一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

隨著工業(yè)物聯(lián)網(wǎng)(IoT)、云計(jì)算等信息技術(shù)與工業(yè)控制系統(tǒng)(ICS)的整合，工業(yè)數(shù)據(jù)的安全正面臨著極大風(fēng)險(xiǎn)。為了能在這樣一個(gè)復(fù)雜的分布式環(huán)境中保護(hù)數(shù)據(jù)的機(jī)密性和完整性，該文采用基于屬性的加密(ABE)算法，設(shè)計(jì)一種集數(shù)據(jù)加密、訪問控制、解密外包、數(shù)據(jù)驗(yàn)證為一體的通信方案，同時(shí)具有密文長(zhǎng)度恒定的特點(diǎn)。最后，從正確性、安全性和性能開銷3個(gè)方面對(duì)方案進(jìn)行詳細(xì)的分析，并通過仿真驗(yàn)證得出該算法具有低解密開銷的優(yōu)勢(shì)。

針對(duì)低速率語音編碼問題，該文提出基于G.723.1編碼標(biāo)準(zhǔn)的信息隱藏算法。在基音預(yù)測(cè)編碼過程中，通過控制閉環(huán)基音周期(自適應(yīng)碼本)的搜索范圍，該文結(jié)合隨機(jī)位置選擇方法(RPS)和矩陣編碼方法(MCM)，實(shí)現(xiàn)秘密信息的嵌入，在語音編碼過程中實(shí)現(xiàn)了信息的隱藏。RPS方法的采用降低了載體碼字之間的關(guān)聯(lián)性，MCM方法的采用降低了載體的改變率。實(shí)驗(yàn)結(jié)果證明，該文算法下PESQ惡化率平均值最大為1.63%，隱蔽性良好。

針對(duì)現(xiàn)有超像素分割方法無法自動(dòng)確定合適的超像素?cái)?shù)目，以及難以有效貼合圖像目標(biāo)邊界等問題，該文提出一種新的利用局部信息進(jìn)行多層級(jí)簡(jiǎn)單線性迭代聚類的圖像超像素分割方法。首先，運(yùn)用基于局部信息的簡(jiǎn)單線性迭代聚類(LI-SLIC)對(duì)原始圖像進(jìn)行超像素初分割，然后，根據(jù)超像素的色彩標(biāo)準(zhǔn)差對(duì)其進(jìn)行自適應(yīng)多層級(jí)迭代分割，直至每個(gè)超像素塊的色彩標(biāo)準(zhǔn)差小于預(yù)設(shè)閾值，最后，利用相鄰超像素間的色彩差異對(duì)過分割的超像素進(jìn)行合并。為驗(yàn)證方法的有效性，該文采用Berkeley, Pascal VOC和3Dircadb公共數(shù)據(jù)庫作為實(shí)驗(yàn)數(shù)據(jù)集，并與其他多種超像素分割方法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，該文提出的超像素分割方法能更精確貼合圖像目標(biāo)邊界，有效抑制圖像過分割和欠分割。

多元醫(yī)學(xué)信號(hào)的典型代表有多模態(tài)睡眠圖和多通道腦電圖等，采用無監(jiān)督深度學(xué)習(xí)表征多元醫(yī)學(xué)信號(hào)是目前健康信息學(xué)領(lǐng)域中的一個(gè)研究熱點(diǎn)。為了解決現(xiàn)有模型沒有充分結(jié)合醫(yī)學(xué)信號(hào)多元時(shí)序結(jié)構(gòu)特點(diǎn)的問題，該文提出了一種無監(jiān)督的多級(jí)上下文深度卷積自編碼器(mCtx-CAE)。首先改進(jìn)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提出一種多元卷積自編碼模塊，以提取信號(hào)片段內(nèi)的多元上下文特征；其次，提出采用語義學(xué)習(xí)技術(shù)對(duì)信號(hào)片段間的時(shí)序信息進(jìn)行自編碼，進(jìn)一步提取時(shí)序上下文特征；最后通過共享特征表示設(shè)計(jì)目標(biāo)函數(shù)，訓(xùn)練端到端的多級(jí)上下文自編碼器。實(shí)驗(yàn)結(jié)果表明，該文所提模型在兩種應(yīng)用于不同醫(yī)療場(chǎng)景下的多模態(tài)和多通道數(shù)據(jù)集(UCD和CHB-MIT)上表現(xiàn)均優(yōu)于其它無監(jiān)督特征學(xué)習(xí)方法，能有效提高多元醫(yī)學(xué)信號(hào)的融合特征表達(dá)能力，對(duì)提高臨床時(shí)序數(shù)據(jù)的分析效率有著重要意義。

