简介：摘要：本论文探讨了雷达目标轨迹数据的压缩算法技术，旨在提高数据传输效率和存储资源利用率。我们首先回顾了APRA（目标轨迹数据处理和分析）领域的相关工作，然后提出了一种新的数据压缩方法，该方法结合了信号处理和信息理论的原理。通过对实际雷达数据的实验验证，我们证明了该算法在保持目标轨迹数据质量的同时，能够显著减小数据体积，提高了系统性能。此外，我们还讨论了算法的实际应用潜力和可能的改进方向，以期为雷达数据处理领域的进一步研究提供有价值的参考。

简介：摘要基于当前建筑电气系统故障诊断方法比较欠缺的背景下，本文提出基于压缩感知理论的故障诊断方法，将故障分类看作待测样本，对整体样本进行稀疏表示。在建筑电气故障模拟平台基础上构建故障诊断模型，对系统五种故障状态分别采用支持向量机、分类器进行诊断并对比，结果显示，稀疏表示法的诊断效果较好，诊断运行时间较短，分类准确率较高，在建筑电气故障诊断中应用效果较好。

简介：摘要目的探讨压缩感知（compressed sensing, CS）不同加速因子（acceleration factor, AF）对腰椎MRI图像质量的影响。材料与方法招募32例受检者（男12例，女20例），年龄（45.28±14.11）岁。行3.0 T MR结合敏感度编码（sensitivity encoding, SENSE）以及CS的腰椎矢状位T1WI、T2WI和轴位T2WI序列扫描，采用的AF分别为无加速、SENSE AF=2、CS AF=2、3、4、5。两观察者在矢状位T1WI、T2WI和轴位T2WI划定感兴趣区测量信号强度（signal intensity, SI）和噪声强度（standard deviation, SD），并计算信噪比（signal to noise ratio, SNR）和对比噪声比（contrast to noise ratio, CNR）。对图像质量进行五分法主观评分。组内相关系数（intra-class correlation coefficient, ICC）、Kappa检验分析两观察者测量数据和主观评分的一致性。对各序列不同组间图像的SNR、CNR和主观评分采用单因素ANOVA分析。结果两观察者测量数据和主观评分一致性良好（ICC：0.878～0.997，Kappa：0.763～0.948）。单因素ANOVA检验矢状位T1WI、T2WI、轴位T2WI不同AF间SNR、CNR及评分差异有统计学意义（P＜0.01）。两两比较结果：当CS=4时，矢状位T1WI椎体和间盘的SNR、矢状位T2WI椎体和间盘的SNR、CNR和主观评分较常规序列差异有统计学意义（P＜0.05）；当CS=3时，轴位T2WI椎体SNR较常规序列差异有统计学意义（P＜0.05）。结论腰椎MRI扫描时间随着AF的增加逐渐降低，在保证图像质量的前提下，临床推荐AF分别以3、3、2行腰椎矢状位T1WI、T2WI和轴位T2WI序列扫描。

简介：近30年来,地震采集的数据量持续增加.目前,在一艘地震勘探船上部署12条或更多的拖缆、在海底埋置成千上万个检波器或数以万道进行陆上采集已经常态化.数据体已经不仅由检波器密度来定义,而且还由每个位置上所记录的分量数来定义.方位角的覆盖范围已经从窄方位角发展到多方位角,再到全方位角.更多的检波器数量仅仅是数据爆炸的一个方面,在此期间,震源的研究工作也有所发展,采用的方案主有连续记录和各种同步震源.数据密度和野外工作量均在增加,并且持续增长,以满足业界对成像和解释的更高需求.

简介：随着社会经济飞速发展,汽车数量也在逐渐的增加,这样的情况导致了我国交通行业的飞速发展。交通行业的发展为交通系统的完善提供了物质基础,通过计算机采集交通信息,能够有效的提高交通管理。在交通系统建立的过程中,交通监控设备是交通系统重要设备,但是因为在光照、遮挡等环境中,交通监控获取图像的质量有所差别,这样的情况下对交通监控技术提出了更高的要求。有限瘠波与压缩感知可能克服传统小波只对水平、垂直与角线三个方向敏感的问题,为监控提供图像的不同尺寸与不同方向的分辨率。将有限瘠波与压缩感知技术应用在智能交通监控中,能够有效的提高监控画面的质量,从而保障我国交通系统的健康发展。

简介：摘要：毫米波频段是未来的大带宽通信系统的基础。为了解决毫米波大规模MIMO信道估计的问题，压缩感知技术在毫米波通信中的应用成为一个研究点。本文在分析毫米波MIMO信道稀疏性的基础上，对基于压缩感知的毫米波通信技术进行了探讨。借助压缩感知理论，将毫米波信道估计问题转化为稀疏信号恢复问题。

简介：传统蚁群算法在进行路径规划时收敛速度较慢，容易陷入停滞现象等缺点。为此，文章通过模拟蚂蚁的自然生理特征，给每只蚂蚁人工添加上感知能力，提出了一种具有方向感知适应能力的蚁群算法，并将其应用到路径规划中。经过大量实验测试结果表明，该算法具有较强的搜索能力，不易陷入局部最优，且能快速搜索到一条全局优化的路径。

