摘要：针对独立学院培养应用型人才的需要以及"信号与信息处理"课程群的"教难学更难"的教学现状,提出以"应用牵引兴趣,实践激发潜能"的思路对该课程群的实践教学进行改革。在改革探索过程中,根据实际应用需求精炼理论形成层次化实践教学内容,借助虚拟实验平台实现促进理论与实践相互融合,改革教学方法激发学生的求知欲,利用工程应用标准的课程设计和毕业设计平台得以强化知识应用。实践证明,这些教学改革可以有效地激发学生的学习兴趣,大大促进学生对该课程重要知识点的掌握,更有利于培养学生的知识应用和工程实践能力。

摘要：提出了一种基于单目视觉的车辆屏显式封闭驾驶舱前视视野重现方法。该方法通过准确的离线标定及在多线程并行框架下在线执行单目图像采集、前视图像处理和透视图像显示,可在显示屏上再现低失真度、高流畅度的前视画面。搭建了一套屏显式车辆封闭驾驶舱硬件系统,通过实验室和场地测试,从系统延时、前视视角、图像畸变、车辆高速直行、转弯、避障及驾车体验等方面验证了所提方法的有效性和高效性。该方法可为车辆封闭驾驶舱的后续改进提供良好的理论和实践基础。

摘要：真实雾气不均匀分布的特点会导致基于合成数据集训练的网络对真实雾气下拍摄的图像的复原质量不佳.此外,现有去雾模型较大的网络参数量会影响去雾的实时性.针对这两个问题,提出一种参数量较低的基于编解码多尺度特征优化的图像去雾算法以去除真实场景下图像的雾气.首先,在编码部分利用跨通道上下文注意力隐式地建模像素间的关系,以恢复去雾后图像中物体的结构.然后,设计信息调节子网弥补编码器遗漏的浅层信息,解决细节恢复粗糙的问题.最后,在解码部分设计特征矫正子网,采用相减式残差结构减少噪声,保证输出结果的正确性.在多种真实雾数据集上,对所提方法的普适性进行实验.实验结果表明:在REVIDE真实雾数据集中,与MSBDN方法相比,所提方法在参数量降低46%的基础上获得了PSNR 1.25dB的提升;在OHaze、I-Haze以及RTTS多种室内外真实雾测试集中,与其他去雾方法相比,所提方法都取得了更好的PSNR结果和视觉效果.

摘要：主办单位:中国印刷科学技术研究院杭州电子科技大学科印传媒·《印刷技术》杂志社承办单位:《印刷与数字媒体技术研究》编辑部杭州电子科技大学人文艺术与数字媒体学院会议时间及地点:2024年7月中国·杭州一、征稿范围·媒体颜色与图像技术颜色获取与再现、颜色评价与分析、计算机图形图像技术、机器视觉技术、可视化技术·数字信息获取与安全文本及图像语义提取、图像内容理解与感知、人工智能生成内容(AIGC)、ChatGPT、信号与信息处理、多媒体数据库技术、信息管理与安全、数字版权保护与管理、音视频处理技术·媒体交互技术虚拟现实技术、增强现实技术、媒体交互技术、人脸识别、人体姿态识别、模式识别技术·媒体呈现技术数字与网络出版、移动APP设计与开发、视频拍摄与制作、数字媒体编辑技术、三维打印技术·数字设计和创意数字媒体设计、场景设计与表现、游戏设计、用户界面设计·大数据与云计算数据获取、大数据处理、数据挖掘与分析、大数据加密、机器学习、云计算、数据可视化二、论文评审发表及奖项设置1.论文评审1)论文审稿流程分为摘要审核、论文一审、论文二审及终审。

摘要：《光电技术应用》期刊是中国电子科技集团公司主管,中国电子科技集团公司光电研究院主办,公开发行的学术性中文科技期刊。期刊所设栏目主要有:综述,光电系统,光学设计,红外技术,激光技术,光电探测,光电器件与材料,信号与信息处理,电路与控制,测试、试验与仿真等。

摘要：针对非配合场景下,姿态偏差及低分辨率条件下人脸重建效果差、识别率低等问题,提出一种三元对抗重建识别网络。该方法先通过编解码网络将人脸图像重建为高分辨率正脸图像,再对重建人脸进行识别。在网络训练上,设计了一种最短距离三元组损失函数,并将其与对抗机制结合,使网络对同一个人提取的特征相似性高,而与其他人提取出的特征相似度低。实验结果表明,在大角度低分辨率条件下,本文网络性能优于目前领先的人脸姿态矫正算法。

摘要：针对星载双基地SAR干涉测高的新特点,给出了“空间基线”、“变基线”下的干涉测高原理,建立了绝对高程误差模型和相对高程误差模型。从提高测高精度、优化系统设计的角度出发,分析了相对高程和绝对高程测量精度受基线形式的影响,给出具有一般性意义的测高误差关于空间基线姿态的二维分布全貌图,分析了图中误差极点走廊和两类优良点的位置和相应的物理意义。将误差分布图用于指导辅星相对轨道设计,证明了该图对基于测高性能的辅星轨道优化设计具有重要意义。

摘要：针对叶簇穿透超宽带合成孔径雷达面临其他多种电子系统的频谱干扰问题,提出一种在干扰频带设计陷波的相位调制雷达波形设计及频域处理方法。在建立最大化使用频带和干扰频带能量之比的模型基础上,通过相位域求解共轭梯度以较快的收敛速度得到近似最优相位调制波形。基于发射信号频谱研究了频域匹配处理和距离旁瓣频域抑制加权技术。通过该波形设计及处理方法,可以灵活并有效地完成抗窄带干扰,且易于工程实现。

摘要：针对现代战场复杂电磁环境,在低信噪比(-6 dB)下传统雷达调制信号采用常规五参数特征的识别方法准确率低的问题,本文采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节,从而替代手工设计特征的庞大的特征工程以实现信号在低信噪比下的识别。该方法首先利用平滑伪Wigner-Ville时频分析在时频域内生成雷达调制信号的时频图像;然后采用中值和均值滤波结合去噪对时频图像进行预处理;最后使用图像处理器GPU在深度学习架构Tensorflow下搭建AlexNet模型进行训练,对CW、LFM、EQFM、DLFM、BFSK、BPSK以及QPSK这7种雷达信号进行特征的自动提取和选择,从而实现雷达信号的自动识别。仿真结果表明,在信噪比为-6 dB时,除QPSK信号外其余6种雷达信号的整体识别率均达到90%以上,比采用非深度学习和LeNet5卷积神经网络的识别效果好,从而验证了该方法在低信噪比下雷达信号识别的有效性。

摘要：针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法。首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型。然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号模型。最后,采用改进阵列协方差矩阵稀疏迭代估计算法进行求解。理论研究和仿真实验结果表明,该方法在低信噪比和多快拍条件下比传统算法具有更高的估计精度和分辨率,且结合压缩感知理论有效降低了算法的运算量。