基于二维压缩感知的超声k空间重建

压缩感知理论已经应用于多个领域,如MRI,超声等。提出了一个新的超声重建方法,基于二维压缩感知和k空间。在时域采样特定信号,并在k空间中对其进行重建。当处理二维信号(图像)时,传统的方法是将其转换为一维向量,这种方法非常耗时,并且对于大的图像重建来说不切实际,通过二维压缩感知处理这个难题。     

地震数据的小波变换压缩方法

针对地震勘探中检测信号的数据压缩处理问题引入了小波变换方法,运用小波变换数据压缩基本原理进行地震信号压缩研究。仿真结果表明,该方法能够有效地对海量地震数据进行低损压缩。     

地震数据的小波交换压缩方法

针对地震勘探中检测信号的数据压缩处理问题引入了小波变换方法,运用小波变换数据压缩基本原理进行地震信号压缩研究.仿真结果表明,该方法能够有效地对海量地震数据进行低损压缩.     

几种常用无损数据压缩算法研究

随着网络承载的信息量的飞速增长,数据压缩必然会备受人们重视。数据压缩可分成两种类型,一种叫做无损压缩,另一种叫做有损压缩。文中主要介绍目前用得最多和技术最成熟的无损数据压缩技术,按照无损压缩方法采用的压缩技术的不同,从基于统计的压缩思想和基于字典的压缩思想两个方面对其中最具有代表性的无损数据压缩方法进行了详细的分类讨论和优缺点比较,并对基于字典压缩算法的一些成熟的改进算法进行了汇总介绍,便于对无损数据压缩技术感兴趣的同志学习参考。     

基于神经网络的几种新的数据压缩方案

本文首先采用非统计的方法给出了基于神经网络的无损数据压缩新方案。基于神经网络的无损数据压缩新方案的特点是无损的、能压缩一些已用熵编码压缩过的数据，且在一些情况下压缩比接近2．58。然后把该新方案嵌入Huffman编码系统，获改进的无损数据压缩方法，提高了Huffmn编码系统的压缩比。最后把基于神经网络的无损数据压缩新方案嵌入一小波图像压缩系统得基于小波与神经网络的图像压缩方案，部分解决了小波图像压缩系统中‘高压缩比’与‘高保真’不能协调统一的矛盾。     

基于神经网络的数据压缩研究

数据压缩=建立模型 编码,是传统数据压缩的最基本思想。传统的设计思路主要基于减少信息中的冗余着力于编码设计,其压缩比一直在百分之几十左右徘徊,经过传统编码压缩的信息,很难再经类似的方法进一步压缩。为了解决上述的问题可用占用信号空间较少的信息表示占用信号空间较多的信息以实现数据压缩。这就是数据压缩新的设计思路,这样,就突破了传统的只依靠编码减少数据冗余的局限,实现了更高的压缩比。同时,经过这样压缩后的信息可再重复压缩,并有很好的性能。这就是文中所介绍的神经网络与数据压缩结合的基本思想。     

基于数据压缩的二次扩频信号时域捕获方法

提出了一种基于数据压缩的二次扩频信号时域捕获方法,可以在几乎不影响捕获性能的条件下,降低时域捕获的运算量,提高捕获速度。根据传统捕获法中重复数据的特点,本文提出了一种数据压缩方法:首先,利用NCO原理将接收数据按半码片边界进行压缩;其次,根据二次扩频信号中PRN码的周期性特点进行周期压缩;最后,进行二维扩频码相位搜索。仿真结果表明该方法的捕获增益损失很小,并且在很大程度上降低了运算的冗余度。     

基于神经网络的数据压缩研究

数据压缩=建立模型＋编码，是传统数据压缩的最基本思想。传统的设计思路主要基于减少信息中的冗余着力于编码设计，其压缩比一直在百分之几十左右徘徊，经过传统编码压缩的信息，很难再经类似的方法进一步压缩。为了解决上述的问题可用占用信号空间较少的信息表示占用信号空间较多的信息以实现数据压缩。这就是数据压缩新的设计思路，这样，就突破了传统的只依靠编码减少数据冗余的局限，实现了更高的压缩比。同时，经过这样压缩后的信息可再重复压缩，并有很好的性能。这就是文中所介绍的神经网络与数据压缩结合的基本思想。     

