《基于卷积神经网络的雷达和通信信号调制识别》PDF+DOC

📙 相关资料

1. 《基于深度卷积神经网络的人体动作识别》PDF+DOC 针对人体动作识别问题，提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法，可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成，使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式，自动提取加速传感器......
2. 《人体动作识别中的深度学习模型选择》PDF+DOC 目前深度学习已成为机器学习领域最热门的研究方向，在众多应用领域取得良好的效果，这使得不少深度学习爱好者跃跃欲试。然而，虽然关于深度学习的研究论文日益增多，但是仍然缺乏如何针对不同的应用场景选择合适的深度学习模型的指导。本文探讨了根据可穿戴式传感器在人体动作识别中的信号特点，为如何根据不同的动作识别任......
3. 《基于卷积神经网络的软硬触觉感知方法研究》PDF+DOC 智能机器手的应用已经遍布医疗、军工、农业及装配行业等领域。软硬作为物体的重要物理属性之一，对机器手的抓取控制物体有重大影响。在深度学习框架下，基于卷积神经网络提出了用于触觉感知的软硬物体的识别方法。使用薄膜压力传感器采集手指按压软硬物体的数据，建立训练和测试数据集，在Caffe中训练网络，以模拟触觉......
4. 《基于深度卷积和门控循环神经网络的传感器运动识别》PDF+DOC 用于可穿戴传感器的人体运动识别任务的传统机器学习方法通常需要手工提取特征，可以自动提取人体运动数据特征的深度神经网络正成为新的研究热点。目前将卷积神经网络(CNN)和长短期记忆(LSTM)循环神经网络组合而成的DeepConvLSTM在识别精度方面有着优于其他识别方法的表现。针对带有长短期记忆循环单......
5. 《人体活动识别数据集的数据处理方法》PDF+DOC 对由可穿戴设备采集的针对人体活动识别的数据集进行处理，并用处理后的数据对一维卷积神经网络进行训练，测试并得到精准度结果.对数据集的处理使得原本数据集中一些噪音和无效数据被过滤排除掉，在训练神经网络时减少了运算量，提升了神经网络的效率.后经测试，在神经网络结构不变的情况下，处理后的数据集可以使神经网络......
6. 《基于卷积神经网络的增敏型光纤弯曲传感器》PDF+DOC 为了提高光纤弯曲传感器的灵敏度，增大线性范围，降低成本，本文提出一种基于深度神经网络分类塑料光纤弯曲角度及方向的方法。使用进行侧抛增敏处理的塑料光纤，在光纤输出端采集不同弯曲角度的散斑图。制作了包含五类弯曲角度的数据集一以及包含七类弯曲角度的数据集二，在预处理图像数据之后，利用多层卷积神经网络对散斑......
7. 《基于惯导信息和卷积神经网络的人体活动识别》PDF+DOC 随着智能手机等移动设备感知、计算能力的飞速提升，以移动设备作为载体的人体活动识别成为新的研究热点。利用智能移动设备中的加速度传感器等采集到的惯导信息进行人体活动识别，相比于常用的计算机视觉识别，具有应用方便、成本低且更能反映人体运动本质等优势。本文采用智能手机采集到的WISDM数据集，构建了基于加速......
8. 《卷积神经网络在桥梁结构健康监测系统中的应用》PDF+DOC 桥梁结构健康监测中对于桥梁状态的判断主要依赖对桥梁上的传感器数据的分析和判断。由于长期监测中环境的影响，日常的采集信号数据会含有大量的噪声数据，这会对桥梁结构健康状态的判断造成很大的影响。利用卷积网络模型对传感器数据进行有监督的分类学习，能够不需要对原始信号数据进行降噪过滤处理和经验模型判断，由训练......
9. 《基于多层双向LSTM的雷达信号脉内调制识别》PDF+DOC 雷达信号脉内调制识别在非合作信号分析中具有重要的价值，现有的识别方法大多基于单一的信号脉内特征，如时频特征、模糊图函数等，然而此类方法在实际分类识别中存在普适性较差、抗噪性能较低的缺陷。近年来亦有学者将深度学习方法用于雷达信号调制识别，但都是基于人工特征提取后进一步的分类识别。提出一种基于双向长短时......
10. 《基于无线传感器网络的调制识别方法》PDF+DOC 针对传统单节点调制识别存在阴影和多径问题，提出了一种利用无线传感器网络进行分布式协同调制识别的方法。首先由相互协作的传感器节点提取信号的五个典型特征构成特征矢量，将特征矢量发送到中心节点，在中心节点通过粒子群算法对人工神经网络进行参数优化，最后利用训练好的神经网络进行分类识别，得到识别结果。对6种信......