弱硼掺杂补偿对氢化微晶硅薄膜制备与特性的影响

研究了弱硼掺杂补偿对甚高频等离子体增强化学气相沉积方法生长氢化微晶硅薄膜(μc-Si:H)及材料特性的影响.实验发现,随着弱硼补偿剂量的增大,μc-Si:H薄膜的沉积速率先减小后增加,变化范围约为0.7～0.8nm/s.相比较而言,材料的结晶度以及晶粒的平均颗粒尺寸则呈现出先增后减的变化,且变化的幅度较大,当弱硼补偿剂量大于2.5ppm时,过度的弱硼补偿将导致μc-Si:H薄膜的结晶状况恶化.此外,光敏性、暗电导及电导激活能的测量结果进一步表明,弱硼补偿显著影响μc-Si:H薄膜的光电特性,弱硼补偿剂量为2.5ppm左右时,材料的光电特性最为理想.因此,优化弱硼补偿剂量是获得器件级质量μc-Si:H材料的有效途径.     

语音增强算法的FPGA实现

介绍了语音增强谱减算法的原理,设计并实现了基于FreeDev公司Altera CycloneⅡ开发板的FPGA语音增强谱减算法片上实时系统。系统使用Altera提供的SOPC Builder及IP核进行硬件系统设计,在NiosⅡIDE开发环境下编写软件工程。实验结果表明,采用FPGA实现语音增强算法系统是有效的。     

多媒体信源编码在增强现实领域的最新标准化研究进展

阐述了多媒体信源编码在增强现实领域的标准化研究进展,介绍了ISO/IEC JTC1 SC29所做MPEG系列标准在此方面的贡献,及可行的应用.     

改进生成式对抗网络的图像数据集增强算法

针对现有深度学习中图像数据集缺乏的问题,提出了一种基于深度卷积生成式对抗网络(Deep Convolutional Generative Adversarial Network, DCGAN)的图像数据集增强算法。该算法对DCGAN网络进行改进,首先在不过多增加计算量的前提下改进现有的激活函数,增强生成特征的丰富性与多样性;然后通过引入相对判别器有效缓解模式坍塌现象,从而提升模型稳定性;最后在现有生成器结构中引入残差块,获得相对高分辨率的生成图像。实验结果表明,将所提方法应用在MNIST、SAR和医学血细胞数据集上,图像数据增强效果与未改进的DCGAN网络相比显著提升。     

增强现实技术在手机移动学习中的应用初探

增强现实是介于虚拟现实和真实世界之间的一种场景呈现,与虚拟现实相比,它更贴近于真实世界,而又在真实世界呈现的基础上增加炫“层”与其他场景相融合,带来更丰富的交互体验。随着网络带宽和手机技术的发展,增强现实技术与手机相结合,也给人们的移动学习带来了全新的体验。本文对增强现实的概念和技术进行了阐述,对增强现实技术在手机移动学习中的应用进行了展开说明,同时,论述了其应用中存在的问题和未来发展前景。     

基板支撑梢对TFT栅界面SiN_x和a-Si成膜特性的影响

采用等离子体增强化学气相沉积法(PECVD)制得氮化硅和氢化非晶硅薄膜,对PECVD设备中基板支撑梢区域的膜质进行了研究。结果显示基板支撑梢对氮化硅薄膜的影响是:基板支撑梢区域的膜厚(沉积速率)高于非基板支撑梢区域,氢含量及[SiH/NH]值高于非基板支撑梢;对氢化非晶硅薄膜的影响是:基板支撑梢区域的膜厚(沉积速率)小于非基板支撑梢区域,氢含量高于非基板支撑梢。并对成膜影响的机理进行了分析讨论。     

基于小波变换的全向图像分辨率增强方法

本文提出了一种基于小波变换的全向图像分辨率增强算法,根据全向图像成像的退化模型,利用小波系数的自相似性及其模的极值点在各层间的传递性,对全向图像丢失的高频成分进行补偿,结合对图像序列中的各帧进行融合的方法,达到分辨率增强的目的.实验结果显示这是一种有效的分辨率增强方法.     

大尺寸TFT-LCD电视的彩色和图像增强

最近几年,薄膜晶体管液晶显示器(TFT-LCD)技术取得了快速而显著的进步,其性能超过了PDP、CRT以及投影显示。毫无疑问,TFT-LCD已经成为高清电视应用的最佳实现方案。本文将介绍进一步增强大尺寸LCD电视的彩色和图像性能的技术。     

面向头肩序列图像的质量可精细扩展视频编码方法

FGS编码方法具有细粒度的可扩展能力,能很好地适应网络带宽的动态变化,被认为是一种适合于网络视频传输的编码方案.但现有的MPEG-4 FGS编码标准效率低,限制了其进一步的推广应用.因此,本文面向视频应用中常见的头肩序列图像,实现了一种质量可精细扩展的视频编码方法.该方法采用H.26L对基本层进行编码,采用基于DCT变换的SPIHT方法对原始图像与基本层重建图像之间的残差进行编码得到增强层的码流.然后将复杂背景下的人脸检测与跟踪技术与选择性增强技术结合起来,对人脸区域优先编码.实验结果表明,该方法不仅编码效率高于现有的MPEG-4 FGS标准,码流具有可精细扩展的特性,还可以选择性地提高人脸区域重建图像的主观感受水平.     

一种基于高斯分布模型的语音增强方法

对背景噪声的估计,关键是使算法能跟得上噪声变化,以及时更新噪声的估计值。为了增强对非平稳噪声的跟踪估计能力,在Imrca算法的基础上,提出了基于前向和后向最小值搜索相结合的改进算法。验证实验内容包括：用改进算法、原Imrca算法,基本谱减法对含同种噪声不同信噪比的含噪语音处理后,恢复出来的语音的对比;以及在低输入信噪比情况下,对加入babble噪声的含噪语音经改进算法、原Imrca算法、基本谱减法处理后,所得到的平均分段信噪比的对比。实验结果表明,该改进算法对含噪语音的处理效果要优于原算法,对含有非平稳的噪声的含噪语音,取得了较好的增强效果。