中国电子学会信息论分会周炯盘优秀研究生学位论文奖

合集下载

通信网理论基础（修订版）教学配套课件周炯槃讲义

)不可靠度
F5
不可靠度
（1 F5）[1 （1 F1F2 )(1 F3F4）]
F5[1 (1 F1)(1 F3 )][1 (1 F2 )(1 F4 )]
忽略高次项 F F1F2 F4 F3
40
桥割集法
1
4
3
2
5
图14
割集有：12 135 234 45 似乎有：
F F1F2 F1F3F5 F2F3F4 F4F5
1 平均修复时间
α
R
F
β 图3
8
设α，β为常量，与时间无关 t+Δt处于R态:
t运行，t t+Δt 内无故障，概率为R（t）·（1--αt）
t失效，t t+Δt内修复，概率为[1-R(t)]·βΔt
9
状态方程：
R(t+Δt)= R（t）·（1-αΔt ）+ [1R(t)]·βΔt
导数定义： R' (t )
3 1- R3
0.9 R3
0
52
解得
R1
R2
R3
0.9 0.9
0.9 0.9
0.9 0.9
1 2 3
用R R1R2R3 0.9
求得 -56
R1 0.983 得 R2 0.965
R3 0.949 代价 x 25.7
53
§2 通信网的可靠性
一、对网可靠集的认识 1、全网（观点）：网分二个部分以上则失效。可靠集={任二未失效端均有径} 失效集={某二端无径}
第五章通信网的可靠性
不可靠 —无应用价值绝对可靠—不现实故障原因—多样本章研究—基本理论
网可靠性的计算可靠网的设计

北京邮电大学-通信工程导论 (2)

惠普创业的车库，如今已经被美国政府命名为硅谷的诞生地。
17
北邮--历史沿革
北京邮电大学创建于1955年，原名北京邮电学院，是以天津大学电讯系、电话电报通讯和无线电通信广播两个专业及重庆大学电机系电话电报通讯专业为基础组建的，是新中国第一所邮电高等学府，隶属原邮电部。
1959年和1960年北京电信学院及其附属中技部、邮电科技大学先后并入北京邮电学院。1960年北京邮电学院被确定为全国64所重点院校之一。
• 2000年3月23日，贝尔实验室在北京成立了一个新的研究机构――贝尔实验室基础科学研究院。由李大维博士出任研究院院长。该机构先后与北京大学、清华大学、复旦大学及中国科学院建立了 6 个联合实验室。
13
贝尔实验室
下一步发展目标 • 下一代光网络和数据网络 • 新一代通信软件 • 纳米技术 • 网络技术节能模式，网络能效
北邮—辉煌成就
2006年宽带无线移动TDD-OFDM-MIMO技术
•概述：目前中国第1个实现峰值速率高达100 Mbit/s传输速率的宽带 TDD技术；第1个采用宽带TDD-OFDM-MIMO技术的E3G技术；同时, 基于该技术的硬件演示平台是国内首次研制完成的宽带TDDOFDM-MIMO技术演示平台。
邮电部科技进步一等奖 1992年现代密码学基础理论研究邮电部科技进步一等奖 1995年彩色图像编码设备邮电部科技进步一等奖 1999年电信管理网基础软件测试系统信产部科技奖一等奖 1999年 2.5G全光通信系统信产部科技奖一等奖 1999年 VPN业务管理的研究信产部科技奖一等奖
27
14
贝尔实验室
成功之道
•自主创新精神 •科学精神 •团队精神 •宽松的研究环境 •技术商业化

北邮本科毕业论文范文北邮本科生都要进行毕业论文答辩

北邮本科毕业论文范文北邮本科生都要进行毕业论文答辩首先肯定地说，每个人都要答辩。

具体答辩流程简单阐述如下：1、自我介绍，包括姓名、学号、专业。

介绍时要举止大方、态度从容、面带微笑，礼貌得体，争取给答辩小组一个良好的印象。

2.答辩人陈述，自述的主要内容归纳如下：（1）论文标题。

（2）简要介绍课题背景、选题原因及课题现阶段的发展情况。

（3）详细描述有关课题的具体内容，其中包括答辩人所持的观点看法、研究过程、实验数据、结果。

（4）重点讲述答辩人在此课题中的研究模块、承担的具体工作、解决方案、研究结果。

（5）侧重创新的部分。

这部分要作为重中之重，这是答辩教师比较感兴趣的地方。

（6）结论、价值和展望。

对研究结果进行分析，得出结论；新成果的理论价值、实用价值和经济价值；展望本课题的发展前景。

（7）自我评价，答辩人对自己的研究工作进行评价，要求客观，实事求是，态度谦虚。

3、提问与答辩，答辩教师的提问安排在答辩人自述之后，是答辩中相对灵活的环节，有问有答，是一个相互交流的过程。

4、答辩人最后纵观答辩全过程，做总结陈述，包括两方面的总结：毕业设计和论文写作的体会；参加答辩的收获。

答辩教师也会对答辩人的表现做出点评：成绩、不足、建议。

总结答辩教师也会对答辩人的表现做出点评：成绩、不足、建议。

5、致谢，感谢在毕业设计论文方面给予帮助的人们并且要礼貌地感谢答辩教师。

在第一和第二例之间，有“另一个故事”“还有个例子”进行过渡。

这些过渡句，使文章浑然一体。

三个部分分别回答了三个问题：引论部分解答“是什么”的问题；本论部分解答“为什么（有骨气）”的问题；结论部分回答“我们怎么办”的问题。

三个事例都是概括叙述的，每个事例的后面都有几句简短的议论。

这些议论阐明了事件所包含的意义，把事例紧紧地扣在论点上，是论点和论据联系的纽带，否则就就事论事，论点和论据脱节了。

议论文是以议论为主要表达方式的一种文体。

它通过列举事实材料和运用逻辑推理，来阐发，对事物的理解和认识，表明对问题的观点和态度。

北京邮电大学研究生导师个人及科研情况简介

现任北京邮电大学教授、博士生导师、《中国邮电高校（英文）学报》
主编、中国通信学会线路专业委员会委员、中国电子学会电磁兼容分会
传导干扰专业委员会副主任、雷电与脉冲委员会、生物医电委员会委员、电波科学学报编委、IEEE高级会员。研究电磁兼容、计算电磁学、ATM接入设备、计算机安全、通信网络布线、生物医学电子学、远程医疗监护等。他作为项目负责人主持国家八六三重大项目、国家攻关项目等6个项目，其中"核爆电磁脉冲对专用电缆的影响的计算和测试的研究"作为子项目。 1994年获得全军科技进步一等奖。他参加科研多项。在IEEE Trans.、《通信学报》、《电子学报》、《电工技术学报》、《邮电大学学报》、《电波科学学报》等刊物和国际国内重要学术会议上发表论文70余篇，合作专著5部。95年获国务院特殊津贴，96年获北京邮电大学个人先进奖。现从事项目有：八六三项目“实用化的ATM用户接入设备”，项目负责人，总经费800万；自然基金重点项目“电磁兼容的电磁场理论与关键技术”，总经费90万，主要成员；企业合作项目“支持第三代移动通信系统的高速数据交换平台”，总经费260万，主要成员。
舒华英教授
舒华英，男，教授、博士生导师。中国通信学会会士、中国通信学会组织委员会委员、中国邮电企业管理协会理事、中国电子学会工业工程专门委员会副主任。
目前主要进行信息系统及系统集成及IP及其网络管理方面和知识创新、决策管理咨询方面的研究。目前在研的项目有IP电话系统集成、Internet网络有关软件开发、企业科研创新等，可支配经费约100万。可提供助研岗位6人。已毕业的研究生都就业于通信行业及中外合资的IT业。
钟义信教授
钟义信教授目前在信号与信息处理专业招收博士生，在信号与信息处理及模式识别与智能系统专业招收硕士生。目前的研究方向包括：面向Internet的智能信息处理（如智能搜索引擎、智能文献摘要高性能机器翻译等等）、自然语言处理与理解（如基于内容的网络信息安全等）、智能信息网络、信息科学基本理论、信息学－知识论－智能一体化研究。在上述领域或得了信息产业部高等级科技进步奖。已毕业的博士生和硕士生主要从事Internet及各种网络智能化方面的工作，国外如Intel公司、国内如首都信息发展公司等。

北邮信通院导师团队介绍-20110905

韩国汉阳大学（已举办三届2008~2010 ）
国际学术会议(3)
学术团队简介
14个学术团队，16位责任教授
团队构成，科研方向
责任教授：田宝玉、林家儒
• 助手：贺志强、望育梅 • 成员名单：（26人）周炯槃、林家儒、田宝玉、王晓湘、吕铁军赵振纲、王玉良、苏驷希、吴晓非、郭莉罗新龙、吕旌阳、张琳、牛凯、贺志强刘雨、龚萍、林雪红、别志松、马金明望育梅、禹可、李永华、许文俊、张鸿涛徐文波 • 科研方向：通信中的信息处理、信息理论与通信网技术
教授/副教授
2人
49/75 人
学术旗帜
• 周炯槃教授中国工程院院士
• 院学术委员会名誉主任
• 信息通信领域德高望重的学术带头人 • 《信息论》《通信网理论》《通信原理》等多部权威教材的编著者 • 刘韵洁教授中国工程院院士 • 院长、院学术委员会主任 • 中国联合网络通信公司科技委主任 • CHINANET的重要奠基人 • 被美国《时代周刊》评为全球50位数字英雄之一
蔡安妮、李学明、门爱东、王
苏
雷、别红霞微
菲、黄孝建、王海婴、李绍胜、赵衍运
魏
芳、庄伯金、杨
波、刘书昌、唐
贾云鹏、高
盟、赵志诚
• 科研方向：多媒体通信和数字图像处理、数字内容处理技术、数字媒体创意与制作
责任教授：景晓军
• 助手：孙松林
• 成员名单：（8人）
景晓军、孙松林、陈磊、苏放、孙全
责任教授：雷振明
• 助手：刘芳
• 成员名单：（15人）
雷振明、杨张洁、何刚、周文莉、刘芸、阎庆、刘芳华枫琨、于德晨、陈陆颖、窦伊男、于
吴晓春、何大中、谢

