一种基于FPGA的判决反馈均衡器

论述了一种基于现场可编程门阵列( FPGA)的判决反馈均衡器的设计.首先介绍了判决反馈均衡器的原理,然后给出了Simulink仿真的电路和仿真结果,介绍了用分布式算法(DA)来实现滤波器的原理和各模块原理,最后给出Modelsim仿真结果.     

双存储器结构实现雷达余辉显示

雷达光栅扫描显示器显示一次视频信号时，实现类似随机扫描体制中的余辉显示是一个难点，特别对于一次视频数据率较高的雷达显示器更加难以实现。利用通用双口RAM和专用VRAM构成的双存储器结构能方便快捷地实现余辉显示，能解决单存储器结构实现中时序控制逻辑复杂和余辉速度慢的问题，并且可以获得连续、平滑和稳定的画面。     

某雷达光栅扫描显示器的实现

本文讲座了某雷达光栅扫描显示器的设计及实现原理。文中就高速数据采集、坐标变换、距离压缩、方位压缩和余辉控制以及软件设计等关键技术进行了介绍。     

基于改进的扩散平滑和RBM的高光谱图像分类

为了改善传统分类方法在高光谱遥感图像去噪和特征提取方面的不足,提出了一种基于改进的扩散平滑算法和RBM的方法.该方法使用自适应扩散系数,对相应的区域进行不同程度的扩散平滑,实现了对高光谱遥感图像的快速去噪;然后利用多层限制玻尔兹曼机构建DBN网络,实现对高光谱遥感图像的分类.实验表明,与传统的分类方法和DBN相比,该方法在高光谱图像地物分类精度上有所改善.     

除尘废气中能量回收再利用的研究

洁净厂房因为工艺的要求,往往都需要恒温恒湿环境,而在除尘处理时,大量的能量又伴随着废气排放到大气中,既浪费了能源,也造成了热污染。如将除尘系统的“能量风”经过滤、去异味等净化处理后,进入空调系统的空气处理机组,作为补充空调新风的一部分,将其能量充分回收并再利用,可实现废气零排放,不仅节约了大量能源,也保护了环境,具有直接的经济利益和良好的社会效益。     

基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法

为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法。首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像。与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高。实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像。     

结合小波与递归神经网络的低分辨率人脸识别

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。     

基于多任务学习的多姿态人脸重建与识别

针对当前人脸识别中姿态变化会影响识别性能,以及姿态恢复过程中脸部局部细节信息容易丢失的问题,提出一种基于多任务学习的多姿态人脸重建与识别方法——多任务学习堆叠自编码器（MtLSAE）。该方法通过运用多任务学习机制,联合考虑人脸姿态恢复和脸部局部细节信息保留这两个相关的任务,在步进逐层恢复正面人脸姿态的同时,引入非负约束稀疏自编码器,使得非负约束稀疏自编码器能够学习到人脸部的部分特征;其次在姿态恢复和局部信息保留两个任务之间通过共享参数的方式来学习整个网络框架;最后将重建出来的正脸图像通过Fisherface进行降维并提取具有判别信息的特征,并用最近邻分类器来识别。实验结果表明,MtLSAE方法获得了较好的姿态重建质量,保留的局部纹理信息清晰,而且与局部Gabor二值模式（LGBP）、基于视角的主动外观模型（VAAM）以及堆叠步进自编码器（SPAE）等经典方法相比,识别率性能得以提升。     

融合空间位置与结构信息的压缩感知图像重建方法

针对低采样率下分块压缩感知重建图像视觉效果不佳的问题,提出一种融合空间位置与结构信息的压缩感知图像重建方法(SLSI).首先,对观测值进行线性映射得到图像块的初步估计值;然后,基于块分组重建支路和全图重建支路对图像的空间位置信息和结构信息进行提取、增强和融合;最后,通过加权策略融合双支路的输出得到最终重建全图.在块分组...     

基于图形处理器的实时直线段检测

提出了一种基于图形处理硬件的递进式直线段检测方法,该方法利用图形处理硬件实现了边缘提取、霍夫变换、端点检测等步骤。其中的GPU并行霍夫变换采用θ参数空间及图像空间双重划分的方法,并使用线程块内的共享存储器较好地解决了同一θ空间的各线程同步问题。实验表明,该方法既有递进式检测方法的准确性,又充分利用图形处理器强大的计算能力获得了较高的实时性。