為了挖掘說話人識(shí)別領(lǐng)域中人臉和語音的相關(guān)性，該文設(shè)計(jì)多模態(tài)生成對(duì)抗網(wǎng)絡(luò)(GAN)，將人臉特征和語音特征映射到聯(lián)系更加緊密的公共空間，隨后利用3元組損失對(duì)兩個(gè)模態(tài)的聯(lián)系進(jìn)一步約束，拉近相同個(gè)體跨模態(tài)樣本的特征距離，拉遠(yuǎn)不同個(gè)體跨模態(tài)樣本的特征距離。最后通過計(jì)算公共空間特征的跨模態(tài)余弦距離判斷人臉和語音是否匹配，并使用Softmax識(shí)別說話人身份。實(shí)驗(yàn)結(jié)果表明，該方法能有效地提升說話人識(shí)別準(zhǔn)確率。

在極限學(xué)習(xí)機(jī)(ELM)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練模式的基礎(chǔ)上，該文提出了相關(guān)熵融合極限學(xué)習(xí)機(jī)(CF-ELM)。針對(duì)多數(shù)分類方法中表示級(jí)特征融合不充分的問題，該文將核映射與系數(shù)加權(quán)相結(jié)合，提出了能夠有效融合表示級(jí)特征的融合極限學(xué)習(xí)機(jī)(F-ELM)。在此基礎(chǔ)上，用相關(guān)熵?fù)p失函數(shù)替代均方誤差(MSE)損失函數(shù)，推導(dǎo)出用于訓(xùn)練F-ELM各層權(quán)重矩陣的相關(guān)熵循環(huán)更新公式，以增強(qiáng)其分類能力與魯棒性。為了檢驗(yàn)方法的可行性，該文分別在數(shù)據(jù)庫Caltech 101, MSRC和15 Scene上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，該文所提CF-ELM能夠在原有基礎(chǔ)上進(jìn)一步融合表示級(jí)特征，從而提高分類正確率。

針對(duì)行人再識(shí)別中由于外觀差異不顯著導(dǎo)致特征描述不準(zhǔn)確的問題，該文提出一種基于雙向參考集矩陣度量學(xué)習(xí)(BRM²L)的行人再識(shí)別算法。首先通過互近鄰算法獲得每個(gè)攝像頭下的互近鄰參考集，為保證參考集的魯棒性，聯(lián)合考慮各攝像頭下的互近鄰參考集獲得雙向參考集。通過雙向參考集挖掘出困難樣本進(jìn)行特征描述，從而得到準(zhǔn)確的外觀差異描述。最后利用該特征描述進(jìn)行更有效的矩陣度量學(xué)習(xí)。在多個(gè)公開數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該算法比現(xiàn)有算法具有更好的行人再識(shí)別性能。

衛(wèi)星健康狀況監(jiān)測(cè)是衛(wèi)星安全保障的重要基礎(chǔ)，而衛(wèi)星遙測(cè)數(shù)據(jù)又是衛(wèi)星健康狀況分析的唯一數(shù)據(jù)來源。因此，衛(wèi)星遙測(cè)缺失數(shù)據(jù)的準(zhǔn)確預(yù)測(cè)是衛(wèi)星健康分析的重要前瞻性手段。針對(duì)極軌衛(wèi)星多組成系統(tǒng)、多儀器載荷以及多監(jiān)測(cè)指標(biāo)形成的高維數(shù)據(jù)特點(diǎn)，該文提出一種基于張量分解的衛(wèi)星遙測(cè)缺失數(shù)據(jù)預(yù)測(cè)算法(TFP)，以解決當(dāng)前數(shù)據(jù)預(yù)測(cè)方法大多面向低維數(shù)據(jù)或只能針對(duì)特定維度的不足。所提算法將遙測(cè)數(shù)據(jù)中的系統(tǒng)、載荷、指標(biāo)以及時(shí)間等多維因素作為統(tǒng)一的整體進(jìn)行張量建模，以完整、準(zhǔn)確地表達(dá)數(shù)據(jù)的高維特征；其次，通過張量分解計(jì)算數(shù)據(jù)模型的成分特征，通過成分特征可對(duì)張量模型進(jìn)行準(zhǔn)確重構(gòu)，并在重構(gòu)過程中對(duì)缺失數(shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測(cè)；最后，提出一種高效的優(yōu)化算法實(shí)現(xiàn)相關(guān)的張量計(jì)算，并對(duì)算法中最優(yōu)參數(shù)設(shè)置進(jìn)行嚴(yán)格的理論推導(dǎo)。實(shí)驗(yàn)結(jié)果表明，所提算法的預(yù)測(cè)準(zhǔn)確度優(yōu)于當(dāng)前大部分預(yù)測(cè)算法。

