为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
采用PulsON 440超宽带雷达模块采集多类身份与动作的人体行为实测数据，进行STFT变换生成时频图像，构建基于CNN的深度学习模型。在网络结构上增加压缩-激励模块进行特征重校正，将校正后的各级别特征进行多尺度融合以进行多任务的共享特征提取，在任务特定层分别进行人体动作与身份的识别。编写实现三种不同的损失函数实现网络优化，减小了类内间距，有效提升模型的泛化能力。使用Pytorch框架、Python编程进行模型的搭建和训练、测试。充分利用了多任务的监督信息，使两任务在特征共享的基础上相互促进。