LDPC码的快速联合加权比特翻转译码算法

针对低密度奇偶校验码的加权比特翻转,提出一种快速联合加权比特翻转译码算法。该算法首先以平均幅度作为校验方程,其次以可靠性比率来判断译码出错率,最后在最大迭代次数或达到了零出错率时输出结果。与WBF译码算法相比加快了LDPC码的译码速度,并且误码性能也得到明显改善。相比以平均幅度为信息节点的加权比特翻转算法和可靠性比率加权比特翻转算法,该改进型算法避免了单比特翻转算法在译码过程中产生的同一比特循环翻转现象。     

复杂背景下深度学习方法的夜光船舶目标检测

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法（Size Expansion Attention Fusion Faster R-CNN,SEAFF）。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。