摘要:提出了率熵函数的概念，用译码器不确定度约束代替传统的失真度约束，从译码侧定义广义率失真函数。虽然率熵函数定义为互信息的约束变分问题，但可以通过构造变分问题特解求率熵函数的闭式解，还提出了构造变分问题特解的4种方法，即熵不变准则、独立误差准则、再生性准则和弱再生性准则。据此得到目前常见概率分布的率熵函数闭合表达式，包括均匀分布、向量高斯分布以及具有再生性和弱再生性的概率分布。熵失真度与熵幂失真度是均方失真（二阶统计量）和绝对值失真度（一阶统计量）的推广，是更一般的结果。率熵函数的概念解决了目前已知常见信源的率失真函数问题，丰富和发展了香农的率失真函数理论，在信源编码领域中具有重要的理论意义和应用价值。

摘要:非连续正交频分复用（Non-continuous orthogonal frequency division multiplexing，NC-OFDM）技术是认知无线电（Cognitive radio，CR）的一项应用。在NC-OFDM通信系统中，认知用户感知无线环境中授权频段的频谱空洞（Spectrum hole）并加以利用，以减少频谱的浪费。为保证授权用户的通信质量，认知用户需要在授权用户接入通信时立即退出，这使NC-OFDM通信系统对实时性要求较高，适用于OFDM通信系统的传统资源分配算法无法满足实时性要求。基于NC-OFDM系统的频谱特点，提出两种快速资源分配算法。所提出的算法首先依据误比特率与增益噪声比计算功率门限，采用一次判断选出认知用户使用的子信道，降低解空间维数；接着直接计算注水常量，进行初始资源分配；最后基于二分思想对已排序的子信道（方法1）或未排序的子信道（方法2）进行剩余资源的分配。理论分析与仿真结果表明，提出的快速资源分配算法与最优算法的资源分配结果相同（方法1）或相近（方法2），复杂度更低，资源分配的速度更快。

摘要:酉矩阵变换是一种常用的实值化方法，可有效地降低计算复杂度。然而，在现有的基于酉矩阵变换的大规模多输入多输出系统（Multiple input multiple output， MIMO）下行信道估计方法中，观测矩阵的维度增加了一倍，若不进行维度压缩，降低计算复杂度的目标将难以实现。虽然利用信号空间和噪声空间的正交性可压缩维度，但信号空间只能近似计算获得，不可避免地带来性能损失。为了改善信道估计性能，本文将信号空间矩阵当作变量，在估计过程中自适应地调整信号空间矩阵，但这使得信号空间矩阵和稀疏信号矩阵高度耦合，传统的贝叶斯推断无法适用。为了应对该挑战，本文进一步引入列向量独立分解的贝叶斯变分假设，成功将信号空间矩阵和稀疏信号矩阵解耦。仿真结果表明，所提方法可显著提升信道估计性能。

摘要:三维频谱态势是解决空天地信息网络中频谱资源利用不足的重要手段，可以表征功率谱密度在三维电磁空间的时空频分布情况，由此通信系统可“有的放矢”地实现频谱预测、频谱决策和频谱管控等多种应用。但受限于用户部署等因素，实际构建的三维频谱态势往往离散且缺损。因此，本文提出一种基于生成对抗网络的三维频谱态势补全算法。然后进一步提出一种改进的生成对抗网络结构和一系列的数据处理方法，以降低算法的补全误差和训练时间。仿真结果表明，所提出的算法能有效地对缺损三维频谱态势进行补全，并且其补全精度远优于传统插值方法。

摘要:针对无人机收发端相对运动导致毫米波窄波束无法实时匹配这一问题，提出一种基于无迹卡尔曼滤波的三维波束跟踪方法。该方法首先将波束的俯仰角和方位角作为系统状态向量，对其进行无迹变换，获得采样点集。而后，根据采样点集计算出状态预测值和测量预测值，并以此为基础，根据计算出的卡尔曼增益更新状态向量，获得状态向量的最优估计值。仿真结果表明，此方法满足了无人机实时波束跟踪需求，有效地提高了三维环境下毫米波窄波束的跟踪精度。

