基于电磁超材料的微波单向传输圆波导设计

微波隔离器是微波系统中不可或缺的器件,常见的隔离器都采用了铁氧体旋磁材料配合吸收负载实现电磁波的单向传输。这种器件虽然可以使电磁波单向传输,但是并不能改善能量的浪费问题,还增加了系统的复杂度。针对上述问题,本文基于电磁超材料设计了一种微波单向传输的圆波导,使用波导内壁涂覆折射率逐渐变化的材料来影响电磁波的传输特性,从而实现电磁波单向传输。本文给出了微波单向传输的电磁计算模型和超材料结构及属性,并通过简化这种超材料使其易于实现;最后通过电磁仿真分析了这种材料的电磁特性并给出了这种材料的实现方法。     

结合注意力的3D卷积网络脑胶质瘤分割算法

为了提升脑胶质瘤分割精度，提出一种结合注意力机制的3D卷积神经网络算法。输入3个不同尺度的图像块，经过9个卷积层和1个分类层后得到3个不同的分类结果，将分类结果与注意力学习到的权重相乘并逐体素相加得到输出。此外该算法采用了一种混合Dice损失函数与Focal损失函数的超参数损失函数。实验表明，该算法的Dice系数在整体区域、核心区域以及增强区域分别达到了95.31%、80.12%、82.25%。与已有的一种脑胶质瘤分割算法deepmedic相比，整体区域、核心区域以及增强区域的Dice系数分别提升了3%、2%、6%。在脑胶质瘤分割方面，具有重要的临床意义。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

小型无线场强探测传感器研究

近年来,微波加热因其高效性和清洁无污染等优点广泛应用于各个领域。然而,微波加热的不均匀性限制了微波作为高效加热能源的应用。通过测量和分析加热腔中的电场分布情况可以帮助设计人员改进微波加热腔体设计,提高微波加热的均匀性。现有的场强测量设备均为有线设备,应用场景极为有限。因此,本文提出了一种由探头、接收机和上位机三部分组成的无线场强探测传感器。介绍了无线场强探测传感器的结构和原理,采用横电磁波小室进行校准。通过一系列测量实验表明实测值与标准场强仪测量值一致性较好,可满足工程测量需求。     

基于稀疏编码和各向异性滤波的超分辨率重建

针对基于非局部稀疏自相似性的超分辨率重建方法存在的图像边缘保持性能不佳的问题,提出了一种基于稀疏编码和各向异性滤波的超分辨率重建算法。该算法利用卷积神经网络和各向异性引导滤波训练了一个各向异性特征模型,然后利用该特征模型构建一个局部的结构先验,以和非局部稀疏先验形成互补,从而提高算法的边缘保持能力。该算法训练后的模式使用通用测试集进行测试,测试结果表明算法SR性能较好,能很好地保持边缘细节,提供视觉效果更好的图像。     

基于Xampling的MWC系统信号盲恢复

Modtlated Wideband Corwerter(MWC)调制宽带转换器系统是一个将原始的模拟信号送入多通道,进行同时调制滤波之后,以一个较低的采样率进行采样,为稀疏多频带信号采样率高的问题提供了一种欠采样解决方案。同时基于Xampling算法对稀疏多带信号进行未知载波频率的信号盲恢复。恢复出的信号与原始信号相比,虽然在频域上引入了能量很低的新的频谱分量,但是信号主要的参数没有改变。     

利用奇异谱分析的深度神经网络语音增强方法

针对现有深度神经网络语音增强方法对带噪语音的去噪能力有限、语音质量提升不高的问题，提出了一种基于奇异谱分析的深度神经网络语音增强方法。通过引入奇异谱分析算法对带噪语音进行预处理，以初步分离得到语音信号与噪声。接着将语音信号与噪声用于深度神经网络模型得训练，以得到性能更优的网络模型，从而使得本文方法具有更好的性能。最后在重建干净语音的环节中，同时使用神经网络估计得到的对数功率谱和带噪语音的对数功率谱，并加入了权重系数，使得本文提出的方法可以适应不同信噪比的情形，有效的去除背景噪声，降低语音信号的失真。本文通过仿真实验验证了该方法的有效性和鲁棒性。