p型GaN的掺杂研究

第 26卷第 3期 2005年 3月半导体学报CHIN ESE J OURNAL OF SEMICONDUCTORSVol. 26 No. 3Mar. ,20052004203222收到 ,2004207215定稿○c 2005中国电子学会 p 型 G a N 的掺杂研究金瑞琴朱建军赵德刚刘建平张纪才杨辉(中国科学院半导体研究所集成光电子学国家重点实验室 , 北京 100083摘要 :采用正交实验设计方法设计 p 型 GaN 的生长 , 通过较少的实验 , 优化了影响 p 型 G aN 性质的三个生长参数 :Mg流量、生长温度和Ⅴ /Ⅲ比 . 过量的 Mg 源流量、过高的生长温度、过大的Ⅴ /Ⅲ比都会降低自由空穴浓度 . 还研究了退火温度对 p 型 G aN 的载流子浓度和光学性质的影响 . 实验结果表明 ,700~750℃范围为最佳退火温度 . 关键词 :GaN ; 掺杂 ; 光致发光 ; 热退火PACC :7865K; 7855; 7865中图分类号 :TN304文献标识码 :A 文章编号 :025324177(2005 03205082051引言被称为第三代半导体的 GaN 及其系列材料在光电子器件和微电子器件领域都有重要的应用价值 . GaN 材料和器件的研究都取得了重大进展 , 特别是 GaN 高亮度蓝、绿光发光二极管的商品化和长寿命蓝光激光器的研制成功 [1~3], 是 GaN 器件取得突破的重要标志 . 由于 H 原子的钝化作用 , p 型 GaN 曾经是制约 GaN 器件发展的一个关键因素 , 后来由于激活工艺尤其是快速热退火激活技术的发明 [4,5], 极大地推动了 GaN 材料和器件的发展 .在众多 p 型杂质中 , 由于 Mg 杂质的电离能最小 (大约为 200meV , 在 p 型GaN 中大多采用 Mg 杂质 . GaN ∶ Mg 的生长条件和快速热退火条件对获得高浓度的 p 型 GaN 都是非常重要的 . 虽然目前对影响 p 型 GaN 性质的诸多生长参数都有各自公认的窗口 , 但是要获得最优化的生长参数 , 仍然需要进行大量实验 , 这增加了实验难度和研究成本 . 正交实验设计方法是处理多因素试验的一种科学的试验方法 , 它使用一种规格化的表格———“正交表” 合理安排试验 . 用这种方法只要较少次数的实验便可获得基本上反映全面实验情况的分析资料 , 有效地提高分析效率与分析质量 , 日益受到科学工作者的重视 , 在实践中获得了广泛应用 . 我国从20世纪 60年代开始应用这一方法 ,70年代得到推广 , 已经取得了显著效果 . 本文的目的是优化 Mg 源摩尔数、生长温度和Ⅴ /Ⅲ比这三个影响 p 型 GaN 性质的生长参数 . 当每个生长参数取 3个实验点时 , 通常情况下 , 需要 27次实验才能获得最佳的生长条件 . 本文采用正交实验设计法来设计 p 型 GaN 的生长条件 , 仅需要 9次实验就能完成对这 3个生长参数的优化 . 实验发现 , 过量的 Mg 杂质反而会降低 p 型 GaN 的空穴浓度 . 本文还研究了退火温度对 p 型 GaN 质量的影响 , 实验结果表明 , 在 750℃左右快速热退火能有效激活 Mg 杂质 , 提高p 型浓度 , 而且退火后样品中的 Mg 杂质发光峰明显增强 .2实验本实验中 ,p 型 GaN 样品是以蓝宝石为衬底 , 采用金属有机物化学气相沉积(MOCVD 进行材料生长 . N H 3, TM Ga ,Cp 2Mg 分别为 N 源、 Ga 源、 Mg 源 , H 2为载气 . 生长室压力保持在 217×104Pa. 材料生长过程如下 :首先在蓝宝石衬底上生长一薄层低温 GaN 缓冲层 , 生长温度为 550℃ ; 然后升高温度至 1000多度进行GaN 材料生长 , 同时通入 Mg源进行 p 型掺杂 . p 型 GaN 的厚度为 115μm. 采用正交实验设计方法设计 p 型 GaN 的生长条件 , 优化三个影响 p 型 GaN 性质的生长参数 :Mg 源摩尔数、生长温度、Ⅴ /Ⅲ比 . 每个生长参数取三个实验点 ,Mg 源流速为 013,018和 112μmol/min ; 生长温第 3期金瑞琴等 : p 型 GaN 的掺杂研究度为 1000,1020和 1040℃ ; Ⅴ /Ⅲ比为 800,1000和1260(固定 TM Ga 流速为 33mL/min , 通过改变N H 3流速来改变Ⅴ /Ⅲ比 . 共生长了 9个样品 , 各个样品的生长参数见表 1. 生长后的 p 型 GaN 样品放在 N 2气氛中进行快速热退火 , 退火温度和时间分别为 750℃ ,25min.表 1样品的生长条件和自由空穴浓度Table 1 Growth parameters and the f ree hole concen 2tration of p 2GaN samples样品号生长条件生长温度 /Mg 流量(μ-1Ⅴ /Ⅲ比空穴浓度 / 1016cm -3110000. 38005. 53 210000. 812596. 11 310001. 010005. 88 410200. 312598. 93 510200. 8100012. 3 610201. 08005. 58 710400. 3100010. 46 810400. 88007. 31 910401. 012597. 06另外 , 本文还研究了样品 8在不同退火温度 (650~800℃条件下 Mg 杂质的激活效率 , 退火时间均为 25min.通过霍尔 (Hall 测试获得样品的载流子浓度 . 光致发光谱 (PL 的测试 , 采用波长为 325nm 的 He 2 Cd 激光器作为激发光源 . 所有测试都在室温下进行 .3结果和讨论p 型 GaN 的实现分为两个部分 :GaN ∶ Mg 生长和 Mg 杂质激活 . 要获得高质量的 p 型 GaN 样品 , 需要研究和优化材料生长和退火条件 . 在实验中 , 我们不仅采用正交实验设计方法研究了 Mg 流量、生长温度、Ⅴ /Ⅲ比对样品质量的影响 , 也研究了不同退火温度对样品质量的影响 .首先研究了材料生长过程中 Mg 流量、生长温度、Ⅴ /Ⅲ比等生长参数对样品质量的影响 . 各个样品的自由载流子浓度见表 1.采用直观分析法对以上的正交实验结果进行总结 :对每个参数下所获得的实验结果取平均值 , 然后就可以得到各个参数对实验结果影响的规律 . Mg 流量、生长温度、Ⅴ /Ⅲ比对 p 型 GaN 载流子浓度影响的规律如表 2所示 .表 2利用直观分析法 , 统计得出的不同 Mg 流量、生长温度、Ⅴ /Ⅲ比条件下 p 型 GaN 的空穴浓度Table 2 Free hole concentration of p 2GaN samples with different Cp 2Mg flux , growth temperature or Ⅴ /Ⅲ ratio生长参数空穴浓度 /1016-3实验值总和平均值 Mg 流量/(μmol ・ min -10. 35. 53+8. 93+10. 468. 31 0. 86. 11+12. 3+7. 318. 57 1. 05. 88+5. 58+7. 066. 17生长温度 /℃10005. 53+6. 11+5. 885. 84 10208. 93+12. 3+5. 588. 94 104010. 46+7. 31+7. 068. 28Ⅴ /Ⅲ比8005. 53+5. 58+7. 316. 14 10005. 88+12. 3+10. 469. 55 12596. 11+8. 93+7. 067. 37图 1(a 表示 Mg 流量与样品自由空穴浓度的关系 . 从图上可以看出 , 当 Mg 流量从013μmol/min 增加到018μmol/min 时 , 样品的空穴浓度增加 ; 当 Mg 流量进一步增加到110μmol/min 时 , 样品的空穴浓度反而下降 . p 型 GaN 的生长过程中 ,Mg 原子一般是取代 Ga 位而形成受主 (Mg G a , 从而释放出空穴 . 随着 Mg 流量的增加 , 受主 Mg G a 的浓度也增加 , 在同样的激活工艺条件下 , 有更多的受主释放出空穴 , 所以样品的空穴浓度增加 . 另外 , 由于 GaN 材料中有大量的 N 空位 (V N , 有一部分受主会与 N 空位形成络合物 (Mg G a 2V N , 并表现出施主特性 . 当 Mg 流量进一步增加时 , 过量的 Mg 会与 N 空位形成络合物 Mg G a 2V N , 由于该络合物表现出施主特性 , 于是就形成了自补偿效应 [6,7], 所以过量的 Mg 掺杂反而会导致样品的空穴浓度下降 .图 1(b 表示生长温度与样品空穴浓度的关系 . 从图上看出 , 当生长温度从1000℃提高到 1020℃时 , 样品的空穴浓度增加 , 当生长温度进一步增加到 1040℃时 , 样品的空穴浓度下降 . 在材料生长中 , 生长和解吸附是同时存在的两个过程 , 当生长温度从 1000℃提高到 1020℃时 , 生长过程占优势 , 有更多的 Mg 杂质参与生长 , 取代 Ga 位而形成受主 Mg G a , 从而样品的空穴浓度增加 . 当温度进一步增加时 , 由于解吸附作用的增强 ,N 空位 (V N 的数目增加 , 于是表现出施主特性的络和物 Mg G a 2V N 的数目也相应的增加 , 形成了自补偿效应 , 导致样品的空穴浓度下降 . 另外 , 由于温度的升高 , 有更多的 N H 3裂解所 905图 1 (a Mg 流量与样品自由空穴浓度的关系 ; (b 生长温度与样品空穴浓度的关系 ; (c Ⅴ /Ⅲ比与样品空穴浓度的关系 Fig. 1 (a Free hole concentration of p 2G aN samples versus Cp 2Mg flux ; (b Free hole concentration of p 2 GaN samples versus growth temperature ; (c Free hole concentration of p 2G aN samples versus Ⅴ /Ⅲ ratio 产生的 H 原子导致钝化效应的增强 , 也是样品空穴浓度下降的一个因素 .图 1(c 表示Ⅴ /Ⅲ比与样品空穴浓度的关系 . 在实验过程中 , 我们固定 Ga 流量 , 而通过改变 N H 3流量来改变Ⅴ /Ⅲ比 . 由图可见 , 当Ⅴ /Ⅲ比从 800增加到1000时 , 样品的空穴浓度增加 , 当Ⅴ /Ⅲ比进一步增加到 1260时 , 样品的空穴浓度却下降了 . 我们知道 ,MOCVD 系统中存在一定的预反应 . 当Ⅴ /Ⅲ比增加时 , 预反应也增加 , 导致实际材料生长过程中 Mg/Ga 的比例增加 , 从而形成浓度更高的受主 Mg G a , 所以样品的空穴浓度增加 . 但是Ⅴ /Ⅲ比进一步增加时 , 一部分的受主会与 N 空位形成络合物 Mg G a 2V N , 增强了自补偿效应 , 从而降低了样品的空穴浓度 .热退火对激活 Mg 杂质、实现 p 型 GaN 至关重要 , 我们也研究了退火温度对样品质量的影响 . 图 2表示退火温度与样品空穴浓度的关系 , 退火时间都保持为25min. 从图上看出 , 当退火温度从 650℃增加到 750℃时 , 样品空穴浓度增加 ; 当退火温度继续增加时 , 样品的空穴浓度反而下降 . 对 p 型 GaN 而言 , 由于 H 原子的钝化作用 , 需要外界能量打开 Mg — H 键 , 才能实现 Mg 杂质的激活 . 提高退火温度能更大程度地激活 Mg 杂质 , 所以样品的 p 型浓度得到了提高 . 但是当进一步提高退火温度到 850℃左右时 , 由于 N 空位的数目增加 , 络和物Mg G a 2V N 的浓度也随之增加 , 这种自补偿效应的增强 , 导致样品的空穴浓度下降.图 2退火温度与样品空穴浓度的关系Fig. 2 Free hole concentration of p 2GaN samples ver 2 sus annealing temperature 我们对 GaN ∶ Mg 样品退火前后的光学性质也进行了研究 . 图 3(a 为样品 8退火前和在 650℃退火后的光致发光谱 . 从图上可以看出 , 样品退火前后有共同的两个发光峰 , 其峰位分别为 3143和 218eV. 3143eV 峰是 GaN 的带边发光峰 , 由于掺杂浓度很高 , 带边峰的发光强度非常弱 , 在退火以后 , 带边峰的发光强度明显增加了 . 如果不考虑非辐射复合的影响 , 样品带边发光的跃迁几率与载流子浓度成正比 . GaN ∶ Mg 在退火后 ,Mg 杂质被激活 , 样品的载流子浓度大大增加 , 所以退火后带边峰强度增加 . 另外 , 退火后改善了晶体质量、减少了非辐射复合中心也是另一个导致带边峰强度增加的因素 .218eV 峰是深施主和浅受主对发光 [8,9], 施主是络和物 Mg G a 2V N , 一般它位于导带下 430meV 处 ; 受主是 Mg G a , 退火后发光强度也增加了 . 由于退火激活了 Mg 杂质 , 空穴浓度增加 , 从而受主 Mg G a 从价带捕获到的空穴浓度也增加了 , 导致该发光峰的强度增加 . 从图 3(a 中我们还可以看到 , 退火前样品还有一个峰位位于 312eV 的发光峰 , 在室温下其来源是导带底的自由电子到 Mg 受主的跃迁发光 [8], 这个峰在退火后消失了 , 其机理尚需进一步深入研究.图 3 (a GaN ∶ Mg 样品退火前和在 650℃退火后的光致发光谱 ; (b 能量位于 218eV 的发光峰退火后与退火前的强度之比与退火温度的关系Fig. 3 (a Photoluminescence spectra before and after annealing for sample 8; (b Ratio of photoluminescence in 2 tensity before and after annealing for the 218eV peak ver 2 sus annealing temperature图 3(b 是能量位于 218eV 的发光峰退火前后的强度之比与退火温度的关系 . 从图上看出在 700 ~750℃范围内发光强度最强 , 从另一个侧面表明样品的自由空穴浓度增加了 . 把霍尔测量结果和光致发光测量结果结合起来考虑 , 我们认为 ,700~750℃退火温度最能有效激活 Mg 杂质 . 4结论本文主要从材料生长和热退火两个方面研究了 p 型 GaN 的掺杂 . 在材料生长方面 , 我们采用正交实验设计方法设计样品的生长条件 , 仅通过 9次实验就获得了Mg 流量、生长温度、Ⅴ /Ⅲ比这三个生长参数的最优化条件 . 实验发现 , 可能由于自补偿的原因 , 过量的 Mg 源流量、过高的生长温度、过大的Ⅴ /Ⅲ比都会降低自由空穴浓度 . 在热退火方面 , 我们研究了不同的退火温度对 p 型浓度的影响 , 同时对样品退火前后的光学性质进行了研究 . 实验结果表明 , 退火温度在700~750℃范围内最能有效激活 Mg 杂质 .参考文献[1] Zhang B , Egawa T , Ishikawa H , et al. High 2bright In GaN multiple2quantum 2well blue light 2emitting diodes on Si (111 using AlN/GaN multilayers wit h a t hin AlN/Al GaN buffer layer. Jpn J Appl Phys ,2003,42:L226[2] Nagahama S , Yanamoto T ,Sano M ,et al. Wavelengt h depend 2 ence of In GaN laser diode characteristics. Jpn J Appl Phys , 2001,40:3075[3] Nagahama S , Yanamoto T , Sano M , et al. Characteristics of In GaN laser diodes in t he pure blue region. Appl Phys Lett , 2001,79:1948[4] Nakamura S , Mukai T , Senoh M , et al. Thermal annealing effect s on p2type Mg 2doped GaN films. Jpn J Appl Phys , 1992,31:L139[5] Gelhansen O ,Phillips M R , G oldys E M. A met hod to improve t he light emission efficiency of Mg 2doped GaN. J Phys D :Ap2 pl Phys ,2003,36:2976[6] Kauf mann U , Schlotter P ,Obloh H ,et al. Hole conductivity and compensation in epitaxial GaN ∶ Mg layers. Phys Rev B , 2000,62:10867[7] K im K , Harrison J G. Critical Mg doping on t he blue 2light e 2 mission in p 2type GaN t hin films grown by metal 2organic chemical 2vapor deposition. J Vac Sci Technol A ,2003,21:134 [8] Kauf mann U , Kuzer M , Maier M ,et al. Nature of t he 218eV photoluminescence band in Mg doped GaN. Appl Phys Lett , 1998,72:1326[9] Shahedipour F ,Wessels B W. On t he origin of t he 218eV blue emission in p 2type GaN ∶ Mg :Atime 2resolved photolumines 2 cence investigation. MRS Internet J Nitride Semicond Res , 2001,6:12Investigations on Mg 2Doping of p 2G a NJin Ruiqin , Zhu Jianjun , Zhao Degang , Liu Jianpin , Zhang Jicai , and Yang Hui(S tate Key L aboratory of I nteg rated O ptoelect ronics , I nstit ute of Semiconductors ,Chi nese A cadem y of S ciences , B ei j ing 100083, Chi naAbstract :The orthogonal 2design method is employed to optimize the growth parameters of p 2typed GaN ,such as the Mg flux , growth temperature ,and Ⅴ /Ⅲ ratio. It is found that the hole concentration is reduced by excessively high Mg flux ,high growth temperature ,and great Ⅴ /Ⅲ ratio. The influence of the annealing temperature on the hole concentration of p 2typed G aN is also studied. The optimum annealing temperature is between 700and 750℃ .K ey w ords :G aN ; doping ; photoluminescence ; thermal annealingPACC :7865K; 7855; 7865Article ID :025324177(2005 0320508205Received 22March 2004,revised manuscript received 15J uly 2004○ c 2005Chinese Institute of Electronics。

