一种基于DPMZM的16倍频光生毫米波方案

为提高光载无线(RoF)中光生毫米波的倍频系数及降低系统的复杂度,提出了一种基于双平行马赫曾德尔调制器(Dual-Parallel Mach-Zehnder Modulator, DPMZM)和偏振复用技术的抑制载波的16倍频毫米波信号产生方案。推导了理想情况下倍频方案的产生机理。在仿真实验中,分别分析了调制器调制指数、消光比、电移相器相移、偏振器件角度漂移等非理想因素对系统光边带抑制比(OSSR)和射频杂散抑制比(RFSSR)的影响。结果显示,当合理设置各参数的取值范围,其对应的OSSR和RFSSR的饱和值高达29.88 dB和23.9 dB。该方案在一定程度上简化了16倍频的系统模型且生成的毫米波信号性能较为高效、频谱纯度较好,对实际系统设计具有一定的参考价值,为微波光子学的发展提供了新途径。     

改进的扩展卡尔曼滤波算法研究

扩展卡尔曼滤波已被广泛地应用到工程实际等各领域,但是此算法因假设过程噪声固定而带来误差,精度不高。研究了一种改进的EKF算法,主要通过假设过程噪声由滤波结果和观测结果得到,再用差分进化算法对所得到的过程噪声方差进行最优化选择来提高滤波精度,通过Matlab对算法进行验证,并与EKF滤波效果、无迹卡尔曼滤波效果进行比较,结果表明,改进的扩展卡尔曼滤波算法减小了状态估计偏差,获得了比较理想的滤波效果,提高了滤波精度。     

单层小波分解下图像行列压缩感知选择算法

在进行图像压缩感知时发现以行或列进行压缩感知所得到的图像重构后的峰值信噪比(PSNR)是不同的。为了提高图像压缩重构的质量,提出了单层小波分解下图像行列压缩感知的选择算法。该算法首先计算图像的行与列数据的相对方差的最大偏离值,选择较小者对应的行或列作为压缩感知的对象,然后对图像进行单层小波变换分解出高频系数,在高斯观测矩阵下,对这些系数按指定的行或列进行压缩感知,最后利用正交匹配追踪算法(OMP)分别恢复压缩感知下的高频系数,并通过小波逆变换得到经过行列压缩感知后的重构图像,实验结果证明了算法的准确性。     

基于卷积循环网络与非局部模块的语音增强方法

现有的深度神经网络语音增强方法忽视了相位谱学习的重要性,从而造成增强语音质量不理想。针对这一问题,文中提出了一种基于卷积循环网络与非局部模块的语音增强方法。通过设计一种编解码网络,将语音信号的时域表示作为编码端的输入进行深层特征提取,从而充分利用语音信号的幅值信息以及相位信息。在编码端和解码端的卷积层中加入非局部模块,在提取语音序列关键特征的同时,抑制无用特征,并引入门控循环单元网络捕捉语音序列间的时序相关性信息。在ST-CMDS中文语音数据集上实验结果表明,与未处理的含噪语音相比,使用文中方法生成的增强语音质量和可懂度平均提升了61%和7.93%。     

知识生产模式转型与高校科研支持体系变革

知识生产从模式1到模式2、模式3的转型,引起了高校科研样态与特质的变化与演进,要求高校科研支持体系做出多方面的变革来顺应知识生产方式的变化。目前,我国高校的知识生产处于多种模式的并存时期,其中模式1最为普遍。从高校层面而言,绝大多数高校长期以来形成的科研支持体系是与模式1相匹配的,与新知识生产模式相匹配的科研支持体系建设存在着迟滞与缺位的问题。为顺应知识生产模式的转换,形成与新知识生产模式相匹配的科研支持体系,需要变革与重构科研文化支持体系、高校管理制度支持体系和平台支持体系。     

