反卷积

摘要： 多故障源的耦合问题,一直以来都是诊断领域面临的最大难题之一,能否实现多源信号解耦将直接影响故障诊断的准确性。在信源卷积混合的前提下,以多通道反卷积理论为基础,首先研究多故障源混合信息的特征分离方法。接着借助卷积混合后的仿真信号,研究反卷积系统的关键参数——初始滤波器长度对分离效果的影响。进而提出一种自适应的多源信息分离方法。为了确定分离系统的输入通道数量,基于小波分析与奇异值分解完成信号的源数估计;再通过设定滤波器长度的迭代区间,计算出不同参数下分离系统输出信号的时域指标,并自动选取最佳长度使得分离结果最优。最后,经滚动轴承的复合故障实验和多故障并发的工程数据验证,表明该方法在设定的滤波器长度范围内,能够根据信号的差异性自动寻优最佳参数,并成功分离出原始信号中隐含的各个故障源信息,实现机械故障的精确辨识。

摘要： 该文主要对Zero-DCE (zero-reference deep curve estimation)图像增强网络进行改进.针对图像在每层卷积过后,图像内容细节随之丢失和噪声问题.提出改进网络结构,卷积层保留图像的主要内容,增加反卷积层则用来补偿细节信息.另外通过传递卷积层的特征图到反卷积层,有助于解码器拥有更多的图像细节信息,从而得到更好的干净图像.此外引进残差网络,对输入噪声图像和输出干净图像做差用于学习一个残差,在降噪的同时也提升了图像清晰度.最后通过图像质量评估方法 PSNR (peak signal to noise ratio)和SSIM (structural similarity index)以及傅里叶变换进行测试分析,结果表明提出的改进结构可以增加图像的细节信息并达到降噪效果.

摘要： 针对常规波束形成算法定位精度不高的问题,将基于反卷积变换的波束形成算法应用于干式变压器异响故障识别,分析了反卷积变换的波束形成算法基本原理及其用于干式变压器异响故障识别的可行性;研究了一种采用异响精准定位联合声纹图谱特征识别的干式变压器异响故障识别方法;提出了“高频特征峰能量比”的概念,用于量化机械异响严重程度;最后通过实验测试和现场验证的方法,证明方法的有效性和准确性。

摘要： 在交通标志检测中,小而稠密的交通标志易受遮挡、恶劣天气等复杂自然环境的影响,导致检测性能较差.针对此问题,提出一种基于注意力机制的多尺度小目标交通标志检测方法.以CSPDarknet53为基础设计了一种新型的特征提取网络,使得输出特征图的分辨率得以增大、目标更易于检测,同时通过反卷积自适应级联结构融合浅层细节信息与深层语义特征.此外,构造了一种基于空间注意力机制的倒金字塔结构,以高分辨特征图生成的注意力系数图增强低分辨率特征图的显著区域检测性能.实验结果表明该方法在满足实时性的情况下,不仅提高了小尺度交通标志的检测性能,而且对复杂自然环境下的交通标志检测更具鲁棒性,显著优于典型的目标检测算法.在自制数据集上,检测精度达到95.26%,在0.8的IoU阈值下,相比YOLOv3高19.1%.

摘要： 为降低光束质量测量系统中阵列光纤输出串扰导致的测量误差,本文提出了硬件设计与算法构建相结合的串扰校正方法,并就此展开了相关的原理研究与方法验证。首先,基于光束质量测量要求和光纤传光原理分析了阵列光纤的串扰影响;其次,结合朗伯散射原理和实验结果验证了校正串扰的原理:使用朗伯体降低阵列光纤输出光发散角差异,并建立统一的弥散光斑串扰模型,再采用反卷积算法复原到靶光斑;再次,介绍了针对性的反卷积算法原理,并就相关参数的设计展开了讨论;最后,对真实光斑、光纤输出的未校正光斑及已校正光斑进行对比分析,实验验证了校正方法的可行性。实验结果表明:与未校正光斑相比,校正后光斑强度分布的相对均方根误差由36.06%降至4.67%,桶中功率的相对均方根误差由7.79%降低至0.73%,86.5%桶中功率所在束宽的测量相对误差由10.83%降至3.46%,结合校正算法的图像处理和参数计算总时间约为8 s。

