引入注意力机制的视频声源定位

在日常生活中视觉事件通常伴随着声音的产生。这表明视频流与音频之间存在某种潜在的联系,本文称之为音视频同步的联合表达。本文将视频流与音频融合并通过训练所设计的神经网络预测视频流和音频是否在时间上同步来学习这种联合表达。与传统音视频信息融合方法不同,本文引入注意力机制,利用视频特征与音频特征的皮尔森相关系数在时间维度和空间维度同时对视频流加权,使视频流与音频关联更加紧密。基于学习到的音视频同步的联合表达,本文进一步利用类激活图方法进行视频声源定位。实验结果表明,所提出的引入注意力机制的音视频同步检测模型可以更好地判定给定视频的音视频是否同步,即更好地学习到音视频同步的联合表达,从而也可以有效地定位视频声源。      

基于K-S检测的SAR图像灰度压缩性能评估

根据灰度压缩前后图像直方图间的形态差异,提出一种衡量各种合成孔径雷达(SAR)图像灰度级压缩算法性能的两步检验方法。首先,基于柯尔莫哥洛夫-斯米尔诺夫(K-S)检测原理,在给定置信界限下,选出压缩后图像分布与原始分布满足一致性的算法。其次提出等效均值偏量、等效方差偏量、等效偏态差三个检验指标,对经第一步选择出的方法做进一步定量评价,从而得到最终的算法性能检验结果。计算机仿真表明,该方法能有效衡量压缩前后图像灰度分布函数间的形态差异。     

从稀疏到结构化稀疏:贝叶斯方法

稀疏分解算法是稀疏表达理论和压缩感知理论中的核心问题,也是当前信号处理领域的一个热门话题。近年来,研究人员发现除了稀疏以外,如果引入稀疏系数之间的相关性先验信息,可以大大提高稀疏分解算法的精度,这种方法称为“结构化稀疏分解算法”。本文归纳和总结了从稀疏到结构化稀疏的信号模型,并且介绍了两种不同的贝叶斯稀疏（或者结构化稀疏）算法,以及从稀疏到结构化稀疏贝叶斯稀疏分解算法的扩展。同时,本文还介绍了结构化稀疏分解算法在医学信号处理和语音信号处理中的应用。      

联合时域和时频域特征的数字调制信号自动分类

针对ASK、PSK、QAM、FSK、MSK、LFM、OFDM信号的调制分类问题,在无任何先验知识的条件下,本文提出了一种基于模糊函数域、Choi-William分布时频域和时域特征的自动分类算法。该算法首先提取信号在不同域上的特征,然后通过主成份分析法降维去除特征之间的冗余信息,再利用支持向量机分类器实现信号分类。为评估算法性能及优点,本文在不同信噪比和调制信号参数条件下,做了一系列仿真实验,并将本文算法与其他分类识别算法进行了对比。最后结果验证了本文算法的可行性和有效性,以及在低信噪比条件下较好的鲁棒性。      

结构性稀疏阵列多信道联合估计

多信道估计时,如果利用信道的稀疏性和多信道的相关性,可以提高信道估计性能。本文利用阵列信道的结构性稀疏特性,提出了一种多路分组稀疏LMS算法(Group Sparse LMS,GS-LMS)。该算法将多路信道作为一个整体同时进行自适应信道估计,通过引入Ι_2,1范数,将结构性稀疏先验引入到稀疏LMS算法的代价函数中,导出新的滤波器权系数更新公式。仿真结果表明了在不同信道条件下,本文算法的稳态误差性能明显优于若干现有的稀疏LMS算法。      

SAR图像恢复的迭代方法

从图像恢复的迭代处理原理出发，针对简单的迭代方法中诸如每次的恢复误差在迭代过程中不断反馈与积累从而造成恢复图像的严重失真等问题，提出了一种新的迭代处理方法。新方法从每次迭代的恢复结果中提取新的信息，然后将该新信息和以前的恢复结果进行信息传递，并在此基础上设置了一个用于调节最终迭代结果的平滑程度的参数，使新仍 的灵活性，新方法对真实SAR图像的处理结果表明该方法有效的克服简单迭代方法中的误差积累以及迭代结果不收敛等不足。     

信源-信道联合编码技术在移动通信中的应用

针对移动信道的特点，分析了移动通信中信源与信道独立编码的局限性和联合编码研究的必要性，列举了几种常用的联合编码技术，对联合编码技术研究现状和发展进行了详细的评述，结合Turbo码技术指出了联合编码方法是进一步优化多媒体移动通信系统性能的出路之一。     

降低OFDM符号峰均比的自适应交织方法

针对正交频分复用（OFDM）系统传输的符号具有很高峰值平均功率比的问题，提出了一种自适应交织方法，该方法采用门限控制技术，对经过K-1路交织器后符号的峰均比进行白适心控制，将待传输符号的峰均比降低至特定门限下，致使某些传输符号的峰均比小会出现最佳状态，但均满足峰均比门限，以提高很小的峰均比（≤0．5dB）作为代价，达到降低系统复杂度并且有效降低OFDM符号峰均比的目的．仿真试验结果表明：采用自适心交织万法比传统K-1路交织器方法町减少使用60％以上的交织器，同时可使OFDM系统传输符号的峰均比降低2．5dB。     

评价滤波算法的SAR图像模拟

提出了一种简单的基于统计模型的SAR(合成孔径雷达)图像的模拟的算法．该算法首先根据自然场景(如海面、场地和森林等)的统计模型产生相关的Gamma分布，得到场景的后向散射系数图；然后根据乘法模型引入斑点噪声，得到复数的后向散射系数图；再将点面目标的后向散射系数叠加在后向散射系数图上；最后将该复数图像通过一个由SAR系统的系统传输函数定义的滤波器生成模拟的SAR图像．计算机模拟结果表明，该方法与以前的模拟算法比较，不仅能真实地反映SAR图像的特征，而且计算简单，为检验滤波算法提供了有力的工具．