摘要:针对现有壁画修复算法因缺乏对于图像远距离特征的捕获能力而导致修复结果结构紊乱，以及缺失边缘颜色不一致 问题，提出一种多尺度信息融合的生成对抗网络壁画修复算法。首先，将多分支扩张卷积架构引入生成网络，各个子扩张卷 积的卷积核以不同扩张率局部扩大感受野，提取图像的局部特征；其次结合快速傅里叶卷积基于全局感受野提取特征，实现 壁画图像局部到全局的特征提取；最后引入自注意力与PatchGAN 鉴别器以解决缺失边缘颜色不一致问题。根据自制壁画 数据集进行模型的训练和测试，并与多组修复算法进行修复对比，实验结果表明，相较于对比算法，所提算法在峰值信噪比 (PSNR) 平均提升4.42 dB, 结构相似性(SSIM) 平均提升4.4%,学习感知图像块相似度(LPIPS) 平均提升11.3%。实验证明 所提算法能够有效修复破损壁画，修复后的壁画有较好的结构和纹理信息，为真实壁画的修复工作提供了支撑。

摘要:当前数模转换器(DAC) 测试面临不能兼顾采样精度与采样速率的问题，测试时通常只能二者选其一，随着 DAC器件 的发展，常规测试系统不能满足当前测试领域需求。针对采样速率提升导致系统噪声提高，最终使采样系统有效分辨率恶化 的问题，在分析对比了当前采样技术和系统噪声影响的基础上，提出了基于顺序等效采样的DAC 测试方法。该方法将高频 的原始信号在时间域上展开，其核心是制造采样周期与输入信号的周期的固定频差以进行分周期采样。对采样时钟抖动对 系统有效位数的影响进行分析，确定了系统的最大时钟抖动，根据被测信号周期特征设计了测试系统的采样结构与周期。并 对一款16 bit,500 MHz输出的DAC 进行了测试，其结果与传统外挂频谱仪的测试结果进行对比。对比结果表明两次实验获 得的频谱特征一致，采用本文设计的测试系统获得的测试结果得到了约4dBc 无杂散范围提升，约3 dBc 双音交调参数提升， 证明基于顺序等效采样DAC测试方法的有效性。