基于任意码长极化码的分布式信源编码

针对分布式信源编码(Distributed Source Coding, DSC)中极化码码长受限带来的资源消耗大等问题,设计了一种基于任意码长极化码的DSC方案以减少码长冗余所带来的资源浪费。对待传输的信源序列选择合适的码长,将该码长分解为多个子码,信源分散放置于各子码之中进行系统极化码编码,在信道中只传输校验位,译码端利用信源相关性译码。在此基础上,利用打孔技术进行压缩。仿真实验结果表明,提出的DSC方案具有灵活构造任意码长极化码这一优势的同时,压缩性能更优于标准极化码以及多核方式构造的任意码长极化码。     

视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。     

基于QR码的Contourlet-SVD域全息水印算法

为了解决水印算法中存在水印隐藏程度和鲁棒性的失衡问题,在Contourlet-SVD域将QR(quick response)码与全息技术相联合,提出一种基于QR码的Contourlet-SVD域数字全息水印算法。首先,选择不同的载体图像执行3层Contourlet变换,鉴于低频系数的优势,对低频进行奇异值分解(singular value decomposition,SVD)联合变换;其次,选择“飞行学院”图像经过QR编码生成的QR码作为原始水印图像,对其进行共轭对称扩展傅里叶数字全息,得到QR码全息水印;再次,将全息水印叠加到SVD分解得到的奇异值中,完成水印信息的嵌入。通过仿真实验验证,该算法嵌入水印信息后的图像清晰度较好,峰值信噪比(peak signal-to-noise ratio,PSNR)超过了31 dB,相似性系数NC(normalized correlation)值达到了0.989 0。将图像进行抵抗测试,提取的水印信息可以较清晰地辨别,尤其是椒盐噪声、高斯噪声和中通滤波攻击,NC值均达到0.90以上。     

集中式MIMO雷达研究进展：正交波形设计与信号处理

集中式多输入多输出（Multiple Input Multiple Output,MIMO）雷达通常利用正交波形增加发射波形自由度,采用数字阵列拓展空间收发自由度,使得雷达接收机的天线孔径获得明显扩展,最终带来空间分辨率、测角精确度、杂波抑制能力等大幅度提升。但是,这些性能提升的前提是发射波形具有正交特性。事实上,在实际应用中,在不牺牲时域/频域资源情况下,受限于时宽带宽积,无法获得完全正交的波形集合,从而限制了MIMO雷达系统性能。本文对集中式MIMO雷达正交波形复用的技术原理进行了系统回顾,分别归纳了三种快时间发射波形设计方法：时分复用（Time Division Multiplexing, TDM）、码分复用（Code Division Multiplexing,CDM）和频分复用 （Frequency Division Multiplexing, FDM）,以及两种慢时间发射波形设计方法：多普勒分复用（Doppler Division Multiplexing,DDM）和随机相位编码波形,并对其优缺点进行对比。同时,对快时间MIMO和慢时间MIMO的信号处理流程进行归纳综合,给出基于匹配滤波的集中式MIMO雷达统一信号处理框架。为了展示不同波形对成像性能的影响,本文给出了基于三维匹配滤波的MIMO雷达成像结果。最后,结合实际应用问题,指出当前MIMO雷达面临的技术难点和发展趋势。     

基于SSCANL译码器的联合迭代检测译码算法

为了提升基于极化码的稀疏码多址接入（sparse code multiple access,SCMA）系统接收机性能,提出了基于简化软消除列表（simplify soft cancellation list,SSCANL）译码器的循环冗余校验（cyclic redundancy check,CRC）辅助联合迭代检测译码接收机方案。该方案中极化码译码器使用SSCANL译码算法,采用译码节点删除技术对软消除列表（soft cancellation list,SCANL）算法所需要的L次软消除译码（soft cancellation, SCAN）进行简化,通过近似删除冻结位节点,简化节点间软信息更新计算过程,从而降低译码算法的计算复杂度。仿真结果表明,SSCANL算法可获得与SCANL算法一致的性能,其计算复杂度与SCANL算法相比有所降低,码率越低,算法复杂度降低效果越好;且基于SSCANL译码器的CRC 辅助联合迭代检测译码接收机方案相较基于SCAN译码器的联合迭代检测译码（joint iterative detection and decoding based on SCAN decoder, JIDD-SCAN）方案、基于SCAN译码器的CRC辅助联合迭代检测译码（CRC aided joint iterative detection and decoding based on SCAN decoder,C-JIDD-SCAN）方案,在误码率为10^-4时,性能分别提升了约0.65 dB、0.59 dB。     

