基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

可见光多波段激光合束系统设计北大核心CSCD

为了实现可见光波段不同波长多路激光的精密合束,设计了一套激光合束系统。通过长焦距镜头和高缩束倍率镜头配合大面阵光电探测器分别实现合束激光指向与位置的高精度、实时监测;通过高精度的角度调节平台和位置调节平台分别实现光束指向和位置监测误差的实时补偿。在完成光束指向、位置监测镜头的设计加工及精密装调后,获得位置监测装置的监测分辨率为0.054 mm,指向监测装置的监测分辨率为3.5μrad;在完成光束位置校正平台、指向校正两维摆镜、闭环控制系统合束流程的详细设计后,对合束系统的合束精度进行实验检测和误差分析。实验结果表明:合束系统短时间内针对稳定光束的合束精度为:指向6.17μrad,位置优于0.66 mm;长时间内针对缓慢漂移光束的合束精度为:指向18.46μrad,位置优于0.72 mm。因此,所设计的激光合束系统合束精度高,并且可及时对光束的漂移误差进行自动补偿,满足系统的应用要求。     

基于规范图像的光电成像系统采样响应研究北大核心CSCD

为了研究采样响应对光电成像系统生成图像的质量的影响,本文提出了将规范图像作为输入建立封闭的模型来分析采样响应的方法。首先给出了规范图像的定义并得到了USAF 1951规范图像的数学模型,然后分析了光电成像系统的采样响应过程和采样响应函数,最后讨论了USAF 1951规范图像在不同条件下的采样响应结果。研究结果表明:当采样前MTF截止频率、采样频率与采样后MTF截止频率之间的关系不同时,采样响应对像质的影响不同;当采样频率与采样前MTF截止频率满足一定的条件时,可在图像模糊与混叠之间取得平衡。     

一种采用压缩协方差的无线电宽带频谱感知方法

为有效降低宽带频谱感知的观测时间和计算复杂度,提出了一种基于压缩协方差的无线电宽带频谱感知方法。首先,通过循环稀疏规则测量不同标记的距离,运用多陪集采样组代替奈奎斯特模数转换器,形成基于多陪集采样库的欠奈奎斯特采样结构;其次,构建压缩协方差频谱感知模型,运用频谱决策模块对输入样本进行处理,完成频谱分析;最后,通过Matlab生成测试信号数据,对所提频谱感知算法进行建模与性能分析。实验结果表明,所提方法能够将检测误差控制在有效范围内,且与传统频谱检测方法相比,所提方法在不同信噪比环境下具有更高的频谱检测水平度。     

FBMC系统改进序列算法的定时同步技术

为提高滤波器组多载波（Filter Bank Multicarrier,FBMC）系统在低信噪比下的定时同步准确率和抗频偏性能,基于FBMC系统与正交频分复用（Orthogonal Frequency Division Multiple,OFDM）系统的相似性,对OFDM系统定时同步中的Park测度函数进行改进并引入到FBMC系统中。利用共轭对称结构能够提高定时精度和加权处理能够更好地抵抗频偏影响的特点设计同步序列,进行共轭对称和加权处理。仿真结果表明,基于改进序列的Park算法相较共轭对称序列的TR1算法,其信噪比提前3 dB达到了100%定时准确率,实现了低信噪比下的高精度定时同步,且具有更强的抗频偏性能;相较原Park算法,相同信噪比下,改进序列的Park算法的频偏均方差（Mean Square Error,MSE)也小于原Park算法的频偏MSE,抗频偏性能表现更优。     

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。     

一种基于熵源分离模型的可重构安全原语

在信息爆炸时代,信息的安全问题受到了广泛关注。在物联网设备的加密协议中,物理不可克隆函数(PUF)与真随机数发生器成为加密协议中基本的安全原语,提供了轻量级的解决方案。文章提出了一种熵源分离模型,能够分离环形振荡器中抖动(真随机数发生器的熵)和工艺偏差(PUF熵)引起的延时。基于该模型,在FPGA上设计了一种可重构的双工作模式电路,通过改变模式可分别生成PUF和真随机数。相较于FPGA上独立设计的PUF和真随机数发生器,该结构具有资源开销小、面积利用率高、功耗低等优势。实验结果表明,生成的PUF稳定性高、唯一性强、均匀性好;真随机数序列均通过了NIST测试,具有高随机性和不可预测性。     

云计算环境下的QR码双重加密复合数字水印算法

为了确保上传到“云”端环境下的数字产品的隐蔽性和安全性,在逐渐向“云”端转移的快速响应(Quick Response, QR)码的理论基础上研究并提出了一种QR码双重加密复合数字水印算法,防止QR码“云”端丢失的可能性。对“云”水印图像进行QR码编码生成QR码水印图像,确保水印信息的安全性,再对QR码水印信息实施加密置乱;对“云”上载体Lena图像进行非下采样轮廓波变换(Non-subsampled Contourlet Transform, NSCT),选择储存信息更多的低频部分进行离散小波变换(Discrete Wavelet Transform, DWT),对图像抵抗力较强的低频图像进行奇异值分解(Singular Value Decomposition, SVD),在分解的奇异值中加权加密的QR码水印。通过对算法进行实验验证,该算法在视觉效果较好的前提下,考虑实用性,将复合算法和加密相结合,提高了算法的抵抗力,尤其是旋转攻击和JPEG压缩攻击。     

一种用于取样示波器的高速数字信号传输速率的测量方法

取样示波器利用顺序等效采样技术可以实现对宽带、高速信号进行采样和波形恢复,从而对信号质量进行分析。因此取样示波器在5G高速通信、雷达等信号测量领域得到广泛应用。但是取样示波器采用的顺序等效采样方法是对被测信号进行多周期间隔、不连续采样,采样间隔周期不确定,导致不能直接从恢复的波形中分析出被测信号的传输速率。为确定传输速率,提出一种基于快速傅里叶变换算法的速率计算方法。通过实验验证,此方法能够准确计算出高速数字信号的传输速率,相对误差均在1%以内,并且在采样点数及眼图叠加次数较少的情况下仍然适用。     

基于卷积神经网络的随机因子重采样图像检测

图像重采样检测是图像取证领域的重要任务,其目的是检测图像是否经过重采样操作。现有的基于深度学习的重采样检测方法大多只针对特定的重采样因子进行研究,而较少考虑重采样因子完全随机的情况。本文根据重采样操作中所涉及的插值技术原理设计了一组高效互补的图像预处理结构以避免图像内容的干扰,并通过可变形卷积层和高效通道注意力机制(efficient channel attention, ECA)分别提取和筛选重采样特征,从而有效提高了卷积神经网络整合提取不同重采样因子的重采样特征的能力。实验结果表明,无论对于未压缩的重采样图像还是JPEG压缩后处理的重采样图像,本文方法都可以有效检测,且预测准确率相比现有方法均有较大提升。