利用可重构方法指导循环冗余校验码的教学实践

针对《信息论与编码》课程的内容和特点,基于可重构方法,将验证性实验与创新性实验相结合,开发设计出了一套基于Altera公司Cyclone II EP2C70F896C6学习板的指导循环冗余校验码的教学实践平台,使抽象的理论具体化。实践表明,该实践平台操作简单方便,和学生的交互性强,能更好的激发学生的学习兴趣,增强学生的实战应用和创新能力。     

分步浸渍法制备CoMoAg/γ-Al_2O_3催化剂及其脱硫性能的研究

以γ-Al2O3为载体,以Co、Mo、Ag为主要活性组分,采用浸渍法制备了负载型催化剂CoMoAg/γ-Al2O3,并对其进行了XRD表征;利用加氢原理,考察了MoCoAg/γ-Al2O3催化剂在不同工艺条件下处理模拟汽油的脱硫效果。结果表明,在反应温度164.5℃、反应压力1.0 MPa、γ-Al2O3∶Co∶Ag∶Mo（质量比）为1∶1∶2∶1的条件下,催化剂对模拟汽油的脱硫效果较好。     

分布式多描述视频编码技术及应用

一、引言 近年来，随着INTERNET和个人无线通信设备的普及和推广，在包交换网络和窄带网络中实时可靠地传输图像和视频已成为必然需求；由于受带宽和传输时间的限制，要传输这些可视媒体，必须对原始数据高效压缩编码。但是，无线多媒体终端设备运算能力低的特殊性、无线通信网络和互联网中日益严重的网络拥塞问题、     

分步浸渍法制备CoMoAg/γ-Al2O3催化剂及其脱硫性能的研究

以γ-Al<,2>O<,3>为载体,以Co、Mo、Ag为主要活性组分,采用浸渍法制备了负载型催化剂CoMoAg/γ-Al<,2>O<,3>,并对其进行了XRD表征;利用加氢原理,考察了MoCoAg/γ-Al<,2>O<,3>催化剂在不同工艺条件下处理模拟汽油的脱硫效果.结果表明,在反应温度164.5℃、反应压力1.0 ...     

无线传感器网络路由协议的安全性分析

无线传感器网络集成了传感器技术、嵌入式技术、分布式信息处理技术和无线通讯技术,是一种全新的信息获取和处理技术。在各种应用中,传感器网络主要用于收集数据,决策者根据收集到的数据进行决策,因此路由协议的安全性非常重要。本文介绍了当前主要的路由协议,研究并分析了它们的安全性。     

明胶废水中耐钙菌株的筛选鉴定及培养条件优化

从明胶加工废水样品中筛选对Ca2+具有抗性的微生物菌株,结合形态特征、生理生化试验和分子生物学技术对其进行鉴定,并利用单因素试验及响应面法优化其培养条件,以期为高钙污染水体的微生物修复提供菌株资源和应用技术参考。结果表明,当Ca2+含量达到50 mg/mL时,从四个样品中筛选出1株抗钙性能较好的菌株,命名为N3-1,经鉴定其为尼阿布芽孢杆菌（Bacillus niabensis）。菌株N3-1生长的最佳培养条件为：初始Ca2+含量1.40 mg/L、培养温度37 ℃、培养基初始pH值8.3,培养时间21 h。在此优化条件下,菌悬液OD600 nm值为0.768。     

联合边路和中路解码特征学习的多描述编码图像增强方法

提出一种联合边路和中路解码特征学习的多描述编码图像增强方法。该方法同时考虑了边路解码图像增强和中路解码图像增强的问题,因而可以通过联合学习优化中路解码和边路解码的特征来实现更好的网络训练。首先,考虑到多描述编码的边路独立解码和中路联合解码的特性,提出一种网络共享的边路低分辨率特征提取网络来有效地提取具有相同内容和差异细节的两个边路解码图像的特征,同时设计一种残差递归补偿网络结构并将其用于边路与中路低分辨率特征提取网络。其次,设计一种多描述边路上采样重建网络,该网络采用部分网络层参数共享策略,该策略能够减小网络模型参数量,同时提高网络的泛化能力。最后,提出一种多描述中路上采样重建网络,将两个边路低分辨率特征与中路低分辨率特征进行深层特征融合来实现多描述压缩图像的增强。大量的实验结果表明：在模型复杂度、客观质量和视觉质量评价方面,所提方法优于很多的图像增强方法如ARCNN、FastARCNN、DnCNN、WSR和DWCNN。     

一种基于上下文的树形加权概率统计算法

介绍了一种基于上下文的树形加权概率统计算法,基本上解决了高阶马氏链的概率统计问题,提出了一种边统计边编码的自适应算术编码方案,并将其应用于高质量的语音二次压缩算法中。     

基于卷积网络的帧率提升算法研究*

基于运动补偿的帧率提升算法是目前主要的帧率提升方法。为减小内插帧中的块效应、孔洞和遮挡问题,提高插值帧质量,本文提出一种基于卷积神经网络（convolutional neural network）的自学习帧率提升（frame rate up-conversion）方法。卷积神经网络用于利用两相邻帧预测待插值帧。在卷积神经网络的训练阶段,我们假设高帧率视频是存在的,网络参数由高帧率视频与低帧率视频训练而来。最后视频数据以低帧率视频加网络参数的形式传输,在接收端就可以利用卷积神经网络重建高帧率视频。实质上,我们这样做是通过增加视频发布者的负担以提供给视频接受者更多便利。对于视频点播网站来说,这是提升用户体验的重要因素。实验表明,我们的方案相对于传统的基于运动补偿的帧率提升算法,平均PSNR提升至少0.6 DB,取得较大程度提升。并且,我们的方法是基于全局的帧预测方法,可以有效避免快效应、孔洞和遮挡问题。     

基于预测式错误恢复机制的多描述视频编码研究

该文提出一种基于预测式错误恢复机制的多描述视频编码方法。在编码端通过预测单路解码可能产生的错误影响,为每个描述分配必要的冗余信息。考虑到视频编码压缩的效率问题,设计了不同的编码模式来处理冗余信息。解码端可以充分利用冗余信息,从而实现丢失视频帧的高质量恢复。实验表明,与传统时域采样方法相比,该方法具有更好的率失真性能。