在衰落移动信道中图象传输的神经网络译码方法

我们采用（２,１,３）卷积码,仿真和讨论了标准图象通过具有四种不同调制方式和两种不同车速的八个移动信道的神经网络译码器性能,并且研究了在移动信道中卷积码快衰落特征对图象传输可靠性的影响和纠错性能。我们得到一些重要的结果和提出一些移动通信系统中图象传输的建议。     

数据在陆地移动卫星通信信道中传输性能的分析

本文阐述陆地移动卫星通信系统（ＬＭＳＳ）及其信道传输的性能和特点。文中引进信道衰落模型，就ＢＰＳＫ调制的数据包（Ｐａｃｋｅｔ）在传输中的误码率及其性能作了研究。对移动终端的速度、数据传输速率、地面环境及载波频率对信道传输效率的影响作了探讨。     

基于Kohonen神经网络的深度图像分割方法

提出一种基于Ｋｏｈｏｎｅｎ神经网络无监督的深度图像分割方法。首先计算了深度图像各点的导数,进而得到各点的法向,以法向和深度值作为每一点的特征矢量,引入自组织神经网络进行初始的聚类;为消除初始聚类产生的过分割现象,采取相邻表面片法向分析的方法进行再分割,得到最终的分割结果。本方法避免了通常的区域分割方法初始种子不易选取的弱点,聚类所用样本少,速度快。实验结果表现了算法良好的性能。     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

一种新型的基于神经网络的无线信道模型

本文提出了一种使用神经网络来建模和仿真无线通信信道的方法。由于神经网络优异的学习特性,文中使用神经网络对无线信道的输入输出响应进行建模,讨论了建模的方法,给出了仿真的结果,分析了遇到的问题和解决方法,并进一步阐述了在实际的无线信道环境中使用神经网络建模的优越性。     

天线阵CDMA系统中基于神经网络的盲空时信道估计

提出了天线阵ＣＤＭＡ系统中盲空时信道估计的约束优化神经网络模型,对其全局收敛性进行了分析,并对其性能进行了数值模拟。     

移动信道误码性能分析及其纠错码选择

本文通过分析、比较移动信道、HF信道以及随机信道的突发错误分布,定量地描述了移动信道中“长突发”误码(Long Burst Error)的显著特点;计算得出了差错控制系统设计所必须的重要参考指标——移动信道的错误分布概率P(n,m);最后讨论了如何根据信道误码分布P(n,m)情况,结合差错控制系统要求达到的误比特指标,合理选择纠错码的问题。     

卷积码译码的神经网络方法

本文讨论了用前向神经网络(RBFN)实现卷积码译码的方法。该方法通过在接收序列中加窗克服了卷积的码长问题。这种译码器构造简单,不需要学习和训练。其译码性能介于硬判决和软判决Vitebi译码性能之间。     

混合衰落信道下选择中继译码转发的性能分析

蜂窝中继通信中基站到中继以及中继到移动台可以建模成混合衰落信道,即基站到中继的信道通常经历莱斯衰落,中继到移动台的信道通常经历瑞利衰落。该文研究混合衰落信道下协同通信系统中两跳译码转发方式的性能,首先通过分析推导了基于选择最佳中继的中断概率、误符号率以及误符号率的渐近线的闭式表达式,然后基于误符号率的渐近线给出了一种功率优化方法。蒙特卡洛仿真验证了理论公式,仿真结果显示优化功率分配的性能优于平均功率分配的性能。     

用细胞神经网络实现图像恢复的一种新方法

本文提出并讨论了用细胞神经网络实现图像最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

长约束度卷积码译码器神经网络结构

给出的神经网络译码器是为长约束度（Ｋ≥１１）卷积码译码而设计的。Ｖｉｔｅｒｂｉ译码和序列译码是两种最大似然译码方法,虽然这两种技术能有效地提高误比特率性能,但它们都丰在局限性。另外,只要在神经元和数字异或门单元之间建立局部连接,就能非常容易地直接超大规模集成电路（ＶＬＳＩ）实现硬件。     

