交织类型盲识别方法

交织技术在抵御信道衰落引起的突发错误方面发挥着重要作用,在通信系统中得到了广泛应用,使得交织盲识别成为信道编码识别的重要内容。针对非合作情况下的交织类型盲识别问题,提出一种基于序列码重特性分布的识别方法。该方法通过分析分组交织序列和卷积交织序列的码重分布特性,利用两种序列的实际码重分布概率与二项分布概率之间的欧几里德距离作为特征参数来识别序列的交织类型。仿真结果表明该方法能在较高误码率下实现交织序列类型的盲识别。     

次线性期望下的一般中心极限定理

受Peng-中心极限定理的启发,本文主要应用G-正态分布的概念,放宽Peng-中心极限定理的条件,在次线性期望下得到形式更为一般的中心极限定理.首先,将均值条件E[X_n]=ε[X_n]=0放宽为|E[X_n]|+|ε[X_n]|=O(1/n);其次,应用随机变量截断的方法,放宽随机变量的2阶矩与2+δ阶矩条件;最后,将该定理的Peng-独立性条件进行放宽,得到卷积独立随机变量的中心极限定理.     

基于深度学习的窃电行为检测方法

相较过去大部分针对专变和公变的窃电检测方法,文中针对群体数量庞大、窃电手段复杂多样的低压用户进行窃电行为的检测分析。首先建立特征工程,然后基于卷积神经网络Le Net-5模型对日用电量数据进行建模分析,筛选出异常用电模式,再采用双层深度网络对用户信息、台区线损、告警信息等数据进行综合分析。通过比对模型输出的分级窃电嫌疑清单,本文方法对各类窃电模式有很好的查准率,为精确抓获窃电奠定了基础。     

深度全卷积网络对MRI膀胱图像的分割

大多数膀胱癌患者的膀胱肿瘤组织和膀胱壁组织互相渗透，各自的大小、形状变化多样，位置不固定，且膀胱MRI（Magnetic Resonance Imaging）图像中存在复杂的噪声和伪影，这使得将肿瘤和膀胱壁两者精确分割出来为下一步治疗进行诊断和定量分析成为难题。文中提出一种以U-net作为基础网络框架的深度全卷积网络，用残差网络子模块代替普通的卷积层进行下采样，通过空洞卷积来提取特征图不同感受野的信息，从而对不同尺度的特征图进行并行分支下采样。针对数据集小的问题，提出对图像加入高斯噪声、调节亮度和各向异性扩散滤波三种方法来进行数据扩增。实验结果表明，文中提出的方法对肿瘤分割的DSC（Dice similarity coefficient）值达到了0.9058，对膀胱壁分割的DSC值达到了0.9038，能够达到很好的分割效果。      

地表高程对大气CO2反演的影响

从大气辐射传输模型正演和反演两个角度,探究CO_2观测时地表高程的敏感性。SRTM地表高程数据表明,在北京附近的平原地区,卫星指向不准导致的地表高程均值的误差较小,在偏移量为0.1～10.0km的情况下,误差极大值约为10m;而在北京附近山区以及平原与山区交界区内,地表高程均值的误差较大,误差极大值分别为713.98,515.61m。CO_2反演结果表明:高程值每变化100m,CO_2柱浓度偏差为3.29×10~(-6);在大气CO_2高精度反演中,地表高程偏差是一个关键因素。