声目标分类识别中的噪声去除方法

声信号在传播过程中,常常受到环境噪声(背景噪声)和传输信道的影响,去除各类噪声是对声目标辐射的信号进行特征分析和分类决策的重要基础,也是提高分类识别率的关键环节之一.综合分析和比较了常用的去除加性噪声和卷积噪声的各种方法.     

改进的多尺度火焰检测方法

网络层数的加深会造成对火焰目标深层特征细节信息表征能力减弱,同时提取了低相关度的冗余特征,导致火焰识别精度不高.针对该问题,提出了一种基于改进Faster R-CNN的火焰检测方法,以提高在深层网络下的火焰识别精度.首先利用ResNet50网络提取火焰特征,并添加SENet模块降低火焰目标冗余特征;然后将深层特征和浅层...     

融合注意力与FCN的图像修复取证

图像修复检测是数字图像取证领域中一个非常具有挑战性的问题,为了使图像在被修复后依然保持视觉上的光滑性,常用基于样本块的修复方法来填充被篡改部分。本文提出一种融合注意力机制与全卷积神经网络(Full Convolution Network, FCN)的图像修复取证方法,首先对修复图像进行深度特征提取,再对最终的特征图进行权值分配,以获取最有效的特征图,提高检测效果。为了验证本文方法的可行性,创建了一个修复图像数据库,并通过不同性能指标来评估所提出取证网络的性能。     

多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法

针对轴承故障诊断模型输入信息单一,且变负载、噪声工况下诊断精度受限的问题,提出一种多尺度卷积神经网络结合自注意力特征融合机制(SA-MCNN)的故障诊断方法。该方法首先使用不同核大小的卷积层并行提取振动信号的多尺度信息后,采用自注意力特征融合机制,为并行的多尺度特征加权融合;最后根据融合后的特征,区分轴承的健康状态。实验结果表明,与其它故障诊断模型相比,SA-MCNN模型能够根据多尺度信息有效捕捉高质量的状态特征,在跨负载工况和噪声工况下表现出强鲁棒性。     

一种基于CNN的混叠光谱解调算法及FPGA实现

为了解决光纤布拉格光栅(FBG)传感网络的光谱信号混叠问题,基于现场可编程门阵列(FPGA)提出了一种利用卷积神经网络(CNN)模型的混叠光谱信号解调算法,并对其进行硬件实现与加速。通过对模型参数进行定点数量化,压缩网络模型的存储空间,提高FPGA中DSP资源的利用率;利用循环展开和数组重排等硬件优化方法,提高了系统实时性,确定了算法的并行计算方案。研究结果表明,在100 MHz的时钟下,测试集解调精度为1.19 pm,推理速度为每帧14.96μs,光谱解调速率为60 kHz,对于FBG混叠光谱信号解调具有较高的精度和速率。     

信号分离的优化分析

对输入信号的反演问题进行了分析,并给出了反演输入信号的数学优化模型和计算方法,在存在噪声情况下仿真结果表明,该方法是可行而且是实用的。     

"数字信号处理"中分段滤波的教学探讨

分段滤波是"数字信号处理"课程重要的知识点和难点之一,它有两种实现方法:重叠相加法和重叠保留法.针对现有教材和课堂教学中从循环卷积与线性卷积关系出发讨论重叠相加法和重叠保留法的局限性,本文从滤波器的瞬态响应和稳态响应出发,阐述重叠相加法和重叠保留法如何保证各段滤波输出的连续性,并讨论了重叠相加法和重叠保留法各段线性卷积与圆周卷积的关系,以及各段滤波输入/输出数据的关系,以帮助学生深入理解分段滤波的本质,达到学以致用.     

基于深度卷积神经网络算法改进

深度卷积神经网络在近年发展迅速,特别是在深度学习被提出来后。但在真实的人脸检测中,大的视觉变化,如背景,照明等,需要一种精确的判别模型来区分人脸和背景。于是,本文给出基于深度卷积网络算法的改进。     

基于混合残差密集网络的电路板红外图像超分重建北大核心CSCD

红外图像普遍存在分辨率低、细节模糊和视觉效果差的问题,使其难于直接应用在PCB故障诊断系统中。针对这一问题,本文提出了一种可充分利用红外图像层次特征的混合残差密集网络超分辨率重建算法。首先,使用卷积神经网络提取原始低分辨率图像的浅层特征信息;其次,设计多路径混合残差密集连接块,进一步提取更丰富的深层特征信息;最后,引入全局特征融合与残差学习自适应的学习并整合全局特征信息,应用转置卷积上采样完成红外图像的超分辨率重建。实验结果表明,本文算法能够有效提高重建后红外图像分辨率,使细节信息得到改善、视觉效果得到提升。基于公共/自建数据集得到的重建后图像峰值信噪比和结构相似性指标分别达到42.17 dB/39.32 dB和0.9503/0.9466,优于文中列举的双三次内插法、SRCNN和ESPCN模型,重建性能得到明显提高。     

光散射模型参量反演中的遗传模拟退火算法

为了研究遗传模拟退火算法在光散射模型参量反演中的迭代搜索性能问题,分别采用遗传模拟退火算法和单一遗传算法迭代搜索了几种介质的双向反射分布函数模型的相关参量.将两种算法的反演结果与在特定激光波长下的双向反射分布函数实验数据进行了对比,通过理论分析和实验验证,取得了两种算法所得到的拟合值,两种拟合值都与实验数据吻合得较好;同时比较了遗传模拟退火算法和单一遗传算法在迭代次数、计算时间和均方误差等之间的差异.结果表明,两种算法在不同介质表面双向反射分布函数模型参量反演时都可以得到满意的结果,且前者优化效果更优.这一结果对研究不同算法的迭代搜索性能是有帮助的.