylov子空间迭代法FBICGSTAB求解由电场积分方程离散得到的大型稠密矩阵方程。同时近场矩阵预处理技术将与双阈值不完全LU分解预处理技术结合用于降低FBICGSTAB的迭代求解次数。数值计算表明:在不影响精度的前提下,该文方法可以大大提高目标宽带雷达散射截面的计算效率。

计算机专业数字图像处理双语课程的“主题式”教学

针对计算机专业数字图像处理双语课程的现状,围绕"主题式"教学模式,从教材的选取、课程的开设、教师的遴选、实验的安排及考核方式5个方面提出具体的教学改革方案。

基于RFID矿井斜坡道交通信号监控系统的故障处理方案

在简单介绍矿井斜坡道交通信号监控系统的基础上,分析了该系统的故障处理方案,为数据处理终端提供准确的资料,保证了系统正常运行。目前该系统已经投入使用,具有很好的行业示范价值。

基于矩阵的粗糙集近似集快速计算算法

在粗糙集理论中,上、下近似集的计算是核心问题。矩阵能提供一种高效的方法来计算粗糙集模型中概念的上、下近似集,但是在目前的矩阵方法中,论域中每个对象都要与论域中全部对象进行运算,从而导致较大的时间代价。为提高使用矩阵计算近似集时的效率,提出一种快速计算上、下近似集的矩阵方法。对于一个给定的概念,基于概念的外延和概念补集的外延构建一个局部关系矩阵,对局部关系矩阵和单位矩阵进行矩阵运算得到正域和边界域布尔矩阵,对局部关系矩阵的转置和单位矩阵进行矩阵运算得到负域和边界域布尔矩阵。在该矩阵方法中,只需要根据局部关系矩阵就可以计算近似集,即论域中每个对象不必和论域中全部对象进行运算就可以被划分到相应的区域,使得算法的运算次数相比传统矩阵算法大幅减少,从而降低时间成本。在8个公开数据集上的实验结果表明,与4种传统的矩阵算法相比,该矩阵算法的运行速度至少提升70%,可以有效提高近似集计算效率。

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。

面向风格多样化的多对多语音情感转换

针对现有基于生成对抗网络的语音情感转换仍然存在情感分离不明显,且转换后的语音情感缺乏多样性问题,提出了一种面向风格多样化的多对多语音情感转换方法。该方法基于一个双生成器结构的生成对抗网络模型,通过对不同生成器的中间编码进行一致性损失约束确保语音内容和说话人特征具有一致性,以提升转换后语音情感与目标情感的相似性。此外,该方法通过情感映射网络和情感特征编码器为生成器提供同类情感的多样化情感表征。实验结果表明,所提情感语音转换方法得到的语音情感更接近目标情感,且情感样式更加丰富。

质量感知的多目标云制造服务组合优化算法

云制造服务组合问题往往存在多个优化目标且各目标权重难以事先确定,为了显著提高进化算法在求解过程中的种群多样性,并有效平衡进化算法的全局与局部搜索能力,提出一种基于自适应选择和反向学习策略的进化算法,同时优化时间、成本、可靠性、可用性和信誉度。首先为了缩短求解组合方案的时间,采用K-means方法基于服务质量对候选服务进行聚类,去除质量较差的服务;然后采用反向学习策略提高全局搜索性能,再通过选择策略和概率更新策略有效平衡算法的全局与局部搜索能力;最后与4种先进算法进行实验对比表明,所提算法具有更好的综合性能。

基于准连续域束缚态的强圆二色性超表面

连续域束缚态最初是在量子力学中发现的,它是一种可保持局域化的波动现象.这种效应已在各种材料系统中得到广泛研究,包括压电材料、石墨烯和光子晶体.本工作提出了一种由中断的环形槽组成的四重旋转对称硅超表面.通过同时打破晶胞的面内反转对称性,实现了具有高品质因子和显著手性的准连续域束缚态.通过对动量空间中拓扑荷的研究,揭示了由超表面的内部共振机制产生的准连续域束缚态的独特拓扑特征.在合适的对称破坏下,具有平面内对称破坏的四重旋转对称超表面表现出–0.93的强圆二色性,并且其显示出了在对称破坏较大时的强圆二色性.这项工作所取得的成果在手性生物传感器和低阈值激光器等领域具有广阔的应用前景.

