摘要：This paper presents a modified circular-cut multiband fractal antenna with good radiation patterns designed for digital cellular system（DCS）, personal communication system（PCS）, 2.4/5.2/5.8 GHz wireless local area networks（WLAN） and 2.5/3.5/5.5 GHz worldwide interoperability for microwave access（WiMAX） applications simultaneously. Originally, the modified circular monopole antenna is designed to resonate at around 2.1 GHz and 3.6 GHz. After subtracting the circular iterative tree fractal structure, it can produce three other resonances at around 5.6 GHz, 6.47 GHz and 7.89 GHz. Besides, as the number of iterations increases, not only do the new frequency bands appear（it demonstrates the good self-similarity property of the proposed antenna）, but also the operating bands shift from high frequency to low frequency（it shows the well space filling property）. Furthermore, the proposed antenna owns a compact structure, which can achieve the 5.28 dBi of relative high gain. And the measured results are basically accordant to simulated results, which proves the effectiveness of the proposed antenna.

摘要：在Vicsek结构的分形理论基础上进行了改进,提出了一种具有良好空间填充性和自相似特性的新型类Vicsek分形天线,并在接地板上引入缺陷地结构（Defected Ground Structure,DGS）来改善频率、抑制谐波,得到了可以运用在无线局域网（Wireless Local Area Networks,WLAN）、全球微波互联接入（Worldwide Interoperability For Microwave Access,WiMAX）以及C波段卫星通信的四个频段.天线的谐振频率分别为2.45GHz、3.46GHz、5.8GHz和7GHz,相应带宽为0.2GHz（2.37~2.57GHz）、0.49GHz（3.2~3.69GHz）、0.75GHz（5.52~6.27GHz）和0.56GHz（6.68~7.24GHz）,增益最高达到4.89dB.天线的小尺寸及全向性辐射特性表明该天线能很好地满足便携式多频段移动设备的要求.

摘要：提出了一种新型分形结构的天线,该分形结构由多个共用一条边的矩形环嵌套构成。由于结构的自相似特性,使天线能够在多个频段工作。研究表明,天线的通频带个数由分形结构的矩形环个数控制,且各谐振频点与相应辐射单元的尺寸密切相关。设计了能同时工作在蓝牙、WLAN和Wi MAX频段的三频天线,天线仿真的谐振频点分别为2.44 GHz、3.55 GHz和5.59 GHz,相应的带宽分别为7.0%(2.35 GHz^2.52 GHz)、15.0%(3.28 GHz^3.81 GHz)和30.1%(5.13 GHz^6.95 GHz)。实物的测试结果与仿真结果基本吻合,符合设计要求。

摘要：针对目前运动想象脑电(EEG)信号识别率较低的问题,考虑到脑电信号蕴含着丰富的时频信息,提出一种基于时频域的卷积神经网络(CNN)运动想象脑电信号识别方法。首先,利用短时傅里叶变换(STFT)对脑电信号的相关频带进行预处理,并将多个电极的时频图组合构造出一种二维时频图;然后,针对二维时频图的时频特性,通过一维卷积的方法设计了一种新颖的CNN结构;最后,通过支持向量机(SVM)对CNN提取的特征进行分类。基于BCI数据集的实验结果表明,所提方法的平均识别率为86.5%,优于其他传统运动想象脑电信号识别方法;同时将该方法应用在智能轮椅上,验证了其有效性。

摘要：针对脑电信号情感识别率偏低的问题,提出了一种基于3DC-BGRU的脑电情感识别方法。对单通道脑电信号进行短时傅里叶变换(STFT),提取相关频带的时频信息构成二维时频图,并将多个通道的时频图构成一种全新的时间、频率和通道的三维数据形式,通过三维卷积的方式设计了一种新颖的卷积神经网络(CNN)模型对三维数据进行深层特征提取,设计双向门控循环单元(BGRU)对深层特征的序列信息进行处理并配合Softmax进行分类。实验结果表明该方法分类识别率得到提高。

摘要：基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语谱图作为输入,同时在残差网络中设计并行卷积层,提取不同尺度的特征,然后进行特征融合,最后采用连接时序分类方法进行分类,实现一个端到端的语音识别模型。实验结果表明,该模型在Aishell-1语音集上字错误率相较于传统端到端模型的WER下降2.52%,且鲁棒性较好。

摘要：由于传统的脑电信号分类方法识别率较低,且识别率随着脑电信号类别的增加逐渐下降,针对脑电信号时空特征结合的特点,设计了一个多层的卷积双向LSTM型递归神经网络(CBLSTM)分类模型。此分类模型利用多层的卷积神经网络有效提取脑电序列的频域特征,采用双向LSTM提取脑电信号的时域特征,并将脑电信号序列逐帧输入到此分类模型中进行标记,最后输出分类结果。对比研究验证了所提出方法的可行性,实验表明此分类模型平均分类识别率得到了提高,且鲁棒性较好。