REMER A-9360失真的检修

故障现象：开始有偶发、轻微的“辟、辟”声，类似静电噪声。一段时间后突然失真严重，无信号时噪声很大。     

静止图像无失真编码的新标准JPEG-LS

介绍了用于连续色调静止图像的无失真或近似无失真压缩的最新国际标准ＪＰＥＧ－ＬＳ,并与原ＪＰＥＧ的无失真压缩模式进行了技术上的比较。     

一种具有分段式DEM的二阶噪声整形SAR ADC北大核心

设计了一种具有分段式动态元件匹配(DEM)的高分辨率、低功耗噪声整形SAR ADC。该电路实现了具有无源增益的二阶噪声整形滤波器，从而增强了噪声整形能力。此外，提出了一种分段式动态元件匹配电路来解决由DAC电容失配引起的谐波失真问题，以进一步提高ADC的信噪失真比(SNDR)。仿真结果表明，在4 MS/s的采样速率和40倍过采样率(OSR)的情况下，所设计的噪声整形SAR ADC的信噪失真比达到91.1 dB。当电源电压为1.8 V时，该ADC的功耗仅为231μW,并实现了174.5 dB Schreier优值(FOM)。     

基于结构信息和像素失真的客观图像质量评价

为了度量多种失真类型的图像质量,根据人类视觉系统(HVS)对图像空域结构信息高度敏感和任一类型的失真都会产生像素失真理论,提出一种基于结构信息和像素失真的无参考的质量评价方法.该方法利用色彩信息提取能够表征图像结构信息的视觉内容结构图,并加权像素失真来度量图像质量,同时对部分失真类型进行修正.该方法不涉及任何参数设置也无需训练过程.实验结果表明,该方法能够较好地评价白噪声、JPEG压缩、高斯模糊、JPEG2000压缩和FastFading等失真图像的质量,并与主观评价方法有较好的一致性.     

接收机三阶互调失真影响的分析

对三阶互调失真进行了分析，研究了非线性对机载雷达系统无假响应动态范围和动目标显示（ＭＴＩ）性能的影响，简要介绍了非线性双音测试方法     

无源互调测量及解决方案

1 概述 无源器件会产生非线性互调失真吗?答案是肯定的!尽管还没有系统的理论分析,但是在工程中已经发现在一定条件下无源器件存在互调失真,并且会对通信系统(尤其是蜂窝系统)产生严重干扰.     

基于Matlab的功放非线性及预失真建模

在无线通信系统中,由于功率放大器本身非线性失真,引起信号带外频谱扩展和带内信号失真,从而造成邻道干扰。结合实际输入输出数据,利用Matlab拟合出无记忆功放特性函数,再针对功率放大器非线性特性对功放建立符合实际情况的预失真处理模型。     

一种通用型无监督的无参考图像质量评价算法

为了克服针对特定失真类型的局限性以及避免有监督的学习过程,通过视觉注意模型和边缘信息来构造特征池,提出了一种基于特征池的不区分失真类型以及无监督的无参考图像质量评价算法.该算法不针对特定失真类型,对各种失真类型的图像都能做出较好的评价,从这个角度来说,是一种通用型算法.此外,该算法不需要主观分值的训练,因而又是一种真正的无监督的质量评价算法.而且,在提取空域特征时,考虑了人类的视觉感知特性,认为感兴趣区域以及边缘块会显著地影响人们对图像质量的评价.实验结果表明,该算法性能与人们的主观感知具有较好的一致性.     

无记忆间接学习结构预失真器

为了提高通信系统中功率有效性和频谱利用率,在采用预失真技术克服功率放大器（PA）的非线性失真和采用多项式模型逼近功放模型的理论基础上,分析了多项式有效阶和输出功率回退（OBO）对预失真器补偿性能的影响,并进行仿真,提出预失真建模方向,对于提高功放效率,降低系统成本,推动节能减排具有一定的实际意义。     

幅度和相位预失真参数并行估计的间接学习结构预失真方法

为解决传统间接学习结构自适应预失真器中幅度和相位预失真参数之间相互影响的问题,提出了一种对功率放大器的幅度和相位预失真参数进行分开和并行估计的自适应预失真方法,其中幅度和相位预失真器均采用间接学习结构进行训练;将该方法应用在典型的无记忆功率放大器模型中,对DVB-T标准中2k模式OFDM信号的预失真过程进行了实验仿真;仿真结果表明,在预失真多项式阶数相同条件下,改进的间接学习结构预失真方法与传统间接学习结构预失真方法相比较,带外谱抑制增益平均提高了约4dB。      

基于引导调制的彩色点云无参考质量评价方法

彩色点云(color point cloud, CPC)作为三维场景和对象的有效描述形式,在虚拟现实、增强现实等许多领域得到重要应用。CPC在其采集、压缩、传输、重建等过程中会引入相应的失真,需要设计有效的评价方法对失真CPC质量进行评测。本文提出一种基于引导调制的CPC无参考质量评价方法。考虑到几何信息与彩色纹理信息的联合失真,利用引导调制的方法联立两者,以综合考虑几何失真、彩色纹理失真、联合失真。结合人眼的多通道性,利用剪切波变换提取特征。最后,将所有特征构成的特征向量输入到支持向量回归模型(support vector regression, SVR)学习预测点云质量。实验结果表明,所提出的方法与人类主观感知具有很好的一致性。     

