一种提升城区网格道路5G覆盖率的新方法

城区网格道路是移动通信用户重要的使用场景。与其他用户静止场景相比,道路上UE移动性导致客户感知相对较差。传统城区网格道路测试优化存在整治不彻底、优化效率低、工单重复派、工作无重点等痛点。提出了一种提升城区网格道路5G覆盖率的新方法,引入测试问题圆域的概念,实现了零星测试问题点的有效聚合,并用“聚合度”“重复度”定量标识测试问题优先级;通过测试问题圆域“理想方位角”和“合适小区”的计算,提出了测试问题最优覆盖小区的计算方法,可有效输出问题圆域的优化方案。所提方法已在现网部署,有效支撑了全网城区网格道路测试优化工作,5G覆盖率由89.95%提升到98.86%,应用效果较好。     

一种爬虫监控系统的设计与实现

随着互联网爆炸式的发展,网络爬虫的重要性越来越重要.一个搜索引擎搜索结果的数量以及质量在一定程度上取决于网络爬虫爬取结果的质量,而如何能更好的组织这些爬虫也成了一件能影响爬虫效率的事情.随着在服务器上部署爬虫的增加,对一个能够有效管理爬虫监控系统的需求也就越来越紧迫.本文对爬虫监控系统的设计和实现将会给爬虫的管理带来很大的方便.     

用户聚集场景预知及通信自优化研究与实践

随着经济的快速发展，人流汇聚场景越来越多，针对此类场景的通信保障越发频繁且难度越来越大。对于工作量日益加重的应急通信保障工作，如何提升通信保障工作效率及质量，是亟待解决的重要问题。本文阐述了一种人流聚集区域提前预知和通信保障系统自动优化的方法。通过基于Python编程的网络爬虫程序，爬取重大活动的关键信息，结合实时性能指标监测，与常态化用户数阈值进行对比，识别出用户数激增的预警小区。根据基站至人流聚集区域的距离与基站扇区覆盖方向夹角筛选出需保障小区清单，保证了活动时间与地点获取的全面性、精准度和保障区域主覆盖小区匹配效率。对上述两种识别方式的保障小区，通过参数平台自动生成优化策略并下发执行，实现通信保障系统自优化，极大提升了保障工作的效率及质量。     

超级小区合并技术在高铁场景中的研究与应用

随着高铁运营效率加快,高铁场景移动用户的大规模、长时间频繁流动的情况日益增多,同时铁路本身信息化建设的发展,对高铁线路的通信质量具有迫切需求。为保障高铁用户在乘坐高铁时能有持续良好的上网与VOLTE高清语音使用体验,采用超级小区合并的方法,以减少小区切换次数,提升覆盖率。通过高铁实际场景验证,得到较好的提升效果。在对京广高铁咸宁段进行合并后,沿线物理小区PCI使用减少29.1%,同时切换尝试次数仅较小区合并前降低46.6%,VoLTE覆盖率(RSRP≥-110dBm&SINR≥-3dB)整体较合并前增长4.31%,有效提升了高铁用户的移动网络使用感知。     

应用大数据分析自动识别边界漫游小区

通过对边界漫游特点和现状的分析,阐述边界基站本身具有的三个特点,提出减少边界漫游计费差错的关键是及时识别边界漫游小区,并尝试基于全量的用户通信记录数据建立大数据分析模型,自动识别出疑似边界小区,为边界漫游小区信息的及时、准确更新提供有力的技术支撑。     

基于视频同步的智能补光灯系统设计

摄像机广泛应用于智能交通行业,场景监控、车牌识别、事件检测等系统都需要摄像头采集实时视频。图像的质量对自动识别效果影响重大,在黑夜或雨天等照度不佳,由于图像亮度不够,导致自动识别率明显下降,因此设计一款智能补光灯系统意义重大。     

基于视频图像处理的交通流检测系统

提出了一种自适应于可调控摄像机的高速公路交通流检测系统.通过改进的背景建模与跟踪方法精确提取运动目标,利用道路标志线为图像与道路建立坐标映射实现车速与流量检测和交通监控.当场景转换时能及时自动更新参数,在实际应用中有很好的灵活性与稳定性.     

