一种双维度上的导频复用方法及其性能分析

针对蜂窝系统中导频稀缺和边缘用户性能不足的问题,提出了合理提升导频利用率的方法,该方法通过在不同的环区内设计各自的导频复用程度来实现.有别于传统的扇区划分,以基站与用户终端的距离为指标划分出若干环区,使小区中心用户与边缘用户有明晰的区隔.一方面利用高复用因子提高小区中心区域的导频利用率,另一方面利用低复用因子保证边缘用户的通信质量.环区划分所对应的导频微观复用是以小区为单位的宏观复用的补充,两种复用模式结合成双维度导频复用,使导频复用程度的调节更精细,易于实现用户容量与用户体验的平衡.仿真结果验证了上述优势,并显示出在导频资源受限的条件下,双维度导频复用在增大用户承载量的同时能降低来自邻近小区的导频污染.     

磁通耦合神经元模型的稳定性及Hopf分岔分析

通过磁通耦合的方法将两个磁通神经元耦合, 建立耦合神经元模型. 首先, 利用Routh Hurwitz判据分析平衡点的稳定性, 并计算该模型的唯一平衡点; 其次, 由Hopf分岔定理得到分岔解析解, 并研究模型的分岔方向及分岔周期解的稳定性; 最后, 通过数值仿真模拟模型的动力学行为. 结果表明, 在一定参数范围内, 随着耦合强度的增加, 模型产生亚临界Hopf分岔, 同时出现倒倍周期、 加周期分岔现象和较多的周期窗口, 且增加外界刺激电流可诱导尖峰放电.     

辱虐管理对反生产行为的影响——负性情绪和自我损耗的链式中介作用

为明晰辱虐管理、负性情绪和自我损耗对反生产行为的作用机理,在文献研究和开放式访谈的基础上,建立四者关系的假设模型。采用辱虐管理量表、负性情绪量表、自我损耗量表和反生产行为量表对395名员工进行调查,通过SPSS和AMOS进行相关分析和中介效应检验验证假设模型。结果表明：辱虐管理、负性情绪和自我损耗三者均与反生产行为呈显著正相关;辱虐管理既直接预测反生产行为,又间接影响反生产行为;间接影响主要通过负性情绪和自我损耗的独立中介作用,以及负性情绪和自我损耗的链式中介作用。     

基于空间聚类的FMCW雷达双人行为识别方法

为实现双人场景下人体行为的识别,利用调频连续波(frequency modulated continuous wave, FMCW)雷达提出一种基于空间聚类的双人行为识别方法.该方法采用基于密度的DBSCAN(density-based spatial clustering of applications with noise)聚类算法将FMCW雷达采集到的坐标数据聚类成不同的聚类群,使得每一个聚类群对应于单一人体的行为,再对其进行数据处理、特征提取后分别采用机器学习方法分类,实现双人场景下人体行为的识别.文中分析行为特征量、动作关键点以及分类器对识别准确率的影响.实验结果表明,在两人场景中该方法对跌倒、坐下和行走的检测准确率分别可以达到100%、 93.8%和87.3%.     

医疗资源可达性与居民就医行为研究进展

 医疗资源配置与居民就医行为分别反映了医疗系统的供给和需求两个侧面,相关研究对于推进基本公共服务均等化、解决医疗资源的供需结构性矛盾具有重要意义。地理学长期关注医疗资源的可达性,但对于就医行为的关注有所不足;而医疗和公共卫生领域的就医行为及其影响因素研究的空间视角相对缺乏。本研究对地理学和医疗卫生领域已有的医疗资源可达性和就医行为研究进行了梳理,构建了“空间-就医-健康”研究框架,以人文地理与城市规划的学科理论为基础,将行为主义、可达性模型、就医行为决策模型等方法论相结合,从微观个体的视角出发,试图探讨医疗资源可达性、就医行为、健康3者之间的关系,以期为后续研究提供参考。     

互联网大数据技术在智慧交通发展中的应用

 随着互联网大数据技术的发展,各种互联网+交通的新业态不断涌现,行业内出现了大量丰富的数据资源。在交通强国建设背景下,更好地利用互联网大数据技术为智慧交通发展赋能成为重要任务。针对传统信号控制系统优化频率低,数据采集设备完备度差等缺陷,采用网约车轨迹大数据技术研究智慧信号控制优化系统,介绍了系统架构、特征和信号控制优化技术。该系统在济南、武汉和柳州等城市的实践结果表明,在不依赖渠化及路口改造的前提下,仅通过信号控制优化及软件升级的方式,能有效地降低重点路段和路口的工作日早晚高峰平均延误时间和停车次数等关键指标,其降幅可达10%~20%,能够有效缓解交通拥堵现状。     

居民体力活动参与度受城市建成环境要素的影响研究进展

 城市建成环境对居民体力活动的影响与作用,是国内外公共健康、预防医学与环境科学等多学科关注的热点。促进居民日常体力活动有利于提升公共健康水平已被大量研究证实。梳理了当前不同研究视角下的已有成果,从人群行为特征、社会属性、身体特定角度等方面,分析了建成环境的核心要素,展望了未来的研究前景和研究方向。     

基于并行模式挖掘和路径匹配的用户位置预测

为了提高移动用户位置预测的精度,提出了基于并行模式挖掘和路径匹配的移动用户位置预测方法,对传统的FP-GROWTH算法作了并行化处理,优化了节点负载分配方法,在Spark平台下挖掘用户移动频繁模式.改进了基于索引的路径相似度算法,提出基于路径最短距离的相斥度算法,提高了对轨迹数据缺失的适用性.在真实的用户轨迹数据集上实验表明,提出的基于轨迹相斥度预测方法相比马尔可夫模型和卡尔曼滤波模型拥有更高的预测精度,预测精确度平均提升7%左右.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.