1058476視頻監(jiān)控系統(tǒng)搭建的編碼器

1058476視頻監(jiān)控系統(tǒng)搭建的編碼器AFM60E-BHAC004096光電編碼器的高分辨率光柵定位系統(tǒng)。實(shí)現(xiàn)了基于比例--積分--微分（Proportion Integration Differentiation, PID）的高精度閉環(huán)調(diào)速控制技術(shù),以驅(qū)動BLDCM帶動光柵的轉(zhuǎn)動。同時(shí),高精度光電編碼器快速檢測并反饋光柵的角位置,細(xì)分電路對編碼器的輸出信號作進(jìn)一步細(xì)分。將輸出信號的分辨率從16000點(diǎn)/圈提升至2048000點(diǎn)/圈,地提升了光柵定位系統(tǒng)的整體分辨率。通過實(shí)驗(yàn)測試了光柵掃描速度、波長重復(fù)性和波長準(zhǔn)確度等性能指標(biāo),驗(yàn)證了光柵定位的精度和分辨率。 仿生嗅覺系統(tǒng)又稱電子鼻系統(tǒng),是一個由氣體傳感器陣列、信號預(yù)處理單元和模式識別算法組成的用于氣體識別的系統(tǒng)。當(dāng)待測氣體通入系統(tǒng)時(shí),傳感器陣列根據(jù)氣體特性產(chǎn)生電信號響應(yīng),然后利用信號預(yù)處理單元對響應(yīng)信號進(jìn)行處理,后將其輸入模式識別算法模型以實(shí)現(xiàn)氣體判別。傳感器漂移在仿生嗅覺系統(tǒng)中持續(xù)發(fā)生,難以預(yù)測。漂移會造成傳感器的輸出響應(yīng)異常,改變其所采集的氣體樣本的數(shù)據(jù)分布,進(jìn)而劣化預(yù)先訓(xùn)練完成的模式識別算法性能,影響氣體的識別準(zhǔn)確率。當(dāng)前大多數(shù)漂移補(bǔ)償算法均為離線算法,此類方法雖然獲得了較好的識別效果,但難以部署到現(xiàn)實(shí)應(yīng)用中。本文引入遷移學(xué)習(xí)的思想,將時(shí)間軸上先后兩個時(shí)間段內(nèi)所采集到的傳感器輸出響應(yīng)樣本集分別作為源域和目標(biāo)域。針對離線算法的局限性,本文提出了兩種傳感器在線漂移補(bǔ)償算法以實(shí)現(xiàn)目標(biāo)域樣本的準(zhǔn)確識別,增強(qiáng)識別模型的魯棒性,進(jìn)而達(dá)到延長仿生嗅覺系統(tǒng)使用壽命的目的。1.基于子空間分布自適應(yīng)的傳感器在線漂移補(bǔ)償算法。該算法通過構(gòu)造測地線核將源域樣本與目標(biāo)域樣本嵌入到流形子空間中,然后引入條件分布自適應(yīng)和流形正則化以減小域間特征的分布差異,并利用結(jié)構(gòu)風(fēng)險(xiǎn)小化原則構(gòu)建分類器。由于漂移是一個持續(xù)發(fā)生的動態(tài)過程,算法利用了格拉斯曼流形空間上的幾何性質(zhì),將每次分類后獲得預(yù)測標(biāo)簽的漂移樣本通過源域重構(gòu)引入到下一輪的分類器訓(xùn)練中,從而實(shí)現(xiàn)了分類模型的在線更新。2.基于稀疏自編碼器的傳感器在線漂移補(bǔ)償算法。該算法在不借助任何目標(biāo)域樣本的前提下完成稀疏自編碼器與分類器的訓(xùn)練。當(dāng)目標(biāo)域樣本到達(dá)時(shí),將其輸入稀疏自編碼器中以獲得包含源域非線性結(jié)構(gòu)的重構(gòu)表示,減小其與源域特征分布的偏差,然后對該重構(gòu)表示進(jìn)行特征增強(qiáng)以保持重構(gòu)樣本在原始目標(biāo)域空間下的特性,后將增強(qiáng)后的樣本帶入源域分類器中,完成樣本的分類識別。通過氣體傳感器陣列漂移公開數(shù)據(jù)集對本文提出的兩種算法進(jìn)行實(shí)驗(yàn),結(jié)果驗(yàn)證了算法的有效性。針對光柵莫爾信號正弦性誤差補(bǔ)償過程中波形方程建立準(zhǔn)確性影響誤差補(bǔ)償效果的問題,提出了一種根據(jù)實(shí)際細(xì)分倍數(shù)要求進(jìn)行波形建模的方法。在基于粒子群算法的光柵莫爾信號正弦性誤差補(bǔ)償原理的基礎(chǔ)上,說明信號波形方程建立的重要性;針對波形方程建立時(shí)諧波選取問題,量化直流漂移及各次諧波含量帶來的角度誤差情況,為波形方程建立提供參考;利用仿真實(shí)驗(yàn)驗(yàn)證了模型建立的有效性,并在FPGA平臺上實(shí)現(xiàn)PSO算法對信號波形參數(shù)的求解,對比波形方程在不同維數(shù)的情況下對資源占用的影響;終搭建光柵系統(tǒng)平臺對本文所提方法有效性進(jìn)行驗(yàn)證,結(jié)果表明該補(bǔ)償方法能夠有效減小信號中的正弦性誤差成分.

