基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

2×4 MIMO-OFDM系统中K-Best检测器的设计与实现

基于贝尔实验室V-BLAST结构构建了2×4 MIMO-OFDM系统模型,并确定了该模型下K-Best算法的K值。之后对K-Best检测器进行了硬件架构设计,采用Xilinx Virtex-5芯片对所设计检测器加以实现,并给出检测器资源消耗和时钟频率等性能指标,最后通过仿真验证检测器正确性。     

一种基于基音预测的信息隐藏算法

针对低速率语音编码问题,提出一种基于基音预测的信息隐藏算法。在基音预测编码过程中,采用控制基音闭环搜索的自适应码本搜索范围方法,实现秘密信息的嵌入,在进行语音压缩的同时完成信息隐藏。实验结果证明,该算法具有良好的隐蔽性,且计算复杂度较低。在编码标准G.729a中,秘密比特信息嵌入速率统计平均最高可达374.636 bit/s,PESQ恶化改变率在10.4%以内,检测正确率在66%左右。     

基于深度学习的高分辨率遥感图像识别与分类研究

高分辨率遥感图像,作为卫星及其它航空器拍摄的一种特殊图像类型,不论在军用还是民用领域都具有着极其重要的价值和地位。当前,卫星遥感技术发展迅速,传统的图像识别与分类技术已经不能满足人们对高分辨率遥感图像信息获取的需求。文章在传统图像预处理技术的基础上,结合了深度学习的方法,实现了高分辨率遥感图像的识别与分类。     

QPP交织器的修正量度算法

交织器是Turbo信道编码的重要组成部分，交织器的扩展因子通常是衡量一个交织器好坏的量度。阐述了基于整数环的QPP（quadraticpermutationpolynomials）交织器可以产生最大扩展因子，从代数几何视角研究了交织器的修正了的非线性度性质，提出了一种交织器的新的量度，这个量度是扩展因子和非线性度的函数。通过计算机仿真表明，由这种新的量度选择的交织器在误码率上表现出较优性能。     

H.264视频感兴趣区域加密算法

为了对视频的隐私区域进行加密,提出一种基于FMO和骑士巡游思想的H.264视频感兴趣区域加密的算法。首先确定视频中包含的感兴趣区域的范围,之后对感兴趣区域内部宏块的宏块类型参数使用SHA-1生成的流密码异或加密,并对条带组序号使用骑士巡游思想置乱加密。实验分析表明,该算法可以有效地保护视频中的隐私区域,并且可以在安全性、加密效率和编码效率取得较好的折中。     

一种时间依赖路网最小时间路径规划算法研究

研究时间依赖路网(TDN)的最短路径规划算法,对指导人们出行和解决城市交通等问题具有十分重要的意义。在研究前人算法的基础上,提出了一种利用结构体数组来求解TDN路网最小时间路径规划算法。对算法的基本原理和结构体数组的构造进行了介绍,对算法实现流程及其中一些关键步骤进行了重点阐述,最后在VC++环境中利用MapX控件对算法进行了实验仿真。仿真结果表明,该算法具有较高的搜索效率,且能适应路况变化,基本满足现实需要。     

无线通信中空分复用技术的研究现状

空分复用技术可以极大地提高频谱利用率,已经成为国内外无线通信领域的研究热点,文章讨论了空分复用技术的系统构成,对比了当前空分复用系统各模块关键技术的优缺点,总结了大规模MIMO技术以及广义空间索引调制技术的优势,分析了空分复用技术下一步发展趋势。     

基于离散Hopfield神经网络的噪声数字识别

在Hebb学习规则的基础上,运用离散Hopficld神经网络的联想记忆能力,对含有噪声而产生畸变的0~9数字进行了识别。通过改进神经网络的记忆样本,即先对记忆样本做正交化处理,再对改进后的记忆样本进行学习,得到相应的权值矩阵,然后利用改进后的离散Hopfield神经网络根据待识别噪声数字的信息联想已记忆的数字。实验结果表明,改进后的神经网络对噪声数字有较好的识别效果,提高了记忆能力和识别的正确率。     

改进的紫外光通信网络TDMA邻居发现算法

针对节点数较多的紫外光固定拓扑网络,设计了一种基于时分多址接入(Time Division mMultiple Access,TDMA)技术的紫外光帧结构,结合紫外光大气传输特性提出了一种紫外光定向邻居发现算法.仿真对比了该算法和传统算法的性能,并对该算法不同退避延时下的节点发现效率进行了理论分析和仿真验证.