时变信道下线性网络分批稀疏码秩分布研究

作为一种应用于多跳网络的低复杂度两步式编码技术,分批稀疏（batched sparse,BATS）码的传输性能与传输矩阵的秩分布直接相关。现有文献在假设各链路丢包率均为常数的前提下,研究了分批稀疏码在纠删信道下的秩分布。然而,在一些场景（如工业互联网）,大量的移动节点部署在整个网络中,可能导致节点之间的信道变成时变信道,即链路上的丢包率随时间变化而变化。因此在假定网络中各节点之间链路丢包率随机变化的场景下,研究了随机线性网络编码（random linear network coding, RLNC）和系统重编码作为内码编码方案时,分批稀疏码传输矩阵的秩分布,推导了链路丢包率服从有限区间正态分布情况下归一化秩期望的闭合解,并通过蒙特卡洛仿真验证了该闭合解的正确性。     

无速率编码中度分布的研究和发展

无速率编码作为一种纠删码,在减少反馈重传的同时也具有码率灵活、编译码简单的特性,在许多领域都有广阔的应用前景。度分布作为无速率编码设计的基础,对无速率编码的性能有至关重要的影响。随着无速率编码的广泛应用,度分布的设计也需要随着场景和需求的变化进行优化。首先论述了无速率编码的发展与应用,从几种经典的无速率编码和度分布开始,详细地从应用场景、优化目标以及现有优化方法 3 个角度,对目前无速率编码中度分布的研究和发展进行了总结与分析。最后,对无速率编码和度分布的发展应用趋势进行了分析与展望。     

GBAS基准站多径效应评估技术

陆基增强系统(GBAS)播发的差分信息无法校正 GBAS 地面子系统与机载子系统之间的非相关误差,如多径误差,致使其成为 GBAS 在标称环境下的最大误差源。在 GBAS 基准站正式部署之前,必须对初始台址进行多径效应的量化评估,以验证当前站址是否满足安装要求。 基于码减载波(CMC)方法,进行了实际安装的 GBAS 基准站的多径效应评估。结果表明,当前 GBAS 基准站布设环境可以满足多径误差要求。同时,载波平滑算法可有效抑制站点的多径效应, 且算法随平滑时间常数的增大而更加有效。在当前安装条件下,GBAS 基准站多径误差指标项结果满足 GAD-B3 类精度等级要求。     

基于SWIPT的Polar编码协作码的设计与系统性能研究

极化（Polar）编码协作可同时获得编码增益与分集增益,实现可靠通信。为了解决中继能量受限问题,本文研究了基于无线信息与能量同传（Simultaneous Wireless Information and Power Transfer, SWIPT）技术的Polar编码协作系统。首先,建立了基于SWIPT的Polar编码协作系统模型。其次,鉴于Polar码的Plotkin构造方法将一个长码分裂成两个短码,非常适用于编码协作场景,使用Plotkin构造方法联合设计信源节点和中继节点Polar码,并在目的节点对其进行联合串行相消（Successive Cancellation, SC）译码。相比传统点对点系统,基于SWIPT的Polar编码协作系统使得系统中断概率大幅度降低;与随机低密度奇偶校验（Low Density Parity Check, LDPC）编码协作系统相比,在译码迭代次数低时所提方案误码性能更佳。      

基于深度自编码-高斯混合模型的视频异常检测方法

由于异常定义的模糊性和真实数据的复杂性,视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建（当前或未来帧）是一种流行的视频异常检测方法。使用在正常数据上训练的模型,异常场景的重建误差通常比正常场景的重建误差大得多。但是,这类方法忽略了正常数据本身的内部结构,效率较低。基于此,提出了一种深度自动编码高斯混合模型(DAGMM)。首先利用深度自动编码器获得输入视频片段的生成低维表示和重构误差,并将其进一步输入高斯混合模型(GMM)。而估计网络则通过高斯混合模型预测能量概率,然后通过能量密度概率判断异常。DAGMM以端到端的方式同时联合优化深度自动编码器和GMM的参数,能够平衡自动编码重建、低维表示的密度估计和正则化,泛化能力强。在两个公共基准数据集上的实验结果表明,DAGMM达到了现有最高技术发展水平,在UCSD Ped2和ShanghaiTech两个数据集上分别取得了95.7%和72.9%的帧级AUC。