基于模糊C均值聚类和随机森林的短时交通状态预测方法

交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首先,利用一种新颖的融合时空信息的自适应多核支持向量机(AMSVM)来预测短时交通流参数,包括流量、速度和占有率。其次,基于FCM算法分析历史交通流,获取历史交通状态信息。最后,利用随机森林算法分析所预测的短时交通流参数,得到最终预测的短时交通状态。该方法在融合时空信息的同时采用随机森林算法应用于短时交通状态预测这一全新的研究领域。实验结果表明,FCM对历史交通状态的评估方式适用于不同的高速路和城市道路场景。其次,随机森林比其它常见的机器学习方法具有更高的预测精度,从而提供实时可靠的短时交通出行信息。     

以矢量图为导引的调制解调理论教学方法研究

在"通信原理"课程中,笔者针对其中调制解调部分的教学提出了一种基于矢量图的辅助教学法,引导学生建立相干载波和二维空间正交坐标轴的对应关系,从矢量映射的角度理解带通传输系统。该方法让学生以更直观的方式理解包括调制解调在内的通信核心理论,具有良好的教学效果。     

MIMO—OFDM系统基于虚子载波的ML频偏估计器

SISO-OFDM系统中基于虚子载波的最大似然（ML）频偏估计器的主要缺点是计算量较大。这里推导了该估计器在空间不相关MIMO-OFDM系统中的表达形式,并通过研究其代价函数的特殊结构,提出了一种基于逆快速傅里叶变换（IFFT）和分段搜索方法的低复杂度频偏估计器。在典型市区（Tu）信道中的仿真结果证明,与原ML估计器相比,这种估计器成功降低了计算量,保持了在中、高SNR区域的性能,同时改善了低SNR区域的性能。     

面向物联网的“无线传感网”课程的教学改革

本文针对物联网技术发展的要求,探讨了"无线传感网"课程的教学改革。在理论教学方面,调整了原有课程的教学内容,引入物联网相关理论体系知识,以培养学生对物联网的学习兴趣;在原有基础性实验基础上,设计了实训项目来充实实验环节,提高学生的动手实践能力。     

基于软件无线电的直接扩频序列接收机新方案

在低信噪比的低压电力线通信环境中,使用传统的扩频解调方法,不易提取同步载波。针对这一问题,提出一种基于软件无线电结构的直接扩频序列（Dsss）接收机方案。该方案以带通采样定理为依据,结合A／D转换器和数字低通滤波器,无需提取同步栽波即可完成已调信号的解调,并在基带完成信号的解扩。通过理论和仿真证明,该方案开销低,抗噪性能强,适合在恶劣的通信环境中使用。     

基于调频连续波雷达的多维信息特征融合人体姿势识别方法

为实现在复杂多样的环境下人体姿势的识别,该文提出一种基于调频连续波(FMCW)雷达的多维信息特征融合的人体姿势识别方法。该方法通过对FMCW雷达原始信号进行3维快速傅里叶变换得到目标距离、速度和角度的多维信息,在采用具有噪声的基于密度的聚类算法(DBSCAN)和Hampel滤波算法解决运动范围内动态或静态目标的噪声干扰后使用卷积神经网络对多维信息进行特征提取,然后利用低秩多模态融合网络(LMF)充分融合多维信息的特征,并通过域鉴别器进一步获得与环境无关的特征,最终使用活动识别器获得姿势识别结果。为了实用性,在边缘计算平台上搭载预先设计的算法和训练好的网络模型进行实验验证。实验结果表明,在复杂的环境下该方法的识别精度可达到91.5%。