基于静动态综合估计的无人机蜂群态势感知技术

随着军用无人机技术的快速发展,其作战体系也逐渐从无人机单机作战向蜂群作战转变。为了实现入侵无人机蜂群的反制,亟需探索面向无人机蜂群入侵场景的态势感知技术。目前,无人机蜂群态势感知领域主要在整体概念层面研究态势感知的技术与模型,缺乏具体应用场景下的态势感知技术与仿真平台。本文面向分布式作战战术场景与哈里斯鹰的合围狩猎方式,引入了无人机蜂群的进攻阵型与仿鹰群的无人机蜂群协同攻击模型,使用到达时间差定位算法与联合概率数据关联滤波器获得无人机蜂群轨迹信息,并将无人机蜂群战场态势划分为静态态势与动态态势,分别表示对战场某个时刻态势的理解与战场未来趋势的推断。在此基础上,本文提出了一种基于静动态综合估计的无人机蜂群态势感知技术,涵盖基于模糊规则评价的静态态势感知以及基于蜂群预测推断的动态态势感知。同时,搭建了三维无人机蜂群态势感知仿真平台,实现了入侵无人机蜂群的运动学建模、定位跟踪、战场态势感知以及误差分析等过程,验证了所提态势感知技术的有效性。

基于云边协同的智能垃圾分类系统设计

为满足生活垃圾分类智能化需求与分类设备的集中化管理,设计并开发了一种基于云边协同的智能垃圾分类系统。该系统采用树莓派和阿里云HaaS100开发板作为边缘端主控设备,以阿里云物联网平台作为云平台。系统选用百度飞桨提供的245个类别的垃圾分类数据集,并结合数据增强与云边协同技术,对三种轻量级垃圾分类算法进行训练、测试与部署。实验结果表明,数据增强可使算法模型在测试集上的Top-1准确率提高1%左右,云边协同可使树莓派在推理时的Top-1准确率达到98.80%,能够满足实际使用需求。

DroneRFa:用于侦测低空无人机的大规模无人机射频信号数据集

为研究与发展反无人机检测识别技术,该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号,包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段,每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段,记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注,以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外,该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案,以验证数据集的可靠和有效性。

核心课程内涵优化的探索实践研究——以浙江大学信息与电子工程学院为例

贯彻落实教育内涵式发展的措施,深化本科专业核心课程内涵优化的改革。在梳理知识体系、重构课程体系改革的基础上,新设若干门专业核心课程,并对3个专业、17门核心课程进行了内涵优化的改革。通过对10余所国内外高校电子类专业相关课程相应知识单元的调研,结合核心课程的基础与特色,优化课程内涵。核心课程内涵优化的调研措施与改革成果,对其他高校电子信息类专业、其他专业的核心课程改革有一定的借鉴作用。

“物联网系统设计”课程建设探索研究

介绍了浙江大学信息与电子工程学院“物联网系统设计”课程建设,学生通过课程的学习,掌握物联网的协议构架、设计设备端,利用云端的存储、计算和大数据分析能力,将云端的计算结果反馈于本地端设备端侧的控制。课程建设紧密围绕创新人才的3个要素:跨学科的技术知识、创新思维能力和创新驱动力。针对课程教学及实践环节,提出了“想学、能学,学好、做好”的“两学两好”教学理念,课程教学持续改进,进一步锻炼了学生的动手和创新能力。

“数字系统”教学的知行合一探索与研究

“数字系统”课程是浙江大学信息电子相关专业与工程领域中的重要课程,涵盖了数字逻辑设计和数字电路实现等内容。通过调研多所国内外高校的“数字系统”课程教学情况,总结了相关的教学特点和优点,并提出了一些改革创新内容。在“数字系统”课程中强化理论与实践的融合方法,以及设计思维和实践操作,引导学生团队合作,设计了贯穿式教学和多样化的评估方式等改革创新内容,以进一步提升课程的教学效果,做到因材施教,知行合一,为不同教学环境提供可行和有效的教学方法与思路。

