基于集成深度神经网络流量预测的动态网络切片迁移算法

针对5G网络切片(NS)场景下由于缺乏提前对物理网络资源进行感知而导致切片迁移滞后的问题,该文提出一种基于集成深度神经网络流量预测的动态切片调整和迁移算法(DSAM)。首先建立了基于计算、内存、带宽资源配置的网络总惩罚模型;其次,提出基于集成深度神经网络的流量预测算法预测未来网络流量情况,并根据流量类型的不同将其转换成对未来时刻物理网络的资源占用及切片的资源需求感知;最后,根据感知结果,以尽可能大地降低运营商惩罚为目标,通过动态切片调整和迁移策略将虚拟网络功能(VNF)和虚拟链路迁移到满足资源限制的物理节点和链路上。仿真结果表明,所提算法有效提高了切片迁移的效率和网络资源利用率。     

燃料电池技术及应用

本文介绍了燃料电池的基本原理、系统结构、类型、特点和应用，概述了燃料电池的发展现状和未来。     

联合HARQ和AMC中继系统跨层优化设计

为了提高协作中继系统频谱效率性能,对Nakagami-m衰落信道中联合物理层自适应调制编码(AMC)和链路层混合自动请求重传(HARQ)协议跨层设计方法进行研究.首先提出一种状态转移图来分析计算协作中继系统的误包率(PER);然后建立了最大化系统频谱效率的跨层优化模型,并给出迭代求解算法;最后对3种HARQ协议下中继系统性能进行对比分析.仿真结果表明,协作中继系统的性能明显优于非中继协作系统,联合Ⅲ型HARQ的跨层设计可实现比联合Ⅰ型和联合Ⅱ型HARQ更高的频谱效率和更低的PER.     

联合网络编码与HARQ的中继传输协议及跨层优化设计

为了进一步提高中继系统的可靠性和频谱效率,提出了联合固定网络编码与混合自动重传请求(DNC-HARQ)和联合随机网络编码与混合自动重传请求(ONC-HARQ)2种传输协议,分析了这两种传输协议的系统中断概率和频谱效率.以最大化系统频谱效率为优化目标进行跨层优化设计,并利用迭代算法求解.仿真结果表明,DNC-HARQ和ONC-HARQ传输协议比只采用网络编码的传输协议具有更高的系统可靠性,比仅采用HARQ的传输协议具有更高的频谱效率;所提出的基于最大化频谱效率的跨层优化算法能有效地最大化系统频谱效率.     

移动视频监控系统的设计与实现

提出一种基于3G无线网络平台实时传输MPEG-4流媒体的策略,结合移动视频监控系统,给出总体设计框图,并对嵌入式移动视频监控系统的软件设计进行了阐述.在3G网络平台上的运行表明,该系统能在带宽有限的情况下很好地工作.     

嵌入式TCP/IP协议的内存管理技术

开发嵌入式系统的TCP/IP协议,内存管理的设计和实现是第一步,也是对整个协议栈性能有重要影响的一步。由于嵌入式系统的系统资源有限,内存管理既要节约系统资源,又要提高系统的性能,同时也要降低系统开发的难度。本文针对TCP/IP协议的实现,以及一些常用的嵌入式TCP/IP协议的实现,分析了相关的设计思路和方法,总结出在特定环境下内存管理系统设计实现的原则和方法,便于更好地实现嵌入式系统的网络功能。     

Small Cell中移动性增强方案研究现状分析

小蜂窝网络是由比传统宏蜂窝基站发射功率更小的低功率节点形成的多层蜂窝网络。作为LTE-Advanced技术研究的重要内容之一,小蜂窝的发展越来越受到业界的关注。分析评估了移动性管理中多种移动状态估计(MSE)方案的性能指标,同时分析评估了蜂窝切换中所涉及的切换指令的保护方案性能以及蜂窝切换方案性能,最后对小蜂窝网络移动性管理面临的挑战和未来的研究方向做出总结。     

提高翻新轮胎质量及扩产增效的措施

我国轮胎翻新业，目前面临前所未有的困难，不少中小企业先后倒闭，勉强生存下来的也举步维艰，因此，有的企业就对行业的前景感到失望和悲观。不过，希望大家不要丧失信心，相信前途是光明的，困难是暂时的。理由有三点：1、有效地开发资源的综合利用，是国家一项重大的技术经济政策，开发利用再生资源是一种保持资源永续的重要工作。特别是废旧资源的循环利用，而轮胎翻新正是轮胎资源循环利用的首选，国家已颁布了不少有利于轮胎翻新行业发展的优惠政策和措施。2、中央领导和政府十分重视勤俭节约，倡导艰苦奋斗，节约办事。     

非理想信道信息下认知中继系统中断概率研究

本文针对存在信道估计误差的情况,分析了非理想信道状态信息下认知中继系统的性能.建立了非理想信道状态信息下认知中继系统的数学模型,推导出了非理想信道状态信息下认知中继系统中断概率的表达式.理论分析表明在非理想信道状态信息下认知中继系统的性能较理想状态有所下降,但更符合实际情况.同时数值仿真结果验证了理论分析的正确性.     

计及N-1安全约束的输电网阻塞管控数据驱动模型

负荷的快速增长及其时空分布的快速变化导致输电阻塞频繁发生,影响电力系统安全运行。在传统的阻塞管理模型中,由于N-1约束的强非凸非线性,对于大型系统耗时较长,难以应对快速变化的运行工况。因此提出采用深度网络拟合N-1约束,嵌入到优化控制模型中,提高求解效率。基于佳点集理论产生控制样本,以发电机控制量及负荷水平作为输入,以N-1违约量作为输出,基于深度神经元网络(Deep Neural Network,DNN)构建N-1评估器,嵌入到传统阻塞管理模型中,并采用遗传算法求解该模型,以IEEE30节点为算例验证方法的有效性,仿真结果表明该方法较传统方法而言,有效提高了收敛时间,同时又保证了传统模型的求解精度。