摘要：提出一种无线体域网(WBAN,wireless body area network)的网络拓扑结构设计方案。该方案针对IEEE802.15.6标准的2跳扩展星型拓扑结构,建立基于混合整数非线性规划的能耗成本优化模型,通过调整中继节点的位置和数量,以及数据到汇聚节点的路由,获得优化的网络拓扑结构。实验结果分析表明,与Elias提出的EAWD(energy aware WBAN design)模型相比,所提出的方案能使网络能耗减少40.5%,网络时延平均降低52.4%,网络寿命提高了一倍。

摘要：随着数据获取设备的不断进步和数据获取技术的快速发展,如何分析和挖掘应用中快速产生的数据流成为亟待解决的问题.数据流的相似性连接返回两个数据流上相似的数据对,是分析和挖掘数据流的重要操作.相比于Lp范式距离,例如曼哈顿距离和欧氏距离,EMD距离(Earth Mover’s Distance)因其可以更准确地量化直方图元组之间的相似性而受到广泛关注,被广泛应用于解决基于内容的图像检索、冗余图像识别以及视频对象跟踪等重要应用问题.然而EMD距离的计算复杂度却高达三次方,阻碍了EMD距离在数据流相似性连接问题中的应用.该文基于开源的Apache Storm数据流分布式并行处理框架,设计并实现了基于EMD距离的数据流分布式相似性连接技术,命名为EMD-DDSJ技术.该技术在数据分发时维护了连接计算节点上的数据局部性,并基于该数据局部性增强了连接算法对不相似直方图元组对间EMD计算的过滤性能,提高了各个连接计算节点的执行效率.同时基于连接计算节点的代价模型,提出了基于反馈的负载均衡策略,有效提升EMD-DDSJ技术的整体执行性能.在真实数据集上的实验结果展示了该文提出的EMD-DDSJ技术的高效性和可扩展性,比相关最好的技术在处理吞吐率上最高提升了1.4倍,在元组平均处理延迟上最多降低了44%,并且随着相似性阈值或滑动窗口大小的增大该提升比率还会进一步增大.

摘要：该文提出一种低复杂度的迭代大数逻辑LDPC译码算法,在迭代过程中所有的译码信息都以二元形式进行传递、处理和迭代更新。所提算法不需要计算外信息,而是利用Tanner图上伴随式的对错状态来评判节点可靠度。与现有的几种迭代大数逻辑译码算法相比,该文算法也不需要信息修正处理,避免了相应的实数乘法操作,具有很低的译码复杂度。此外,该文引入一种特殊的量化处理函数,并给出了基于离散密度进化的参数优化过程。实验仿真表明,该文所提算法与原算法相比,在AWGN信道下可获得约0.3~0.4 d B的性能提升。同时,由于节点间交换传递的译码信息都是基于1个比特位的二元信息,也非常便于硬件的设计与实现。

摘要：本文提出两种基于可靠度的迭代大数逻辑译码算法,从以下两个方面降低译码复杂度：（1）校验节点使用伴随式信息处理,可节省外信息的计算操作;（2）变量节点使用伴随信息进行总信息的投票计数过程.结合非均匀量化技术,接收信号在判决门限附近获得更加精细的处理.此外,本文利用量化参数和列重比例信息对可靠度偏移方向和幅度进行了设计.仿真实验表明,本文提出的算法能够在很低的量化比特（3～4 bits）下有效工作,具有优良的译码性能和快速的收敛速度.

