专题:6G的智能通信计算融合技术

内容导读目前,针对潜在6G关键技术的场景与需求研究成为学术界的热点。面向未来更多类型终端的智能互联与新兴服务的需求,人工智能应用于无线通信物理层的信道估计、编译码及接收机设计,解决基于大数据的网络自主优化,基于泛在无线感知和边缘侧的强大算力构成的多接入边缘计算,已成为6G无线技术发展的重要趋势。在未来智能车联网、物联网、有人/无人交互、全息通信等场景下,面向未来的智能通信计算融合需求,存在许多拟待解决的关键科学问题。     

基于机器视觉的轮胎表面缺陷检测系统的研究与应用

在传统的轮胎表面缺陷依靠人工检测,存在劳动强度高、受人的主观影响大以及效率低下的问题。针对这一现象,研究了一种基于机器视觉的轮胎表面缺陷3D检测系统。该系统依靠机器视觉系统获取检测轮胎的表面图像,然后创建3D模型、判定缺陷类型,最终实现实时自动预警,为轮胎生产商提供一种自动化检测方案。系统集成了先进的技术、软件和工具,配套的信息管控系统可以对轮胎型号和生产数据进行采集、存储、分析,以便在生产过程中实现更高效、更可靠的质量控制,具有较高的实际应用推广价值。     

基于GPRS配电网故障报警装置中数据采集模块的设计

文中对配电网故障报警装置终端模块进行了简介,并主要对数据采集接口模块的设计进行了详细介绍。该模块采用ADUC812单片机为控制核心,使其采集数据的精度提高,计算速度变快,同时能够实时把数据传送至报警终端单片机P89C668,为终端通过GPRS传输数据打下了良好的基础。     

基于三维胞元空间的MA双向并行路由算法

针对传统移动代理(MA)在监测无线传感器网络(WSNs)的感兴趣信息时产生的延迟较大和能耗较多问题,提出了基于三维胞元空间的MA双向并行(3D-BPMA)路由算法.3D-BPMA将MA与传统的客户/服务器(c/S)模式相结合,在胞元内利用C/S模式搜集信息,在单层胞元系统和路由器与路由器之间采用MA双向并行的策略进行传输.仿真结果表明:3D-BPMA与LCF,DSG-MIP算法相比减少了平均响应时间和网络平均能耗,提高了MA发送率.     

基于智能故障指示器的故障定位系统研究

文章面向城乡配电网,通过低廉的成本实现配电网的故障信号采集、故障区段定位,降低配电网线路的故障查找时间和查找成本,研究为供电企业提供的一套以故障定位为核心功能的配电自动化系统设计,加快供电恢复,从而提高供电可靠性。     

一种无线双向呼叫器控制系统设计

阐述了排队呼叫技术研究的意义和目前排队呼叫技术存在的问题,据此提出了一种针对大中型企业无线呼叫器系统的设计,并介绍该呼叫器硬件设计及工作流程。经测试,该无线呼叫器具有一定的实用性和应用前景。     

基于STM32的号码识别与短信发送仪

针对目前手工输入电话号码工作效率低下、速度慢等缺点,研制一种基于STM32的电话号码识别与短信发送仪。采用STM32作为系统核心处理器,OV7670作为图像采集模块,设计了系统硬件电路,根据模块化思想设计系统软件。该装置号码识别的准确率高,能基本替代人工输入号码。     

数码视讯中标广东农村广电无线覆盖工程调频节目传输适配项目

近期,数码视讯集团凭借音频接收解码机的优异解码能力,依托强大的公司实力,成功中标广东省农村广播电视无线覆盖(省节目)工程(广播电视设备及附属工程)采购——调频节目传输适配项目。本次项目中,数码视讯采用自有音频解码接收机为客户定制了最具有性价比的技术方案,实现了广东63个发射     

论校园无线网络安全存在的问题和对策

在通信事业不断发展的进程中,无线网进入了一个全新的发展阶段,并逐渐成为了校园网络的重要组成部分,在教学管理系统中,具有重要作用。然而从实际情况来看,我国校园在无线网络的应用过程中却仍然存在着诸多安全隐患,有待于进一步的解决与完善。文章首先简要阐述了无线网络的基本含义,然后就我国校园无线网络在应用上存在的安全隐患作了进一步分析与探讨,并提出了校园无线网络的安全防范措施,希望能为实际工作起到一定的指导作用。     

基于RFID标签阵列的睡眠期间呼吸量连续监测系统

睡眠期间连续且准确的呼吸量监测有助于推断用户的睡眠阶段以及提供一些慢性疾病的线索。现有工作主要针对呼吸频率进行感知和监测,缺乏对呼吸量进行连续监测的手段。针对上述问题提出了一种基于商用无线射频识别(RFID)标签的无线感知用户睡眠期间呼吸量的系统——RF-SLEEP。RF-SLEEP通过阅读器连续收集附着在胸部表面的标签阵列返回的相位值及时间戳数据,计算出呼吸引起的胸部不同点的位移量,基于广义回归神经网络(GRNN)构建胸部不同点的位移量与呼吸量之间的关系模型,从而实现对用户睡眠期间呼吸量的评估。RF-SLEEP通过在用户肩膀处附着双参考标签,消除用户睡眠期间翻转身体对胸部位移计算造成的误差。实验结果表明,RFSLEEP对不同用户睡眠期间的呼吸量连续监测的平均精确度为92.49%。