基于混合相位的多平面全息显示

在计算全息术中,基于层析法实现多平面全息显示是最常用的方法之一。针对层析法中多个平面之间存在串扰的问题,本文结合随机相位和二次相位的优点,提出了一种基于混合相位的多平面全息显示方法。首先,选择合适的权重因子生成混合相位代替随机相位作为初始相位。利用迭代傅里叶变换算法进行迭代后,将获得的每个子全息图与具有不同重建距离的菲涅尔波带片叠加,接着将每个全息图以复振幅叠加,获取相位后得到纯相位全息图,从而将分层图像重构于指定的平面上。利用硅基液晶空间光调制器搭建多平面全息显示系统开展了相关的光学实验。实验结果表明,与基于随机相位的方法相比,本文方法提高了结构相似性参数(最高可达4.6%),减弱了多个全息重构平面之间的串扰,提高了多平面全息显示的再现质量。

学习困难与泛化能力感知的软件缺陷预测过采样方法

软件缺陷数据的类别分布不平衡特点给软件缺陷预测任务带了巨大的挑战。合成过采样是解决这一问题最为主流的技术,但如何设计合适的采样策略避免因引入异常样本而导致的过度泛化风险,始终是软件缺陷预测过采样方法面临的难点。针对这一问题,本文提出一种结合样本学习困难程度和合成泛化影响的过采样方法(GDOS)。具体来说,GDOS方法通过样本的局部先验概率和潜在合成方向上的样本分布信息衡量样本的安全系数与泛化系数,并以此度量样本的选择权重。通过抑制潜在过泛化区域的样本合成概率,给予相对安全的近邻合成方向更高的选择概率,为高质量样本的合成提供保障。在26个PROMISE数据集上的实验表明,GDOS在MCC、pd、pf、F-measure等指标上较于经典的采样方法和专门提出的软件缺陷预测采样方法均取得了更优的性能表现。

基于多尺度小波包启发卷积网络的旋转机械故障诊断

在工程实践中,旋转机械故障诊断常面临噪声干扰、故障样本稀缺以及工况变化等各种复杂情况,这给先验知识缺乏的数据驱动深度学习方法应用带来了新的挑战。传统基于小波分析的故障诊断方法可提取到故障丰富的先验知识,但固定(结构化)或单一的小波基难以直接适应复杂故障场景。针对上述问题,在传统多尺度小波包分析思想启发下,提出一种基于多尺度小波包启发卷积网络(multiscale wavelet packet-inspired convolutional network, MWPICNet)的端到端旋转机械故障诊断方法。MWPICNet在神经网络内部实现了时频域转换与滤波降噪、特征提取与分类过程的有机耦合。首先,通过交替使用多尺度小波包启发卷积层和软阈值激活层进行信号分解和非线性变换,逐层挖掘多尺度时频故障特征和过滤噪声冗余信息,该过程的多次迭代可近似视为小波包阈值去噪算法在多个可学习滤波器和可学习阈值下的多层深度展开;然后,设计频带加权层动态调整各频带通道的权重;最后,引入全局功率池化层提取有助于故障状态识别的判别性频带能量特征。在三种不同应用场景下分别采用对应的机械故障数据集进行案例研究,验证了所提模型在复杂故障场景下的可行性和有效性。

基于前景理论的软件缺陷预测过采样方法

在软件缺陷预测中,数据困难因子对预测性能的影响比类不平衡更为明显。然而,大多数现有软件缺陷预测过采样方法在解决类不平衡问题过程中,忽视了软件项目数据集固有的数据困难因子,从而导致预测性能不佳。针对上述问题,提出一种基于前景理论的过采样算法(POS)。POS同时考虑局部邻域中同类和异类样本的影响来评估少数类样本的学习难度,通过基于引力的策略构建同类收益和异类损失来刻画样本的前景值,并强调异类损失来计算少数类样本的采样权重,以此降低引入数据困难因子的风险,提高合成样本的质量,进一步提升预测性能。在NASA数据集上的实验结果表明,POS算法在AUC、balance和G-mean等性能指标上均有所提升,具有更好的缺陷预测性能。

