DS-CDMA中扩频信号的循环平稳特性分析

介绍了循环平稳信号的基本概念，对DS—CDMA系统中直接序列扩频信号的循环平稳特性进行了详细的理论分析，通过计算机仿真实验验证了分析结果；仿真同时说明了利用信号的循环平稳特性可以进行有效地信号提取和干扰抑制，具有极大的应用前景。     

基于多核Cortex-A9的汽车三维全液晶仪表研究

随着汽车向智能化、自动驾驶以及新能源的不断发展,采用三维全液晶仪表成为一个重要趋势.本文研究提出一套基于多核Cortex-A9的三维汽车全液晶仪表盘设计方法,并针对渲染过程中出现的形变和边缘锯齿等关键技术问题,提出一种基于三角网格模型的面片分割方法,即在三维模型局部变化的高曲率处进行面片分割,并利用最小二乘保角映射的参数化方法,有效抑制了纹理映射后模型的锯齿现象,提高了三维全液晶仪表的视觉效果.实验证明,该方法很好地表现了三维全液晶仪表的纹理细节,本文在MATLAB上对算法可行性进行了验证.最后,以电动汽车应用场景为例,在嵌入式Linux环境下应用OpenGL[ES技术对模型进行了算法实现,并在TFT-LCD上进行三维渲染显示.本文运用的三角网格模型的纹理映射技术,使三维全液晶仪表具有真实感,并提高了渲染速度.     

基于堆栈稀疏自编码融合核极限学习机的近红外光谱药品鉴别

提出一种基于堆栈稀疏自编码融合核极限学习机(Stacked sparse auto-encoders combine kernel extreme learning machine,SSAE-KELM)的近红外药品鉴别方法,通过引入核极限学习机代替SSAE的Softmax分类和BP微调阶段,减少了模型的训练步骤、训练参数以及训练时间,提高了深度学习网络的实际应用能力,核函数的引入提高了模型的分类能力。其中,SSAE用于初始化整个网络模型,并且从输入数据中学习到有用的特征,KELM用于实现分类任务。研究了SSAE-KELM模型对不同厂商生产的同一包装形式(铝塑或非铝塑)药品鉴别的预测能力、稳定性及训练时间,以实现药品的二分类和多分类的无损鉴别。同时,与ELM、SSAE、BP、SVM及随机隐退深度信念网络(Dropout-DBN)进行对比。结果表明,无论是二分类还是多分类,SSAE-KELM不仅具有更优的分类能力和稳定性、还减少了训练时间。因此,SSAE-KELM是一种有效的光谱分类建模工具。     

降秩盲自适应FRESH滤波器的研究

提出了基于最小均方误差准则(MMSE)的盲自适应FRESH滤波器;给出了基于互谱准则(CSP)、主分量分析(PCA)和多级维纳滤波器(MSWF)等方法的降秩处理,并对不同的方法进行了性能比较。计算机仿真结果表明,这种降秩盲FRESH滤波器能够有效地分离或提取谱重叠信号。     

堆栈降噪自编码结合随机森林的黄龙病检测

近红外光谱分析技术作为一种无损、快捷的分析方法在各个领域应用相当广泛。针对柑橘黄龙病检测成本高、可靠性差和精度低等问题,提出了一种堆栈降噪自编码融合随机森林(Stacked Denoising Auto-encoders Combined Random Forest,SDAE-RF)的柑橘黄龙病近红外光谱检测方法,该方法首先采用多阶段预处理法对样本光谱数据进行预处理,然后采用SDAE对经过预处理后的光谱数据进行降维,实现柑橘样本深层特征的提取,最后利用RF的投票集成策略实现分类鉴别。为了验证SDAE-RF模型的性能,采用某公司提供的柑橘叶片近红外光谱数据为实例,以不同比例的训练集进行实验,并与ELM、SWELM、SVM、BP、SDAE和RF模型的鉴别能力进行对比。实验结果表明,SDAE-RF模型较其他算法在分类精度、算法稳定性以及训练时间方面均表现出较好的效果。