基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门。神经网络算法是一种较为典型的场景校正算法。本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象。实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性。     

基于虚拟冲突阵列的片上网络路由单元设计

片上网络(NoC)路由单元共享输入缓存区,只允许顺序访问数据,使片上通信的速度和效率受到限制。为提高NoC的并行性,提出一种基于虚拟冲突阵列的路由单元体系结构。在数据进入路由单元流水线之前,在虚拟冲突阵列中对串行的数据请求进行部分消除,以降低路由单元流水线的传输数据量,提高系统的并行性。实验结果表明,与传统虚拟通道路由单元相比,引入虚拟冲突阵列的路由单元能够有效缩短路由延迟。     

一种非平衡数据分类的过采样随机森林算法

在灾害天气、故障诊断、网络攻击和金融欺诈等领域经常存在不平衡的数据集。针对随机森林算法在非平衡数据集上表现的分类性能差的问题,提出一种新的过采样方法:SCSMOTE(Seed Center Synthetic Minority Over-sampling Technique)算法。该算法的关键是在数据集的少数类样本中找出合适的候选样本,计算出候选样本的中心,在候选样本与样本中心之间产生新的少数类样本,实现了对合成少数类样本质量的控制。结合SCSMOTE算法与随机森林算法来处理非平衡数据集,通过在UCI数据集上对比实验结果表明,该算法有效提高了随机森林在非平衡数据集上的分类性能。     

弧形阵列3D-SAR成像处理算法研究

三维合成孔径雷达（3D-SAR）能够获取观测场景目标的三维分辨，解决传统二维合成孔径雷达的叠掩、阴影等问题。不同于现有的3D-SAR成像几何，本文设计了一种新的基于弧形曲面几何的三维合成孔径雷达系统模型。相比于现有的3D-SAR成像系统，该系统能够利用弧形天线阵列实现高效的数据采集和宽视角三维成像。然后针对所设计的弧形阵列3D-SAR系统，本文提出了一种应用于调频连续波信号的波数域三维成像处理算法，通过波数域卷积及插值变换，避免了距离近似等产生的相位误差，从而实现对目标的精准聚焦。最后，通过进行计算机单点目标仿真与多目标仿真，并将仿真结果与后向投影算法的结果进行对比，验证了本文所设计系统模型的有效性及提出算法的良好成像性能。      

微角锥棱镜阵列在逆向调制激光通信中的应用

基于逆向调制反射器(MRR)的自由空间光(FSO)技术是将传统FSO链路中一个终端的激光发射器和跟瞄系统替换成MRR而构成的一个非对称的FSO系统。MRR主要由光调制器和无源逆向反射器构成。针对未来超高速信息传输与小型化链路的需求,研究使用微角锥棱镜阵列(MCCRAs)来替代MRR中的无源逆向反射器,研究MCCRAs的波前补偿特性在MRR FSO系统中的应用。对MCCRAs的波前补偿原理进行了理论分析,通过实验分析验证了MCCRAs的波前补偿特性。在同等实验条件下,实验结果表明,MCCRAs的波前补偿特性在抵抗大气湍流对激光传输造成的影响上有着良好的效果表现,可提升1～2个数量级的BER性能。对基于MCCRAs的MRR FSO系统进行整体评估,探讨国内MRR FSO技术面临的技术瓶颈并对未来工作提出进一步建议。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于传承"工匠精神"人才培养的探索与实证性研究——以粉彩、古彩非遗教育为例

本文以粉彩、古彩非遗教育为例,从深化人才培养模式、改革课程教学体系、更新教学团队、提升创新意识四个方面探索将非遗传承与职业教育深度融合的非遗文化教育方法。