综述、开题-文献整理
文献整理基于插值算法和源重建法的无相位近场天线测量研究_王媛
来源:西安电子科技大学、硕士论文、2018
主要内容和方法:
一倍波长进行采样,使用插值算法得到半波长采样。
粒子群优化算法进行等效电流源,得到初始相位后进行迭代傅里叶变换进行精细还原。
使用角锥喇叭和半波振子阵列进行仿真验证。
参考文献:
简要概述了三种无相位近场天线测量方法的关键技术原理。
无相位近场天线测量的近远场变换(NF-FF)技术[7-10]。
无相位近场天线测量关键技术研究_左炎春
来源:西安电子科技大学、硕士论文、2017
主要内容:
使用差分进化算法确定天线的波束指向,并据此给定初始迭代相位。
再使用迭代傅里叶变换算法对扫描点位置的相位进行精细还原。
基于口径形状的初始迭代条件可使算法更快、更准地收敛。
将口径面进行矩形网格划分,在矩形网格的交叉点位置放置沿x轴放置的无限小偶极子,并令其激励电流为1,口径面外不放置偶极子,使用此电偶极子阵得到1平面的相位,作为初始相位进行迭代。
Phase imaging with an untrained neural network _ Fei Wang ...
相位恢复算法文献整理
《傅里叶相位恢复问题的高效数值算法及其应用研究》- 理学博士学位论文本文以挖掘和利用模型与信号的先验信息为切入点,通过对测量过程施加预知的背景先验、自适应地从数据中学习信号特征等途径,有效降低了 FPR 问题的病态程度,进而提出了多重欠采样模型以及生成模型降低了现有算法的采样复杂度。
解集性质:本文首先证明了当 $m < 2n − 1$ 时 FPR 问题的解集具有“花瓣状结构”;此外,通过对测量过程施加预知的背景先验以及生成网络自适应地学习数据的低维流形结构等途径,理论上证明了解的高概率唯一性,从而减少了FPR 问题的非平凡解的数量。
算法设计:当无先验信息约束时,针对欠采样条件带来的挑战,提出了多重欠采样模型并设计 ADMM 算法进行求解;在模型先验的约束下,本文还设计 Douglas-Rachford 算法求解基于背景信息的 FPR 问题,并证明了算法在一定条件下具有局部 R 线性收敛性;基于数据先验,将 ADMM 优化算法同去噪神经网络相融合,设计了基于即插即用的 DFPR-ADMM 算法框架,通过选择不同的算子分裂方式与正则化类型得到了一系列的变种算法;最后,本文设计了 ...
机器学习算法梳理
线性回归算法线性回归是一种预测连续数值的监督学习算法。全局梯度下降是线性回归中用来找到损失函数最小值的一种优化算法。
线性回归模型线性回归模型的目标是找到一个函数,它能够尽可能准确地预测输出值 $y $。对于一个简单的线性模型,我们可以表示为:
$$h(x) = \theta_0 + \theta_1 x$$
其中,$h(x)$ 是模型的预测值,$\theta_0$ 是截距项,$\theta_1$ 是斜率,$x$ 是输入特征。
损失函数为了衡量模型预测值 $h(x)$ 与真实值 $y$ 之间的差距,我们定义损失函数(或代价函数):
$$ J(\theta_0, \theta_1) = \frac{1}{2m} \sum_{i=1}^{m} (h(x^{(i)}) - y^{(i)})^2$$
这里,$m$ 是训练样本的数量,$x^{(i)}$ 和 $ y^{(i)}$ 分别是第 $i$ 个训练样本的特征和标签。
梯度下降梯度下降算法的目标是找到损失函数 $J$ 的最小值。为此,我们需要计算 $J$ 关于每个参数的梯度,然后更新参数:
$$ \theta_j := \theta_j - ...
校园网配置IPV6实现免流教程
通过ipv6实现免流上网该教程仅针对校园网可以支持ipv6的学校。
确保连接的网络打开IPV6在控制面板中打开网络和Internet,
选择网络和共享中心
点击已经连接的网络,WiFi或者有线上网
在属性选项中确保**Internet 协议版本6(TCP/IPv6)**前面被选中。
下载免流需要的两款软件,在北航网盘连接中可以下载下载链接:https://bhpan.buaa.edu.cn/link/AA3AB86725339D4A4F9550B220C264A046 文件夹名:免流 有效期限:永久有效
安装ShadowsocksR-4.7.0-win实现浏览器免流解压后直接运行ShadowsocksR-dotnet4.exe即可打开应用,按照下面图片内容更改参数,
1232604:a880:4:1d0::2675:f00010909admiN001006a
配置完成后,更改系统代理模式即可实现网上,PAC模式为流量和IPV6混用,全局模式为仅可以IPV6上网
使用SSTap实现应用免流上述配置完成后仅实现了浏览器的免流访问,如果想要进行全局免流的话需 ...
