基于网络编码的系统中断性能分析

在无线通信中,信道的衰落会降低信号传输的可靠性,影响通信质量。协同分集技术作为一种对抗衰落的有效手段,能提高无线通信性能,已经得到了广泛的研究和应用。为了更有效地利用信道资源,本文提出了基于机会式网络编码的协同机制。在两个节点A和B与一个中继节点R相互协同向基站D发送数据的仿真场景下,研究非协同通信机制、传统协同通信机制和机会式网络编码的协同通信机制下的系统中断概率。理论分析和系统仿真表明,当节点A与B之间的链路以及节点A,B到中继R的链路存在衰落的情况下,机会式网络编码的协同策略具有较好的性能。      

一种适合宽带多媒体卫星通信系统的异步突发时间计划生成方法

 在宽带多媒体卫星通信系统带宽按需分配(Bandwidth on Demand,BoD)过程中,采用周期性突发时间计划生成(Periodical Burst Time Plan Generation,P-BTPG)方法会导致BoD性能对带宽分配周期和带宽分配时延十分敏感.通过建立BoD时序模型,推导最优带宽分配周期和分配时延值,给出一种最优的突发时间计划生成(Optimal Burst Time Plan Generation,O-BTPG)方法.针对该方法导致突发时间计划(Burst Time Plan BTP)信令开销过大的问题,进一步提出一种能够根据带宽需求异步生成突发时间计划(Asynchronous Burst Time Plan Generation,A-BTPG)的方法,推导采用该方法的最优带宽分配长度和最优带宽分配时刻表达式,给出该方法的执行流程;采用两种典型带宽分配算法对不同的BTP生成方法进行性能仿真与分析,仿真结果表明:A-BTPG方法具有较好的通用性,在控制BTP信令开销的前提下能够明显提升系统带宽动态响应能力.     

谈计算机网络教学在人体解剖学教学中的作用

人体解剖学是研究正常人体形态结构的一门科学,也是医学生首要接触的基础课程之一,中职卫校学生在学习中有一定的难度.而随着多媒体网络技术的日趋成熟与普 及,人体解剖学课堂教学由传统教学向多媒体教学、网络教学方式转变已是大势所趋.本文从三个方面讲述了计算机网络教学在人体解剖学教学中的作用.     

卫星空时协同策略研究

近年来,协同通信技术因其能显著地提高无线通信系统的性能而吸引了大量的研究关注。编码协同可以在慢衰落环境下取得较好的性能,但在快衰落环境下性能较差．本文将研究卫星协同通信中引入Alamouti空时分组码．进行空时协同卫星移动通信系统的性能分析。仿真结果表明．较未协同系统,卫星空时协同系统有较大的性能优势,虽然与MIMO系统性能有一定差距,但是其终端实现简单,在未来卫星移动通信中具有一定的应用前景。     

未来的第四代移动通信系统

第三代移动通信系统将在2002年在全球展开应用,而关于第四代移动通信系统的讨论也已全面展开。全文介绍了4G系统的基本要素,完全集中的服务;无所不在的移动接入;不同的用户设备;自治的网络,还讨论了4G系统的网络结构,它包括一个基于IP的核心网络和由几种接入系统组成的接入平台。     

一种新的切换策略在LEO卫星系统中的应用

增强对数据业务等非话音业务的支持,是LEO(低地球轨道)卫星通信系统的一个重要发展方向。提出了LEO卫星通信系统中一种新的保护信道和强占优先相结合的信道分配策略,即为话音呼叫提供一定的强占数据业务的优先权。将该策略与单纯保护信道策略的各项主要性能指标进行比较,结果表明新策略以略微增加数据时延为代价换取了话音新呼叫阻塞概率和切换阻塞概率的极大改善。     

对矿井生产能力核定和监督考核的几点看法

根据矿井生产能力核定和监督考核的有关内容,提出查找矿井生产薄弱环节,以监督整改为重点, 提高矿井安全生产可靠程度,乃治本之策。     

基于复合适应度微粒群算法的神经网络训练

为提高神经网络的泛化能力,针对以均方误差为适应度的PSO算法在训练神经网络时会产生一定的过拟合问题,提出对均方误差和误差分布均匀度进行信息融合,构成复合适应度作为训练指标.实验结果表明,该方法可使网络的泛化能力得到明显的改善.     

智能超表面辅助低轨卫星通信技术综述

卫星通信能够提供超视距、大容量的通信服务,但在城市区域、峡谷森林等视线受遮蔽严重的区域,会出现视距衰落严重、多径效应显著等问题,影响通信质量。近年来出现的智能超表面(RIS)可以通过动态控制反射单元的电磁性质,构建可控电磁环境,为改善低轨(LEO)卫星通信质量提供新的思路。本文基于RIS基本原理与优势,对RIS用于LEO卫星通信中信道建模、信道估计、波束成形等关键技术进行探讨,最后分析了目前RIS在实际应用中面临的主要挑战,以期为LEO卫星场景下的RIS研究提供参考。     

实测卫星频谱占用状态拟合与预测方法

由于在不同时间、不同空间卫星接收数据底噪是动态起伏的,传统建模固定门限的方法存在缺陷。本文在时间维度上对卫星频谱感知数据的频谱占用模型进行分析,利用自适应阈值法确定噪声门限,对卫星频谱数据进行预处理,得到卫星频谱占用长度序列。为对卫星频谱的态势进行有效的统计分析,利用泊松分布和指数分布方法对频谱占用时间长度序列的概率密度曲线进行拟合,得到了适用于卫星频谱占用时间序列的概率分布模型。基于所得的卫星频谱占用状态模型,通过两状态马尔可夫链计算出卫星信道某一频点的状态转移矩阵,从而预测出信道占用和空闲的概率。利用卫星频谱感知数据构建的数据集进行反向传播(BP)神经网络训练,预测某一频点的占用长度。通过计算BP神经网络与传统的长短期记忆(LSTM)神经网络预测法的均方根误差(RMSE),得到LSTM神经网络的RMSE为2.208 1,BP神经网络的RMSE为0.172 8。评估结果表明,BP神经网络准确度高。