基于TMS320C6x.系列DSP/BIOS平台的实时电视跟踪系统设计

为解决实时目标识别和跟踪的硬件平台设计问题,本文以两片高性能DSP为核心处理器,设计了基于双DSP的实时图像处理系统.常见的目标跟踪系统算法包括重心跟踪法、相关跟踪法和边缘跟踪,在实时跟踪过程中,根据需要进行各个算法间的切换,为了提高实时电视跟踪系统设计的开发效率及实时跟踪性能,可以在双DSP平台上,在利用TMS320C6x内部自带的实时操作系统DSP/BIOS以及API函数,编写高效的多任务跟踪程序,缩短开发周期.试验证明,基于DSP/BIOS的实时跟踪系统设计可以很好的达到设计要求,不但增强了程序的可维护性,而且程序模块化,可移植性好.     

基于射频识别的无线传感网节点设计研究

为了解决无线传感网通常运行在人不能或不便接近的环境,能源无法替代的问题,该设计采用了单片机MSP430F2370芯片和少量外围电路等来构成完整测量系统。由于其充分利用了单片机内部资源,使系统硬、软件设计达到了最小化,具有识别可靠性高、抗干扰能力强、成本低廉和体积小巧等特点。它可以识别ISO15693,ISO14443A,ISO14443B等多种协议标准的电子标签。在今后的门禁系统、生产线检测、自动收费系统、超市物流等方面有很大的应用前景。     

混合熔盐离子交换玻璃光波导的制备与特性研究

采用AgNO3和KNO3的混和熔盐作为离子源，系统地研究了K9玻璃离子交换过程中熔盐配比、交换时间和交换温度等工艺参数对波导性能的影响，得到离子交换玻璃波导折射率分布符合高斯函数形式，建立了波导特性与离子交换工艺参数间的联系。测试得到离子交换平板波导的传输损耗为0．45dB／cm，并利用离子交换技术在K9玻璃上制备了一种跑道形谐振腔滤波器，实现了滤波效应。     

基于分块CNN的多尺度SAR图像目标分类算法

针对合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络（Convolutional Neural Network, CNN）的SAR图像目标分类算法。首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机（Extreme Learning Machine, ELM）网络对提取的特征进行分类。实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN。     

基于DDS的高可靠性雷达信号发生器设计与实现

介绍了一种基于直接数字频率合成的高可靠性雷达信号发生器的设计方案,实现最高频率400 MHz的点频、线性调频和步进频率雷达信号输出。为提高系统可靠性设计加入了对系统工作状态进行监测和控制的闭环回路。测试结果表明系统输出信号频率稳定,可靠性高。     

基于深度强化学习的端到端无人驾驶决策

端到端的驾驶决策是无人驾驶领域的研究热点.本文基于DDPG（Deep Deterministic Policy Gradient）的深度强化学习算法对连续型动作输出的端到端驾驶决策展开研究.首先建立基于DDPG算法的端到端决策控制模型,模型根据连续获取的感知信息（如车辆转角,车辆速度,道路距离等）作为输入状态,输出车辆驾驶动作（加速,刹车,转向）的连续型控制量.然后在TORCS（The Open Racing Car Simulator）平台下不同的行驶环境中进行训练并验证,结果表明该模型可以实现端到端的无人驾驶决策.最后与离散型动作输出的DQN（Deep Q-learning Network）模型进行对比分析,实验结果表明DDPG决策模型具有更优越的决策控制效果.     

高功率半导体激光器技术发展与研究

高功率半导体激光器及阵列具有可用激光波长丰富、电光转换效率高、调制特性好等许多优点,特别是作为固体激光器和光纤激光器的高效率泵浦源而获得的全固态紧凑型激光器,持续受到极大的关注,得到快速发展.近年来在高功率阵列半导体激光器模块化技术、超高效率、高效冷却技术、半导体激光器及阵列的光束质量优化、高效电源驱动技术等方面都取得了长足的进步,促进了其广泛应用.将结合高功率半导体激光国家重点实验室的研究工作,概述近年来国内外半导体激光器技术的研究进展状况和发展趋势.     

基于SURE无偏估计的自适应小波阈值去噪

本文在D.L.Dohono提出的小波阈值去噪的基础上,提出了一种新的阈值函数,与原来的分段阈值函数相比,此函数具有明显优点,表达式简单易于计算,连续可微,易于求导.此函数的这些优点为实现信号的自适应去噪提供了可能.本文应用此阈值函数,基于SURE无偏估计,给出了一种自适应去噪方法.并用受污染的blocks、bumps、heavy sine、doppler等典型信号做实验,实验结果显示此方法能在最小均方误差(MSE)意义上收敛,而且其最小均方误差优于其他文献中的阈值去噪的方法.     

基于多特征参数的雷达信号调制方式识别方法

提出一种以盒维数、信息维数、相像系数为分类特征识别雷达信号调制方式的方法。这些特征包含了信号的幅度、频率、相位、整体走势(或者轮廓)、波形复杂度和不规则度的细节信息,集中体现了不同调制方式的差异。同时,利用特征自身的类内距离小、类间距离大的特点先聚类分离部分调制方式,最后通过基于粗集的支持向量机分类器进一步分类识别。通过4种典型雷达辐射源信号的特征提取与分类识别的仿真试验,表明基于本方法的调制信号识别正确率高,具有一定的工程应用价值。     

一种基于Contourlet递归Cycle Spinning的图像去噪方法

综合利用Contourlet变换和递归Cycle Spinning,提出一种新的图像去噪方法.由于Contourlet变换缺乏平移不变性,直接进行Contourlet系数阈值图像去噪会产生伪吉布斯现象(导致图像失真),本文引入递归Cycle Spinning来有效地消除这种由于Contourlet变换缺乏平移不变性而产生的图像失真.实验结果显示,与小波递归Cycle Spinning图像去噪等方法相比,该方法明显改善图像视觉效果,显著提高图像的PSNR值.