基于电磁信息论的多用户超大规模MIMO的互信息研究

doi:10.3969/j.issn.1003-3114.2023.06.006引用格式:张寅,虢周卓,王者,等.基于电磁信息论的多用户超大规模MIMO 的互信息研究[J].无线电通信技术,2023,49(6):1027-1035.[ZHANG Yin,GUO Zhouzhuo,WANG Zhe,et al.Research on Mutual Information for Multi-user Extremely Large-scaleMIMO Systems Based on Electromagnetic Information Theory[J].Radio Communications Technology,2023,49(6):1027-1035.]基于电磁信息论的多用户超大规模MIMO 的互信息研究张㊀寅1,虢周卓1,王㊀者1,许柏恺1,肖华华2,章嘉懿1(1.北京交通大学电子信息工程学院,北京100044;2.中兴通讯股份有限公司,广东深圳518057)摘㊀要:利用随机场对多个连续孔径超大规模多输入多输出(Extremely Large-scale MIMO,XL-MIMO)之间的近场通信进行建模,推导了多用户干扰和不同噪声情况下多用户XL-MIMO 系统的互信息表达式㊂相比传统离散分析方法有更高的准确度,并且分析了离散点数㊁噪声功率等关键因素对XL-MIMO 系统互信息的影响㊂此外,基于模型探究了信号波长㊁噪声功率和端到端距离与互信息收敛时最大离散点数之间的关系,并与单用户情况进行了相关对比,为XL-MIMO 系统信号处理算法的设计与模型调谐提供了一定参考㊂关键词:电磁信息论;互信息;随机场;多用户干扰中图分类号:TN929.53㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)06-1027-09Research on Mutual Information for Multi-user Extremely Large-scaleMIMO Systems Based on Electromagnetic Information TheoryZHANG Yin 1,GUO Zhouzhuo 1,WANG Zhe 1,XU Bokai 1,XIAO Huahua 2,ZHANG Jiayi 1(1.School of Electronic and Information Engineering,Beijing Jiaotong University,Beijing 100044,China;2.ZTE Corporation,Shenzhen 518057,China)Abstract :This paper models near-field communication between multiple consecutive aperture Extremely Large-scale Multiple-InputMultiple-Output (XL-MIMO)antennas using random fields.Mutual information expression for XL-MIMO system with multiple-user in-terference and different noise conditions is derived,which offers higher accuracy than traditional discrete analysis methods.Eeffects of key factors such as number of discrete points and noise power on mutual information of XL-MIMO systems are also analyzed.Addition-ally,relationship between signal wavelength,noise power,end-to-end distance and the maximum number of discrete points for achie-ving convergence in mutual information is explored based on the model,and compared with the single-user scenario,providing valuable insights for the design of signal processing algorithms and tuning of models in XL-MIMO systems.Keywords :electromagnetic information theory;mutual information;random field;multi-user interference收稿日期:2023-08-21基金项目:国家自然科学基金面上项目(61971027);中兴通讯研究基金(HC-CN-20221202003)Foundation Item :General Program of National Natural Science Founda-tion of China(61971027);ZTE Research Fund(HC-CN-20221202003)0　引言近年来,随着大规模多输入多输出(MassiveMIMO)技术的广泛使用,移动通信系统的性能不断提高㊂超大规模多输入多输出(Extremely Large-scale MIMO,XL-MIMO)提供了巨大的空间自由度,有望成为6G 关键技术之一[1-2]㊂但随着收发天线数目不断增加,如何处理XL-MIMO 天线孔径有限的性能限制[3]成为当下亟待解决的问题㊂连续孔径MIMO(Continuous-aperture MIMO,CAP-MIMO)[4-6]是解决该问题的可能技术路线之一㊂与传统由多个天线组成的离散XL-MIMO [7-9]不同,CAP-MIMO 作为一种具有无限密集天线的MIMO 结构,也被称为全息MIMO [10-11]㊁超大规模智能超表面(Large Intel-ligent Surface,LIS )[12-13]和可重构智能超表面(Reconfigurable Intelligent Surface,RIS)[14-15],由于其空间连续的电磁结构[3],能产生任意的电流分布,被接收机接收的信号可以在空间电磁波上进行调制,因而有望突破有限孔径的性能限制[6]㊂对于XL-MIMO系统,主流分析和设计过程通常基于白噪声㊁标量㊁远场㊁离散化㊁单色和其他非物理一致的假设㊂但考虑连续孔径XL-MIMO,这些假设将不存在㊂因而,需要找到一套适用于连续孔径XL-MIMO的分析方法,文献[6]提出了一种通用的分型复用技术,将连续模式函数的设计转化为在有限正交基上的投影长度设计来解决和速率最大化问题㊂但文献[11]并未考虑到随着天线数量的增加,在每个天线上观察到的噪声将表现出两种不同的特性㊂针对天线数目增加导致的噪声特性变化问题,已有相关研究将噪声分解为白噪声分量和非白噪声分量,并对噪声进行随机场建模,建立起连续孔径XL-MIMO的分析方法[16]㊂但其讨论的情况仅限于单用户通信系统,并未进一步探究更一般的多用户通信场景㊂基于此,本文基于利用连续孔径XL-MIMO的分析方法建立起多用户情景下的连续孔径XL-MIMO系统,考虑了由天线数量增加所导致的噪声特性变化,并进一步探究了模型的适用范围㊂具体做了以下工作:①建立了多个连续区域之间无线通信的系统模型,得到系统传输的目标函数㊂②利用随机场对系统进行了相关建模,推导出基于电磁信息论的多用户连续孔径XL-MIMO的互信息表达式以及简化的数值计算方法㊂③基于互信息表达式以及数值计算方法,分别讨论了不同噪声场景下,多用户连续孔径XL-MIMO 系统的准确互信息㊂分析了离散点数㊁白噪声功率㊁非白噪声功率等因素对互信息的影响,进一步探究了其适用场景,分别对波长㊁噪声功率与互信息收敛时最大离散点数之间的关系进行了研究㊂1㊀多用户XL-MIMO系统模型基于电磁信息论,麦克斯韦方程组揭示了收发器间信息的传输过程,同时格林函数建立起了发射端电流密度与接收端感应电场强度之间的关系㊂考虑两个任意连续区域V s和V r之间的通信模型[13]㊂源端电流密度为J(s),接收端产生的感应电场为E(r),利用格林函数,其电场E(r)为:E(r)=ʏV sG(r,s)J(s)d s,rɪVr㊂(1)根据文献[17],在无界均匀介质中,固定频点的格林函数为:G(r,s)=jκ0Z04πI+ΔrΔHrκ20()e jκ0r-s r-s=jκ0Z04πe jκ0r-s r-s㊃(I-p^p^H)+j2π r-sλ(I-3p^p^H)-j2π2(x2+d2)λ2(I-3p^p^H)éëêêêùûúúú㊃Ωm2éëêùûú,(2)式中:p^=p p ,p=r-s㊂1.1㊀系统模型考虑一个如图1所示的多用户连续MIMO无线通信系统,它包括了一个接收端,一个源端以及K个干扰端㊂其中,收发器天线均为连续孔径的链式阵列天线㊂图1㊀多用户XL-MIMO系统简化模型Fig.1㊀Simplified model diagram for MultiuserXL-MIMO system源端的电流密度为J(s),接收端的感应电场为E1(r),在理想情况下,期望接收器能够理想地捕获到达点d1的电磁波全部信息㊂由式(1)知,接收端捕获到的电场信号为:Y=E1+ðK j=1E j+N1,(3)式中:E1为期望信号产生的电场,E j为干扰信号产生的电场,N1为噪声场㊂1.2㊀基于随机场的信号建模根据电磁信息论,本文分析基于Shannon 随机模型,因此需要利用随机场对信号进行建模㊂随机场反映了无线通信系统的统计特性,而在所有种类的随机场中,高斯随机场具有理论意义,因此用它描述源端电流密度以及接收端电场强度的统计特性㊂假设高斯随机场为连续㊁可离散的,其可以由均值以及自相关函数来表示高斯随机信号的特征㊂因此,假设源端电流密度和接收端电场强度均符合高斯随机场特性,可得:R J (s ,s ᶄ)=[J (s )J H(s ᶄ)]A 2m 4éëêùûúR E j (r ,r ᶄ)=[E j (r )E j H (r ᶄ)][V 2/m 2],j ɪ[0,K ]{㊂(4)由式(1)可得:R E 1(r ,r ᶄ)=[E 1(r )E 1H (r )]=ʏV sʏV sG (r ,s )R J 1(s ,s ᶄ)G H (r ,s )d s d s ᶄ㊂(5)1.3㊀基于随机场的噪声建模本节将对噪声进行随机场的建模㊂通信系统中,噪声一般分成白噪声分量与非白噪声分量,白噪声分量一般考虑到通信系统中的非理想因素,这种影响呈现空间的不相关性,因此利用加性高斯白噪声(AWGN)来描述这一分量㊂[E n (r )E H n (r ᶄ)]=n 02I 3δ(r -r ᶄ),(6)式中:假定白噪声的功率谱密度为n 02,I 3为三维空间的单位矩阵㊂对于非白噪声分量,可以将其视作非源端电流产生的入射电磁波的叠加㊂根据文献[16],非完全各向同性的辐射干扰的随机场自相关函数为:[N (r +r ᶄ)N ∗(r ᶄ)]=σ24(f 1(κr )+f 2(κr )),(7)式中:κ为波矢量,f 1和f 2为辅助函数,其具体定义如下㊂κ=2πλ[cos φsin θ,sin φsin θ,cos θ]ɪ3,f 1(β)=ʏ1-1e j βx d x =2sin ββ,f 2(β)=ʏ1-1x 2e j βxd x =2sin ββ+2cos ββ2-2sin ββ3()㊂(8)至此得到了系统模型,信号和噪声的随机场模型,下一节将根据所建模型进行互信息公式的推导㊂2㊀多用户连续XL-MIMO 系统互信息及数值计算2.1㊀系统互信息为得到互信息的表达式,考虑基于平行有限长度线性收发天线的多用户XL-MIMO 系统㊂根据电磁信息论,可得J (s )与E 1(r )㊁E k (r )之间的关系,可用式(2)中矩阵G 左上角的元素G 1.1来描述,可推导为:g (r ,s )=jZ 0e 2π㊀x 2+d 2λ2λ㊀x 2+d2㊃j 2π㊀x 2+d 2λd 2-2x 2x 2+d 2+d 2x 2+d 2-12π2(x 2+d 2)λ21d 2-2x 2x 2+d 2éëêêêùûúúú,(9)式中:x =r -s ,d 为收发器之间的距离㊂因此,进一步得到了源端电流密度与接收端感应电场之间的关系:E j (r )=ʏL 0g j (r ,s )J 1(s )d s ,j ɪ[0,K ]㊂(10)接收电场的自相关函数为:R E j(r ,r ᶄ)=ʏL 0ʏL 0g (r ,s )R J (s ,s ᶄ)g j ∗(r ᶄ,s ᶄ)d s d s ᶄ,j ɪ[0,K ]㊂(11)利用文献[16]提及的方法,可以将E j (r )㊁Y (r )和N (r )进行Mercer 展开:E j(r )=ðk ξE j ,k φk (r )N j (r )=ðk ξN j ,k ψk (r )Y (r )=ðk ξY ,k ϕk(r ),j ɪ[0,K ]ìîíïïïï㊂(12)可以构建两个空间H 1和H 2,分别由ξE 1,k 和ξY ,k 展开,E 1(r )和Y (r )之间的互信息为空间H 1和H 2之间的差值㊂可得这个空间的差值,即E 1(r )和Y (r )之间互信息可以由范德蒙行列式的算子来求得:I (J 1;Y )=I (E 1;Y )=-logdet(1-T DᶄT -1Y T D T -1E 1),(13)式中:T Y 为Y (r )自相关函数的积分算子,T E 1为E 1(r )自相关函数的积分算子,T D 和T Dᶄ分别是与E 1(r )和Y (r )相互关联的算子㊂此处,类比地假定噪声场N 与期望电场E 1无关,由于假定期望信号与干扰信号无关,干扰电场与期望电场无关,同样可以得到T D =T Dᶄ=T E 1㊂将其代入,进一步化简互信息表达式为:I (E 1;Y )=-logdet(1-T D T -1E 1T DᶄT -1Y )=-logdet(1-T E 1T -1Y )=-logdet(1-T E 1(T E 1+ðKj =1T E j+T N j)-1)㊂(14)当噪声忽略非白分量时,根据加性高斯白噪声的功率特性,噪声算子T N j =n 02ˑ1,算子1为常数因子;对于白噪声情景下,多用户连续MIMO 系统的互信息表达式可简化为:I (E 1;Y )=-logdet 1-T E1T E 1+ðKj =1T E j+n 02()-1()㊂(15)2.2㊀数值计算根据文献[16]中算法1,可以得到互信息的公式:I approx ѳ-logdet(I -C SEP )=logdet(C E 1+ðKj =1C Ej +K N )det(ðK j =1K E j+K N ),(16)式中:K E ,i ,j =ʏai a i -1E (x )d x ʏaj a j -1E ∗(y )d y []K N ,i ,j =ʏa ia i -1N (x )d x ʏaja j -1N ∗(y )d y []{㊂(17)至此完成了多用户XL-MIMO 系统模型的数值计算,为接下来的仿真提供了基础与依据㊂3㊀仿真分析为简化讨论,考虑一个接收端,一个用户端,一个干扰端的情况,且三者互相平行,中心点都在同一直线上,如图2所示㊂图2㊀K =2时具体仿真情景Fig.2㊀Specific simulation when K =23.1㊀不同种类噪声情景基于前文中对白噪声情景下考虑干扰情况的多用户XL-MIMO 通信系统互信息表达式的求解以及数值计算,首先在仅考虑白噪声的场景下进行仿真,进一步再扩展为非白噪声场景㊂ 3.1.1白噪声情况相关仿真为简化讨论,将干扰端的个数设为1,同时假设收发器间距均为1m,长度均为2m,信号波长为0.25m,基于上述条件,讨论离散点数㊁白噪声功率对互信息值的影响,如图3所示㊂图3㊀白噪声情景下K =2的MIMO 系统Fig.3㊀MIMO system with K =2in white noise context为了与单用户的情况进行对比,绘制单用户情况下对应曲线,如图4所示㊂图4㊀白噪声情景下K =1的MIMO 系统Fig.4㊀MIMO system with K =1in white noise context通过对比,在白噪声情景下K =2时,多用户XL-MIMO 系统互信息的值会因干扰的加入出现明显下降,同时互信息的值随白噪声功率减小而增大,当白噪声功率小于10-7V 2/m 2时,连续接收端(36点离散)获得的信息对比半波离散点数(16点)离散接收端获得的信息有着明显提升㊂对比单用户MIMO 模型,连续接收端获得的信息仍在白噪声功率为10-10V 2/m 2时相比半波离散化接收端有着19.49%的提升,相比8点波长离散化接收端获得的信息有138.9%的提升,说明了连续接收端在通信系统存在干扰时相较于离散接收端能获得更多的信息㊂3.1.2非白噪声情况相关仿真为了进一步研究多用户XL-MIMO 系统,将白噪声的场景推广到非白噪声的场景㊂简便起见,在此处也将干扰端的个数设置为1,依旧假设收发器间距均为1m,长度均为2m,信号波长为0.25m,在考虑非白噪声的场景下,固定非白噪声功率为0.5V 2/m 2,来讨论离散点数,白噪声功率对互信息值的影响,如图5所示㊂为与单用户的情况进行对比,绘制了非白噪声情景下单用户MIMO 系统的对应曲线,如图6所示㊂通过对比,在非白噪声场景下,K =2的多用户XL-MIMO 系统中,互信息的值会因为干扰的加入出现明显下降,互信息的值随白噪声功率减小而增大,当噪声功率小于10-3V 2/m 2时,连续接收端(36点离散)获得的信息对比半波离散点数(16点)离散接收端获得的信息有着明显提升㊂图5㊀非白噪声情景下K =2的MIMO 系统Fig.5㊀MIMO system with K =2in non-whitenoisecontext图6㊀非白噪声情景下K =1的MIMO 系统中Fig.6㊀MIMO system with K =1in non-whitenoise context此情况下,对比单用户MIMO 模型,在白噪声功率为10-10V 2/m 2时,连续接收端获得的信息仍比半波离散化接收端有着21.30%的提升㊂因此,在白噪声与非白噪声场景下,连续接收端获得的信息均比离散接收端有较大提升,且此类提升随着用户数量的增加而不断提高㊂3.1.3不同功率非白噪声的影响为进一步探讨非白噪声功率值对于所假设模型互信息值的影响,将非白噪声功率进行更改以对实验进行了进一步的探究㊂首先,将噪声功率分别设置为0.25㊁0.5㊁0.75㊁1V 2/m 2以探究非白噪声功率在相同的量级发生变化时,对假设的通信模型互信息值的影响,如图7所示㊂(a )非白噪声功率σ2nw =1V 2/m2(b )非白噪声功率σ2nw =0.75V 2/m2(c )非白噪声功率σ2nw =0.5V 2/m2(d )非白噪声功率σ2nw =0.25V 2/m2图7㊀K =2时非白噪声功率在相同数量级变化时,互信息随白噪声功率的变化Fig.7㊀Non-white noise power changes in the same order ofmagnitude ,the mutual information varies with thewhite noise power when K =2通过对比,当非白噪声功率在相同的量级发生变化时,相关的曲线走势并未发生明显变化㊂同时,在非白噪声功率发生量级不变的变化时,图中黑线表征的连续接收端(36点离散)相比半波离散点数(16点)离散接收端获得信息提升情况明显,其对应的白噪声功率不发生明显变化,即白噪声功率与非白噪声功率之比不发生明显变化㊂进而探讨当非白噪声功率发生量级变化时,即当非白噪声功率与白噪声功率发生明显变化时,连续接收端较传统离散接收端获得信息有明显提高时对应的白噪声功率是否会发生变化㊂将噪声功率分别设置为1㊁10-2㊁10-5㊁10-10V 2/m 2以探究不同非白噪声功率的影响,如图8所示㊂(a )非白噪声功率σ2nw =1V 2/m2(b )非白噪声功率σ2nw =10-2V 2/m2(c )非白噪声功率σ2nw =10-5V 2/m2(d )非白噪声功率σ2nw =10-10V 2/m 2图8㊀K =2时非白噪声功率在不同数量级变化时,互信息随白噪声功率的变化Fig.8㊀Non-white noise power changes in the differentorder of magnitude ,the mutual information varies with the white noise power when K =2㊀㊀结果表明,当非白噪声功率在不同的量级发生变化时,相关的曲线变化较为明显㊂同时,在非白噪声功率量级变化时,连续接收端较传统离散接收端获得信息有明显提高时对应的白噪声功率发生明显变化,白噪声与非白噪声功率比约为1%,但当非白噪声过小时,噪声中非白分量可忽略,其仿真图与仅考虑白噪声时探究非白噪声功率㊁离散点数㊁白噪声功率对互信息影响的仿真图曲线趋势相近,如当非白噪声功率为10-10㊁10-5V 2/m 2时,曲线与图3相似㊂3.2㊀多用户情况下用户距离的影响为简化操作,假设用户距离发生变化,收发器长度均为2m,信号波长为0.25m,在仅考虑白噪声以及考虑非白噪声两种情况下,探究端到端距离对于连续接收端获得的信息相比传统离散接收端获得信息的提升值的影响㊂其中,考虑非白噪声情况时,假定白噪声功率σ12为10-10V 2/m 2,非白噪声功率σ22为0.5V 2/m 2,如图9所示㊂图9㊀K=2时端到端距离变化的影响Fig.9㊀Impact of end-to-end distance on mutualinformation improvement when K=2由图9可以看出,无论是仅考虑白噪声或考虑非白噪声场景,连续接收端较传统离散接收端获得的信息均有提升,互信息提升程度会随端到端距离的减小而增大㊂此外,当端到端距离小于0.95m 时,连续接收端互信息相对于离散接收端的提升不小于20%㊂但当噪声非白分量为零的情况下,随端到端距离的增大,连续电磁场互信息的提升逐渐不明显㊂3.3㊀连续接收端离散点界限探究本文采用离散的方式来逼近连续,从而达到分析连续接收端的目的㊂在文献[18]中,当接收天线数量在一定的孔径范围内无限增加时,会导致互信息发散的情况㊂其原因是当天线数量不断增大时,所假定的不相干噪声出现了空间的相干性,进而有信号能量呈二次缩放㊂而噪声能量呈线性缩放,信噪比得到无界的线性提高,导致容量发散到无穷大㊂因此,在满足互信息收敛的情况下,如何得到离散点数最大值是一个值得探讨的问题㊂为了探究影响满足互信息收敛的最大离散点数的因素,初步探究了多用户连续MIMO模型下波长㊁噪声功率㊁收发器长度与互信息收敛时对应的最大离散点数之间的关系㊂假设收发器间距均为1m,收发器长度从1m 开始,以0.5m为步进发生变化,波长分别为0.125㊁0.25㊁0.5m㊂在仅考虑白噪声的情况下,先固定白噪声功率为10-10V2/m2,基于前文得到的仅考虑白噪声情况下K=2时多用户XL-MIMO系统互信息值数据计算过程,进行互信息收敛时最大离散点数的遍历寻找,将所得的最大离散点数与收发器间距进行线性拟合,以此来探究收发器距离与最大离散点数之间的关系,结果如图10所示㊂(a)λ=0.125m(b)λ=0.25m(c)λ=0.5m图10㊀K=2时不同波长下,收发器长度对最大离散点数的影响Fig.10㊀Effect of transceiver length on the maximum number of discrete points at different wavelengths,K=2㊀㊀由图10可得,若仅考虑白噪声场景,在不同波长下,收发器长度与最大离散点数之间成线性关系,同时,随波长减小频率增加,收发器长度对最大离散点数的影响更加明显㊂在文献[16]提到的模型以及相关假设下,设置相同的条件,即K=1,收发器距离为1m,连续收发器长度从1m开始,以1m为步进发生变化,波长分别为0.125,0.25,0.5m,同样将所得的最大离散点数与收发器间距进行线性拟合,结果如图11所示㊂(a)λ=0.125m(b )λ=0.25m(c )λ=0.5m图11㊀K =1时不同波长下,收发器长度对最大离散点数的影响Fig.11㊀Effect of transceiver length on the maximum num-ber of discrete points at different wavelengths ,K =1由图11可知,单用户MIMO 系统中收发器长度与最大离散点数仍然满足线性关系,同时,在单用户情况下,收发器长度对最大离散点数的影响随波长减小而增加㊂由结果分析得,无论是在单用户还是多用户情况,当仅考虑白噪声场景时,在不同波长下,收发端长度与最大离散点之间近似成线性关系,且随波长减小,收发器长度对最大离散点数的影响更加明显㊂这对今后基于连续接收端分析互信息值相关模型中,寻找合适的最大离散点数具有参考作用㊂4　结束语本文考虑了多用户XL-MIMO 系统特性,将多用户连续MIMO 系统与单用户连续MIMO 系统㊁多用户离散XL-MIMO 系统进行比较,进而得到在不同噪声情景下,多用户XL-MIMO 系统中,互信息同样会随着离散点数的增大而趋近于一个固定值㊂当噪声的非白分量与白噪声分量比值大于100时,连续接收端和互信息相比于传统半波离散接收端有着明显提升㊂在不同噪声情景下,连续接收端相较于离散接收端的优势会随着用户距离的减小更为明显㊂仿真结果发现满足互信息收敛的接收端最大离散点数与收发器长度具有明显的线性关系,这种线性关系不受信号频率㊁噪声功率的影响㊂未来的工作可以考虑更一般的天线阵列形态及多用户的随机分布场景㊂参考文献[1]㊀WANG Z,ZHANG J Y,DU H Y,et al.Extremely Large-scale MIMO:Fundamentals,Challenges,Solutions,andFuture Directions [J /OL ].IEEE Wireless Communica-tions (Early Access),2023:1-9(2023-04-10)[2023-07-29].https:ʊ/abstract /document /10098681.[2]㊀XU B K,ZHANG J Y,LI J X,et al.Jac-PCG Based Low-complexity Precoding for Extremely Large-scale MIMOSystems[J/OL].IEEE Transactions on Vehicular Technology (Early Access),2023:1-6(2023-07-19)[2023-07-29].https:ʊ /document /10187714.[3]㊀HUANG C W,HU S,ALEXANDROPOULOS G C,et al.Holographic MIMO Surfaces for 6G Wireless Networks:Opportunities,Challenges,and Trends[J].IEEE Wireless Communications,2020,27(5):118-125.[4]㊀SANGUINETTI L,D A MICO A A,DEBBAH M.Wavenu-mber-division Multiplexing in Line-of-Sight Holographic MIMO Communications[J].IEEE Transactions on Wire-less Communications,2023,22(4):2186-2201.[5]㊀DECARLI N,DARDARI munication Modes withLarge Intelligent Surfaces in the Near Field [J].IEEE Access,2021,9:165648-165666.[6]㊀ZHANG Z J,DAI L L.Pattern-division Multiplexing forContinuous-aperture MIMO[C]ʊICC 2022-IEEE Interna-tional Conference on Communications.Seoul:IEEE,2022:3287-3292.[7]㊀CHIANI M,WIN M Z,SHIN H.MIMO Networks:TheEffects of Interference[J].IEEE Transactions on Informa-tion Theory,2010,56(1):336-349.[8]㊀MALEKI M,MOHAMED-POUR K,SOLTANALIAN M.Large-system Mutual Information Analysis of Receive Spa-tial Modulation in Correlated Multi-cell Massive MIMO Networks [J ].IEEE Transactions on Communications,2019,67(9):6071-6084.[9]㊀LU L,LI G Y,SWINDLEHURST A L,et al.An Overviewof Massive MIMO:Benefits and Challenges [J ].IEEEJournal of Selected Topics in Signal Processing,2014,8(5):742-758.[10]DEMIRÖT,BJÖRNSON E,SANGUINETTI L.ChannelModeling and Channel Estimation for Holographic MassiveMIMO with Planar Arrays[J].IEEE Wireless Communi-cations Letters,2022,11(5):997-1001. [11]PIZZO A,MARZETTA T L,SANGUINETTI L.Spatially-stationary Model for Holographic MIMO Small-scale Fa-ding[J].IEEE Journal on Selected Areas in Communica-tions,2020,38(9):1964-1979.[12]PIZZO A,SANGUINETTI L,MARZETTA T L.FourierPlane-wave Series Expansion for Holographic MIMO Com-munications[J].IEEE Transactions on Wireless Commu-nications,2022,21(9):6890-6905.[13]YUAN J D,NGO H Q,MATTHAIOU M.Towards LargeIntelligent Surface(LIS)-based Communications[J].IEEE Transactions on Communications,2020,68(10):6568-6582.[14]WAN Z W,GAO Z,GAO F F,et al.Terahertz MassiveMIMO with Holographic Reconfigurable Intelligent Sur-faces[J].IEEE Transactions on Communications,2021,69(7):4732-4750.[15]WANG Z Y,LIU Z Y,SHEN Y,et al.Location Awarenessin Beyond5G Networks via Reconfigurable IntelligentSurfaces[J].IEEE Journal on Selected Areas in Commu-nications,2022,40(7):2011-2025.[16]WAN Z Z C,ZHU J A,ZHANG Z J,et al.Mutual Infor-mation for Electromagnetic Information Theory Based onRandom Fields[J].IEEE Transactions on Communica-tions,2023,71(4):1982-1996.[17]POON A S Y,BRODERSEN R W,TSE D N C.Degrees ofFreedom in Multiple-antenna Channels:A Signal SpaceApproach[J].IEEE Transactions on Information Theory,2005,51(2):523-536.[18]ZHU J A,WAN Z Z C,DAI L L,et al.Electromagnetic In-formation Theory:Fundamentals,Modeling,Applications,and Open Problems[J/OL].(2023-06-26)[2023-07-29].https:ʊ/abs/2212.02882.作者简介:张㊀寅㊀男,(2002 ),本科在读㊂主要研究方向:超大规模MIMO㊂虢周卓㊀男,(2003 ),本科在读㊂主要研究方向:超大规模MIMO㊂王㊀者㊀男,(1997 ),博士研究生㊂主要研究方向:超大规模MIMO㊂许柏恺㊀男,(2002 ),本科在读㊂主要研究方向:超大规模MIMO㊂肖华华㊀男,(1978 ),博士,高级工程师㊂主要研究方向:超大规模MIMO㊂章嘉懿㊀男,(1986 ),博士,教授㊂主要研究方向:超大规模MIMO㊂。

