一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

該文針對(duì)圖像融合領(lǐng)域內(nèi)難于對(duì)先驗(yàn)知識(shí)加以利用的問題提出一種新的有監(jiān)督學(xué)習(xí)的Takagi Sugeno Kang (TSK)模糊系統(tǒng)圖像融合方法。該方法通過引入TSK模糊系統(tǒng)構(gòu)建標(biāo)準(zhǔn)圖像融合圖像庫進(jìn)行學(xué)習(xí)，將學(xué)習(xí)準(zhǔn)則記錄下來形成融合模型，并指導(dǎo)新的圖像融合過程。不同于傳統(tǒng)方法，該方法可以有效地避免模型參數(shù)擇優(yōu)的難題，在融合圖像質(zhì)量和適用范圍方面表現(xiàn)出一定的優(yōu)勢(shì)。從單一類型圖像融合和多種類型圖像融合兩個(gè)角度進(jìn)行了實(shí)驗(yàn)研究，實(shí)驗(yàn)結(jié)果說明該方法的有效性。

針對(duì)5G通信技術(shù)高傳輸速率、多業(yè)務(wù)場(chǎng)景的挑戰(zhàn)，該文提出一種組件化的軟件定義無線接入網(wǎng)絡(luò)新架構(gòu)。該架構(gòu)在5G接入網(wǎng)集中單元(CU)，分布單元(DU)，有源天線單元(AAU)架構(gòu)的基礎(chǔ)上，進(jìn)一步朝組件化方向演進(jìn)，形成一種由集中控制單元(CCU), CU, DU，射頻單元(RU)，AAU等組件化通信單元組成的新架構(gòu)。這種新架構(gòu)既有利于切片化、虛擬化實(shí)現(xiàn)無線接入網(wǎng)，又有利于應(yīng)用分布式計(jì)算技術(shù)和硬件加速技術(shù)突破通用處理器的計(jì)算能力瓶頸，還能降低DU與AAU之間的前傳壓力。該文還研制了基于此架構(gòu)的組件化軟基站試驗(yàn)原型并進(jìn)行了測(cè)試，結(jié)果表明該組件化方案在提供高度靈活性的同時(shí)，還能夠提升通用處理器軟基站的吞吐能力，并有效降低遠(yuǎn)端站址傳輸流量。

圖像超分變率重建方法在公共安全檢測(cè)、衛(wèi)星成像、醫(yī)學(xué)和照片恢復(fù)等方面有著十分重要的用途。該文對(duì)基于生成對(duì)抗網(wǎng)絡(luò)的超分辨率重建方法進(jìn)行研究，提出一種基于純合成數(shù)據(jù)訓(xùn)練的真實(shí)世界盲超分算法(Real-ESRGAN)的UNet3+雙鑒別器Real-ESRGAN方法(Double Unet3+ Real-ESRGAN, DU3-Real-ESRGAN)。首先，在鑒別器中引入U(xiǎn)Net3+結(jié)構(gòu)，從全尺度捕捉細(xì)粒度的細(xì)節(jié)和粗粒度的語義。其次，采用雙鑒別器結(jié)構(gòu)，一個(gè)鑒別器學(xué)習(xí)圖像紋理細(xì)節(jié)，另一個(gè)鑒別器關(guān)注圖像邊緣，實(shí)現(xiàn)圖像信息互補(bǔ)。在Set5, Set14, BSD100和Urban100數(shù)據(jù)集上，與多種基于生成對(duì)抗網(wǎng)絡(luò)的超分重建方法相比，除Set5數(shù)據(jù)集外，DU3-Real-ESRGAN方法在峰值信噪比(PSNR)、結(jié)構(gòu)相似性(SSIM)和無參圖像考評(píng)價(jià)指標(biāo)(NIQE)都優(yōu)于其他方法，產(chǎn)生了更直觀逼真的高分辨率圖像。

