5G NTN关键技术研究与演进展望

5G非地面网络（non-terrestrial network,NTN）技术是5G通信系统面向卫星通信和低空通信等新应用场景的重要技术，标志着5G技术应用从陆地通信走向了空间通信。首先分析了5G NTN和地面5G的差异点，包括网络架构、时频同步、HARQ和移动性管理等。进而介绍了3GPP Release 17的5G NTN标准进展及关键技术点与3GPP Release 18的5G NTN增强技术。最后展望了未来空、天、地一体化的技术演进。通过对5G NTN技术研究和标准分析，明确了5G和卫星通信融合的技术路线，并为后续6G空、天、地融合系统研究和设计提供基础。     

智能反射表面辅助的MISO通信系统的物理层安全设计方案

智能反射表面(IRS)可通过调整反射单元的相位来提升无线通信物理层安全.针对IRS辅助的多输入单输出(MISO)通信系统,提出一种基于交替迭代的物理层安全设计方案.首先基于安全速率最大化原则,构建一个含有非凸约束的非凸目标函数;然后采用丁克尔巴赫算法和黎曼流形优化算法将非凸问题转化为一系列易于求解的子问题;最后采用交替...     

基于二次相关法的非视域物体定位研究

非视域成像技术是对无法直接观测到的物体进行间接观测的一种技术,本文使用激光光源照射中间介质,光经过中间介质进行多次反射,再使用APD(Avalanche Photon Diode)阵列接收回波信号,最后使用二次相关法进行时间延迟估计,计算回波信号的返回时间,完成对非视域物体的定位。实验表明,该方法可以快速定位非视域物体的位置,在噪声比较大的环境下,比直接使用互相关法定位更加准确。     

基于深度卷积网络的3D人脸重构算法

基于单张人脸图片的3D人脸模型重构,无论是在计算机图形领域还是可见光成像领域都是一个极具挑战性的研究方向,对于人脸识别、人脸成像、人脸动画等实际应用更是具有重要意义。针对目前算法复杂度较高、运算量较大且存在局部最优解和初始化不良等问题,本文提出了一种基于深度卷积神经网络的单张图片向3D人脸自动重构算法。该算法首先基于3D转换模型来提取2D人脸图像的密集信息,然后构建深度卷积神经网络架构、设计总体损失函数,直接学习2D人脸图像从像素到3D坐标的映射,从而实现了3D人脸模型的自动构建。算法对比与仿真实验表明,该算法在3D人脸重建上的归一化平均误差更低,且仅需一张2D人脸图像便可自动重构生成3D人脸模型。所生成的3D人脸模型鲁棒性好,重构准确,完整保留表情细节,并且对不同姿态的人脸也具有较好的重建效果,能够在三维空间中无死角自由呈现,将满足更多实际应用需求。     

基于稀疏迭代的非连续谱高频雷达信号处理方法

在拥挤频谱环境中,雷达系统在多个非连续频段发射信号并在接收端进行综合相干处理,是一种获得等效大带宽的方式. 本文专门就非连续谱调频连续波(discontinuous spectrum-frequency modulated continuous wave, DS-FMCW)及其在高频雷达中的应用展开研究. 首先提出采样点平移方法,建立DS-FMCW快时间维的非均匀采样序列谱估计模型;随后,进一步建立DS-FMCW距离-多普勒二维谱估计模型,提出解决距离徙动的方案;最后为解决距离高旁瓣问题,基于一种适用于单次快拍的迭代式稀疏重构算法提出DS-FMCW的距离与距离-多普勒谱估计方法,并提出相应的快速谱求解方法. 仿真试验表明:所提DS-FMCW距离-多普勒处理方案能有效补偿距离徙动;当频带利用率大于20%时,所提谱估计方法能够稳定地分辨距离维间隔为雷达固有距离分辨率的1/3的两个目标,且距离估计精度优于经典最小二乘算法以及正交匹配追踪算法;所提快速算法单次迭代运算量低,适用于实时系统.     

