幅度与相位分步识别的QAM调制模式识别算法

正交幅度调制(Quadrature Amplitude Modulation,QAM)信号的调制模式识别一直以来是人们研究的热点,通过星座图来进行调制模式识别也是一种常见的方法。然而,大多数调制模式识别算法会受到频偏和相偏的干扰,因此提出了一种幅度相位分步识别的QAM识别算法来识别调制模式。先利用卷积神经网络(Convolutional Neural Networks,CNN)识别出未消除频偏相偏的QAM星座图的幅度层数,对信号进行第一次分类;再检测每个信号点的瞬时相位进行差分,得到每个点之间的相位跳变幅度;经过减法聚类确定相位跳变次数,由此对信号在相位上进行二次分类,最后识别出QAM信号的调制模式。该方法虽然步骤比传统方法繁琐,但是不依赖于信号的频偏消除和相偏消除,能够起到很好的抗频偏作用。此外,因为没有频偏消除和相偏消除的步骤,所以使得信号不至于在频偏消除和相偏消除等预处理过程中损失信息量。经过试验,这种方法在识别率上比传统的神经网络识别方法在低信噪比下有更好的识别率。     

新型双重混合的流媒体直播系统架构

研究内容分发网络(CDN)与对等网络(P2P)的混合模型,提出一种CDN与P2P、树形结构与网状结构双重混合的流媒体直播系统架构。设计基于CDN-P2P的树网结合直播系统模型,阐述核心树的主要构建机制,介绍网状结构的节点选择算法。系统仿真结果表明,与纯P2P模型及CDN-P2P混合模型相比,该系统的播放和启动延迟较小。     

PROSE: Proactive, Selective CDN Participation for P2P Streaming

Many production peer-to-peer (P2P) streaming systems use content delivery networks (CDN) to protect the user’s quality of experiences. Thus, how to efficiently utilize the capacity of CDN (e.g., which peers receive services from the CDN nodes) is a problem of practical significance. Existing solutions adopt a passive, on-demand approach, which is inefficient in utilizing CDN resources. In this paper, we propose PROSE, a simple, novel scheme to achieve proactive, selective CDN participation for P2P streaming. PROSE introduces novel concepts such as choke point expansion nodes/super nodes and leads to efficient, light-weighted, and distributed algorithms to identify and serve these nodes using CDN. Our experimental results show that PROSE achieves at least 10%～25% performance improvement and 2～4 times overhead reduction compared with existing general CDN-P2P-hybrid schemes.     

火焰图像法计算气体层流燃烧反应动力学参数

采用本生灯实验系统对CH4/CO/空气混合的层流火焰传播速度进行了测量,并对系统进行了改进,找到了更为高效准确的火焰图像数据处理方法给出了计算预混气体层流火焰传播速度的公式,通过该公式可对燃料在特定条件下燃烧的表观活化能、反应级数、频率因子等参数进行进一步推算,并推算了该公式应用于不同燃空当量比工况时的修正因子.以CH4/CO单组分及混合燃烧为例,将模型预测结果与实验结果进行了对比,结果显示模型预测结果与实验结果吻合度高.