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。     

液体介质三维光子晶体禁带可调性能研究

研究了宽频折射率可调液体介质在三维光子晶体上的应用。设计了完美结构的液体光子晶体,采用 平面波展开法和有限时域差分法研究了液体介质的介电常数对光子晶体带隙的影响规律;采用光固化快速成型技 术制造了完美结构光子晶体模型,通过灌注不同介电常数的液体介质,发现液体光子晶体的电磁带隙频率随液体媒 介介电常数的升高而向低频移动,其禁带相比于传统液晶可调光子晶体有所拓宽。     

基于两级存储的正则表达式匹配技术

为解决正则表达式匹配中内存需求与检测性能的矛盾,首次提出两级存储的匹配方案。将马尔可夫链理论应用于自动机,通过求解稳态向量,得到各状态被随机访问的概率。将高概率的状态表项配置在FPGA嵌入存储器中,低概率的状态表项配置在SRAM中。使用L7-filter规则集进行实验,吞吐量达到33Gbit/s,匹配性能比将状态表完全存储在SRAM中提高了50倍。     

具有微米/纳米复合粗化ITO的GaN基LED

Three types of textured indium-tin-oxide （ITO） surface, including nano-texturing and hybrid micro/nano-texturing with micro-holes （concave-hybrid-pattem） or micro-pillars （convex-hybrid-pattern）, were applied to GaN-based light-emitting diodes （LEDs）. The nano-texturing was realized by maskless wet-etching, and the micro-texturing was achieved by standard photolithography and wet-etching. Compared to LED chips with flat ITO surface, those with nano-pattern, concave-hybrid-pattern, and convex-hybrid-pattern exhibit enhancement of 11.3%, 15.8%, and 17.9%, respectively, for the light-output powers at 20 mA. The electrical performance has no degradation. Moreover, the convex-hybrid-pattern show higher light-output efficiency under small injection current, while the concave-hybrid-pattern exhibit better light-output efficiency at large injection current. The light- extraction efficiency is simulated by use of two-dimensional finite difference time domain method, and the numer- ical results are consistent with the experiments.     

基于优化变分模态分解的混合储能平抑风电波动策略

为解决风力发电随机、间歇特性造成的功率波动问题,文中提出将氢气储能和超级电容器组合成混合储能系统接入风电场中,以平抑风电波动。采用滑动平均滤波确定并网功率和混合储能功率;在储能功率分配方面,针对现有VMD算法参数选择上存在主观性和经验性的问题,提出使用灰狼优化算法对分解个数K及惩罚项α进行寻优,避免分解后各模态之间发生频率混叠的现象。此外,为将各储能设备荷电状态维持在合理范围内,避免过度充放电,采用模糊控制对功率指令进行二次修正。最后以新疆某地区的风电场数据为依据,在Matlab/Simulink中进行仿真,仿真结果表明所提策略具有有效性。     

基于高斯混合模型的非视距定位算法简

针对无线传感器网络室内节点定位,在分析定位误差模型的基础上,结合高斯混合模型提出了一种无需先验知识的节点定位算法。利用高斯混合模型,对含有非视距误差的距离测量信息进行训练,以获得接近真实值的距离估计值。为取得高精度的定位效果,采用粒子群算法对期望最大化 (EM)算法进行优化。同时结合优选残差加权算法对所得的距离值进行定位估计,得出目标节点坐标估计值。仿真实验结果证实了算法的有效性。     

面向创新能力培养的数电混合教学实践

随着FPGA技术的飞速发展,传统的“数字电子技术”教学如何在基础理论和实践能力培养之间找到新的平衡点成为课程教学的关键。结合“数字电子技术”课程特点,通过在教学设计中精心组织教学内容、设计配套演示教具、增强实验教学针对性、课后作业量少次多突出过程评价以及四位一体系统推进,有效提高了教学效果。     

低功耗SAR ADC的高性能比较器综述

目前逐次逼近型模数转换器(SAR ADC)已经成为低功耗数模混合集成电路中模数转换器的首选架构,其中的核心模块—高性能比较器的功耗大小直接决定了SAR ADC的整体功耗。文章从低功耗SAR ADC系统出发,聚焦高性能低功耗电压域和时间域比较器的发展历程与最新研究进展,总结了通过优化SAR逻辑实现低功耗比较器的技术方法。该综述为数模混合电路设计者了解并掌握SAR ADC中高性能低功耗比较器技术提供有力参考。     

双重JPEG压缩图像篡改区域检测与定位

对JPEG(joint photographic experts group)图像实施篡改往往会产生双重JPEG(double JPEG,DJPE) 压缩痕迹,分析该痕迹有助于揭示图像压缩历史并实现篡改区域定位。现有算法在图像尺寸较小和质量因子(quality factor,QF) 较低的时候性能不佳,对两个QF的组合情况存在限制。本文提出了一种端到端的混合QF双重JPEG压缩图像取证网络,命名为DJPEGNet。首先,使用预处理层从图像头文件中提取表征压缩历史信息的量化表 (quantization table,Qtable) 特征,将图像从空域转换至DCT(discrete cosine transform)域构造统计直方图特征。然后,将两个特征输入到由深度可分离卷积和残差结构堆叠而成的主体结构,输出二分类结果。最后,使用滑动窗口算法自动定位篡改区域并绘制概率分布图。实验结果表明,在使用不同Qtable集生成的小尺寸数据集上,DJPEGNet所有指标均优于现有最先进的算法,其中ACC提高了1.78%,TPR提升了2.00%,TNR提升了1.60%。     

基于多尺度混合卷积网络的高光谱图像分类

针对高光谱图像数据分布不均匀、空谱特征提取不够充分以及随着网络层数增加而导致的网络退化等问题,提出一种基于多尺度混合卷积网络的高光谱图像分类方法。首先,使用主成分分析对高光谱数据进行降维处理;接着,利用邻域提取将邻域内的像素点作为一个样本,补充相应的空间信息;然后,使用多尺度混合卷积网络对预处理后的样本数据进行特征提取,并加入混合域注意力机制来加强空间和光谱维中有用的信息;最后,使用Softmax分类器对每个像素样本进行类别划分。实验结果表明：将所提出的模型在Indian Pines和Pavia University两个高光谱数据集中进行实验,其总体分类精度、平均分类精度、Kappa系数分别能达到0.987 9、0.983 3、0.986 2和0.999 0、0.996 9、0.998 6。该算法能够更加充分地提取高光谱图像的特征信息,与其他分类方法相比取得了更好的分类效果。