交通轨迹大数据预处理方法研究

针对交通轨迹大数据的非平稳特性,研究交通轨迹大数据预处理方法。根据二维离散小波的多分辨率分析特点,选用二维离散小波对交通轨迹大数据进行去噪和压缩处理。构建交通轨迹大数据预处理平台,结合道路交通拥堵状态评判标准,实时分析重要路段的交通状况。分析结果表明,该方法能够提高数据处理速度和拥堵路段分析精度。     

路口2-D VANET中紧急信息单跳广播的可靠性分析

紧急交通信息,如碰撞预警、路口协作等,在车辆自组织网络(vehicular Ad Hoc network,VANET)中及时可靠地广播对安全驾驶至关重要。目前,现有工作对广播的研究主要解决VANET中多跳广播的连接问题。然而,在高动态的车辆环境下,通常需要直接的一跳广播来及时、可靠地传播紧急信息。针对路口2-D VANET中单跳广播的可靠性,给出3个衡量指标:数据分组接收率、距标记节点距离为d的范围内的数据分组接收率和数据分组投递率;推导了隐藏终端和并发广播问题下的3个指标的表达式;分析了侦听范围、干扰范围、数据分组大小、退避窗口大小和车辆节点密度对可靠性的影响。     

AF三跳协作分集中基于最小ABER的最优功率分配算法

协作分集技术融合了中继和分集的思想,使得单天线移动终端也可以利用多输入多输出(MIMO)技术。首先给出了两协作节点参与的三跳协作分集系统的信道模型,介绍了前向放大(AF)协议下的系统工作过程,给出了调制方式为BPSK,接收端采用最大比合并(MRC)算法下输出平均误码率(ABER)的近似表达式。在此基础上,提出了一种以最小ABER为目标的最优功率分配算法。仿真结果表明,在保持总发射功率不变的前提下,提出的算法较平均功率分配算法能够有效地提高系统的误码率性能。     

STBC与VBLAST混合编码系统中一种新的天线选择算法

多输入多输出(MIMO)系统改善了误码率性能,同时为了减少对系统容量的影响,提出了空时分组码(STBC)与贝尔实验室垂直分层空时码(VBLAST)混合编码系统中的一种新的天线选择算法.对部分VBLAST层采用Alamouti STBC编码构成的混合编码,MIMO系统同时具有STBC与VBLAST两者的优点.基于天线子集最大容量准则,提出的天线选择算法选择那些对系统容量贡献较小的天线发送多层STBC信号,以便减少STBC编码所造成的系统容量损失.理论分析与仿真结果表明,提出的天线选择算法能够有效地提高STBC与VBLAST混合编码系统的容量,并且与VBLAST编码的MIMO系统相比其误码率性能得到明显改善.     

超宽带频率依赖性信道模型下的PAM和PPM性能比较

在超宽带无线通信中,频率依赖性信道扭曲了发射脉冲波形,影响了通信系统的性能.文章分析此类信道模型下脉冲位置调制和脉冲幅度调制的性能,结果表明,在频率依赖性信道中PAM调制优于PPM调制.     

基于分布式天线系统的虚拟小区研究

在无线用户增多,而无线通信小区不能再微小化的情况下,提出了在分布式天线系统中构建虚拟小区,介绍了虚拟小区重组与切换过程及功率控制下的无线接入与信道分配策略。最后仿真了虚拟小区的系统性能,结果表明虚拟小区有较高的通信速率,虚拟小区网络可以服务更多用户,适用于密集用户的无线局域网通信。     

射频识别技术的车辆主动定位方法

传统的车辆定位方法只能获得车辆的具体坐标信息,无法确定车辆位于道路的第几车道。本文提出基于射频识别技术对车辆进行主动定位的定位方法。该方法将RFID阅读器的3组天线的阅读距离设计为特定值,根据阅读器3组天线是否读到标签的不同情况,判定车辆位于第几车道,进而计算出车辆的位置。通过对该方法进行误差分析,结果证明该方法能够完成对车辆在具体车道上的主动定位。     

一种新的STBC-VBLAST混合编码系统容量分析

STBC技术能提高系统的抗干扰能力,VBLAST技术是实现MIMO高容量的一种最有效的编码技术。本文提出一种新的STBC-VBLAST混合编码技术,融合了上述两种技术所具有的优点,它将发送端部分子流数据用多层STBC技术进行编码和合并处理,之后与其它未处理子流以联合VBLAST结构在多个天线上发送,提高了系统的分集增益;分析和仿真结果表明本系统在横向和纵向都进行了容量的扩张,相比于单一VBLAST编码MIMO系统本混合编码系统有明显的容量提高。     

汉英句子对齐长度计算方法的研究

传统的基于长度的汉英双语句子对齐算法大都以字节作为汉英句子长度的计算单位.提出了几种不同的汉英句子长度计算方法,分别以句子所含动词、名词、形容词、实词、字节及所含全部词语个数作为句子的长度,进行基于长度的汉荚句子对齐.实验结果表明,汉英句子对齐以词语作为句子长度计算单位时,正确率为99.01%,召回率为99.5%.     

基于车辆自组织网络的交通态势检测方法

随着汽车保有量的迅速增加,城市道路交通拥堵变得尤为严重,精确地检测交通态势可以帮助缓解交通问题。为此,提出一种基于车辆自组织网络（vehicular Ad hoc networks,VANETs）的交通态势检测方法---TraSD-VANET（traffic situation detection method based on VANETs）。在该方法中,车辆自动聚簇,然后主动向簇头汇报当前自身的位置和速度信息;簇头根据收到的信息计算簇内的车辆密度和路面上的加权平均速度,之后基于模糊逻辑判断簇内的交通态势。仿真结果表明,在四种车辆场景下,TraSD-VANET检测准确程度比协作检测方法 CoTEC （cooperative traffic congestion detection）平均高16％。该方法在道路交通态势检测中有重要的应用价值。