基于脉冲耦合神经网络和形态学的改进去噪算法

通过总结脉冲噪声的特点和脉冲耦合神经网络以及数学形态学去噪的工作方式,提出了一种基于脉冲耦合神经网络模型和形态学的改进的脉冲噪声去除算法,该算法在一定程度上降低了在恢复图像的过程中噪声之间的相互干扰。实验结果表明,文章提出的改进算法的实验效果要明显优于申值滤波和数学形态学滤波算法,也要优于基本的基于脉冲耦合神经网络和形态学相结合的去噪算法。     

基于ADPCM的语音压缩算法研究

ADPCM算法目前已成为很受用的语音压缩算法之一.给出PCM概念.讨论DPCM,DM,ADM与ADPCM的压缩算法原理以及算法实现流程框图.通过实验,指出每个算法的特征.实验结果进一步证实ADPCM算法既能够有效的压缩语音,又能还原出高质量的语音.     

脉冲多普勒雷达信号处理仿真系统研究

为了提高雷达信号处理系统性能,研究信号处理系统模型算法,构建了一个雷达信号处理系统仿真模型.在对雷达信号处理模型算法详细分析的基础上,利用Matlab工具实现对该算法模型的仿真验证.通过对仿真结果的分析,可以看出该算法能够准确提取目标的距离、速度信息,对杂波和噪声的抑制能力较强,验证了信号处理仿真系统模型的可行性和算法的可靠性.     

基于梯度下降的脉冲神经元精确序列学习算法

基于梯度下降的脉冲神经元有监督学习算法通过计算梯度最小化目标序列和实际输出序列间的误差使得神经元能激发出目标脉冲序列。然而该算法中的误差函数是基于实际输出脉冲序列和相对应的目标输出脉冲序列动态构建而成,导致算法在收敛时可能出现实际输出序列的个数和期望输出个数不相等的情况。针对这一缺陷提出了一种改进的脉冲神经元梯度下降学习算法,算法在学习过程中检测目标序列脉冲个数和实际激发脉冲个数,并引入虚拟实际激发脉冲和期望激发脉冲构建误差函数以分别解决激发个数不足和激发个数多余的问题。实验结果证明该算法能有效地防止学习算法在输出脉冲个数不等的情况下提前结束,使得神经元能够精确地激发出目标脉冲序列。     

有效去除图像中脉冲噪声的新型滤波算法

提出一种基于局部极值噪声检测的迭代中值滤波算法．该算法集中了minrnax算法与PSM算法各自的优势，并将两种算法有机地结合起来．经过实验仿真并与其他滤波算法进行比较表明，该算法可以有效地去除图像中的脉冲噪声，尤其是在噪声密度非常大的情况下表现了很好的性能。     

能量包络的简单TOA估计研究

目前IR-UWB（脉冲超宽带）测距算法中基于匹配滤波的TOA（到达时刻）估计算法存在有复杂度高和运算量大的缺点,提出了一种基于能量包络的简单TOA估计算法。该算法是一种单纯的基于相关输出最大值点检测的TOA估计算法：相关器输入接收到的多径信号和锯齿波,检测相关输出最大值点作为TOA估计。该算法比基于匹配滤波输出峰值点检测算法的运算量减小,且算法简单;无需在本地产生复杂的模板信号。通过理论分析,证明了该算法的科学性,通过仿真验证了算法的有效性,对该算法与已有的多种TOA估计算法进行了比较,分析了该算法的误差性能。     

基于模糊推理的彩色图像噪音消除算法

为有效消除彩色图像在采集和传输过程中出现的随机脉冲噪音,提出了一种基于模糊推理的矢量中值滤波算法。该算法通过设计的模糊规则判断当前滤波窗口对应是否为细节区域,采用不同参数的经典矢量中值滤波进行处理。若未被判断为噪音时,原滤波窗口中心像素会保留。通过与目前常见的各类矢量滤波算法进行比较,该算法在图像细节的保留上有较好效果。     