“大数判决”译码在移动信道中的抗干扰性能研究

本文讨论了实现简单的“大数判决”和“大数决加小纠错”两种译码方式，并给出计算机模拟结果，将两种情况下的结果与交错ＢＣＨ性能进行比较，选择较优方式。     

无线图像传输的联合信源信道编解码

随着计算机及通信等技术日新月异的发展,无线图像传输技术得到了广泛的重视。针对视频、图像传输效率低及通信系统性能没有达到最优等问题,在列出了基本概念基础上,本文提出了一种基于最大后验概率的联合信源信道编码算法,经过仿真验证,此方法图像质量比传统方法有所提高。     

块交错方案在移动图像通信系统中的应用

提出了一种适合于卷积码的新的交错方案块交错方案,并对采用块交错方案的(2,1,3)卷积码在移动图像通信系统中的抗干扰性能进行了计算机模拟,且与周期交错方案的结果做了比较.模拟结果表明周期交错方案不适合于卷积码,而采用块交错方案的(2,1,3)卷积码可明显改善图像质量,大大提高了快衰落移动信道环境中图像通信系统的可靠性.     

一种基于多尺度卷积神经网络和分类统计的图像去雾霾方法

传统的去雾霾方法会导致天空、白云和明亮区域内的颜色失真.为了解决以上问题,提出了一种基于多尺度卷积神经网络和分类统计的去除图像雾霾的方法.首先用多尺度卷积神经网络估计图像的透射率,其次对所估计的透射率进行分类统计以确定在暗通道内天空、白云和明亮区域的像素值,最后通过低通高斯滤波器平滑图像场景的辐射度,得到恢复的无雾霾图像.实验结果表明,采用提出的方法对图像去雾霾后明亮区域内的颜色不会失真,且保留了图像的自然外观,对合成图像和真实图像均有较好的去雾霾效果.     

一种用于移动终端的联合信道译码器

对移动终端中使用的信道译码技术进行了介绍，指出未来的移动终端需要支持多种通信标准。设计了一种用于移动终端的联合信道译码器，可支持多种通信标准，达到最大限度利用共享资源，从而节省总体成本。     

参数池化卷积神经网络图像分类方法

传统的卷积神经网络使用池化层对信息进行降维操作,通常会造成信息损失,从而影响网络的表达能力.针对这一问题,使用参数池化层（Parameterized Pooling Layer）替代传统卷积神经网络中的池化层,提出参数池化卷积神经网络（Parameterized Pooling CNN,PPCNN）.参数池化层在仅仅增加了少量网络参数的情况下,最大可能的保留了卷积神经网络中希望被保留下来的特征;同时,由于增加了池化层前向传播的信息,从而影响了反向传播算法中权值的更新,网络收敛速度更快;实验结果表明,PPCNN模型与传统卷积神经网络模型以及部分改进模型相比,参数池化卷积神经网络模型是有效的.     

基于卷积神经网络的红外与可见光图像融合

非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息.针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法.首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图.然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式.最后,根据NSST域高频子带的方差、局部区域能量以及可见度特征来自适应地设置脉冲耦合神经网络参数完成NSST域高频子带的融合.实验结果表明:该算法QAB/F指标略弱于对比算法,但SF、SP、SSIM以及VIFF指标分别提高了约50.42％、14.25％、7.91％以及61.67％,有效地解决了低频子带融合模式给定的问题,同时又克服了手动设置PCNN参数的缺陷.     

基于递进卷积神经网络的台标识别及其并行化

针对台标的视觉特征,提出一种基于递进卷积神经网络的台标识别算法.该网络不仅有对图像特征进行隐性提取的卷积层和采样层,还包括识别常规台标的泛化模块和识别偏差台标的特异模块.针对串行卷积神经网络训练耗时长的缺点,提出基于Spark的并行递进卷积神经网络算法,采用数据共享及批处理方式对算法模型进行并行化处理.实验证明,递进卷积神经网络算法对台标进行识别能达到98％的正确率,多节点并行化卷积神经网络相比于单节点模型能有效缩短80％以上训练所需的时间.     

二维量子细胞神经网络及其图像处理应用

以量子细胞自动机为神经元,以量子细胞自动机的极化率和量子相位为状态变量,提出了一种二维多层的量子细胞神经网络结构;以量子细胞自动机的极化率为像素值,通过选择不同的模板,使得量子细胞神经网络实现水平线和垂直线检测以及图像去噪等功能,仿真结果显示其在图像处理上的有效性。与传统的CNN相比,量子细胞神经网络易于超大规模实现且具有超低功耗、超高集成度等优点。