基于无线传感器网络的应急气象观测系统设计

针对传统车载移动气象台在复杂地形中灵活性差和覆盖面积小的缺点,提出了一种基于无线传感器网络的应急气象观测系统。系统包括数据采集层和远程数据传输层,数据采集层实现了一种基于无线传感器网络的便携式气象观测节点,远程数据传输层实现了一种具有通用分组无线业务（GPRS）和北斗卫星通信模块的车载网关。测试结果表明：系统在应急气象观测中便于部署,可以有效扩大气象观测网络的覆盖面积,提高气象观测密度和精度,保证气象观测数据的稳定传输。     

基于TFT-LCD显示屏的电子相册设计

设计了一种利用STC单时钟单片机、TFT-LCD彩屏和SD卡等器件来实现的电子相册.相比于传统相册,电子相册具有长期保存,编辑简单等优点.本设计使用单片机硬件SPI接口实现与SD卡内存储数据的快速传输,并通过分析卡中存储的bin和bmp格式文件的数据构成来实现SD卡中特定图片文件的解码处理,并显示到彩屏上,同时还可以通过按键控制来实现图片的前翻后翻和自动播放.     

基于改进微分增强法的激光雷达云参数反演算法

微分法是激光雷达云参数反演的一类传统方法,本文在微分增强法的基础上,优化一阶与二阶微分信号的拟合点数,平衡失真与噪声对检测结果的影响。以距离修正的回波信号代替云峰与云边界函数中的原始回波信号,增强云区域与非云区域的对比。对于因低层云存在而造成二次阈值过大的问题,通过扩大一次阈值的排除区间,有效减少对云层的漏判情况。采用激光雷达数据进行的实验结果表明,与改进前的算法相比,云底高度的相关系数由0.8930提高至0.9328,均方根误差由0.4924 km降低至0.2991 km,云顶高度的相关系数由0.8174提高至0.8598,均方根误差由0.7637 km降低至0.5912 km,改进后的算法具备更佳的反演结果。     

基于自适应加权非凸正则化和全变分的稀疏SAR成像

针对传统压缩感知(Compressive Sensing,CS)重构算法成像精度低及抗噪性能差等问题,提出了一种基于自适应加权极小极大凹罚函数和全变分的稀疏合成孔径雷达(Synthetic Aperture Imaging Radar,SAR)成像重建方法。首先,将加权思想同非凸函数簇中的极小极大凹罚函数结合,以进一步促进解的稀疏性;然后,与全变分判罚函数线性组合构成复合正则化器,以进一步提高抗噪性能;最后,采用交替方向乘子法求解该成像模型,并在求解过程中使用方位-距离解耦算子替换测量矩阵及其厄米特转置以减少存储空间。仿真与实测数据处理结果表明,所提方法相比于其他算法有更好的聚焦性能和重建精度。     

基于稀疏深度神经网络的电磁信号调制识别

为在低复杂度约束条件下提升电磁信号调制识别的性能,提出了一种基于稀疏深度神经网络(Sparse Deep Neural Network, SDNN)的电磁信号调制识别方法。首先,通过提取电磁信号同相和正交两路数据绘制出信号的星座图,作为信号的浅层特征表达;然后,基于星座图中各信号点密度大小对星座图进行上色,增强星座图中信号特征;最后,通过SDNN对增强后的星座图进行识别分类。实验结果表明,SDNN模型选取合适的剪枝率后,能够有效降低模型存储规模和计算量,其中模型参数压缩了72%,浮点运算量压缩了45%,与原模型97%的综合识别率相比,稀疏化处理后模型的综合识别率为96.8%,在小幅度识别精度损失范围内大幅降低了模型复杂度。     

通信网络下恶意检测及终端设备安全研究

无线通信技术的快速发展,促使了移动终端市场的繁荣。爆炸式增长的网络流量使得监控变得十分棘手,导致移动终端市场存在一系列安全隐患。安卓因其自身的流行性和便利性,已经成为手机终端市场占有率第一的操作平台。然而,庞大的市场份额也使得其成为恶意攻击者的首要攻击目标。针对通信网络中恶意软件的数量暴增以及伪装技术的升级,现有的多采用单一的特征如权限(Permission)进行分析的研究工作不足以应付当今的发展趋势,因此提出了基于权限(Permission)和服务(Service)特征相结合的恶意软件检测模型PSDroid。为了评估所提方法的性能,分别从Google Play和Virus Share上收集了的864个良性应用和1938个恶意应用。实验结果表明,所提出的模型准确率达到95.65%,优于对单一Permission特征分析的结果。此外,与当前现有的基于深度学习或机器学习的模型相比,针对通信网络下恶意软件检测,所提方法仍然存在显著优势。     

基于生成对抗网络的深度图像去噪

深度图被广泛应用于三维重建等领域,然而,由深度相机捕获的深度图会产生各种类型的失真,这使得从深度图中准确估计深度信息变得困难。针对低质量深度图中存在的各种类型的噪声,提出一种基于生成对抗网络的深度图像去噪算法。生成对抗网络由生成网络和判别网络组成。在生成网络中引入残差网络,避免模型退化问题,使用跳跃连接,加快网络训练速度同时保证图像细节的有效传递;在判别网络中使用步幅卷积代替池化层,减少模型的计算量;通过优化模型的训练,使得生成的深度图像更加清晰。实验结果表明,该算法能够生成效果更好的深度图,在主观视觉和客观评价方面均优于其他算法。     

机器人视觉听觉融合的感知操作系统

智能机器人面对复杂环境的操作能力一直是机器人应用领域研究的前沿问题,指称表达是人类对指定对象定位通用的表述方式,因此这种方式常被利用到机器人的交互当中,但是单一视觉模态并不足以满足现实世界中的所有任务。因此本文构建了一种基于视觉和听觉融合的机器人感知操作系统,该系统利用深度学习算法的模型实现了机器人的视觉感知和听觉感知,捕获自然语言操作指令和场景信息用于机器人的视觉定位,并为此收集了12类的声音信号数据用于音频识别。实验结果表明:该系统集成在UR机器人上有良好的视觉定位和音频预测能力,并最终实现了基于指令的视听操作任务,且验证了视听数据优于单一模态数据的表达能力。     

W波段集成化收发组件设计北大核心CSCD

基于混合微波集成电路技术(HMIC)设计了一种W波段小型化高频收发组件。该收发组件由固态发射机、环形器和接收机三部分组成。发射支路输入信号经过倍频放大后进入二选一开关,输出到天线自检口或经由环形器输出。为了实现高输出功率,该组件采用功率合成的设计思想,通过3 dB波导桥结构实现对两路功放的合成,解决了单个单片功率放大器的输出功率有限的问题。所设计的收发组件整体尺寸为125 mm×90 mm×26.5 mm。实测结果表明,在90~96 GHz工作频带范围内,遥测电压4.23 V。该收发组件的发射部分输出功率范围为33.6~35.4 dBm,开关隔离度大于110 dB;接收部分增益范围为30.2~33 dB,噪声系数小于6.5 dB。该组件具备良好的射频性能,同时实现了高集成度、大功率、高增益、高隔离度的要求。