該文設(shè)計(jì)實(shí)現(xiàn)了一種全數(shù)字前饋式時(shí)間交織模數(shù)轉(zhuǎn)換器(TIADC)時(shí)間誤差校準(zhǔn)算法，其中采樣時(shí)間誤差提取采用改進(jìn)的時(shí)間誤差函數(shù)求導(dǎo)模塊的前饋式提取方法，可以提高在輸入信號(hào)頻率較高時(shí)誤差提取的準(zhǔn)確度；同時(shí)，為了降低誤差提取單元的復(fù)雜性，采用了以減法實(shí)現(xiàn)的時(shí)間誤差函數(shù)；最后，采用基于1階泰勒補(bǔ)償完成時(shí)間誤差的實(shí)時(shí)校正。仿真驗(yàn)證表明，應(yīng)用于4通道14位TIADC系統(tǒng)，當(dāng)輸入信號(hào)為多頻信號(hào)時(shí)，系統(tǒng)動(dòng)態(tài)性能無雜散動(dòng)態(tài)范圍(SFDR)從48.6 dB提高到80.7 dB。與傳統(tǒng)基于前饋校準(zhǔn)結(jié)構(gòu)對(duì)比，可以將有效校準(zhǔn)輸入信號(hào)帶寬從0.19提高到0.39，提高了校準(zhǔn)算法的應(yīng)用范圍。

根據(jù)對(duì)馬刺線的原理分析，該文提出一種新型馬刺線結(jié)構(gòu)，并在此基礎(chǔ)上設(shè)計(jì)出一種新穎的超寬帶功分器(頻率范圍為2.5～13.2 GHz)。該超寬帶功分器尺寸較小，制作結(jié)構(gòu)簡(jiǎn)單，帶內(nèi)傳輸特性好，輸入與輸出端口的回波損耗均小于–12 dB，帶內(nèi)插入損耗小于3.5 dB。在設(shè)計(jì)過程中，根據(jù)理想傳輸線模型，利用奇偶模分析方法，推導(dǎo)出設(shè)計(jì)的目標(biāo)函數(shù)，并利用天牛須算法對(duì)其進(jìn)行優(yōu)化設(shè)計(jì)，有效提高了功分器的設(shè)計(jì)準(zhǔn)確性和靈活性。為了驗(yàn)證設(shè)計(jì)的準(zhǔn)確性，采用材料RO4003C作為基板設(shè)計(jì)超寬帶功分器。實(shí)驗(yàn)結(jié)果表明，采用新型馬刺線結(jié)構(gòu)的超寬帶功分器結(jié)合天牛須算法有效縮短了計(jì)算時(shí)間，提高了設(shè)計(jì)精度，可以廣泛運(yùn)用于超寬帶功分器設(shè)計(jì)。

相比于傳統(tǒng)高階時(shí)域有限差分算法(FDTD)而言，該文提出了一種改進(jìn)的高階FDTD的優(yōu)化方法，該算法基于安培環(huán)路定律，通過計(jì)算機(jī)技術(shù)尋找到一組最優(yōu)的系數(shù)使得FDTD方法的全局色散誤差達(dá)到最小，通過不同分辨率下的點(diǎn)源輻射模擬證明了該方法在較低分辨率的情況下仍然具有極低的相位誤差，對(duì)于解決電大尺寸結(jié)構(gòu)建模中的數(shù)值色散等問題提供了有效的解決方案。

