QoS保障的LTE-A飞蜂窝资源块分配与MCS选择研究

针对LTE-A飞蜂窝网络下行链路的资源块(Resource Block,RB)分配与调制编码策略(Modulation-and-Co-ding Scheme,MCS)选择问题,构建了整数线性规划模型,以在保障每个飞蜂窝用户最小吞吐量的需求下,最大化飞蜂窝系统吞吐量。其中,吞吐量是衡量网络性能最重要的服务质量(Quality of Service,QoS)指标之一。鉴于此问题是一个NP难问题,提出了一种ACOGA智能优化算法。该算法结合遗传算法(Genetic Algorithm,GA)与蚁群优化(Ant Colony Optimization,ACO)算法,可实现RB的动态分配与MCS的动态选择,并收敛到一种近优的分配策略。其中,GA算法动态地优化ACO算法中的参数配置,ACO算法利用优化后的参数配置执行RB分配与MCS选择。仿真表明,与采用静态参数配置的ACO算法相比较,ACOGA算法可使飞蜂窝系统的吞吐量提高12%以上,并显著提高了收敛速率。     

Discrete‐time sector based hands‐off control for nonlinear system

This article presents a hands‐off control design for discrete‐time nonlinear system with a special type of nonlinear sector termed as “discrete‐time sector.” The design method to define the boundary of a discrete‐time sector is done with control‐Lyapunov function. The generalization of nonlinear system is viewed in the perspective of a comparison function. By means of a proposed sector, a switching control is designed such that no control action is experienced inside the sector thus, saving unnecessary control efforts. However, to study the robustness for discrete‐time system, a hands‐off control is modified to ensure the monotonic decrease in the energy of the system. Finally, the proposed approach is verified with the simulation results.     

融合双注意力机制3D U-Net的肺肿瘤分割

目的 精确的肺肿瘤分割对肺癌诊断、手术规划以及放疗具有重要意义。计算机断层扫描（computed tomography,CT）是肺癌诊疗中最重要的辅助手段,但阅片是一项依靠医生主观经验、劳动密集型的工作,容易造成诊断结果的不稳定,实现快速、稳定和准确的肺肿瘤自动分割方法是当前研究的热点。随着深度学习的发展,使用卷积神经网络进行肺肿瘤的自动分割成为了主流。本文针对3D U-Net准确度不足,容易出现假阳性的问题,设计并实现了3维卷积神经网络DAU-Net（dual attention U-Net）。方法 首先对数据进行预处理,调整CT图像切片内的像素间距,设置窗宽、窗位,并通过裁剪去除CT图像中的冗余信息。DAU-Net以3D U-Net为基础结构,将每两个相邻的卷积层替换为残差结构,并在收缩路径和扩张路径中间加入并联在一起的位置注意力模块和通道注意力模块。预测时,采用连通域分析对网络输出的二值图像进行后处理,通过判断每个像素与周围26个像素的连通关系获取所有的连通域,并清除最大连通域外的其他区域,进一步提升分割精度。结果 实验数据来自上海胸科医院,总共1 010例肺癌患者,每例数据只包含一个病灶,专业的放射科医师提供了金标准,实验采用十折交叉验证。结果表明,本文提出的肺肿瘤分割算法与3D U-Net相比,Dice系数和哈斯多夫距离分别提升了2.5%和9.7%,假阳性率减少了13.6%。结论 本文算法能够有效提升肺肿瘤的分割精度,有助于实现肺癌的快速、稳定和准确分割。     

CNN和三维Gabor滤波器的高光谱图像分类

卷积神经网络(CNN)具有强大的特征提取能力,能够有效地提高高光谱图像的分类精度.然而CNN模型训练需要大量的训练样本参与,以防止过拟合,Gabor滤波器以非监督的方式提取图像的边缘和纹理等空间信息,能够减轻CNN模型对训练样本的依赖度及特征提取的压力.为了充分利用CNN和Gabor滤波器的优势,提出了一种双通道CNN和三维Gabor滤波器相结合的高光谱图像分类方法Gabor-DC-CNN.首先利用二维卷积神经网络(2D-CNN)模型处理原始高光谱图像数据,提取图像的深层空间特征;同时利用一维卷积神经网络(1D-CNN)模型处理三维Gabor特征数据,进一步提取图像的深层光谱-纹理特征.连接2个CNN模型的全连接层实现特征融合,并将融合特征输入到分类层中完成分类.实验结果表明,该方法能够有效地提高分类精度,在Indian Pines,Pavia University和Kennedy Space Center 3组数据上分别达到98.95%,99.56%和99.67%.     

自调节读取距离的RFID方案设计

为了挖掘和开发RFID系统的有效资源,构造更完善的RFID解决方案,提高RFID系统控制的高效性和可靠性是实际应用中的重要环节。使用基于模糊技术的自调节读取距离的RFID设计方案,针对实际应用中设备的读写距离不能满足设定区间、无法自动调节的缺陷,构造一个面向服务的RFID中间件架构,使系统在通用性、高效性和智能性方面得以提升。     

基于Cortex-M3的MP3播放器设计

提出一种基于Cortex-M3处理器的MP3播放器的设计方法。硬件设计上,介绍了具体模块间的硬件连接情况;软件设计上,主要介绍2个核心模块的主要函数功能。该播放器采用STM32作为微控制器,采用VS1003作为解码芯片,采用SD卡存储MP3/WMA文件,PC机可通过USB接口操作开发板上SD卡的文件。该系统的软件使用RealView MDK开发。     

分层异构控制软件的构件化建模和设计

在分离控制软件计算功能成分与交互行为成分的基础上,提出了一种异构控制软件构件化建模设计方法。采用层次化思想实现软件构架,管理异构控制模型,实现构件与设计模式复用。引入“管理器”的概念来描述构架如何将一组原子构件的计算成分集成为支持异构模型的复合构件。在分布式实时平台上通过实现简化的构件化分层异构控制软件验证该方法的可行性。     

基于Linux的SoPC应用系统设计

利用XILINX公司的EDK软件搭建一个基于PowerPC的片上系统,并且在定制的SoPC系统上移植Linux系统,最后利用此系统完成了一个具体的嵌入式应用系统设计。实验表明,这种基于Linux的SoPC应用系统设计,很好地结合了SoPC和Linux系统的优点,用户可以根据需要灵活地定制出软硬件平台,满足复杂多变的嵌入式需求,加速产品的开发。     

基于数据仓库和数据挖掘的中国科技股投资决策支持系统研究

首先讲述证券业的特点及数据仓库和数据挖掘技术在其中的应用前景,然后分析数据仓库和数据挖掘技术。接着提出了一个科技股投资决策支持系统,重点论述该系统的体系结构,详述各组成部分的功能及相互关系,并且还指出采用SQLServer2000来建立数据仓库。     

深海集矿机模型车避障系统设计

考虑深海底集矿机的未知、复杂工作环境以及在集矿机上做试验的不便,设计并实现了深海集矿机模型车避障系统;该系统先用超声波传感器检测障碍物信息,然后用高性能单片机AT89S52对信息进行处理后传送到水下工控机,在此基础上,运用改进势场法进行行走避障,规划出深海集矿机模型车作业路径;此算法适应于动态未知复杂环境下的深海集矿机实时导航和避障,且在目标点附近存在障碍物时也能达到目标;仿真和试验结果验证了该算法的有效性。