基于语义通信的低比特率图像语义编码方法

近年来森林火灾给环境与人类带来巨大的损失,传统基于卫星、无人机技术的探测手段效率低且成本高,而布置在山区等偏远地区的大规模传感器网络因性能受限,难以负载大数据量业务,尤其是图片等可以清楚提供现场周围环境变化的有效信息。针对以上问题,本文将基于深度学习与语义通信技术,提出一种图像语义编码方法,对火灾中传感器拍摄到的图片所包含的语义进行提取、编码、传输,在接收端利用对抗生成网络完成从语义到图片的重建,进而实现比传统图像压缩编码方法更加稳定且具有更高压缩比率,从而减轻了传感器网络的负载,其中,为了避免对复杂无线信道的学习,该方法采用成熟的LDPC码进行信道编码,以保证语义传输的可靠性。仿真结果表明,该方法能够实现比传统BPG图片压缩方法具有更低的压缩比特率和更高的清晰度。     

考虑换道意图的LSTM-AdaBoost车辆轨迹预测模型

不合理的车辆的换道行为是导致交通事故发生的主要原因之一,提前预知换道车辆的轨迹并及时做出相应调整有助于减少事故的发生。针对换道车辆轨迹预测问题,采用将深度学习和集成学习相结合的轨迹预测方法,并考虑了换道意图的影响。建立连续隐马尔可夫模型对车辆进行换道意图检测,提前判别车辆的换道状态,并输入至相应的轨迹预测模型中;将LSTM（long short term memory）作为AdaBoost算法（adaptive boosting）的基预测器,建立LSTM-AdaBoost模型,在多个基预测器同时进行轨迹预测的基础上,通过训练调整各个基预测器的权重并将结果加权集成,提升预测模型的精度和稳定性;通过NSGIM（next generation simulation）数据集对模型进行训练和测试,结果显示意图预测模型在变道前一秒的准确率在90%以上,LSTM-AdaBoost集成轨迹预测模型与单一的LSTM模型相比精度和稳定性显著提升,且预测结果中异常数据更少,具有较好的稳定性;同时预测对比结果也表明增加意图预测模块有助于提升换道轨迹预测的精度。     

基于DEM的山丘区小流域河网提取分析研究

数字高程模型(DEM)是提取流域河网水系的重要基础数据,DEM分辨率直接影响河网水系的空间拓扑关系和数字流域水文特征。选取美国俄亥俄州印第安纳河流域为研究对象,基于不同分辨率的DEM提取河网,引入野外勘测河源信息,建立可靠度、灵敏度评价指标,探讨不同DEM分辨率所提取数字河网的适用性。结果表明:(1)与野外勘测河源相比,基于高分辨率DEM提取的河网与实际河网更为接近,但会生成伪支流;(2)研究流域地形破碎化程度高,局部地形坡度大,河网发育主要受上游集水面积控制;(3)DEM分辨率为5 m时,研究流域河网提取结果的可靠度和灵敏度较为理想,过高或过低的分辨率均不适用于该流域的河网提取。     

无大容量电解电容式单相光伏并网系统

提出一种基于功率向量补偿的控制方法。结合直流母线电压外环、电网电流和补偿电感电流内环的控制结构,在普通单相光伏并网系统拓扑基础上增加一对开关管与一个补偿电感,使补偿电感上的二倍频功率向量与原有的直流母线上二倍频功率向量大小相等、方向相反,减小直流母线二倍频功率波动,直流侧可以用小容量的薄膜电容代替大容量电解电容。仿真结果表明使用该方法能显著减小直流侧电容值。     

公共建筑采暖节能温度智能控制系统的设计

以冬季人们的供暖需求为背景,以节能为目的,设计了以微处理器为核心的温度智能控制系统。该系统利用嵌入式系统具有的安装方便、操作便利、可靠性高的特点,使楼宇内温度能够得到实时监督和控制。与传统方法相比,系统更加经济化和智能化。试验表明,系统节能效果明显,达到了预期的设计目标。     

LTE系统中提高TCP性能的资源调度算法研究

LTE可以提供真正无处不在基于IP的移动宽带业务,但随着承载网的IP化,网络拥塞、丢包、抖动、延时等质量问题将影响到LTE业务层的QoS质量.作为LTE无线资源管理的核心,研究并设计一个良好的资源调度算法是提高数据业务的性能和终端用户的体验是一个亟待解决的重要任务.本文通过借鉴LTE对VoIP数据分组的半持续调度算法的思想,提出了一种LTE的无线资源调度的改进方案.方案将TCP确认包映射到具有更高优先级的空闲逻辑信道,从而降低了ACK包在无线信道中发生丢弃和拥塞的概率,避免了TCP拥塞控制机制的频繁开启.仿真结果表明,本文提出的TCP确认包映射转换方案在RTT时延、吞吐量等方面均有一定的提升,具有一定的稳定性和性能优势.     

基于.NET的作业处理系统的设计与实现

介绍作业处理系统的设计方法以及实现的关键技术,系统采用ASP.NET作为开发平台,实现了教师作业布置、作业评分和批改、学生选课、作业信息查询、作业上交等功能,满足当前课程学习的需求.     

一种新的最小二乘支持向量聚类

针对传统支持向量聚类的低性能和高耗费问题,提出最小二乘支持向量聚类(LSSVC)模型,设计自适应参数化方案。模型中包括两步簇划分算法和快速训练算法。前者对支持向量和非支持向量分别进行划分,后者采用增量方式,每次增量对应聚类模型的双向学习过程。实验结果证明,LSSVC可有效提高同类算法的效率,具有良好聚类能力,当数据增量为工作集大小的10%时,算法可在时间耗费和聚类准确率之间取得良好的平衡。     

移动式变电站综合自动化虚拟调试系统的开发及应用

本文主要介绍移动式综合自动化虚拟调试系统的主要功能和实现方式。该虚拟调试系统使用简单,功能完善,实用性强,能够实现虚拟主站、虚拟厂站、虚拟调度数据网及规约解析四大功能。实际应用表明,该系统在变电站综合自动化系统的新建、改造工程及运行维护中均起到了重要作用,具有很好的推广前景。对提升专业人员的技术水平,确保电网安全和可靠运行具有重要作用。     

基于重采样的差分频域分析方法

差分频域分析方法是常用的攻击方法之一,当设计中使用随机延时运行等其他防护措施时,现有的差分功耗分析方法已经不能开展攻击,而差分频域分析方法可以对这类防护措施实施攻击.但该攻击方法会带入更多噪声,降低攻击效率.针对以上问题,文中提出了一种基于重采样的差分频域分析方法,该方法可有效地提升攻击效率.文中首先介绍了基于重采样的差分频域分析方法的基本原理,然后搭建实验,在SASEBO GⅡ仿真板上实现一个防护措施为随机延时运行和功耗隐藏的DES算法实施攻击.实验结果表明,针对DES随机延时运行和功耗隐藏防护措施,文中提出的重采样频域攻击方法较之DPA方法可攻击成功,是多种防护措施攻击成功的实例.同时,采用重采样处理的差分频域分析方法可以有效提高信号的信噪比,将攻击效率提升一倍.