一种基于数据压缩的二次扩频信号时域捕获方法

本文提出了一种基于数据压缩的二次扩频信号时域捕获方法,可以在几乎不影响捕获性能的条件下,降低时域捕获的运算量,提高捕获速度。根据传统捕获法中重复数据的特点,本文提出了一种数据压缩方法：首先,利用NCO原理将接收数据按半码片边界进行压缩;其次,根据二次扩频信号中PRN码的周期性特点进行周期压缩;最后,进行二维扩频码相位搜索。仿真结果表明该方法的捕获增益损失很小,而在很大程度上降低了运算的冗余度。     

面向无线传感结构健康监测的压缩感知方法研究

无线传感器网络在结构健康监测方面有着广泛的应用,但由于该领域的传感器数量和种类众多,数据压缩对系统的高效运行起着关键作用。因此,提出了一种基于压缩感知的无线传感结构健康监测方法,对航空铝板的结构振动信号采用高斯随机矩阵将高维信号序列投影到低维空间,获得稀疏采样的线性测量值,实现信号的压缩采样。研究改进的正交匹配追踪算法来实现稀疏信号的重构。实验结果表明,与已有的无线传感结构健康监测相比,采用压缩采样的监测方法具有良好的抗噪性,并能获得较好的数据压缩效果,节省了网络的带宽和能量;通过信号的近似重构（重构误差在±0.13）,能实现航空铝板损伤准确识别（误差0.84mm）。     

机器视觉智能机器人无损检测系统

针对目前无损检测过程中的大量人工操作、检测效率低下和检测精度低的特点,提出了一种搭载于工业机器人的无损检测系统的设计方法,实现了系统的软硬件设计。设计的机器人系统具有4个自由度,可以实现三维空间的立体检测,并采用自适应模糊推理系统提高检测适应性。系统采用彩色图像分割算法和自适应区域生长图像分割算法都能有效提取出缺陷区域。应用结果表明系统稳定性好、检测精度高,大大提高了检测效率。     

Evolution of human-competitive lossless compression algorithms with GP-zip2

We propose GP-zip2, a new approach to lossless data compression based on Genetic Programming (GP). GP is used to optimally combine well-known lossless compression algorithms to maximise data compression. GP-zip2 evolves programs with multiple components. One component analyses statistical features extracted by sequentially scanning the data to be compressed and divides the data into blocks. These blocks are projected onto a two-dimensional Euclidean space via two further (evolved) program components. K-means clustering is then applied to group similar data blocks. Each cluster is labelled with the optimal compression algorithm for its member blocks. After evolution, evolved programs can be used to compress unseen data. The compression algorithms available to GP-zip2 are: Arithmetic coding, Lempel-Ziv-Welch, Unbounded Prediction by Partial Matching, Run Length Encoding, and Bzip2. Experimentation shows that the results produced by GP-zip2 are human-competitive, being typically superior to well-established human-designed compression algorithms in terms of the compression ratios achieved in heterogeneous archive files.     

非金属管道的微波无损检测技术综述

非金属(如玻璃钢、聚乙烯、聚氯乙烯、聚丙烯等)管道因具有成本低、耐腐蚀性能强等优点，近年来在石油、化工、排水、核电、燃气输送等领域逐渐代替了金属管道。但是其在制造和使用过程中会不可避免地出现缺陷和损伤，因此及时有效地检测材料结构显得至关重要。与其他常规管道检测技术相比，微波技术具有无损、不需要耦合剂、低功耗、非接触、易于操作、无电离辐射等优势，可用于评估结构缺陷、损伤、材料电磁性能等，在评估管道结构完整性方面效果良好。介绍了微波检测技术的发展历程，总结了典型检测方法及应用，特别是近10年来在非金属管道缺陷检测方面的研究进展，最后，分析了现有微波检测非金属管道存在的问题，探讨了未来非金属管道检测技术的发展趋势。     

Simulating Electromagnetic NDT Probe Fields

Using computer graphics and film technologies, engineers can now numerically model the nondestructive testing technique that detects flaws in the pressurized steam pipes of nuclear power plants.     