增強(qiáng)是提高語音質(zhì)量與可懂度的關(guān)鍵技術(shù),在語音識別、語音通話、電話會議和聽力輔助等領(lǐng)域具有廣泛應(yīng)用前景與重要研究價(jià)值.從模型方法、數(shù)據(jù)集、特征、評估指標(biāo)等方面,對單聲道語音增強(qiáng)研究工作的發(fā)展現(xiàn)狀進(jìn)行了全面調(diào)研和深入分析.1)對傳統(tǒng)的與基于機(jī)器學(xué)習(xí)的單聲道語音降噪以及語音去混響的已有研究工作進(jìn)行了梳理分類,簡要介紹了典型方法的研究思路,并對不同方法的實(shí)驗(yàn)結(jié)果進(jìn)行了綜合比較;2)對在實(shí)驗(yàn)與結(jié)果評估過程中所涉及到的常用數(shù)據(jù)集、常見特征、學(xué)習(xí)目標(biāo)與評估指標(biāo)等進(jìn)行了整理與介紹;3)對目前單聲道語音增強(qiáng)仍然面臨的主要問題與挑戰(zhàn)進(jìn)行了總結(jié).

1058476視頻監(jiān)控系統(tǒng)搭建的編碼器AFM60E-BHAC004096基于混合視頻編碼框架,主要包括基于塊的幀內(nèi)/幀間預(yù)測、變換、量化、熵編碼以及環(huán)路濾波等步驟。在視頻信號平穩(wěn)性的假設(shè)前提下,HEVC中的各個模塊依據(jù)信號處理理論人工設(shè)計(jì)。然而,實(shí)際中的視頻信號往往是非平穩(wěn)信號,這就導(dǎo)致HEVC各個模塊的設(shè)計(jì)不是那么從而無法有效去除視頻信號內(nèi)存在的冗余,限制了視頻編碼性能的提升。一方面,HEVC幀間預(yù)測的參考內(nèi)容為與當(dāng)前幀相鄰的多參考幀。這些參考幀中的內(nèi)容往往高度相似,從而造成有限的參考緩存空間的浪費(fèi)。此外,在交通監(jiān)控視頻中,外表相似的車輛重復(fù)出現(xiàn),背景保持長期穩(wěn)定,而多參考幀機(jī)制無法有效利用這一先驗(yàn)特性;另一方面,HEVC幀內(nèi)編碼模式中采用的離散余弦變換或離散正弦變換為非的線性變換,當(dāng)前變換塊變換后的系數(shù)間可能依然存在相關(guān)性。此外,考慮到HEVC幀內(nèi)預(yù)測為簡單的角度預(yù)測,當(dāng)前變換塊系數(shù)與周圍塊系數(shù)之間的相關(guān)性可能依然存在。針對HEVC中存在的上述問題,本文分別提出了基于參考信息建模的幀間預(yù)測編碼方法和基于深度學(xué)習(xí)建模的變換系數(shù)預(yù)測編碼方法。其中,前者包含面向通用視頻設(shè)計(jì)的基于圖像片的幀間預(yù)測參考信息模型和面向交通監(jiān)控視頻設(shè)計(jì)的基于庫的前、背景參考信息模型,后者包含基于深度學(xué)習(xí)的變換系數(shù)熵編碼方案和基于深度學(xué)習(xí)的變換系數(shù)預(yù)測方案。論文的主要工作和創(chuàng)新如下:（1）本文針對HEVC中多參考幀機(jī)制可能存在的參考緩存空間浪費(fèi)問題提出了基于圖像片的幀間預(yù)測參考信息模型。在限定的參考緩存空間內(nèi),通過將部分的參考幀空間用來存儲比參考幀粒度更小的圖像片（從參考幀上截取的子圖）,在平衡視頻信號噪聲的同時(shí),參考緩存空間中可以包含更多被遮擋物體的露出部分,從而可以為幀間預(yù)測建立更加的參考信息模型。為了實(shí)現(xiàn)基于圖像片的幀間預(yù)測參考信息模型,本文設(shè)計(jì)了相應(yīng)的圖像片生成、圖像片管理以及圖像片利用模塊。我們將基于圖像片的幀間預(yù)測參考信息模型實(shí)現(xiàn)在HEVC的編碼框架下,實(shí)驗(yàn)結(jié)果表明,本文提出的基于圖像片的幀間預(yù)測參考信息模型可以顯著提升視頻編碼的性能。（2）本文基于觀察到的交通監(jiān)控視頻中存在的前、背景長期重復(fù)特性提出了基于庫的前、背景參考信息模型。在交通監(jiān)控視頻的前期,我們將背景和車輛提取出來,分別去除所提背景和車輛之間存在的冗余性,將剩余的車輛和背景保存在數(shù)據(jù)庫中。在后期的交通監(jiān)控視頻編碼中,待編碼視頻幀分割出的車輛和背景可以通過檢索匹配數(shù)據(jù)庫中的車輛和背景,從而為待編碼視頻幀提供更加的參考信息。我們將基于庫的前、背景參考信息模型實(shí)現(xiàn)在HEVC的編碼框架下,實(shí)驗(yàn)結(jié)果表明,本文為交通監(jiān)控視頻提出的基于庫的前、背景參考信息模型在實(shí)際拍攝的交通監(jiān)控序列上可以顯著提升視頻編碼的性能。（3）本文針對HEVC中變換系數(shù)之間仍然存在的相關(guān)性提出了基于深度學(xué)習(xí)建模的變換系數(shù)預(yù)測編碼方法。由于變換系數(shù)之間的相關(guān)性采用傳統(tǒng)方法難以描述,本文采用深度學(xué)習(xí)技術(shù)中的.