频谱分析仪校准规范的解读

频谱分析仪校准规范（以下简称规范）于2013年8月发布并实施。相对于频谱分析仪检定规程（以下简称规程），内容有较大的变化。校准规范很好地解决了检定规程里的不合理或不正确的地方。为了更好的理解、应用规范，本文作者对规范与规程中不同之处给出解释。     

移动边缘计算环境下的动态资源分配策略

在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。     

稀疏孔径和大转角下ISAR对目标转动的估计

逆合成孔径雷达（inverse synthetic aperture radar，ISAR）对非合作目标做成像时图像质量依赖于对目标运动参数的准确估计.针对在稀疏孔径和非均匀转动条件下现存的参数估计方法计算量过大或者方法适用条件不满足，提出了一种基于神经网络的参数估计方法.此方法以成像问题的模型知识指导数据的生成过程，然后训练通用的神经网络，最终实现将数据中隐含的知识转化为转动估计器.从仿真实验结果来看，所得到的网络对满足一定信噪比要求的回波数据可以提供较准确的估计，所得参数可以帮助成像算法提高聚焦效果，大量的样例表明网络可以部分学习到回波与转动之间的关系.     

基于能量检测的频谱感知算法性能研究

文章提出一种更精炼的能量检测算法(Improve Energy Detection,IED),该算法能避免瞬时信号能量下降造成的错误检测。实验结果表明,它能够在保持类似复杂度和计算成本水平的同时优于传统能量检测算法,精确判别信道中是否只存在噪声,有效地降低了能量检测的复杂度,提高了检测的可靠性。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

典型相关滤波跟踪算法的比较与分析

为综合评价现有的相关滤波类算法,对典型的相关滤波跟踪器进行全面的比较与分析,从而为进一步完善相关滤波器的设计提供指引。从相关滤波跟踪理论的一般框架切入,重点对当前四种具有代表性的相关滤波跟踪器即KCF,DSST,HCF和ECO展开研究,分别从理论分析以及在大规模公开数据集OTB100上的实验表现详细地比较各算法的优劣。比较与分析结果表明,使用卷积特征的算法在跟踪准确性和鲁棒性上相比单纯使用人工特征的算法具有显著优势,然而跟踪速度也会急剧下降,具有尺度估计模块的跟踪器能够得到更优的跟踪成功图表现。最后对深度学习结合相关滤波方法存在的实时性不足、长时跟踪等问题进行分析,并对未来的发展趋势进行了展望。     

一种柔性踝关节助力机构研究

为解决传统的刚性外骨骼助力机构限制人体关节运动的自由度和大幅增加人机惯量的问题,设计了一种柔性踝关节助力机构,并提出了一种根据足底压力传感器估计踝关节力矩大小和变化趋势的算法。最后,通过实验证明了这种踝关节助力机构的可行性和有效性。     

单轴加载条件下大理岩的实时轴向波速变化特征与频谱分析

为研究大理岩在单轴应力条件下的实时轴向波速的变化特征,采用自主研发设计的超声波检测替代承压装置,完成了大理岩、Q345钢的单轴压缩试验与实时轴向超声波测试,并结合FFT方法分析了大理岩试样与Q345钢试样的波速、频谱特征。试验结果表明:在单轴加载条件下,Q345钢试件耦合面的接触性状是导致其波速增长的主要原因,而大理岩纵波波速随应力的变化则受耦合面接触性状与孔隙闭合特征的共同控制,大理岩在弹性范围内的波速变化可分为孔隙压密段与线弹性段两个阶段;试件端面接触性状越稳定,波速增长越慢,波速越高,次频带谐波能量越低;随着岩石内部的孔隙、裂纹被压密,纵波波速增大,频域信号的低频段能量逐渐向高频段转移。     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。