移动场景下的智能信道预测方法

针对无线通信信道估计老化问题,本文提出了一种基于卷积神经网络的信道预测方法,该方法通过联合轨迹预测和信道重构实现。首先,采用卷积神经网络学习从规划路线和移动终端所在位置到移动方向映射,进而预测出轨迹上多个目标位置;其次,采用卷积神经网络学习从目标位置附近K个位置项的信道,到目标位置信道间映射,用于实现预测轨迹的信道估计。本文利用Wireless InSite为移动方向预测和信道重构模型的训练及测试生成充足的样本,包括规划路线和通过射线跟踪方法获取的信道等。仿真结果表明,本文所提出的方法能有效地估计目标位置的信道特性,与K值较小的K-近邻插值方法和基于全连接神经网络的信道预测方法相比,其信道估计总相对误差更低且鲁棒性较好。     

大数据下交通事故影响因素分析及预测

本文的研究数据来自于国家数据中心,对数据进行处理、研究整理、分析建模.首先从驾驶员、道路、环境、车辆四个方面选取多个变量,用层次分析法对其进行分析,得出各变量的权值,分析影响交通事故的主要因素,得出超速驾驶、超载量、道路线型和天气情况为交通事故的主要影响因素.结合现有的交通事故发生数运用MATLAB求解BP神经网络预测...     

移动传感器网络的安全性能智能预测

移动传感器网络的物理层安全问题日益复杂,已经成为了一个研究热点.为了及时处理网络安全事件,研究了移动传感器网络的安全性能预测,提出了一种基于灰狼优化广义回归(Grey Wolf Optimization-Generalized Regression,GWO-GR)神经网络的安全性能智能预测方法.该方法利用发射天线选择策...     

汽车排放超标的原因及影响因素分析

本文针对点燃式发动机的排放污染物,进行了产生机理和影响因素分析,并在此基础上分析了检测方法对检测结果的影响。     

天气和气象条件对移动mini-DOAS系统测量污染源排放的影响探讨

介绍了北京奥运前利用一套微型被动差分吸收光谱学(mini-DOAS)系统,测量和估算北京市石景山区1个点源和1个面源SO2排放量的实验,探讨了应用该系统测量和估算排放量过程中的重要影响因素,尤其是天气和气象条件的作用.研究发现: (1)测量应当在中尺度天气系统的稳定控制下进行,而天气系统调整阶段由于局地山谷风的干扰,不易获得可靠的测量结果;(2)在混合层高度低、近地面几百米风速小的情况下,可以获得更为准确的测量值;(3)在推算点源排放量时,应选择排放高度上的风速和风向.     

基于马尔可夫过程的卫星移动信道模型及长期预测方法

卫星移动信道可被描述为基于有限状态马尔可夫过程的衰落模型,该文分析了卫星信道的可预测性,然后基于加权预测思想提出了一种卫星移动信道长期预测方法,该方法在当前信道采样的基础上进行二次采样,采样频率大于马尔可夫状态转移速率的2倍,利用信道状态的相关性和信道状态转移概率信息来加权预测未来长期内的信道状态,并依据自回归预测模型给出信道预测输出值,仿真结果表明,采用此方法对卫星信道未来的信道状态进行预测,在信噪比较高时均方误差能够达到10-2量级,在自适应传输过程中可以降低系统平均误比特率,且能够提高系统吞吐量性能,这对卫星移动通信系统的自适应传输和自适应资源分配都具有一定的指导意义。     

BP神经网络预测电极速度影响放电参数分析

文中结合小间隙放电的双过程模型,探讨电极移动引起放电场强和压强的变化对放电间隙内部相关因子的影响。文中同时利用BP神经网络预测分析电极移动速度对放电参数的影响。基于静电放电电极移动速度效应检测仪,不断改变电极移动速度,反复多次进行放电实验并统计试验数据。利用BP神经网络对已测实验数据进行训练、学习,从而预测不同速度与压强下对应的电流上升时间和峰值电流大小。实验结果表明,放电电流的上升时间与电极移动速度不存在相关性。根据新方法预测出的不同速度下的峰值电流和实际大小相比准确率更高。研究结果对探寻非接触式静电放电的规律和制定静电放电标准有一定的参考价值。     

