可快速编码的多码率原模图LDPC码设计

原模图LDPC码的实际应用涉及到两个问题：快速编码和编码复杂性.与其他LDPC码相比,原模图LDPC码的结构适合快速解码,但不一定能够实现快速编码.现有的原模图LDPC码的编码是根据生成矩阵进行编码,因其生成矩阵不是稀疏的,所以存在编码复杂性问题,这给编码器的硬件实现带来较大的困难.为了降低原模图LDPC码编码复杂度,本文提出一种可快速编码的多码率原模图LDPC码的设计,提出的多码率原模图LDPC码不存在4环,无低码重码,其快速编码算法能够降低编码复杂性,使编码器的硬件易于实现.在AWGN信道仿真结果表明,提出的可快速编码的多码率LDPC码的误码率性能和纠错性能优于GB20600 LDPC码.     

Codes From Strongly Regular (α,β)-reguli

Strongly regular (α,β)-reguli are a class of incidence structures with given conditions which were introduced by Hamilton and Mathon. We introduce two classes of codes constructed from strongly regular(α,β)-reguli within PG(k-1,q). The codes are related with two-weight codes intimately.     

基于时空注意力卷积神经网络的交通流量预测

为充分挖掘交通流量的复杂时空动态相关性以提高交通流量预测精度,引入空间注意力机制与膨胀因果卷积神经网络,提出一种基于时空注意力卷积神经网络的交通流量预测模型（spatio-temporal attention convolutional neural network,STACNN）.首先,由膨胀因果卷积与门控单元构建的门控时间卷积网络模块用于获取交通流量的非线性时间动态相关性,避免在训练长时间序列时发生梯度消失或梯度爆炸;其次,采用空间注意力机制为路网中的交通传感器节点自动分配注意力权重,动态关注不相邻节点之间的空间关系,并结合图卷积神经网络提取路网的局部空间动态相关性特征;然后,通过全连接层获取最终的交通流量预测结果;最后,利用高速公路交通数据集PEMSD4、PEMSD8进行了60 min的交通流量预测实验.实验结果表明：与基线模型中具有良好性能的时空图卷积网络（spatio-temporal graph convolutional network,STGCN）模型相比,提出的STACNN模型预测结果的平均绝对误差（mean absolute error,MAE）在两个数据集上分别提...     

高维仿射码

利用弱区组设计的方法，以Fp上的m维仿射几何G(m，P)的s维陪集为信息位，将每个元素对应的s维陪集族作为监督维线，构造了高维仿射码，并且分析了该码的码长、维数、极小码距和码率．高维仿射码是仿射流形码的推广。     

仿射流形码与射影流形码

提出了弱区组设计的概念，并根据仿射几何构造了流形码的射影流形码。此外，受我国古代的“孙子定理”的启发，构造了“孙子码”。     

亏格g=1的复数旋转码

提出了亏格ｇ＝１的复数旋转码ＧＩＣＲ的概念,利用多层环面完全嵌套的方法给出了ＧＩＣＲ码的直观模型。ＧＩＣＲ码是复数旋转码从二维空间到三维空间的推广。利用弱区组设计的概念讨论了该码的极小距离与纠错能力,同时研究了ＧＩＣＲ码的对偶码,给出了ＧＩＣＲ码及其对偶码的主要参数。     

环F2＋uF2＋vF2＋uvF2上线性码的Lee重量MacWilliams恒等式

首先定义了环R=F2＋uF2＋vF2＋uvF2上线性码的Lee重量计数多项式,导出了环R上线性码的Lee重量MacWilliams恒等式,进而利用Krawtchouk多项式,获得了环R上线性码的Lee重量MacWilliams恒等式的等价形式.     

不等保护喷泉码用于应答器报文编码的可行性研究

提出将具有不等差错保护特性数字喷泉码作为欧标高速铁路应答器报文编码方案.由于其不依赖重传、译码过程与编码符号到达译码端次序无关等特性非常适于应答器报文传输场景.针对欧标应答器报文长度特征,本文在不同码长条件下对基于权重的不等差错保护算法、拓展窗口喷泉码及复制窗口不等保护算法的性能进行对比分析,通过Matlab仿真得到3种算法在不同码长条件下的性能.验证采用基于喷泉码的不等差错保护方法作为铁路应答器长报文编码方案的可行性.     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.      

复数旋转码性能的研究

基于复数旋转码已有的研究结果,本文集中讨论了有关码字的一般性能,这些性能包括码重分布、覆盖半径、超限译码能力、检纠突发错误能力、检纠突发错误同时纠随机错能力。证明了复转码某些参数表达的简便性,以及组合设计码的优越性。     

Joint distortion model for progressive image transmission using error correcting arithmetic codes

A novel joint source channel distortion model was proposed, which can essentially estimate the average distortion in progressive image transmission. To improve the precision of the model, the redundancy generated by a forbidden symbol in the arithmetic codes is used to distinguish the quantization distortion and the channel distortion, all the coefficients from the first error one to the end of the sequence are set to be a value within the variance range of the coefficients instead of zero, then the error propagation coming from the entropy coding can be essentially estimated, which is disregarded in the most conventional joint source channel coding （JSCC） systems. The precision of the model in terms of average peak-signal-to-noise has been improved about 0.5 dB compared to classical works. An efficient unequal error protection system based on the model is developed, and can be used in the wireless communication systems.     

