基于位置信息的车辆协同碰撞预警协议

如果突然刹车、拐弯或出现故障的异常车辆能够及时地向后续车辆发送EWM(Emergence Warning Message,紧急报警信息)则可增加司机的反应时间,大大降低连环碰撞车祸的发生概率.因此,近年来车辆碰撞协同预警系统的研究受到广泛关注,为了提高EWM的传输距离,通常采用多跳广播式协同碰撞预警,传统的多跳广播很容...     

复杂场景下基于UWB雷达的呼吸特征检测算法

超宽带(UWB)雷达作为一种新兴的生命体征探测方式,可对人体呼吸体征进行非接触式实时监测,在医学上具有重大意义.针对在复杂场景下雷达回波信号的距离门无法被准确自动提取的问题,提出了一种使用神经网络对雷达回波信号中快时域距离门的滤波方法,分析并设计了全连接神经网络的网络结构,提高人体呼吸体征实时检测的精度.用PulsON...     

面向Web服务工作流系统的访问控制模型

提出了一种面向Web服务工作流系统的访问控制模型（WSWF-RBAC）。在基于角色的访问控制模型基础上引入系统资源的概念,把Web服务对象、属性和其它功能模块当做资源统一管理。引XT资源访问模式的概念,在约束条件下通过与资源的运算生成系统权限,从而实现了对权限的精细管理和动态调整能力。通过扩展web服务访问的角色集和用户集,并引入角色扮演对象,实现了工作流系统中Web服务与其它模块访问控制的一致性。将该模型应用于库房供应链系统中,运行结果表明,该模型能够增强Web服务工作流系统授权的灵活性和安全性。     

一种基于高斯近似的极化码打孔算法

现有的极化码打孔算法均未考虑信道构造过程对算法性能的影响,针对这一问题,该文提出一种基于高斯近似的极化码打孔算法(GAPPC)。首先将高斯近似作为极化码构造算法,分析高斯近似与打孔算法的关系,以降低信道构造输出值为目标,引入高斯修正因子,推导出改进的高斯近似函数。然后将改进的高斯近似函数引入信道构造,对极化子信道进行排序获得信道可靠性排序集合。最后依据信道容量关系确定映射规则,选出打孔比特集合和冻结比特集合,完成打孔极化码的构建。实验结果显示,在不同的码长和码率下,误帧率和误码率均获得显著降低。     

从发展的角度看小城市发展

作者以数据分析为基础,从发展的角度评价了近年来我国小城市在城市发展中的地位和作用。     

一个基于Email的数据交换模型

提出一种具有平台独立性的基于Email的5层数据交换模型,以实现在异构的网络、操作系统和数据库管理系统之间交换数据。分析了该模型的工作原理和使用环境,分层设计并实现了该模型,最后给出了具体应用实例。     

基于802.11p协议改进的车辆测距算法

随着交通事故的增长和智能交通的发展,基于车辆碰撞预警和交通管理的新服务引起了广泛关注。目前,基于全球导航卫星系统(GNSS)的定位技术已应用到车辆环境中。由于GNSS存在的盲区(例如森林,隧道等)会导致定位结果不准确,在车辆自组织网络(VANET)中,提出了基于IEEE 802.11p标准的定位方法。提出了用IEEE 802.11p短前导码的高效到达时间(TOA)或测距估计方法,以降低低信噪比(SNR)的影响。使用了自相关和互相关(混合相关)来执行到达时间(TOA)估计,对相关结果进行间隔求和的方法以达到更精确定位的目的。在加性高斯白噪声(AWGN)信道中的仿真结果表明:在低SNR条件中,提出的测距方法相比传统方法达到了更高的精度。     

一种基于高斯近似的极化码打孔算法

现有的极化码打孔算法均未考虑信道构造过程对算法性能的影响,针对这一问题,该文提出一种基于高斯近似的极化码打孔算法(GAPPC).首先将高斯近似作为极化码构造算法,分析高斯近似与打孔算法的关系,以降低信道构造输出值为目标,引入高斯修正因子,推导出改进的高斯近似函数.然后将改进的高斯近似函数引入信道构造,对极化子信道进行排序获得信道可靠性排序集合.最后依据信道容量关系确定映射规则,选出打孔比特集合和冻结比特集合,完成打孔极化码的构建.实验结果显示,在不同的码长和码率下,误帧率和误码率均获得显著降低.     

超宽带无线信道品质因子估计方法

超宽带(UWB)技术被认为是最适合进行室内无线定位的技术,IEEE802.15.4a是IEEE第一个无线测距定位的物理层标准。为了让测距的发起者知道测距的质量,在协议中增加了品质因子（FoM）,但是如何产生FoM却没有给出规定。在对接收信号能量块的统计特征进行分析的基础上提出了一种应用在超宽带无线信道中基于偏度和最大斜率联合参数的对信道品质因子进行估计的方法。仿真发现,使用该方法可以为精确的测距定位提供参考,在CM1(Channel Model)信道下可以提高30%左右的定位精度。     

基于知识图谱共同邻居排序采样的推荐模型

知识图谱作为辅助信息可以有效缓解传统推荐模型的冷启动问题。但在提取结构化信息时,现有模型都忽略了图谱中实体之间的邻居关系。针对这一问题,该文提出一种基于共同邻居排序采样的知识图谱卷积网络(KGCN-PN)推荐模型,该模型首先基于共同邻居数目对知识图谱中的每个实体邻域进行排序采样;其次利用图卷积神经网络沿着图谱中的关系路径将实体自身信息与接收域信息逐层融合;最后将用户特征向量与融合得到的实体特征向量送入预测函数中预测用户与实体项目交互的概率。实验结果表明该模型在数据稀疏场景下相较其他基线模型性能均获得了相应提升。