基于DDS技术的杂散抑制和正弦信号源的实现

依据直接数字频率合成技术(DDS)工作原理,在simulink软件搭建系统仿真模型输出正弦信号,在此基础上实现了两种压缩ROM查询表数据量的方法来抑制杂散波,并把这两种压缩方法相结合使得压缩比达到了1:42.67,有效减少了查询表的规模,降低了对DDS资源的占用。另一方面提出了一种基于DDS芯片AD9851和AT89S52单片机的正弦信号源设计方案,给出了该方案的相关硬件接口和软件程序,经过对实际PCB板的测试,实现了1 Hz~50 MHz的正弦信号输出,该正弦信号源可应用在不同的高频领域。     

基于多输入特征寄存器的哈希方法

无源器件的能量和计算资源有限。针对这种器件的安全认证需求,提出了一种新的哈希方法M—hash。该方法基于低复杂性的并行输入LFSR,即多输入特征分析寄存器（MISR）,采用并行压缩方法,具有硬件复杂性低、速度快等特点。理论分析和具体硬件实现表明,M-hash在硬件复杂性、压缩速度和安全性等方面均优于另外一种基于LFSR的Toeplitz希方法。     

面向集成电路逻辑仿真的高效数字波形压缩方法

电路仿真在集成电路设计中占有十分重要的地位.超大规模集成电路仿真输出的信号波形会占用大量存储空间,输出波形的压缩对提升电路仿真效率至关重要.逻辑仿真的输出波形主要包含信号跳变时刻信号值,还包含全部信号名、信号类型、信号位宽等辅助信息.首先提出对辅助信息的压缩处理方法,然后针对信号值数据的特点改进现有工作中的信号名压缩方案,并据此提出一种更高效的数字波形压缩存储格式.所提出的格式有利于变长编码压缩的同时,可以使用通用压缩算法进行二次压缩,进一步提升了压缩率.最后通过引入并行策略,压缩和解压缩过程能够以3阶段流水线模式运行.在缩短压缩和解压缩时间的同时,能更好地与逻辑仿真器相结合.实验结果表明,所提方法的压缩率最大达到720倍,相较于现有方法,在更短的压缩、解压缩耗时下文件压缩率最大提升近23倍.     

压缩感知分组分离语音增强

压缩感知（Compressive Sensing,CS）是一种基于信号稀疏性的采样方法,可以有效提取信号中所包含的信息。提出了一种分组分离压缩感知语音增强新算法。算法利用语音在离散快速傅里叶变换（Fast Fourier Transform,FFT）域下的稀疏性,设计复域观测矩阵与软阈值对带噪语音进行压缩测量与去噪,通过可分组分离逼近稀疏重建（Sparse Reconstruction by Separable Approximation,SpaRSA）算法恢复语音信号,实现语音增强。实验表明：该算法对含噪信号压缩重构,信噪比幅度较大提高,能更有效地抑制背景噪声。     

MISR多角度遥感数据的组件库处理方法及数据分析

多角度成像仪MISR是美国对地观测计划中一个重要的传感器,它通过多角度观测提供了更多地表各向异性信息,其数据产品采用HDF-EOS文件格式,而且由于增加了角度维的数据,当前很多常用软件不能灵活地处理该数据,从而限制了该产品在我国的广泛使用。本文主要从应用角度出发,介绍了组件库和C语言结合的MISR卫星地面产品的处理方法,通过HDF-EOS库,可以灵活地处理MISR的高维数据;而对于MISR的坐标信息,可以通过GCTP库提供的坐标转换功能,方便地完成不同投影之间的转换。本文还通过高分辨率的SPOT分类图像作为先验知识,提取了MISR观测平面的不同地类的较纯像元的BRDF,结果表明,在MISR观测尺度上,植被的碗边效应和其他地类的一些信息有较好的表征。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