移动电子装置及无线通讯推波助澜无源器件市场生机蓬勃

2000-2001年的景气下挫,让无源器件的厂商尝尽冷暖。在2000年,日本大厂投入毛利较高的通讯用无源器件,因此中国台湾地区厂商趁隙转入PC用无源器件市场、积极扩增生产线,中国台湾地区的无源器件供货商在业绩上开创亮丽成绩。景气紧接着在2000年第四季急转直下,2001-2002年皆处于景气低迷的谷底,经过两年的库存去化,进入2003年后,无源器件市场才见到久违的春意。无源器件整体市场走势如何?未来又将会有哪些因素左右供需的现象?从以下无源器件供货商的态度可一窥究竟。     

基于Attention-LSTM-XGBoost的电极移动速度影响放电参数预测分析

基于具有Attention机制的长短期记忆(attention long short-term memory,Attention-LSTM)神经网络模型,设计了一种由Attention-LSTM神经网络与极端的梯度增强(extreme gradient boosting,XGBoost)法共同组成的变权组合模型,用以分析预测静电放电过程中电极移动速度对放电参数造成的影响。该组合模型充分利用静电放电参数的时序特性,并采用Attention机制突出对放电参数预测起到关键作用的输入特征。首先基于由新型电极移动速度效应测试仪的实验结果提供的原始实验数据,采用分箱法对其进行预处理得到新的实验数据;然后将得到的新实验数据集作为两种模型的输入数据,分开训练Attention-LSTM模型和XGBoost模型,求解出各自模型的预测结果及误差;最后利用误差倒数法,重新计算出两种模型预测结果的占比权重,并根据计算的权重求解出最终预测结果。预测结果表明：与Attention-LSTM神经网络模型、XGBoost模型、Attention-LSTMXGBoost定权组合模型相比,本文构建的Attention-L...     

基于双谱模型的被动微波遥感土壤湿度反演

利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率,并建立了基于双谱模型的被动微波遥感的土壤湿度的人工神经网络反演方法.结果表明,基于双谱散射模型计算粗糙裸土壤表面发射率是可行的,利用人工神经网络反演方法,仅采用两个发射率的数据组合便可以反演出精度较高的土壤湿度值,且反演方法具有一定的抗噪性能.     

卫星遥感与6G通信遥感一体化

卫星遥感是人类实现高分辨率对地观测的重要手段,已逐步成为支撑经济社会发展以及国防安全的重要组成。6G追求通信遥感计算深度融合,通信遥感一体化成为其重要的特征。回顾了国内外卫星遥感的发展历程,概述了卫星遥感系统现有的体系结构和6G时代通信遥感一体化体系架构,阐述了人工智能驱动的典型卫星遥感技术和最新研究进展。针对6G时代卫星通信遥感一体化的趋势,探讨了实现“一星多用、多星组网、多网融合、智能服务”组合型发展的技术挑战和发展趋势。     

高分辨率遥感图像的聚类

高分辨率遥感图像中的细小目标(如道路等)使图像的同类区域表现变得不一致,从而增加了高分辨率图像聚类的难度,本文提出了一种高分辨率遥感图像的聚类方法,其聚类过程包括如下三个步骤:第一步,在滑动窗口内使用消除次要成分法处理遥感图像,该处理过程使用一维形态学分水岭技术获得直方图中的左侧阈值和右侧阈值,再根据这两个阈值滤除图像中的次要成分;第二步,计算滑动窗口内的图像特征;第三步根据图像特征量利用BPC(Back Propagation and Competitive)网络进行图像聚类。三组试验(本文提出的聚类算法,最邻近距离聚类法,K均值聚类法)表明本文提出的图像聚类方法可以有效实现高分辨率遥感图像的聚类。     

