居民区高层5G深度覆盖质量分析方法解析

随着我国通信技术的发展,基站建设数量快速增长,尤其是5G基站的数量和密度不断增加。在我国,5G网络覆盖已经从城市向农村扩展,随着国家“乡村振兴”战略的实施和新基建投资力度的加大,农村5G发展如火如荼。随着5G网络建设的速度越来越快,基站站址资源紧缺的问题日益凸显。如何利用有限的站点资源来合理规划5G网络布局,成为一项重要的工作任务。 目前,5G室内分布系统已在部分小区内大规模应用,通过对已有基站站址进行梳理和优化,实现了高密度、高杆率、高覆盖。随着小区的增加,小区内多个5G微站相互影响、站点资源浪费严重等问题也日益凸显。在高层住宅小区中引入5G微站,可以有效解决这些问题,但其在实际应用中,由于设备成本及施工难度高、覆盖范围大等因素,因此导致基站部署存在一定困难。     

多分辨率融合输入的U型视网膜血管分割算法

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%, 97.47%和97.48%,灵敏度分别为82.73%, 82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。     

基于MATLAB GUI图像处理仿真系统的设计

文中简述了图像处理的各种基本功能及原理,并通过MATLAB的GUI图形用户开发工具,设计了一款基于MATLAB的图像处理仿真系统,该系统包含图像处理的一些常见且实用的功能,如空域滤波中的高斯滤波、中值滤波、均值滤波,频域滤波中的高低通滤波、带阻滤波、同态滤波,还有边缘算子、灰度、二值化、简单直方图等功能。由于MATLAB GUI操作简单,便于扩展,减少了代码编写量,且人机交互性强,图像处理部分功能参数可调,因此在教学、实验、工程中具有较高的应用价值。     

有色量测噪声下带广义未知扰动的递推上限滤波

针对博弈对抗环境下利用快速采样雷达进行非合作目标跟踪带来的有色噪声和未知干扰共存问题, 本文提出有色量测噪声下带广义未知扰动的随机动态系统递推上限滤波. 这里, 有色量测噪声用于描述由于快速采样或持续干扰带来的噪声相关性, 广义未知扰动用于建模博弈对抗对雷达观测带来的异常影响(先验信息缺失). 针对所考虑系统, 通过参数优化实现状态估计误差协方差上限(而不是理论值)的在线递推, 提出有色噪声下上限滤波(CU-BF), 给出状态估计误差协方差最小上限的近似实现, 讨论了所提CUBF的存在性条件. 在具有时变未知扰动和有色量测噪声的目标跟踪仿真中验证了所提方法的有效性.     

RTDMiner: 基于数据挖掘的引用计数更新缺陷检测方法

在Linux内核等大型底层系统中广泛采用引用计数来管理共享资源.引用计数需要与引用资源的对象个数保持一致,否则可能导致不恰当引用计数更新缺陷,使得资源永远无法释放或者被提前释放.为检测不恰当引用计数更新缺陷,现有静态检测方法通常需要知道哪些函数增加引用计数,哪些函数减少引用计数.而手动获取这些关于引用计数的先验知识过于费时且可能有遗漏.基于挖掘的缺陷检测方法虽然可以减少对先验知识的依赖,但难以有效检测像不恰当引用计数更新缺陷这类路径敏感的缺陷.为此,提出一个将数据挖掘技术和静态分析技术深度融合的不恰当引用计数更新缺陷检测方法 RTDMiner.首先,根据引用计数的通用规律,利用数据挖掘技术从大规模代码中自动识别增加或减少引用计数的函数.然后,采用路径敏感的静态分析方法检测增加了引用计数但没有减少引用计数的缺陷路径.为了降低误报,在检测阶段再次利用数据挖掘技术来识别例外模式.在Linux内核上的实验结果表明,所提方法能够以将近90%的准确率自动识别增加或减少引用计数的函数.而且RTDMiner检测到的排行靠前的50个疑似缺陷中已经有24个被内核维护人员确认为真实缺陷.     

阻尼累加离散GM(1,1)模型及其应用

基于阻尼累加生成算子和离散灰色预测模型的思想,提出一类新的阻尼累加离散GM (1,1)模型,并详细给出模型的推导过程,从理论上分析与经典GM (1,1)模型、离散GM (1,1)模型以及最近提出的阻尼累加GM (1,1)模型的关系,探讨模型的稳定性和数据适用类型分析,并利用量子粒子群优化算法计算出最优阻尼累加参数.最后将所提出模型应用于两个实际案例,结果表明所提出的阻尼累加离散GM (1,1)模型的拟合和预测误差均优于上述基准模型.     

基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.     

考虑储能与动态重构的柔性互联配电系统两阶段鲁棒优化

强波动性分布式电源的大量接入给配电系统可靠安全运行带来了挑战。为此,提出了一种考虑储能与动态重构的柔性互联配电系统两阶段鲁棒优化调度方法。首先,建立了综合考虑柔性配电开关、储能与动态重构的柔性互联配电系统两阶段鲁棒优化数学模型,其中第一阶段考虑日前分布式电源出力预测的不确定性以及网络拓扑和储能的时序相关性进行全局优化,第二阶段基于第一阶段的决策方案和准确的超短期预测信息,在各时段对柔性配电开关进行实时调度;其次,采用改进的列与约束生成算法对模型进行求解,通过辅助变量和对偶变量交替迭代,显著提高子问题的求解效率;最后,通过33和69节点系统进行测试,验证了所提调度模型和求解算法的有效性。     

基于社交网上演化博弈的光伏台区用户需求响应特性研究

“双碳”背景下,通过实施需求侧响应实现新型电力系统的协调运行是解决新能源出力不确定性的主要手段。然而,现实中的用户具有有限理性,其对电价或激励措施的响应呈现出异质性和不确定性。针对此,文章计及有限理性用户对电价或激励措施响应过程中的信息交互以及策略学习特征,提出了一种基于社交网上演化博弈模型的用户需求响应分析模型。首先,考虑到现实经济人在决策中存在信息交互以及策略学习与更新,且该信息交互背后为复杂社群系统,通过构建社交网刻画了用户之间的信息交互关系;其次,根据电价理论和电力供需平衡关系,单个用户的响应决策将会影响其他用户利益,采用博弈模型描述了群体用户的决策过程;最后,考虑到用户对所获取信息处理的有限理性特征,基于社交网上演化博弈模型来描述用户对电价和激励措施的响应过程。仿真分析了不同社交网络结构以及电价或激励措施对用户响应的影响。结果表明,用户社交网小世界属性的增强将会提高用户的响应,价格系数的提高会降低用户的用电意愿。     

基于时空耦合特性的充电站运行状态预测

提出一种基于时空耦合特性和深度学习模型的充电站运行状态预测方法。首先,基于充电站历史运行数据和所在区域的交通通行速度数据集,利用k-means聚类方法将充电站划分为不同类型,分析充电站运行状态在时间上的特性;建立单个充电站的"偏移量-交通-时间"三维矩阵模型,深度挖掘充电站运行状态与周边交通状况在时间和空间上的耦合相关性。其次,将充电站状态与交通状况的时间滞后相关特性进行空间重构,利用卷积神经网络进行特征提取,通过长短期记忆网络进行时间序列预测,构建基于Keras深度学习框架的充电站运行状态多步预测模型。最后,以20个充电站的真实运行数据进行验证,并与多种预测算法进行对比,结果表明,所提方法具有较高的预测精度。