C-RAN架构网络中基于分组调度的直接通信机制

针对现有技术应用到集中式/协作式/云计算无线接入网(centralized,cooperative,cloud radio accessnet work,C-RAN)中不能充分利用其集中式管理特性,从而造成无线资源利用率较为低下的问题,研究了C-RAN架构下的直接通信(devicetodevice,D2D),提出了一种基于分组调度的直接通信机制,该机制利用C-RAN架构网络中基带资源处理池共享移动终端信息的特性,通过移动终端的位置信息直接计算用户之间的距离,并与设定的门限值比较,以确定是否建立直接通信并根据判断结果建立通信链路?仿真结果表明,C-RAN架构网络采用直接通信方式,系统吞吐量增加了7.2%,用户连接数提高了6.4%?     

内逆 P-信息智能融合与属性析取扩展关系

逆P-集合是由内逆P-集合与外逆P-集合共同构成的动态模型。逆P-推理是由逆P-集合生成的动态推理,它由内逆P-推理与外逆P-推理共同构成。利用内逆P-集合与内逆P-推理交叉、渗透,给出内逆P-信息智能融合生成与它的属性特征、信息智能融合度与信息智能融合系数概念、外-信息智能融合环定理与融合度-融合系数定理,最后给出内逆P-信息智能融合与它的属性析取扩展结构与属性析取扩展定理。     

内 P-信息融合与它的属性合取特征

P-集合是由内P-集合XF珔与外P-集合XF 构成的元素集合对,或者（ XF珔,XF ）是P-集合,P-集合具有动态特征。利用内P-集合给出内P-信息融合生成、内P-信息融合剩余生成与内P-信息融合度量概念,得到内P-信息融合生成定理、依赖定理、还原定理,还给出内P-信息融合的属性合取定理与属性合取扩展定理和属性合取扩展-内P-信息融合发现原理。最后利用这些结果给出应用。     

属性内-融合与数据融合挖掘

属性融合是潜藏在 P-集合内的一个重要的应用特性,P-集合的动态特性来自 P-集合的属性融合。利用内 P-集合的结构与动态特性,给出属性内-融合概念、结构和定理,最后给出在属性内-融合条件下的数据融合挖掘和数据融合挖掘准则与数据融合挖掘-筛选的应用。     

认知无线电中的频谱感知技术

分析了认知无线电中的频谱感知技术.对加性白高斯噪声信道下匹配滤波器检测法和能量检测法进行了研究,并比较了能量检测法下认知用户单独检测、合作检测以及采用多样性技术来检测第一用户的性能.仿真结果表明:在低信噪比情况下,匹配滤波器具有良好的检测性能;当信噪比大于0 dB时,采用能量检测法能够检测各种信号;认知无线电用户之间合作检测和采用多样性技术能够提高能量检测法的可靠性.     

4-瓦片算子的一个注记

给出了有关Walsh级数点态收敛的瓦片算子有界性的一个新证明.     

电台3D仿真模拟系统的设计应用

为了更正确更熟练地使用电台,设计了这套电台3D仿真模拟系统,采用Solid Works软件制作了电台各部分的实体三维图片以及实体应用动画,用Visual Basic语言编写制作了电台模拟训练系统的操作和维修仿真模块,利用Visual Basic.Net或无线电台声卡接收装置来完成电台之间的话音通信和数据信息的传递。该系统利用计算机和计算机网络,就可以进行电台的操作训练。     

带压综采工作面矿井综合物探及安全性评价研究

采用瞬变电磁法和无线电波透视法对大饭铺矿61114工作面带压开采区域进行导水通道和富水性探测,综合分析瞬变电磁法和无线电波透视法圈出的异常重叠区域,据此对带压开采区域进行安全性评价分析,提出安全开采措施。结果表明:矿井瞬变电磁法主要探明含水层范围及富水性,无线电波透视法主要探明煤层及隔水层构造发育情况,而两种方法探测的异常体重叠区域则可能既有含水体,又有导水通道,为带压综采工作面防治水工作重点区域;对于井下综合物探圈定的重叠异常区需要进行提前打钻验证,当揭示存在富水构造异常区时,及时进行安全分析,必要时需实施注浆封堵导水构造或留设防水煤岩柱,保证工作面的安全采掘。     

利用域转换的三态内容寻址存储器报文分类算法

针对基于三态内容寻址存储器(TCAM)的报文分类存在范围扩张导致空间利用率较低的问题,提出了一种利用域转换的报文分类算法(DTRM).首先将规则集独立的范围预编码算法中范围规则编码所需的比特数量由2k-1替换为任意值,从而能够利用TCAM中的所有冗余位进行编码,实现新范围域的构建,然后利用范围规则的分布特征,以规则集能够表示为较少的TCAM表项为原则,设计域转换函数,将规则集原始范围域转换为新构建的范围域.报文分类时,利用域转换函数将报文头部转换为新构建范围域中的某一数值或范围,并与TCAM表项进行并行比较,最终得到分类结果.仿真结果表明,与并行报文分类算法相比,DTRM算法的范围扩张因子由1.6减少至1.21,TCAM空间利用率由63％增加至82％,同时支持规则的增量更新.     

一类扩展P-集合模型及其特征

P-集合是由内P-集合XF(internal packet sets XF与外P-集合XF(outer packet sets XF)构成的集合对.利用P-集合理论,给出P-集合的扩展模型——层次P-集合,研究层次P-集合的特征.层次P-集合是普通P-集合的扩展,提供了多角度、多层次分析和研究问题的方法.