摘要： 预后和诊断在疾病的预防和治疗中起着至关重要的作用。本文基于临床肿瘤组织的DNA甲基化芯片数据,利用反卷积算法对肿瘤组织进行分解,将估计得到的肿瘤组织中各细胞类型所占比例和细胞类型特异性的甲基化位点作为生物标志物,利用SVM算法构建该疾病的预测模型。TCGA肺腺癌、肾透明细胞癌的数据分析表明,所提方法在预测精确度和鲁棒性上都优于常用算法。

摘要： 干扰抑制可分为旁瓣干扰抑制和主瓣干扰抑制两种。传统的自适应波束形成算法在旁瓣干扰抑制中具有良好的抗干扰性能,但在主瓣干扰抑制中基本失效。针对主瓣存在强干扰的情况,提出一种结合零点约束的反卷积波束形成算法。该方法首先通过反卷积算法获取准确的强干扰方位,然后在干扰方位附近设置零点约束,计算零点约束下的波束输出响应;最后基于Lucy-Richardson迭代实现反卷积处理,对弱目标方位进行估计。仿真结果表明,该算法可对位于主瓣内的干扰进行有效抑制并对弱目标进行方位估计,同时对阵列误差具有较好的鲁棒性。

摘要： 提出一种基于YOLOv3的改进算法,用于对进入机场停机坪人员的合法性进行自动识别。首先,结合Ghost-Net网络对YOLOv3的特征提取网络进行优化,将卷积层和归一化层进行合并,减少了参数量,使得模型在嵌入式设备中完成检测任务;其次,在网络中添加了注意力机制,并采用自底向上与反卷积特征融合的方式提升小目标的检测能力,对损失函数和模型参数进行改进,提升了网络的训练和检测效果。实验结果表明,与原始算法相比,所提方法可以减少模型的参数量,提升模型在复杂环境下的检测效果。

摘要： 医学图像的清晰与否直接影响临床诊断。由于成像设备与环境因素的限制,往往不能直接获得高分辨率的图像,且大多数智能终端的硬件并不适合运行大规模深度神经网络模型,因此提出一种拥有较少的层和参数的轻量密集神经网络模型。首先,网络中使用密集块和跳层结构进行全局和局部图像特征学习,并将更多特征信息传入激活函数,从而使网络中浅层低级的图像特征更容易传播到高层,由此提高医学图像超分辨率重建的质量;然后,采用分阶段方法训练网络,并以双任务损失加强网络学习中的监督指导,从而解决高倍图像超分辨率重建导致的网络训练难度增加的问题。实验结果表明,与最近邻(NN)插值、双线性插值、双立方插值、基于卷积神经网络(CNN)的算法以及基于残差神经网络的算法相比,所提模型能更好地重建出医学图像的纹理细节,获得更高的峰值信噪比(PSNR)和结构相似性(SSIM),在训练速度和硬件消耗方面均取得了良好的效果,具有较高的实用价值。

摘要： 针对图像去噪中的去噪效果差、训练周期长的问题,提出一种基于近似U型网络结构的图像去噪模型。首先,使用不同步长的卷积层将原有的线性网络结构修改为近似U型的网络结构;然后,将不同感受野的图像信息叠加以尽可能地保留图像的原有信息;最后,引入反卷积网络层进行图像恢复和噪声的进一步去除。在Set12与BSD68测试集上与去噪卷积神经网络(DnCNN)模型相比,所提模型的峰值信噪比(PSNR)平均提升了0.04~0.14dB,训练时长平均缩短了41%。实验结果表明,所提模型具有更好地去噪效果和更短的训练时长。

