基于结构组全变分模型的图像压缩感知重建

针对基于传统全变分(TV)模型的图像压缩感知(CS)重建算法不能有效地恢复图像的细节和纹理,从而导致图像过平滑的问题,该文提出一种基于结构组全变分(SGTV)模型的图像压缩感知重建算法。该算法利用图像的非局部自相似性和结构稀疏特性,将图像的重建问题转化为由非局部自相似图像块构建的结构组全变分最小化问题。算法以结构组全变分模型为正则化约束项构建优化模型,利用分裂Bregman迭代将算法分离成多个子问题,并对每个子问题高效地求解。所提算法很好地利用了图像自身的信息和结构稀疏特性,保护了图像细节和纹理。实验结果表明,该文所提出的算法优于现有基于全变分模型的压缩感知重建算法,在PSNR和视觉效果方面取得了显著提升。     

局部阴影下最大功率点追踪技术应用

为了降低电能损耗、提高利用率,将光伏系统中局部阴影下最大功率点追踪(MPPT)技术的跟踪精度和速度提高就显得很必要。文章首先综述了光伏系统处于局部阴影情况下的算法及其优缺点。其次,综述了太阳能电池的数学模型。再次,对以粒子群算法为例的群体智能优化算法进行了分析。最后,指出了局部阴影下全局最大功率点追踪(GMPPT)的发展方向。     

具有可解释性的OFDM雷达信号识别方法

针对目前正交频分复用(OFDM)雷达信号识别方法存在的问题,提出了一种具有可解释性的OFDM雷达信号识别方法。该方法是通过基于树结构的流程优化(TPOT)和与模型无关的局部可理解的解释性(LIME)相结合对OFDM雷达信号进行识别。针对OFDM雷达信号特性提取了复杂度特征和基于时频图矩阵的奇异值熵,组成特征向量;通过TPOT,得到表现最佳的机器学习流程;通过“解释器”解释预测结果,对识别结果做出是否识别正确的风险评估,同时可根据OFDM雷达信号的解释性,得到哪些信号不易区分。实验表明,该方法对信噪比为0 dB时的OFDM雷达信号的识别率达91%,通过LIME给出的解释性可以判断数据集中不易区分的雷达信号类型。     

部分子孔径缺光对夏克-哈特曼波前传感器波前复原的影响

对比研究缺光子孔径斜率置零复原法和缺光子孔径去除复原法的波前复原误差。首先研究了单子孔径缺光的情况,分析表明:缺光子孔径斜率置零法的波前复原误差呈现随子孔径中心相对全口径中心的半径的增大而增大的规律,即孔径中心部分的缺光子孔径的复原误差小,孔径边沿缺光子孔径的复原误差大;而缺光子孔径去除法的波前复原误差在孔径上分布比较均匀并且较小。缺光的子孔径数目增加后,波前复原误差也随之增加。对比研究了多子孔径缺光的情况,结果表明缺光子孔径去除复原法虽然计算量大,但波前复原误差要小得多。     

基于影响力与种子扩展的重叠社区发现

社区发现作为复杂社交网络中一个重要的研究方向.针对目前基于种子节点的算法在种子选取与扩展等方面的不足,提出了一种基于影响力与种子扩展的重叠社区发现算法（Influence Seeds Extension Overlapping Community Detection,简称i-SEOCD算法）.首先,利用节点影响力策略找出具有紧密结构的种子社区.其次,从这些种子社区出发,计算社区邻居集节点与社区的相似度,并取出相似度超过设定阈值的节点.然后,采用优化自适应函数的策略来扩展社区.最后,对网络中的自由节点进行社区隶属划分,进而实现了整个网络的重叠社区结构挖掘.在真实社交网络和人工生成网络上实验表明,i-SEOCD算法能够准确、快速地发现复杂网络中的重叠社区结构.     

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.     

低载噪比条件下小型无人机直扩信号的快速粗同步设计

在小型侦察型无人机军事应用领域,一般扩频信号的粗同步技术已经难以达到目前低速低动态低载噪比的作战需求,本文针对该应用需求,设计了一种适用于小型侦察无人机直扩信号粗同步的二次FFT与自相关累积结合的方法,在低载噪比条件下相关峰明显,不受残留载波和累积时间影响,底噪干扰小,频偏估计准确,有效保障小型无人机低载噪比军事应用上的信号接收稳定性。