本文提出了一种基于变分的方法来融合高光谱和多光谱图像，该方法将融合过程表示为一个逆问题，并设计了一种稀疏正则化项。仿真结果表明，该算法相比于现有的融合方法更加高效。

Sep, 2014

本文提出了一种关于散射谱模型的方法，基于散射系数的协方差，通过旋转和缩放对物理场进行多尺度分析并得出其低维结构表达，这个通用的方法可以用于数据探索、分类、参数推断、对称检测和成分分离。

Jun, 2023

本文提出了两种新的信道估计方法，利用平行因子分解张量模型，闭合形式或迭代估计涉及通讯通道，证实了智能反射表面 (IRS) 辅助通信的有效性。

Jan, 2020

本文提出了一种新的正态分布稀疏光谱近似方法，应用变分推断将傅里叶级数的协方差函数近似建模为随机变量，从而提高了对复杂函数的拟合效果并避免了过拟合现象。

Mar, 2015

提出了一种基于高效协方差矩阵重构的自适应波束形成算法的经济实用技术，通过迭代空间功率谱实现。该方法通过简化的最大熵功率谱密度函数重构干扰加噪声协方差矩阵，并有效塑造波束形成器的方向响应。该文首先利用可用快照估计干扰源的到达方向，然后开发一种算法，通过在小角度扇区内估计干扰的到达方向附近的指向矢量的外积加权和来重构干扰加噪声协方差矩阵。我们还设计了基于共轭梯度技术的经济实用自适应算法来更新波束形成权重，并通过空间功率谱获得信号感兴趣的指向矢量的估计。该提出的波束形成器可以通过在阵列的方向响应中产生深度足够的波谷来抑制靠近信号感兴趣方向的干扰源。通过提供仿真结果验证了该方法的有效性，并与现有方法进行了比较。

Sep, 2023

我们提出了一种名为 Multi-spectral Neural Radiance Fields（Spec-NeRF）的方法，可以通过一组经不同滤波器滤波的彩色图像，联合重建多光谱辐射场和相机的光谱灵敏度函数（SSFs）。通过将估计得到的 SSFs 和辐射场应用于合成多光谱场景的新视图，该方法侧重于对物理成像过程进行建模。该方法只需要一台低成本的三色相机和几个现成的彩色滤光片进行数据采集，相比使用专门的 3D 扫描和光谱成像设备更加实用。我们对合成和真实场景数据集进行的实验表明，利用可学习的 NeRF 和 SSFs 处理经过滤波的 RGB 图像，能够实现高保真度和有前景的光谱重建，并且保留了 NeRF 理解几何结构的内在能力。该方法的代码可以在此 https URL 找到。

Sep, 2023

本文提出了一种结合深度神经网络自编码器和基于奇异值分解（SVD）的最优线性模型的新颖的非线性模型，相比传统模型在建模包含感兴趣能量范围内的 X 射线吸收光谱时具有优势。

Jul, 2023

本文提出了一种实用的传输协议，用于智能反射面增强的正交频分复用系统，执行信道估计和反射优化，以实现 IRS 的被动波束成形增益。

Sep, 2019

从部分和嘈杂的三维点云扫描中隐式三维表面重建是经典的几何处理和三维计算机视觉问题。本文提出了一种基于局部支持紧致径向基函数的线性隐式表面表示，并通过使用带标记距离场 (SDF) 数据进行监督学习，学习了物体的三维表面的线性隐式形状表示。所提出的方法在基准数据集上实现了更好的 Chamfer 距离和可比较的 F-score，并通过应用于三维形状完成任务展示了其有效性。

Feb, 2024

本论文研究基于智能反射面（IRS）的正交频分复用（OFDM）系统，提出了一种有效的传输协议和通道估计方法，通过优化功率分配和反射系数，实现了可实现的速率最大化。

Jun, 2019