北京邮电大学研究生导师个人及科研情况简介

共有三个招生专业：
一、现代密码学，主要研究方向：现代密码应用基础研究，电子商务安全平台研究，信息伪装与数字水印研究。
二、信号与信息处理，主要研究方向：现代通信系统的信息安全技术，计算机与英特网的安全内核技术，现代编码理论与技术。
三、应用数学，主要研究方向：现代密码基础理论，信息隐慝技术与理论。
已毕业研究生分布在国内外的移动通信技术公司工作。
丁炜教授
丁炜，男，1935年出生，北京邮电学院毕业，教授、博士生导师；曾负责国家863、国家自然科学基金、国家科技攻关、邮电部等重大、重点项目六项，获邮电部二、三等奖、北京市二、三等奖六项，发明专利一项，发表学术论文百余篇；从事通信与信息系统专业，研究方向为宽带通信网接入理论和技术，现负责两个重大项目，经费充足，能提供研究生良好的实验环境和参加重大项目研究的机会，能提供助研岗位20余个，过去指导的研究生100%就业，去向一般在研究单位、企业、政府部门、外企和学校等。
舒华英教授
舒华英，男，教授、博士生导师。中国通信学会会士、中国通信学会组织委员会委员、中国邮电企业管理协会理事、中国电子学会工业工程专门委员会副主任。
目前主要进行信息系统及系统集成及IP及其网络管理方面和知识创新、决策管理咨询方面的研究。目前在研的项目有IP电话系统集成、Internet网络有关软件开发、企业科研创新等，可支配经费约100万。可提供助研岗位6人。已毕业的研究生都就业于通信行业及中外合资的IT业。
余重秀教授
余重秀，46年生，69年北邮学院无线系毕业，在北邮任教30多年，现任电子工程学院教授（博导）。招收博士生的专业为电磁场与微波技术及物理电子学，招收硕士生专业为光学、物理电子学；研究方向为光波技术与光通信，目前的科研项目有国家863、国家自然科学基金项目等65万元，近年毕业生在外企和国内电信部门工作。

通信原理06

s 2 ( t ) A cos 2 ( t )
0 t Tb 0 t Tb

经非理想信道传输，接收信号中的载波初始
相位未知，且是随机的。接收信号表示为
rt

s1 ( t ) A cos( 2 f 1 t ) n w ( t )
s 2 ( t ) A cos( 2 f 2 t ) n w ( t )
图6.2.17 2FSK两信号的互相关系数ρ
１２
与
两载波间隔2Δ f之间的关系
4. 2FSK信号的带宽

2FSK信号的近似带宽由卡松公式给出
B FSK 2 f 2 B

假设以数字基带信号功率谱密度的主瓣宽
度为带宽B，则B=Rb。于是，2FSK信号的
带宽是
5. 2FSK信号的解调及其误比特率
Ps ( f ) A
2
4
[ Pb ( f f c ) Pb ( f f c )]
(2) OOK信号的平均功率谱密度
图6.2.3 单极性不归零码及OOK信号的双边功率谱密度
3. OOK信号的接收及其误比特率
图6.2.4 利用带通型匹配滤波器进行解调的最佳接收

带通匹配滤波器的传递函数表示为
f

b ( ) d ] R e[ v ( t ) e
j c t
]

