#频谱#
[1]李竟铭.面向频谱地图构建的频谱态势生成技术研究.2019.南京航空航天大学,MA thesis.doi:10.27239/d.cnki.gnhhu.2019.000556. (南京航空航天大学)
频谱地图是对无线电环境的抽象表达,它可以直观、多维度地展现频谱态势信息,为频谱的动态接入、频谱共享、频谱监管提供可视化依据。
研究内容
- 基于深度学习的室内异常信号定位系统:采用自动编码器(AutoEncoder),利用软件无线电设备(USRP)采集室内范围内的干扰源发出的异常无线电信号作为训练数据.
一般性地使用神经网络做东西。
在2.3.2节,说明网络的输入是输入为 4 根天线所接收到信号强度值 RSSI - 将频谱态势生成技术由室内推广到室外
采用 USRP 和 LabVIEW 对室外频谱数据进行采集,我们采集到的数据是不完整的, 需要通过数据补全方法对缺失数据进行恢复。
表3.2中给出了目前较为常用的几种插值补全技术:反距离权重法IDW, 克立金法Kriging,最近邻居插值法KNN, 趋势面光滑插值法(Trend surface),薄板样条函数法(Thin plate splines,离散平滑插值法(Discretesmooth interpolation)
介绍了主成分分析法,和奇异值阈值(SVT)算法。其中式(3.6)和(3.11)都是软阀值,区别在哪?--> (3.6)保留了负数的符号,(3.11)只保留了正数部分
- 基于卫星扫描的频谱大数据分析平台
问题
- 在2.4节,Relu 函数在分类任务中常常表现良好,但是它对数据的控制能力较弱。--> 对数据的控制能力具体是什么含义?
- 问题:3.3.4节,采样个数 p 满足 p Crn n ³ 6/5 ln (C 为正的常数)-->对于本文的问题,这个正的常数字的数值具体是多少?
信息
深度学习概念是由 Geoffrey Hinton 于 2006 年首次提出,他在 Science 上 发表了革命性的文章,介绍了深度信念网络: 即:Hinton G E, Salakhutdinov R. Reducing the dimensionality of data with neural networks[J]. Science, 2006, 313(5786): 504-507.
3.3.3节:矩阵补全的方法有很多种,如奇异值阈值(SVT)算法、增广拉格朗日乘子(ALM)算法,加速临近梯度(APL)算法等