面向帕金森病的多模态异构协同感知方法

利用多模态异构传感器组成身体感知网络（body sensing networks）,是连续感知用户日常行为的重要方法之一,但是能源消耗问题一直是限制其发展的主要原因。本文提出了一种面向帕金森病的多模态异构协同感知方法,以降低用户日常行为感知过程中的功耗.该方法将行为感知分为行为识别与状态监测,基于信息论确定识别或监测不同行为的最优传感器组合,进而利用一个多分类器建模的行为识别模型与多个二分类器建模的状态监测模型感知用户行为.通过在公开两个数据集上的实验可以看出,与传统的传感器全部持续工作的方法相比,该方法能够在保证对用户行为有效感知的同时,降低了数据传输和模型计算的功耗（MHEALTH上约40%,PAMAP2上约15%）,从而延长感知网络的寿命,实现长时间持续的用户日常行为感知.     

射频低噪声放大器提高三阶交截点方法探讨

随着现代通信技术的进步,特别是4G,5G等无线移动通信的高速发展,多正交振幅调制(QAM)等高频谱利用率的调制方式得到广泛应用,对无线通信系统提出了更高、更严格的线性要求。射频低噪声放大器(RF LNA)作为射频前端(RF FEM)的第1个有源器件,其非线性特征直接影响系统的信号质量和动态范围。以3阶交调为例,低噪声放大器需要足够的输入3阶交截点,以确保即使在强干扰信号下也能提供预期的性能。基于3阶非线性模型,该文简要分析了3阶交调的理论模型,梳理了提高3阶交截点的方法,归纳研究了近年来相关的研究成果与进展,并展望了未来的发展趋势。