面向卓越工程师培养的物联网实践教学模式改革与探索

针对物联网方向卓越工程师培养要求,探索物联网专业硕士研究生实践教学新模式。开展了物联网专业实践教学体系、教学平台建设和教学内容的改革和创新。教学实践表明,学生的工程设计思维、行业产业认知、物联网系统设计、工程综合应用创新能力和工程意识不断提升,获得多项竞赛成果,就业竞争力明显增强。

EMVS互质面阵张量波束成形

相比于标量传感器均匀阵列,电磁矢量传感器(electromagnetic vector sensor,EMVS)稀疏阵列能够在降低系统软硬件成本的同时感知更大范围、更高维度的空间信号信息,并通过精尖波束扫描实现信源测向性能的综合提升。然而,传统基于矩阵信号建模的波束成形算法难以利用EMVS接收信号的多维结构化信息,且存在由阵元稀疏排布所引入的虚峰干扰问题。为了应对上述挑战,提出了面向EMVS互质面阵的张量波束成形算法,有效利用了空域互质采样的波束分布特性和张量信号处理的优势实现指向性张量波束扫描测向。具体而言,将EMVS互质面阵中稀疏均匀子面阵的接收信号表示为一对涵盖多维度空间电磁信息的高维张量,并从张量信号空域滤波的准则出发,设计面向稀疏均匀子面阵的张量化最小方差无畸变响应优化问题。为了克服由上述优化问题中张量内积项所造成的传统求解方法失效难题,提出通过张量权重的canonical polyadic分解,将原始张量化最小方差无畸变响应优化问题转换为对应波达方向信息维度与极化状态信息维度的子问题,并基于各子问题的局部最优解设计交替迭代求解方法,以获得张量权重的全局最优解。进而,基于张量空间的质数分解唯一性分析,理论证明一对满足互质阵元排布的稀疏均匀子面阵所对应的虚峰具有互不重叠特性,并提出张量波束功率的互质合成处理方法,以此构造具备精尖主瓣且虚峰抵消的张量波束功率图,从而实现多信源空间方位的精准估计。仿真结果验证了所提EMVS互质面阵张量波束成形算法的有效性。

基于Cisco NetSpace及“学在浙大”的线上线下融合教学研究——以“无线网络应用”课程为例

以Cisco NetSpace及“学在浙大”为线上教学平台,以浙江大学—思科网院实验室及浙江大学TP-LINK无线网络实验室为线下教学平台,采用线上智慧学习与线下探究实验相融合的教学模式,将Cisco CCNA7网络技术在线培训用于“无线网络应用”实验课程教学,设计实现了一套线上线下融合教学系统。教学实践表明,该系统能明显提高学生解决实际问题的动手实践能力,教学效果显著,取得了省一流课程等教学成果,促进了浙江大学实验课程线上线下融合教学水平的提升。

基于强化学习的多核芯片动态功耗管理框架

多核芯片可以为移动智能终端提供强大算力,但功耗和温度问题始终制约着其性能表现。针对这个问题,该文提出了一种基于强化学习的多核芯片动态功耗管理框架。首先,建立了一个基于GEM5的多核芯片动态电压频率调节仿真系统。然后,采用了一种考虑CMOS芯片物理特性的功耗模型构建方法以实现在线实时功耗监测。最后,设计了一种面向多核芯片的梯度式奖励方法,并使用深度Q神经网络(Deep Q Network, DQN)算法对多核芯片的功耗管理策略进行学习。仿真结果表明,相比于常规的Ondemand,MaxBIPS方案,该文所提出的框架分别实现了2.12%, 4.03%的多核芯片计算性能提升。

