基于HAGA的D2D-NOMA资源分配优化算法

针对无线系统带宽资源有限、基站负载压力大、传输时延长等问题,提出一种基于非正交多址接入技术的D2D系统吞吐量最大化资源分配算法。在不同用户的服务质量约束条件下,建立D2D系统吞吐量最大化资源分配模型。该模型的优化目标是一个混合整数非线性规划问题,将其解耦为信道匹配与功率分配2个子问题并分别进行处理,利用自适应惩罚函数法处理约束条件并提出一种基于爬山策略的自适应遗传算法以对问题进行求解。仿真结果表明,与GA、AGA算法相比,该算法能够有效提高D2D系统的吞吐量,且收敛性能更好。     

移动终端的USB3.0高速数据通路设计

现在USB接口已经成为移动终端最普及的接口,随着存储在移动终端媒体文件的容量越来越大,要求USB3.0接口支持的传输速度越快越好.为了匹配USB超速传输模式,本文在内存中专门规划一片区域用于USB数据缓冲,设计驱动,搭建测试环境,测试USB数据传输速度.经测试,USB数据传输速度有着明显的提高.     

Web站点建立及信息发布

ＷＷＷ是一个多媒体信息系统。它采用ＨＴＭＬ，通过图象、声音等媒体的辅助，使Ｗｅｂ网页更生动活泼，富于吸引力，ＷＷＷ站点每天都在不断的增加，更带动大量新网页发行于网上。本文将从ＷＷＷ服务器的建立、网页的规划设计、用ＨＴＭＬ语言编写网页、以及使用工具软件...     

基于智能反射面辅助的无线供电通信网络鲁棒能效最大化算法

为了解决能量收集效率易受到障碍物阻挡和信道不确定性影响的问题,该文提出一种基于智能反射面(IRS)辅助的无线供电通信网络鲁棒能效(EE)最大化算法。首先,考虑最小收集能量、IRS相移、最小吞吐量等约束,基于有界信道不确定性,建立一个联合优化能量波束、相移、传输时间的多变量耦合非线性资源分配模型。然后,利用最坏准则、变量替换和S-Procedure等方法,将原非凸问题转换为确定性凸优化问题,同时,提出一种基于迭代的鲁棒能效最大化算法进行求解。仿真结果表明,与现有算法比较,该文算法具有较好的能效和鲁棒性。     

基于特征组分层与半监督学习的鼠标轨迹识别

传统时间序列分类方法存在鼠标轨迹特征挖掘不充分、数据不平衡与标记样本量少等问题,造成识别效果较差。结合特征组分层和半监督学习,提出一种鼠标轨迹识别方法。通过不同视角构建有层次的鼠标轨迹特征组,并借鉴半监督学习的思想,利用多个随机森林模型对未标记样本进行伪标记,且将抽取标签预测一致且置信度较高的部分样本加入到训练集中。基于基础特征组和辅助特征组,在扩充后的训练集上训练随机森林模型,以实现鼠标轨迹的人机识别。实验结果表明,该方法可有效识别鼠标轨迹,且精确率、召回率与调和均值分别达到97.83%、94.72%和96.56%。     

基于能量收集的UAV-D2D网络资源分配算法

为更好地利用周围环境中的射频信号能量,提升终端直连(D2D)通信的运行时间和无人机(UAV)通信的频谱利用率,该文提出一种基于能量收集的UAV-D2D网络资源分配算法.考虑UAV最大发射功率和移动性约束,蜂窝用户和D2D用户的最小速率约束,建立了系统和速率最大化的多变量耦合资源分配问题.利用连续凸近似和变量替换方法将混...     

基于深度图的三维激光雷达点云目标分割方法

三维激光雷达广泛应用在智能车系统中,点云目标分割是智能车环境感知中的关键技术。针对目前三维激光雷达点云目标分割算法实时性和准确性不高的问题,提出一种基于深度图的点云目标快速分割方法。将点云数据表示为深度图,建立深度图与点云数据的映射关系。利用激光雷达扫描线的角度阈值去除地面点云数据,结合深度图和自适应参数改进的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对非地面点云进行聚类分割。实验结果表明该方法相对于传统聚类算法在时间效率上有很大的提升,且能较好地降低欠分割错误率,分割准确度提升10%,达到了85.02%。     

Massive MIMO系统基于子空间的半盲信道估计

针对大规模MIMO系统中存在的导频污染问题,结合目前研究的基于奇异值（SVD）分解的信道估计算法,在考虑到该算法中的协方差矩阵是用有限的样本数据代替真实数据必然存在偏差的问题,给出了一种联合ILSP（Iterative Least Square with Projection）的基于SVD的半盲信道估计算法。仿真结果表明改进后的信道估计算法能够有效减小已有算法中存在的偏差问题,提高信道估计精确度,有效减轻导频污染给大规模MIMO系统带来的影响,从而实现大规模MIMO系统性能的提升。     

大规模MIMO系统的改进RTS信号检测算法

大规模多输入多输出（MIMO）技术通过基站端天线数量的增加有效提高频谱效率,降低传输功率,使其成为5G移动通信系统的一项关键技术。可是随着天线数量的增加,上行链路信号检测算法的复杂度大幅增加,原有检测算法无法实现。基于机器学习和人工智能的主动禁忌搜索算法（RTS）凭借着复杂度低的优势脱颖而出,成为业内的研究热点。针对RTS算法初始值计算复杂度过高这一问题,提出基于BC-GS（Block Constellations-Gauss Seidel）迭代算法求解初始值的RTS信号检测算法,使其在达到原有算法误码率性能的前提下,从而进一步降低算法复杂度。     

可变脉冲控制下的多智能体系统固定时间一致性研究

为降低网络节点间的通信成本并提升系统收敛速度,提出基于可变脉冲控制的多智能体系统(MASs)固定时间一致性的双阶控制(TSC)策略。将整个控制周期分为可变脉冲控制阶段和固定时间连续控制阶段,根据实际应用需求动态调整脉冲控制和固定时间控制的时间周期,并且在脉冲时间窗内可随机进行脉冲采样。采用固定时间一致性理论使MASs的一致性时间不依赖于系统的初始条件,引入随机扰动增强TSC策略在实际系统中的可用性,利用Lyapunov函数、代数图论和矩阵分析得到系统达到固定时间一致性的充分条件。通过具有切换拓扑结构的领导-跟随者数值仿真案例验证了理论分析的有效性,并表明TSC策略的收敛时间和通信次数相比于单一可变脉冲控制和单一固定时间连续控制分别减少了0.07 s和6～9。