摘要： 白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景.对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积估值器,可统一处理输入白噪声融合滤波、平滑和预报问题.一个Bernoulli-Gaussian输入白噪声融合平滑器的MonteCarlo仿真例子说明了其有效性。

摘要： 应用现代时间序列分析方法,基于ARMA新息模型,在线性最小方差最优融合准则下,提出了具有渐近稳定性的两传感器信息融合Wiener反卷积滤波器.与单传感器情形相比,可提高滤波精度.仿真例子说明了所提出方法的有效性.

摘要： @@运动模糊是摄影中的常见问题，其产生原因是相机和景物在曝光时发生了相对位移。由于位移运动的任意性，自然图像的多样性，以及各种噪声的复杂性，使得图像去模糊问题变得非常困难。近年来，人们针对一类特殊的运动模糊图像进行卓有成效的研究。

摘要： 利用卷积程序计算了探测器的时间响应函数，上升时间常数1ns，下降时间常数20ns。编写了反卷积计算程序，对实验波形进行了数据还原和恢复，经过反卷积还原后的波形在时间响应上与闪烁探测器所测波形进行了比对，取得了很好的一致性，可直接用于高能脉冲X射线能谱计算。给出了反卷积信号还原系统所产生的误差，误差为16％。

摘要： 本文以高压纳秒脉冲真空闪络实验平台为基础,侧重于对采集的纳秒脉冲信号作后期的数字信号处理。首先用方波发生器对整个测量系统进行标定,依据最小二乘法对标定得到的输入输出数据进行辨识确定系统的冲击响应,根据得到的冲击响应,用反卷积的方法重建纳秒脉冲电压信号。其次将小波分析的方法应用到纳秒脉冲信号的去噪中,通过实验的方法确定了最优小波,根据纳秒脉冲信号的特点提出了时变3σ软阈值去噪法并和常规的小波去噪方法进行了对比。结果表明这种方法明显优于传统的全局阈值的去噪方法,而且算法简单。

摘要： 在实验测试泡沫金属材料的动态性能时,由于其所具有的特殊性能使得传统的SHPB技术的采用遇到较大的困难.本文为了实验确定泡沫金属材料的初始动力坍塌强度和"平台"应力,研究其应变率效应,在现有SHPB实验装置的基础上,利用反分析法中的反卷积技术,通过计算机模拟给出了该实验装置的传递函数,完善了SHPB实验的数据处理系统,为实验研究泡沫材料的动态特性提供了一种有效的方法.

摘要： 随着多孔材料的不断涌现和实验精度要求的日益提高,采用传统的SHPB技术研究其动态特性会遇到较大的困难.本文在现有SHPB实验装置的基础上,利用反分析法中的反卷积技术,通过计算机模拟给出了该实验装置的传递函数,完善了SHPB实验的数据处理系统,为实验研究多孔材料的动态特性提供了一种有效的方法。

摘要： Nose-to-nose校准技术通过将三台取样示波器两两对接,可以求得每台示波器的冲激响应.在实践中,示波器是通过同轴适配器两两连接的,因此同轴适配器的特性对校准结果有一定的影响.本文分析了同轴适配器对校准结果的影响,并设计了实验方案对同轴适配器的时域特性进行了测量,采用反卷积算法去除了数据中同轴适配器的影响,提高了校准精度.同时本文以ISO指南的规范为基础,研究了去除同轴适配器引入的不确定度.

摘要： 图像盲去模糊(Blind image deblurring,BID)是一种不适定求逆问题,针对其需事先假定模糊核函数模型或图像先验信息的缺点,借鉴交替方向乘子法(alternating direction method of multipliers,ADMM)在解决求逆问题时的模块化计算思想,提出基于交替方向乘子法的运动图像盲去模糊算法,能够实现无约束条件下的模糊核和原始图像的快速估计.实验结果表明,该算法在图像去模糊和计算时间缩减等方面均可获得较好的效果.

