基于改进残差特征蒸馏的轻量级超分辨率网络

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。     

无痕折叠屏手机Moto Razr 5G

摩托罗拉是最早称霸手机行业的老品牌,虽然现在已经没落了。他们刚刚发布了一款无痕折叠屏手机——Moto Razr 5G。Moto Razr 5G外形走的是复古风,乍一看就像是16年前的Moto RAZR V3。从命名就可以看出是致敬了,同样采用的翻盖式设计,不过Moto Razr 5G的翻盖是升级版的折叠屏翻盖。折叠状态下有块800×600的2.7英寸外屏,不需要翻盖就能快捷地对手机进行一些简单操作。内屏尺寸则是6.2英寸,分辨率为2142×876。刘海屏设计,前置2000万像素镜头。后置4800万像素主摄。     

基于Radon-CPF-Fourier变换的机动目标ISAR成像

由于机动目标的逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）成像中存在多普勒扩散现象，易导致成像分辨率降低。针对此问题，在多分量三次相位信号（Cubic Phase Signal,CPS）模型基础上，提出一种基于Radon-CPF-Fourier变换（Radon-Cubic Phase Function-Fourier Transform,RCFT）的机动目标ISAR成像方法。RCFT可实现CPF中自项能量的相干积累，减轻多普勒扩散带来的影响。与现有的基于时频分析和参数估计的ISAR成像算法相比，RCFT的主副比性能提升了至少2 dB，在时频分辨率无损失时具备更好的自项能量积累能力，可获得更高质量的成像结果。仿真验证了所提方法的有效性。     

改进的基于卷积神经网络的图像超分辨率方法

图像超分辨率是计算机视觉领域的经典问题。使用深度神经网络来解决图像超分辨率的问题目前得到越来越多的研究学者的关注和青睐。为改善基于卷积神经网络的图像超分辨率方法的图像生成效果,提出一种改进的方法。在神经网络层中加深网络层数,并且针对加深网络可能出现的退化现象引入残差网络结构,并将图像上采样步骤放入网络中。实验表明,在与传统的插值法和原始的基于卷积神经网络方法的对比中,该优化方法生成的图像观感更加锐利清晰、细节丰富,而且无论在峰值信噪比和结构相似性上均有明显提高,验证了该方法的有效性。     

改进的卷积神经网络单幅图像超分辨率重建

针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷积神经网络结构。原始低分辨率图像输入网络，利用密集残差学习网络获取更丰富的有效特征并加快特征梯度流动，其次通过反卷积层将图像特征上采样到目标图像大小，再利用密集残差学习高维特征，最后融合不同卷积核提取的特征得到最终的重建图像。在Set5和Set14数据集上进行了实验，并和Bicubic、K-SVD、SelfEx、SRCNN等经典重建方法进行了对比，重建出的图像在整体清晰度和边缘锐度方面更好，另外峰值信噪比（PSNR）平均分别提高了2.69?dB、1.68?dB、0.74?dB和0.61?dB。实验结果表明，该方法能够获取更丰富的细节信息，得到更好的视觉效果，达到了图像超分辨率的增强任务。     

低成本高分辨率电化学传感技术测量大气N_O

为解决三电极电化学传感器分辨率过低、光学探测仪器成本高昂的困扰,设计了以STM32为核心的NO_2电化学传感器监测系统,利用低成本高分辨率电化学传感技术测量大气中NO_2的体积分数。实验表明:-10～10℃时传感器响应时间T90受温度影响严重,传感器灵敏度温度特性曲线S (T)=0. 197 60+0. 002 13T-0. 001 21T2(-10℃分辨率为10 s时,系统探测限3σ体积分数约为1. 5×10-9。验证实验系统的准确性,将其与参考设备LP—DOAS系统对比,二者获得了良好的一致性,线性拟合斜率为1. 159±0. 005,相关度R2达到0. 901。实验结果表明:该技术为环境大气NO_2的精确测量提供了一种低成本途径。     

基于自适应时段聚合算法的能-水联结系统联合优化运行

水网作为可控负荷参与电网调度,有利于提升电网运行灵活性,从而降低系统整体运行费用。为实现电网与水网联合经济运行,提出了适用于能-水联结系统调度运行问题的数学优化模型。针对联合系统运行问题存在的模型复杂、求解困难等问题,从系统建模层面,提出配水网简化建模方法以减少决策变量数量;从优化场景层面,提出基于电-水净负荷曲线波动特征的自适应时段聚合算法,通过迭代,逐次合并相邻且相似的时段,从而逐步缩小优化问题规模。算例分析表明电网与水网联合运行能够提升整体经济效益,降低新能源弃电率;所提时段聚合算法能够大幅削减优化问题规模、降低求解时间,且适用于多种应用场景和具有不同波动特征的优化场景,满足在实际工程与运行中的需求。