面向人体安检的毫米波转台成像实验

提出2种基于前视和斜下视圆周扫描的毫米波人体安检方案,该方案采用1对收发分置天线沿圆周扫描,利用矢量网络分析仪、喇叭天线和高精确度转台搭建了毫米波成像实验平台。为了验证2种方案及相应的波数域算法的有效性,通过毫米波转台实验对多个目标反演成像,并得到了良好的实验结果。实验结果表明,本文提出的2种毫米波人体安检方案都具有一定的可行性。

基于深度学习的无线电调制识别

本文在原始采样时间序列表示中研究无线电通信信号的特征提取,研究了卷积神经网络对时域无线电信号的适用性。采用深度学习的方式和今天广泛使用的基于专家特征的方法对比无线电调制分类的效果。证明了卷积神经网络自编码器方式能够有效识别无线电调制方式,并且相比于专家系统有显著的性能改进。本文证明了使用深度卷积神经网络在无线电时域信号上的特征提取是可行的,特别是在信噪比不确定的复杂电磁环境下更具有不可替代的优势。

基于深度学习的无线电特征提取

文章针对现实环境下无线电通信环境复杂,通信方式复杂多变,且人工提取无线电特征工作量巨大又存在不稳定因素,提出基于神经网络学习的无线电特征提取方法。用深度卷积神经网络代替传统的特征提取算法对无线电时域信号进行编码学习;然后通过深度学习特征矢量的相似度,实现同类调制信号相同特征的自动匹配;最后,利用训练数据的类别标签信息自上而下对无线电特征进行微调,得到无线电深度学习表示向量以此训练全连接分类器实现无线电调制分类。实验结果表明,本方法能够有效克服传统线性分类方法的缺点,有效地提升无线电调制方式分类性能。