摘要:图像超分辨重建是一种提升图像分辨率的图像处理技术，而超分辨问题是一个难解的欠定问题，近些年来研究人员主要采用基于学习的方法，从大量数据中学习图像先验信息，以实现对解空间的约束。本文介绍了近20年来主流的图像超分辨重建算法，主要分为基于传统特征的方法和基于深度学习的方法。对于传统的超分辨重建算法，阐述了基于邻域嵌入的方法、基于稀疏表示的方法以及基于局部线性回归的方法。对于基于深度学习的超分辨重建算法，详细总结了网络模型结构设计、上采样方式、损失函数形式以及复杂条件下的算法设计4个方面。此外，本文简要分析了超分辨重建技术在视频超分辨、遥感图像超分辨以及在视觉高层任务方面的应用。最后，本文展望了图像超分辨重建技术的未来发展方向。

摘要:人脸表情识别是人类情感识别的基础，是近年来模式识别与人工智能领域研究的热点问题。本文首先总结了人脸表情识别的发展过程，主要包括传统的表情特征提取、表情分类方法与基于深度学习的表情识别方法，并对各种算法的识别率与性能进行了分析与比较。然后介绍了表情识别常用的数据集及各数据集的优势与存在的问题，并针对这些问题归纳分析了生成对抗网络等用于数据增强的技术与方法。最后，总结了表情识别领域目前存在的问题并展望了未来可能的发展。

摘要:近年来，随着计算机视觉技术和数字图像处理技术的不断发展，基于视频分析的火焰检测技术获得越来越多的关注。鉴于基于视频的火焰检测对消防安全、人民生命和国家财产安全等具有重要的实际研究意义，以及其理论基础和影响因素的多样性，本文对目前已有的基于视频的火焰检测算法所涉及的关键技术进行了综述。首先介绍了目前基于视频的火焰检测技术的处理流程，即预处理、特征提取、分类识别；其次着重分析火焰的特征，包括基于单帧的静态特征和基于多帧的动态特征，同时列举了典型的火焰特征提取算法；然后重点总结多特征融合策略和用于火焰识别的常用分类器以及深度学习识别方法；最后对基于视频的火焰检测技术的研究难点和未来发展进行了较为详细的分析探讨。

摘要:为了高效、高精度、低成本地实现对物体的全视角三维重建, 提出一种使用深度相机融合光照约束实现全视角三维重建的方法。该重建方法中，在进行单帧重建时采用RGBD深度图像融合明暗恢复形状(Shape from shading，SFS)的重建方法, 即在原有的深度数据上加上额外的光照约束来优化深度值; 在相邻两帧配准时, 采用快速点特征直方图（Fast point feature histograms, FPFH）特征进行匹配并通过随机采样一致性（Random sample consensus, RANSAC）滤除错误的匹配点对求解粗配准矩阵, 然后通过迭代最近点（Iterative closest point, ICP）算法进行精配准得出两帧间的配准矩阵; 在进行全视角的三维重建时, 采用光束平差法优化相机位姿, 从而消除累积误差使首尾帧完全重合, 最后融合生成一个完整的模型。该方法融入了物体表面的光照信息，因此生成的三维模型更为光顺，也包含了更多物体表面的细节信息，提高了重建精度；同时该方法仅通过单张照片就能在自然光环境下完成对多反射率三维物体的重建，适用范围更广。本文方法的整个实验过程通过手持深度相机就能完成，不需要借助转台，操作更加方便。

摘要:目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像，本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同，编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器，因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像，本文设计了能保留图像高频细节的L ₀正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明，本方法对多种运动产生的模糊均有良好的图像复原效果。

摘要:通过累积残差和进行图像表示的局部聚合描述子向量（Vector of locally aggregated descriptors，VLAD）方法中，由于每个描述子与对应的最近邻码字得到的残差值大小不一，且每个码字对应的描述子数量不确定，会存在过累积和欠累积问题。针对此问题，提出一种通过距离聚类的残差中心聚合进行图像表示的新方法。首先，提取数据库图像的局部描述子，通过聚类得到码本；然后，将局部描述子通过最近邻方法量化到码本上，并求出局部描述子与最近邻码字之间的欧式距离；再次，聚类所有距离，得到中心集合，求出每个局部描述子与最近邻码字之间的欧式距离在中心集合上的最近邻，进而求得中心集合中每个中心对应的描述子与最近邻码字之间残差的中心，并将每个码字上所有的残差中心累积求和；最后，将所有码字对应的累积向量按顺序级联后得到最后的图像表示。在Holidays和UKB数据集上的图像检索实验结果表明，提出的图像表示方法比通过直接累积残差和进行图像表示的VLAD方法效果更好。

