强噪声背景下确定性谐波信号的模糊滤波

文章提出了一种在强背景噪声环境下对被淹没的谐波信号进行模糊滤波，从而恢复微弱目标信号的方法。在MATLAB环境下，先利用相干平均法，除去被测信号中的随机白噪声，对于有色噪声运用自适应神经模糊推理系统（ANFIS）的方法，对被测信号进行模糊滤波，在较低信噪比下，能较好的恢复出原始微弱信号。     

图像置乱效果评价算法综述

图像置乱技术通过对图像矩阵的重排操作,破坏图像矩阵的相关性,从而实现信息加密。图像置乱效果评价方法是对图像置乱程度的客观评价,目前涌现的图像置乱方法都从各个方面验证其自身的优越性,但仍没有一种通用的评判方法。该文根据最优置乱效果的定义,讨论了一些现有的图像置乱效果评判方法,在深入研究这些方法的原理后,对各置乱性能评判方法的客观性进行了深入分析和讨论。     

Terahertz detectors based on superconducting hot electron bolometers

Low noise terahertz(THz)heterodyne detectors based on superconducting niobium nitride(NbN) hot electron bolometers(HEBs)have been studied.The HEB consists of a planar antenna and an NbN bridge connecting across the antenna’s inner terminals on a high-resistivity Si substrate.The double sideband noise temperatures at 4.2 K without corrections have been characterized from 0.65 to 3.1 THz.The excess quantum noise factor β of about 4 has been obtained,which agrees well with the calculated value.Allan variance of the HEB has been measured,and Allan time up to 20 s is obtained using a microwave feedback method.Also,the intermediate frequency gain bandwidth(GBW)was measured using two dierent methods,resulting in same GBW value of about 3.5 GHz.     

SPR光谱信号的无基线质心法

为提高角度调制型表面等离子体共振(SPR)传感器的信噪比、分辨率等指标,并减少运算量,在分析固定基线质心法、基于幅值的动态基线质心法的基础上,提出一种确定SPR共振角的无基线质心法。运用SpreetaTM传感器和自行研制的SPR检测仪器,开展多种质量浓度的氯化钠和蔗糖溶液实验,获得SPR光谱数据,并分别采用上述三种质心法进行SPR共振像素计算,得到SPR监控曲线;分析比较三种质心法的运算速度、光源波动敏感度、信噪比和分辨率等指标。结果表明无基线质心法具有运算速度快、不受光源波动影响、信噪比高、分辨率高等特点,能有效提高SPR传感器和检测系统的性能。     

一种频率估计的倍频等长信号加权融合算法

提出一种新型加权融合算法.首先,根据倍频等长信号间频率的倍数生成倍频修正矩阵,对倍频等长信号频谱进行同频化处理,使之达到同频等长信号频谱的分析效果.然后,针对倍频等长信号的相位不连续问题,设计具有相位连续特性和噪声对消特性的相位补偿矩阵,对同频化的倍频等长信号频谱进行加权融合,使之近似达到与倍频等长信号长度相同的相位连续信号频谱的分析效果.最后,通过谱峰搜索加权融合频谱获得高精度的频率估计值.算法分析与仿真实验表明:与现有方法相比,本算法精度较高,计算量较小,抗噪性强,普适性好.     

Helmholtz共振腔气动噪声数值仿真

为探究出一套完整、准确的气动噪声仿真方法,用FLUENT和Actran仿真Helmholtz共振腔旁接管道系统模型.针对流场仿真,采用六面体网格建模,分析选择合适的网格密度,明确网格及边界条件的影响,以获得准确的声源信息;运用Lighthill声类比方法对声场进行仿真,采用数值计算、传声损失仿真和气动噪声仿真计算等3种方法提取管道内部场点声压级频谱曲线,分析曲线峰值频率特征,包括共振频率分析和声模态分析等.采用CFD软件与声学仿真软件相结合的方法,可以有效进行流场和声场的仿真.     

基于Turbo码的OFDM-IDMA系统干扰消除算法

基于交织多址系统,通过分析串行干扰消除和并行干扰消除两种方式的结构特点和纠错性能,结合两者优势,给出适用于OFDM-IDMA技术的串并结合干扰消除方式。通过构建等效的信道传输模型,在Turbo编码和OFDM条件下,将串并结合干扰消除方式与传统串行干扰消除方式进行性能对比。仿真结果表明,采用串并结合干扰消除技术的OFDM-IDMA系统,能够以较少的纠错性能损失为代价实现低时延多用户通信的目的。     

基于无监督深度图像生成的盲降噪模型

鉴于有监督神经网络降噪模型的数据依赖缺陷,提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先,利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中,所得到降噪后的图像（称为初步降噪图像）作为UDIG降噪模型的输入。其次,选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数;再次,以loss最小化为优化目标,通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像;最后,当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程,从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比,UDIG降噪模型在降噪效果上具有显著优势。     

一种鲁棒性的少样本学习方法

少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.