為研究敵我識(shí)別(IFF)輻射源信號(hào)的細(xì)微特征，針對(duì)目前在復(fù)雜噪聲環(huán)境中IFF輻射源個(gè)體識(shí)別研究不足的問題，該文提出一種基于集成固有時(shí)間尺度分解的IFF輻射源個(gè)體識(shí)別算法。該算法應(yīng)用集成固有時(shí)間尺度分解(EITD)將采樣信號(hào)自適應(yīng)劃分為若干有實(shí)際意義的信號(hào)分量并求取IFF輻射源信號(hào)在時(shí)頻域的能量分布圖。通過對(duì)時(shí)頻能量譜的紋理分析，以圖像的紋理特征表征輻射源信號(hào)的無意調(diào)制特征，送入支持向量機(jī)(SVM)中進(jìn)行分類識(shí)別。實(shí)驗(yàn)表明，所提算法相較于基于希爾伯特-黃變換(HHT)、基于固有時(shí)間尺度分解(ITD)的輻射源個(gè)體識(shí)別方法在識(shí)別準(zhǔn)確度上有較大提升。

提高時(shí)頻分辨率對(duì)多分量非平穩(wěn)信號(hào)的分析與重建具有至關(guān)重要的作用。傳統(tǒng)的時(shí)頻分析方法由于窗口固定，分析頻率變化較快的信號(hào)時(shí)存在時(shí)頻聚集性不高的問題，無法自適應(yīng)分辨多分量信號(hào)。該文針對(duì)頻率快速變化信號(hào)，利用信號(hào)的局部信息特征，提出一種自適應(yīng)的時(shí)頻同步壓縮變換算法。該方法有效提升了已有同步壓縮變換時(shí)頻分辨率，特別適用于頻率接近且快速變換的多分量信號(hào)。同時(shí)，利用可分性條件，該文提出利用局部瑞利熵值對(duì)自適應(yīng)窗口參數(shù)進(jìn)行估計(jì)。最后，通過對(duì)合成信號(hào)和實(shí)測(cè)信號(hào)分析，證明了所提方法的可行性，對(duì)分析和重建復(fù)雜非平穩(wěn)信號(hào)具有重要意義。

當(dāng)樣本數(shù)不足時(shí)，由采樣協(xié)方差矩陣特征分解得到的噪聲子空間偏離其真實(shí)值，使得多重信號(hào)分類(MUSIC)算法目標(biāo)角度(DOA)估計(jì)性能下降。為了解決這個(gè)問題，該文提出了一種迭代算法通過校正信號(hào)子空間來提高M(jìn)USIC算法性能。該方法首先利用采樣協(xié)方差矩陣特征分解得到的噪聲子空間粗略估計(jì)目標(biāo)角度；其次基于信源的稀疏性和導(dǎo)向矢量的低秩特性，由上一步得到的目標(biāo)角度以及其鄰域角度對(duì)應(yīng)的導(dǎo)向矢量構(gòu)造一個(gè)新的信號(hào)子空間；最后通過解一個(gè)優(yōu)化問題來校正信號(hào)子空間。仿真結(jié)果表明，該算法有效地提高了子空間估計(jì)精度?；谛碌男盘?hào)子空間實(shí)現(xiàn)MUSIC DOA估計(jì)可以使得性能得到改善，且在低樣本數(shù)下改善尤為明顯。

針對(duì)雷達(dá)采取間歇輻射的射頻隱身管控措施，以雙站測(cè)向交叉定位為例，該文研究了輻射時(shí)間比與定位性能的影響關(guān)系。首先分析了雷達(dá)間歇輻射的管控方法，然后在載機(jī)做勻速直線運(yùn)動(dòng)的假設(shè)下，采用克拉美羅下界(CRLB)方法，建立了輻射時(shí)間比對(duì)定位精度的影響模型。最后給出了模型的求解步驟并進(jìn)行了仿真驗(yàn)證。仿真結(jié)果表明，不同輻射時(shí)間比對(duì)定位性能的影響不同，在初始距離為100 km，輻射時(shí)間比小于0.5時(shí)，定位收斂時(shí)間超過10 s，可以有效降低測(cè)向交叉定位的性能。

