基于字典学习的地震数据随机噪声压制算法

针对传统变换基函数难以获得地震数据最优的稀疏表示,提出基于字典学习的随机噪声压制算法,将地震数据分块,每一块包含多个地震记录道在一定采样时间段内波形的信息,利用自适应字典学习技术,以地震数据块为训练样本,根据地震数据邻近块中记录道相似的特点,构造超完备字典,稀疏编码地震数据,从而恢复数据的主要特征,压制随机噪声.实验表明算法具有较高的PSNR值,并且能较好的保持地震数据纹理复杂区域的局部特征.     

High-speed Target ISAR Imaging via Compressed Sensing Based on Sparsity in Fractional Fourier Domain

Compressed sensing （CS） provides great potential to reduce radar sampling rate while improve the imaging performance. In this paper, the application of CS to ISAR imaging of hlgh-speed space targets is introduced. Firstly, based on the analysis of the echo model of highspeed targets, we elucidate that the dechirped high-speed target echo is of sparsity in fractional Fourier domain. Then the Analog-to-information conversion （AIC） is used to take compressive measurements, following which the radar image can be recovered via nonlinear optimization. In particular, considering the non-cooperative characteristic of targets, an optimization search algorithm based on sparsity of the reconstructed range profiles is presented, so as to find the optimal transform order of fractional Fourier transform. Experiment results from both simulated data and measured data show the validity and superiority of the proposed imaging method.     

数模混合电路故障诊断技术的研究

随着电子技术的迅猛发展，电路系统的复杂度急剧增加，目前约有60％的芯片同时包含了数字和模拟两种信号，电路测试也因此面临着更大的挑战。虽然电路测试技术从模拟电路测试发展至今也有几十年的时间，但数模电路的测试仍然是一个很年轻的领域。针对目前数模混合电路测试的发展现状，对其故障诊断的各种方法的基本思想进行了介绍，指出了各个方法的优点以及存在的缺陷。在最后探讨了数模故障诊断技术在实际中的应用，并对该学科今后的发展方向进行了预测。     

The lack-of-preference law and the corresponding distributions in frequency probability theory

We obtain two new distributions in frequency probability theory and demonstrate them, in particular, in the example of frequency dictionaries. One of these distributions gives a logarithmic correction to the Zipf-Mandelbrot law, and the other describes the “tails” of the distribution.     

基于树形原子字典的匹配跟踪算法

为了降低匹配跟踪视频编码算法的运算复杂度,提出了一种原子字典的树形组织方法,并相应地提出了一种改进的树形字典搜索策略。此算法通过在树中寻找最优路径来搜索最佳原子,并在第一级搜索中引入了一种改进的全搜索策略,进一步降低了计算量。为了有效地捕捉预测误差帧中的曲线特征,冗余原子字典通过对各向异性的生成函数进行真正二维意义上的几何变换来构造,并尽可能地去除了性能不佳的原于以减小字典尺寸。实验结果表明,本文算法具有较高的搜索正确性及较快的收敛速度,而其计算量明显降低。     

维汉英机器翻译系统中电子词典的研究

讨论了维汉英机器翻译系统中电子词典的设计思想、具体的实现方法、并提出了电子词典的创建以及查询算法等。     

学查字典

本文利用层次分析法对查字典的三种方式进行了综合排序 ,此外还从查找时间的长短进行了定量的比较 .     

Gist特征和概率协从表示的人脸识别算法

为了进一步提高基于协从表示的人脸识别系统的 性能,在概率协从表示(ProCRC)算法和字典学习的基础上提出了一 种基于Gist特征和ProCRC的GL-PCRC人脸识别算法。首先提取每副人脸图像的G ist特征,再把人脸图像的Gist 特征采用线性判别算法(LDA)方法投影到最优判别子空间,使得到的LDA特征拥有最小的类内 离散度以及最大的类间离散度;然后利用 LC-KSVD方法对LDA特征进行迭代训练从而得到新的学习字典;继而通过ProCRC算法快 速得到稀疏系数;最后通过计算测 试样本属于各个类别的概率进行分类。分别在ORL和扩展的YaleB人脸库上进行实验检测的 结果表明,与传统的协从表示方法 相比,本文给出的方案可以使人脸识别系统的性能得到显著的提升。     

基于聚类字典的图像超分辨率重构算法

针对图像超分辨率(SR)重构在空间邻域选取过程中 细节特征易被大幅度特征分量淹没的问题,提出 一种基于聚类字典的SR重构(DD-NE)算法。图像SR重构是利用信号处理方 法来提高图像分辨 率,针对NE算法在空间邻域选取时细节信号易被大幅度信号淹没的问题,对输入图像及邻域 利用聚类字典进行 稀疏分解。从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅 度特征,并将 低分辨率(LR)图像库及输入图像使用聚类字典表示。细节信号以字典原子的形式得到表达 ,空间邻域度 量转换为字典原子间的度量,从而细节特征对邻域的选择更加准确。实验结果表明,相对于 NE算法,本文算法图像SR 重构的峰值信噪比(PSNR)值平均提升了1.1dB,有效改善了重构效果;重构时间仅为NE算法的30.9%。     

基于事件字典的行人异常事件检测

近年来极端行为和暴恐行为严重威胁着公共安全,行人异常事件检测已成为研究的热点问题.为了克服传统方法中对异常事件定义的模糊性、对行人异常行为特征的描述不够准确的缺点,提出一种基于事件字典的行人异常事件检测方法.本文方法的创新之处是构造了一种行人特征描述子,能够有效描述行人的身体各部分的变化规律,利用行人特征描述子提取样本的特征进行聚类分析,构建事件字典,预测事件的类别.在标准数据集BEHAVE Interactions Test Case Scenarios、UMN、UCSD上与LDA(Latent Dirichlet Allocation,潜在狄利克雷分布)和双稀疏字典的对比实验表明,该方法对于异常行为的检测准确有较高的检测准确率.