摘要:低密度奇偶校验（Low density parity check， LDPC）跳码可以在物理层基于跳变的校验矩阵进行差错控制编译码。准循环低密度奇偶校验码（Quasi-cyclic low density parity check code， QC-LDPC）因其良好的纠错性能和易于工程实现的优点而得到广泛应用。本文提出了一种简单且易于工程实现的QC-LDPC跳码设计方法。首先采用有限域的两类子群设计跳变的基矩阵，再通过基模图码的外信息转移算法对基矩阵散列的校验矩阵进行掩模，使跳变矩阵具有统一架构和快速编码结构。仿真和分析表明，设计的QC-LDPC跳码具有超大的跳变码集和良好的纠错性能，码集中LDPC码数目可达10³⁴个，随着码长增加，码集中的LDPC码数目呈指数倍增加，其平均性能可与诸多协议中的LDPC码相当，可用于提升通信系统的可靠性和安全性。

摘要:针对传统无人机航迹规划算法应用在突发威胁场景下存在搜索点冗余、路径规划实时性较差等问题，提出了一种基于多因素Dubins路径的无人机动态航迹规划算法。该算法首先根据无人机自身性能约束及突发威胁区域的位置，并且考虑无人机的起始和最终位置，利用传统的Dubins路径找到有效的路径扩展点。然后结合启发式搜索思想建立基于路径长度和威胁的路径扩展点评估函数。最后通过路径评估函数计算，比较路径点的代价值，选取每一步的路径扩展点，规划出较优路径。仿真结果表明，在突发威胁场景下利用该算法进行航迹规划时路径长度较短、路径扩展点较少，并且符合无人机实际飞行过程中航向角变化，可有效保障无人机的安全性和航迹规划的实时性。

摘要:针对基于稀疏表示（Sparse representation，SR）的数据压缩压缩率低、重构精度低等问题，本文提出一种基于双迭代的聚能量字典学习算法，把高维信号映射到低维特征空间，当低维特征空间保留高维原始信号越多的特征时，高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分，本文提出了一个新的变换，被命名为?变换，能提升高维字典的能量集中性。除此之外，针对高维字典与低维字典的耦合关系，建立了双循环迭代训练，增加字典的能量集中性与字典的表达能力。实验表明，相比于传统算法，本文提出算法字典学习收敛速度提升了3倍以上。此外，该方法可以得到较高的压缩比和更高质量的重构信号。

摘要:广义空间调制（Generalized spatial modulation，GSM）技术通过选择部分发射天线来传输信息，该系统由于部分天线保持静默而造成系统传输速率低。为了提高系统的传输速率，将GSM系统的所有发射天线均激活，但该系统在接收端依旧很难恢复出发射信号。为了达到传输速率与系统性能这两方面的平衡，本文提出双模广义空间调制系统，该系统将每时隙发送的信息比特分为索引比特和星座调制比特，利用索引比特将所有发射天线分为两组，将两种可分辨的星座调制符号分别放在两组天线上同时进行发送，在接收端采用最大似然算法（Maximum likelihood，ML）进行检测解调得到发送符号。通过分析与仿真表明，在误比特率为10^-3时，双模广义空间调制系统与发射总功率且传输速率均相同的GSM系统和多输入多输出（Multiple input multiple output， MIMO）系统相比，前者采用低阶调制方式来最大化星座点间的欧氏距离，将获得约4 dB的增益，后者在接收端可通过功率索引来提升检测算法性能，将获得约2 dB的增益。