針對(duì)高超聲速(HSV)平臺(tái)雷達(dá)系統(tǒng)，該文提出一種基于高超聲速平臺(tái)前斜視多通道合成孔徑雷達(dá)地面動(dòng)目標(biāo)檢測(cè)(SAR-GMTI)雜波抑制方法。該方法先進(jìn)行時(shí)域距離走動(dòng)校正和距離壓縮，并補(bǔ)償距離向通道相位誤差實(shí)現(xiàn)距離向包絡(luò)對(duì)齊；然后再對(duì)方位多普勒擴(kuò)展的信號(hào)進(jìn)行3階線調(diào)頻傅里葉變換(CFT)壓縮，并補(bǔ)償方位向通道相位誤差實(shí)現(xiàn)方位向包絡(luò)對(duì)齊；接著在距離時(shí)域-方位CFT域利用數(shù)字波束形成(DBF)技術(shù)對(duì)雜波及其模糊分量置零進(jìn)行空時(shí)自適應(yīng)處理(STAP)，從而可以有效抑制靜止雜波及其模糊分量并提取出無模糊的運(yùn)動(dòng)目標(biāo)回波信號(hào)。

針對(duì)相控陣?yán)走_(dá)時(shí)間資源分配問題，該文提出一種基于價(jià)值優(yōu)化的任務(wù)調(diào)度算法。首先建立任務(wù)調(diào)度屬性參數(shù)，對(duì)跟蹤任務(wù)隊(duì)列進(jìn)行可行性分析和篩選操作，確定跟蹤任務(wù)調(diào)度屬性。其次，根據(jù)任務(wù)最大價(jià)值及其變化斜率，建立關(guān)于實(shí)際執(zhí)行時(shí)刻的動(dòng)態(tài)任務(wù)價(jià)值函數(shù)，并基于此構(gòu)建任務(wù)調(diào)度的價(jià)值優(yōu)化模型，對(duì)跟蹤任務(wù)執(zhí)行時(shí)刻進(jìn)行分配，以更好滿足及時(shí)性原則。最后，利用執(zhí)行跟蹤任務(wù)間的空閑時(shí)間片對(duì)搜索任務(wù)進(jìn)行調(diào)度。仿真結(jié)果表明，該文算法有效減小了時(shí)間偏移量，提升了實(shí)現(xiàn)價(jià)值率。

雙星TDOA/FDOA聯(lián)合定位通過時(shí)差曲面和頻差曲面進(jìn)行定位，定位的精度受時(shí)差/頻差測(cè)量精度的影響。針對(duì)精確測(cè)量時(shí)差/頻差的需求，該文提出一種基于短合成孔徑的雙星干涉測(cè)量時(shí)差/頻差的方法，利用一定長(zhǎng)度的合成孔徑提高測(cè)量精度。對(duì)于窄帶信號(hào)，該方法有估計(jì)單星多普勒頻率的能力，通過兩顆衛(wèi)星單獨(dú)估計(jì)的結(jié)果得到頻差；對(duì)于寬帶信號(hào)，通過雙星數(shù)據(jù)干涉可以獲得頻差的高精度估計(jì)。對(duì)于短期穩(wěn)定的雷達(dá)信號(hào)，STK仿真數(shù)據(jù)的處理結(jié)果證實(shí)了該方法在大范圍內(nèi)可以實(shí)現(xiàn)1 km的定位精度。

針對(duì)異構(gòu)網(wǎng)絡(luò)中D2D通信復(fù)用蜂窩用戶頻譜時(shí)存在的頻譜分配問題，該文提出一種基于改進(jìn)離散鴿群優(yōu)化(PIO)算法的D2D通信資源分配機(jī)制。通過設(shè)置信干噪比(SINR)門限值來保證用戶的通信服務(wù)質(zhì)量(QoS)，采用功率控制算法為用戶設(shè)置發(fā)射功率，使用基于運(yùn)動(dòng)權(quán)值的二進(jìn)制離散鴿群優(yōu)化(MWBPIO)算法為D2D用戶進(jìn)行資源分配，并將D2D通信技術(shù)與中繼技術(shù)進(jìn)行有效結(jié)合，為邊緣用戶建立D2D中繼鏈路，保證邊緣用戶的通信質(zhì)量，最大化系統(tǒng)性能目標(biāo)。仿真結(jié)果表明，該方案有效抑制了異構(gòu)通信系統(tǒng)中引入D2D用戶后導(dǎo)致的干擾問題，提高了邊緣用戶的通信質(zhì)量和系統(tǒng)的頻譜利用率以及系統(tǒng)的能效。

