同时同频全双工电磁通信中自干扰抑制的研究

张一明 博士生

内容简介：同时同频全双工（Co-time co-frequency full duplexing, CCFD）用全双工的方式实现在同一频道上信息的同时收发，因而能够极大提高频谱利用率。并且，同时同频全双工通信在数据吞吐量、电磁兼容性、物理层安全性等方面均有明显优势。然而，要构建高效率的CCFD通信仍然面临众多理论问题和技术瓶颈，其中，如何有效的进行自干扰抑制则是其面临的首要核心问题。

目前，自干扰抑制主要在三个层面进行，即天线自干扰抑制、射频自干扰抑制及数字自干扰抑制。本报告介绍并分析了当前基于上述三个层面所开展的同时同频全双工电磁通信中自干扰抑制的方法及其存在的问题，并针对拟开展研究的内容提供了相应的技术路线和实施方案。

报告人简介：张一明，博士研究生，主要从事微波电路与系统的研究。博士生导师：李家林教授。

无条件稳定Newmark-Beta时域有限差分法的研究与应用

石胜兵 博士生

内容简介：传统的时域有限差分法具有简单通用的特点，但其时间步长受到稳定性条件的限制，导致在模拟具有精细结构模型时，需要大量的计算机资源。虽然近些年，提出了不少的无条件稳定的算法，但它们或数值色散较差或精度不高。

Newmark-Beta方法在时域有限元方法中已经被广泛应用，其对控制方程的时间偏微分离散产生了无条件稳定的迭代序列。本研究拟将Newmark-Beta方法引入到时域有限差分法中，研究一种新的无条件稳定时域有限差分法，讨论该方法的各方面性能，并将该方法应用到天线微波器件仿真、光子晶体光栅、非线性光学、电磁兼容等领域中。

报告人简介：石胜兵，博士研究生，研究领域包括计算电磁学与优化算法。博士生导师：杨雪松教授。

基于机器学习的电磁场智能设计研究

肖理业 博士生

内容简介：电磁场建模仿真往往需要消耗大量的时间，尤其是在设计优化中，通常需要多次调整器件的尺寸并进行仿真，以找到最优结果，这在优化时间上无疑是一个巨大的消耗。而且该过程不具有可重复性，即对于新的优化指标不能利用已有的优化结果，而需要重新优化。

而机器学习技术可以能够通过训练学习电磁场响应与器件几何尺寸变化的关系。被训练成熟的机器学习模型可以快速、准确地模拟出器件的电磁场响应。相较于电磁场仿真，无疑节约了大量时间。并且在优化设计中，一个训练成熟的机器学习模型可以被重复利用于不同的优化设计指标。本报告从机器学习进行高效高精度的电磁场建模出发，实现电磁场工程中的智能设计。

报告人简介：肖理业，博士研究生，主要从事机器学习电磁场建模与优化算法的研究。博士生导师：邵维教授。

报 告 时 间：  2016年10月21日  9：00

报 告 地 点： 科研楼219

主   持    人：  邵维  教授