简介：摘要：本文综述了近年来基于深度学习技术在自动驾驶车辆感知与决策领域取得的重要进展。在感知方面，深度学习在视觉和激光雷达数据处理中表现出色，提高了车辆对环境的精确感知。在决策方面，深度学习算法在意图识别、路径规划、行为预测和交互决策等任务上展现了强大的潜力。然而，仍然存在数据标注成本高、实时性要求提高、极端天气和复杂场景下鲁棒性等问题需要解决。

简介：摘要：本研究拟基于机器学习算法，进一步探讨其在电磁频谱感知中应用的可能性及其性能的优化。在研究中，我们详细比较了常见的多种机器学习算法, 如支持向量机、决策树和神经网络等在频谱感知中的表现，并通过大量实验进行性能验证。结果显示，机器学习算法在电磁频谱感知中表现出较高的精度和效率，且可有效优化感知性能。在突破传统电磁频谱感知性能瓶颈方面，该研究为相关技术的发展趋势提供了新的理论依据和技术路径，有望在未来的无线通信技术中得到广泛应用。

简介：从小波变换入手,简要介绍了基于小波变换的图像压缩基本原理和基本过程,在此基础上对分层小波树集合分割算法、优化截断点的嵌入块编码算法以及嵌入式小波零树图像编码3种基于小波变换的图像压缩改进算法的优缺点进行了分析,最后着重对嵌入式小波零树图像编码算法进行了论述,并针对嵌入式小波零树图像编码算法的缺陷提出了相应的改进方法.通过由浅入深的分析,使人们对基于小波变换的图像压缩改进算法及其性能有了初步的了解,以期在图像压缩技术领域对大家有所启迪.

简介：针对FDR编码算法对1编码效率低的弊端,提出了能同时对0和1编码的改进FDR编码算法,采用基于有限状态机的解码电路设计解码器,利用Golomb编码、FDR编码和改进FDR编码算法,分别对相同与不同长度的测试集进行压缩。实验结果表明,改进FDR编码算法要优于Golomb编码与FDR编码,且对SOC测试数据的压缩是有效的。

简介：摘要传统的无线传感器网络对目标区域进行感知监测，然而由于网络中传感器节点数量巨大，每次信息采集处理过程需要传输大量的数据，节点的能量有限且不能得到补充，巨大的能源损耗对网络的生存期限提出了巨大挑战，故而在无线传感器网络中，数据处理技术显得尤为关键，在压缩感知理论的指导下，无线传感器网络中的节点只需要采集并传输部分信息，就可以在接收端精确地重构出完整信息，显著地减少了节点能源损耗，延长了网络寿命。本文对压缩感知在无线传感器网络中的应用专利进行统计分析，以期了解该技术在的专利申请情况和技术发展脉络。

简介：本文提出的算法是利用凸函数共轭性质中的Young不等式构造优化目标函数，这个优化目标函数对于权值和隐层输出来说为凸函数，不存在局部最小。首先把隐层输出做为变量进行优化更新，然后快速计算出隐层前后的权值。数值实验表明：此算法简单，收敛速度快，泛化能力强，并能大大降低学习误差。

简介：摘要：本文旨在研究基于深度学习的汽车人工智能感知与决策算法，并探讨其在汽车领域的应用。通过深度学习算法的发展，汽车可以实现更高级的感知和决策能力，从而提高安全性和自动化水平。本文介绍了深度学习的基本原理和技术，然后重点讨论了在汽车感知和决策中的应用。最后，总结了基于深度学习的汽车人工智能感知与决策算法的研究现状，并展望了未来的发展方向。

简介：

简介：摘要电力网络的庞大范围与建筑电气系统的复杂功能，都决定了电气系统故障的复杂性，但出于保证人们生产生活能源所需的考量，要精准诊断电气故障，因此本文首先就建筑电气系统的常见故障类型加以明确，继而分析压缩感知理论的应用原理，然后就建筑电气系统故障诊断分析中，压缩感知理论的应用与计算方式进行阐述，希望能够为保证电气系统平稳运行做出一点贡献。

简介：压缩感知理论的提出,使得小动物三维荧光断层成像中在体肿瘤的稀疏重建成为可能。然而,小动物三维荧光逆向重建过程中系数矩阵的列向量具有高度的相干性,导致了正则化问题不能得到最稀疏的解。本研究提出了基于QR分解的系数矩阵正交变换方法,以降低系数矩阵列向量的高度相干性,并通过求解L1/2正则化问题逆向重建小动物体内光源大小和位置。数值仿真和活体小鼠实验表明,该方法能够有效的降低逆向重建过程中的欠定性,提高肿瘤源重建精度。

简介：摘 要：基于压缩感知的图像去噪是近年来图像处理领域的一个研究热点。本文针对传统去噪方法的不足，提出了一种基于压缩感知的平滑0范数图像去噪。通过实验仿真，本文采用的去噪方法优于对比的压缩感知重建算法，能够实现较好的图像去噪。

简介：为了提高抽取地震剖面的速度,首先采用字节压缩,把任意的浮点数(IEEE和IBM格式)转换一字节的整数的方法对数据体进行压缩;然后,采用八叉树算法对数据体分块,在八叉树中递归查找需要显示数据文件,完成数据体的抽取显示。

简介：随着时空大数据的爆炸式增长，给数据存储带来高额的成本。为节省存储资源，提出一种基于欧氏距离的几何中心提取压缩的算法。实验结果表明，该算法通过几何中心坐标作为数据特征点，能够有效对时空大数据进行高效压缩，具有较高压缩比，且解压后的数据准确有效。