多描述编码技术的新发展

随着通信与视频编码技术的发展，通过网络与无线信道传输视频内容成为可能，但在这些应用环境下，视频内容会因为丢包(网络)或信道失效(无线信道)而造成数据丢失。解决信道传输错误的问题可以从信源编码、信道编码及信源信道联合编码3种途径进行改进。如今多描述编码已被证明是克服传输错误，尤其是丢包的一种有效的信源编码方法。为了使人们对多描述编码研究的现状有一概括了解，首先介绍了多描述编码的主要特征；然后分别从信源编码及信道编码的角度归纳了及现有解决丢包问题的主要方法；接下来深入讨论了多描述编码的应用与研究的新进展；最后指出了多描述编码发展的方向。     

联合信源信道算术码研究

介绍联合信源信道算术码添加禁用符号的编码方法,以实例方式引入联合信源信道算术码的检错原理。综述联合信源信道算术码的检错时延分布、几何分布,分析各种解码方法、序列解码方法及其各种改进,研究基于有限状态机的解码方法与其他信道码构成的迭代式联合解码方法,并展望目前联合信源信道算术码研究存在的问题及其前景。     

计算机网络中Markov信息熵的证明

针对计算机网络中Markov信源信息熵的证明问题，文章提出了一种基于Chapman-Kolmogorov方程的证明方法，区别于以往通过信息熵的性质证明法，通过该方法可以更加直观的反应信源信息熵的物理原理及现实意义。     

一种改进的联合信源信道编码算法

分析了信源信道率失真模型及端到端的总失真模型。在此基础上,提出了一种改进的联合信源信道失真估计模型。     

无线传感器网络中的分布式信源编码的仿真研究

分析了无线传感器网络中的分布式编码方法,基于Slepian-Wolf理论和Wyner-Ziv理论,在传Turbo编码方法的基础上提出了一种DSC-Turbo编译码的改进方法。通过MATLAB仿真验证了该方法在满足一定可靠性的前提下,能够有效的压缩信源速率。进而证明了在无线传感器网络中应用分布式信源编码理论可以减少部分节点的传输数据量,提高无线传感器网络能量效率。     

一种新的异步广播通信系统物理层设计

基于Turbo喷泉码和小波包分形调制技术，提出一种新的异步广播通信系统FPGA实现方案。系统用并行信源信道Turbo喷泉码实现无损数据压缩和纠错，小波包调制实现发送信号时频图样的自由铺砌。系统可以同时实现接收机的异步接入、单向信道下数据的可靠分发及信源信道联合编码，仿真表明该系统相对普通信源信道编码调制有较大性能改善。     

一种低信噪比下的特征向量类信源数估计算法

经典的特征值类信源数估计算法在低信噪比、少快拍数条件下的估计性能急剧下降,针对该问题,提出了一种新的信源数估计算法。该算法利用采样协方差矩阵的特征向量对信噪比不敏感的特性来构造判决变量,根据改进的预测描述长度（PDL）准则来实现对信源数的有效估计,理论分析和仿真实验证明了所提算法的有效性。     

基于隐马尔科夫模型的非平稳信源参数估计

在数据压缩领域,如何获取非平稳信源的统计特性一直是一个被广泛关注的热点问题。针对非平稳信源统计特性的时变性,提出一种基于隐马尔科夫模型的参数估计方法。通过将非平稳信源的输出对应为隐马尔科夫模型的观察值序列,构造合适的隐马尔科夫模型,改进前向算法和后向算法,最后再利用改进后的算法对非平稳信源的统计特性进行估计。实验结果表明利用提出的方法非常逼近非平稳信源的统计特性,为更有效地进行非平稳信源的压缩提供了实现基础。     

基于聚类分析的实时语音信源数估计方法

在信源个数未知的语音信号盲分离中,首先要解决的是信源个数的估计问题.在深入分析基于判定主特征值个数的信源数估计方法出错原因和条件的基础上,提出利用对少量观测样本自相关矩阵的特征值进行聚类分析的方法来实时估计语音信源数.同时,依据期望聚类过程,定义了一种新的类间距离,井给出了特征值聚类过程的详细计算步骤.仿真实验表明该方法的估计准确率明显优于基于主特征值的估计方法.     

扩声系统中信源对广播分区的计算机分配

大型扩声系统要完成多信源对多广播分区的分配。通过本文提出的三级分配网络及相应的自动分配算法,可以使用计算机完成这种分配操作。     

一种改进的WSN源位置隐私保护路由算法

在无线传感器网络通信中,针对已有幻象路由协议可能因失效路径而降低源节点安全时间的问题,提出了一种基于最短距离路由的无线传感器网络源节点位置隐私保护路由算法.该路由算法包括初始化过程、改进的源节点幻象路由策略和避开源节点可视区的最短距离路由策略.理论分析和实验结果表明,与已有的幻象路由协议相比,该路由算法生成的幻象节点能较好地远离源节点,并且提高了源节点的安全时间,可以较好地保护源节点位置的隐私安全.     

