深度学习模型驱动的师生课堂行为识别

根据课堂教学场景设计了三维卷积神经网络（3D-convolutional neural network，3D-CNN），以动态性为主要特征，对教师进行课堂行为识别；提出了经过改进损失函数的YOLO-v5（you only look once version 5th）模型，并以多目标为主要特征，对学生进行课堂行为识别．2种模型均取得了较好的识别结果．为验证所选用模型的有效性，在所标注课堂行为数据集上进行了模型性能对比试验．试验结果表明:所选用模型在教育场景下课堂行为识别工作中展现了较好的性能；课堂行为的精准识别能够帮助教师和学生了解课堂学情，有助于推动智慧课堂的发展．      

基于用户分组和频率复用的STBC-OFDMA上行传输技术

针对 WiMAX 系统中各用户端采用空时分组编码( STBC) 的正交频分多址(OFDMA) 上行链路, 提出一种基于用户分组( UG) 和频率复用( FR) 相结合的UGFR-STBC-OFDMA 上行传输技术。首先, 将基于波达方向( DOA) 的小区内用户分组模型与小区间频率复用思想相结合, 设计出一种可同时满足小区内分组约束条件和小区间频率复用规划的UGFR-STBC-OFDMA 上行接入方案; 其次, 设计了基于 Capon 波束形成技术的智能天线接收方案以实现基站对分组信号的方向性接收和对多址接入干扰(MAI) 的抑制。理论分析和仿真结果均表明:相对于几种传统的上行传输技术, UGFR-STBC-OFDMA 技术实现了理想平均频谱利用率、误比特率和计算复杂度的良好折中, 同时在无须功率控制条件下依然能够部分抑制上行传输时相邻小区间的干扰。     

一种基于PN序列的上行多用户OFDM系统载波频偏估计算法

针对多用户正交频分复用(OFDM) 系统上行链路中的载波频偏估计问题, 提出一种基于伪噪声(PN)序列的载波频偏(CFO)估计算法。该算法将不同相位的PN序列作为各个用户的训练序列, 利用训练序列良好的自相关性估计出存在CFO 情形下不同用户的信道参数, 再根据两个训练周期内信道参数的相位变化获得各用户的CFO估值。理论分析和仿真结果表明本算法具有优 良的估计性能。     

基于导频辅助的单载波空时分组编码传输技术

研究了频率选择性衰落信道中采用2个发送天线1个接收天线的单载波Alamouti空时分组编码数据块传输技术．在传输系统发射端利用导频符号辅助的思想设计出伪噪声PN导频序列和信息数据的排布结构;接收端一方面利用导频PN序列循环相关的信道估计算法获得信道冲激响应估值,另一方面采用干扰抵消技术消除导频序列对接收信息数据的影响,之后引入单载波频域均衡技术对接收数据进行处理以克服信道的频率选择性衰落．仿真结果表明,这种基于导频辅助的单载波空时分组编码传输系统相对于单天线传输系统获得了空时结构所带来的全速率下的最大分集增益,具有比Alamouti空时分组编码与OFDM相结合的传输系统更高的数据传输效率和更好的系统性能．