针对传统人体动作识别中的硬件成本高和隐私泄露等问题,本文提出了一种基于三维卷积神经网络(3DCNN)和Wi-Fi信道状态信息(Channel State Information,CSI)的人体动作识别方法。首先,从采集到的信号中提取原始CSI数据的幅值和相位;其次,...针对传统人体动作识别中的硬件成本高和隐私泄露等问题,本文提出了一种基于三维卷积神经网络(3DCNN)和Wi-Fi信道状态信息(Channel State Information,CSI)的人体动作识别方法。首先,从采集到的信号中提取原始CSI数据的幅值和相位;其次,进行异常点去除和滤波去噪,通过应用CSI幅度与相位的结合以及滑动方差进行人体动作切割,得到处理后的CSI数据;然后,在此基础上使用3DCNN神经网络提取CSI数据的时间和空间特征,并通过引入注意力机制进一步提升人体动作识别的准确度;最后,在实验室采集的CSI数据集上进行了人体动作识别的实验验证,其准确率达到96.1%。展开更多
为解决传统反射式预失真电路可调性不高、对功率放大器的邻信道泄漏比(ACLR)改善量小的问题,文中提出了一种基于肖特基二极管的反射式可调模拟预失真电路。该电路由90°电桥、肖特基二极管以及偏置电路组成。每条支路采用两个并联...为解决传统反射式预失真电路可调性不高、对功率放大器的邻信道泄漏比(ACLR)改善量小的问题,文中提出了一种基于肖特基二极管的反射式可调模拟预失真电路。该电路由90°电桥、肖特基二极管以及偏置电路组成。每条支路采用两个并联肖特基二极管产生非线性信号,以抵消功放的非线性失真。每一个肖特基二极管都有独立的偏置电路,从而可以增加电路调节的自由度。通过改变每个肖特基二极管的偏压,可实现更大动态范围的幅度和相位的补偿。基于此原理加工的S波段模拟预失真电路对中心频率为3.5 GHz的Doherty功率放大器进行线性化测试,实验结果证明:加上提出的模拟预失真电路后,在输出功率为-28 d Bm时被测功放的ACLR改善了14.6 d Bc以上。展开更多
为了提高建模精度,提出了广义改进型径向基函数神经网络模型。首先,在径向基神经网络的输入层中使用延时抽头以仿真功放的线性记忆效应;然后,对每个抽头进行非线性级数展开,用于模拟功放的非线性记忆效应;最后,在非线性级数展开模块中...为了提高建模精度,提出了广义改进型径向基函数神经网络模型。首先,在径向基神经网络的输入层中使用延时抽头以仿真功放的线性记忆效应;然后,对每个抽头进行非线性级数展开,用于模拟功放的非线性记忆效应;最后,在非线性级数展开模块中引入超前包络项和滞后包络项,用于模仿功放的超前包络效应和滞后包络效应。文中使用三载波WCDMA信号驱动Doherty射频功率放大器进行测试,实验结果表明,与传统功放模型相比,广义改进型径向基神经网络模型能够更准确地拟合射频功放的特性,其归一化均方误差可以达到-41 d B。展开更多
文摘针对传统人体动作识别中的硬件成本高和隐私泄露等问题,本文提出了一种基于三维卷积神经网络(3DCNN)和Wi-Fi信道状态信息(Channel State Information,CSI)的人体动作识别方法。首先,从采集到的信号中提取原始CSI数据的幅值和相位;其次,进行异常点去除和滤波去噪,通过应用CSI幅度与相位的结合以及滑动方差进行人体动作切割,得到处理后的CSI数据;然后,在此基础上使用3DCNN神经网络提取CSI数据的时间和空间特征,并通过引入注意力机制进一步提升人体动作识别的准确度;最后,在实验室采集的CSI数据集上进行了人体动作识别的实验验证,其准确率达到96.1%。
文摘为解决传统反射式预失真电路可调性不高、对功率放大器的邻信道泄漏比(ACLR)改善量小的问题,文中提出了一种基于肖特基二极管的反射式可调模拟预失真电路。该电路由90°电桥、肖特基二极管以及偏置电路组成。每条支路采用两个并联肖特基二极管产生非线性信号,以抵消功放的非线性失真。每一个肖特基二极管都有独立的偏置电路,从而可以增加电路调节的自由度。通过改变每个肖特基二极管的偏压,可实现更大动态范围的幅度和相位的补偿。基于此原理加工的S波段模拟预失真电路对中心频率为3.5 GHz的Doherty功率放大器进行线性化测试,实验结果证明:加上提出的模拟预失真电路后,在输出功率为-28 d Bm时被测功放的ACLR改善了14.6 d Bc以上。
文摘为了提高建模精度,提出了广义改进型径向基函数神经网络模型。首先,在径向基神经网络的输入层中使用延时抽头以仿真功放的线性记忆效应;然后,对每个抽头进行非线性级数展开,用于模拟功放的非线性记忆效应;最后,在非线性级数展开模块中引入超前包络项和滞后包络项,用于模仿功放的超前包络效应和滞后包络效应。文中使用三载波WCDMA信号驱动Doherty射频功率放大器进行测试,实验结果表明,与传统功放模型相比,广义改进型径向基神经网络模型能够更准确地拟合射频功放的特性,其归一化均方误差可以达到-41 d B。