基于空间分布分析的混合失真无参考图像质量评价

针对难以准确有效地提取混合失真图像质量特征的问题，该文提出一种基于空间分布分析的图像质量评价方法。首先将图像进行亮度系数归一化处理，然后将图像进行分块，利用卷积神经网络(CNN)进行端对端的深度学习，采用多层次卷积核堆叠的方法获取图像的质量感知特征，并通过全连接层将特征映射到图像块的质量分数。再将块质量分数汇总获取质量池，通过对质量池中局部质量的空间分布情况进行分析，提取能够表征其空间分布情况的特征，然后采用神经网络建立局部质量到整体质量的映射模型，将图像的局部质量进行汇总。最后在MLIVE, MDID2013, MDID2016混合失真图像库中进行性能测试以及与相关的对比算法进行比较，验证了该算法的有效性。     

基于自然场景统计的无参考图像质量评价算法

为了度量多种失真类型的图像质量,提出一种基于图像空域自然场景统计特征的无参考图像质量评价算法。该算法通过度量失真图像和原始图像在统计规律上的偏差,对失真图像质量做出评价。与现有无参考图像质量评价算法相比,该算法不需要使用原始图像及其失真图像进行训练,也不需要知道图像的失真类型,是一种更具实际意义的通用型无参考图像质量评价算法。同时,考虑到人眼观察图像时感兴趣区域的影响,该算法加入了视觉显著性区域提取的过程。实验结果表明,该算法对于人的主观感知具有较好的一致性。     

无完全重构约束的两通道自适应FIR滤波器组设计

该文研究了在无完全重构约束情况下两通道自适应FIR无混叠滤波器组的时域设计方法。由于放松了对完全重构的约束,子带编码器的失真由系统失真和量化失真两部分构成。在整体比特数和输入过程给定的情况下,本文通过优化滤波器系数,使得子带编码器的整体失真达到最小,实现提高其编码增益的目的。后面的设计实例验证了该方法的有效性。     

为便携式电子设备设计D类音频放大器

大多数便携式电子产品需要使用失真低、效率高、体积小、成本低的高性能音频放大器,只有设计优良的D类音频放大器才能同时满足所有这些需求.本文将探讨如何解决在为便携式电子产品设计D类音频放大器时经常遇到的一些问题,包括效率、电磁干扰(EMI)、失真和噪声等.     

FTP技术中多传感器信号的无源传输算法

ＦＴＰ技术是基于多传感器信息的力和触觉再现技术，本文针对多传感器信息双向传输中时延造成的有源性和信号失真问题作了深入分析，提出了一种基于阻抗匹配的无源传输算法，能同时实现传输线的无源稳定性和环境阻抗的真实再现。     

介绍一种无调制报警电路

介绍一种无调制报警电路杜立熹（河北省保定市鲁岗电台０７１０５１）广播发射机输入的调制信号是一种不规则信号，而从调制后的载波解调出的音频信号又同输入的调制信号存在时延和失真。这给制作无调制报警装置带来了困难，本文介绍我台在研制微机监控系统时所采用的方法...     

音乐第一——Music First Audio Passive Magnetic Preamplifier无源前级放大器

无源前级并不是什么新鲜事物。理论上来说，无源前级具有极低的失真和音染，应该是受Hi-End发烧友青睐才对，但为什么一直以来，市场却是有源前级的天下呢？主要是因为要做一台真正好的无源前级并非易事，传统的无源式前级放大器都是通过电位器里的可变电阻或通过多刀位的旋转开关切换电阻网络来进行音量控制的，     

基于半监督学习的无参考图像质量评价算法

为了能够在图像质量评价领域实现自监督学习，提出一种基于半监督学习的双分支网络训练的无参考图像质量评价算法。它是具有两个分支的训练过程，其中在一个分支使用少量手工标记数据样本来进行有监督学习，在另一个分支进行自监督学习来辅助前者训练同一个特征提取器，自监督学习部分采用几种传统的全参考方法联合为训练样本打上软标签。在6个公开的图像数据库中进行大量实验，结果表明所提算法不仅在合成失真图像数据集上优于目前大多数方法，而且在真实失真图像数据集上具有良好的泛化性能，预测结果与人类主观感知表现一致。     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题，为此，本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征；然后将语义特征映射成视觉特征符号，并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模，提取图像的全局特征，同时使用浅层神经网络提取底层局部图像特征，捕捉图像低级失真信息；最后结合全局图像信息与局部图像信息，对图像质量进行预测。为了验证模型的精度和鲁棒性，以相关系数PLCC和SROCC作为评价指标，在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验，并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明，本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能，尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958，证明在复杂的失真情况下仍能准确评估图像质量，本文网络结构能满足实际应用场景。