一种基于S波段缝隙贴片的双频涡旋波天线北大核心CSCD

随着5G等新一代通信技术的迅速发展,对信道容量和频谱利用效率的需求越来越高。以双频天线为阵元进行组阵,将同时在两个谐振频率处产生OAM波束,大大提高了频谱的利用率。本文提出一种基于S波段缝隙贴片的双频涡旋波天线。其由八个阵元以60mm为半径均匀排列,阵元为切角U型槽天线,采用同轴馈电。通过调节该双频涡旋波天线各阵元的馈电相位,实现了在2.7 GHz和3.7 GHz处同时产生七种不同模态的OAM波束。仿真结果显示：其在低频处|S11|<-10dB的回波损耗带宽为0.24 GHz(2.57～2.81 GHz),高频处为0.25 GHz(3.57～3.82 GHz)。双频带内隔离度均大于23dB。本天线可以进一步提高雷达系统的分辨率。     

基于智能手机的校园巴士运行位置实时共享系统

当前很多学校的校园内部已经采用电瓶车等新能源汽车来作为公共的交通工具为教师和学生提供交通便利.本文采用校园巴士的司机自身所携带的智能手机作为采集终端,通过手机APP采集司机的经纬度位置数据,以此作为该台校园巴士的位置信息,利用移动互联网将该位置信息传递给后台.后台则借助于地图服务器,根据不同司机手机所传递过来的位置信息以Web的方式呈现给用户.本系统直接使用司机的智能手机作为校园巴士的位置采集终端,省却了购买专门的获取巴士位置数据的智能终端设备费用,同时可以利用学校的Wi-Fi网络节省移动通信流量,具有成本低、部署快、使用费用低廉、维护简单方便等优点.     

融合注意力和辅助分类器的膨胀残差网络语音情感识别研究

针对现有语音情感数据集中样本数不足以支撑训练深度神经网络以及层数不断加深带来的梯度爆炸问题，在使用高斯白噪声和随机时频掩蔽对数据集进行增强的基础上，提出了一种融合通道、空间注意力和辅助分类器的膨胀残差网络(dilated residual network with auxiliary calssifier and channel, spatial attention, DRN-A-CASA)语音情感识别方法。首先，使用增强后的梅尔谱图数据集作为网络模型的输入，并在残差网络原卷积层中采用膨胀卷积来扩大特征提取感受野；其次，在残差网络layer3层后添加辅助分类器分支，加速网络训练并改进损失函数；最后，在layer4层中添加注意力机制关注情感特征，实现语音情感的分类。实验结果表明，基于DRN-A-CASA的模型在RAVDESS及EMODB两个数据集上分别达到了92.91%和89.15%的识别准确率，验证了所提方法的有效性和泛化性能。