Studying the code compression design space – A synthesis approach

Embedded domain has witnessed the application of different code compression methodologies on different architectures to bridge the gap between ever-increasing application size and scarce memory resources. Selection of a code compression technique for a target architecture requires a detailed study and analysis of the code compression design space. There are multiple design parameters affecting the space, time, cost and power dimensions. Standard approaches of exploring the code compression design space are tedious, time consuming, and almost impractical with the increasing number of proposed compression algorithms. This is one of the biggest challenges faced by an architect trying to adopt a code compression methodology for a target architecture. We propose a novel synthesis based tool-chain for fast and effective exploration of the code compression design space and for evaluation of the tradeoffs. The tool-chain consists of a frontend framework that works with different compression/decompression schemes and a backend with high-level-synthesis, logic-synthesis, and power estimation tools to output the critical design parameters. We use the tool-chain to effectively analyze different code compression/decompression schemes of varying complexities.     

Value locality based storage compression memory architecture for ECG sensor node

This paper proposes a value compression memory architecture for QRS detection in ultra-low-power ECG sensor nodes. Based on the exploration of value spatial locality in the most critical preprocessing stage of the ECG algorithm, a cost efficient compression strategy, which reorganizes several adjacent sample values into a base value with several displacements, is proposed. The displacements will be half or quarter scale quantifications; as a result, the storage size is reduced. The memory architecture saves memory space by storing compressed data with value spatial locality into a compressed memory section and by using a small, uncompressed memory section as backup to store the uncompressed data when a value spatial locality miss occurs. Furthermore,a low-power accession strategy is proposed to achieve low-power accession. An embodiment of the proposed memory architecture has been evaluated using the MIT/BIH database, the proposed memory architecture and a low-power accession strategy to achieve memory space savings of 32.5% and to achieve a 68.1% power reduction with a negligible performance reduction of 0.2%.     

基于绝对位移的核反应堆压力容器振动探测技术研究

本文依据国际电工委员会IEC61502振动监测标准和核电站需求,开展了核反应堆压力容器振动探测技术研究和监测系统开发,获得了基于绝对位移传感器的压力容器振动探测技术;研究了通过对绝对位移传感器信号进行相干和相位分析获得压力容器固有振动的方法;基于上述研究基础,利用某核电2号机组一个燃料周期的压力容器振动数据,对实测的振动数据进行分析,获得了压力容器振动幅度、固有振动频率和振型,结果表明压力容器振动平稳,未出现异常。     

中压配电网电力空间负荷密度分布仿真

针对传统方法没有考虑到同类负荷分布不均,导致无法为电力预测提供可靠的数据基础的问题,提出一种中压配电网应用电力空间负荷密度特性研究方法。按照中压配电网应用电力空间实际情况,通过元胞生成在应用电力空间中完成土地使用种类的模拟,利用GIS平台得到元胞的空间分布以及涉及属性数据,形成数据表。通过均匀核函数获取核密度计算的一般形式,采用核估计实现中压配电网应用电力空间负荷密度计算,解决负荷分布不均的问题,并确定中压配电网应用电力空间负荷密度及其置信区间。在此基础上运用Logistic曲线对负荷密度指标进行拟合,通过回归模型获取不同产业占比和负荷密度间的关系,得到差异分位数下负荷密度指标和各产业占比间的定量关系,获取负荷密度分布特性。分析实验结果得出,所提方法研究结果和实际结果基本一致,方法可靠。     

神经网络模型压缩方法综述

深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中,并取得了巨大成功。然而,由于存储空间和功耗的限制,神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。模型压缩作为一种有效的解决方法,受到了越来越多研究者的关注。首先针对卷积神经网络模型进行了研究,分析了模型中存在的冗余信息;随后对国内外学者在神经网络模型压缩方面的研究成果整理,从参数剪枝,权重共享和权重矩阵分解等方面总结了神经网络压缩的主要方法;最后针对神经网络模型发展现状及目前面临的若干主要问题进行了讨论,指出了下一步的研究方向。     

Kernel PCA for novelty detection

Kernel principal component analysis (kernel PCA) is a non-linear extension of PCA. This study introduces and investigates the use of kernel PCA for novelty detection. Training data are mapped into an infinite-dimensional feature space. In this space, kernel PCA extracts the principal components of the data distribution. The squared distance to the corresponding principal subspace is the measure for novelty. This new method demonstrated a competitive performance on two-dimensional synthetic distributions and on two real-world data sets: handwritten digits and breast-cancer cytology.