微弱信号相位检测的自适应陷波法及其应用

针对微弱信号因噪声影响造成剧烈的相位变化,采用常规的方法无法检测出其相位的现象,提出了一种自适应陷波方法。该方法采用自适应陷波算法来滤出期望信号,再对陷波后信号进行带宽压缩以提高信噪比,从而准确检测出信号的相位。根据检测方法,研制出以数字信号处理器为核心的检测系统,并应用此系统检测石英晶体输出的微弱信号的相位差。试验表明,对于信噪比小于-60 dB的微弱信号,系统相位检测精度达到2×10-6。     

基于压缩感知的合成聚焦超声成像的研究

为解决合成聚焦技术用于超声成像中存在数据存储量大的问题,针对超声回波信号在频域内存在稀疏性的特点,利用压缩感知技术对其在频域进行压缩采样,使用最优化方法完成对回波信号的重建,最终将恢复的信号送入成像系统完成超声成像。通过仿真实验,将该方法用于点目标进行非均匀稀疏采样,所获得的压缩信号恢复出原始信号,完成了成像。结果表明,基于压缩感知的合成聚焦成像方法,在保证成像质量的前提下,可以大幅度减少数据量,降低系统复杂度,仅使用50%数据量,图像质量仍未出现明显失真。     

基于压缩感知理论的WSNs时序信号分段压缩算法

针对压缩感知理论(CS)应用在无线传感器网络中时序信号在传输过程存在压缩比率低、通信能耗高等问题,提出了一种时序信号分段压缩算法来解决在信号稀疏度未知及高稀疏度条件下,压缩感知数据重构算法中存在的重构效率低,重构精度差,影响网络生命周期的问题.该算法将采集数据中非零元素个数作为分段依据,通过减少段内非零元素组合数量来提高信号重构精度,同时利用了压缩感知理论特性实现了对信号的高压缩率.实验结果表明,在以混沌量子免疫克隆重构(Q-CSDR)算法为重构算法、在信号盲稀疏度及稀疏度高于40的条件下,能够以大于0.4的压缩比率对信号进行压缩,其重构信号的均方误差小于0.01,能够延长网络寿命2倍左右.     

DDS信号源的幅频特性补偿方法研究

在对DDS输出信号经D/A转换后的频谱特性进行分析的基础上,提出了一种幅频特性补偿方法.该方法利用LC并联电路在谐振点能够对信号进行放大的特点来补偿D/A转换引起的信号幅度衰减,从而提高DDS输出信号的幅度特性.实验结果表明此方法在0 Hz～40 MHz频率范围内可提高输出信号平坦度2 dB左右.     

降低参数规模的卷积神经网络模型压缩方法

针对卷积神经网络模型参数规模越来越大导致难以在计算与存储资源有限的嵌入式设备上大规模部署的问题,提出一种降低参数规模的卷积神经网络模型压缩方法.通过分析发现,卷积层参数量与输入输出特征图数量以及卷积核大小有关,而全连接层参数数量众多且难以大幅减少.通过分组卷积减少输入输出特征图数量,通过卷积拆分减小卷积核大小,同时采用...     

NEMO模式系统基于“天河一号”的存储性能分析与优化

在“天河一号”超级计算机上测试NEMO模式系统,针对NEMO模式在进行大量进程并发存储时所导致的整体应用性能下降问题,提出了并发进程分组输出优化方法。通过将大量并发存储的进程进行合理分组并排队输出,以解决大量进程同时读写文件时对存储资源的竞争所导致的存储效率下降问题。测试表明,在使用分组输出优化方法后,NEMO模式GYRE012算例的存储性能最高可提升33%以上,总体时间性能最高可提升28%以上。     

Latent grouping models for user preference prediction

We tackle the problem of new users or documents in collaborative filtering. Generalization over users by grouping them into user groups is beneficial when a rating is to be predicted for a relatively new document having only few observed ratings. Analogously, generalization over documents improves predictions in the case of new users. We show that if either users and documents or both are new, two-way generalization becomes necessary. We demonstrate the benefits of grouping of users, grouping of documents, and two-way grouping, with artificial data and in two case studies with real data. We have introduced a probabilistic latent grouping model for predicting the relevance of a document to a user. The model assumes a latent group structure for both users and items. We compare the model against a state-of-the-art method, the User Rating Profile model, where only the users have a latent group structure. We compute the posterior of both models by Gibbs sampling. The Two-Way Model predicts relevance more accurately when the target consists of both new documents and new users. The reason is that generalization over documents becomes beneficial for new documents and at the same time generalization over users is needed for new users.     