摘要： 图像盲去模糊(Blind image deblurring,BID)是一种不适定求逆问题,针对其需事先假定模糊核函数模型或图像先验信息的缺点,借鉴交替方向乘子法(alternating direction method of multipliers,ADMM)在解决求逆问题时的模块化计算思想,提出基于交替方向乘子法的运动图像盲去模糊算法,能够实现无约束条件下的模糊核和原始图像的快速估计.实验结果表明,该算法在图像去模糊和计算时间缩减等方面均可获得较好的效果.

摘要： 本发明提供一种基于反卷积和去噪卷积的信道估计方法，涉及通信技术领域。本发明首先基于原始信道信息获取导频点信息，然后通过反卷积网络对导频点信息进行插值处理，拟合出初始完整信道信息，再通过去噪卷积网络DnCNN实现去噪处理，得到信道估计值。本发明利用反卷积网络对导频信道信息进行插值拟合，有效地利用了导频点信息间的关联信息，并通过去噪卷积网络DnCNN对提取出的初始完整信道信息进行去噪处理，得到更加精确的信道估计值，本发明在信道估计的过程中，有效降低了数据失真和信道噪声的影响，从而提高了信道估计的精度。

摘要： 本发明公开了一种基于卷积神经网络的细胞反卷积预测方法，该方法属于细胞反卷积预测领域。使用卷积神经网络技术从单细胞RNA测序数据中推测组织的细胞类型组成比例，与传统的细胞反卷积算法相比，解决了传统反卷积需要进行复杂的数据预处理，并需要设计数学算法对单细胞测序数据进行规范化等弊端。本发明设计的卷积神经网络可以从单细胞RNA测序数据中提取出隐藏特征，并且网络节点对数据的噪音和误差具有很高的鲁棒性，并充分挖掘了各个基因之间的内在联系，因而提高了细胞反卷积性能，同时模型是建立在神经网络的基础上的，与传统的线性模型，机器学习等方法相比，模型结构直观易于理解，并且具有更好的反卷积性能和高度的扩展性。

摘要： 本公开涉及利用卷积硬件对特征数据进行反卷积处理的方法和装置。提供的方法包括：将特征图和反卷积核读入到片上存储器中，并对特征图进行补零处理；基于反卷积核确定多个卷积核；去除每个卷积核中全部元素为无效权重的行和/或列以获得优化卷积核，并去除补零后的特征图中的对应的行和/或列以获得与每个优化卷积核对应的优化特征图；利用乘加阵列对各个优化卷积核和对应的优化特征图进行卷积处理以获得多个卷积输出；以及对多个卷积输出进行交织合成处理以获得交织合成输出，其至少包括与特征图和反卷积核对应的反卷积输出。本公开可以减小硬件复杂度，节省芯片面积开销和功耗开销；通过优化处理减少大量的无效运算，提升卷积硬件的运行效率。

摘要： 本发明提供了一种基于卷积‑反卷积神经网络的图像识别、校正方法和装置，通过构建卷积‑反卷积神经网络模型；为训练集中的至少一张图片样本构建对应的标注图；训练卷积‑反卷积神经网络模型，利用训练后的所述卷积‑反卷积神经网络模型和预设的几何约束，识别待检测图片中的图像主体。本发明提供的方案实现了对图片中的图像主体的识别。

摘要： 一种基于交替反卷积与卷积的特征图增强的图像检测优化方法，通过交替反卷积与卷积进行特征图增强，使用卷积神经网络中不同的层，预测不同尺度的目标，并重新构建用来进行目标分类与回归的预测层，最后经网络训练后得到目标检测器进行图像检测并得到优化后的目标框。通过本发明改进的网络结构，可以很容易移植到主流的目标检测网络架构中，很大程度增强特征，且保留图像中小目标特征，促进检测效果，即使在低分辨率的图像输入条件下，依然取得优异的效果。

