“数字信号处理”一流课程建设探索与实践

“一流课程”建设是本科教育质量提升的突破口，如何建设一流课程，是亟待研究和践行的重大课题。以国家级首批一流课程“数字信号处理”为例，从更新教学理念、整合教学内容、创新教学方法、完善教学团队及评价机制的教学支撑四个层次给出一流课程建设的具有普适性、可借鉴的方法。从教学实践效果看，提出的方法有效提升了课程的“两性一度”,使学生在课程中受益、在教学中成长。     

一种卷积神经网络的模型压缩算法

卷积神经网络的研究取得一系列突破性成果,其优秀表现是由深层结构支撑的。针对复杂的卷积神经网络在参数量及计算量上存在大量的冗余问题,提出一种简洁有效的网络模型压缩算法。首先,通过计算卷积核之间的皮尔逊相关系数判断相关性,循环删除冗余参数,从而压缩卷积层。其次,采用局部-全局的微调策略,恢复网络性能。最后,提出一种参数正交正则,促使卷积核之间的正交化,进而减少冗余特征。实验结果表明,在MNIST数据集上,该压缩算法能够在不损失测试精度的前提下,使AlexNet卷积层的参数量压缩率达到53.2%,浮点操作计算量可以减少42.8%,并且网络模型收敛后具有较小的误差。     

云计算技术及云智慧

从云计算(Cloud Computing)的基本概念、特点、架构、分类及应用等多角度阐述云计算技术的内在含义,并根据云计算与其他技术的关系及云计算所面临的主要问题,阐明云计算对IT行业及物联网带来的影响。分析显示云计算技术在信息产业、信息服务业、软件行业都具有很好的应用前景。     

最小窥视孔长短时记忆模型

由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不同数据集上,该模型性能高于长短期记忆模型,部分高于门循环单元模型,在参数个数、运行时间方面,其远小于长短期记忆模型以及门循环单元模型。     

基于Sobel滤波器的图像风格转换算法

基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法.通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数.在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失.实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像.     

多载频混沌相位编码雷达信号处理研究

雷达波形设计与信号处理是现代雷达研究领域的热点。文中用具有弱结构性的混沌二相码对正交频分复用雷达信号的相位进行调制得到一种多载频混沌相位编码雷达信号,推导了该信号脉冲压缩的输出表达式,用分段FFT脉压法对该信号进行脉压,比较了该信号和多载频巴克码相位编码信号的脉压效果,并对该信号的接收处理过程进行了仿真。仿真结果表明:多载频混沌相位编码雷达信号具有更优异的脉压性能,能够实现在信噪比很低的情况下多目标的精确测距和测速,同时由于其灵活的结构、复杂的调制方式及类噪声的特性,提高了雷达的低截获性能。     

基于CNN和BLSTM的房颤识别算法

针对传统机器学习算法难以提取复杂心拍特征的弊端,提出一种基于深度学习的房颤识别算法。基于心电信号的一维时序特性,设计一维深层卷积神经网络模型,自动挖掘原始信号预处理后的深层次特征。将适合捕捉时间序列长期依赖关系的双向长短期记忆网络与卷积神经网络进行结合,搭建一种深度学习网络模型。基于PCin CC2017数据库实现对原始心电信号的自动分类,完成对房颤的识别。实验结果表明,该算法以86%的分类准确率和83%的F1度量验证了模型的可行性和算法的有效性。     

一种基于轮廓分析的图像特征点检测方法

图像特征点检测是图像匹配、目标识别以及运动估计等领域的一项关键技术.本文对图像轮廓二维信息进行降维处理,提出了一种特征点质量评价因子.利用该因子并结合文中给出的特征点提取准则对图像轮廓链码进行分析,提取特征点.该方法避免了常规的基于链码的特征点检测方法中曲率的计算,提高了检测速度.试验证明该方法具有较好的实时性和定位精度.     

非圆信号与圆信号共存下的快速方位估计算法*

针对非圆信号和圆信号共存时,信号的波达方向估计算法运算量较大的问题,提出了一种可同时估计非圆信号和圆信号DOA的快速算法。首先,利用观测数据及其复共轭构造中心复共轭对称矩阵,通过双映射定理可将该矩阵转换为实矩阵;然后,利用多级维纳滤波,无需计算阵列协方差矩阵及对其进行特征分解,仅通过对接收的实数据矩阵递推可快速求出观测数据的信号子空间;最后,利用酉ESPRIT算法的实值性,不必谱峰搜索,在保证DOA估计精度的同时可大大降低算法的计算复杂度。仿真结果验证了算法的有效性。     

基于Sobel滤波器的图像风格转换算法

基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲.为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法.通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数.在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失.实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像.