注重多学科技术融合的工程教育新模式探索研究

自“新工科”建设等提出以来,如何强化学生解决复杂工程问题的能力培养,成为中国高等教育的重要课题。以多学科技术融合软硬件平台为基础,设计了贯穿本科4年的工程教育新模式。平台集成传感、通信、智能识别、机电一体等要素,配合企业项目制引导的课程群建设,形成了由浅入深、逐步高阶的工程能力培养机制。多年来的教学实践显示,该模式能有效提高学生的专业兴趣、创新能力和复杂工程问题的解决能力。

基于知识图谱的专业认知体系构建和课程建设——以“信息与电子工程导论”课程为例

认知与导学是专业导论课程的基本目标和任务。以信息的载体——数据与信号为主线,构建电子信息科学与技术的知识体系,并通过知识图谱呈现,以此作为“信息与电子工程导论”课程的核心内容。课程教学内容围绕知识图谱展开,以知识体系的视角,阐述电子信息科学与技术的整体结构、层次关系、核心概念及创新成就,注重系统观念和各知识点间的内在联系。在整体知识结构框架下,从系统应用的角度,介绍信号与数据、电路与电子系统、互联与计算等入门基础理论知识与技术,使学生具备简单电子信息系统的分析和设计能力,为后续课程学习奠定基础,也为大学阶段尽早开展创新设计训练提供支撑。

面向毫米波雷达手势分类的RDI数据增强方法

在基于毫米波雷达的手势分类任务中,应用深度学习技术可以显著提高准确率。然而,深度学习技术对数据量的依赖性很高,当训练样本数据稀缺时容易出现过拟合问题。由于不同的毫米波雷达参数差异较大、采集数据耗时费力,基于毫米波雷达的手势数据量往往非常有限。为了解决数据量稀缺这一问题,本文提出了一种融入注意力模块的距离多普勒图自编码(Range-Doppler Image AutoEncoder with Attention Module,RDI-AEAM)数据增强方法,旨在增强毫米波雷达手势数据的RDI表征。该方法针对RDI缺乏语义信息、难以进行标注以及特征不明显的特点,构建了一个融入注意力模块的自编码网络。首先,利用自编码器进行特征提取和数据压缩,学习输入数据的分布并提取有用特征。其次,利用注意力模块专注学习通道和空间维度的特征,解决特征不明显问题,使模型能够更加集中关注重要特征。训练过程中,预定义了原始数据标签,使用最小均方误差损失函数衡量生成数据的质量,达到设定阈值时将生成数据与预定义标签相关联,而无须额外后期标注。实验先选择100%训练集进行增强,相比仅使用原始训练集进行训练的结果,数据增强后的准确率在自建数据集上提高了0.83%,在公开数据集deepSoli和VR-HGR上分别提高了0.39%和3.23%,表明RDI-AEAM方法提高了手势分类性能。本文进一步探究了采用更少原始数据的增强效果,使用25%的训练集进行增强,在三组数据集上分别取得1.92%、2.62%和1.56%的提升。

稀疏多极化阵列设计研究进展与展望

相较于稀疏标量阵列和均匀多极化阵列,稀疏多极化阵列由于其可感知信号的极化状态、避免极化失配以及增加阵列自由度、减小互耦效应与降低硬件成本等优点,对其进行系统性研究具有重要的应用价值和理论指导意义。稀疏多极化阵列的设计较之于稀疏标量阵列的设计更加多样化,因其不仅与天线阵元位置有关,还与天线阵元极化种类和阵元指向等因素有关。该文首先对近年来该领域内相关研究进行归纳总结,从非均匀稀疏、均匀稀疏、混合均匀与非均匀稀疏3种稀疏方式出发,介绍和探究了主流稀疏多极化阵列结构优化方式,然后从基于深度学习的稀疏多极化阵列优化设计、稀疏多极化多输入多输出(MIMO)雷达、稀疏极化频率分集阵(PFDA)雷达和稀疏PFDA-MIMO雷达、稀疏多极化智能超表面以及稀疏多极化阵列在家居智能通信和工业物联网等复杂室内场景下的应用等方面对未来的发展方向进行了展望。