神经网络在矿井突水水源判别中的应用

提出了一种采用改进的SOM神经网络对矿井突水水源进行判别的方法。该方法把水质中的Na+、K+、Ca2+、Mg2+、Cl-、SO24-和HCO-3等7种离子的含量作为判断因素,结合改进的SOM神经网络模型,对20个水源样品进行分类。实验结果表明,该方法的误判率为0,能够准确地判别矿井突水水源。     

一种基于多任务学习的代码补全方法

针对基于语言模型的代码补全方法忽略源代码中结构信息和命名信息而导致补全准确率偏低的问题,提出一种基于多任务学习的代码补全方法(multi-task learning code completion, MTLCC)。MTLCC对源代码数据集进行数据清洗和预处理,通过抽象语法树(abstract syntax tree, AST)提取源代码中的结构信息和命名信息;构建基于Transformer的多任务学习网络,采用软参数共享学习方式分别对源代码的节点类型预测、节点值预测和语句预测进行训练;利用集束搜索对模型推理结果进行后期处理生成代码补全建议列表。实验结果表明,与Pointer network、LSTM+TransformerXL和CodeGPT中最好的模型相比,MTLCC在节点类型预测和节点值预测任务中的准确率分别提升了2.5%和1.7%、MRR分别提升了3.7%和2.4%,在语句预测任务中的ROUGE-L分数(L@4)提升了0.055。     

针对复杂多环网络拓扑的路由改进算法

网络运营商为用户提供的光纤接入主干网大多以环型网络的方式提供服务,然而目前对于大规模、环数众多、连接方式多样化的复杂多环网络缺乏性能优良的路由算法。为解决传统环网结构网络延迟高和传输效率低的问题,提出一种针对复杂多环网络拓扑的路由改进算法,将多环网络中的复杂路由问题转化为单环网中的简单路由问题。在此基础上,通过设计源溯节点还原以及路径还原算法,将单一环网改进为增强环网网络结构,使同一环内通信节点间的路径还原为完整最短路径,并从理论上证明该算法得到的最优路径是无差错的。实验结果表明,相比于现有的优化Dijkstra算法,该算法的搜索空间比提升约13%,具有更好的改进效果,且算法运行时间缩短79%,更适合复杂多环网络的路由计算。     

基于改进Apriori的网络安全感知方法

针对网络安全态势评估过程中存在数据源单一、实时性不强、准确率不高的问题,提出一种基于改进关联规则算法(Apriori算法)的网络安全态势感知方法;通过对数据的分析,发现在网络中存在关于安全态势的关联规则;通过网络攻击影响熵值序列的分析,对关联规则进行分类为空间正常和异常空间,进而对关联规则进行聚类分析;根据聚类后的规则划分网络安全态势等级;将改进后的算法应用到网络安全态势感知当中,实验结果表明,该方法满足了网络安全危险预警和实时监控的要求;改进的算法用于安全态势感知是可行的、有效的。     

单点非协作方式网络拓扑探测技术研究

单点非协作方式的网络拓扑探测是获取未知网络信息的一种简单且有效的方式,但在实际工作中仍存在着目标地址选择不完整和探测效率不高等问题,这些问题将影响到未知网络拓扑信息地获得.分析了原有探测方法的不足和缺陷,提出了一个选择目标地址的方法并且改进了Doubletree算法,提高了单点非协作方式网络拓扑探测的准确性,完整性和时效性,为网络拓扑性质研究所需的数据源提供了一种可行的获取方法.     

改进残差密集生成对抗网络的红外与可见光图像融合

基于深度学习的红外与可见光图像融合算法通常无法感知源图像显著性区域,导致融合结果没有突出红外与可见光图像各自的典型特征,无法达到理想的融合效果.针对上述问题,设计一种适用于红外与可见光图像融合任务的改进残差密集生成对抗网络结构.首先,使用改进残差密集模块作为基础网络分别构建生成器与判别器,并引入基于注意力机制的挤压激励网络来捕获通道维度下的显著特征,充分保留红外图像的热辐射信息和可见光图像的纹理细节信息;其次,使用相对平均判别器,分别衡量融合图像与红外图像、可见光图像之间的相对差异,并根据差异指导生成器保留缺少的源图像信息;最后,在TNO等多个图像融合数据集上进行实验,结果表明所提方法能够生成目标清晰、细节丰富的融合图像,相比基于残差网络的融合方法,边缘强度和平均梯度分别提升了64.56%和64.94%.     

小脑模型神经网络在紫外线消毒控制中的应用

在用微机控制紫外线消毒的过程中,需要根据电源电压计算出紫外线照射时间,由于这两者之间的非线性关系难以用明确的函数描述,因此,笔者研究了一种用改进的小脑模型神经网络进行映射的方法,取得了很好的效果。该文重点阐述了该小脑模型神经网络的算法、应用原理和方法。并对研制该装置的意义和装置的简要原理及实验、试用情况等做了简要介绍。     

基于多点传送的DAP-NAD-CJ改进算法的研究

对用于多点传送的DAP-NAD-CJ(周期性跳跃的确定性适应优先网络访问延迟)算法做了改进。新的算法指定在参差不齐的无线信道空位和网络基站之间进行多点传送,以便多点传送的来源信号能尽可能快地进入通道。模拟试验表明,修改后的算法在单一的优先权和多重优先权的网络上都优于DAP-NAD-CJ算法。     

Use of neural network to in situ conditioning of semiconductor plasma processing equipment

A strategy for in situ fault detection of plasma equipment is presented. This was accomplished by combining optical emission spectroscopy (OES), neural network. The OES was used to collect fault spectra, inducted by radio frequency source and bias powers. A fault detection model was constructed by training the backpropagation neural network (BPNN) on the whole OES spectrum representing a normal plasma operation. The trained BPNN model was tested on the test data generated at other powers. The test result indicates that the BPNN model was capable of detecting abnormal plasma caused by a small variation of 1% in the source power. Due to less impact on the plasma properties, the BPNN model reacted sensitively only to a relatively large variation in the bias power. The performance of the BPNN model-based monitoring scheme was further compared to that of identified radicals. Much improved sensitivity of the BPNN model over them was clearly demonstrated for the source power variation. On the other hand, certain radicals yielded much improved detection for the bias power variation. This was manifest as plasma was monitored by means of the CUSUM control chart. In consequence, monitoring BPNN model-based prediction and identified radicals simultaneously is expected to provide an improved detection of plasma processing equipment.