- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
通过石墨烯纳米孔界面工程实现更低功耗、更优均匀性与稳定性的CBRAM
摘要： 随着合成孔径雷达图像空间分辨率的稳步提升，对一致性且局部自适应的图像增强需求显著增长。大量研究已表明，能根据目标尺寸局部调整平滑程度的自适应多视处理优于均匀多视处理。本研究提出一种仅基于强度图像（但适用于任意数量图层）的新型多尺度多方向多视方法：通过双曲函数推导出不同尺度与方向（命名为Schmittlets）的二维圆形与椭圆形滤波核集。原始强度图像被转换至Schmittlet系数域，其中每个系数表征图像中类Schmittlet结构的存在度。基于扰动噪声模型评估其显著性后，选取最佳匹配Schmittlets进行图像重建。该方法一方面利用指示局部最优Schmittlets的索引图实现多极化、多时相或多频段等后续图层的一致性增强；另一方面为后续图像分析提供具有空间模式最优描述价值的参数。最终验证通过三个分辨率层级上的四个测试区证明：相较于六类当代斑点抑制技术（平均强度保持、等效视数、边缘及局部曲率的方向与强度保持），Schmittlets在六项指标上均具优势。虽然Schmittlet索引层对自动图像解译的附加价值显而易见，但仍需进一步研究验证。
关键词： 图像重建、图像表示、自适应滤波器、图像边缘分析、图像增强、合成孔径雷达（SAR）、图像分析、数字滤波器
更新于2025-09-23 15:21:01
-
基于低复杂度功率平衡点的光伏差分功率处理优化
摘要： 随着合成孔径雷达图像空间分辨率的稳步提升，对一致性且局部自适应的图像增强需求显著增长。大量研究已表明：能根据目标尺寸局部调整平滑程度的自适应多视处理，优于统一多视处理。本研究提出一种仅基于强度图像（但适用于任意数量图像层）的新型多尺度多方向多视方法——通过双曲函数推导出不同尺度与方向（命名为Schmittlet）的二维圆形/椭圆形滤波器核组。原始强度图像被转换至Schmittlet系数域，其中每个系数表征图像中类Schmittlet结构的存在度?；谌哦肷Ｐ推拦榔湎灾院?，选取最佳匹配Schmittlet进行图像重建。该方法一方面利用指示局部最优Schmittlet的索引图像实现多极化/多时相/多频段等后续图层的协同增强，另一方面为后续图像分析提供具有空间模式最优描述价值的参数。最终验证通过三个分辨率层级上的四个测试区证明：在六个不同评价维度（平均强度保持、等效视数、边缘及局部曲率的方向与强度保持）上，Schmittlet方法均优于六种当代斑点噪声抑制技术。虽然Schmittlet索引层对自动图像解译的附加价值显而易见，但仍需进一步研究验证。
关键词： 图像分析、图像重建、图像表示、图像边缘分析、数字滤波器、自适应滤波器、图像增强、合成孔径雷达（SAR）
更新于2025-09-19 17:13:59
-
[IEEE 2019年第八届先进光电子与激光国际会议（CAOL）- 保加利亚索佐波尔（2019年9月6日-9月8日）] 2019年IEEE第八届先进光电子与激光国际会议（CAOL）- CAOL 2019 封面页
摘要： 随着合成孔径雷达图像空间分辨率的稳步提升，对一致且局部自适应的图像增强需求显著增加。大量研究已表明，能够根据目标尺寸局部调整平滑程度的自适应多视处理优于统一多视处理。本研究提出一种仅基于强度图像（但适用于任意数量图像层）的新型多尺度多方向多视处理方法。从双曲函数推导出一组不同尺度与方向（命名为Schmittlet）的二维圆形及椭圆形滤波器核，将原始强度图像转换至Schmittlet系数域——其中每个系数表征图像中类似Schmittlet结构的存在程度。通过基于扰动的噪声模型评估其显著性，筛选最佳匹配Schmittlet进行图像重建。该方法一方面利用指示局部最佳匹配Schmittlet的索引图像实现对多极化、多时相或多频层等其他图像层的一致性增强；另一方面为后续图像分析提供了具有空间模式最优描述价值的参数。最终验证通过三个分辨率层级上的四个测试区，从六个不同维度（平均强度保持、等效视数、边缘与局部曲率在强度及方向上的保持）证明Schmittlet相较六种当代斑点抑制技术的优势。虽然Schmittlet索引层对自动图像解译的附加价值显而易见，但仍需进一步研究验证。
关键词： 图像分析、图像重建、图像表示、图像边缘分析、数字滤波器、自适应滤波器、图像增强、合成孔径雷达（SAR）
更新于2025-09-19 17:13:59
-
一种基于电光采样的毫米波上变频器相位校准方法
摘要： 随着合成孔径雷达图像空间分辨率的稳步提升，对一致且局部自适应的图像增强需求显著增长。大量研究已表明，能够根据目标尺寸局部调整平滑程度的自适应多视处理优于统一多视处理。本研究提出一种仅基于强度图像（但适用于任意数量图层）的新型多尺度多方向多视方法——通过双曲函数推导出不同尺度与方向（命名为Schmittlets）的二维圆形及椭圆形滤波核集。原始强度图像被转换至Schmittlet系数域，其中每个系数表征图像中类Schmittlet结构的存在程度?；谌哦肷Ｐ推拦榔湎灾院?，选取最佳匹配Schmittlets进行图像重建。该方法一方面利用指示局部最优Schmittlets的索引图实现多极化、多时相或多频段等后续图层的一致性增强，另一方面为后续图像分析提供空间模式的最佳描述。最终验证通过三个分辨率层级上的四个测试区，证明Schmittlets在六类指标（平均强度保持、等效视数、边缘及局部曲率的方向与强度保持）上优于六种当代斑点抑制技术。虽然Schmittlet索引层对自动图像解译的附加价值显而易见，仍需进一步研究验证。
