交织和BCH编码对蓝牙2.0数据传输性能的改善

蓝牙2.0+EDR规范新增DH分组没有有效的纠错机制,其抗干扰能力差。通过在新规范中加入BCH编码和交织编码,以改善蓝牙的数据传输吞吐量及抗干扰能力。对于新增的数据分组,根据蓝牙标准协议,推导了相应的分组特性;建立了GE信道下数据传输速率与信道突发错误水平的关系模型;获得了在不同信道突发错误水平下的数据传输吞吐量。结果表明,在蓝牙2.0+EDR新规范中加入BCH编码和交织编码,在较高突发错误水平的信道中,其数据传输吞吐量提高了一倍以上,明显改善了数据传输的抗干扰能力。     

IEEE802.15.4a信道对UWB功率谱影响分析

研究超宽带功率谱密度,从路径损耗模型、多路径模型和小尺度衰落模型方面分析IEEE802.15.4a工作组信道模型.采用直接序列脉冲(direct-sequence pulse-amplitude modulation,DSP-PAM)超宽带(ultra-wideband,UWB)系统的信道响应,仿真分析了8种信道对2～10 GHz超宽带系统功率谱分布情况.仿真结果表明,多路径信道对UWB功率谱影响不大,脉冲UWB具有抗多路径干扰能力强的特点.     

CSI对天线相关MIMO系统容量影响的仿真分析

研究了在无线MIMO(Multiple-Input Multiple-Output)系统中,天线相关时,发射端已知信道状态信息(CSI)和未知CSI两种情况对系统容量的影响。建立了天线相关MIMO系统模型,给出了相关系数并推导了相关信道容量的表达式,用Monte Carlo方法仿真了天线角度扩展为均匀分布时,信道状态信息与系统容量之间的关系。     

Weibull衰落信道下多跳通信系统的性能分析

分析了在独立不同分布Weibull衰落信道下配有非再生中继的多跳无线通信系统性能. 基于调和几何平均不等式,得到了更易于数学处理的端到端信噪比上界. 通过计算上界的矩母函数、概率密度函数和矩等闭式表达式,得到了多跳通信系统的平均端到端信噪比、信道容量和平均误比特率等重要性能界. 数值仿真结果表明该界是紧的.     

认知无线电网络中基于信道跳频序列的异步交汇算法研究

认知无线电技术被公认为是未来通信网络中解决频谱资源稀缺和提高频谱利用率的关键技术。认知无线电用户以频谱共享方式机会式地接入授权用户的频段。异步认知无线电网络中的认知无线电用户在相互通信之前,首先需要完成交汇(Rendezvous)和信道协商。对近几年来基于信道跳频序列的异步交汇算法进行了综述,对文献中提出的三类算法进行理论分析,并通过Matlab仿真验证这三类中的八个算法在ETTR、MTTR和公平性三方面的性能表现,对比分析了这八个算法的优缺点。     

无线Mesh网络中路由与信道联合分配研究

无线Mesh网络中路由器使用多射频接口并配备多信道传输能有效增加网络吞吐量及降低干扰。研究路由与信道分配问题的目的就是增加网络容量、减少延迟等。文中针对无线Mesh网络中多接口多信道的路由与信道分配问题做了统一考虑,根据路由约束、信道约束、干扰约束以及宽带约束建立了混合整数线性规划（MILP）模型,并提出了基于迭代搜索的启发式算法很好地解决了此问题。仿真结果表明该算法可以提高网络吞吐量,降低延迟。     

水平矩形管内气液两相流界面波特性

<正>气液两相流中界面波的存在对传热、传质、阻力特性及稳定性都有很大影响。前人有关界面波的研究大多偏重于两相流中界面波的类型及其转变,而对其特征参数变化规律(如振幅、波长、频率和速度等)的研究则很少。但界面波对气液两相流流动阻力和流动结构影响机理的深入研究必须以了解界面波的各特性参数为前提,同时界面波有关特性参数的深入研究也可为气液两相流的数学理论化提供实验基础。 本文以气、水为工质,系统研究了水平矩形管内气液两相流的界面波特性。根据界面波在时域、幅域内的不同特征区别出了各种类型的波并给出了相应的波形和流型图。着重研究了界面波各特征量随气液两相流量变化的变化规律。     

气辅注射成型及设计要点

概述了气辅注射成型过程中材料的选择、气道及模具的设计     

基于信道状态特征的手势动作识别技术研究

手势识别作为人和机器之间重要的交互手段,在日常生活中具有广泛的应用场景。基于无线信号特别是WiFi的手势识别由于其无接触、成本低等优点成为当前热门的方式。为解决传统基于无线信号手势识别算法没有充分利用信号相位特征的缺点,本文提出利用WiFi信道状态信息幅值和相位结合的方式进行手势识别。通过子载波降维和动作曲线提取对接收的WiFi信号进行处理,并将信号的幅值和相位结合,利用机器学习算法对数据进行训练和分类,实现了单手向前、单手向后、单手向左、单手向右、单手向上和单手向下六种手势的识别。实验结果显示,本文算法在近距离和远距离下的精确度分别为96%和92%。     

信息熵角度下的深度学习旁路安全评估框架

基于深度学习的建模类旁路密码分析（Deep Learning Side Channel Analysis/Attack,DLSCA）对于各种旁路攻击场景的密码破解效果都十分显著,但是DLSCA仍存有安全评估问题。基于AES对称加密算法的能量分析,通过信息熵角度分析准确率等传统机器学习性能指标无法评估DLSCA深度神经网络（Deep Neural Network,DNN）模型训练程度的原因。定义密钥信息量,分别阐释密钥信息量与旁路安全评估、DNN模型训练阶段性能评估的关系,建立深度学习模型与旁路分析二者的联系,提出以密钥信息量为核心的DLSCA安全评估框架。