自适应SINR门限的自动邻区关系生成算法

在长期演进(LTE)系统中,为保证终端通信的正常进行,每个小区需要维护一张邻区列表,该表决定终端切换的范围和方向.传统的相邻小区列表配置是网络工程师根据现场勘测情况进行配置,这样不仅会消耗大量的时间和人力,而且不具有全网统计性.笔者提出一种基于自适应SINR门限的自动邻区关系生成算法.该算法引入了自适应SINR门限以及"投票模型",充分考虑到了LTE网络中的小区类型,并能有效反映实际的网络环境,最终实现动态的相邻小区列表管理.通过仿真评估不同的SINR取值对相邻小区列表的冗余率和准确率的影响,获取了该算法的增益.     

无线Ad Hoc网络中支持智能天线的TDMA多址接入协议

介绍和分析了无线Ad Hoc网络中自适应波束形成时分多址接入协议ABF-TDMA。ABF-TDMA是基于TDMA和智能天线技术来实现无冲突预约和波束形成,允许每对通信节点在每个时隙预约和训练来保证存在隐藏终端情况下的无冲突的预约和波束形成。成功预约和训练后,数据分组可以以自适应波束形成方式发送。本文分析了在全连通网络下不同分组长度、节点数和重发限制下ABF-TDMA的通过率和时延。仿真结果显示,ABF-TDMA可以获得高通过率、低时延、较小的时延抖动和丢包率,特别是分组长度较长和节点数较多情况下。     

距离加权的二进制传感器网络目标跟踪算法

提出了基于距离加权的二进制传感器网络中的目标跟踪算法.该算法可在二进制传感器节点判决输出信息比特的同时产生感测节点的权值.仿真结果证明了基于距离加权的目标跟踪算法的有效性,并且不论目标运动采用直线、曲线或随机轨迹,都具有良好的性能,误差分布均集中在[0,0.2]的区间范围中.     

发生炉以煤代焦,企业减亏增效益

１９９４年，我厂长期以焦碳为原料的煤气发生炉进行了改烧白煤的试验工作。经验半年多的前期准备与试烧。我们摸索出了一些气原料的更换方法并取得了一定的成绩。本文简述我厂气化原料的改换过程及粗浅体会。     

嵌入通道注意力的YOLOv4火灾烟雾检测模型

为提高火灾烟雾检测模型的性能,以及避免繁琐的手工烟雾特征提取过程,本文提出一种基于卷积神经网络YOLOv4的火灾烟雾检测模型.该方法以CSPDarkNet53为主干网络,在主干网络的最后一层加入了13×13.9×9.5×5.1×1四个不同尺度的最大池化,多尺度特征融合中采用了PANet(Path Aggregation...     

移动云计算研究进展与趋势

在移动边缘计算（mobile edge computing,MEC）中,为了利用有限的计算资源提供高效的计算服务,提出一种基于Docker的云—边—端协同任务卸载框架,解决多接入MEC协同卸载、计算资源分配问题.为提高任务的执行速率和各节点资源利用率,对任务进行预处理,如在Kahn算法中加入行满秩矩阵要求并结合任务并行计算设定输出任务执行序列;分别建立端、边、云任务计算模型,分配权重设计联合优化系统延迟与能耗的目标函数;为求解最优卸载决策,引入“全优率”参数和粒子蜂设计人工粒子蜂群（artificial particle swarm, APS）算法作为卸载决策算法.实验表明,多任务处理证明了APS的有效性. 多接入条件下,相比于本地计算、边缘计算、云计算、端—边联合和随机处理5种模式,所提方案的低延时和低能耗表现证明了其提供高效服务的优越性.

     

新S9系列三相油浸式配电变压器的研制

本文概述了老S9、S7系列配电变压器存在的问题．提出了研制开发新S9系列配电变压器的依据。为了解决现行变压器产品不足之处，对老S9系列变压器在结构上进行了一些局部改进。如扩大了高压圆筒式线圈的应用范围．低压线圈采用了新型螺旋式线圈．改善了高压和低压线圈端面的有效支撑．采用了新的吊板结构和器身定位结构以及高、低压引线的央持方式等。同时采用了一些新技术、新材料和新组件。为了提高产品的电气性能和机械强度．在新S9系列变压器设计中采取了相应的措施，如加强线圈层间绝缘．注意安匝平衡．应用新紧固等。对新S9型、老S9型、Sr型1000kVA配电变压器主要技术性能和经济指标进行了比较和分析。     

路由特性对IEEE802．11 DCF多跳网络容量的影响

使用数学分析方法研究基于IEEE 802.11 DCF的Ad Hoc网络中节点传输半径和路由策略选择问题.在节点均匀分布的多跳网络中,使用四种路由策略以及不同的节点传榆半径设王,试图找出能够使网络容量最大化的方案组合.计算结果表明,在节点密度一定的情况下,减小网络节点的传输距离有利于增加网络的容量,而在传输半径一定的条件下,使用能够导致长跳路由的策略,有利于提高网络容量.     

基于图学习的密集空间网络传输资源调度方法

面对密集空间网络传输资源调度问题中的复杂度以及有效性挑战,本文以图论模型为纽带,将传统数学模型与机器学习方法相结合,提出一种基于图学习的密集空间网络传输资源调度方法.该方法基于图论模型对问题结构的认知将密集空间网络资源调度问题分解,由数学模型与基于图结构的强化学习交替配合完成整个求解过程.实验结果表明,与传统的基于数学模型的资源调度方法相比,所提方法能将资源调度收益提升25.1％,且其训练结果对网络场景变化具有较好的适应性.