JPEG2000中一种EBCOT并行体系的研究

EBCOT是JPEG2000系统中占运算时间最多的一部分。为了提高JPEG2000的编码效率,文章提出了一种基于编码通道独立和条带独立的并行EBCOT编码体系。通过一次扫描,实现3个编码通道的并行编码,每个编码通道调用一组MQ编码器。同时,选择“条带一因果”模式消除条带间的关联性。这样,3个通道就可以并行编码而不互相干扰,大大提高了编码速度。每个编码通道结束时终止MQ编码器,错误不会传递到其他编码通道,增强了容错性。实验表明,此方法在保持JPEG2000优异性能的基础上,提高了JPEG2000的编码效率。     

一种易于硬件实现的CCSDS图像数据压缩算法

文章提出了一种易于硬件实现的CCSDS图像数据无损压缩算法。图像数据经过小波变换后,统计规律不尽相同。为了有效进行数据压缩,该标准针对不同的统计规律,采用不同的熵编码。针对不同的图像,讨论了直流系数（DC）量化编码和块交流系数比特深度编码中的参数k、熵编码中长度为3比特码字的编码方式参数choicel和choice3以及长度为4比特码字的编码方式参数choice2和choice4等参数的最优化选择。仿真结果表明,该算法有较低复杂度,易于硬件实现,而且能够有效优化。使输出码率最短。     

深空通信中的一种级联编码调制及其迭代接收

在深空通信中,由于通信距离大幅增加,通信信号的自由空间传播损耗很大,提高系统的功率利用效率是深空通信系统设计需要考虑的重要问题之一。提出了基于LDPC码和FQPSK调制的级联编码调制体制,首先提出该编码调制体制的系统模型,通过修改相应的算法给出适合FQPSK的迭代解调解码算法,通过计算机仿真分析了该体制的误码率性能。研究结果表明：该体制利用FQPSK的恒包络特性克服信道非线性问题并使功放工作在饱和区,利用LDPC码实现低信噪比通信,同时在接收端通过迭代解调解码获得增益,从而能够缓解深空通信中由于传输距离过远而带来的极低信噪比通信问题。     

一种多维数据库中超立方体结构的设计与验证

多维分析技术的关键就是将信息按照多维的模型进行组织,再通过相应的工具展现给用户,使得用户可以以灵活的方式分析数据。多维数据库中的超立方体结构应用于对海量数据的多维分析中。本文给出了一种多维数据库中建立超立方体结构的设计方案,并通过实例验证相关因素改变对超立方体结构的影响。在其基础上,通过相应的展现手段,可实现对实际产生的各种数据的复杂分析。     

"双高计划"视域下高职专业群多维融通建设模式研究

"双高计划"建设工作稳步推进,已成为高职教育提质创新的着力点,从优质专业群建设是"双高计划"建设的关键入手,分析推动专业群教学资源多维融通建设的因素,并对高职专业群多维融通建设模式展开研究.     

火星降落伞开伞过程形态参数辨识与应用

针对柔性目标降落伞开伞过程的形态变化大、光照强度变化大、运动规律性差、存在遮挡等问题，提出了一种基于多算法融合的视觉测量技术的降落伞开伞过程形态参数辨识方法。首先，设计了具有视觉测量靶标功能的降落伞图案，提供了丰富的具有可区分度的标记点，能够准确地对定位点进行跟踪和测量，并开展了双目相机内、外参标定。其次，提出了应用对极几何原理，采用基于暗通道的图像增强技术，提高了图像质量，有效地减轻了各种噪声和过曝光等环境因素的影响；采用稀疏编码超分辨率重建算法，改进了特征点的像素级提取，实现了高精度的亚像素级特征提取；采用特征跟踪扩展卡尔曼滤波算法，提升了特征匹配跟踪的精度和效率。最后，通过全尺寸高空开伞试验的验证，结果表明该方法能够达到较高的辨识精度，具有较好的准确性和鲁棒性。此方法在中国首次火星探测“天问一号”探测器上成功得到了应用，精确地从双目影像中辨识出降落伞开伞过程形态参数，对设计和分析降落伞开伞工况提供了重要的技术参考和数据积累。     

社会工作视角下多维老年人照顾体系构建研究

我国老龄人口和高龄人口数量逐年增长,老年人口的照顾成为亟待解决的问题。目前由于多种因素影响,多数中小城市老年人照顾服务仍处于起步阶段,尤其是有关老年人照顾问题方面的前瞻性、实证性研究还比较薄弱。本文从社会工作视角出发,分析廊坊城市社区老年人照顾的现状,研究构建一个老年人自我照顾、家庭照顾、社区照顾、机构照顾等照顾方式多维一体的适合廊坊实际的老年人照顾体系,希望推动中小城市老年人照顾服务,促进城市发展和老年人照顾服务的发展。     

光栅式结构光传感器的编码方法

研究了光栅式结构光传感器的各个光平面的识别问题,给出了n为二进制编码和伪随机序列（M序列）编码两种编码方案．     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。