摘要:在大规模MIMO系统中，现有的高斯-赛德尔（Gauss-Seide，GS）算法相较于最小均方误差（Minimum mean-square error，MMSE）算法，GS的复杂度较低，但其检测性能相比而言较差。本文提出一种适用于大规模MIMO系统上行链路检测的基于雅克比预迭代改进的高斯-赛德尔（Jacobi-improved Gauss-Seide，JA-IGS）检测算法，该算法首先通过引入雅可比（Jacobi，JA）预迭代器来优化迭代初始解，然后对传统的GS进行线性优化，在增加较低复杂度情况下，检测性能和收敛速度有明显提升。仿真结果表明，与传统GS和JA检测算法相比，该算法具有较低的误码率（Bit error ratio，BER）和较高的计算效率。

摘要:针对真实通信场景下的信道衰落孪生技术存在硬件成本高、实时性差的问题，基于贪婪坐标旋转数字计算（Coordinate rotation digital computer， CORDIC）算法及调频谐波叠加模型，给出了非平稳信道复合衰落序列的硬件模拟方案，在现场可编程门阵列（Field programmable gate array， FPGA）平台实现了大规模复指数实时计算。通过引入域折叠技术、贪婪角度记录单元和并行流水线结构，可减少硬件资源的使用，提高系统的实时性。此外，采用基于时分复用的多速率分级结构，进一步优化硬件资源。与传统查找表（Look up table， LUT）方法相比，本文方案消耗的硬件资源从17.89%减少到6.71%，与经典CORDIC算法相比，硬件延迟减少65.625%。硬件实测结果表明，输出信道统计特性的概率密度函数与理论值一致。

摘要:针对间歇采样转发干扰识别率较低的问题，提出了一种基于短时分数阶傅里叶变换（Short-time fractional Fourier transform， STFRFT）的干扰识别方法。在对间歇采样转发干扰STFRFT后，为了降低二维时频特征提取的复杂度，采取了基于最大值搜索和切片的降维方法，将二维时频域降维到分数阶傅里叶变换（Fractional Fourier transform， FRFT）域和时域。在降维后的FRFT域统计谱峰个数以及沿峰值点所在时间轴统计脉冲个数作为识别间歇采样转发干扰的特征参数。针对3种典型的间歇采样转发干扰，仿真结果表明，在原始回波干噪比大于-4 dB时，能够较好辨识3种干扰。

摘要:为了保障时间反演正交频分复（Time reversal-orthogonal frequency division multiplex， TR-OFDM）系统的物理层安全传输，提出了一种基于四元数加密的安全传输算法。该算法主要分为3个步骤：发射端和合法接收端利用估计信道得到加密传输过程中需要的四元数，即密钥；发射端将需要传输的比特序列做三维映射，利用四元数对三维星座点做旋转加密，调制为OFDM符号并经过时间反演处理之后发射出去；合法用户利用四元数进行解密和解调，从而获得传输的数据，而窃听者因为不知道密钥而无法获得传输信息。因此所提算法保证了系统数据传输的安全性。通过仿真证明本文所提出算法可以使窃听用户的误符号率始终保持在0.5左右；在相同信噪比下，较传统的二维调制，合法用户可以实现更低的误符号率；相较于人工噪声技术方案，本文所提算法不会影响合法用户的误符号率。

摘要:管道无损检测领域中传统的漏磁数据灰度可视化方法在缺陷曲线视图显示时具有延迟大、灰度视图辨识度低的缺点。针对该问题，本文提出了一种基于自适应滑动窗口的漏磁数据灰度化特征增强方法。首先，根据漏磁数据特点建立非等量分类标签并设置降采样比，实现对原始漏磁数据的降采样显示；然后，根据预处理后的漏磁数据设计自适应滑动窗口及灰度值补偿算法，实现漏磁数据的局部分段灰度映射；最后，基于漏磁数据分类标签设计自适应灰度映射方法，得到清晰的漏磁数据灰度视图。通过对比实验，验证了所提方法的先进性和有效性。

