一种基于对称性的双向双二进制卷积Turbo码译码结构研究

该文提出了一种基于对称性的双向并行译码方案,用于提高802.16 m标准中双二进制卷积Turbo码(DB CTC)的译码速度。定义了分支度量矩阵以降低译码计算复杂度,定义了前向、后向因子矩阵,推导了前、后向度量递归计算中的对称性,并将其应用于前向、后向度量及后验概率对数似然比的双向并行计算中。构造了采用该方案的DB CTC译码器结构图,详细分析了迭代过程。以计算复杂度,存储空间,译码速度为指标考察了方案的性能,并给出了译码性能仿真曲线。分析表明,该双向并行的译码方法较常规方法提高了一倍的译码速度,而没有增加计算复杂度和存储空间。     

一种基于用户路径模型的搜索引擎检索性能度量方法

 搜索引擎是信息时代人们获取所需信息的重要手段,搜索引擎性能度量方法也成为了一个重要的研究课题.本文分析了国内外搜索引擎检索性能度量的研究状况,提出了一种基于用户路径模型的性能度量方法.从用户搜索行为的角度研究了用户行为模型,通过抽象用户行为模型到路径模型的映射,给出基于用户路径模型的搜索引擎检索性能的评估步骤,针对度量数据给出了成功搜索度量方法,并通过度量平台的实现验证了该度量方法的实践意义.     

大约束度Viterbi译码器中路径存储单元的设计

维特比(Viterbi)译码器由于其优良的纠错性能,在通信领域有着十分广泛的应用。用FPGA实现Viterbi译码算法时,其硬件资源的消耗与译码速度始终是相互制约的两个方面,通过合理安排加比选单元和路径度量存储单元可有效缓解这一矛盾。基于基4算法所提出的同址路径度量存储管理方法能在提高译码速度同时有效降低译码器的硬件资源需求。     

基于卡尔曼和图像信息量的Mean Shift改进跟踪算法

Mean Shift算法在目标实时跟踪领域取得了广泛的应用,但是对于速度过快或尺度变化大的目标跟踪存在较大的缺陷.提出了一种基于Mean Shift和Kalman预测带宽的自适应跟踪算法.该算法提出以Kalman预测目标在下帧中的中心位置作为Mean Shift迭代初始位置;同时引入图像信息量度量方法以适应目标的尺度变化.实验结果表明,改进的跟踪算法能很好地跟踪尺度变化的目标,跟踪效果很好.     

基于平均交互信息量的DNA序列相似性分析

序列相似性分析是生物信息学中一个重要问题,对于研究物种的进化起源有着重要的意义。序列相似性算法包括基于序列比对的方法及非比对方法两种。基于比对的方法对于序列整体的衡量略有欠缺;非比对算法中有DNA曲线化方法以及比较序列各自整体碱基分布间的信息量差异的方法,只是考虑了序列整体信息间的差异,但未考虑序列各个位点间的差异。因此,提出了一种基于信息熵的相似性度量模型,把序列比对与信息量差异结合起来,将两条比对后的序列间的平均交互信息量与其联合熵之比作为两条序列的相似性度量。使用该度量构建了11个物种的相似性矩阵,对各物种间的相似性进行了分析,结果在一定程度上与生物分类学相契合。通过距离矩阵所构建的进化树,也反映了各物种间的进化关系,表明该模型的设计具有合理性。     

基于距离度量学习的DCT域JPEG图像检索

由于特征有限,传统基于欧式距离的压缩域检索性能并不理想。本文引入距离度量学习技术,研究压缩域图像检索,提出了一种基于距离度量学习的离散余弦变换（DCT）域联合图像专家小组（JPEG）图像检索方法。首先,提出了一种更有效的 DCT 域特征提取方法;其次,运用距离度量学习技术训练出一个更加有效的度量矩阵进行检索。在 Corel5000上的图像检索实验表明,新方法有效提高了检索准确度。     

基于主曲率增强距离变换的形状相似性度量方法

针对常规形状相似性度量方法在噪声干扰、部分信息遮挡和缺失情况下鲁棒性和准确性不足的问题,提出了一种基于主曲率增强距离变换的形状相似性度量方法.通过距离变换扩展形状轮廓的作用范围,提升相似性度量结果的鲁棒性;基于主曲率增强距离图,提升信息量丰富轮廓在变换图中的响应,提升度量结果的准确性.仿真对比实验验证了方法在噪声干扰以及部分轮廓遮挡或缺失情况下的鲁棒性和准确性,道路矢量与GPS信号和光学遥感图像的应用试验表明方法在实际应用中的有效性.与传统的形状相似性度量方法相比,基于主曲率增强距离变换的方法适用于非刚性目标形状相似性度量,而且鲁棒性和准确度较高.     

基于欧氏距离度量的移动台辅助越区切换

在进行移动台辅助越区切换时,需要精确测量信道质量,并将它报告给基站.欧氏距离度量与解调信息序列相结合,可以用来测量信道质量.仿真结果表明平均的欧氏距离度量在使用不同的编码调制方案和不同的移动速度下,仍然可以提供可靠的信道质量度量;使用欧氏距离度量作为移动台辅助越区切换的判决依据,显著地减少了切换次数和切换时延,提高了系统性能.     

