LTE系统中上行数据发送过程研究与实现

在对长期演进(1ong term evolution,LTE)上行数据发送机制详细分析的基础上,针对上行数据发送过程的实现提出一种无差错上行混合自动重传请求(hybrid automatic repeat request,HARQ)选择方案,按照协议给出的反馈与授权的延迟的时隙关系,在设计中采用反馈与授权联合判断的方案,实现了HARQ授权与进程号的正确映射.针对LTE技术中的逻辑信道复用与上行数据组装过程,设计了一种用于实际应用的资源分配方案,并按照实际下发的上层原语组装上行MAC层协议数据单元(medium access control protocol data unit,MAC PDU).最后按照协议栈测试方法,采用TTCN板级测试,针对具体的实现代码配备授权,验证上行HARQ进程号的选择、上行资源的分配及上行数据的组装等过程的实现方案的正确性.     

TD—LTE无线接入网介绍

TD—SCDMA技术正在大规模的应用,发展迅速;TD—LTE技术作为TD-SCDMA的未来演进技术各项规范正在逐步完善,测试正在逐步开展,文中对TD—LTE（TDDLTE）的演进过程,网络架构,物理层关键技术,高层协议栈进行了初步分析介绍,并对照TD—SCDMA系统,对TDD双工方式、OFDM技术,MIMO技术和智能天线的应用,协议非接入层进行的改进和发展进行了介绍;最后文章对TD—LTE的发展进行了探讨。     

MBMS密钥分发过程研究

移动多媒体业务是3G的关键业务,3GPP R6版本中引入多媒体广播组播业务MBMS(Multimedia Broadcast Multicast Service).业务安全在多媒体广播组播业务中至关重要,文中给出了3GPP中MBMS的密钥管理体系和基于GBA的MBMS业务安全体系架构,并分析了MBMS密钥分发的具体实现流程.     

一种基于深度学习的交通标志识别新算法

针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法.该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数...     

TDDM-BOC信号组合码序列及信息序列盲估计

该文针对低信噪比下TDDM-BOC(Time Division Data Modulation-Binary Offset Carrier)信号的组合码序列(将伪码序列和副载波序列看成一个整体序列)及信息序列盲估计问题,提出一种改进的基于奇异值分解的方法。该方法首先利用双信息符号周期、间隔一信息符号周期的时间窗对接受信号进行分段,并构成观测矩阵。然后对观测矩阵进行奇异值分解,通过左奇异向量实现组合码序列的盲估计。同时,通过右奇异向量实现信息序列的盲估计。仿真分析表明,该方法能够在较低的信噪比下达到精确估计的目的。这对于从事卫星导航接收机设计具有一定的参考价值。     

基于GBA的MBMS终端安全体系研究

给出了3GPP中基于GBA的多媒体广播组播业务（MBMS）安全体系结构,分析了MBMS基于GBA的终端密钥管理体系及实现流程。     

基于LSD和FLD融合的道路裂缝图像预处理方法研究

针对道路中的路标、路沿等直线类干扰物影响道路裂缝识别的问题,提出一种基于LSD(Line Segment Detector)和FLD(Fast Line Detector)融合的道路裂缝图像预处理方法。首先,基于LSD算法和FLD算法对裂缝图像进行直线检测,获取直线类干扰物的线段坐标值;其次,根据直线检测算法返回的线段坐标值进行断线重连,解决了直线检测算法提取线段不连续的问题;最后,根据线段重连后获取的直线类干扰物的掩膜图和裂缝图像原图,运用FMM(Fast Marching Method)图像修复算法达到消除直线类干扰物的目的。经过大量实验分析可得：该方法能够有效地消除裂缝图像中的直线类干扰物,使得裂缝检测的准确率提升了7.1%。     

基于改进DeepLabv3+网络的沥青道路裂缝检测方法

针对传统的语义分割技术对于沥青道路裂缝的检测存在检测精度低、误差大的问题,提出了一个基于改进DeepLabv3+网络的语义分割方法。该方法在编码器阶段,采用轻量级MobileNetv2取代DeepLabv3+的主干网络Xception,从而减少参数量;在解码器阶段,引入双注意力机制以进一步提高网络的分割精度;使用Dice Loss函数与原始交叉熵损失函数混合,以缓解样本中前景和背景不平衡问题。最后以道路实时检测的数据为对象进行了大量的实验,结果表明,该方法与原始DeepLabv3+相比,平均交并比(mIoU)、平均像素精度(mPA)分别提升了8.98%和17.39%。与其他主流语义分割模型相比,改进后的DeepLabv3+在沥青道路裂缝的检测上也取得了较好的效果。