基于量子关联成像的图像重构算法采样数研究

量子关联成像技术采用单点强度探测,存贮信息量大,成像速度慢,需研究快速图像重构成像算法。对量子关联成像技术图像重构算法中的统计迭代法和压缩感知算法的采样次数进行了仿真分析,压缩感知算法采用二维离散余弦变换（DCT）将图像稀疏化,高斯随机矩阵作为测量矩阵,正交匹配追踪（OMP）算法对图像进行重构。结果表明：图像越大,重构图像需要的采样次数和采样时间越长,采用压缩感知算法能有效减少采样次数,从而提高系统成像速度。因此,研究量子关联成像的图像重构算法,减少图像的采样次数,对提高成像速度具有重要意义。     

分布式压缩感知联合重构算法

分布式压缩感知是用尽可能少线性测量值来表示一个联合稀疏信号。分布式压缩感知联合重构算法是以信号集中的某个信号为边信息,根据信号集中信号之间的相关关系来重构信号的算法。为了解决已有重构算法的复杂性以及减少重构算法所需的测量值数,提出了两种新的分布式压缩感知联合重构算法。对提出的两种新算法在信号和图像处理上进行了实验,验证了其可行性与先进性。结果表示,这两种联合重建算法在获取相同的图像质量时需要测量值更少。     

压缩感知在数字图像水印中的应用分析

压缩感知是信号处理领域的新兴理论,首先阐述压缩感知的基本原则和理论框架,然后对基于正交小波变换下压缩感知的图像重构的效果进行比较分析。实验表明,压缩感知可以很好地运用于图像重构。将压缩感知理论与数字水印技术相结合提出一种基于压缩感知理论的RGB空间彩色图像水印算法。该算法充分利用压缩感知的稀疏性及压缩比的可调节性,控制水印信息的嵌入容量的同时很好地提高了水印嵌入的安全性。实验表明,对于一些常见的攻击,该算法具备很好的鲁棒性。     

基于功率谱熵的频谱感知算法研究

针对低信噪比条件下认知无线电频谱感知问题,提出了一种基于功率谱熵的频谱检测算法。在分析主用户信号空闲与占用两种不同条件下观测信号功率谱熵差异的基础上,将其作为检验统计量,并确定了相应的判决门限,以实现对主用户信号频谱是否空闲的判决。计算机仿真结果表明,本算法无需信号的先验信息,可在较低信噪比条件下实现对常用调制信号的频谱感知,与盒维数频谱感知方法相比,检测性能约有8 dB的改进。     

基于免疫算法的无线传感网络覆盖研究

普遍研究的无线传感器模型有0-1感知、概率感知模型。前者不够准确,偏理想化;后者符合实际,但冗余较多,计算量偏大。采用混合感知模型,通过搭建无线传感网络(WSN)的网格数学模型,用免疫多目标算法对其进行优化,理论分析及仿真结果均表明该模型具有可行性和优良的覆盖性能。     

无线传感器网络感知层测试评估平台的研究

通过研究国内外主流的无线传感器网络测试技术,结合现有的研究条件和环境,提出了一种便捷有效的传感器网络感知层测试方案,搭建由测试对象层、测试仪器设备层、人机界面与数据分析处理层组成的测试评估平台,开展测试方法的研究。     

基于信令的用户感知问题诊断系统研发及应用

针对当前运营商对终端与网络协同发展的关注,提出了基于信令的用户感知问题诊断系统。该系统聚焦于终端信令的采集、统计和分析,问题定位和解决措施。应用场景显示该系统对网络与终端协同发展提供信令级支撑工具,为提升网络质量和客户感知提供可行的技术手段,该系统和思路可扩展应用于长期演进(LTE)网络的用户感知问题诊断。     

基于信令的用户感知问题诊断系统研发及应用

针对当前运营商对终端与网络协同发展的关注,提出了基于信令的用户感知问题诊断系统。该系统聚焦于终端信令的采集、统计和分析,给出问题定位和解决措施。应用场景显示该系统对网络与终端协同发展提供信令级支撑工具,为提升网络质量和客户感知提供可行的技术手段,经二次开发后该系统和思路可扩展应用于长期演进(LTE)网络的用户感知问题诊断。     

利用MR大数据提升3G用户感知研究

运用大数据挖掘原理,对海量3G终端MR数据进行深入研究。从解决用户感知、用户体验方面入手,寻找网络质量规律,并在优化实例中予以应用。丰富了优化手段,取得良好效果,提高了优化效率,为深度优化提供了新思路。     

基于两步式融合重构的压缩频谱检测方法

在宽带频谱检测技术中,针对传统分布式压缩感知方法(DCS)数据传输量大、能耗高的问题,提出了一种基于两步式融合重构的压缩频谱检测(TS-CSS)方法.该方法的数据重构过程分为先支撑集信息融合,后信号联合重构两步,通过支撑集信息融合获得的先验信息可指导信号的联合重构.仿真结果表明,联合重构时随机选择50％的用户参与,即可获得与传统DCS接近甚至更优的频谱检测性能,因而,该方法能够有效地降低系统数据传输量,节省频谱检测耗能.