星型光通信模块的组网方案研究与设计

本文结合"铁路车站全电子化应急联锁系统"的研发,将该系统联锁通信单元与执行通信单元之间的通信方式由电缆改为光纤,提出并行星型耦合器组网方案,设计出能插入在室内执行机柜内的星型光通信模块实现联锁通信单元与执行通信单元之间的光通信;通过光电转换电路,隔断联锁通信机与执行机智能电子模块之间通信电路的电联系,给出了通信模块的硬件与软件实现.通过电磁兼容测试实验证明,该组网方案具有可靠性高、成本低、易升级等优点.     

基于改进加权空间平滑的凸优化协方差估计

针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无噪声权重矩阵,将平滑过的协方差矩阵加权,并用MUSIC算法进行DOA估计。仿真结果证实,所提方法相对于空间平滑（spatial smoothing,SS）、基于特征空间MUSIC的空间平滑估计（spatial smoothing and eigen space based MUSIC,SS-ESMUSIC）以及接收信号协方差矩阵秩最小化（spatial smoothing based covariance rank minimization,SS-CRM）算法能更好地抑制非均匀噪声和解相干,且减少了低信噪比的干扰,展现出更优良的分辨力和准确性。     

“信息论与编码”双语教学课程建设与实践

近年来,随着信息技术的飞速发展和对外交流的日益频繁,我校和中国其他高校一样在双语教学方面做了一系列的探索与实践。文章就我校开展的《信息论与编码》双语教学课程的特点,提出了在本科教学中的双语教学课程建设与教学改革方案并在教学中取得了良好的效果,具有一定的借鉴意义。     

基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,Q^AB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。     

基于DCT的OFDM系统信道估计研究

根据DCT变换能量集中的特性,提出了一种基于DCT的OFDM系统信道估计改进方法。在分析了传统OFDM系统DFT实现的基础上,重点研究了基于DCT的OFDM系统,建立了仿真模型,并比较了基于DCT的OFDM系统和传统的OFDM系统的信道估计性能,通过在不同的信道估计方式下进行仿真分析,验证了基于DCT的OFDM系统信道估计性能更优。     

基于MSPCNN与FCM的红外与可见光图像融合

针对红外和可见光图像融合存在的轮廓信息不全、边缘及纹理细节信息缺失等问题,提出一种改进简化脉冲耦合神经网络（Improved Simplified Pulse Coupled Neural Network, MSPCNN）和模糊C-均值（Fuzzy C-mean, FCM）图像融合算法。首先,将红外和可见光图像用非下采样剪切波算法（NonSubsampled Shearlet Transform,NSST）分解为高低频子带;然后对分解后的高频子带采用MSPCNN融合,用一种高斯分布权重矩阵进行处理,增强细节信息和对比度;接着,将得到的低频子带图像使用FCM聚类算法进行聚类中心提取,设置聚类中心近似阈值简化过程,实现背景分类提取;最后利NSST进行逆变换,从而完成红外和可见光的图像融合过程。通过客观评价指标计算,本文所提方法在平均梯度、标准差、平均相似度等参考指标上相对于其他同类型算法均有改善提高,由于模型参数的简化,算法运行速度相对于其他算法得到提升,算法更适用于复杂场景。     

低复杂度的大规模MIMO上行链路软输出信号检测

针对信道矩阵维度高以及接收信号复杂的情况,提出了一种适用于大规模MIMO系统上行链路信号检测的混合迭代算法,即结合自适应阻尼雅克比(damped Jacobi,DJ)算法和共轭梯度(conjugate gradient,CG)算法。首先利用CG算法为自适应阻尼雅克比迭代算法提供有效的搜索方向;随后提出切比雪夫方法消除松弛参数对信号检测的影响,在降低算法复杂度的同时加快收敛速度;最后,利用信道编译码中的比特似然比近似求解软信息,以提升检测性能。通过理论分析算法的复杂度,仿真在不同判决方式下对不同检测算法进行误码率对比,并对混合迭代算法的收敛进行了分析。仿真结果表明,混合迭代算法在少量迭代次数下快速收敛并近似达到最佳MMSE检测性能,且算法复杂度远低于MMSE算法。     

OFDM系统中基于变换域的信道估计

研究了正交频分复用（OFDM,orthogonal frequency division multiplexing）系统中基于变换域补零的插值方法,深入分析了基于离散余弦变换（DCT）的插值法,利用DCT的能量压缩特性,能有效消除传统基于离散傅里叶变换（DFT,Discrete Fourier Transform）估计算法在信道延时不是采样周期整数倍时产生的频谱能量泄露的问题。针对如何降低导频信道响应估计值中的噪声分量,提出了一种改进的方法,设计了一种适用于DCT变换域的滤波器,通过仿真系统参数变化对改进算法性能的影响,分析和验证了改进算法的有效性。     

思政教育融入"移动通信原理"课程的研究与实践

课程思政建设是全面提高人才培养质量的重要任务."移动通信原理"课程是通信工程专业的核心必修课,深度挖掘该课程内容和教学方式中蕴含的思政教育资源,将对通信工程专业的全面育人起到良好的促进作用.文章从思政教育与"移动通信原理"课程内容相融合角度出发,将思政教育目标融入课程目标,设计思政元素融合案例,运用多种教学手段和方法实施思政教育,以期对高校工科专业课程思政教学提供改革思路和实践经验.     

基于参数可调的MSPCNN模型禁令交通标志分割方法

针对脉冲耦合神经网络在交通标志分割中准确度不高和参数设置复杂的问题,提出一种参数可调的改进脉冲耦合神经网络(PA-MSPCNN)。通过分析交通标志颜色特征,对图像进行红化预处理,区分出交通标志和环境背景;根据周围神经元对中心神经元的影响,改进MSPCNN模型中的加权矩阵和连接系数;通过分析动态阈值间的关系,增设辅助参数,使动态阈值的调节更加合理。实验结果表明,PA-MSPCNN对交通标志的检测准确率达85%。PA-MSPCNN在减少传统PCNN模型中的参数量同时,能准确分割图像,在光照条件变化、交通标志尺度变化和几何旋转等复杂情况下具有更好的适用性。