中国电信“新视通”视讯会议系统技术和业务研发

项目简介:项目所属科学技术领域、主要内容、特点及应用推广情况:本项目属于电子与通信科学领域,基于本项目的研究成果,中国电信整合建设了覆盖全国范围,支持国内外跨地域接入的可运营、可管理的“新视通”视讯会议系统,其业务能力满足大规模公众运营的需求。在深入研究H.323与SIP视听多媒体技术和视频编解码技术的基础上,结合中国电信的现状和当前设备的实现情况,确定了中国电信视讯会议系统的全国联网技术方案,制定了详尽的业务和技术规范,指导相关厂家进行设备的开发。在此基础上,实现了“两级运营支撑系统,多管理域,一级视讯交换,全网…     

支撑视频类业务对宽带互联网的要求及策略

Internet经过近四十年的发展．已经成为全球规模最大的、信息量最丰富的数据通信网络。在我国,随着经济的发展和社会的进步,数据通信取得了快速的发展,用户数量惊人地增长．由中国互联网络信息中心（CNNIC）最新发布的我国互联网现状调查报告显示,截至2006年6月30日．我国网民人数达到了12300万人,我国宽带上网网民人数为7700万人,占网民总数的近2／3,与去年同期相比增加了2400万人,年增长率达45．3％。宽带上网的计算机数也在迅速增加,已达到2815万台,占上网计算机数的1／2多。     

一种提供延迟保证的多级FIFS队列包调度算法

包调度算法是提供服务质量保证的一个重要部分.传统的每流区分的包调度方法通常不能支持较好的扩展性,不适应当前网络带宽的迅速增长.而非每流区分的方法又不能提供每流的服务保证.动态包状态(dynamic packet state,简称DPS)方法提供了一种在无须维护每流状态下提供保证服务的方法,该方法在保证服务质量的同时大大提高了扩展性.但是它仍然需要每包的调度,其复杂度和包的数量有关.在DPS的基础上提出了一种用多级FIFS队列提供延迟保证的包调度算法,并给出了该算法实现服务保证的约束条件.理论分析和仿真实验结果都表明:该算法可以实现常数时间的包调度复杂性,同时具有和DPS同样的延迟性能.     

基于用户的流媒体测量技术

基于用户的流媒体测量技术主要是从最终用户获得流媒体服务的角度对流媒体服务的质量进行测量，测量的结果是对流媒体服务综合性能的体现。基于用户的流媒体测量一般采用基于终端媒体播放器仿真的分布式测量方法，本文分析了基于用户的流媒体测量的关键技术，主要包括测量的内容和参数、测量的体系架构、测量结果的评估等几个方面。     

与家庭网络面对面：家庭网络典型业务及技术应用

随着宽带、互联网、多媒体终端和数字家电的发展，家庭网络应运而生，并正在成为一个巨大的市场。家庭网络体现了通信、信息和媒体娱乐产业的融合，围绕家庭网络，向家庭用户提供综合的信息、通信和娱乐服务成为各个运营商、服务提供商、设备提供商关注的焦点。 2006年底，随着中国电信业首个面向家庭的客户品牌“我的e家”的推出，中国电信业跨出了家庭网络业务应用的第一出并由此拉开了固网运营商由传统基础网络运营商向现代综合信息服务提供商转型大幕。 本期专题，我们特意邀请了中国电信北京研究院的众多专家，请他们就“家庭网络”的相关技术、实现方式、业务应用以及中国电信在家庭网络领域的发展思路做出具体介绍和分析，让读者与“家庭网络”进行一次近距离的全面接触。[编者按]     

基于运营商数据建设智慧城市的研究与实践

智慧城市的建设窗口期已经打开,运营商具有先天的网络、云计算、数据资源优势,可以为城市管理者"开眼"、"注智",满足未来智慧管理的刚需.文中旨在分析运营商数据特点,研究运营商数据建设智慧城市落地路径,提出相关问题及挑战.进一步结合已有研究成果,分析、介绍中国电信大数据助力智慧城市综合治理方向的实践经验,构思未来领域方向.     

行星际网络中AR4JA码性能分析

为了深入研究AR4JA码在行星际网络中的性能,对AR4JA码的构造特点及性能进行系统的理论分析,并使用BP译码算法和最小和译码算法对AR4JA码进行译码.分析发现,AR4JA码具有编码简单并呈现系统性,通过打孔提高码率,码间最小距离的增加与码长成线性关系等优势,非常适合在行星际网络中应用.同时实验结果表明,两种译码算法均适用于在行星际网络中使用的AR4JA码.在此情况下,相对BP译码算法,最小和译码算法在损失较小增益的同时减少译码复杂度,更便于行星际网络探测器小型化需求.     

应用红外测温技术检测电气设备发热缺陷

红外测试技术检测电气设备的热缺陷非常有效，能及时地发现运行中的电气设备的事故隐患和故障先兆。能及时采取相应合理、可靠的处理措施，从而降低电气设备故障率，提高电气设备运行的安全性、可靠性。     

深度强化学习综述简

移动群智感知（mobile crowdsensing, MCS）是利用大规模移动智能设备进行数据收集、数据挖掘和智能决策的新范式,高效的任务分配方法是MCS获得高性能的关键. 传统的贪婪算法或蚂蚁算法假设工人和任务固定,不适用于工人和任务的位置、数量和时间动态变化的场景. 而且,现有任务分配方法通常由中央服务器收集工人和任务的信息进行决策,容易导致工人隐私泄露. 因此,提出具有隐私保护的深度强化学习（deep reinforcement learning, DRL）模型来获得优化的任务分配策略. 首先,将任务分配建模为多目标优化的动态规划问题,旨在最大化工人和平台的双向收益,实现纳什均衡. 其次,提出基于DRL的近端策略优化（proximal policy optimization, PPO）模型进行训练,学习模型参数. 最后,通过本地差分隐私方式,对工人位置等敏感信息加入随机噪声实现隐私保护,并由中央服务器训练整个模型,获得最优分配策略. 对收敛时间、最大收益和任务覆盖率等指标进行实验评估,在模拟数据集上的实验结果表明,与传统方法和其他基于DRL的方法对比,该方法在不同的评估指标上均有明显提升,并且能够保护工人的隐私.

     

大型风力发电机组关键部件的有限元分析

大型水平轴风力发电机组终年运行在复杂的自然环境中,所受载荷情况非常复杂,主要包括空气动力载荷,重力栽荷和惯性载荷.通过Solidworks对风力发电机组建立三维模型,并利用Ansys workbench对风力发电机组及其关键零部件在额定工况下进行有限元分析,按应力、应变和形变的分布结果为依据,进一步验证设计方案的可靠性.