基于深度强化学习的低轨卫星下行功率分配方案

当前的卫星资源分配方案大多为同步轨道卫星设计,针对低轨卫星的高动态特性,以及存在频率和功率资源受限的问题,提出一种基于深度强化学习的功率分配算法。首先对低轨卫星功率分配场景进行建模,引入一种时隙划分方案来简化低轨卫星的动态特性模型,进一步提出一种基于深度强化学习算法的功率分配策略,该策略通过调节单颗低轨卫星各个波束中子载波的功率值,降低同频干扰,能达到提升低轨卫星频谱效率的目的。仿真结果表明,所提算法能够在较短时间内收敛并达到稳定状态,在总功率一定的条件下,该方案能有效提升单颗低轨卫星的吞吐量,其频谱效率明显高于注水算法和Q学习算法。     

一种有效的超分辨率重建计算方法

本文对于获取模型进行理论分析,导出一种有效的可以直接计算的方法,计算过程中主要采用快速傅立叶变换及小矩阵求逆,计算效率高,并将该结果扩展应用到GCV法求相应的规整化参数,并在文中给出仿真结果。     

联合L1和L0先验模型的超分辨率重建算法

超分辨率重建可以从低分辨率图像序列中重建出高分辨率图像,提高图像质量。重建出边缘保持且噪声低的高分辨率图像,仍具有挑战。针对此问题,在L₁先验模型中添加图像梯度的L₀范数作为先验知识,提出联合L₁和L₀先验模型的超分辨率重建算法,既保留L₁先验模型边缘保持的优点,又保留L₀先验模型抑制噪声的优点。将该算法与双三次插值、Total Variation (TV)先验模型和L₁先验模型作对比,通过仿真实验数据和真实实验数据的分析,验证本文算法的有效性。     

基于神经网络的车联网频谱感知组合算法

针对车联网环境下无线频谱资源短缺的问题,提出一种基于神经网络的多条件频谱感知组合算法.该算法利用神经网络较强的多分类能力,将信号能量、协方差矩阵的最大特征值、最小特征值、迹和平均特征值融合作为神经网络特征参数实现合作频谱感知,并从理论上分析参数选择方案,算法还充分考虑信道多径衰落和阴影效应导致的信噪比很低的情况以及车辆...     

低轨卫星网络基于跳波束的资源调度算法

低轨卫星网络能够为用户提供全球范围的宽带接入服务,是目前卫星通信网络的主要发展方向。然而低轨卫星平台资源受限、地面业务分布不均匀,给星地接入方案设计带来诸多挑战。提出宽波束结合动态点波束的跳波束接入方案,由宽波束获取信令信息,辅助点波束进行跳波束按需服务用户业务的通信方案。针对不同用户分布场景,使用迭代算法进行仿真,验证相对于传统固定多波束方案,宽波束结合动态点波束的跳波束方案在用户分布不均匀的情况下,能达到更高的系统吞吐性能,且业务量小时具有更好的时延性能等。     

基于神经网络的低轨卫星多波束系统峰均比自适应限幅法

针对低轨卫星多波束系统在多方向通信时出现峰均比过高的问题,提出一种基于深度神经网络的峰均比抑制方法。该方法主要根据多波束通信系统在不同场景下的目标方向位置、接收端信噪比、误码率误差范围等输入层参数,自适应地选择限幅法的最优门限值,从而对每个阵元上合成的信号进行限幅操作,在保证低轨卫星多波束系统误码率的前提下降低了该系统的峰均比。最后通过仿真验证,该方法比传统固定门限的限幅法在误码率误差范围内对峰均比有明显改善。     

一种用于车牌识别的图像超分辨率算法

仿效人类的视觉认知过程,提出面向目标的图像超分辨率算法.只需从一幅车牌图像就可以恢复目标的细节信息.该算法使用先检测、后重建的思路,通过联合稀疏编码建立目标高低分辨率图像片之间的关系,以目标可以稀疏表示为先验,检测到目标区域后,通过压缩感知重建图像.实验表明,重建图像的峰值信噪比(PSNR)较传统方法约有2dB的改善.此外,还验证了超分辨率重建改善了车牌识别结果,可以消除20%的错误识别字符.     

