IMS与PSTN互通的信令控制系统设计

本文首先分析了IMS与PSTN互通的功能实体.给出了二者互通的参考模型,然后分析了从SIP到ISUP的典型呼叫会话流程,给出了实现SIP与ISUP信令互通的结构和消息映射机制.在此基础上,本文设计和实现了一个具体的MGCF,重点分析了MGCF的应用层模块设计,并给出了一个具体的消息映射状态机的实现过程.     

基于遗传算法的层间等级网络编码优化

面向单信源异构信宿网络,研究了层间等级网络编码的编码类型优化。基于遗传算法,提出了一种最优编码类型的快速搜索方案。该方案充分考虑了信源输出链路上进行的层间等级网络编码的编码类型对整个网络传输性能的影响,将网络总吞吐量作为评价编码类型优劣的标准,设计了符合层间等级网络编码本质特性的遗传操作。实验结果表明,与分层组播网络编码和基于现有启发式算法的层间等级网络编码相比,基于本文方案实现的层间等级网络编码能够为单信源异构信宿网络获得更高的网络总吞吐量。     

基于卡通-纹理模型的激光吸收光谱层析成像

可调谐二极管激光吸收光谱层析成像（TDLAT）是一种重要的光学非侵入式燃烧检测技术。然而,TDLAT逆问题的欠定性本质使得现有迭代层析成像算法重建的燃烧场温度分布图像存在较大误差。针对该问题,笔者将图像处理领域的卡通-纹理模型引入TDLAT,提出了基于卡通-纹理模型的温度重建算法（TRACT）。该算法利用全变差约束下的Landweber算法重建气体吸收密度图像中的卡通成分,较好地恢复其中的平滑特征与边缘结构;构建改进的迭代收缩阈值算法深度展开网络,并用其重建气体吸收密度图像中的细节纹理成分;通过卡通成分重建与纹理成分重建的相互补充,提高气体吸收密度图像的整体重建质量,进而提高燃烧场温度分布图像的重建质量。利用火焰动力学模拟器生成的仿真数据与利用TDLAT实验系统实际测量数据进行的重建实验均表明,与现有的迭代层析成像算法相比,TRACT重建的燃烧场温度分布图像在客观评价指标与主观视觉质量方面均有较大提升。     

基于期望块对数似然的激光吸收光谱层析成像

可调谐二极管激光吸收光谱层析成像(TDLAST)是一种重要的非侵入式燃烧检测技术。然而,TDLAST逆问题的欠定性使得传统算法重建的气体吸收密度存在较大误差。本文将期望块对数似然先验引入TDLAST逆问题的求解,提出基于高斯混合模型(GMM)正则化的温度重建算法(GMMTRT)。该方法利用GMM建模燃烧场气体吸收密度的局部分布特性,采用半二次分裂方法求解引入GMM正则化的TDLAST逆问题。利用火灾动力学模拟器生成的仿真数据与利用TDLAST实验系统获得的实际数据进行的重建实验均表明,GMMTRT重建的温度图像能够准确定位火焰位置,并清晰描述燃烧场感兴趣区域的温度分布。与现有的基于Tikhonov正则化的温度重建算法和同时代数重建算法相比,GMMTRT的重建误差分别能够降低15.42%～36.16%和23.10%～44.79%。     

适用于无线传感器网络的层次化分布式压缩感知

分布式压缩感知(Distributed Compressed Sensing, DCS)是在无线传感器网络(Wireless Sensor Network, WSN)中减少数据传输量、降低能量消耗的有效手段。该文面向分簇WSN,提出层次化分布式压缩感知(Hierarchical Distributed Compressed Sensing, HDCS)。在利用簇内DCS消除簇内时间、空间冗余的基础上,利用簇间DCS消除簇间空间冗余,减少簇头的数据发送量。针对分簇WSN采集信号的结构化稀疏特性,建立块稀疏簇内联合稀疏模型与块稀疏簇间联合稀疏模型,提出HDCS观测方案与层次化联合重构算法。仿真结果表明,与普通DCS相比,HDCS在保证重建信号质量的同时,能够有效减轻簇头的通信负担,并显著降低Sink上的信号重构时间。     

基于改进的正交FRIT的分层图像编码算法

针对直线边缘较丰富的图像,结合小波变换和脊波变换的分析优势,提出了一种新的分层图像编码算法.本算法首先对原图像进行一级小波变换,取出低频子带LL1进行小波零树编码,从而编码图像的平滑层;然后根据残差边缘层有限Radon变换系数的特征,提出了一种改进的正交有限脊波变换,用以对残差边缘层进行更有效的稀疏表示,并根据变换系数的特点,改进零树编码算法SPIHT,实现了变换系数的渐进编码.实验结果表明,本算法在码率较低的情况下具有优于小波零树编码算法的压缩性能,并且能够更清晰地重建原图像中的直线边缘.     

基于H-tree的多维序列模式挖掘算法

提出了一种基于H-tree的多维序列模式挖掘算法,首先在序列信息中挖掘序列模式,然后针对每个序列模式,根据包含此模式的所有元组中的多维信息构造H-tree树,挖掘出相应的多维模式,从而得到了多维序列模式。该算法将多维分析方法与序列模式挖掘算法有效地结合在一起,当维度较高时具有较高的性能。     

基于层次化离散与残差网络的可调谐二极管激光吸收光谱层析成像

快速、准确、适用性强的重建算法是可调谐二极管激光吸收光谱层析成像(TDLAT)的核心研究内容之一。现有算法一般取位于燃烧场中心的某局部区域作为感兴趣区域(RoI),利用整个燃烧场对激光束的光谱吸收值重建RoI这一局部区域内的气体参数分布。重建结果与实际情况存在一定偏差。针对这一问题,该文研究燃烧场的空间层次化离散方法,进而为TDLAT系统设计一种基于残差网络(ResNet)的层次化温度层析成像方案(HTT-ResNet)。该方案能够根据有限数量的光谱吸收测量值完整重建整个燃烧场的温度图像,并对计算资源与燃烧场不同空间区域的成像分辨率进行优化配置,着重实现RoI内温度分布的高空间分辨率成像。利用随机多模态高斯火焰模型与实际TDLAT系统测量数据进行的实验均表明,HTT-ResNet重建的温度图像能够准确定位火焰的空间位置、清晰描述燃烧场的温度分布。