居民区高层5G深度覆盖质量分析方法解析

随着我国通信技术的发展,基站建设数量快速增长,尤其是5G基站的数量和密度不断增加。在我国,5G网络覆盖已经从城市向农村扩展,随着国家“乡村振兴”战略的实施和新基建投资力度的加大,农村5G发展如火如荼。随着5G网络建设的速度越来越快,基站站址资源紧缺的问题日益凸显。如何利用有限的站点资源来合理规划5G网络布局,成为一项重要的工作任务。 目前,5G室内分布系统已在部分小区内大规模应用,通过对已有基站站址进行梳理和优化,实现了高密度、高杆率、高覆盖。随着小区的增加,小区内多个5G微站相互影响、站点资源浪费严重等问题也日益凸显。在高层住宅小区中引入5G微站,可以有效解决这些问题,但其在实际应用中,由于设备成本及施工难度高、覆盖范围大等因素,因此导致基站部署存在一定困难。     

道路交通网络节点分配优化策略研究进展

为了进一步提高城市道路交通网络的通行效率,粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来,深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率,而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题,归纳并总结了相关网络节点分配的研究现状。在此基础上,深入研讨了城市交通网络节点调度与深度学习的应用前景,并对交通网络节点分配优化策略的未来研究方向进行了展望。     

基于峰宽修正的玻璃药瓶内氧气残留浓度的检测研究

玻璃药瓶中的氧气残留对瓶中药品的无菌特性造成了严重的威胁。采用波长调制光谱（Wavelength Modulated Spectrum, WMS）技术解调得到的二次谐波信号峰高值作为氧浓度反演的基础。然而,在用二次谐波信号测量气体浓度时,由于调制深度的变化会导致二次谐波峰值的变化,这通常会给系统带来误差,进而降低浓度的反演精度。而调制深度受调制电流波动、温度和压强变化等因素的影响不能直接计算获得进而修正。针对这一问题,本文成功地将调制深度与二次谐波峰高的关系转换为二次谐波峰宽和峰高的关系。然后,利用峰宽校正后的谐波峰高对气体浓度进行反演。初步实验表明,利用峰宽校正后的谐波峰高对瓶内气体浓度进行预测的准确性提高了2.1%,且系统的整体鲁棒性也得以提升。本文提出的校正方法不需要系统参数信息与气体成分信息,可以直接从谐波信号本身出发对调制深度进行校正,十分适合于工业现场的在线氧气浓度预测。     

高速移动环境下基于RM-Net的大规模MIMO CSI反馈算法

针对高速移动环境信道特征复杂多变,同时存在加性噪声和非线性效应的影响,提出一种残差混合网络（RM-Net）的大规模MIMO CSI反馈算法。RM-Net通过学习高速移动信道的空间结构与时间相关性,具备去除大规模MIMO信道噪声的能力,能显著提高CSI压缩率与恢复质量。系统仿真结果表明,RM-Net可消除高速移动场景加性噪声的影响,学习并适应稀疏、双选衰落信道特征,在高压缩率与低信噪比条件下依然具有较好的性能表现,所提算法性能大幅优于其他基于压缩感知（CS）和深度学习（DL）的CSI反馈算法。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。