有去噪和尺度放大的单幅图像超分辨率重建

采用非局部均值,全变差正则化和稀疏编码,提出一种新的单幅图像超分辨率重建方法.首先,用非局部均值方法对低分辨率图像进行去噪处理,可保证几何结构的一致性.然后,将去噪后的低分辨率图像代入重建模型得到高分辨率图像的低频分量,而高分辨率图像的高频分量则通过学习的方法在数据库中查找得到.将得到的低频分量与高频分量相加得到初始的高分辨率图像的恢复结果.最后对初始的恢复图像进行一些全局优化即可得到最终恢复的高分辨率图像结果.实验结果证明该方法得到的高分辨率图像结果具有鲁棒性且更自然.     

低轨卫星突发通信中MPSK信号的存在性检测

提出一种新的适合于低轨卫星突发通信系统的多相调制信号存在性检测方法,并完成其理论推导和仿真验证.针对应用,进行了检测概率和虚警概率的性能仿真.新方法使用E[(I²+Q²)²]作为检测量,具有简单的数字结构,便于星上实现.     

基于神经网络的认知无线电合作频谱感知

认知无线电是一种可用于有效缓解当前频谱资源紧张的技术，而频谱感知是认知无线电的前提。针对低信噪比情况下频谱感知性能差的问题，提出一种将信号高阶统计量、协方差矩阵特征值与神经网络相结合的合作频谱感知算法。该算法考虑到认知用户与授权用户的信道衰落情况，利用神经网络较强的多分类能力，将最大-最小特征值之比、平均-最小特征值之比以及高阶统计量作为特征参数，通过神经网络实现合作频谱感知。仿真结果表明，该算法不仅在低信噪比情况下较其他算法具有更高的频谱检测率，而且对频谱中信号的调制类型也有较高的识别率。     

基于显著图融合的高分四号卫星光学遥感图像多运动舰船检测方法

高分四号(GF-4)卫星是目前世界上分辨率最高的静止轨道光学遥感卫星,它具有高时间分辨率、高空间分辨率和大成像幅宽等优点,可对指定区域进行连续观测.提出一种适用于GF-4卫星光学遥感图像的多运动舰船检测方法.首先,对遥感图像进行中值滤波去噪和非线性灰度拉伸;然后,通过谱残差法提取显著图;最后,使用基于加权Dempste...     

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。     

基于V-CSK视频遥感卫星运动目标检测跟踪方法

视频遥感卫星在道路交通导航、军事动态监视、目标跟踪等方面具有众多应用,因此利用卫星视频实现运动目标实时检测跟踪备受关注.针对卫星视频中的运动目标检测跟踪问题,提出基于V-CSK算法的检测跟踪方法,该算法采用改进的ViBe检测算法,引入多重自定义阈值滤波算法获得运动目标中心区域,再根据中心位置均值原理与噪声距离判断原则提...     

基于面向对象技术的旅游用地遥感识别

利用国产GF-1卫星影像,以南京市为例,采用面向对象技术对旅游用地信息进行专题提取,研发出基于遥感手段的旅游用地信息提取方法和流程。研究结果如下：1）GF-1夏季影像4个图层（红、绿、蓝和近红外波段）方差的平均值（VI-Summer）是识别旅游用地的有效指标。2）旅游用地提取的制图精度和用户精度分别为83.33%和73.53%,表明基于GF-1卫星影像和面向对象技术的方法能够对旅游用地进行有效识别和监测。3）南京市的旅游用地总面积为137.34 km²。4）在空间分布上,旅游用地主要集中在长江以南地区,尤其是鼓楼区、雨花台区、建邺区、玄武区和秦淮区及其附近;而长江以北（江北）地区相对稀疏。本研究结果可为利用GF-1卫星影像快速有效地监管旅游用地提供技术支撑。