基于多头自注意力和并行混合模型的文本情感分析

针对以往研究大多使用单一模型进行文本情感分析,导致无法很好地捕捉相关文本的情感特征,从而造成情感分析效果不理想的问题,提出一种基于多头自注意力和并行混合模型的文本情感分析方法。首先,利用Word2vec模型捕捉单词的语义特征,训练词向量;其次,借助双层多头自注意力机制(double layer multi-head self-attention,DLMA)学习文本内部的词依赖关系,捕获其内部结构特征;再次,使用并行的双向门限循环神经网络(bi-directional gated recurrent nnit,BiGRU)获取文本的序列特征;最后,借助改进的并行卷积神经网络(convolutional neural network,CNN)提取深层次特征信息。将该模型分别在2个数据集上进行实验验证,其准确率分别达到92.71%和91.08%。结果表明,该方法比其他模型具有更好的学习能力。     

下行NOMA系统中最大化能量效率的功率分配方案

针对多簇且每个簇包含任意用户的下行非正交多址接入（NOMA）系统,提出了一种最大化系统能量效率的功率分配方案.首先推导了满足所有用户连续干扰消除需求的情况下,单个用户及单个簇所需的最低功率,建立最大化系统能量效率的用户间功率分配优化问题,然后采用二分法求解最大化单个簇内能量效率的功率分配优化问题,基于该结论将最大化系统能量效率的用户间功率分配优化问题转换为簇间功率分配优化问题,最后给出了一种迭代的簇间功率分配方案,并根据簇间功率分配的结果为单个用户分配功率.仿真结果表明,所提方案的系统能量效率高于相同场景中的已有方案.     

一种检测视频中运动目标的新方法

现有的用于视频运动目标检测的鲁棒主成分分析方法通常将背景矩阵的秩函数松弛为核范数,导致求解低秩矩阵的奇异值收缩算子法的阈值恒定,从而背景恢复精度不高。为此提出由加权核范数和结构稀疏范数组成的新的损失函数并用交替方向乘子法进行优化。采用加权核范数作为矩阵的低秩约束,使得压缩阈值与相应奇异值的大小呈单调递减关系,从而大奇异值得以较小幅度压缩。使用结构稀疏范数作为前景稀疏约束,有效利用了前景运动目标的空间区域连续性的先验知识。实验结果表明,该方法在动态背景、阴影等复杂场景下均能取得较其他鲁棒主成分分析方法更好的效果。     

高阶自适应有限元三维直流电阻率正演方法及其在沁水盆地煤气层压裂监测中的应用

自适应有限元解的精度主要受单元大小和形函数阶数的影响,为了得到高精度的有限元解,需要将网格自适应加密到足够的密度或者在网格中应用较高阶数的形函数,但这会大大增加计算时间,同时消耗大量计算资源。为提高有限元解的精度并节约计算资源,应用h型自适应加密算法并结合高阶形函数实现了三维直流电阻率模型的正演。在程序实现过程中,通过一维多项式的张量积生成三维空间中任意阶数的形函数,应用Kelly后验误差估计指导网格自适应加密。数值算例表明,形函数阶数p=3时,算法具有较高的精度,并且比p=1、2时有限元解的收敛更快,即实现了用最少的自由度个数得到最精确的有限元解。最后通过对沁水盆地南部某煤气层压裂监测区的三维合成数据模型进行直流电阻率模拟,验证了程序的有效性。     

基于分级迭代变步长的自然梯度盲源分离算法

自然梯度算法是处理盲源分离问题的一个重要方法.自然梯度算法的分离速度与稳态性能之间存在矛盾,步长增大收敛速度加快,但是稳态误差随之增大.自适应变步长算法是解决收敛速度与稳态误差之间的矛盾的有效手段.基于原有自适应算法,提出了一种分级迭代变步长算法,更好地解决了算法存在的收敛速度与稳态误差的矛盾.仿真结果表明,该算法具有更快的分离速度和更好的稳态性能.