复包络
3. 2FSK两个信号波形之间的互相关系数

2FSK中s1(t)与s2(t)两信号波形之间的互相关系数

2FSK的两信号之间的互相关系数是两载频的频率间隔 (f１-f２=2Δf)的函数。在ρ１２=0时，表示s1(t) 与s2(t)正交，此时的两载频的最小频率间隔为

半导体集成电路可靠性测试及数据处理

寿命分布的参数估计是基本的可靠性数据处理方法，我们回顾并讨论了可靠
性寿命分布参数估计的各种常用方法。最佳线性无偏估计以次序统计量理论以及高斯－马尔可夫定理为出发点，是一种高精度且有效的可靠性寿命分布参数估计方法。然而，它只能应用于样本总数比较小的场合并且不能应用于Ｉ型截尾数据。
极大似然估计法是另一种具有良好性质的参数估计方法。我们通过对各种参数估
Ｈｏｗｅｖｅｒ，ＢＬＵＥｉｓａｐｐｌｉｃａｂｌｅａｔｓｍａｌｌｓａｍｐｌｅｓｉｚｅｓａｎｄｃａｎｎｏｔｂｅａｐｐｌｉｅｄｏｎｔｙｐｅＩｃｅｎｓｏｒｅｄｄａｔａｓｅｔｓ．Ｔｈｅｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｅｓｔｉｍａｔｉｏｎ（ＭＬＥ）ｉｓａｎｏｔｈｅｒｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｗｉｔｈｓｅｖｅｒａｌｇｏｏｄｐｒｏｐｅｒｔｉｅｓ．ＴｈｅｐｅｒｆｅｃｔｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＭＬＥａｎｄＢＬＵＥｉｎｏｕｒｓｔｕｄｙｍａｋｅｓｉｔｐｏｓｓｉｂｌｅｔｏｕｓｅＭＬＥｉｎｓｔｅａｄｏｆＢＬＵＥｆｏｒｒｅｌｉａｂｉｌｉｔｙｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎｓ．
半导体集成电路的哥靠性测试及数据处理还有很多工作需要进行。希望我们的研究对于国内半导体集成电路产业以及半导体集成电路可靠性工作的发展有一定的帮助。
关键词：晶圆级可靠性，加速寿命试验，威卸尔分布，极大似然估计中图分类号：ＴＢｌｌ４．３
半导体集成电路可靠性测试发数据处理
ＩＩ
Ａｂｓｔｍｃｔ
Ａｂｓｔｒａｃｔ
半导体集成电路口Ｊ靠件测试发数据处理
一————————————————————．——！！ ——————————————————————————————．———一 ———＿＿—————————————●＿＿＿———————————————————＿——＿＿●－＿———＿—————————————一

周炯盘《通信原理》(第3版)笔记和课后习题(含考研真题)详解第1章~第3章【圣才出品】

6 / 59
圣才电子书

十万种考研考证电子书、题库视频学习平台
第 2 章确定信号分析
2.1 复习笔记
一、确定信号的定义和分类 1．确定信号的定义确定信号是指可以用确定的时间函数表示的信号。 2．确定信号的分类（1）周期信号和非周期信号 ①周期信号：每隔固定的时间又重现的信号称为周期信号。 ②非周期信号：无固定时间长度的循环周期的信号。（2）能量信号与功率信号 ①能量信号：能量等于一个有限值，但平均功率为 0。 ②功率信号：平均功率为一个有限值，但能量无穷大。周期信号是功率信号，非周期不限时的信号也可能是功率信号。（3）模拟信号与数字信号 ①模拟信号：模拟信号是指在给定范围内，时间和幅值连续的信号。 ②数字信号：数字信号是指离散时间信号的数字化表示。（4）基带信号与频带信号 ①基带信号：没有经过调制的原始信号称为基带信号。 ②频带信号：将基带信号经过频谱搬移后的带通信号称为频带信号。
①传输速率（码元传输速率 RB，信息传输速率 Rb ）， Rb RB log2 M ；频带利用率为
②差错率（误码率 Pe ，误信率（误比特率） Pb ），在二进制系统中 Pe = Pb 。
③传输速率反映数字通信系统的有效性，而差错率反映数字通信系统的可靠性，设计数字通信系统时要综合考虑传输速率和差错率。
（1）通信网的分类
十万种考研考证电子书、题库视频学习平台
①电路交换网：适用于有实时性要求、占时较长的信息传输。
②信息交换网：以信息包进行交换的信息交换，适用于实时性要求不高的突发型信息。
（2）通信网的模型图，如图 1-2 所示。
图 1-2 通信网模型图中，实线代表信道；两线的交点代表有转接设备的交换局；终端 T 代表接到交换局后实现与联网的终端通信。

北邮通信方向的研究生导师都有哪些？

北邮通信方向的研究生导师都有哪些？一、信息理论与技术教研中心一）田宝玉、林家儒导师组：2）周炯槃，男，中国工程院院院士、北京邮电大学教授、博士生导师；泛网无线通信教育部重点实验室学术委员会名誉主任；中国信息论奠基人，长期以来从事信息论、通信理论等领域研究，主持完成了“中国信息技术发展战略与政策”、“高速信息网中关键基础问题”等国家和国家自然科学基金重大项目多项；获得全国科学大会奖、原邮电部“七五”期间重大科研一等奖、原邮电部科技进步一等奖等多项；专著《信息理论基础》、《通信网基础》分别获得原邮电部全国邮电院校优秀教材特等奖、原国家教委全国优秀教材特等奖、原国家教委国家级优秀教学成果奖等。

2）吴伟陵，男，北京邮电大学信息与通信工程学院教授、博士生导师。

主要研究方向为变参信道的信息传输、移动通信及信息理论与编码。

长期从事信息与通信领域教学和科研工作，作为项目负责人主持和承担973、863及自然科学基金等国家级科研项目十余项，获国家奖励两次、部级奖励四次。

近年来公开发表论文200余篇，专利7项，出版国家级规划教材和专著4本：《信息处理与编码》、《移动通信原理》、《通信原理》和《移动通信中的关键技术》。

曾任中国电子学会理事、信息论分会主席，广电总局科技部专家委员。

3）田宝玉，男，1946年8月出生；北邮信息与通信工程学院信息理论与技术教研中心责任教授、博士生导师；1969年毕业于哈尔滨军事工程学院电子工程系，1982年获北邮信息论专业硕士学位；长期从事科研和教学工作，主要研究方向：信号与信息处理、数字移动通信、信源编码理论与技术；完成多项部队、国家、部级以及横向合作科研项目，多次获军队科技成果奖，发表多篇学术论文，编写《工程信息论》、《信息论基础》（教育部十一五规划教材）、《通信原理》（教育部十一五规划教材）等教材。

