基于多源异构数据融合与RT的高铁网络优化系统

在高速铁路建设中,采用的电力拖车、路堑、站台、桥梁、明洞等特殊、形状不规则的建筑物,会对电磁波传播机理和多通路产生一定的影响,使其呈现出明显的衰减特性。从空间上看,呈现出强烈的空间异同性和频度相关,从而导致经验模型无法准确表征铁路场景的电波传播特性,成为制约无线网络规划精确度与效率、限制铁路移动通信系统高质量发展的理论瓶颈之一。针对这一挑战性难题,本文开展了基于多源异构数据融合的铁路移动通信高精确度网络规划及优化系统研究。采用高性能射线跟踪(RT)技术针对铁路通信930 MHz频段下的高铁场景进行了网络优化仿真。仿真结果表明,90%的接收信号强度相较于优化前提高了13.9 dB,显著提升了铁路复杂场景中的无线网络质量。     

应用于楼宇节能的无线分布式温湿度采集系统设计

针对不适宜的温湿度可能造成楼宇不必要电能浪费的实际问题,设计了基于ARM Cortex处理芯片的无线分布式温湿度采集系统,用于对室内的温湿度信息进行实时监控.该设计兼具温湿度采集和无线传输的功能,实现了无线分布式温湿度的采集.整个系统作为闭环智能温湿度调节的前端采集系统,进行温湿度信息采集,同时为温湿度能源的综合管理中...     

一种交通信息采集传感器网络的IP互连方法

为解决道路交通信息采集传感器网络大规模组网及远程监控中所面临的IP互连问题,在面向交通信息采集的传感器网络互连体系基础上,设计和实现了一种具备CAN、ZigBee、以太网等多种通信接口,且能够处理区间交通参数的互连网关;通过协议转换方式实现异构网络的互连;给出了TCP/IP协议族面向交通信息采集的嵌入式精简方案.理论分析表明网络负载率、时延满足道路交通信息采集及控制的需求;实验结果验证了网络的连通性、精简TCP/IP协议栈实现的可行性以及面向交通信息采集组网及监控的可实现性.理论和实验说明,在交通信息采集传感器网络的大规模组网及远程监控中,所述IP互连方法是可行的.     

基于UML的建模及模型检验研究

UML是一种广泛使用的面向对象的可视化统一建模语言,但UML缺乏精确的语义描述,难以对UUL模型进行分析验证以判断设计规范是否满足目标需求。符号模型检验是一种能够有效保证系统可信性质的自动检验技术。为了检验UML模型的正确性,在建模的基础上把UML模型转换为SMV模型,然后使用符号模型检验器（SMV）对模型进行检验,有利于在系统的设计早期发现系统的缺陷。     

交织频分多址技术探讨

交织频分多址(IFDMA)是3GPP LTE以及欧洲WINNER的上行链路候选技术之一,其发射信号具有较低的峰均比且可以高效实现,接收端用于用户分离和均衡的运算复杂度较低,即使发射机无信道状态信息的情况下IFDMA也具有较高的频谱效率.本文对IFDMA技术进行了详细的介绍,包括其基本系统模型、技术特点以及相关应用.     

宽带无线通信系统演进中的安全技术方案及发展趋势

目本文分析了宽带无线通信系统演进中LTE和WiMAx所面临的安全威胁和安全需求,探讨了LTE和WiMAX网络安全技术机制,最后介绍了WiMAX与3GPP互通的安全技术发展趋势.     

交通信息采集传感器网络基于强化学习的路由

针对道路交通信息采集传感器网络网内数据的有效转发和汇聚问题,以节点剩余能量和通信链路的路径损耗作为路由选择的综合评价指标,基于Q学习算法实现了一种传感器网络自适应路由方法,通过Q表的查询实现了网内数据的路径选择和数据转发。仿真结果表明,各网络节点能够找到优化路径将数据转发至汇聚节点;同时能够有效的降低网络节点的平均能耗和减少数据包传输的平均跳数。在道路交通信息采集传感器网络中,基于Q学习的路由方法是可行的。     

基于区间直觉犹豫模糊集的高速列车系统关键部件辨识

关键部件作为系统可靠性分析的重要组成以及系统维修策略制定的重要基础,其辨识方法与识别结果的准确性一直是研究热点与难点.为有效识别关键部件保证高速列车系统安全可靠性运行,本文提出一种新的基于区间直觉犹豫模糊集的关键部件辨识方法.首先通过回顾现有复杂系统网络建模方法及其优缺点,归纳总结部件的提取规则与部件间作用关系的定义和类型,提出由局部到整体的高速列车系统全局拓扑网络模型构建方法.其次鉴于现有针对同一高速列车同一节车辆同一部件的故障维修记录数据量少、随机性大等特点,提出将节点属性值区间化,构建节点属性的区间直觉犹豫模糊集,其中节点属性包括由故障数据分析获得的节点可靠性属性值以及由所建全局拓扑网络得到的拓扑属性.最后利用区间直觉犹豫模糊积分算子综合节点的多种属性辨识系统中的关键部件.以转向架系统的拓扑结构以及历史故障数据为基础的实例分析表明,所提出的辨识方法能够准确的识别出系统中的关键部件,且与专家经验的分析结果基本一致.     

基于多层感知器神经网络的路径损耗预测研究

为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron, MLP)神经网络的路径损耗预测研究. 利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模. 结合测量数据和由环境表征方法提取的环境特征,基于MLP神经网络建立了路径损耗模型. 数据实验的对比分析表明MLP神经网络能够实现路径损耗的准确预测,且环境特征的引入有助于提升模型性能. 为解决干扰地物影响路径损耗模型的准确性以及模型对环境变化的敏感性问题,根据视距(line-of-sight, LoS)和非视距(non-line-of-sight, NLoS)标签改进环境表征方法,进一步提升了模型的稳定性和泛化能力. 所做工作有助于了解无线电波传播特性,为无线网络优化和通信系统设计提供了理论依据.     

基于Web墨卡托投影的地图算法研究与实现

针对Web墨卡托投影地图用于地理信息系统开发时其第三方应用程序接口仅支持浏览器/服务器模式的问题,采用墨卡托投影式的变形并结合数据分片技术,以Google地图为例提出一种Web墨卡托投影地图用于客户端/服务器模式的算法。实验结果表明,该算法有效解决了Web墨卡托地图不能用于客户端/服务器模式的问题。