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
逆F类功放在接近饱和区工作时效率很高,将其与Doherty功放结构相结合,可以实现一种在大功率回退的情况下仍然具有很高效率的射频功率放大器。本文设计了一款基于Ga N HEMT晶体管的高效率的逆F类Doherty功率放大器,工作频带为910MHz^950...逆F类功放在接近饱和区工作时效率很高,将其与Doherty功放结构相结合,可以实现一种在大功率回退的情况下仍然具有很高效率的射频功率放大器。本文设计了一款基于Ga N HEMT晶体管的高效率的逆F类Doherty功率放大器,工作频带为910MHz^950MHz。单音信号测试结果显示,在930MHz处,功放回退7.5d B后漏极效率仍高达64.2%。使用3载波WCDMA信号作为测试信号,利用数字预失真技术进行线性化后,功放输出信号的上下边带邻信道功率比(ACPR)分别为-35.39d Bc和-35.9d Bc。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%。