简化型PCNN 的混合噪声图像滤波算法研究

针对脉冲噪声和高斯噪声构成混合噪声的特点,提出了一种基于简化型脉冲耦合神经网络( Pulse Coupled Neural Network,PCNN) 滤波算法,利用了简化模型的几个技术特性,适当的选取参数,并在算法中结合了形态学方法、中值滤波和维纳滤波,该算法相对于均值滤波和中值滤波算法来说具有更好的抑制混合噪声干扰的能力,能较好地保持图像的边缘和细节信息。通过大量实验证实,应用简化型PCNN 滤波算法对滤除灰度图像所受混合噪声的效果较好。在与其他算法的比较中,该算法优于传统的滤波算法,不但能有效地滤除混合噪声,并且计算量适中,具有较好的实时性,同时随着图像受混合噪声污染程度的增大,优势更加明 显。     

一种快速消除彩色图像高脉冲噪声的方法

针对彩色图像脉冲噪声的分布特性,提出噪声检测和滤波复原的2步算法。该算法通过长针统计检测技术判断脉冲噪声位置,用改进适应性中值滤波技术复原图像。实验表明,与已有算法相比,该算法能有效去除彩色图像中的高水平脉冲噪声,噪声密度大于80％时仍有良好性能,且算法实时性好,适宜于在线处理。     

基于多层忆阻脉冲神经网络的强化学习及应用

人工神经网络（Artificial neural networks,ANNs）与强化学习算法的结合显著增强了智能体的学习能力和效率.然而,这些算法需要消耗大量的计算资源,且难以硬件实现.而脉冲神经网络（Spiking neural networks,SNNs）使用脉冲信号来传递信息,具有能量效率高、仿生特性强等特点,且有利于进一步实现强化学习的硬件加速,增强嵌入式智能体的自主学习能力.不过,目前脉冲神经网络的学习和训练过程较为复杂,网络设计和实现方面存在较大挑战.本文通过引入人工突触的理想实现元件——忆阻器,提出了一种硬件友好的基于多层忆阻脉冲神经网络的强化学习算法.特别地,设计了用于数据——脉冲转换的脉冲神经元;通过改进脉冲时间依赖可塑性（Spiking-timing dependent plasticity,STDP）规则,使脉冲神经网络与强化学习算法有机结合,并设计了对应的忆阻神经突触;构建了可动态调整的网络结构,以提高网络的学习效率;最后,以Open AI Gym中的CartPole-v0（倒立摆）和MountainCar-v0（小车爬坡）为例,通过实验仿真和对比分析,验证了方案的有效性和相对于传统强化学习方法的优势.     

基于GPU的高性能并行计算技术

为研究基于GPU的高性能并行计算技术,利用集成448个处理核心的NVIDIA GPU GTX470实现了脉冲压缩雷达的基本数据处理算法,包括脉冲压缩算法与相参积累算法;同时根据GPU的并行处理架构,将脉冲压缩、相参积累算法完成了并行优化设计,有效地将算法并行映射到GPU GTX470的448个处理核心中,完成了脉冲压缩雷达基本处理算法的GPU并行处理实现;最后验证了并行计算的结果,并针对处理结果效果与实时性进行了评估。     

随机脉冲干扰对雷达信号分选的影响

验证了k已知条件下K-means聚类分选算法的准确性,并以此建立评估随机脉冲干扰效果的评价标准,通过软件仿真,得出影响干扰效果的随机脉冲参数规律,为工程实现提供了一定的理论依据.     

基于PCC的大功率特种脉冲电源控制系统研究

针对目前多数大功率脉冲电源控制电路设计复杂,难以满足电源主要参数大范围连续调节和高可靠性的要求,提出了一种基于PCC(可编程计算机控制器)的大功率特种脉冲电源控制器的设计方案。该控制系统的设计引入了模糊控制算法。电源实现了双向不对称脉冲输出和在大电流、高电压工况下主要参数的大范围连续可调。电源可分别工作于恒流、恒压两种状态。     