基于投影网络的遥感影像超分辨率重建方法

针对遥感影像数据量大、地形起伏大、覆盖范围 广的特点,本文提出了一种基于卷积神经网络的遥感影像超分辨重建 方法,该方法联合密集网络和深度反投影网络,组成了密集投影单元,形成深度密集投影网 络,解决了传统算法在遥感影像超分 辨率重建中存在的纹理表征不够,细节提取不足、训练困难等问题。实验结果表明,在多个 遥感影像数据集上,本文与其他对比 方法相比,PSNR和SSIM有明显提升,重建出的遥感影像纹理标征和细节特征更加丰富。     

星载光学遥感图像特征误匹配剔除方法研究

误匹配剔除是提高特征匹配精度的重要手段,星载光学遥感图像由于数据量大、纹理重复、光照强度变化等特点,导致现有误匹配剔除方法的性能下降。针对此问题,提出一种基于局部和全局几何约束的误匹配剔除方法。在初始匹配集的基础上,首先利用特征局部一致性对误匹配进行初步过滤;然后根据图像间的变换关系构建特征拓扑结构,并提取其几何属性描述结构相似度,基于此建立特征全局结构一致性约束模型,通过推导模型的最优解剔除残留误匹配;采用引导式匹配策略,选取局部一致性高的匹配点组成高内点率匹配集,以此作为特征全局邻域,提高全局约束的鲁棒性和效率。实验结果表明,与现有方法相比,所提方法对星载光学遥感图像的匹配性能更优,平均精确率、召回率分别为0.9和0.89;在不同内点率的初始匹配集上表现鲁棒,平均F分数为0.86。     

微波辐射计对月面特征参数的遥感理论模拟

根据现有的多通道被动辐射计技术，讨论微波辐射遥感月壤月岩特征参数的几个问题。由半空间非均匀温度、介电廓线分布的耗散介质的月壤模型与WKB方法，计算了月壤的多通道微波辐射传输的权重函数与相应的穿透深度。提出模拟多层月壤月岩的多层密集粒子介质辐射传输的一种建模，在各有关参数条件下计算了各通道的多层月壤月岩辐射亮度温度。并以此结果为理论观测，讨论了月壤厚度等参数反演可予以实施的方法。     

端元匹配的遥感影像地物自适应光谱表征

光谱信息是遥感识别地物的依据,而目前已发展的典型地类的光谱指数模型有限,波谱库中的标准地物类型及其普适性也是有限的.鉴于此,提出一种端元匹配的地物自适应光谱表征方法,通过选取贴合影像本身的端元,并综合光谱角和距离度量对影像和端元光谱进行综合匹配.通过ETM+(Enhanced Thematic Mapper)影像上对植被、水体与美国地质调查局(United States Geological Survey,USGS)波谱库及归一化植被/水体指数的对比实验,及阴影、裸地等的验证实验,证实了该方法的有效性和普适性.     

卫星遥感资料在蒸发波导数值预报中的应用

基于美国国家环境预报中心(NCEP)再分析资料和卫星遥感资料,利用天气预报模式(WRF),并耦合Babin蒸发波导模式,对发生在福建省平潭岛地区的一次蒸发波导过程进行了三维变分同化数值模拟预报对比试验。结果表明:24h之内模式预报结果与平潭岛观测结果变化规律基本一致(相关系数都在0.92以上);卫星遥感资料同化可以使模式初始场优化,有助于改善预报结果,"同时同化海表风和海面温度"情况下,经过偏差订正后的预报效果最好(无偏均方根误差最小为0.680m);单独同化海面风或海面温度资料都会改善预报结果。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

多偏移遥感图像的BP神经网络亚像元定位

提出了一种借助多偏移遥感图像来改进基于BP神经网络(BPNN)的亚像元定位新方法.不同于原BPNN方法使用单幅低空间分辨率观测图像,新方法利用多幅带有亚像元偏移的低空间分辨图像来确定亚像元属于各类的概率,然后根据概率值和地物覆盖比例确定亚像元类别,以降低BPNN定位模型中的不确定性和误差.实验表明,提出方法在视觉和定量评价上,均能获得更高精度的亚像元定位结果,验证了提出方法的有效性.