新工科背景下地方应用型本科院校的《通信原理》课程教改思考

以粤港澳大湾区的人才需求为导向,结合新工科背景下地方应用型本科院校的人才培养目标,分析了《通信原理》课程教学内容和教学模式中存在的问题,提出了因材施教的教学内容优化与教学手段多样化,形成“场景性教学+分析性实验”的教学思路开展教学工作。通过在教学内容和教学手段等方面进行改革,培养学生的应用能力和实践能力,加强学生在通信工程领域的创新创业能力,为区域企业培养高素质的应用型人才。     

ROF系统中基于四波混频的全光波长变换的研究

理论分析了基于四波混频(FWM)实现ROF(光载射频系统)全光波长变换.在分析基于高非线性光纤中FWM效应实现全光波长转换的基础上,指出影响转换效率的主要因素,讨论了提高转换效率的几种方法,采用提高非线性系数、光纤长度、调整泵浦光的功率以及信号光和泵浦光偏振方向之间的关系可以有效地提高基于FWM的波长变换效率,从而为在ROF系统中高效实现波长变换技术提供了依据.同时通过仿真实验,验证了已有的理论分析.     

结合多任务迁移学习与知识蒸馏的人脸美丽预测研究

目前,人脸美丽预测存在数据样本少、评价指标不明确和人脸外观变化大等问题。多任务迁移学习能有效利用相关任务和源域任务额外的有用信息,知识蒸馏可将教师模型的部分知识蒸馏到学生模型,降低模型复杂性和大小。本文将多任务迁移学习与知识蒸馏相结合,用于人脸美丽预测,以大规模亚洲人脸美丽数据库(Large Scale Asia Facial Beauty Database, LSAFBD)中人脸美丽预测为主任务,以SCUT-FBP5500数据库中性别识别为辅任务。首先,构建多输入多任务的人脸美丽教师模型和学生模型;其次,训练多任务教师模型并计算其软目标;最后,结合多任务教师模型的软目标和学生模型的软、硬目标进行知识蒸馏。实验结果表明,多任务教师模型在人脸美丽预测任务中取得6823%的准确率,其结构较复杂,参数量达14793K;而多任务学生模型通过知识蒸馏后分类准确率为6739%,但其结构简单、参数量仅1366K。本方法多任务教师模型分类准确率比其他方法高,多任务学生模型分类准确率虽然略低一点,但其模型更简单、参数量更少,更有利于用更轻量的网络模型进行人脸美丽预测。      

ROF系统中毫米波产生法的研究

本文对ROF系统中毫米波副载波的几种主要的产生方法进行了综述,着重介绍了利用直接调制,外部调制以及光外差技术产生毫米波的方案,并创新性地提出了一种基于光纤布拉格光栅的新型光外差技术.该技术利用光纤布拉格光栅滤波的方法,产生两束来自于同一光源的光波,从而消除了传统光外差技术中的相位噪声,提高了系统性能.     

实时自适应的立体匹配网络算法

立体匹配是一个经典的计算机视觉问题。采用传统方法或卷积神经网络（CNN）方法的立体匹配,其精确度和实时性不能满足实际的在线应用。针对该问题,本文提出一种实时自适应的立体匹配网络算法,通过引入一种新的轻量级的、有效的结构模块自适应立体匹配网络（Modularly Adaptive Stereo Network,MASNet）,在网络中嵌入无监督损失模块和残差细分模块,使立体匹配的准确性和实时性得到提高。实验结果表明,本文方法相比具有相似复杂度的模型,精确度更高,并且能以平均约25帧每秒的处理速度达到在线使用的要求。      

自准直干涉仪测量光纤非线性克尔系数的参数优化

理论上分析了以抗干扰很强的干涉法测量光纤非线性克尔系数γ的装置.这种装置由M-Z干涉仪组成.它是一种自补偿系统,可很好地解决环境引起的相移波动.由于测试脉冲强度受光纤衰减和耦合器分流的影响,输入段和输出段脉冲强度不一样,势必要引入系统相移扰动,造成与测试光纤SPM效应引入的相移并非一致的测试相移,这对准确测量光纤非线性克尔系数γ值形成误差.理论导出扰动相移误差量.模拟分析了影响相移误差量的参数,优化这些参数,并且找到最优参数值,使相移误差量最小.     

Gabor字典及l0范数快速稀疏表示的人脸识别算法

针对光照、遮挡、伪装情况下,识别率比较低,识别时间长的问题,本文提出了基于Gabor字典及l0范数快速稀疏表示的人脸识别算法。Gabor小波提取的特征能够克服遮挡、光照等干扰对人脸识别的影响,平滑l0算法通过平滑连续函数来近似 l0范数,只需较少测量值并且较快速度便能重构稀疏信号。本算法通过提取人脸的Gabor特征、主成分分析法（PCA）降低维度,l0范数快速稀疏分类完成识别。在伪装人脸情况下,分块计算Gabor人脸特征,提高Gabor字典的形成速度。基于AR人脸数据库的实验结果表明,本算法可在一定程度上提高识别速度和识别时间,即使在小样本情况下,依然具有较高的识别率。      

单边带调制ROF链路中交叉相位引起的非线性串扰

利用非线性薛定谔方程,推导计算了基于光学单边带调制的光载射频链路中交叉相位调制引起的非线性串扰,建立了新的分析模型,并和抽运探测法进行了比较.该模型可以用来分析不同的ROF链路,特别是波分复用光电上转换链路.得到了单链路和波分复用链路的传输眼图.信道中由交叉相位调制引起的非线性串扰和调制频率,泵浦和探测能量,光纤长度以及信道间隔等有关,通过仿真验证了理论分析.     

结合局部二值模式和卷积神经网络的人脸美丽预测

卷积神经网络(Convolution Neural Network,CNN)用于人脸美丽预测,能学习到深层次的特征表达,但提取的是全局特征,忽略了人脸的局部信息,因此,泛化能力不强。为此,本文提出一种结合局部二值模式(Local binary pattern , LBP)和卷积神经网络的人脸美丽预测算法。首先,利用数据增强技术扩大数据库规模;其次,将LBP纹理图像和原始灰度图像进行通道融合;再采用1×1卷积操作进行通道特征图的线性组合,从而实现网络跨通道的信息整合,提升人脸美丽预测精度。基于大规模亚洲女性人脸美丽数据库(Large Scale Asian Female Beauty Database, LSAFBD)的实验结果表明,该算法在分类和回归预测中均取得了较好效果,优于其他模型的人脸美丽预测算法;表明在卷积神经网络中加入纹理图像能有效提升人脸美丽预测精度。      

面向多任务学习的改进十字绣网络在人脸美丽预测中的研究

目前,人脸美丽预测研究面临模型泛化能力欠佳、数据量不足、以及易于过拟合等问题。十字绣网络(Cross-Stitch Network)通过激活多个网络,进行端到端的学习,自动决定共享层,但忽略了图像信息主次问题。因此,本文对十字绣网络进行改进,将其部分层网络更换为自注意力(Self-Attention)模块与长短时记忆(Long Short Term Memory,LSTM)模块,从而实现层与层之间、模块与模块之间的参数共享。首先,进行图像预处理,包括统一尺寸、人脸对齐、图像增强、归一化和图像剪裁等;其次,初始化构建的改进十字绣网络,并将层与层之间的共享称之为“微共享”,将模块与模块之间的共享称之为“模块共享”;最后,对训练模型进行测试。实验结果表明,采用改进十字绣网络,人脸美丽预测取得63.95%的准确率,高于常规方法最高准确率;为多任务学习提供了一种新思路。