脉冲耦合神经网络自适应图像融合算法研究

作为一种新型的神经网络模型,脉冲耦合神经网络（PCNN）已经在众多领域得到了应用。针对现有脉冲耦合神经网络图像融合算法存在的不足,提出了一种新的自适应PCNN图像融合算法。提取原始待融合图像的互补特征作为PCNN的外部输入,并通过提取待融合图像的对比度特征自适应确定PCNN的链接强度参数;分析了传统PCNN获取最优图像融合结果的方法,探索性地将结构相似度引入到PCNN融合结果的评价中,为PCNN最优融合结果的获取提供了很好的借鉴作用。通过红外和可见光等图像的仿真实验结果表明,提出的融合算法是有效的。     

一种改进的G.729标准固定码本快速搜索算法*

在G.729建议的共轭结构代数码激励线性预测编码（CS-ACELP）中,固定码本搜索在整个语音编码算法中占有较大比重,直接影响编码算法复杂度。全搜索算法准确度很高,但搜索量过大,而传统的脉冲序列替换搜索,搜索次数减少,但合成语音质量较差。为解决该问题,提出一种基于脉冲序列替换的改进码本搜索算法。设定循环阈值门限,对脉冲序列重置后的部分脉冲组合进行全搜索,引入双脉冲位置替换,有效地减少了搜索次数,同时提高了搜索准确度。实验结果证明,该算法在增加算法复杂度较少的情况下,合成语音质量有明显的改进。     

机载脉冲多普勒雷达DBS成像实验研究

脉冲多普勒雷达是现代战斗机普遍采用的一种典型雷达体制。多普勒波束锐化（DBS）已成为机载脉冲多普勒雷达在空／地工作模式中对地面进行高分辨成像的有效途径,因而受到了国内外广泛的重视。本文首先分析了DBS技术的基本原理及其实现步骤,针对载机惯导参数误差较大的实际情况,应用本文提出的新的多普勒质心估计算法－－“曲线拟合相位较正叠代算法”,对某型脉冲多普勒雷达的实测数据进行了成像处理实验研究,给出了实测数据的DBS成像结果,证明了处理过程的有效性。     

Shrunk multiline addressing method in a passive‐matrix‐driven liquid powder display

Abstract— A shrunk multiline addressing method (SMLA) in a passive‐matrix‐driven liquid powder display will be discussed. An algorithm to generate SMLA data that effectively reduces the number of scanning lines has been devised. The update time is reduced by 44.5% on average, and this reduction is maintained despite increased sizes of the images. The SMLA data generated by this algorithm is applied to e‐paper panels, thereby confirming the reduction in update time and that the image quality of the panels driven by SMLA is equal to that of conventionally driven ones.     

Bit plane modification for improving MSE-near optimal DPCM-based block truncation coding

A hybrid method of block truncation coding (BTC) and differential pulse code modulation (DPCM) offers better visual quality than the standard BTC for small block sizes due to its inherent multitone representation. Recently, a two-level quantizer design method has been proposed to increase the coding performance of the DPCM-BTC framework. However, the design method is near optimal in the sense that its coding performance depends on the initial bit plane patterns. In this paper, we propose a bit plane modification (BPM) algorithm to achieve further performance improvement. The BPM algorithm, inspired by error diffusion, effectively distributes large quantization error at a certain pixel to its neighboring pixels having small quantization errors by changing partial bit patterns. Experimental results show that the proposed algorithm successfully achieves much higher coding performance than various conventional BTC methods. The average PSNR performance of the proposed method is 2.31 dB, 5.15 dB, and 5.15 dB higher than that of BTC, DPCM-BTC, and a recently developed BTC scheme using error diffusion and bilateral filtering, respectively.     

改进交叉视觉皮质模型的医学图像融合方法*

传统的ICM(Intersecting Cortical Model,交叉视觉皮质层模型)在图像边缘检测和图像的分割等领域得到了广泛的应用,但模型中的一些参数需要人工的去选取,从而降低了模型应用结果的准确度。因此,本文对传统的ICM进行改进,使其参数能够自适应的选取,提出改进的ICM与NSCT相结合进行医学图像的融合。实验结果表明：本文提出的算法无论从主观性评价还是6个客观性评价指标均优于其它融合算法,不仅提高了图像的清晰度,而且较大程度保留了图像的细节信息,具有边缘信息突出,亮度对比度高的优点,取得了满意的效果。