现任中国通信学会通信理论与信号处理委员会委员，中国通信学会高级会员。

二）曾志民导师组：1）曾志民，男，1956年生，教授，博士生导师。

一种基于交叉注意力机制多模态遥感图像匹配网络

第１３卷㊀第８期Ｖｏｌ．１３Ｎｏ．８㊀㊀智㊀能㊀计㊀算㊀机㊀与㊀应㊀用ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓ㊀㊀２０２３年８月㊀Ａｕｇ．２０２３㊀㊀㊀㊀㊀㊀文章编号：２０９５－２１６３（２０２３）０８－０１０７－０７中图分类号：ＴＰ３９１文献标志码：Ａ一种基于交叉注意力机制多模态遥感图像匹配网络石添鑫，曹帆之，韩开杨，邓新蒲，汪㊀璞（国防科技大学电子科学学院，长沙４１００７３）摘㊀要：多模态遥感图像之间复杂的非线性辐射失真和几何形变，给图像匹配带来了巨大的挑战㊂由于传统方法普遍采用人工设计的特征描述子，难以表达更深层次和更抽象的特征，在差异较大的图像间匹配结果较差㊂而现有的深度学习描述符不适合直接用于多模态遥感图像配准且普遍存在正确特征点提取较少，配准不稳定的问题㊂针对上述问题，本文提出一种基于交叉注意力机制的多模态遥感图像匹配网络㊂该网络利用相位一致抑制遥感图像之间的巨大差异，同时通过交叉注意力机制学习多模态图像匹配的描述符在小容量数据集上实现了神经网络的泛化训练㊂实验结果表明，所提算法在公开多模态遥感数据集上性能优异，且在其他领域的多模态数据上仍然有效㊂关键词：相位一致性；多模态；交叉注意力机制Ａｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｍａｔｃｈｉｎｇｎｅｔｗｏｒｋｂａｓｅｄｏｎｃｒｏｓｓ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍＳＨＩＴｉａｎｘｉｎ，ＣＡＯＦａｎｚｈｉ，ＨＡＮＫａｉｙａｎｇ，ＤＥＮＧＸｉｎｐｕ，ＷＡＮＧＰｕ（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７３，Ｃｈｉｎａ）ʌＡｂｓｔｒａｃｔɔＣｏｍｐｌｅｘｎｏｎ－ｌｉｎｅａｒｒａｄｉｏｍｅｔｒｉｃｄｉｓｔｏｒｔｉｏｎｓａｎｄｇｅｏｍｅｔｒｉｃｄｅｆｏｒｍａｔｉｏｎｓｂｅｔｗｅｅｎｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｐｏｓｅａｓｉｇｎｉｆｉｃａｎｔｃｈａｌｌｅｎｇｅｔｏｉｍａｇｅｍａｔｃｈｉｎｇ．Ａｓｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｇｅｎｅｒａｌｌｙｕｓｅｍａｎｕａｌｌｙｄｅｓｉｇｎｅｄｆｅａｔｕｒｅｄｅｓｃｒｉｐｔｏｒｓ，ｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｅｘｐｒｅｓｓｄｅｅｐｅｒａｎｄｍｏｒｅａｂｓｔｒａｃｔｆｅａｔｕｒｅｓ，ａｎｄｔｈｅｍａｔｃｈｉｎｇｒｅｓｕｌｔｓｂｅｔｗｅｅｎｉｍａｇｅｓｗｉｔｈｌａｒｇｅｄｉｆｆｅｒｅｎｃｅｓａｒｅｐｏｏｒ．Ｔｈｅｅｘｉｓｔｉｎｇｄｅｅｐｌｅａｒｎｉｎｇｄｅｓｃｒｉｐｔｏｒｓａｒｅｎｏｔｓｕｉｔａｂｌｅｆｏｒｄｉｒｅｃｔｕｓｅｉｎｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅａｌｉｇｎｍｅｎｔａｎｄｇｅｎｅｒａｌｌｙｓｕｆｆｅｒｆｒｏｍｌｏｗｅｘｔｒａｃｔｉｏｎｏｆｃｏｒｒｅｃｔｆｅａｔｕｒｅｐｏｉｎｔｓａｎｄｕｎｓｔａｂｌｅａｌｉｇｎｍｅｎｔ．Ｔｏａｄｄｒｅｓｓｔｈｅｐｒｏｂｌｅｍｓ，ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｓａｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｍａｔｃｈｉｎｇｎｅｔｗｏｒｋｂａｓｅｄｏｎｃｒｏｓｓ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ．Ａｆｔｅｒｔｈａｔ，ｔｈｅｒｅｓｅａｒｃｈｔａｋｅｓａｄｖａｎｔａｇｅｏｆｐｈａｓｅｃｏｈｅｒｅｎｃｅｔｏｏｂｔａｉｎｍｏｒｅｓｔａｂｌｅｆｅａｔｕｒｅｐｏｉｎｔｓ，ａｎｄｔｈｅｍｕｌｔｉ－ｍｏｄａｌｉｍａｇｅｍａｔｃｈｉｎｇｄｅｓｃｒｉｐｔｏｒｉｓｌｅａｒｎｅｄｂｙｔｈｅｃｒｏｓｓ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍｔｏｒｅａｌｉｚｅｔｈｅｇｅｎｅｒａｌｉｚａｔｉｏｎｔｒａｉｎｉｎｇｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｓｏｎｓｍａｌｌｄａｔａｓｅｔｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｐｅｒｆｏｒｍｓｗｅｌｌｏｎｐｕｂｌｉｃｌｙａｖａｉｌａｂｌｅｍｕｌｔｉ－ｍｏｄａｌｄａｔａｓｅｔｓａｎｄｒｅｍａｉｎｓｅｆｆｅｃｔｉｖｅｏｎｏｔｈｅｒｄｏｍａｉｎｓ．ʌＫｅｙｗｏｒｄｓɔｐｈａｓｅｃｏｎｓｉｓｔｅｎｃｙ；ｍｕｌｔｉ－ｍｏｄａｌ；ｃｒｏｓｓ－ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ作者简介：石添鑫（１９９７－），女，硕士研究生，主要研究方向：图像匹配；曹帆之（１９９２－），男，博士研究生，主要研究方向：图像匹配；韩开杨（１９９９－），男，硕士研究生，主要研究方向：图像匹配；邓新蒲（１９６６－），男，博士，副教授，主要研究方向：视线确定；汪㊀璞（１９８６－），男，博士，讲师，主要研究方向：视线确定㊂通讯作者：汪㊀璞㊀㊀Ｅｍａｉｌ：ｗｐ４２１１８９＠ｎｕｄｔ．ｅｄｕ．ｃｎ收稿日期：２０２２－０９－１１０㊀引㊀言近年来，多模态遥感图像匹配引起了广泛关注㊂该研究目的是在２张或多张由不同的传感器㊁不同的视角或不同的时间获得的图像中识别同名点㊂由于不同传感器成像机制㊁成像条件不同，多模态图像之间存在明显的非线性辐射失真（ＮＲＤ）和几何畸变㊂因此多模态图像之间精确匹配仍然是一个具有挑战性的问题㊂最近研究表明，图像的结构和形状特性在不同的模态之间得以保留㊂Ｙｅ等学者［１］通过捕获了图像之间的形状相似性，提出了一种新的图像匹配相似度度量（ＤＬＳＣ），且与图像间强度无关㊂虽然该研究方法在处理图像间非线性强度差异效果较好，但如果图像包含很少的形状或轮廓信息，则ＤＬＳＣ的性能可能会下降㊂基于此，Ｙｅ等学者［２］又提出一种快速鲁棒的传统匹配框架，在所提框架中，图像的结构和形状属性由像素级特征表示，并将定向相位一致性直方图作为特征描述子，且获得了良好的结果㊂但该框架无法处理具有较大旋转和比例差异的图像㊂Ｌｉ等学者［３］发现相位一致性图（ＰＣ）具有很好的辐射鲁棒性，并构建最大索引图来削弱多模态图像的ＮＲＤ差异，提出了一种具有旋转不变性且对辐射变化不敏感的特征变换方法（ＲＩＦＴ）㊂但是ＲＩＦＴ方法不支持图像的尺度差异㊂Ｘｉｅ等学者［４］提出了基于ｌｏｇＧａｂｏｒ滤波的扩展相位相关算法（ＬＧＥＰＣ），更好地解决了ＮＲＤ以及大尺度差异和旋转变换问题，但该方法配准精度不太令人满意㊂这些传统方法均是人工制作的描述子，而这些描述子通常来自图像的外观信息，如颜色㊁纹理和梯度，难以表达更深层次和更抽象的特征㊂此外，人工特征描述符的系数和最佳的参数需要大量的手动调整㊂因此深度学习的方法渐渐受到人们的关注㊂在图像匹配的领域，基于深度学习的算法吸引了许多关注［５－７］㊂但是在多模态遥感图像匹配中，深度学习的方法并没有表现出极大的优势㊂一方面，因为将图像匹配的任务重新设计为可区分的端到端过程是具有挑战的㊂另一方面，正如文献［８］中所述，当前用于训练的本地多模态数据集还不够多样化，无法学习高质量且广泛适用的描述符㊂目前该领域只有少量深度学习方法是针对多模态设计的，大多仅适用于某一种类型的跨模态，例如可见光与ＳＡＲ图像匹配㊁红外与可见光图像匹配等㊂且现有的多模态匹配深度方法ＳＦｃＮｅｔ［９］㊁ＣＮｅｔ［１０］普遍存在提取正确特征点个数较少的问题㊂针对上述问题，本文提出一种基于交叉注意力机制的多模态遥感图像匹配网络（ＰＣＭ）㊂具体来说，利用相位一致性具有良好辐射鲁棒性，首先构建多模态图像的相位一致图（ＰＣ图），然后利用Ｆａｓｔ算法在ＰＣ图上来获得更多㊁更稳定的特征点，接着通过交叉注意力机制学习多模态图像的共有特征，得到特征点的描述子㊂最后，计算描述子之间的余弦距离，选取距离最短的点作为匹配点㊂实验表明该算法在公开多模态遥感数据集上性能优异，且在其他领域的多模态数据上仍然有效㊂１㊀背景知识１．１㊀注意力机制在２０１７年，Ｇｏｏｇｌｅ团队在论文‘Ａｔｔｅｎｔｉｏｎｉｓａｌｌｙｏｕｎｅｅｄ“［１１］中提出了一个自我注意的结构㊂这引起了巨大的反响，使注意机制成为最近研究的重要主题，该研究在各种ＮＬＰ任务中取得了成功，同时在视觉领域也开始尝试把自我注意的结构应用于各类任务中，如语义分割㊁图像分类㊁人类姿势估计等㊂注意机制旨在自动探索有意义的功能，以增强其表示能力并提高最终性能㊂自注意力机制的计算方式如下：Ａｔｔｅｎｔｉｏｎ（Ｑ，Ｋ，Ｖ）＝ｓｏｆｔｍａｘＱＫＴｄｋæèçöø÷Ｖ（１）Ｑ＝ＷＱＸ（２）Ｋ＝ＷＫＸ（３）Ｖ＝ＷＶＸ（４）㊀㊀其中，Ｘ表示输入的数据，Ｑ，Ｋ，Ｖ的值都是通过Ｘ和超参Ｗ相乘得到的㊂这里，Ｑ可理解为查询的变量，Ｋ为索引的变量，Ｖ为内容的变量㊂１．２㊀相位一致性相位一致性（ｐｈａｓｅｃｏｎｇｒｕｅｎｃｙ，ＰＣ）是将图像傅立叶分量中相位一致的点的集合㊂这是一个无量纲的量，其取值范围被标准化为０１，因此受图像亮度或对比度变化的影响较小㊂最早关注到图像相位信息是Ｏｐｐｅｎｈｅｉｍ等学者［１２］，研究中发现在信号的傅立叶表示中，在某些情况下如果仅保留相位，信号的许多重要特征就会得到保留㊂随后，Ｍｏｒｒｏｎｅ和Ｏｗｅｎｓ［１３］发现能量函数的极大值出现在相位一致的点上，因此提出了一种利用构造局部能量函数来检测和定位特征点算法㊂Ｋｏｖｅｓｉ［１４］对该方法做出了改进，克服了噪声等问题，使该方法的应用得以保证㊂目前，相位一致图已经广泛应用于图像边缘检测中㊂１．３㊀构建相位一致图本文利用相位一致性构建多模态图像的相位一致图（ＰＣ图），如图１所示㊂具体来说，本文使用Ｌｏｇ－Ｇａｂｏｒ小波在多个尺度和方向上计算，计算公式见式（５）：ＰＣ（ｘ，ｙ）＝ðｏðｓＷｏ（ｘ，ｙ）Ａｓｏ（ｘ，ｙ）ΔΦｓｏ（ｘ，ｙ）－ＴðｏðｓＡｓｏ（ｘ，ｙ）＋ε（５）其中，ＰＣ（ｘ，ｙ）表示相位一致性的大小；Ｗｏ是频率分布的权重因子；Ａｓｏ（ｘ，ｙ）为在小波尺度ｓ和方向ｏ上的（ｘ，ｙ）处的振幅；ε是一个很小值，为了防止分母为零；⌊．」运算符防止结果为负值，即封闭的值为正值时结果等于其本身，否则为零㊂ΔΦｓｏ（ｘ，ｙ）是一个敏感的相位偏差函数，定义为：Ａｓｏ（ｘ，ｙ）ΔΦｓｏ（ｘ，ｙ）＝（ｅｓｏ（ｘ，ｙ）ϕ－ｅ（ｘ，ｙ）＋㊀㊀㊀ｒｓｏ（ｘ，ｙ）ϕ－ｄ（ｘ，ｙ））－｜（ｅｓｏ（ｘ，ｙ）ϕ－ｄ（ｘ，ｙ）－㊀㊀㊀ｒｓｏ（ｘ，ｙ）ϕ－ｅ（ｘ，ｙ））（６）㊀ϕ－ｅ（ｘ，ｙ）＝ðｓðｏｅｓｏ（ｘ，ｙ）／Ｅ（ｘ，ｙ）（７）８０１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀㊀ϕ－ｄ（ｘ，ｙ）＝ðｓðｏｒｓｏ（ｘ，ｙ）／Ｅ（ｘ，ｙ）（８）其中，ｅｓｏ（ｘ，ｙ），ｒｓｏ（ｘ，ｙ）是将图像与偶对称小波和奇对称Ｌｏｇ－Ｇａｂｏｒ小波分别进行卷积，得到在尺度ｓ和方向ｏ上的响应㊂Ｅ（ｘ，ｙ）是一个局部能量函数，函数中的２部分通过信号和一对正交滤波器进行卷积来得到，即：Ｅ（ｘ，ｙ）＝ðｓðｏｅｓｏ（ｘ，ｙ）()２＋ðｓðｏｒｓｏ（ｘ，ｙ）()２（９）01002003004005000200400o r i g i nP C010020030040050002004000100200300400500200400o r i g i nP C0100200300400500200400图１㊀利用相位一致性构建多模态图像ＰＣ图Ｆｉｇ．１㊀ＣｏｎｓｔｒｕｃｔｉｏｎｏｆｍｕｌｔｉｍｏｄａｌｉｍａｇｅＰＣｍａｐｓｕｓｉｎｇｐｈａｓｅｃｏｈｅｒｅｎｃｅ２㊀模型构建在本节中，阐述了所提出的多模态遥感图像匹配方法㊂算法流程如图２所示㊂由图２可看到，本文算法主要由３个阶段组成，包括：特征点检测㊁特征描述符获取和特征点匹配㊂２．１㊀特征点检测在图像匹配的过程中，如何提取重复率高㊁分布均匀㊁且稳定的特征点也是近来的研究热点㊂在多模态图像匹配中由于存在较大的非线性辐射畸变，在自然图像上表现较好的特征点检测方法并不能完全适用㊂因此，本文利用相位一致性具有辐射鲁棒性，考虑构建多模态图像的ＰＣ图㊂通过构建的ＰＣ图，多模态图像之间共有的结构特性被保留下来㊂接着在ＰＣ图上进行特征点检测，具体来说，通过１．３节中式（５）获得图像的相位一致图，接着利用Ｆａｓｔ特征提取算法在ＰＣ图上提取一定数量的特征点㊂在ＰＣ图上利用Ｆａｓｔ算法提取特征点如图３所示㊂需要说明的是，在训练阶段本文选取了利用上述方法提取的特征点中，均匀分布的３０个特征点进行训练㊂输出匹配结果计算描述符之间的余弦距离，相似度最大的为对应点利用注意力机制网络获得特征点的描述符感知图像参考图像相位一致性相位一致性F as t 提取特征点F a s t 提取特征点P C 图P C 图图２㊀本文算法流程图Ｆｉｇ．２㊀Ｆｌｏｗｃｈａｒｔｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｎｔｈｉｓｐａｐｅｒ图３㊀在ＰＣ图上利用Ｆａｓｔ算法提取特征点Ｆｉｇ．３㊀ＥｘｔｒａｃｔｉｏｎｏｆｆｅａｔｕｒｅｐｏｉｎｔｓｏｎＰＣｇｒａｐｈｕｓｉｎｇＦａｓｔａｌｇｏｒｉｔｈｍ２．２㊀特征描述符获取通过第一步得到特征点位置后，还要知道特征点的描述符，考虑采用人工设计的特征描述子，难以表达更深层次和更抽象的特征㊂并且人工特征描述符的系数和最佳参数需要大量的手动调整㊂因此本文利用深度学习的方法获得具有更好特征表达能力的描述子㊂本文算法提出一种基于交叉注意力机制的卷积神经网络㊂由于注意力机制是一种搜索全局特征的结构，需要的计算量和内存都较大，为了减少计算量和内存，考虑首先学习半稠密的描述符㊂具体网络结构如图４所示㊂首先，参考图像与感知图像经过一个卷积核大小为１１ˑ１１的大尺度卷积，提取浅层特征，此时特征维数为６４，接着经过３层ＶＧＧ－Ｂａｓｉｃｂｌｏｃｋ提取深度特征，每层网络包含２个卷积层㊁２个ＢＮ层㊁１个ｄｒｏｐｏｕｔ层，特征维数扩展为１２８㊂然后，再经过１个卷积核大小为１５ˑ１５的９０１第８期石添鑫，等：一种基于交叉注意力机制多模态遥感图像匹配网络大尺度卷积，获得全局特征，最后通过１个ｄｒｏｐｏｕｔ层，丢弃一些无用特征，这样就得到了大小为原图大小八分之一的特征图，特征通道为１２８维㊂但是由于图像之间差异较大，因此采用了互注意力机制，更好地学习彼此的共有的特征㊂通过上述步骤得到了半稠密描述符，此时的特征图尺寸为原图大小的八分之一㊂除此之外，还需要得到每个特征点对应的描述符，由于得到的特征图尺寸为原图大小的八分之一，无法利用特征点的位置直接在特征图上提取特征㊂因此，本文首先对原图上特征点的坐标进行归一化，接着根据输入特征图的尺度按比例恢复特征点坐标，见式（１０）：Ｘ，Ｙ()＝（ｘｈＨ２，ｙｗＷ２）（１０）㊀㊀其中，（Ｘ，Ｙ）为归一化后的特征点坐标；（ｘ，ｙ）为特征在原图的坐标位置；Ｈ，Ｗ分别为原图和特征图的长宽；ｈ和ｗ分别为特征图的长宽㊂但是这个新的坐标位置可能并非为整像素，此时要对其进行双线性插值补齐，然后其余特征通道按照同样的方式进行双线性插值㊂通过上述方法即得到了每个特征点对应的描述符㊂描述子计算描述子计算C r o s sA t t e n t i o nC r o s sA t t e n t i o nF a s tD r o p o u tD r o p o u tC o n v C o n vF a s tP CV G GB a s i c b l o c kV G GB a s i c b l o c kC o n v C o n vP C R e fS e nC o n vB NC o n vB NC o n vD r o p o u t(a )T h e p r o p o s e d o v e r a l l f r a m e w o r kA t t e n t i o n M a pQ KV(c 1)S e l f -A t t e n t i o n(c )C r o s s A t t e n t i o n S e l f -A t t e n t i o nS e l f -A t t e n t i o n F l a t t e nF l a t t e nV (S )K (S )Q (S )Q (R )K (R )V (R )(b )V G GB a s i c b l o c k S h a r e d w e i g h t s M u l t i p l i c a t i o nD o t p r o d u c t i o n S o f t m a xV :V a l u e K :K e yQ :Q u e r y图４㊀ＰＣＭ网络结构图Ｆｉｇ．４㊀ＰＣＭｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ２．３㊀特征点匹配在训练阶段，本文采用有监督训练，每对图像的标签已知㊂首先，利用２．１节中介绍的特征点检测的方法获得参考图像上的特征点位置（ｘｒ，ｙｒ），然后利用图像标签计算得到感知图像上的对应点位置（ｘｓ，ｙｓ），具体见式（３）：ｘ(ｓ，ｙｓ，１）＝Ｈˑ（ｘｒ，ｙｒ，１）（１１）㊀㊀其中，Ｈ为一个３ˑ３大小的矩阵，即为图像的标签㊂因此在特征匹配阶段，只需要计算考虑描述子间的损失函数，降低了训练的难度㊂本文损失函数参考ＳｕｐｅｒＰｏｉｎｔ［５］研究中给出的损失函数，将损失函数定义为合页损失（Ｈｉｎｇｅ－Ｌｏｓｓ），具体计算公式为：ＬｄＤ，Ｄᶄ，Ｓ()＝１ＨｃＷｃ()２ðＨｃ，Ｗｃｈ＝１ｗ＝１ðＨｃ，Ｗｃｈᶄ＝１ｗᶄ＝１ｌｄｄｈｗ，ｄᶄｈᶄｗᶄ；ｓｈｗｈᶄｗᶄ()（１２）其中，㊀ｌｄｄ，ｄᶄ；ｓ()＝λｄ∗ｓ∗ｍａｘ０，ｍｐ－ｄＴｄᶄ()＋１－ｓ()∗ｍａｘ０，ｄＴｄᶄ－ｍｎ()（１３）㊀㊀ｓｈｗｈᶄｗᶄ＝１㊀ｉｆ＾ＨＰｈｗ－Ｐｈᶄｗᶄ ɤ５０㊀ｏｔｈｅｒｗｉｓｅ{（１４）其中，λｄ为定义的权重；ｓｈｗｈᶄｗᶄ判断对应点是否匹配；Ｐｈᶄｗᶄ为双三次插值后特征点坐标；＾ＨＰｈｗ是对Ｐｈᶄｗᶄ做单应性变换Ｈ㊂ｄｈｗ为预测点的描述子；ｄᶄｈᶄｗᶄ为真值点的描述子㊂当ｄｈｗ和ｄᶄｈᶄｗᶄ越相似时，损失０１１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀函数越小㊂在本文中，设置λｄ＝２５０，ｍｐ＝１，ｍｎ＝０．２，λ＝０．