滑动窗累积量的递推估计算法及其在语音端点检测中的应用

提出了一种滑动窗累积量的递推估计算法并应用于语音端点检测中,用以解决传统端点检测方法在噪声环境下检测性能变差的问题。在对含噪语音信号进行加窗之后,利用滑动窗累积量的递推估计算法估计含噪语音信号的高阶累积量值,并在此基础上结合能量特征进行语音端点检测。实验结果表明,所提滑动窗累积量递推估计算法相比较传统高阶累积量计算方法运算效率明显提高;所提端点检测算法在不同噪声和信噪比环境下相比较G.729b算法点正确率Pc-point值平均提升了6.07%。基于滑动窗高阶累积量的语音端点检测算法具有较高的运算效率及良好的鲁棒性。

一种数字视频测试信号设计的新方法

为充分表征数字视频测试信号的特性,便于新型数字视频测试信号的设计和系统开发,文章依据电视原理色度图的定义,给出了一个与亮度、色调和饱和度相关的数字视频测试信号设计方法;以及部分典型测试信号的设计示例和实验结果。该方法运算关系简单,可满足不同亮度、色度模长和相位测试信号的设计要求。

保护私有信息几何对象的相对位置计算

为了探讨在保护参与方隐私前提下,空间几何对象之间的相对位置计算问题,该文在半诚实模型下,基于点积协议,提出了向量夹角协议和向量差比值协议,在此基础上,给出了判定线、线相对位置的新方法,构建了空间线、面夹角计算协议及线、线距离计算协议.给出了协议的正确性证明,并对其安全性和复杂度进行了理论分析.分析结果表明,所提方法调用点积运算和秘密比较运算的次数少于现有方法,有效降低了协议计算复杂度,可用于解决其他更多的安全多方计算几何问题.

应用DWT-GMRES方法快速计算二维电大介质目标RCS

运用内外等效原理对更具普遍性的有耗与无耗电大介质目标电磁散射特性进行了分析,并应用Daubechies离散小波变换,结合广义最小余量法对平面波照射的二维电大介质目标的雷达散射截面进行了计算。将其结果与传统矩量法和解析解进行了比较,结果表明:在不影响精度的前提下,尤其是对电大目标,该方法在降低计算复杂度,节约存储空间等方面具有明显优势,并可将其推广至其他介质体的散射分析中。

卷积噪声环境下语音信号鲁棒特征提取

提出了一种基于独立分量分析(ICA)的语音信号鲁棒特征提取算法,用以解决在卷积噪声环境下语音信号的训练与识别特征不匹配的问题。该算法通过短时傅里叶变换将带噪语音信号从时域转换到频域后,采用复值ICA方法从带噪语音的短时谱中分离出语音信号的短时谱,然后根据所得到的语音信号短时谱计算美尔倒谱系数(MFCC)及其一阶差分作为特征参数。在仿真与真实环境下汉语数字语音识别实验中,所提算法相比较传统的MFCC其识别正确率分别提升了34.8%和32.6%。实验结果表明基于ICA方法的语音特征在卷积噪声环境下具有良好的鲁棒性。

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高。通过在Cloud Sim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力。

一种基于结构相似性的图像信号设计方法

文章为了表征具有结构相似性的数字图像测试信号,依据空间向量分解和合成原理,采用向量范数和夹角等参量,给出一种与空间结构相似性相关的测试图像设计方法,以及对应的设计实例和实验结果。该方法丰富了信号设计的类型,有利于结构相似性的标准测试信号的建立,以及结构化图像质量评价实验的考察。

噪声谱估计算法对语音可懂度的影响

噪声谱估计是单通道语音增强算法的关键步骤,当前大部分语音增强算法旨在提高语音质量,提高语音可懂度的算法却很少。在传统的单通道语音增强算法中,语音质量的提高往往是以牺牲语音的可懂度为代价的。对目前主流的几种噪声谱估计算法对语音可懂度影响进行分析。在不同噪声背景、不同信噪比情况下进行噪声谱估计,并采用谱减法对含噪语音信号作去噪处理,对比分析不同噪声、不同信噪比下增强前后语音的短时客观可懂度(Short-Time Objective Intelligibility,STOI)值,最后根据信噪比,对比分析了不同噪声环境下,语音增强前后语音能量高于噪声能量的时频块所占比例。实验表明,相比其他噪声估计算法,最小统计(Minima Statistics,MS)算法由于保留了更多的以语音能量为主的时频块,使得去噪后的语音有较高的可懂度。