摘要：目前,室内场景下诸如定位及追踪、人体活动检测等许多应用对感知的需求越来越大,为支撑高精度感知,高效快速的波达方向(Direction of Arrival, DoA)估计是关键能力之一。然而在具有多径和障碍的室内环境下,传统DoA估计方法存在局限。鉴于机器学习在解决复杂信号处理问题方面呈现的效能优势,对基于深度学习(Deep Learning, DL)的室内目标DoA估计方法展开研究。设计了专门的卷积神经网络应对未知多径信号带来的不利影响,同时训练了模型从多径分量中分辨提取视距径信号DoA特征的能力。基于此,利用公开的DeepMIMO数据集生成了室内目标DoA估计专用构造数据集来训练模型,提出了基于小样本学习(Few-Shot Learning, FSL)的在线快速学习机制,对提高模型泛化性和鲁棒性展开设计。对室内环境下的DoA估计进行了多种方法仿真对比,验证了所提方法的有效性。

摘要：仿真研究有助于增益调制非扫描激光雷达系统设计的优化,并对其构成和成像原理进行分析。建立了增益调制非扫描激光雷达的理论模型,提出一个用于雷达成像的标准目标,根据所建立的理论模型和成像过程,编制了仿真软件,对增益调制非扫描激光雷达系统进行仿真模拟,并与实验结果进行对比。仿真实验结果与实验结果的一致性表明,仿真模型比较贴近实际,有助于增益调制非扫描激光雷达系统的方案设计和参数优化。

摘要：从直接探测激光雷达系统的建模、激光雷达仿真系统的研究、计算机仿真实验等方面介绍了进行激光雷达系统仿真设计的理论和实践。从虚警概率、探测概率、信噪比和阈值噪声比决定最大探测距离的这一角度阐述建立直接探测激光雷达模型;假设在直接检测方式下,探测器噪声可以用高斯概率密度函数表示;考虑了大气分子和气溶胶的吸收和散射作用;仿真系统参数输入中尽可能考虑了实际系统的各种参数要求。仿真实验表明仿真软件能够客观地反映直接探测激光雷达在不同条件下应该探测的结果。