摘要:针对传统各向同性全变分（Isotropy total variation，ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题，提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数，利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题，并将差分算子视为卷积算子；然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率；最后通过Matlab进行仿真实验，运用图像质量的客观和主观评价方法进行评价分析。结果表明，本文方法能够较好地保留图像的边缘特性，有效提升去噪效果。

摘要:通过检测无线网络的功率变化识别介质访问控制(Medium access control, MAC)协议在认知无线电和认知电子战领域具有重要意义。为提高识别能力，本文在现有特征的基础上，提出碰撞概率估计特征和Fisher统计量特征。针对识别目标的网络配置与训练样本不同时识别效果较差的问题，提出利用基于Q学习的选择性集成方法，从训练的多个基分类器中选择一部分组成分类系统，提高算法的泛化能力。利用OPNET仿真软件采集4种MAC协议的功率变化数据进行验证。实验结果表明，所提特征能够提升对不同MAC协议的区分度，当目标网络与训练网络的配置不同时，选择性集成方法的识别效果优于单分类器和全部集成方法。

摘要:提出了一种应用于均匀线阵中近场源定位的降秩Capon算法。该算法能够将经典二维Capon（Two-dimensional Capon, 2D-Capon）算法中的二维谱峰搜索转化为一维谱峰搜索，得到自动配对的近场信源角度和距离参数估计。与经典的2D-Capon算法相比，本文提出的算法无需信源数估计，同时由于避免二维谱峰搜索过程，其计算复杂度大大降低，且该算法参数估计性能与2D-Capon算法非常接近。仿真结果表明该算法可有效用于近场信源的参数估计。

摘要:针对传统无人机空地信道模型不支持三维飞行轨迹和三维天线的问题，通过引入空间旋转矩阵和轨迹参数，提出了一种基于几何随机的无人机空地三维信道改进模型。该模型结合无人机对地通信场景的特殊性，利用时变布尔变量描述视距路径、地面反射径和散射路径的动态生灭过程。同时，文中还给出了二维角度、时延和功率等模型参数的时间演进算法，用于复现无人机对地信道的时变统计特性。数值仿真结果表明，改进模型输出的空时相关特性和多普勒功率谱均与理论值吻合，并且自相关特性与实际测量结果基本一致，该模型可应用于辅助无人机空地无线通信设备的方案优化、算法验证和性能评估等领域。

摘要:无人机（Unmanned aerial vehicle, UAV）通信是当前无线通信领域的研究热点。为了保证地面移动端与UAV通信的可靠性，提出了基于空时块码（Space-time block code, STBC）的协作中继传输方案。为了提升频谱效率，本文利用认知无线电技术，于协作中继处分别采用放大转发(Amplify-and-forward, AF)和解码转发(Decode-and-forward, DF)两种协议进行传输，在主用户通信服务质量得到保证和认知用户传输功率受限的条件下，建立以认知中继网络的吞吐量最大化为目标函数的优化问题。采取拉格朗日乘子法与Karush-Kuhn-Tucker (KKT)条件相结合的方案来实现优化问题中最优功率的分配。最后，仿真结果不仅验证了所提方案的有效性，还表明了DF中继协议下认知中继网络的吞吐量优于AF中继协议。

摘要:大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。

摘要:针对无线传感器网络环境下的定位问题，提出了一种基于核岭回归(Kernel ridge regression，KRR)的定位算法。核岭回归算法是在岭回归算法的基础上加入了核函数，该算法在离线阶段采用核岭回归方法提取所有位置指纹数据间的非线性关系，训练出非线性回归定位模型；在线阶段采集目标点的接收信号强度指示（Received signal strength indicator，RSSI）值，利用非线性定位模型估计目标点的物理位置。仿真分析了影响算法性能的各个因素，并在室内典型办公环境下进行了定位实验。实验结果表明，该算法在不同因素的影响下，相比传统加权K近邻算法(Weight K-nearest neighbor，WKNN)算法能达到更好的定位精度，在位置网格间距1.8 m时，WKNN算法平均定位误差为2.53 m，而该算法误差为1.58 m。

