为了更好帮助学校科研团队开展优秀成果的宣传与推介，加速学校科技成果转化运用，广州中山大学科技园有限公司将持续征集并发布学校优秀科技成果。
成果一：一种用于提高单光子雪崩二极管成像分辨率的可重构系统
所属领域
电子信息
成果简介
激光雷达深度传感系统是采用激光脉冲的飞行时间实现测距和成像的系统。它通过主动发射激光光束至目标物体，并检测反射光束的飞行时间或相位变化来探测物体间的距离。工作在反偏电压高于雪崩击穿电压的盖格模式下的单光子雪崩二极管(single photon avalanche diode，SPAD)，理论上只需少量入射光子便能在强电场下引起雪崩效应，具有非常高的光电转换增益。在已有的基于SPAD激光雷达深度感知成像系统中，SPAD及其相应的前端电路组成像素单元的方式是固定的，即每个像素由若干固定不变的SPAD及相应的前端电路构成。面对大阵列高分辨率的深度感知成像需求，如果按比例直接增加像素数量的方法不仅造价高昂，而且面临着SPAD大面积分布导致的像素一致性差等问题。
为了解决现有技术存在的问题，本成果提供了一种用于提高单光子雪崩二极管成像分辨率的可重构系统，包括：K个由m1×m2个SPAD及相应的前端电路组成的可重构像素模块；多路选择器，用于选取n1×n2个SPAD及其相应的前端电路进行组合或切换，n1×n2个SPAD及其相应的前端电路构成一个像素单元；信号处理电路，用于处理、量化像素单元的输出，获得距离信息量化结果；重构模式控制电路，其输入端与信号处理电路的输出端连接，用于在像素重构模式下接收信号处理电路发送的距离信息转化完成信号；其输出端与多路选择器的选通控制端连接，用于产生一个用于切换像素重构模式的短脉冲信号，从而控制多路选择器重新选取可重构像素模块中的像素单元。本发明能有效地提高SPAD成像系统的分辨率，并且不需要按比例增加芯片面积。
合作需求
技术转让、技术许可
成果二：一种图像压缩重构方法
所属领域
电子信息
成果简介
针对压缩感知(Compressed Sensing ,CS)重构问题，已经提出了多种方法，可分为两类：传统的CS重构算法和基于深度学习的CS算法。传统的CS重建方法存在计算复杂度较高、重建质量较低的缺点。与传统方法相比，基于深度学习的CS方法取得了良好的效果，提高了重建精度，降低了计算复杂度。然而，大多数基于深度学习的CS方法往往使用复杂的模型，并依赖于大规模的数据集进行训练。
为了解决现有问题，本成果提供了一种图像压缩重构方法，该方法首先根据字典基组和字典系数确定待处理图像的稀疏基，得到初始重构图像向量；然后采用非线性函数对初始重构图像向量进行平滑化处理，得到第一重构图像向量；随后将第一重构图像向量与测量矩阵相乘，得到压缩感知测量向量；并根据第一损失函数确定压缩感知测量向量的第一误差；根据第一误差，更新字典基组和字典系数；最后将预测重构图像作为待处理图像，返回执行根据字典基组和字典系数确定待处理图像的稀疏基，得到初始重构图像向量的步骤，直至符合预设的迭代结束条件，得到目标重构图像。该方法通过学习原始图像的字典基组，有效地结合了图像连续性质的知识和字典学习的稀疏表示能力，可以高质量地重建原始图像，并且可以采用只有三层的轻量级模型，实现轻量级地进行图像重构，适合在资源受限的环境中进行部署。
合作需求
技术转让、技术许可
成果三：基于压缩感知的图像信息无线传输方法
所属领域
电子信息
成果简介
随着图像与视频等大数据的爆炸性增长，比如4K/8K视频等，需要提升其传输的速率。其中一个有效的途径就是采用频带更宽的毫米波和mm太赫兹频段。由于其更短的波长，毫米波/太赫兹5G/6G通信中可以采用规模更大的多天线阵列技术，从而可以采用多输入-多输出(MIMO，Multiple lnputs Multiple Outputs)空间复用技术来进一步提升通信的速率。毫米波/太赫兹MIMO探索了空间自由度，为频谱分享提供一个新维度，以增加数据容量并减少延迟。而且，大量、紧密的毫米波/太赫兹基站大大地增加了网络覆盖率，提升了高流量、高密度通信所需的大容量。然而，虽然现有的多输入-多输出(MIMO)空间复用技术的带宽大，但是图像与视频大数据的维度和自由度也大，单纯靠增加空间复用技术的带宽，不能充分提高图像信息的无线传输速度和效率。
本成果提供了一种基于压缩感知的图像信息无线传输方法，该方法首先在发送端对原始图像信息进行划分获得多个子图像信息，获取各所述子图像信息对应的共同基组，然后根据缩感知测量矩阵对发送端多输入-多输出天线阵列进行调制，获得子图像的变换信息，最后在接收端通过多输入-多输出天线阵列接收发送端传输过来的子图像变换信息，通过压缩感知还原神经网络对子图像进行还原。本成果通过将原始图像信息变换为维度更低的子图像变换信息，可以提高传输速度；通过图像/视频帧伪随机矩阵的线性乘积变换，可以减少传输的等效噪声，增加信噪比，可以在不增加空间复用技术的带宽的情况下，提高图像信息的无线传输速度和效率。
合作需求
技术转让、技术许可
成果四：一种基于概率再生核函数的实体分类方法及系统
所属领域
电子信息
成果简介
分类识别算法可用于图像分类中的多个场景：例如在门禁系统及支付系统需要人脸、指纹、虹膜的分类识别；在智能辅助驾驶和自动驾驶领域需要车牌、路标、信号灯检测等的分类识别等等。但是目前的分类算法无法实现域自适应的分类操作。根据大数定理，自然界的各种分布比较偏向于高斯分布，这是高斯核函数在各个数据集上表现都不错的因素。但是，平坦衰落信号服从瑞利分布，如果使用过高斯核函数可能效果就会差很多。目前关于核函数没有考虑到数据集的概率分布，导致目前的分类识别算存在精度不高的问题。
本成果提供了一种基于概率再生核函数的实体分类方法及系统，该方法首先获取输入数据并将输入数据映射至希尔伯特空间，得到映射数据；然后引入概率核函数，考虑输入数据的概率分布优化协方差矩阵，得到优化后的概率核函数；接着基于优化后的概率核函数将映射数据投影至RKHS子空间，并根据预设准则学习生成最优子空间，得到分布优化后的数据；最后基于分类算法对分布优化后的数据进行处理，输出分类结果。该方法在数据分类中引入了概率核函数，针对具体数据库的概率分布来优化相关概率核函数的协方差矩阵来获得最佳的再生核希尔伯特空间数据分类，使得域自适应的分类结果更加准确，可广泛应用于分类识别领域。
合作需求
技术转让、技术许可
如您有成果发布或成果对接意向，欢迎联系
秦杰
020-84112410，13560237601
陈湘鹏
020-84115268，15875072084
 |
 |
 |
| 服务号 | 订阅号 | 微博 |
