摘要：图像压缩作为一项关键技术,旨在传输过程中保留尽可能少的关键信息,同时使得压缩后的图像保持较好的质量。而随着计算机视觉的发展,图像的主要消费者不仅仅是人类而更多的是机器,因此探索一种能够同时面向人类视觉和机器视觉的图像压缩方法十分具有意义。然而,现有的基于学习的图像编码技术虽然已经在人眼感知质量上取得了显著性的进步,但由于信号保真度及语义保真度的方法在驱动目标上存在分歧,无法同时满足机器视觉和人眼的需求。因此,本文提出了任务自适应增强的特征解耦可分级压缩方法,旨在利用单一比特流来支持多种视觉任务,并根据需求进行图像的选择性重建或完全重建。具体而言,本方法将图像特征解耦为目标特征和背景特征分别进行压缩和重建,所得到的目标图像用于后续目标检测和语义分割任务,而高质量完整重建的图像供人眼观看。这样不仅在实现视觉任务时避免了重建完整图像,提高压缩效率,还能够满足人眼的不同需求。此外,为了解决因目标区域重要性差异而引起的任务性能不平衡问题,本方法还设计了可插拔的任务自适应单元,并将其嵌入在目标特征解码器中,从而可以根据具体任务需求调整特征以增强重建目标图像的分析性能,而无须重新训练整个网络。实验结果证明,该方法与其他编解码器相比,展现出了更优的任务性能和速率失真(RateDistortion)性能。

摘要：针对AES算法的S盒在仿射和迭代输出周期的短周期现象,以及固定S盒易成为加密算法的攻击薄弱点的问题,本文提出一种动态S盒的加密算法DS-AES,并进行试验验证。结果表明:该方法获得S盒的仿射变化和迭代输出的周期分别达到最大值4和16,且严格雪崩准则距离提升了7.9%,不仅在扩散和混淆性表现更优,而且安全性更高。

摘要：课程建设是教育教学改革的重要内容,为有效实现创新人才培养目标,对信息通信类专业学科基础课“微机原理”开展教学改革。针对“微机原理”课程内容繁杂、概念抽象、实践性强的特点,在教学内容设计与教学实施过程中探索理论与实践教学融合的有效模式。教学内容设计使课堂授课、课内实验以及课外挑战性项目的内容相互衔接,教学实施中采用以问题为导向的课堂教学模式,以及以挑战性项目为载体的课外培养模式。通过课内外联动,有效激发学生的学习兴趣和实践热情,促进学生的自主学习与创新能力提高。

摘要：时间敏感网络(TSN)中的帧复制与消除(FRER)冗余机制通过数据包的复制与消除功能来提高网络的可靠性,数据包通过复制功能复制到冗余路径上,随后路径合并,消除函数删除重复项。这种冗余方案会影响TSN的时序行为,导致端到端不确定性增加。为此,通过结合时间感知调度整形(TAS)算法,设置不同的门控参数减少FRER机制所带来的时延,并为机载TSN提供一种基于网络演算(NC)的最坏时延计算的数学模型,对多业务数据传输时的端到端时延上界进行定量分析,评估TSN下的机载网络是否满足通信要求。通过OMNET对某飞机网络拓扑进行仿真,验证TSN技术在民机航电网络的适用性及模型对机载TSN通信系统的端到端最坏时延分析的可行性,为网络资源优化提供依据。

摘要：提出了一种可应用于能量信息并行传输(Simultaneous Wireless Information and Power Transmission,SWIPT)系统的整流电路,利用整流二极管产生的二次谐波实现通信功能。首先以脉冲信号为例,从理论上分析了利用二次谐波通信的可行性。然后设计了具有串联拓扑结构的整流电路,利用输出端直通滤波器在各谐波频点输入阻抗不同的特性提取二次谐波,同时提出了一种集成双工器的输入匹配网络,用于分离基频信号和反射的二次谐波。仿真结果表明,当输入功率为0.5 dB m时,脉冲信号的最高整流效率为66%,得到的二次和三次谐波幅度分别为-9.2 dB m和-65.1 dB m,且基频与二次谐波的时域波形包含相同数据信息。

摘要：由于生物特征老化的影响,声纹识别系统的准确率会随着时间推移而显著降低。然而,对声纹老化的研究却面临着巨大挑战,其中最主要的原因之一是当前声纹数据集的高成本。利用深度学习最新进展,设计了一种先进的大规模跨年龄声纹数据集收集系统,并对收集的129位说话人进行了广泛的声纹老化研究。为了探索实验室同学的持续声纹变化,在终端部署了声纹采集系统。

摘要：为了实现超宽带近场成像系统对于抗干扰性强、高分辨率的需求,设计了一种指数渐变形的超宽带TEM喇叭天线。经过实验验证,该天线具有4~20 GHz的工作带宽,剖面高度小于100 mm,同时兼顾近场成像系统小型化和超宽带的性能。

摘要：前列腺癌是全球范围内男性高发的恶性肿瘤之一,提高前列腺癌患者的早期诊断准确性对于提升治愈率和存活率至关重要。拉曼光谱作为肿瘤非侵入式诊断研究领域的一项前沿技术,已经显示出在区分癌症病人与正常人的多种生物样本方面具备很大潜力。设计了基于Transformer的前列腺癌血清拉曼光谱辅助诊断算法,旨在以克服传统算法的局限性,提高前列腺癌辅助诊断的准确性。该算法将拉曼光谱数据点分割成块,并使用Transformer编码捕捉这些块之间的内部关联,能够有效区分早期前列腺癌患者和前列腺增生患者的血清拉曼光谱,且经过对比实验分析,准确率优于其他常用算法模型,为非侵入式前列腺癌早期诊断提供一种更可靠的方法。

摘要：近年来,深度学习技术推动了图像超分辨率领域的进展。然而,现有的网络计算资源消耗量大,无法在移动端设备上进行应用。针对这一问题,提出了一种基于特征金字塔的轻量化图像超分辨率算法。在设计的特征金字塔提取模块中,采用通道分离和交叉融合的操作,提高特征的表达能力,更全面地捕捉不同特征间的关联。此外,设计了一种双分支的通道注意力机制,引导两个特征自适应性融合,同时引入残差结构让模型训练更加稳定。在Manga109数据集的2倍尺度的实验中,相比于SRCNN算法和IDN算法,提出的方法峰值信噪比(PSNR)分别提高了1.35 dB和0.18 dB,参数量相比IDN减少了43.76%。

摘要：针对新一代视频编码标准H.266/VVC在视频编码码率分配过程中忽略了人眼视觉冗余这一问题,提出一种基于内容感知的码率分配策略。对于一幅图像,人们往往只会关注某些特定的区域,而显著性特征则可以很好地评估人眼对不同区域的感兴趣程度,并且借助注意力机制可以更好地衡量人眼视觉特性,因此设计了一种基于多尺度注意力机制的视频显著性网络。该网络通过注意力模型来计算视频序列不同时空特征的重要程度并为其分配不同权重,生成视频序列的显著性特征。基于获得的显著性特征以及视频内容特性,提出一种新的视频码率分配策略,对帧级和CTU级目标码率进行分配,来提升视频的感知质量。实验结果表明,与H.266/VVC参考软件VTM 15.0相比,在图像全局质量损失很少的情况下,显著性区域的码率节省了19.52%,码控精度也有所提升。