０００１㊂３㊀实验与分析本节中，将本文所提方法与其它主流方法在匹配的性能㊁计算复杂度和推理时间等方面与进行比较㊂最后，在计算机视觉领域以及医学图像领域验证本算法的泛化性能㊂３．１㊀实验数据本文的训练集是从Ｌａｎｄｓａｔ８卫星影像上获取的不同波段的图像，对地分辨率为３０ｍ㊂训练集包含１１５３对大小为２５６ˑ２５６的图像㊂测试数据集选用了Ｊｉａｎｇ等学者［１５］提出的多模态图像匹配数据集㊂该数据集包括３个不同领域的多模态数据：计算机视觉领域㊁医学领域㊁遥感领域㊂本文的对比实验主要在其中的遥感数据上测试㊂同时，为了验证该算法的鲁棒性，在医学数据集中进行了泛化性能测试㊂实验设置在２４ＧＢＮＶＩＤＩＡ３０９０上，并进行网络训练测试㊂３．２㊀实验设置实验的性能指标主要为匹配精度（ＡＣＣ）㊁正确匹配点个数（ＮＣＭ）㊁匹配运行时间（ＲＴ），其中匹配正确点是指预测匹配点与真实匹配点之间距离不超过５个像素的点，而匹配精度是指正确匹配点个数与算法总匹配点个数的百分比㊂对比实验选取了４种对比算法，分别为ＲＩＦＴ［３］，ＨＡＰＣＧ［１６］，３ＭＲＳ［１７］，ＤＦＭ［７］，其中ＤＦＭ为深度学习的方法，但是其在论文中介绍该方法无需进行训练㊂上述方法均在Ｊｉａｎｇ等学者［１５］提出的多模态图像匹配数据集测试㊂为了更好地比较不同算法的性能，所有传统对比算法与本文算法均未使用误差点剔除模块，同时保证初始检测特征点数量相同，均设置为５０００个㊂３．３㊀算法性能比较表１展示了本算法与现有传统算法与深度算法在匹配精度上的对比结果㊂可以看出，本算法在光学图像与ＳＡＲ图像类型匹配中取得了最高的匹配精度，而同为深度学习方法的ＤＦＭ算法在地图图像与光学图像上匹配精度最大，其余３种传统方法则是在红外与光学图像上有最好的匹配精度㊂本文算法在所有类型上均优于传统算法，但是在某些多模态类型下的精度并没有ＤＦＭ算法高㊂不过通过具体的实验数据，５种方法在多模态图像匹配数据集的匹配精度对比如图５所示，可以发现ＤＦＭ算法在某些图像上匹配结果很好，但是在一些难度较大的图像上匹配精度为０㊂因此通过表１和图５可以看出，本文算法不仅具有较好精度，同时也具有很好的稳定性㊂表１㊀５种方法在多模态数据集上的匹配精度（ＡＣＣ）Ｔａｂ．１㊀Ｍａｔｃｈｉｎｇａｃｃｕｒａｃｙ（ＡＣＣ）ｏｆｔｈｅｆｉｖｅｍｅｔｈｏｄｓｏｎｔｈｅｍｕｌｔｉｍｏｄａｌｄａｔａｓｅｔ％方法类型ＲＩＦＴＨＡＰＣＧ３ＭＲＳＤＦＭＯＵＲＣｒｏｓｓＳｅａｓｏｎ１２．６０６．９３１３．０９２４．６６２５．６７ｄａｙｎｉｇｈｔ２０．１６５．２４２０．１１４０．００４１．６６ＤｅｐｔｈＯｐｔｉｃａｌ３０．４８６．１８３１．６８６１．７７５４．４５ＩｎｆｒａｒｅｄＯｐｔｉｃａｌ３５．０５１３．４３３６．１１２０．８３４４．０３ＭａｐＯｐｔｉｃａｌ２８．８５９．４７３１．４７４４．２９３４．６８ＯｐｔｉｃａｌＯｐｔｉｃａｌ３４．０４７．９５３３．５８８０．２７５８．９２ＳＡＲＯｐｔｉｃａｌ３４．４１５．１５３３．７０７１．１６７２．２２㊀㊀表２展示了本算法与现有传统算法及深度算法在匹配正确点个数上对比结果㊂从表２可以看出，不管哪种类型数据，在匹配正确点个数上本文算法均取得了最好的效果，同时在所有类型数据中，可见光与可见光匹配效果最好㊂㊀㊀５种算法在多模态数据集上的匹配时间对比结果见表３㊂从表３可以看出，不管哪种类型数据，本文算法运行速度较传统算法均提高了４１０倍，与深度方法对比也在大部分数据类型上都有更快的运行速度㊂表２㊀５种方法在多模态数据集上的匹配正确点个数（ＮＣＭ）Ｔａｂ．２㊀Ｎｕｍｂｅｒｏｆｃｏｒｒｅｃｔｌｙｍａｔｃｈｅｄｐｏｉｎｔｓ（ＮＣＭ）ｏｆｔｈｅｆｉｖｅｍｅｔｈｏｄｓｏｎｔｈｅｍｕｌｔｉｍｏｄａｌｄａｔａｓｅｔ方法类型ＲＩＦＴＨＡＰＣＧ３ＭＲＳＤＦＭＯＵＲＣｒｏｓｓＳｅａｓｏｎ１２８２０１１２５１８３３８ｄａｙｎｉｇｈｔ２６７１７４２５９１４９７ＤｅｐｔｈＯｐｔｉｃａｌ３９３２７１４８８１０８３１ＩｎｆｒａｒｅｄＯｐｔｉｃａｌ３５２４７１３４７３４１２ＭａｐＯｐｔｉｃａｌ３９２４０３４８８２３２８ＯｐｔｉｃａｌＯｐｔｉｃａｌ４６９２５６４４６１４６９１９ＳＡＲＯｐｔｉｃａｌ３９０２１１３５２１２４８０１１１第８期石添鑫，等：一种基于交叉注意力机制多模态遥感图像匹配网络表３㊀５种方法在多模态数据集上的匹配时间（ＲＴ）Ｔａｂ．３㊀Ｍａｔｃｈｉｎｇｔｉｍｅｓ（ＲＴ）ｏｆｔｈｅｆｉｖｅｍｅｔｈｏｄｓｏｎｔｈｅｍｕｌｔｉｍｏｄａｌｄａｔａｓｅｔ方法类型ＲＩＦＴＨＡＰＣＧ３ＭＲＳＤＦＭＯＵＲＣｒｏｓｓＳｅａｓｏｎ９．５２７．３４９．９４１．３８２．４３ｄａｙｎｉｇｈｔ１０．４８５．００１０．１７１．３０１．２２ＤｅｐｔｈＯｐｔｉｃａｌ１１．１０６．１２１２．７９１．５８１．４９ＩｎｆｒａｒｅｄＯｐｔｉｃａｌ７．２３４．６３６．７９１．５２１．２７ＭａｐＯｐｔｉｃａｌ１１．６５６．２６１３．０５１．８４１．３９ＯｐｔｉｃａｌＯｐｔｉｃａｌ１０．０２４．４６９．９２１．７３１．２７ＳＡＲＯｐｔｉｃａｌ８．５７５．６０７．９６１．９６１．５６３．４㊀算法鲁棒性实验表４为该算法在医学多模态数据上的实验结果㊂由表４可以看出，本文算法即使在医学多模态图像上测试，在３种指标下都有不错的结果，证明本算法具有较高的鲁棒性㊂表４㊀本文算法在医学多模态数据上的实验结果Ｔａｂ．４㊀Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｔｈｉｓｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｏｎｍｅｄｉｃａｌｍｕｌｔｉｍｏｄａｌｄａｔａ类型指标ＡＣＣ／％ＮＣＭＲＴ／ｓＭＲ＿ＰＥＴ１３．００２６０．５２ＰＤ＿Ｔ１９７．３１４０００．３０ＰＤ＿Ｔ２９８．４９５０４０．２７Ｒｅｔｉｎａ６１．３６１６８８３．７０ＳＰＥＣＴ＿ＣＴ２３．５３５１０．４９Ｔ１＿Ｔ２９９．１０５２２０．２９平均值６５．４７５３２０．９３R I F TH A P C G3M R S O U R D F M100908070605040302010匹配精度/%C S 1C S 2C S 3C S 4C S 5D N 1D N 2D N 3D N 4D N 5D O 1D O 2D O 3D O 4D O 5D O 6D O 7D O 8I O 1I O 2I O 3I O 4M O 7M O 1M O 2M O 3M O 4M O 5M O 6O O 1O O 2O O 3O O 4O O 5O O 6S O 1S O 2S O 3S O 4S O 5S O 6C S :不同季节D N :不同光照条件D O ：深度图与可见光图I O ：红外图与可见光图M O ：地图与可见光图O O ：可见光图与可见光图S O :合成孔径雷达图与可见光图图５㊀５种方法在多模态图像匹配数据集的匹配精度图Ｆｉｇ．５㊀Ｐｌｏｔｏｆｍａｔｃｈｉｎｇａｃｃｕｒａｃｙｏｆｔｈｅｆｉｖｅｍｅｔｈｏｄｓｏｎｔｈｅｍｕｌｔｉｍｏｄａｌｉｍａｇｅｍａｔｃｈｉｎｇｄａｔａｓｅｔ４㊀结束语针对多模态遥感数据匹配的难点问题，图像间存在非线性辐射差异，本文提出一种基于交叉注意力机制的多模态遥感图像匹配网络㊂该网络利用相位一致性获得更稳定的特征点，同时利用交叉注意力机制学习多模态图像共有特征，在更容易获得的多波段遥感小容量数据集上进行训练㊂实验结果表明，本文方法在公开数据集上匹配性能优异，并在其他领域的多模态数据上仍然有效㊂但是当图像间有较大的旋转或者尺度差异性能会下降，后续将考虑对训练数据进行增强，同时优化网络结构进一步提高匹配速度㊂参考文献［１］ＹＥＹｕａｎｘｉｎ，ＬｉＳｈｅｎ，ＨＡＯＭｉｎｇ，ｅｔａｌ．Ｒｏｂｕｓｔｏｐｔｉｃａｌ－ｔｏ－ＳＡＲｉｍａｇｅｍａｔｃｈｉｎｇｂａｓｅｄｏｎｓｈａｐｅｐｒｏｐｅｒｔｉｅｓ［Ｊ］．ＩＥＥＥＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇＬｅｔｔｅｒｓ，２０１７，１４（４）：５６４－５６８．［２］ＹＥＹｕａｎｘｉｎ，ＢＲＵＺＺＯＮＥＬ，ＳＨＡＮＪｉｅ，ｅｔａｌ．Ｆａｓｔａｎｄｒｏｂｕｓｔｍａｔｃｈｉｎｇｆｏｒｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１９，５７（１１）：９０５９－９０７０．［３］ＬＩＪｉａｙｕａｎ，ＨＵＱｉｎｇｗｕ，ＡＩＭｉｎｇｙａｏ．ＲＩＦＴ：Ｍｕｌｔｉ－ｍｏｄａｌｉｍａｇｅｍａｔｃｈｉｎｇｂａｓｅｄｏｎｒａｄｉａｔｉｏｎ－ｖａｒｉａｔｉｏｎｉｎｓｅｎｓｉｔｉｖｅｆｅａｔｕｒｅｔｒａｎｓｆｏｒｍ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２０２０，２９：３２９６－３３１０．２１１智㊀能㊀计㊀算㊀机㊀与㊀应㊀用㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第１３卷㊀［４］ＸＩＥＸｕｎｗｅｉ，ＺＨＡＮＧＹｏｎｇｊｕｎ，ＸＩＡＯＬｉｎｇ，ｅｔａｌ．Ａｎｏｖｅｌｅｘｔｅｎｄｅｄｐｈａｓｅｃｏｒｒｅｌａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｌｏｇ－Ｇａｂｏｒｆｉｌｔｅｒｉｎｇｆｏｒｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１９，４０（１４）：５４２９–５４５３．［５］ＤＥＴＯＮＥＤ，ＭＡＬＩＳＩＥＷＩＣＺＴ，ＲＡＢＩＮＯＶＩＣＨＡ．ＳｕｐｅｒＰｏｉｎｔ：Ｓｅｌｆ－ｓｕｐｅｒｖｉｓｅｄＩｎｔｅｒｅｓｔｐｏｉｎｔｄｅｔｅｃｔｉｏｎａｎｄｄｅｓｃｒｉｐｔｉｏｎ［Ｊ］．ａｒＸｉｖｐｒｅｐｒｉｎｔａｒＸｉｖ：１７１２．０７６２９，２０１８．［６］ＳＡＲＬＩＮＰＥ，ＤＥＴＯＮＥＤ，ＭＡＬＩＳＩＥＷＩＣＺＴ，ｅｔａｌ．ＳｕｐｅｒＧｌｕｅ：ＬｅａｒｎｉｎｇｆｅａｔｕｒｅｍａｔｃｈｉｎｇｗｉｔｈｇｒａｐｈＮｅｕｒａｌＮｅｔｗｏｒｋｓ［Ｃ］／／２０２０ＩＥＥＥ／ＣＶＦＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．Ｓｅａｔｔｌｅ，ＷＡ，ＵＳＡ：ＩＥＥＥ，２０２０：４９３７－４９４６．［７］ＥＦＥＵ，ＩＮＣＥＫＧ，ＡＬＡＴＡＮＡＡ．ＤＦＭ：Ａｐｅｒｆｏｒｍａｎｃｅｂａｓｅｌｉｎｅｆｏｒｄｅｅｐｆｅａｔｕｒｅｍａｔｃｈｉｎｇ［Ｊ］．２０２１ＩＥＥＥ／ＣＶＦＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎＷｏｒｋｓｈｏｐｓ（ＣＶＰＲＷ）．Ｎａｓｈｖｉｌｌｅ，ＴＮ，ＵＳＡ：ＩＥＥＥ，２０２１：４２７９－４２８８．［８］ＳＣＨＯＮＢＥＲＧＥＲＪＬ，ＨＡＲＤＭＥＩＥＲＨ，ＳＡＴＴＬＥＲＴ，ｅｔａｌ．Ｃｏｍｐａｒａｔｉｖｅｅｖａｌｕａｔｉｏｎｏｆｈａｎｄ－ｃｒａｆｔｅｄａｎｄｌｅａｒｎｅｄｌｏｃａｌｆｅａｔｕｒｅｓ［Ｃ］／／２０１７ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．Ｈｏｎｏｌｕｌｕ，ＨＩ：ＩＥＥＥ，２０１７：６９５９－６９６８．［９］ＺＨＡＮＧＨａｎ，ＮＩＷｅｉｐｉｎｇ，ＹＡＮＷｅｉｄｏｎｇ，ｅｔａｌ．Ｒｅｇｉｓｔｒａｔｉｏｎｏｆｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｂａｓｅｄｏｎｄｅｅｐｆｕｌｌｙｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ［Ｊ］．ＩＥＥＥＪｏｕｒｎａｌｏｆＳｅｌｅｃｔｅｄＴｏｐｉｃｓｉｎＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎｓａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０１９，１２（８）：３０２８－３０４２．［１０］ＱＵＡＮＤｏｕ，ＷＡＮＧＳｈｕａｎｇ，ＧＵＹｕ，ｅｔａｌ．Ｄｅｅｐｆｅａｔｕｒｅｃｏｒｒｅｌａｔｉｏｎｌｅａｒｎｉｎｇｆｏｒｍｕｌｔｉ－ｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０２２，６０：１－１６．［１１］ＶＡＳＷＡＮＩＡ，ＳＨＡＺＥＥＲＮ，ＰＡＲＭＡＲＮ，ｅｔａｌ．Ａｔｔｅｎｔｉｏｎｉｓａｌｌｙｏｕｎｅｅｄ［Ｃ］／／ＡｄｖａｎｃｅｓｉｎＮｅｕｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇＳｙｓｔｅｍ．ＬｏｎｇＢｅａｃｈ：ＮＩＰＳＦｏｕｎｄａｔｉｏｎ，２０１７：５９９８－６００８．［１２］ＯＰＰＥＮＨＥＩＭＡＶ，ＬＩＭＪＳ．Ｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｐｈａｓｅｉｎｓｉｇｎａｌｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，１９８１，６９（５）：５２９－５４１．［１３］ＭＯＲＲＯＮＥＭＣ，ＯＷＥＮＳＲＡ．Ｆｅａｔｕｒｅｄｅｔｅｃｔｉｏｎｆｒｏｍｌｏｃａｌｅｎｅｒｇｙ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎＬｅｔｔｅｒｓ，１９８７，６（５）：３０３－３１３．［１４］ＫＯＶＥＳＩＰ．Ｉｍａｇｅｆｅａｔｕｒｅｓｆｒｏｍｐｈａｓｅｃｏｎｇｒｕｅｎｃｙ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌ，１９９９，１（３）：１－２７．［１５］ＪＩＡＮＧＸｉｎｇｙｕ，ＭＡＪｉａｙｉ，ＸＩＡＯＧｕｏｂａｏ，ｅｔａｌ．Ａｒｅｖｉｅｗｏｆｍｕｌｔｉｍｏｄａｌｉｍａｇｅｍａｔｃｈｉｎｇ：Ｍｅｔｈｏｄｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎ，２０２１，７３：２２－７１．［１６］姚永祥，张永军，万一，等．顾及各向异性加权力矩与绝对相位方向的异源影像匹配［Ｊ］．武汉大学学报（信息科学版），２０２１，４６（１１）：１７２７－１７３６．［１７］ＦＡＮＺｈｏｎｇｌｉ，ＬＩＵＹｕｘｉａｎ，ＬＩＵＹｕｘｕａｎ，ｅｔａｌ．３ＭＲＳ：Ａｎｅｆｆｅｃｔｉｖｅｃｏａｒｓｅ－ｔｏ－ｆｉｎｅｍａｔｃｈｉｎｇｍｅｔｈｏｄｆｏｒｍｕｌｔｉｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｙ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０２２，１４（３）：４７８．［１８］ＱＵＡＮＤｏｕ，ＷＡＮＧＳｈｕａｎｇ，ＧＵＹｕ，ｅｔａｌ．Ｄｅｅｐｆｅａｔｕｒｅｃｏｒｒｅｌａｔｉｏｎｌｅａｒｎｉｎｇｆｏｒｍｕｌｔｉ－ｍｏｄａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅ＆ＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０２２，６０：１－１６．（上接第１０６页）［４］茆训诚，崔百胜，王周伟．多元旋转自回归条件异方差模型的构建与应用研究以九种人民币汇率波动为例［Ｊ］．上海经济研究，２０１４（０１）：７０－８２．［５］ＷＡＮＧＹＦ．Ｐｒｅｄｉｃｔｉｎｇｓｔｏｃｋｐｒｉｃｅｕｓｉｎｇｆｕｚｚｙｇｒｅｙｐｒｅｄｉｃｔｉｏｎｓｙｓｔｅｍ［Ｊ］．ＥｘｐｅｒｔＳｙｓｔｅｍｓＷｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２００２，２２（１）：３３－３８．［６］ＪＩＬＡＮＩＴＡ，ＢＵＲＮＥＹＳＭＡ．Ａｒｅｆｉｎｅｄｆｕｚｚｙｔｉｍｅｓｅｒｉｅｓｍｏｄｅｌｆｏｒｓｔｏｃｋｍａｒｋｅｔｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＰｈｙｓｉｃａＡ：ＳｔａｔｉｓｔｉｃａｌＭｅｃｈａｎｉｃｓａｎｄｉｔｓＡｐｐｌｉｃａｔｉｏｎｓ，２００８，３８７（１２）：２８５７－２８６２．［７］ＫＡＲＡＴＺＩＮＩＳＧＤ，ＢＯＵＴＡＬＩＳＹＳ．Ｆｕｚｚｙｃｏｇｎｉｔｉｖｅｎｅｔｗｏｒｋｓｗｉｔｈｆｕｎｃｔｉｏｎａｌｗｅｉｇｈｔｓｆｏｒｔｉｍｅｓｅｒｉｅｓａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇＪｏｕｒｎａｌ，２０２１，１０６：１０７４１５．［８］ＦＥＮＧＧｕｏｌｉａｎｇ，ＺＨＡＮＧＬｉｙｏｎｇ，ＹＡＮＧＪｉａｎｈｕａ，ｅｔａｌ．Ｌｏｎｇ－ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆｔｉｍｅｓｅｒｉｅｓｕｓｉｎｇｆｕｚｚｙｃｏｇｎｉｔｉｖｅｍａｐｓ［Ｊ］．ＥｎｇｉｎｅｅｒｉｎｇＡｐｐｌｉｃａｔｉｏｎｓｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，２０２１，１０２：１０４２７４．［９］马楠，杨炳儒，邱正强，等．基于测度递进的模糊认知图及其应用［Ｊ］．计算机工程与设计，２０１２，３３（０５）：１９５８－１９６２．［１０］ＹＡＮＧＳｈａｎｃｈａｏ，ＬＩＵＪｉｎｇ．Ｔｉｍｅ－ｓｅｒｉｅｓｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄｏｎｈｉｇｈ－ｏｒｄｅｒｆｕｚｚｙｃｏｇｎｉｔｉｖｅｍａｐｓａｎｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＦｕｚｚｙＳｙｓｔｅｍｓ，２０１８，２６（６）：３３９１－３４０２．［１１］ＬＩＵＺｏｎｇｄｏｎｇ，ＬＩＵＪｉｎｇ．Ａｒｏｂｕｓｔｔｉｍｅｓｅｒｉｅｓｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｈｉｇｈ－ｏｒｄｅｒｆｕｚｚｙｃｏｇｎｉｔｉｖｅｍａｐｓ［Ｊ］．Ｋｎｏｗｌｅｄｇｅ－ＢａｓｅｄＳｙｓｔｅｍｓ，２０２０，２０３（ｐｒｅｐｕｂｌｉｓｈ）．［１２］ＨＵＡＮＧＹｕｓｈｅｎｇ，ＧＡＯＹｅｌｉｎ，ＧＡＮＹａｎ，ｅｔａｌ．Ａｎｅｗｆｉｎａｎｃｉａｌｄａｔａｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍａｎｄｌｏｎｇｓｈｏｒｔ－ｔｅｒｍｍｅｍｏｒｙｎｅｔｗｏｒｋ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０２０（ｐｒｅｐｕｂｌｉｓｈ）．［１３］林春梅，何跃，汤兵勇，等．模糊认知图在股票市场预测中的应用研究［Ｊ］．计算机应用，２００６，２６（０１）：１９５－１９７，２０１．３１１第８期石添鑫，等：一种基于交叉注意力机制多模态遥感图像匹配网络。