Pytorch学习分享
安装Anaconda
安装Pytorch使用Anaconda新建Pytorch环境,激活新环境以后安装Pytorch
这里不要使用conda安装,否则后续的torch.cuda.is_avilable()**的返回值都是FALSE**,会出现下面的问题。需要在安装好的conda中使用pip安装,CUDA版本可以向下兼容。
PyTorch与NumPy函数区别大部分的PyTorch与NumPy函数是相同的,矩阵全部变为张量,部分函数的名字不同,但功能基本一致。
np 变为 torch、array 变为 tensor
PLT使用下面的网站有很多PLT的案例,可以替换成自己的数据以后直接使用 Examples — Matplotlib 3.9.2 documentation
使用PLT有两种方式,一种是MATLAB方式,一种是面相对象的方式。MATLAB的方式更全面,也更符合MATLAB使用的习惯。
各层大小计算卷积层:
池化层:
案例:
《电磁散射理论与工程》作业
1.请参考课本中线性调频连续波体制下对目标成像相关内容,论述三维成像机理并讨论成像分辨率影响因素线性调频连续波(FMCW)雷达在三维成像中,通常利用距离、方位角和俯仰角三个维度的信息来生成目标的三维图像。[1]
图 1 FMCW系统框图
以下是FMCW雷达实现三维成像的详细机理:
\距离测量原理:**
FMCW雷达利用发射信号与回波信号的频率差来测量目标距离,其中发射信号为频率线性调制的连续波信号,回波信号为目标反射回来的信号。
图 2 发射和接收信号波形图
FMCW雷达发射的信号频率随着时间线性变化,可以表示为
其中,是起始频率,是频率偏移量,是调制周期。发射信号可表示为
回波信号是目标反射回来的信号,经过时间延迟后,其可以写为
频率变为
其中,为发射信号的频率随时间变化的曲线,为理想点目标散射后被接收信号的相应曲线。扫频信号的起始频率为,终止频率为,扫频带宽为,扫频周期为。
通过混频处理得到的频率差为
其频率为
相位为
距离信息包含在中,故通过FFT,就可以得到目标在距离上的分布。[2]
\角度测量原理:**
FMCW雷达通过天线阵列测量目标的方位角和俯仰角, ...
《嵌入式实验报告》
实验一 嵌入式系统无系统模式编程实验一、实验目的
理解 ZYNQ 系统中 PS 和 PL 的基本概念及工作原理。
掌握在 Vivado 环境中创建硬件工程和在 SDK 中编写嵌入式应用程序的流程。
学会编写并运行简单的嵌入式裸机程序。
二、实验原理
1. 概述
ZYNQ 系列 FPGA 的独特之处在于其集成了双核 Cortex-A9(PS)和 FPGA(PL)。实验将搭建一个最小 SOC 系统,并使用 HelloWorld 工程及自编写的 C 程序测试基本外设,通过详细的工程搭建和 ZYNQ IP 参数配置说明,学生将学会在 Vivado 和 SDK 中创建并运行一个最小的 SOC 系统。
2. 最小系统分析
最小系统由 ARM Cortex-A9、DDR3 内存和一个 UART 串口组成。程序加载到 DDR 内存中,由 CPU 执行,串口输出执行结果。
3. 硬件电路分析
使用 1GB 的 PS 端 DDR 内存。
使用 PS 端一个 UART 串口。
使用 JTAG 接口烧录程序。
硬件连接包括电脑和开发板之间的串口线及 USB 转 mini USB 线。
4. GPIO 简 ...
《高频散射发展报告》
高频散射发展报告引言随着现代科学技术的快速发展,高频散射理论作为电磁波散射理论的重要分支,已经深入到工程实践的方方面面,特别是在雷达、通信和天线设计等领域,随着应用需求的不断增加,高频散射的研究也在不断深化和拓展。
根据散射体尺寸和波长的关系,散射方式可分为低频散射(瑞利区)、谐振散射(谐振区)和高频散射(光学区)。高频散射通常在电磁波的波长远小于物体特征尺寸的情况下,电磁波遇到物体表面时发生的反射、折射和绕射现象。散射现象可以通过麦克斯韦方程组来描述,但对于复杂的几何形状和材料特性,直接求解麦克斯韦方程组往往非常困难,需要借助近似理论和数值方法来进行分析和求解。
20世纪初,科学家们开始了对电磁波传播和散射现象的研究,逐步建立起一套系统的电磁散射理论,其中高频散射理论作为重要组成部分,得到了广泛的关注和研究。高频散射涉及波长较短、频率较高的情况下,经典电磁理论无法准确描述电磁波的行为,此时需要引入几何绕射理论(Geometric Theory of Diffraction GTD)[1]、几何光学(Geometrical Optics, GO)[2]、物理光学(Physical Op ...
《相位恢复算法》
Resources for phase recoveryReleased from hereHere, we refer to “calculating the phase of a light field fromits amplitude/intensity measurements” as phase recovery (PR), which contains many techniques and algorithms, such as holography/interferometry,transport of intensity equation (TIE), phase retrieval (optimization-based approaches), wavefront sensing, and deep-learning-based approaches.
Table of contents:
Contributing
People or groups (More groups in Computational Imaging)
Asia
Americas
E ...