An Improved Group Space-Time Block Code Through Constellation Rotation

A new improved group space-time block code （G-STBC） based on constellation rotation for four transmit antennas was proposed. In comparison with the traditional G-STBC coding scheme, the proposed space-time code has longer code length and adopts proper rotation-based symbols, which can increase the minimum distance of space-time codes and thereby improve code gain and achieve full diversity performance. The simulation results verify that the proposed group space-time code can achieve better bit error performance than both the traditional group space-time code and other quasi-orthogonal space-time codes. Compared with Ma＇s full diversity full rate （FDFR） codes, the proposed space-time code also can achieve the same excellent error performance. Furthermore, the design of the new space-time code gives another new and simple method to construct space-time codes with full diversity and high rate in case that it is not easy to design the traditional FDFR space-time codes.     

最佳自正交不等保护能力码的组合构造

本文给出了基于区组设计的最佳自正交不等保护能力(UEP)码的两种新的构造方法,并且,获 得了具有丰富保护层次的最佳自正交UEP码。      

A synthetic decoding method of 3GPP multimedia broadcast/multicast services raptor codes

The 3GPP multimedia broadcast/multicast services （MBMS） standard takes Raptor codes as a way of channel coding and puts forward an efficient enhanced Gaussian elimination （EGE） for the Raptor decoder. However, the standard decoding method is not the most efficient. A few of researchers made some changes based on the standard decoding method and achieved considerable performance. In this paper, a synthetic decoding method is presented according to the existing enhanced decoding method and the simulation shows that the syn- thetic way outperforms any other ways.     

基于3D CNN的道路视频交通状态自动识别

为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络 （3D convolutional neural networks,3D CNN）的交通状态识别方法.首先,以C3D （convolutional 3D）深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D*;然后,对C3D* 和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D* 及常用二维卷积网络的交通状态识别效果. 对比结果显示:针对视频交通状态识别,C3D* 的F均值为91.32%,比C3D、R3D （region convolutional 3D network）、R (2+1) D （resnets adopting 2D spatial convolution and a 1D temporal convolution）分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D* 的F均值分别高32.61%、69.91%、50.11%、69.17%.      

大剂量维生素C抢救急型克山病的完全性房室传导阻滞——附40例临床分析

1.本文报导了应用大量VC(10克)静脉注射抢救急型克山病CAVB 40例的结果,得救率为82.5%,通过CAVB发生前后一系列心电图监测,时CAVB的发生、发展和转归作了分析与讨论。2.对影响疗效和预后的因素进行了分析。建议按心功能状态、收缩血压、心室率、QRS波群间期、ST-T改变等5项作为观察指标,用累积记分法,以估计预后,凡记分在15分以上者预后不良。     

基于光正交码的不规则LDPC码

基于光正交码构造了一类新的不规则OOC LDPC码.新的LDPC码是准循环码,其编码复杂度与码长成线性关系,具有编码复杂度低的特点,它所对应的双向图中没有四线循环.用和积译码算法对新的码字进行了仿真,结果表明,与具有类似参数的随机码和规则OOC LDPC码相比,当信道误码率为10-5时,译码增益分别为0.3和0.15dB.     

Turbo码的距离特性及Viterbi译码方法

Ｔｕｒｂｏ码由递归系统卷积码（ＲＳＣ）并行级联而成,从ＲＳＣ码特有的距离特性和误码率限分析了Ｔｕｒｂｏ码的优异性能。根据码距特性提出了对角交织的优化交织法。在适当译码增益损失下,提出了Ｔｕｒｂｏ码译的Ｖｉｔｅｒｂｉ译码实现方法,并用此方法进行了计算机仿真,证明了结论的正确性。     

基于双向自适应门控图卷积网络的交通流预测

针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑交通流特征信息,做好数据准备。考虑交通流的实际有向性,主体模型采用正、反双路网络设计以分向学习交通流时空特征的有效表示。双路网络结构相同,以轻量有效的因果卷积作为模型的时序特征提取器,以多层自适应门控图卷积神经网络作为模型组件提取空间特征,实现信息的自适应聚合与传播,再通过纵向信息聚合层轻量化地实现不同局部视野下的信息融合,基于注意力有效权衡两路网络的信息贡献并将其聚合,建立双向自适应门控图卷积网络交通流预测模型。在真实交通流基准数据集PEMS03、PEMS04、PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在4个数据集上3个预测精度指标均优于基线模型。同时,相较于最先进的基线模型时空同步图卷积网络与时空融合图神经网络,所建模型能以数倍甚至数十倍比例的参数轻量化与低训练时间代价获得更高的预测精度。     

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源，需实时估计交通流参数。若要准确估计交通流参数，应详细考虑道路网交通流时空特征。本文基于生成对抗网络，提出一种能捕捉交通流时空特征的实时估计模型，即TSTGAN模型。该模型包括生成器和判别器两部分，生成器利用门控卷积神经网络 捕捉交通流的动态空间特征，使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征；采用门控卷积神经网络与长短期记忆神经网络构建判别器；通过对抗方式训练生成对抗网络的生成器与判别器，实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据，验证TSTGAN模型的可靠性。结果表 明，TSTGAN模型引入的时空模块能有效提取交通流的时空特征，所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%，证明所提TSTGAN模型可以提高交通 流参数的估计精度。