关键词： 自适应滤波器、数字滤波器、图像分析、图像重建、图像表示、图像边缘分析、图像增强、合成孔径雷达（SAR）
更新于2025-09-19 17:13:59
-
基于双芯光子晶体纤维的可见光至近红外工作波段等离子体折射率传感器
摘要： 随着合成孔径雷达图像空间分辨率的稳步提升，对一致且局部自适应的图像增强需求显著增长。大量研究已表明：能根据目标尺寸局部调整平滑程度的自适应多视处理，优于统一多视处理。本研究提出一种仅基于强度图像（但适用于任意数量图像层）的新型多尺度多方向多视方法——通过双曲函数推导出不同尺度与方向（命名为Schmittlets）的二维圆形/椭圆形滤波核集。原始强度图像被转换至Schmittlet系数域，其中每个系数表征图像中类Schmittlet结构的存在性?；谌哦肷Ｐ推拦榔湎灾院?，选取最佳匹配Schmittlets进行图像重建。该方法一方面利用指示局部最优Schmittlets的索引图像实现多极化、多时相或多频层等后续图像层的协同增强；另一方面为后续图像分析提供了描述空间形态的最优参数。最终验证通过三个分辨率层级上的四个测试区证明：在六个不同评价维度（平均强度保持度、等效视数、边缘及局部曲率的方向与强度保持度），Schmittlets较六种当代斑点抑制技术具有显著优势。虽然Schmittlet索引层对自动图像解译的附加价值显而易见，仍需进一步研究验证。
关键词： 自适应滤波器、数字滤波器、图像分析、图像重建、图像表示、图像边缘分析、图像增强、合成孔径雷达（SAR）
更新于2025-09-19 17:13:59
-
太阳能光伏系统中总谐波失真降低的研究进展：文献综述
摘要： 近年来，由于对清洁能源的旺盛需求，光伏系统应用日益广泛。该系统能利用取之不尽的太阳能，这是其显著优势。但与其他可再生能源技术相比，光伏系统仍面临成本高、效率低等主要障碍。此外，太阳入射能量的波动会在发电过程中产生谐波，可能导致系统性能异常。总谐波失真率（THD）作为信号畸变功率与主功率的比值，是衡量信号畸变程度的常用指标。随着光伏系统并网规模扩大，THD问题已引发严重关切。既有研究虽致力于降低THD及其影响，但多聚焦于光伏系统局部环节的谐波抑制。本研究首次对光伏系统整体THD抑制技术进展进行系统性综述，详细阐述了谐波成因、现有解决方案及待研究领域，并对比分析了光伏系统各环节采用的THD抑制技术及其优缺点。最后建议采用自适应滤波器作为降THD方案——该类滤波器在其他系统中已有效实现噪声干扰抑制。
关键词： 总谐波失真降低、直流-直流转换器、谐波、总谐波失真、光伏、逆变器、光伏系统、自适应滤波器、可再生能源、最大功率点跟踪
更新于2025-09-12 10:27:22
-
基于时间窗变化技术的多普勒雷达鲁棒心跳检测随机梯度方法
摘要： 心率变异性（HRV）可反映健康状况与心理压力?；诙嗥绽绽状锏姆墙哟ナ叫穆剩℉R）监测技术正受到广泛关注。然而，由于呼吸和身体运动的影响，通过雷达信号进行心跳检测的性能容易下降。本文首先提出零吸引符号最小均方（ZA-SLMS）算法，应用随机梯度方法重建高分辨率心跳频谱，通过校正代价函数的量化梯度并约束更新频谱的稀疏性，实现更精确的心跳频谱重建。随后，为更好适应受试者运动引发的不同强度噪声，在ZA-SLMS算法中引入自适应正则化参数（AREPA）作为改进变体，该参数能自适应调节梯度校正与稀疏惩罚的比例。此外，考虑到时间窗尺寸微小变化时心率相关频谱峰位置的稳定性，进一步将时间窗变化（TWV）技术融入改进的ZA-SLMS（IZA-SLMS）算法，以实现更稳定的心率估计。通过对五名受试者的实验表明，本方案相比现有检测方法显著提升了准确率。具体而言，当受试者使用笔记本电脑打字时，采用TWV的IZA-SLMS算法实现了平均误差最小值3.79次/分钟（BPM）。
关键词： 多普勒雷达、非接触式心跳检测、稀疏谱重建（SSR）、自适应滤波器、时间窗变化（TWV）、心率（HR）
更新于2025-09-09 09:28:46
-
基于自适应窗口和滤波器尺寸的卷积神经网络高光谱成像分类
摘要： 近年来，卷积神经网络（CNN）在图像处理与模式识别等多个领域的图像分类任务中展现出卓越性能；但仍存在改进空间。CNN的主要问题在于滤波器数量与尺寸的初始化设置，这会显著影响分类结果。本文基于CNN模型提出三项主要贡献：(1) 滤波器数量的自适应选择；(2) 窗口尺寸的自适应调整；(3) 滤波器尺寸的自适应优化。在不同高光谱数据集（SalinasA、帕维亚大学和印度松）上的测试结果表明，该框架能有效提升高光谱图像分类精度。
关键词： 自适应滤波器、卷积神经网络、图像分类、高光谱成像
更新于2025-09-09 09:28:46