針對(duì)現(xiàn)有腦機(jī)接口(BCI)分類器與大腦認(rèn)知過程結(jié)合不夠緊密的問題，該文提出一種基于Chernoff加權(quán)的分類器集成框架方法，并用于同步運(yùn)動(dòng)想象腦機(jī)接口中。通過對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，獲得各時(shí)刻腦電信號(hào)(EEG)的統(tǒng)計(jì)特性，并建立基于大腦認(rèn)知過程的高斯概率模型。然后利用Chernoff邊界特性得到該概率模型的最小誤差，并以此確定該時(shí)刻分類器的權(quán)重，通過對(duì)各時(shí)刻分類器的加權(quán)，實(shí)現(xiàn)同步腦機(jī)接口的信號(hào)分類。以腦機(jī)接口競(jìng)賽數(shù)據(jù)作為測(cè)試，并與線性判決分析、支持向量機(jī)和極限學(xué)習(xí)方法分別結(jié)合構(gòu)成新的集成方法。由實(shí)驗(yàn)結(jié)果可知，加權(quán)集成框架方法的分類性能比原獨(dú)立分類方法有顯著提高。

超密集網(wǎng)絡(luò)(UDNs)拉近了終端與節(jié)點(diǎn)間的距離，使得網(wǎng)絡(luò)頻譜效率大幅度提高，擴(kuò)展了系統(tǒng)容量，但是小區(qū)邊緣用戶的性能嚴(yán)重下降。合理規(guī)劃的虛擬小區(qū)(VC)只能降低中等規(guī)模UDNs的干擾，而重疊基站下的用戶的干擾需要協(xié)作用戶簇的方法來解決。該文提出了一種干擾增量降低(IIR)的用戶分簇算法，通過在簇間不斷交換帶來最大干擾的用戶，最小化簇內(nèi)的干擾和，最終最大化系統(tǒng)和速率。該算法在不提高K均值算法的復(fù)雜度的同時(shí)，不需要指定簇首，避免陷入局部最優(yōu)。仿真結(jié)果表明，網(wǎng)絡(luò)密集部署時(shí)，有效提高系統(tǒng)和速率，尤其是邊緣用戶的吞吐量。

網(wǎng)絡(luò)編碼由于其傳輸效率高的特性，近年來在無線多播網(wǎng)絡(luò)中得到廣泛的應(yīng)用。針對(duì)無線多播網(wǎng)絡(luò)中丟包自動(dòng)重傳效率低的問題，該文提出一種新的基于虛擬隊(duì)列中數(shù)據(jù)包到達(dá)時(shí)間的編碼調(diào)度策略(CSAT)。在CSAT策略中，為了提高編碼效率，采用虛擬隊(duì)列來存放初始以及未被所有接收者接收到的數(shù)據(jù)包。考慮到隊(duì)列的穩(wěn)定性，CSAT策略按照一定的比率從主次隊(duì)列選擇發(fā)送；在次隊(duì)列發(fā)送數(shù)據(jù)包時(shí)，結(jié)合了編碼和非編碼兩種方式，根據(jù)數(shù)據(jù)包到達(dá)隊(duì)列的先后，選取能夠使較多數(shù)據(jù)包參與編碼的方式發(fā)送。仿真結(jié)果表明，該文所提的CSAT編碼調(diào)度策略在有效提高了數(shù)據(jù)包傳輸效率的同時(shí)，提高了網(wǎng)絡(luò)的吞吐量并降低了平均等待時(shí)延。

在LTE-V2X系統(tǒng)中，針對(duì)車載用戶切換過程中蜂窩鏈路及SideLink(SL)鏈路質(zhì)量不高以及SL輔助切換過程中SL鏈路易中斷的問題，該文提出一種基于SL的聯(lián)合切換方案，主要包含：聯(lián)合切換流程設(shè)計(jì)、聯(lián)合切換信令流程設(shè)計(jì)以及聯(lián)合切換判決算法設(shè)計(jì)。首先，在聯(lián)合切換流程中利用SL技術(shù)實(shí)現(xiàn)聯(lián)合切換，并對(duì)執(zhí)行聯(lián)合切換的SL鏈路質(zhì)量進(jìn)行篩選，以保證聯(lián)合切換的可靠性；其次，對(duì)聯(lián)合切換信令流程進(jìn)行了完善，以優(yōu)化SL輔助切換過程中SL鏈路易中斷問題；最后，在聯(lián)合切換判決算法中將車載用戶的移動(dòng)方向納入切換判決條件，從而減少不必要的切換。仿真結(jié)果顯示，該文所提方案能有效提升切換成功率，與此同時(shí)還能有效減少執(zhí)行LTE切換的次數(shù)。