最大互信息在模版匹配中的应用

自动目标识别是进行精确打击的关键技术,其主要实现方法是图像匹配。为提高自动目标识别中图像匹配的精度和速度,提出一种基于最大互信息的快速图像匹配算法。根据定义的图像匹配相似度量,利用灰度信息进行模板匹配,并应用分离图像信息贫乏区的方法提高了算法的图像匹配性能。仿真结果表明,所提方法可有效提高红外图像匹配的实时性和正确性。     

最大互信息在模版匹配中的应用

自动目标识别是进行精确打击的关键技术,其主要实现方法是图像匹配.为提高自动目标识别中图像匹配的精度和速度,提出一种基于最大互信息的快速图像匹配算法.根据定义的图像匹配相似度量,利用灰度信息进行模板匹配,并应用分离图像信息贫乏区的方法提高了算法的图像匹配性能.仿真结果表明,所提方法可有效提高红外图像匹配的实时性和正确性.     

采用遗传算法的低轨区域通信星座优化设计

给出一种利用改进遗传算法实现低轨区域通信星座优化设计的方法,有效克服了上述困难。首先建立通用的区域覆盖星座模型,确定优化控制参数,并结合低轨星座应用背景对其进行约束。然后给出一种基于网格点统计的星座性能评价准则。为了提高遗传算法对局部最优解的搜索能力,文章提出一种混合遗传算法,该方法在基本遗传算法中加入复形调优算法,并根据优秀个体的分布对参数区间进行调整。将该算法应用于星座模型,建立一套完整的星座优化设计方案。最后对具体实例进行优化仿真,结果表明该方法取得良好的优化结果。     

基于模糊分类器及多层前馈神经网络混合结构的说话人辨认

提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有超椭球区域的模糊规则。实验表明,该系统可以较快的聚类速度取得与HMM 相当的识别效果。进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差。为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显著提高。     

一种覆盖范围可调的变频梯度自动对焦评价函数

针对传统调焦函数对噪声敏感和调焦范围小从而影响自动对焦准确性的问题,提出了一种基于变频梯度的自动对焦评价函数。解决了由于离焦量过大而引起的评价函数调焦范围小的问题,通过改变采样频率实现了评价函数调焦范围的可调性。其中,评价函数采用了带有阈值选取的梯度绝对值算子,提高了评价函数的抗噪性,降低了时间复杂度。分别利用仿真实验和实拍实验对该方法进行验证,实验表明:采用不同采样频率的梯度算子能够兼顾调焦范围广以及灵敏度高的两种特性,并与现有的对焦评价函数进行了比较,通过量化指标说明了该评价函数的运算速度较现有评价函数有较大的提升,证明了所提出方法抗噪性与实时性更好、灵敏度更高、调焦范围可调,同时能够准确评价离焦图像清晰度。     

基于物点的网络覆盖评估体系研究

当前网络覆盖评估主要关注全网整体指标,问题颗粒度为小区级,无法做到快速地理化定位和区域级规划、优化的精准支撑。本文提出一种基于物点轮廓的网络覆盖评估体系,实现由点及面、由小区级至区域级的评估转换,为问题热点区域的资源及时投入和网络性能有效提升进行直接引导。     

模糊层次分析法在高校教师绩效评价中的应用

基于现有的高校教师绩效评价中定性因素较多,采用层次分析法进行评价又需检验一致性的问题,构建教师绩效评价指标的层次结构模型以及定性与定量结合的综合多因素评价。依据模糊层次分析法的思路,兼顾大学教师绩效评价指标,首先建立评价层次结构模型,利用9标度法构造模糊一致矩阵,计算各指标的相对权重,其次依据模糊评价方法和采用模型四算子构造计算出高校教师定性定量的综合多因素评价结果。实例表明,该综合评价能够得到教师单独某个指标和综合多指标的定性定量评价,为高校教师的绩效评价问题提供了参考。     

基于频率评估系统的ETL优化与小区性能评估研究

针对频率评估系统中的ETL处理过程效率较低的问题,在分治算法和贪心算法思想的基础上,提出了一种优化算法——DC-Greedy算法.通过在评估系统中对小区数据进行处理后,基于主成分分析法,研究了单个小区综合性能的评估策略.ETL处理时间和小区综合性能评估值的仿真结果表明,对比一般情况下ETL的穷举处理过程,经过优化后ETL处理效率明显提高;对小区评估策略的评价结果表明该评估方法可以完整地反映小区的综合性能,评估结果图能较直观地呈现小区综合性能水平,达到了预期研究目标.     

采用区域生长和EMDs模型的运动目标检测方法

以动态背景中红外运动目标为研究对象,针对二维初级运动检测器在时域上对运动敏感而引起目标运动矢量受背景变化干扰的问题,提出一种结合时域中生物视觉二维初级运动检测器和空域中区域生长方法的运动检测方法。该方法利用时域中二维初级运动检测器检测出运动矢量并将幅值最大的运动矢量作为区域生长的种子点,利用空域中运动目标具有较高红外辐射的图像特性,通过区域生长法,将热辐射特性强于背景的目标分割出来。仿真实验结果表明:该方法在去除背景干扰的同时提取出动态背景中的运动目标,与其他方法相比具有较高的信杂比。     

Potential Anomaly Separation and Archeological Site Localization Using Genetically Trained Multi‐level Cellular Neural Networks

In this paper, a supervised algorithm for the evaluation of geophysical sites using a multi‐level cellular neural network (ML‐CNN) is introduced, developed, and applied to real data. ML‐CNN is a stochastic image processing technique based on template optimization using neighborhood relationships of the pixels. The separation/enhancement and border detection performance of the proposed method is evaluated by various interesting real applications. A genetic algorithm is used in the optimization of CNN templates. The first application is concerned with the separation of potential field data of the Dumluca chromite region, which is one of the rich reserves of Turkey; in this context, the classical approach to the gravity anomaly separation method is one of the main problems in geophysics. The other application is the border detection of archeological ruins of the Hittite Empire in Turkey. The Hittite civilization sites located at the Sivas‐Altinyayla region of Turkey are among the most important archeological sites in history, one reason among others being that written documentation was first produced by this civilization.