基于深度跳跃级联的图像超分辨率重建

针对模型VDSR(very deep super resolution)收敛速度慢,训练前需要对原始图像进行预处理,以及网络中存在的冗余性等问题,提出了一种基于深度跳跃级联的单幅图像超分辨率重建(DCSR)算法。DCSR算法省去了图像预处理,直接在低分辨率图像上提取浅层特征,并使用亚像素卷积对图像进行放大;通过使用跳跃级联块可以充分利用每个卷积层提取到图像特征,实现特征重用,减少网络的冗余性。网络的跳跃级联块可以直接从输出到每一层建立短连接,加快网络的收敛速度,缓解梯度消失问题。实验结果表明,在几种公开数据集上,所提算法的峰值信噪比、结构相似度值均高于现有的几种算法,充分证明了所提算法的出色性能。     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。     

一种鲁棒性强的OFDM 水声通信系统*

为了在不同衰落水声信道下实现正交频分复用水声通信,该文提出了一种鲁棒性强的正交频分复用水声通信方案,方案包括编码调制、信道估计和多普勒估计等内容。为了使该系统更稳健,整个信道编码分为两个步骤。首先,循环冗余校验编码器和里德-所罗门编码器用于编码整个数据包,然后循环冗余校验编码器和Turbo 编码器用于编码每个数据帧,其中比特交织编码调制技术用来对抗信道的时变特性。为了得到水声信道估计,使用线性最小均方误差估计器来处理导频数据得到信道估计值。多普勒估计包括帧的多普勒估计和符号的多普勒估计。实验结果表明该系统在不同的衰落信道下都能实现正确的跟踪和译码,系统的鲁棒性能优越。此外,该系统算法计算简单,易于实现,具有良好的工程应用价值。     

利用水平阵模态域波束形成判别声源深度*

针对近水面声源和水下声源的深度判别问题,根据近水面声源难以激发低阶模态的物理现象,研究利用声源波数谱结构和波数位置的不同来分辨近水面声源和水下声源。通过采用MVDR的谱估计方法进行模态域波束形成,补偿水平阵各阵元之间各号简正波的相位差,获得主瓣窄、旁瓣低的声源信号波数谱。波数谱的波数位置与频率呈近似线性关系,水中声速剖面、海底参数、海深都会影响波数谱的具体结构和位置。此外,声源信号的到达角估计误差同样也会影响波数谱主瓣的位置估计。数值仿真结果表明,在浅海负跃层声速剖面条件下,可利用水平阵模态域波束形成判别声源深度,区分近水面声源和水下声源。     

GRCA(1)模型中误差方差自加权估计的渐近分布

考虑随机系数自回归模型Y_t =Φ_ty_t-1+ u_t,其中 Φ_t为随机系数,u_t为随机误差。在允许Φ_t与u_t相依以及Eu_t无穷的条件下,构造了误差方差的自加权估计,并证明了该估计的渐近正态性。最后通过数值模拟,说明 自加权估计的稳健和有效性。     

基于密集连接结构的超分辨精简网络

近年来, 随着深度神经网络的发展并被应用在超分辨领域, 图像超分辨率重建的效果得到了明显的提升。但是之前的工作大都把精力放在如何设计深度模型来提高重建的效果上, 而忽视了设计模型需要大量参数与计算量这一问题, 严重制约了深度学习方法在图像超分辨率重建方面的实际应用范围。针对该问题, 基于密集连接结构设计了一种新的网络。在以下3个方面进行了算法改进:1)提出了一种基于密集连接结构的新模型; 2)加入1×1卷积层作为特征选择层, 同时进一步减少计算量; 3)探讨了通道数量与重建精度、计算量之间的关系。实验结果表明本文提出的模型取得了与其他卷积神经网络模型相近的复原精度, 同时计算速度只有之前最快深度模型FSRCNN的一半以下。     

压缩光场重建与深度估计

针对光场深度估计过程中数据量大、边缘处深度估计结果不准确问题,利用压缩感知原理重建光场,提出一种新的多信息融合的光场图像深度估计算法。利用压缩感知重建算法重建5×5视角光场数据,获取光场数据后首先移动子孔径实现重聚焦,然后利用角度像素块散焦线索和匹配线索计算出场景初始深度和置信度。计算图像边缘信息,通过融合初始深度、置信度、边缘信息获取最终深度。实现压缩光场仿真重建,并对仿真光场数据和公开光场数据进行深度估计,实验结果表明:可以仿真重建出5×5视角光场数据,且仿真重建的光场可用于深度估计。该深度估计算法在场景边缘处的深度估计结果边界清晰,层次分明,验证了重建光场深度估计的可行性与准确性。     

基于真实情境的深度学习——以研究木耳中铁含量为例

教师创设研究木耳中铁含量的课题,引导学生充分利用已经学习过的铁单质、铁的氧化、铁的检验等知识及溶解、过滤等实验技能,通过在真实背景下自觉地进行研究并解决问题,在实践中学习新知识和新方法,将课本上的浅表性知识批判性吸收,有效提升学生对知识的理解与应用能力。     

臭氧氧化深度处理印染废水改造工程实例

采用"前物化-水解酸化-好氧"组合工艺处理高浓度印染废水,新增臭氧氧化工艺进行深度处理,进一步提高废水处理效率。经调试运行结果表明,新增工艺使系统出水COD_(Cr)从100mg/L降至70 mg/L,SS从50 mg/L降至28 mg/L,色度从100倍降至36倍,排放水质达到《纺织染整工业水污染物排放标准》GB 4287-2012的排放标准。通过实际运行表明该系统深度处理的出水水质稳定性好,处理效率高。     

一种非本征光纤法布里-珀罗传感器的信号解调算法

给出了一种基于均方误差估计的非本征光纤法布里-珀罗(EFPI)传感器的腔长解调算法。在参量估计方面, 均方误差将估计子的方差和偏差结合在一起, 具有更高的估计精度和准确度。如果给出某一个真值的一系列估计子, 则具有最小均方误差的估计子比其他估计子更为有效。在非本征光纤法-珀传感器的腔长解调方面, 则实际腔长对应于腔长均方误差估计取最小值时的腔长估计子。对一个非本征光纤法-珀压力传感器的测试结果表明, 腔长解调分辨率为0.18 nm, 对应的压力分辨率可达2.99 kPa。与传统的解调算法相比, 通过该算法可在较宽的动态范围内获得高的解调分辨率, 并实现绝对腔长的解调。