Relay技术在LTE覆盖解决方案中的应用研究

Relay技术作为一项LTE-A关键技术,具有低成本、灵活拓展等优势,能够有效提高LTE网络系统覆盖能力与吞吐效率。重点分析了Relay技术原理、Relay MBSFN子帧实现方式,并结合中国移动LTE现网状况,提出利用Relay实现GSM直放站覆盖场景LTE延伸覆盖的解决方案。通过LTE现网中验证测试,该方案的部署可提升LTE小区边缘覆盖率67%、增加LTE边缘速率129%。     

基于视频的天气类别识别系统

针对目前尚未有基于视频的天气类别自动识别系统，本文设计并实现了基于视频的天气类别自动识别系统框架。对于给定的一个测试视频，该系统根据其场景是否与现有的场景相同，选择相应的分类器进行识别，最终输出对应的天气类别识别结果。     

复杂场景下的安全帽佩戴检测算法

针对工地场景错综复杂,监控画面噪声多且模糊等问题,提出了在复杂场景下的改进版YOLOv5的安全帽检测算法。通过网络爬虫、实地采集等方法收集了9 256张工地的复杂场景下的照片,并使用labelImg进行标注;设计了ECA＿H通道注意力,添加到BackBone的C3模块和SPPF模块之间,获取图像的通道细节信息。通过对比实验显示,改进后的模型在复杂场景下识别检测安全帽的准确率(Precision)提升了1.2%,召回率(Recall)提升了2.9%,mAP0.5提升了1.8%,mAP0.5-0.95提升了5.2%。可见,改进后的模型在复杂场景下检测是否佩戴安全帽的性能有所提升。     

基于量子遗传算法的无线视频传感网络优化覆盖算法

针对智慧城市无线视频传感网络建设需要,提出一种基于量子遗传算法的网络优化覆盖算法。算法面向复杂的监视区场景,监视区中存在形状各异的障碍物,各区域的重要程度不同。以二维离散网格模型描述监视区场景,用编码描述矩阵表示监视区域,用七元组描述有向无线视频传感器。通过严格的数学推导得出了问题的数学规划模型。优化覆盖算法由IntialDeployment算法和OptimizedDeployment算法2部分组成,以获得最大有效覆盖率的网络部署方案为求解目标。采用量子遗传算法搜索解空间,通过合理编码染色体,优化量子旋转门参数,使算法的运算速度快,收敛性好。引入理想覆盖率和理想加权覆盖率2个极限值,采用相对比较法评判算法优劣。仿真实验和数据分析表明,算法获得的方案能很好地逼近理想极限值。在传感器节点数给定的情况下,算法能获得最大的覆盖率。     

一种基于LTE-MR劣化场景模式识别的自动优化方法

要进行LTE网络的精细优化必须依赖于对覆盖和干扰的地理分布精确掌握。本文基于MR数据建立精确定位干扰矩阵,形成从覆盖、干扰、用户、空间、时间等多维度定位网络问题的MR分析方法。 基于模式识别理论和MR数据的精确定位分析,智能识别出覆盖和干扰的场景,针对这些问题场景通过迭代算法自动生成相应的优化策略。     

基于MDT数据的地下场景覆盖问题识别系统设计

地下场景覆盖问题的准确识别一直是网络优化难点,围绕精准定位建立评估模型,以用户轨迹惯性特性为基础完成最小化路测(MDT)数据清洗,采用“基于RSSI测距多点定位算法”和“神经元网络定位技术”相结合方式,完成多维数据关联和迭代矫正模型并纳入指纹库,引入栅格化理念,实现栅格内MDT数据智能汇聚,识别地下场景弱覆盖栅格。本设计能够扩充地下室场景覆盖问题识别的手段。     

L900基站覆盖场景功能解耦探索与研究

L900基站对深度覆盖和广度覆盖有着较大的提升作用,但网络中仍存在着低效能和覆盖不合理小区.本文通过对覆盖城市道路和居民区场景的基站小区进行自动化场景匹配,并结合众筹数据、DT/CQT数据、机器学习栅格预测速率数据、SpeedTest数据和业务数据等多维度数据进行分析,筛选出覆盖场景不合理小区进行功能解耦,调整这些小区...     