《信息论基础》教学大纲

《信息论基础A》教学大纲Basic Information Theory A一、课程的性质和目的当前信息产业发展很快，需要大量从事信息、通信、电子工程类专业的人才，本课程正是这类专业的基础课程，信息与计算科学专业（信息安全方向）的专业课程。

通过对本课程的学习，使学生能掌握有关信息论的基本理论以及编码的理论和实现原理。

重点讨论了信源的熵、熵的性质和无失真信源编码理论、限失真信源编码理论以及各种常用的信源编码方法，讨论了信道编码理论以及各种常用的信道编码方法。

而且针对信息安全的具体问题，研究了信息论的应用，信息论与安全理论的关系。

本课程为以后开设的专业课程打下了坚实的基础，也为学生更好的理解信息安全理论奠定了基础。

二、课程教学内容及学时分配1.绪论(2学时)本章要求了解信息论的形成和发展，了解信息，信号，消息的区别和联系；掌握通信系统的模型。

本章的主要内容为：信息论的形成和发展，信息、信号、消息的区别，香农信息的定义，通信系统的模型。

2.离散信源及其信息测度(10学时)本章要求掌握信源的数学模型，了解信源的分类；掌握离散信源熵，了解信息熵的基本性质；掌握离散序列信源及马尔可夫信源信息熵的求法。

本章的主要内容为：信源的数学模型及分类，离散信源熵及其性质，离散序列信源的熵，离散平稳信信源的极限熵，马尔可夫信源，信源剩余度。

3.离散信道及其信道容量(10学时)本章要求掌握信道的数学模型，了解信道的分类；掌握平均互信息的定义，了解平均互信息的特性；了解离散信道信道容量的一般计算方法，会计算对称离散信道的信道容量；理解数据处理定理以及信源与信道匹配的意义。

本章的主要内容为：信道的数学模型及其分类，平均互信息及其特性，信道容量及其一般计算方法，数据处理定理，信源和信道的匹配。

4.无失真信源编码(8学时)本章要求了解码的分类方法如：定长码和变长码，奇异码和非奇异码，即时码和非即时码等；理解定长编码定理和变长编码定理；了解几种编码方法：香农编码方法、费诺编码方法、MH编码及算术编码；掌握哈夫曼编码方法；会确定编码效率。

信息论与编码课程设计论文

《信息理论与编码》课程论文题目：信息论的基本理论探究学生姓名：学号：系别：专业：任课教师：年月日目录摘要 (2)关键词 (2)1 前言 (4)2 信息的度量 (5)2.1 概述 (5)2.2 离散信源及其信息度量 (5)2.2.1 离散随机信源的自信息与信息熵 (5)2.2.2 离散平稳信源 (6)2.2.3 马尔可夫信源 (7)3 离散信道 (7)3.1 概述 (7)3.2 平均互信息 (8)3.3 离散信道的信道容量 (8)4 连续信道 (8)5 无失真信源编码 (9)5.1 信源编码到无失真编码的概述 (9)5.2 定长编码 (10)5.3 变长编码 (10)5.3.1 概述 (10)5.3.2 香农编码 (11)5.3.3 费诺编码 (11)5.3.4 霍夫曼编码 (12)6 本次课程论文总结 (12)参考文献 (13)信息论的基本理论探究摘要信息是从人类出现以来就存在于这个世界上，人类社会的生存和发展都离不开信息的获取、传递、处理、再生、控制和处理。

而信息论正是一门把信息作为研究对象，以揭示信息的本质特性和规律为基础，应用概率论、随即过程和数理统计等方法来研究信息的存储、传输、处理、控制、和利用等一般规律的学科。

主要研究如何提高信息系统的可靠性、有效性、保密性和认证性，以使信息系统最优化。

在信息论的指导下，信息技术得到飞速发展，这使得信息论渗透到自然科学和社会科学的所有领域，并且应用与众多领域：编码学、密码学与密码分析、数据压缩、数据传输、检测理论、估计理论等。

信息论的主要基本理论包括：信息的定义和度量；各类离散信源和连续信源的信源熵；有记忆，无记忆离散和连续信道的信道容量，平均互信息；无失真信源编码相关理论。

关键词信息度量；离散和连续信源；信道容量；平均互信息；信源编码1前言被称为“信息论之父”的美国科学家香农于1948年10月发表于《贝尔系统技术学报》上的论文《A Mathematical Theory of Communication》（通信的数学理论）作为现代信息论研究的开端。

崇尚奉献追求卓越养高素质信息科技人才

崇尚奉献追求卓越养高素质信息科技人才作者：王亚杰来源：《北京教育·高教版》2007年第12期北京邮电大学自建校半个多世纪以来，历代的建设者自强不息、艰苦创业，以振兴民族信息通信事业为己任，培养出一批批无私奉献、勤奋务实、勇于创新的高素质信息科技人才，为国民经济特别是信息通信行业的发展作出了巨大贡献。

在50多年的办学历程中，学校积淀形成了“崇尚奉献，追求卓越”的北邮精神。

这一精神激励和鼓舞着一代代北邮人不断开拓向前，逐步把学校建设成为以信息科技为特色，工、管、文、理相结合，在信息通信领域有着突出优势的多科性、研究型、开放式全国重点大学。

一、“崇尚奉献，追求卓越”的北邮精神是强校之源1.国脉所系，艰苦卓绝的奋斗历程铸就了“崇尚奉献，追求卓越”的北邮精神毛泽东和周恩来曾提出，“通信是国家的神经命脉”和“传邮万里，国脉所系”。

在全国高校院系大调整时期，中央人民政府政务院于1953年10月批准了邮电部组建北京邮电学院的报告。

建校之初，正值国家困难时期，北邮人发扬自力更生、艰苦奋斗的创业精神，在党和政府的大力支持下，风餐露宿，夜以继日，克服了重重困难，保证了学校于1955年正式招生。

学校在新中国邮电通信事业“严重的落后，传统的保守”形势下应运而生，成为新中国第一所邮电高等学府，掀开了新中国邮电高等教育的新篇章。

创业的艰难，办学的艰苦，在学校创业者的心里深深地打下了“崇尚奉献，追求卓越”的烙印。

50多年来，北邮人在这一精神的鼓舞下，取得了一个又一个巨大成就。

1956年成为全国首批招收研究生的高校；1960年跻身于全国64所重点高校行列；1980年成为国家首批硕士与博士学位授予权单位；“九五”期间，成为国家“211工程”重点建设的首批61所院校之一；2000年试办研究生院并于2004年成为全国57所获准正式设立研究生院的高校之一；2005年在50周年校庆之际，实现了信息产业部与教育部的共建。

2.继承和发扬“崇尚奉献，追求卓越”的北邮精神，学校全面开展科技攻坚，引领行业发展新中国的邮电通信，从手摇磁石电话机起步，经过步进制、纵横制到程控交换，从共电、载波、微波到光纤通信，从架空明线、同轴电缆、光缆到卫星通信，学校的学科专业、科学研究就是沿着通信技术更新换代的轨迹成长发展起来的。

信道估计的书 -回复

信道估计的书-回复
在通信领域中，信道估计是一个关键课题，对于理解和优化无线通信系统的性能至关重要。

以下是一些关于信道估计的参考书籍：
1. 《无线通信中的信道估计》：作者周炯槃、庞沁华等编著，该书详细介绍了无线通信系统中的信道模型以及相应的信道估计理论和方法。

2. 《MIMO-OFDM无线通信系统中的信道估计技术》：作者王文博，这本书主要聚焦于多输入多输出（MIMO）与正交频分复用（OFDM）技术结合的无线通信系统中的信道估计问题。

3. 《无线通信信道估计算法及应用》：作者胡庆洪、张平，该书对各种无线通信信道估计算法进行了深入的探讨，并结合实际应用进行解析。

4. "Wireless Communications: Principles and Practice"（《无线通信：原理与实践》）：作者Theodore S. Rappaport，此书为英文原版教材，其中包含了详细的无线通信基础理论以及信道建模与估计的内容。

以上书籍适合于通信工程、电子信息等相关专业的学生和研究人员阅读学习。

中国电子学会信息论分会周炯盘优秀研究生学位论文奖

通信网理论基础（修订版）教学配套课件周炯槃讲义

北京邮电大学-通信工程导论 (2)

北邮本科毕业论文范文北邮本科生都要进行毕业论文答辩

北京邮电大学研究生导师个人及科研情况简介

北邮信通院导师团队介绍-20110905

p型GaN的掺杂研究

基于电磁信息论的多用户超大规模MIMO的互信息研究

北京邮电大学研究生导师个人及科研情况简介

通信原理06

半导体集成电路可靠性测试及数据处理

周炯盘《通信原理》(第3版)笔记和课后习题(含考研真题)详解 第1章~第3章【圣才出品】

北邮通信方向的研究生导师都有哪些？

一种基于交叉注意力机制多模态遥感图像匹配网络

《信息论基础》教学大纲

信息论与编码课程设计论文

崇尚奉献 追求卓越 养高素质信息科技人才

信道估计的书 -回复

周炯盘《通信原理》(第3版)笔记和课后习题(含考研真题)详解第1章~第3章【圣才出品】

崇尚奉献追求卓越养高素质信息科技人才