基于卷积长短时记忆网络的人体行为识别研究

人体行为识别利用深度学习网络模型自动提取数据的深层特征,但传统机器学习算法存在依赖手工特征提取、模型泛化能力差等问题。提出基于空时特征融合的深度学习模型（CLT-net）用于人体行为识别。采用卷积神经网络（CNN）自动提取人体行为数据的深层次隐含特征,利用长短时记忆（LSTM）网络构建时间序列模型,学习人体行为特征在时间序列上的长期依赖关系。在此基础上,通过softmax分类器实现对不同人体行为分类。在DaLiAc数据集的实验结果表明,相比CNN、LSTM、BP模型,CLT-net模型对13种人体行为的总体识别率达到了97.6%,具有较优的人体行为识别分类性能。     

一种基于二维信号稀疏重构的互质采样星载SAR成像处理方法

互质采样星载SAR通过方位互质采样代替传统方位均匀采样,可有效缓解空间分辨率与有效成像宽度之间的相互制约,提升SAR系统的对地探测性能。然而,方位向互质采样使得回波信号呈现方位欠采样及非均匀采样特性,导致传统SAR成像处理方法无法实现互质采样星载SAR的有效成像处理。该文提出一种基于2维信号稀疏重构的互质采样星载SAR成像处理方法。该方法在距离向脉冲压缩后,根据各距离门的多普勒参数截取2维观测信号并构造相应的稀疏字典,然后通过改进的2维信号稀疏度自适应匹配追踪算法完成方位聚焦处理。该方法不仅可以补偿SAR回波信号的距离方位2维耦合,还可以消除成像参数随距离空变对稀疏重构造成的影响,从而实现全场景的精确重构。点目标及分布目标仿真实验结果验证了所提算法可在远低于奈奎斯特采样率的情况下实现稀疏场景的有效重构。      

纳米氧化铜尺寸效应对其湿度传感特性的影响北大核心

通过水热法制备3种尺寸的氧化铜（CuO）片状纳米结构,采用介电泳方法将所制备纳米结构定位到预先设计的Ti/Au电极上,以此为基础来构建湿度传感器并进行传感特性测试。实验结果表明：氧化铜纳米结构尺寸为4,3和1μm,相对应所构建的湿度传感器的灵敏度分别为0.436,0.665和0.891 kΩ/RH%。发现氧化铜纳米结构的尺寸越小,以之为敏感元件的湿度传感器的灵敏度越高。结合多层吸附理论模型,深入讨论了纳米结构尺寸对湿度传感特性的影响。分析结果表明,通过对依赖于纳米结构尺寸的比表面积和表面原子活性的调控,可以有效改善纳米湿度传感器灵敏度等性能。     

升压型同步整流功率MOSFET的分析及电路仿真

同步整流技术已成为目前提升开关电源芯片转换效率的有效手段.以采用UMC 0.6μm BiCMOS工艺制造的升压转换器为例,基于功率MOS管工作机理,对不同的负载情况和工作模式分别加以分析和模拟验证,并提出了管子尺寸的合理选择和死区时间的合理设置.为了避免电感电流倒灌,提出了DCM模式下过零检测结构电路.利用HSPICE对相关电路进行了仿真分析,得到了同步整流技术中功率器件的优化结果.