摘要:针对目前采用传统方法构造（3，m）LDPC码时会产生大量陷阱集的问题，以矩阵格（Rectangular lattices，RL）为基础提出了一种消除基本陷阱集的（3，m）QC-LDPC码的改进构造方法。通过分析矩阵格中基本陷阱集与斜率的关系，选取合适的斜率满足相应的约束条件以避免基本陷阱集的出现；同时，改进方案中的校验矩阵采用准循环结构，降低了LDPC码编译码复杂度。在AWGN信道中的仿真实验结果表明，本文提出的码字构造算法可以有效地降低LDPC码的错误平层。

摘要:针对现有 码校验向量识别算法的容错性差和识别率低的问题，提出了一种 码校验向量的迭代识别算法。该算法首先利用信道输出的软信息分析校验关系对数似然比的概率分布特性，找到一种校验向量的预判决方法，大幅度降低了构造校验向量的搜索空间；然后在软判决条件下，利用广义对数似然比对搜索空间中的向量进行判决，得到校验向量；最后，利用多组数据进行迭代，求解搜索空间中的校验向量。实验结果表明，与已有算法相比，本文算法的向量搜索空间大幅度降低，算法的识别率提高约15%，而且算法获得的译码增益提高约2.3 dB。

摘要:为了解决机床远程故障诊断中有线网络布线干涉、设备成本高等问题，同时满足大数据存储、多样化数据接入的需求，提出基于物联网(The internet of things,IoT)无线网络和IoT云平台的故障诊断系统。系统模型设计为4层：采集层、传输层、运算层和应用层。采集层采用基于应用过程的对象连接与嵌入(Object linking and embedding for process control,OPC)和多传感器融合的数据采集方法，获得故障诊断所需数据；传输层基于窄带物联网(Narrow band internet of things,NB-IoT)无线通信技术和IoT云平台，实现数据远程传输、通信和存储；运算层基于BP神经网络在前、专家系统在后的串行反馈控制机制，建立故障诊断算法模型。以机床的主轴伺服系统为实例，分析其故障现象并获得故障样本，对诊断算法模型进行误差仿真分析，预测结果与期望相吻合，验证了该模型的有效性。

摘要:卫星导航系统接收机分为标量跟踪架构和矢量跟踪架构。矢量跟踪接收机的特点是采用一种中心导航滤波器实现所有通道信息的集中处理，这样可以充分利用通道之间的共享信息，提升接收机的性能。但由此带来的问题是通道之间的相互影响，当某个通道的信号被遮挡或者信号较弱时，会影响导航滤波器的正常工作，因此需要进行通道运行状态的监测。本文提出一种基于长短期记忆神经网络的通道状态监测方法，将通道的信息序列值作为神经网络的输入向量。仿真结果表明，本文提出的方法能够有效地检测故障，保证矢量跟踪接收机的定位精度。

摘要:肩袖撕裂是一种常见疾病，超声已被认为是该疾病首选的检查方法，但撕裂后的血肿充填易导致常规超声扫查的假阴性，本文提出一种基于超声原始射频(Radio frequency, RF)信号的肩袖撕裂识别方法。首先将B超诊断仪设置在二次谐波扫描模式，扫描和存储组织的原始RF数据。其次对一帧RF数据进行带通滤波并在这帧RF数据中选取感兴趣和参考区域；然后计算感兴趣和参考区域内每条扫描线上每一个或数个周期内二次谐波的均方根值。再用Kolmogorov-Smirnov检验把各区域内每条扫描线上的均方根值与参考区域的进行比较，计算相应p值。最后将感兴趣区域的算术平均p值除以参考区域的算术平均p值，得到相对p值。本方法解决了当前B超检查中识别复杂生物组织异常主观性强和需要有丰富临床经验的问题，测量准确、容易实施。