结构保持生成对抗网络的SD-OCT图像去噪方法

为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型.     

使用具有重叠方向图的天线估计来波角度

基于接收信号强度(Rss)的室内定位设计容易受到多径干扰的影响，为了解决这个问题，将具有重叠方向图效果的波束切换天线和Rss相结合，提出一种来波角度(AoA)估计方法。AoA是通过不同波束Rss的差分运算进行估计，因为多径信号的AoA呈现一种对称分布的特性，从AoA估计误差的均值角度，证明Rss差分运算具有抑制多径干扰的能力。同时对于波束切换天线的结构参数与整体AoA估计精度和稳定性之间的关系开展研究，最后通过实验和仿真验证理论分析的结果，可以在多径丰富环境中获得较高的AoA估计精度和稳定性。     

大数据时代人工智能在计算机网络技术中的应用研究

经济社会的发展和科学技术的不断进步,人工智能方式的应用程度不断加深,在社会多个领域都产生了重要的影响,有效提了升网络运行的稳定性,且更好地满足大数据时代海量信息处理的需求。大数据发展背景下,要更好地带动计算机网络技术的运行发展,需要重视科学地使用人工智能方式,开展管理工作,合理使用大数据时代的人工智能,提升整体系统的运行效率,更好地满足时代发展需求。对大数据时代人工智能在计算机网络技术中的应用进行了探讨。