针对串行抵消列表翻转(Successive Cancellation List Flip,SCLF)译码算法存在译码性能与复杂度不能同时兼顾的问题,提出了一种快速串行抵消列表翻转(Fast Successive Cancellation List Flip,FSCLF)译码算法。该算法通过加入四种特殊...
详细信息
针对串行抵消列表翻转(Successive Cancellation List Flip,SCLF)译码算法存在译码性能与复杂度不能同时兼顾的问题,提出了一种快速串行抵消列表翻转(Fast Successive Cancellation List Flip,FSCLF)译码算法。该算法通过加入四种特殊结点的识别来加快译码速率,同时构建了临界集(Critical Set,CS),不再依据先前译码错误而引起的错误传播,而是通过两种特殊结点即信息比特R1结点和单奇偶校验(Single-Parity-Check,SPC)结点分别对对数似然比(LogLikelihood Ratio,LLR)值进行计算来判决并确定翻转位置,当奇偶校验位不满足时只需翻转与最不可靠输入LLR值相对应的信息比特,这样减少了翻转次数,从而降低了算法复杂度。仿真结果表明:在误块率为10-5时,所提出的FSCLF译码算法比原SCLF译码算法的信噪比改善了0.09dB,为中短码长情况提供了参考算法。
针对遥感图像微小目标检测中存在的浅层细化特征、深层语义表征和多尺度信息提取3个问题，提出一种综合运用多项技术的跨尺度YOLOv7 (cross-scale YOLOv7, CSYOLOv7)网络。首先，设计跨阶段特征提取模块(cross-stage feature extraction module, CFEM)和感受野特征增强模块(receptive field feature enhancement module, RFFEM)。CFEM提高模型细化特征提取能力并抑制浅层下采样过程中特征的丢失，RFFEM加大网络对深层语义特征的提取力度，增强模型对目标上下文信息获取能力。其次，设计跨梯度空间金字塔池化模块(cross-gradient space pyramid pool module, CSPPM)有效融合微小目标多尺度的全局和局部特征。最后，用形状感知交并比(shape-aware intersection over union, Shape IoU)替换完全交并比(complete intersection over union, CIoU),提高模型在边界框定位任务中的精确度。实验结果表明，CSYOLOv7网络在DIOR(dataset for image object recognition)数据集和NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)数据集上分别取得了74%和89.6%的检测精度，有效提升遥感图像微小目标的检测效果。
暂无评论