广播电视敏感人物智能监测系统建设实践

为实现广播电视敏感人物的实时监测,将人脸识别、场景文字识别、语音识别等模型进行融合增强,设计建设了一套多模型融合增强的监测系统,对电视节目敏感人物进行自动监管。实践过程中发现,多模型融合增强能够显著提升敏感人物检测的准确率与召回率。实际应用效果表明,建设的广播电视敏感人物智能监测系统能够快速发现播出内容中的敏感人物,极大地提高了监测的速度和准确性,在很大程度上减轻监测人员的工作负担。     

基于5G Massive MIMO的波束级MR研究与应用实践

随着5G网络逐渐步入存量优化阶段,单纯基于MR的数据无法体现场景用户的深度覆盖水平,且在运维过程中,如何精准定位以提升规划准确度、如何降本增效以提高运维效率成为了重要课题。在传统MR覆盖优化的基础上,利用当前5G独有的波束级MR测量,可以使Massive MIMO权值优化从典型波束场景,向自定义波束场景演进。将成熟的MR立体分析方法应用到自定义波束领域,再次提升深度覆盖问题的优化方法的准确性和灵活性。经验证,SSB RSRP均值可提升1dB,重叠覆盖率改善了1.22%,大幅改善了5G用户的网络质量。     

A super-resolution-based license plate recognition method for remote surveillance

With the continuous development of deep learning, neural networks have made great progress in license plate recognition (LPR). Nevertheless, there is still room to improve the performance of license plate recognition for low-resolution and relatively blurry images in remote surveillance scenarios. When it is difficult to enhance the recognition algorithm, we choose super-resolution (SR) to improve the quality of license plate images and thereby provide clearer input for the subsequent recognition stage. In this paper, we propose an automatic super-resolution license plate recognition (SRLPR) network which consists of four parts separately: license plate detection, character detection, single character super-resolution, and recognition. In the training stage, firstly, LP detection model needs to be trained alone and then its detection results will be used to successively train the three subsequent modules. During the test phase, for each input image, the network can get its LP number automatically. We also collect an applicable and challenging LPR dataset called SRLP, which is collected from real remote traffic surveillance. The experimental results demonstrate that our method achieves comprehensive quality of SR images and higher recognition accuracy compared with state-of-the-art methods. The SRLP dataset and the code for training and testing SRLPR network are available at https://pan.baidu.com/s/1vnhRa-c-dBj6jlfBZV5w4g.     

基于深度卷积神经网络的多特征融合的手势识别

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。     

基于卷积特征和贝叶斯决策的双波段场景分类

针对可见光和近红外双波段场景分类存在图像标注样本少和特征融合质量低的问题,提出了一种基于卷积神经网络(CNN)特征提取和朴素贝叶斯决策融合的双波段场景分类方法。首先,将基于预训练的CNN模型作为双波段图像的特征提取器,避免标注样本少导致的过拟合问题;然后,通过主成分分析降维和特征归一化方法,提高支持向量机的计算速度和每个波段的分类性能;最后,以双波段后验概率为朴素贝叶斯先验概率,构建了决策融合模型,实现场景融合分类。在公开数据集上的实验结果表明,相比单一波段分类和双波段特征级联融合分类方法,本方法的识别率有明显提升,可达到94.3%;比基于传统特征的最优方法高6.4个百分点,与基于CNN的方法识别率相近,且执行简单高效。     

基于多层感知机模型的天线方位角诊断

作为影响移动通信质量的关键因素,天线方位角的准确性将直接影响网络优化质量。提出一种基于多层感知机的天线方位角诊断方法,将方位角分为12个区间类别,每个类覆盖30°范围,即[0,30°)记为类别0,…,[330°,360°)记为类别11,利用多层感知机算法识别天线方位角的区间,自动识别天线方位角的角度范围,为网络优化(网优)工程师判断实际的网络覆盖问题提供了有效的数据支撑,在核查天线性能方面极大地减少了工作量,降低了人工成本。实验结果表明,该方法能够有效快速判别天线方位角区间类别,识别准确率达到了92.6%,高于随机森林和逻辑回归分类算法的分类准确率。