基音在語音編碼中通常采用7bit無失真均勻量化。由于濁音段語音的基音普遍具有緩慢漸變的特點(diǎn)，為了更有效地去除前后幀基音之間存在的相關(guān)性，該文基于Eriksson和Kang提出的4bit基音量化算法，針對(duì)漢語語音進(jìn)行研究，實(shí)現(xiàn)了一套4~6bit基音量化算法。該算法計(jì)算簡(jiǎn)單，無需碼書存儲(chǔ)。將此基音量化方案應(yīng)用于WI模型和WI編碼器，主觀A/B聽力測(cè)試結(jié)果表明，該方案在高效量化基音的同時(shí)保證了合成語音質(zhì)量幾乎沒有損失，完全滿足低速率WI編碼器對(duì)量化基音的要求。

蜂窩網(wǎng)絡(luò)下的同時(shí)同頻全雙工(CCFD)設(shè)備到設(shè)備(D2D)組網(wǎng)可以進(jìn)一步提升網(wǎng)絡(luò)頻譜效率，然而由此引入的殘余自干擾(RSI)及蜂窩用戶(CU)與D2D用戶(DU)之間共享頻譜的干擾會(huì)嚴(yán)重影響到蜂窩用戶的體驗(yàn)。因此，該文為蜂窩網(wǎng)絡(luò)下同時(shí)同頻全雙工組網(wǎng)設(shè)計(jì)了兩種干擾協(xié)調(diào)算法，即CU和速率最大化算法(MaxSumCU)與CU最小速率最大化算法(MaxMinCU)，在小區(qū)頻譜效率得到提升的同時(shí)盡可能地保證CU的體驗(yàn)。對(duì)于MaxSumCU算法，該文以CU和速率為優(yōu)化目標(biāo)建立混合整數(shù)非線性規(guī)劃問題(MINLP)，其在數(shù)學(xué)上為非確定性多項(xiàng)式(NP-hard)問題。算法將其分解為功率控制與頻譜資源分配兩個(gè)子問題，并用圖形規(guī)劃找到最優(yōu)功率解后，使用二向圖最大權(quán)值匹配算法決定頻譜共享的CU與DU。為了保證每一個(gè)蜂窩用戶體驗(yàn)的公平性，該文設(shè)計(jì)了MaxMinCU算法用以最大化所有CU速率中的最小值，該算法基于二分查找與二向圖最小權(quán)值匹配算法來完成用戶的資源分配。數(shù)值結(jié)果表明，與小區(qū)和速率最大化(MaxSumCell)設(shè)計(jì)相比，該文所提的兩種算法在提升小區(qū)和速率的同時(shí)均有效地提升了蜂窩用戶的體驗(yàn)。

經(jīng)典數(shù)據(jù)驅(qū)動(dòng)型TSK(Takagi-Sugeno-Kang)模糊系統(tǒng)在獲取模糊規(guī)則時(shí)，會(huì)考慮數(shù)據(jù)的所有特征空間，其帶來一個(gè)重要缺陷：如果數(shù)據(jù)的特征空間維數(shù)過高，則系統(tǒng)獲取的模糊規(guī)則繁雜，使系統(tǒng)復(fù)雜度增加而導(dǎo)致解釋性下降。該文針對(duì)此缺陷，探討了一種基于模糊子空間聚類的〇階L2型TSK模糊系統(tǒng)(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)構(gòu)建新方法。新方法構(gòu)建的模糊系統(tǒng)不僅能縮減模糊規(guī)則前件的特征空間，而且獲取的模糊規(guī)則可對(duì)應(yīng)于不同的特征子空間，從而具有更接近人類思維的推理機(jī)制。模擬和真實(shí)數(shù)據(jù)集上的建模結(jié)果表明，新方法增強(qiáng)了面對(duì)高維數(shù)據(jù)所建模型的解釋性，同時(shí)所建模型得到了較之于一些經(jīng)典方法更好或可比較的泛化性能。