摘要:从跳数计算、跳距估计和估算坐标算法入手，提出一种改进DV-Hop 算法。首先采用多通信半径优化跳数，然后采用加权法修正平均跳距，再利用接收信号强度（Received signal strength indicator， RSSI）测距技术通过定义平均跳距误差实现二次修正，最后采用加权最小二乘法消除误差项的异方差性，进一步降低误差。仿真结果表明，改进算法在保持较小时间复杂度的同时能降低定位误差。

摘要:情绪在歌唱活动中发挥着重要作用，但现阶段高校声乐课程缺乏对情绪调动的有效训练。由于虚拟现实技术具有真实性、沉浸性的特征，本文提出将其应用于声乐教学过程中的情绪诱发阶段。为了验证虚拟现实技术对情绪诱发的有效性，本文提取了不同类型的脑电特征，对情绪自我想象和虚拟现实情绪诱发两种场景下的情绪状态进行分类，并对比了情绪分类准确率、情绪自评分数和声乐自评分数，从主观和客观两方面探究虚拟现实技术对参与者情绪调动的影响。实验结果表明，相比于传统自我想象，虚拟现实技术可以极大地诱发参与者情绪，提升演唱效果，从而为声乐演唱教学提供一种新的辅助手段。

摘要:本文采用惩罚逻辑回归方法，利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测。首先选取与乳腺癌相关的10个指标作为自变量，接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器，利用75%的数据集作为训练集建立模型，最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度。结果表明，LASSO惩罚逻辑回归的预测表现最好，预测精度达到97.18%；弹性网惩罚逻辑回归的预测表现随着α的增大发生变化，特别当α=0.9时，预测精度达到97.18%，与LASSO惩罚逻辑回归的预测表现一样好；L2惩罚逻辑回归的预测表现排第3，逻辑回归表现最差。因此，在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度。

摘要:由于图像分割具有模糊性，提出了一个对灰度不均匀、高噪声图像的分割模型。该模型以模糊能量泛函为基础，结合区域和边缘信息，利用变异系数作为局部区域统计量，避免了噪声对分割的干扰，很好地提取了图像信息。区域能量可以平衡目标和背景的重要性，驱使初始轮廓向目标边界移动。边缘能量对伪水平集函数进行正则化，保持曲线演化过程中的平滑性。在求能量泛函极小值时，直接计算新旧能量泛函的差值以更新伪水平集。对于高噪声以及混合噪声和强度不均匀的合成和真实图像的分割结果表明，本文模型具有较好的分割效果。

摘要:基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题，提出一种融合U-Net改进模型与超像素优化的语义分割方法。U-Net改进模型中结合空间金字塔模块（ Atrous spatial Pyramid pooling， ASPP）和Xception结构，在ASPP模块的分支网络中加入扩张卷积（Dilated convolutions，DC）形成模块本身的串并联结构，以增强图像特征提取能力；在Xception模块中添加注意力通道以及使用大的卷积核重构Xception模块，以减少数据的参数量并提高收敛速率，在此改进基础上再对图像进行超像素分割处理。最后使用条件随机场对分割结果施加全局约束，进一步优化像素的语义信息。本文方法在PASCAL VOC 2012测试集上进行验证并与DeepLab V3等主流网络进行对比，结果表明本文方法准确率提高了2.4%，证明了该方法在适应多变场景和应对精细语义分割上的有效性。

摘要:提出一种轻量高效的视频火焰检测算法。该算法以基于深度学习的卷积神经网络目标检测算法为主体，提取监控视频中的图像帧，识别并定位火焰区域。加入运动目标检测模块作为后处理机制，依据连续视频帧中火焰的运动特性，采用基于混合高斯模型的运动目标检测算法对火焰目标检测结果进行合理化判断，减少类似火焰的静止物体或光线造成的误报，效率高且资源消耗少。此外，收集并标注了一套火焰检测数据集（Fire detection dataset，FDD），包含多种场景下多类型燃烧物产生的火焰图片2 487张以及15段不同场景下的火灾视频数据。在FDD的视频检测实验中本文算法准确率达到了98.94%，证明了本文算法的有效性。