基于MMSE的自适应盲均衡算法

提出一种估计最小均方误差的盲均衡算法。与RLS算法原理类似,该方法依据矩阵求逆引理逐步更新自相关矩阵及其伪逆,以达到快速收敛,且对迭代初始值不敏感。与非递归算法相比,该自适应在线算法无需直接计算相关矩阵的伪逆或引入奇异值分解,避免了估计相关矩阵的秩或信道阶数。快速收敛以及在线处理的特性使其可以应用到实时通信信号处理中。仿真结果证明算法具有很好的在线均衡性能。     

考虑类型信息的异构数据源信息交换方法研究

异构信息源模式集成中,除解决模式结构冲突外,还需要考虑模式结构对应的数据类型差异,以保证模式集成和信息交换过程的准确性.本文在考虑不同模型语言类型约束和复合对象类型的基础上形式化描述了类型体系,在公共类型体系内容定义的基础上给出了考虑约束和复合对象类型的中间模型类型体系的构建方法,建立了异构数据模式类型体系与中间模型类型体系的类型映射关系.相比其他类型匹配方法,具有搜索空间小、处理范围广的特点.     

Quality-efficient syntax element-based de-interlacing method for H.264-coded video sequences with various resolutions

In this paper, we propose a novel quality-efficient de-interlacing method for H.264-coded video sequences with various resolutions. In the proposed method, using the syntax elements provided in H.264 bitstreams, four new and efficient strategies are delivered for inter-coded macroblocks to improve the quality of de-interlaced video sequences as well as alleviate the error propagation side effect. Based on the real and generated interlaced video sequences with various common resolutions, experimental results demonstrate the proposed de-interlacing method achieves better quality in terms of both objective and subjective measures when compared with the recently published method by Dong and Ngan.     

基于MATLAB的内燃机工作过程参数优化

通过分析内燃机工作过程模拟参数优化的特点,结合MATLAB强大的数据处理功能,设计了一种内燃机工作过程模拟多目标的优化方法,即非线性回归-解析法,并应用于柴油机的多目标参数优化。表明它是一种快速有效的方法。     

真空熔炼（Tb,Dy）Fe金属间化合物的研究

研究了采用真空电弧炉在配制熔炼（Ｔｂ，Ｄｙ）Ｆｅ金属间化合物过程中各种元素成分的变化，结果表明，在真空度为１．３３Ｐａ下，经一定温度，时间熔炼后，（Ｔｂ，Ｄｙ）Ｆｅ中元素的成分由开始与制的组成－ＴｂＦｅ１．７５和ＤｙＦｅ１．７０，经１２ｍｉｎ熔炼后为ＴｂＦｅ１．７５８和ＤｙＦｅ１．７３０经２４ｍｉｎ熔炼后的为ＴｂＦｅ１．７６５和ＤｙＦｅ１．７５６。元素的挥发损失Ｄｙ〉Ｔｂ〉Ｆｅ。这和各元素的熔眯，     

Improving video quality by predicting inter-frame residuals based on an additive 3D-CNN model

Video compression is essential for uploading videos to online platforms which usually have bandwidth limitations. However, the compression reduces the visual quality. To overcome this problem, the visual quality of the low bitrate compressed videos for various standards, including H.264 and HEVC in decoders, needs to be improved. Accordingly, this paper proposes a novel method for improving video quality based on 3D convolutional neural networks (CNNs). This method is totally compatible with the encoders of video compression standards, i.e., H.264, VVC, and HEVC, and can be implemented easily. In particular, the proposed neural network model receives five frames of the low bitrate compressed video as input and subsequently predicts the compression error of frames using the first and fifth frames. Finally, it reconstructs an improved version of the frame with high quality. The CNN is an Additive (3D) model that can predict the eliminated inter-frame redundancies resulting from compression. Our goal is to increase the peak signal to noise ratio (PSNR) and structural index similarity (SSIM) of the luminance (Y) and chrominance (U, V) frames in the video. Additive 3D-CNN achieves an average of 12.4%, 9.9% and 5% BD-rate increases for LP, LB and RA for the Y component. The results indicate that the new proposed algorithm outperforms the previous methods in terms of PSNR, SSIM, and BD-rate.     

TMNX接口安全管理的研究

文章首先给出了多个TMN通过X接口互连时面临的安全威胁,进而提出了TMN X接口安全管理的需求,在此基础上提出了两类Inter-TMN安全管理的模型:联合管理模型和协同管理模型。通过引入安全前端作为TMN安全网关,文章的最后给出了基于联合管理模型的实现原型。     

关于跨大区联网及全国联网的几点想法

文章讨论了北方网黄河上游、黑龙江水电向环渤海经济圈输电,中部网长江中上游水电向长江下游经济圈输电,南方网澜沧江、红水河、闽江水电向珠江下游经济圈输电,建设北、中、南三个跨大区电网的网架布局及地理选位,提出了三峡、豫电经由豫南向华东输电,溪洛渡经湘中、赣中向华东输电的选径,并在此基础上讨论了建设全国联网实现不同季节的电能互补、北电南送、互相调剂、减小网损的网架布局地理选位方案。文中明确指出全国联网的     

一种用于气体绝缘开关设备异物清扫与检测的机器人系统

针对现有对GIS管道的检测方法不能同时兼顾异物清理的问题,研制了一种基于Inter Edison平台的用于GIS管道内腔异物清扫与检测的机器人系统。从硬件结构、机器人运动学建模以及人机交互平台3个方面对设计的机器人系统进行了详细的介绍。其中硬件上采用集成化程度高的Inter Edison处理器作为模块化设计的中心;在人机交互平台上,基于Android开发平台,实时实现系统的3D动态显示、运动过程控制、机器人姿态控制等功能。实验表明:该机器人结构独特,能在GIS管道腔内平稳地运行;机器人能实现左右各20°的移位;摄像头拍摄无死角;人机交互中心视频画面清晰;整个机器人系统满足GIS检测清理机器人各项功能的任务要求。     

连续语音识别中利用帧间相关性的研究

尽管作为当前最为流行的语音识别模型,隐马尔可夫模型（HMM）由于采用了状态输出独立同分布假设,因此不能描述语音现象中固有的时间相关性。文章介绍了一个更为灵活的基于段长分布HMM（DDBHMM）的研究帧相关性的框架,并在此基础上提出了一个混合模型,采用一种将语音特征静态信息和动态变化信息分别描述又有机结合在一起的方式,以较小的计算代价更为合理地刻划了真实的语音现象。汉语大词汇量非特定人连续语音识别的实验表明,通过利用帧相关性识别系统的性能得到了明显改善。