项目名称: 线性正则变换域多通道采样理论及其在图像超分辨重建中的应用

项目编号: No.61301283

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 魏德运

作者单位: 西安电子科技大学

项目金额: 25万元

中文摘要: 多通道采样是提高模数转换速率的关键技术,然而随着信息化的不断深入,目前传统傅里叶变换域多通道采样已不能满足实际需要,尤其无法处理通信、雷达信息系统宽带和非平稳信号的采样重建问题。本项目将引入线性正则变换(LCT)域信号处理技术,研究多通道采样重构理论及应用。根据LCT在信号分析中的时频分析特性,其多通道采样理论为宽带非平稳信号重构提供了新的理论工具。项目解决的关键问题包括:借助LCT域滤波方式,建立LCT域一维和多维信号的多通道采样理论;并利用多维导数采样和周期非均匀采样分别给出图像缩放的新算法以及图像/视频的超分辨分析;建立LCT域带限信号插值和采样恒等结构,并据此给出LCT域一维和多维多通道采样的滤波器组高效插值和重建方法。本项目的研究成果将为光电系统非平稳信号处理奠定理论基础;为图像/视频的超分辨分析提供新的研究思路;为通信技术的多路复用以及并行采样模数转换系统设计提供理论依据。

中文关键词: 多通道采样;线性正则变换;变换域;滤波器;图像超分辨

英文摘要: Multichannel sampling is a key technique to improve the rate of the analog-to-digital conversion. However, with the deepening of information technology, the multichannel sampling with traditional Fourier transform domain can not meet the actual needs. In particular, it is unable to handle the sampling reconstruction problem of broadband and non-stationary signals associated with communication, radar information systems. The project will introduce a signal processing technique with linear canonical transform (LCT) domain, and then study multichannel sampling and its applications. According to the time-frequency analysis characteristic of the LCT, multichannel sampling associated with LCT provides a new theoretical tool for the broadband and non-stationary signal reconstruction. Key issues addressed by the project include the following three things. First, establish multichannel sampling theory in LCT domain for one-dimensional and multi-dimensional signals based on the LCT domain filtering ways. Second, develop interpolation and sampling identity structure of band-limited signals in the LCT domain through analyzing sampling rate conversion. Then, design effcient filter bank interpolation and reconstruction methods for one-dimensional and multi-dimensional multichannel sampling using the identity structure. Last,

英文关键词: multichannel sampling;linear canonical transform;transform domian;filterbank;image super-resolution

成为VIP会员查看完整内容
0

相关内容

基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
虚拟数字人应用技术与发展路径
专知会员服务
99+阅读 · 2021年11月3日
专知会员服务
27+阅读 · 2021年9月6日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
80+阅读 · 2020年12月18日
【2020新书】傅里叶变换的离散代数,296页pdf
专知会员服务
113+阅读 · 2020年11月2日
基于 TensorFlow Lite 的 OCR:一款崭新的示例应用
TensorFlow
1+阅读 · 2021年10月28日
图像/视频去噪算法资源集锦
专知
18+阅读 · 2019年12月14日
语义分割中的Attention和低秩重建
极市平台
37+阅读 · 2019年9月1日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
大讲堂 | 基于小波变换的图卷积神经网络
AI研习社
12+阅读 · 2019年1月3日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
微信美女研究员:详解CNN在语音识别中的应用
机械鸡
13+阅读 · 2017年7月28日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Challenges for Open-domain Targeted Sentiment Analysis
Arxiv
0+阅读 · 2022年4月14日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
虚拟数字人应用技术与发展路径
专知会员服务
99+阅读 · 2021年11月3日
专知会员服务
27+阅读 · 2021年9月6日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
35+阅读 · 2021年2月20日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
80+阅读 · 2020年12月18日
【2020新书】傅里叶变换的离散代数,296页pdf
专知会员服务
113+阅读 · 2020年11月2日
相关资讯
基于 TensorFlow Lite 的 OCR:一款崭新的示例应用
TensorFlow
1+阅读 · 2021年10月28日
图像/视频去噪算法资源集锦
专知
18+阅读 · 2019年12月14日
语义分割中的Attention和低秩重建
极市平台
37+阅读 · 2019年9月1日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
大讲堂 | 基于小波变换的图卷积神经网络
AI研习社
12+阅读 · 2019年1月3日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
微信美女研究员:详解CNN在语音识别中的应用
机械鸡
13+阅读 · 2017年7月28日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员