針對(duì)大規(guī)模多入多出(MIMO)系統(tǒng)上行鏈路非平穩(wěn)空間相關(guān)信道的估計(jì)問題，該文利用信道的時(shí)間-空間2維稀疏結(jié)構(gòu)信息，應(yīng)用狄利克雷過程(DP)和變分貝葉斯推理(VBI)，設(shè)計(jì)了一種低導(dǎo)頻開銷和計(jì)算復(fù)雜度的信道估計(jì)迭代算法，提高了信道估計(jì)精度。由于平穩(wěn)空間相關(guān)信道難以適用于大規(guī)模MIMO系統(tǒng)，該文借助于狄利克雷過程構(gòu)建了非平穩(wěn)空間相關(guān)信道先驗(yàn)?zāi)Ｐ停蓪⒕哂锌臻g關(guān)聯(lián)的多個(gè)物理信道映射為具有相同時(shí)延結(jié)構(gòu)的概率信道，并應(yīng)用變分貝葉斯推理設(shè)計(jì)了低導(dǎo)頻開銷和計(jì)算復(fù)雜度的信道估計(jì)迭代算法。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提算法的有效性，且具有對(duì)系統(tǒng)關(guān)鍵參數(shù)魯棒性的優(yōu)點(diǎn)。

在支持車與車直接通信(V2V)的非正交多址接入(NOMA)蜂窩網(wǎng)絡(luò)場(chǎng)景下，針對(duì)V2V用戶與蜂窩用戶的干擾以及NOMA準(zhǔn)則下的功率分配問題，該文提出一種基于能效的動(dòng)態(tài)資源分配算法。該算法首先為了保證V2V用戶的時(shí)延及可靠性同時(shí)滿足蜂窩用戶的速率需求，聯(lián)合考慮子信道調(diào)度、功率分配和擁塞控制，建立了最大化系統(tǒng)能效的隨機(jī)優(yōu)化模型。其次，利用李雅普諾夫隨機(jī)優(yōu)化方法，通過控制可接入數(shù)據(jù)量保證隊(duì)列穩(wěn)定性以避免網(wǎng)絡(luò)擁塞，并根據(jù)實(shí)時(shí)網(wǎng)絡(luò)負(fù)載狀態(tài)動(dòng)態(tài)地進(jìn)行資源調(diào)度，設(shè)計(jì)一種次優(yōu)化子信道匹配算法獲得用戶調(diào)度方案，進(jìn)一步，利用凸優(yōu)化理論和拉格朗日對(duì)偶分解方法得到功率分配策略。最后，仿真結(jié)果表明，該文算法可以滿足不同用戶的服務(wù)質(zhì)量(QoS)需求，并在保證網(wǎng)絡(luò)穩(wěn)定性前提下提高系統(tǒng)能效。

正交頻分復(fù)用(OFDM)系統(tǒng)中，由于頻率發(fā)生選擇性衰落會(huì)導(dǎo)致信道在數(shù)據(jù)傳輸中產(chǎn)生符號(hào)間干擾，因此接收機(jī)往往需要知道信道狀態(tài)信息。而在海上通信的情況下，信道傳輸會(huì)受到多種外界因素的干擾，往往需要預(yù)先進(jìn)行信道探測(cè)估計(jì)。為了提高估計(jì)性能，該文提出一種基于奇異值分解優(yōu)化觀測(cè)矩陣的快速貝葉斯匹配追蹤稀疏信道估計(jì)優(yōu)化算法(FBMPO)，該算法不僅能夠充分考慮海上通信的信道稀疏性，也能夠降低信道的不確定性帶來的影響。計(jì)算機(jī)仿真實(shí)驗(yàn)表明，與傳統(tǒng)的信道估計(jì)算法相比，該算法能夠提高信道估計(jì)的精確度。