矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

模态试验中非线性检测的一种方法及应用

本文利用振动信号实部与虚部之间Ｈｉｌｂｅｒｔ关系的原理,发展了它在模态试验中非线性检测技术。针对工程结构的特性采用了快速算法和修正技术,通过火箭风罩证明了它的实用性     

小波阈值去噪的零件规模修复过程质量监控

在建立控制图进行零件规模修复过程质量监控时,针对修理零件质量特性测量数据存在噪声的问题,运用小波阈值去噪原理对质量特性样本数据进行去噪,然后再建立控制图进行监控。算例分析及其对比应用表明,小波阈值去噪可以有效减小测量数据的噪声,进而减少控制图质量监控中的误判,更好地监控零件规模修复过程的质量。     

基于N-策略的多级适应性休假的M/G/1排队系统

N-策略的休假排队模型有着广泛的应用背景。在文献[2-3]的基础上,研究了N-策略多级适应性休假M/G/1排队系统。通过使用全概率分析方法、拉普拉斯变换和拉普拉斯-斯蒂阶变换理论,得到各阶段队长的瞬态分布、队长的母函数以及平均队长的递推表达式。为预测某时刻顾客数量的概率大小、获得利益最大化的阈值N提供了理论依据。     

秋季身体调整有讲究

正秋天到来,暑气消散,很多官兵不适应季节变化感觉身体不适,不得不奔波于卫生队,可谓"多事之秋"。秋季,阳消阴长,人体经历了夏季高温酷暑的消耗,免疫力相对低下,各种疾病也会乘虚而人。因此,顺应季节变换应及时调整生活习惯。1.睡眠充足。俗话说:"春困秋乏夏打盹",科学证明,良好的睡眠不仅能帮助人们恢复体力,还能提高机体免疫力。为解秋乏,宜早睡早起,保证充足的     

舰艇动态磁性检测中有限深海浪磁场的噪声消除

对有限深海浪磁场进行了理论推导,分析了其变化规律并验证了在舰艇动态磁性检测中进行消噪处理的必要性。根据单椭球加磁偶极子阵列混合模型模拟了舰艇磁化磁场,并针对海浪磁场与舰艇磁场频带相近难以有效滤除的特点,采用小波包变换对磁测量值进行分解。仿真结果表明:该方法便捷高效,可将海浪磁场有效滤除,提高磁场测量精度。     

基于单应轨迹的视频实时稳像算法

针对视频稳像中实时任务的需求特点,提出一种基于单应轨迹的视频稳像算法。估计序列图像帧间的单应变换,并将该变换作用于图像窗口的4个角点,从而对每帧图像产生4个短的单应轨迹以代表视频短时间内的运动。利用关联卡尔曼滤波器以一种连续方式对不同帧的单应轨迹进行平滑。对图像合成采用包括性和相似约束以提高结果视频的可观性质量。该算法以在线方式工作,消除了缓存输入图像帧导致的延迟,具备不依赖于复杂的3D重建和长距离特征跟踪的优点,并有效避免了单应模型表达视频运动模型的误差积累问题。实验表明该算法能够有效对包含2D和较复杂3D场景的视频进行稳像,并且能够达到实时处理速度。     

基于小波分层连通树结构的信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显改善。     

EZW算法的实现及其应用

嵌入式小波零树 ,即EZW图像编码算法由于其优越的压缩性能 ,引起了人们的普遍关注。根据EZW算法的基本原理 ,可优化出编码实例并得出相应实验结果。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法,算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR)为2的目标,适用于舰载红外警戒系统。