一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法，存在维护成本高，实时性不足等缺点，提出一种基于深度强化学习的CDN流量调度系统设计框架。该框架基于马尔科夫链设计了故障告警网络来触发调度，建立了基于stacking模型的质量评估奖励函数，并在此基础上对流量调度进行定义和建模，构建了基于DQN的深度强化学习模型。最后，通过仿真实验验证了该调度框架的有效性。     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

相参频率捷变雷达目标稀疏重建性能边界综述

相比频率固定的脉冲多普勒体制, 频率捷变体制在抗干扰方面具有显著优势。但在该体制下, 基于匹配滤波的信号处理算法存在旁瓣平台问题, 难以与动目标检测兼容。压缩感知理论将目标参数估计建模作为欠定方程求解, 为该问题提供了解决思路。在相参频率捷变雷达中, 压缩感知能否准确重建目标是一个基础性问题。本文梳理了针对该问题的相关研究, 借助相变理论与相变曲线的解析表达式, 定量描述了捷变频雷达重建目标的成功概率与主要系统和目标参数之间的关系; 该理论性能边界与仿真实际所能达到的性能相接近。此外, 还探讨了现有成果在实际应用中的价值, 展望了未来研究方向。     

城市中心路内停车与停车换乘的动态优化模型

城市中心区停车问题与交通拥堵问题密切相关,也与停车换乘(P+R)问题相关,交通流、路边停车和P+R需要统一模型研究。为此,建立考虑交通流的城市中心路内停车与P+R的动态优化模型。短期最优流率模型考虑到路内停车位会减少正常行驶车辆的道路空间,而且巡航停车会和其它车辆产生拥堵,为此,需要加快路内停车周转率,将路内停车资源与交通流协同管理。短期停车容量模型利用Stackelberg博弈：在政府追求社会总成本最小和私人运营商追求利润最大的基础上,出行者追求用户出行成本最小。研究表明,在需求固定的情况下,随着车辆停放时间的增加,路内停车费与P+R停车费都在不断下降,路内停车容量在不断减少,而P+R停车容量不断增加,说明如果选择短时停车或者临时停车,可以选择路内停车；而如果选择长时间停车,可以选择P+R停车。在需求远大于供给时,路内停车将演化为车道控制。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

梯形微通道气液分相强化换热实验研究

针对微通道换热器强化沸腾换热,提出分段式梯形换热结构,该结构可实现气泡在表面张力驱动下间断性流向通道两侧,保持中间加热区为液体,实现气液分相流动,进而强化沸腾换热性能。采用无水乙醇为工质,实验研究直肋和梯形结构铜基表面在热流密度为160~320 kW/m²和工质流量为0.4~2.0 g/s时壁温、换热系数等参数变化规律。结果表明：在饱和沸腾区,梯形分相结构可有效实现气液分离,进而降低壁面温度,大幅提高换热系数；如在25 mm位置处,5段结构换热系数比平行结构换热系数提高了60.4%；在单相加热区,换热面积为主要影响因素,直肋结构换热系数略大,但换热系数比饱和沸腾时小一个数量级。平均换热系数分析得到5段结构微通道比平行结构微通道提高了53.8%,可见分段式结构可实现气液分相流动,有效提高沸腾换热的平均换热系数,增强整体换热能力。     

基于有序Logistic回归的驾驶人危险辨识影响因素分析

针对驾驶人危险辨识影响因素,开展危险辨识试验数据与自我报告数据的采集,采用k-means聚类分析方法将危险辨识时间划分为3类,进而基于有序Logistic回归分析方法检验不同影响因素的显著性.试验分析结果表明,危险情境特征对驾驶人危险辨识时间有影响,交通情境越混乱,所需时间越长,且交通情境越危险,所需时间相对越短;同时,驾驶人特征及其经历对驾驶人危险辨识时间有影响,男性的危险辨识时间较女性更短;摩托、电动车驾驶经历越丰富,危险辨识能力相对越好;驾龄、驾驶里程与自行车驾驶经历对危险辨识时间并无显著影响.环境因素和人口社会学因素对驾驶人危险辨识能力的影响是多方面的.     

影响驾驶员心生理变化的高速公路路侧植物的选择原则

为了合理地选择高速公路路侧的绿化植物,通过心电仪和眼动仪对驾驶员在驾驶过程中的心生理数据进行采集.对驾驶员的视点区域进行灰度处理,得到不同视点区域的明暗程度等级,然后通过对比分析,选择有助于改善驾驶员心生理变化的植物.研究结果表明:当植物表现出的明暗程度等级为3~5时,可有效减缓驾驶员的紧张程度,提高行车的安全性.     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。