摘要： 本申请提供一种三维反卷积加速方法及三维反卷积硬件加速架构。所述方法包括：利用候选反卷积核的尺寸、预设的变换强度和反卷积步长预先确定候选输入块的尺寸、待运算数据块的尺寸以及输出数据块的尺寸后，分别利用对应的二维预设前处理矩阵和前处理转置矩阵对候选输入块和候选反卷积核进行变换，并将各自得到的前处理数据块进行逐元素相乘，得到待运算数据块，再利用二维预设后处理矩阵和后处理转置矩阵对待运算数据块进行变换，最终得到候选输入块所对应的输出数据块。整个方法利用反卷积计算前后数据之间的关联性，将常规三维反卷积的乘法累加操作转化为前后处理和逐元素乘法，可以减少乘法次数，降低计算复杂度，从而极大地提高了计算效率。

摘要： 本发明公开了一种基于卷积神经网络的细胞反卷积预测方法，该方法属于细胞反卷积预测领域。使用卷积神经网络技术从单细胞RNA测序数据中推测组织的细胞类型组成比例，与传统的细胞反卷积算法相比，解决了传统反卷积需要进行复杂的数据预处理，并需要设计数学算法对单细胞测序数据进行规范化等弊端。本发明设计的卷积神经网络可以从单细胞RNA测序数据中提取出隐藏特征，并且网络节点对数据的噪音和误差具有很高的鲁棒性，并充分挖掘了各个基因之间的内在联系，因而提高了细胞反卷积性能，同时模型是建立在神经网络的基础上的，与传统的线性模型，机器学习等方法相比，模型结构直观易于理解，并且具有更好的反卷积性能和高度的扩展性。

摘要： 本公开涉及利用卷积硬件对特征数据进行反卷积处理的方法和装置。提供的方法包括：将特征图和反卷积核读入到片上存储器中，并对特征图进行补零处理；基于反卷积核确定多个卷积核；去除每个卷积核中全部元素为无效权重的行和/或列以获得优化卷积核，并去除补零后的特征图中的对应的行和/或列以获得与每个优化卷积核对应的优化特征图；利用乘加阵列对各个优化卷积核和对应的优化特征图进行卷积处理以获得多个卷积输出；以及对多个卷积输出进行交织合成处理以获得交织合成输出，其至少包括与特征图和反卷积核对应的反卷积输出。本公开可以减小硬件复杂度，节省芯片面积开销和功耗开销；通过优化处理减少大量的无效运算，提升卷积硬件的运行效率。

摘要： 本发明提供一种基于反卷积和去噪卷积的信道估计方法，涉及通信技术领域。本发明首先基于原始信道信息获取导频点信息，然后通过反卷积网络对导频点信息进行插值处理，拟合出初始完整信道信息，再通过去噪卷积网络DnCNN实现去噪处理，得到信道估计值。本发明利用反卷积网络对导频信道信息进行插值拟合，有效地利用了导频点信息间的关联信息，并通过去噪卷积网络DnCNN对提取出的初始完整信道信息进行去噪处理，得到更加精确的信道估计值，本发明在信道估计的过程中，有效降低了数据失真和信道噪声的影响，从而提高了信道估计的精度。

摘要： 本发明公开了一种基于3D卷积反卷积和生成对抗网络的医学图像降噪方法，步骤包括：采集高噪全身扫描3D图像和低噪全身扫描3D图像并分类存放，对所述高噪全身扫描图像和低噪全身扫描图像进行预处理，使得上述数据能够直接用于模型训练；采用处理后的数据训练基于3D卷积反卷积和生成对抗网络的卷积神经网络；利用训练后的卷积神经网络对高噪图像降噪，得到高质量图像。本发明利用相关图像通过3D卷积和反卷积提取图像的空间信息，学习相邻切片的特征和关系，对图像进行精确降噪。