一种高效的大功率宽带整流电路

提出了一种由π型匹配枝节、整流二极管、直通滤波器组成的高效大功率宽带整流电路。采用2只HSMS-282P肖特基二极管桥设计单级倍压整流电路,使电路在整流效率不下降的情况下提升输入的功率容量;采用π型匹配枝节实现阻抗匹配,使电路具有宽频特性,同时其并联短路枝节可以作为输入滤波器,实现小型化和整流效率的提高。直通滤波器用于抑制基频和二极管非线性产生的高次谐波,以提高整流效率。实测结果表示：在2.05~2.6 GHz带宽内整流效率大于60%;在2.45 GHz工作频率和35 dBm输入功率下,整流电路在330 Ω负载上获得70%的整流效率。该整流电路具有整流效率高、功率容量大、频带宽的特性,可为工程人员设计大功率微波整流电路提供设计指导。     

结合头部和整体信息的多特征融合行人检测

尺度过小或被遮挡是造成行人检测准确率降低的主要原因。由于行人头部不易被遮挡且其边界框包含的背景干扰较少,对此,该文提出一种结合头部和整体信息的多特征融合行人检测方法。首先,设计了一种具有多层结构的特征金字塔以引入更丰富的特征信息,融合该特征金字塔不同子结构输出的特征图从而为头部检测和整体检测提供有针对性的特征信息。其次,设计了行人整体与头部两个检测分支同时进行检测。然后,模型采用无锚框的方式从特征图中预测中心点、高度及偏移量并分别生成行人头部边界框和整体边界框,从而构成端到端的检测。最后,对非极大值抑制算法进行改进使其能较好地利用行人头部边界框信息。所提算法在CrowdHuman数据集和CityPersons数据集Reasonable子集上的漏检率分别为50.16%和10.1%,在Caltech数据集Reasonable子集上的漏检率为7.73%,实验表明所提算法对遮挡行人的检测效果以及泛化性能与对比算法相比得到一定的提升。     

基于强化学习的立体全景视频自适应流

针对当前立体全景视频传输缺少有效的流自适应方法,且传统全景视频流自适应策略传输双目立体全景视频使得传输数据加倍,所需带宽巨大的问题,该文提出一种基于多智能体强化学习的立体全景视频非对称传输自适应流方法,以实时应对网络带宽波动。首先,根据人眼对视频显著性区域的偏爱,左右视点中每个瓦片(tile)对立体视频的感知质量的贡献度不同,提出一个基于tiles的左右视点观看概率预测方法。其次,设计了一种基于策略-评价(Actor-Critic)的多智能体强化学习框架,对左右视点进行联合码率控制。最后,根据模型结构和双目抑制原理,设计合理的奖励函数。实验结果表明,与传统流自适应传输策略相比,该文所提方法更加适用于基于tiles的立体全景视频传输,实现在有限带宽下提高用户的体验质量(QoE),为立体全景视频联合码率控制提供了一种全新的方法和思路。     

基于电子样稿的柔印首件“粗-精”检测方法

为了解决柔印首件检验没有基准织物图像作为参照的难点,该文提出一种以电子样稿为参照物的柔印首件“粗-精”检测方法,主要分为粗匹配、精匹配和缺陷检测3个阶段。首先,针对电子样稿与印刷首件内容粗细不一、灰度特性差异大、柔印内容重复率高等问题,融合超点(SuperPoint)与强力匹配(SuperGlue)方法进行粗匹配。然后,针对柔印过程版材伸缩、弯曲引发柔印内容局部偏移的问题,采用归一化互相关(NCC)法微调样稿字符,实现精匹配。最后,提出约束聚类的方法将缺陷检测问题转化为电子样稿与柔印首件差异最小化的问题。对比实验表明,该文方法的柔印首件检测性能要优于其他织物印刷品缺陷检测方法,其漏检率为0,误检率为1.3%,平均Dice系数为0.941,且检测时间仅为2.761 s/pcs,满足实际工程的需求。