摘要：目的在图像超分辨率(super resolution,SR)任务中采用大尺寸的卷积神经网络(convolutional neural network,CNN)可以获得理想的性能,但是会引入大量参数,导致繁重的计算负担,并不适合很多计算资源受限的应用场景。为了解决上述问题,本文提出一种基于双阶段信息蒸馏的轻量级网络模型。方法提出一个双阶段带特征补偿的信息蒸馏模块(two-stage feature-compensated information distillation block,TFIDB)。TFIDB采用双阶段、特征补偿的信息蒸馏机制,有选择地提炼关键特征,同时将不同级别的特征进行合并,不仅提高了特征提炼的效率,还能促进网络内信息的流动。同时,TFIDB引入通道关注(channel attention,CA)机制,将经过双阶段信息蒸馏机制提炼的特征进行重要性判别,增强对特征的表达能力。以TFIDB为基础构建模块,提出完整的轻量级网络模型。在提出的网络模型中,设计了信息融合单元(information fusion unit,IFU)。IFU将网络各层级的信息进行有效融合,为最后重建阶段提供准确、丰富的层级信息。结果在5个基准测试集上,在放大倍数为2时,相较于知名的轻量级网络CARN(cascading residual network),本文算法分别获得了0.29 d B、0.08 d B、0.08 d B、0.27 d B和0.42 d B的峰值信噪比(peak singal to noise ratio,PSNR)增益,且模型参数量和乘加运算量明显更少。结论提出的双阶段带补偿的信息蒸馏机制可以有效提升网络模型的效率。将多个TFIDB进行级联,并辅以IFU模块构成的轻量级网络可以在模型尺寸和性能之间达到更好的平衡。

摘要：研究应用变电站巡检机器人对指针式仪表的图像识别方法,有助于提高读取仪表示值的准确率。针对机器人在进行可见光检测时易受光照度、雨水、字符等影响的问题,提出考虑仪表指针特征点的边缘检测方法。考虑边缘点特征的指针识别方法首先需提取仪表不同指针示值刻度位置的颜色、数量等边缘特征信息,建立原始图像边缘点特征集。其次,提取机器人采集的现场图像中指针位置的数量、颜色、疏密度等边缘点特征信息。再次,比对原始图像、现场图像的边缘点特征,判断刻度、指针位置边缘点的颜色相似度,读取指针示值。应用效果表明,该方法适用于读取变电站指针式仪表这类具有背景复杂图像的示值。

摘要：为设计出高效率且低偏振耦合相关损耗的二维光栅耦合器(2D-GC),提出一种基于绝缘体上硅(SOI)的类梅花型2D-GC。该2D-GC由多个单元周期排列而成,每个单元的图案呈类梅花型,该结构中的晶胞由2对圆形图案构成,并采用时域有限差分(FDTD)法对2D-GC结构参数进行数值仿真优化。仿真结果表明:在最佳优化参数结构时,所提2D-GC的有效工作波段为1.525~1.6μm,最佳耦合效率为56%,对应的耦合损耗为-2.4 dB,偏振相关损耗为0.18 dB。

摘要：针对二维光栅耦合器存在耦合效率低、偏振相关损耗大、结构复杂等问题,提出了一种应用于C波段的基于绝缘体上硅(SOI)材料的新型二维光栅耦合器,该耦合器由具有45°倾角的四孔交错菱形刻蚀晶胞单位周期排列组成,采用倾斜耦合方式对耦合器的周期、刻蚀深度、刻蚀圆孔的相对位置、刻蚀圆孔半径进行优化,并对其进行仿真验证。仿真结果表明:该耦合器在1540 nm处耦合损耗低至-2.4 dB,C波段的偏振相关损耗低于0.2 dB,1、3 dB工作带宽分别是36、58 nm。

摘要：为了实现对红木快速自动识别,笔者设计和开发了一款基于卷积神经网络的红木识别App。首先利用无损显微设备获取木材横切面和弦切面的微观构造图像,将其作为训练数据;其次在TensorFlow框架上构造MobileNet网络,创建数据集并进行训练,以得到红木识别模型;最后在此基础上设计和开发出红木识别App。所开发的App具有占用手机内存小、页面简洁明了等特点,方便用户通过手机实现红木类型的自动识别。

摘要：为提高可回收废物的识别精度,基于卷积神经网络利用开源预训练的ResNet进行迁移学习。通过高清摄像头多角度拍摄的图像作为数据集,在PyTorch框架下通过迁移学习,实现对已有模型的优化,并以此为基础在Flask框架下设计并开发可回收废物识别系统,实现对可回收废物的有效识别。