分数阶全变分泊松去噪的快速线性化增广拉格朗日方法

近年来,有关分数阶全变分(FOTV)的图像去噪问题被广为研究。快速傅里叶变换(FFT)是求解相关子问题最常用的方法,但是FFT只适用于周期边界条件。为了能在非周期边界条件下也能实现好的去噪效果,针对FOTV泊松图像去噪模型,结合增广拉格朗日方法(ALM)和线性化技术提出新的算法。实验表明,在周期边界条件下,与采用FFT的增广拉格朗日方法相比,本文提出的算法在达到几乎相同的去噪效果时,收敛速度较快。而且在零Dirichlet边界条件时,也能实现好的去噪效果。     

一种去中心化的域名服务本地化模型

域名系统(Domain Name System,DNS)作为管理网络空间资源名称与IP对应关系的网络基础设施,在提供广泛的域名解析服务的同时,也存在性能和安全隐患。针对传统DNS系统的中心化树状层次结构引起的对根域名服务器的严重依赖以及可能导致的系统脆弱性,设计了一种去中心化的域名服务本地模型,通过在去中心化互联模型中整合多源数据,重构域名信息解析优先级记录和相应存活时间,以保证域名数据的唯一性及高优先级;同时基于本地数据记录重构模型实现域名解析的快速响应,形成本地DNS数据记录重构模型和域名解析服务模型,实现快速、准确、可靠的域名解析服务。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

N-苄氧羰基甘氨酰-L-脯氨酸与4'-去甲基表鬼臼毒素的拼接合成及其抗肿瘤活性评价

以4'-去甲基表鬼臼毒素和N-苄氧羰基甘氨酰-L-脯氨酸为原料,通过酯化反应首次得到两种不同构型的拼接产物(3a、3b),其结构经1HNMR、13C NMR和ESI-MS确认.利用MTT法考察化合物3a、3b对HepG2、THP-1、Hela、MCF-7细胞的抑制活性.结果表明,化合物3a、3b对四种细胞都具有抑制作用,以化合物3b对THP-1细胞的作用最突出,其抑制强度是依托泊苷的16.5倍.     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.     

低功耗高性能的全MOS电压基准源设计

设计了一种基于亚阈值技术的全MOS电压基准源,采用共源共栅结构来增大PSRR,使用MOS管代替电阻,优化温度特性,使电路中大部分MOS管工作于亚阈值区。基于0.18μm CMOS工艺进行设计、版图绘制、和前、后仿真,在后仿真中得出相关参数值。对各参数做出详细分析,包括:一定温度范围内的温度系数;常温下基准输出电压;不同电源电压条件下的线性调整率、基准源静态电流及功耗,并对不同频率下的电源电压抑制比进行了对比。实验结果表明达到了低功耗高性能的设计目标。     

基于深度学习的两阶段联合声学回波和混响抑制技术

在现代通信系统中，通信语音的质量和可懂度会被回波与混响严重损害，人与人之间的交流因此会被严重干扰。为了同时消除回波与混响的负面影响，本文提出了一种基于深度学习的两阶段联合声学回波和混响抑制系统。该系统逐步地消除加性声学回波与多径效应产生的混响干扰，从而获得目标语音。系统首先使用基于理想比值掩蔽（Ideal Ratio Mask，IRM）的模型去除与目标信号不相关的声学回波，紧接着对于与目标信号强相关的混响干扰，系统通过利用一个基于“隐掩蔽”的谱映射模型将其去除。两阶段模型最后进行联合训练以获得更好的系统性能。一系列不同声学环境下的实验结果表明，本文所提出的系统可显著地消除回波与混响干扰，从而极大地增强了目标语音的语音质量与可懂度。