Performance of trunk grouping in packet switch design

This paper studies the performance of trunk grouping in packet switch system design, with emphasis on the analysis of maximum throughput, input queue delay and packet loss rate. The trunk grouping technique can be implemented on both sides of the switch. In principle, the output trunk grouping relieves traffic output contentions, while the input trunk grouping, proposed in this paper, prevents individual input links from overloading. The study shows a significant advantage of both input and output trunk groupings in removing local congestions caused by individual links, especially in a highly nonuniform traffic environment. To implement trunk grouping, we suggest not to designate the connection of each virtual circuit to individual links in high speed network protocol design.     

MIMO雷达正交多相编码信号优化

为获得较好的波形分集增益与避免波形间串扰,MIMO（Multi-Input Multi-Output）雷达一般要求发射正交信号。已有的正交相位编码信号对多普勒偏移敏感,制约了其在MIMO雷达中的应用。提出一种具有较好多普勒容限的正交多相编码信号优化设计方法,联合考虑目标静止、匀速运动和匀加速运动场景下MIMO雷达脉压输出,并将其转化为一个多目标优化问题,基于自适应克隆选择算法进行求解。最后,进行仿真实验。结果表明,相比典型的Deng编码和Khan编码,设计的多相编码信号具有更好的正交性能、更大的速度、加速度容限,更适合MIMO雷达系统应用。     

基于小波变换和形状-增益矢量量化的3维图像压缩

数据压缩是高光谱图像处理应用中的一个关键问题。为了对高光谱图像进行有效压缩，在2维小波变换的基础上，提出了一种分组矢量量化的高光谱图像有损压缩方案。该方案首先按照谱段类型对高光谱图像进行分组，然后对每个谱段分别进行2维小波变换，最后变换系数再使用一种Kronecker-Product形状-增益矢量量化方法来进行量化编码。计算机仿真结果证明．该算法在取得高压缩率的同时，不仅能很好地保持数据的谱特征，并能降低运算量。     

基于分组的次数与规则剪枝相结合的语言模型压缩方法研究

由于庞大的训练语料,统计语言模型的大小往往会超出手持设备的存储能力。随着现阶段资源受限设备的迅速发展,语言模型的压缩研究也就显得更加重要。本文提出了一个语言模型压缩方法,即将次数剪切与规则剪枝方法相结合,并使用分组的方法保证在不减少单元数目的情况下压缩模型。文章对使用新的算法得到的语言模型与次数剪切和规规则剪枝方法分别进行困惑度比较。实验结果表明,使用新方法得到的语言模型性能更好。     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（ Karhunen-Loeve Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Trtmcation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

实时遥测数据信源压缩技术

遥测是卫星、飞船和运载火箭等航天器系统的关键功能之一。随着航天器功能、性能的提高和系统规模、技术复杂性的增大,对遥测的要求在不断提高;由于航天器功耗、重量、天地通信带宽或中继业务费用等约束限制,传统PCM遥测技术和分包遥测技术难以满足当前要求;在分析遥测数据信息冗余度的基础上,提出一种实时在线遥测信源压缩方案,以高性能数据处理计算机为核心完成信源数据搜集和组帧,然后在时间和空间维度进行压缩编码,最后按照兼容CCSDS分包遥测的标准进行分段处理、信道编码和遥测下行,该方案兼容CCSDS技术标准,信道利用效率高、压缩后的信息冗余度低,应用构建费用低、接口简单和可扩充性好。     

计算机数字图像处理技术

数字图像处理是指将图像信号转换成数字信号,并利用计算机对其进行处理。图像处理最早出现于20世纪50年代,形成学科于20世纪60年代初。早期图像处理的目的是改善图像的质量,输入的是质量低的图像,输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。认识数字图像处理技术对以后的教学研究有着积极的作用。