【摘 要】
：
由于我国地形错综发展,架空输电线路大量穿越高山峻岭、戈壁峡谷、草原荒漠和盐碱地等自然条件复杂的无人区域,这些区域不仅容易发生滑坡、泥石流等地质灾害,而且容易发生覆冰、洪汛等气象灾害,严重影响架空输电线路的运行。目前,无人区输电线路状态监测的传输问题主要体现在两方面:一方面无人区的地形地貌不适合大量铺设通讯基站,数据难以通过4G/5G蜂窝网络传输;另一方面,目前主流的局域组网技术大多基于2.4GHz
论文部分内容阅读
由于我国地形错综发展,架空输电线路大量穿越高山峻岭、戈壁峡谷、草原荒漠和盐碱地等自然条件复杂的无人区域,这些区域不仅容易发生滑坡、泥石流等地质灾害,而且容易发生覆冰、洪汛等气象灾害,严重影响架空输电线路的运行。目前,无人区输电线路状态监测的传输问题主要体现在两方面:一方面无人区的地形地貌不适合大量铺设通讯基站,数据难以通过4G/5G蜂窝网络传输;另一方面,目前主流的局域组网技术大多基于2.4GHz以上的频段,高频信号绕射能力差,不适合应用在无人区这样遮挡物较多的场景。为了解决以上难题,本文以Sub-GHz中的低功耗代表——Lo Ra技术为切入点,研究并设计了无人区输电线路Sub-GHz自组织网络系统,对前端监测数据进行汇聚。本文主要的研究和设计内容如下:（1）分析和对比了主流无线通信技术的优缺点,确定了以Lo Ra为主,数传电台为辅的无人区输电线路Sub-GHz自组织网络通信方案,并在物理层、链路层和网络层三方面对方案进行详细介绍。同时,提出适用于无人区输电线路的联动节能机制,对不需要频繁上报数据的监测节点采取主动休眠策略,减少不必要的能量损耗,延长监测节点的使用寿命。（2）对于监测数据接入信道的防碰撞问题,文本提出了一种基于势能选择的信道分配方法和基于改进型Q值动态分配的时隙接入方法,一方面采取吉布斯采样定理选取冲突最小的信道分配方案,另一方面引入EPC C1G2协议中的Q-Value算法对单信道上的多Lo Ra监测节点分配互不干扰的传输时隙,进一步提高信道利用率。（3）给出通用型Sub-GHz节点的软硬件设计方案,完成对Lo Ra芯片、电台、主控MCU、充电控制芯片和接口模组的选型与电路设计,并给出PCB布局设计,同时编写驱动程序,将本文所提防碰撞算法固化,打样制作通信节点样机参与对比测试。实验表明,基于Sub-GHz无线自组织网络的无人区输电线路监测传输系统在功耗、时延和算法复杂度等方面均具有一定优势。本文工作对提高现有无人区输电线路安全监测的理论水平和工程技术,具有一定的参考价值。
其他文献
沉浸式多媒体,包括全景视频和虚拟/增强现实（Virtual Reality,VR/Augmented Reality,AR）视频,最近随着沉浸式应用需求的增加而变得越来越流行。视角（Field of view,FoV）预测作为新兴的VR和AR应用的一个重要组成部分,在全景视频自适应传输中至关重要。目前大多数结合了显著性检测和FoV信息的预测方法既没有考虑到全景视频投影后的失真会使传统卷积网络的权重
基于视频的振动检测技术具有非接触式、低成本以及支持全场测量等优势,在大型建筑的结构安全检测、机械设备的运行状态监测等领域有着广阔的应用前景。固定相机受到部署位置、测量视角等限制,难以实现针对大跨度及高层建筑的振动测量。随着无人机技术的发展,无人机载相机提供了一种更为灵活的视频振动检测手段。然而,在悬停拍摄的过程中,无人机受到环境气流影响会产生随机晃动,进而影响到所采集视频的质量以及最终的振动检测性
近年来,深度学习模型已经在图像分类和目标检测领域取得了丰硕的成果,但在一些特殊场景中受限于无法获得大规模的标注数据,导致算法模型的效果不能得到进一步的提升。因此,利用少量样本数据进行有效的学习,对于研究者们来说是一个非常有价值的研究课题。本文主要围绕小样本条件下的图像分类和目标检测问题,对现有的小样本分类和检测算法模型进行深入的研究。基于这样的思路,本文的主要工作和贡献如下:（1）目前的一些度量学
合成孔径雷达（Synthetic Aperture Radar,SAR）能够全天时、全天候地提供高分辨率的SAR图像,因此广泛用于军事、农业等领域。SAR图像分类是SAR图像的重要应用之一,随着深度学习方法的发展,图卷积网络（Graph Convolutional Network,GCN）促进了SAR图像分类性能的进一步提升,但是SAR图像中存在固有的相干斑噪声,难以获得具有强判别性的特征。论文在
随着互联网技术与移动设备的快速普及,除了传统的“口口相传”的线下教育方式外,在线教育平台因其丰富的教学资源与灵活的学习时间逐渐吸引了广泛的关注。研究者们致力于推动在线教育平台的发展,提出了智能教育系统的概念:智能教育系统能根据每个学生的具体情况及平台的教学资源为每位学生量身定制学习方案并提出学习建议。学生表现预测任务是智能教育系统中的基础任务之一。具体而言,该任务需要智能教育系统通过分析学生的历史
大气偏振模式是天空中的偏振光形成的具有特定规律的偏振态分布,其中蕴含着重要的方向信息,为偏振光导航提供方向基准。人类的肉眼是无法识别偏振光信息,需要通过相应的偏振成像系统。不同偏振成像系统在使用过程中都需要经过相应的标定,来提高偏振测量精度。针对偏振成像系统中还存在影响大气偏振模式测量的因素,本文从不同检偏角的选择、偏振片的初始方向、偏振成像系统测量原理等方面,研究偏振成像系统对大气偏振模式测量的
在人工智能的高速发展下,人们对计算机多模态领域理解能力有更高的要求。面对复杂的现实场景以及背后运行的常识逻辑,计算机需要更高层次的视觉语言理解能力和逻辑推理能力。视觉常识推理（Visual Commonsense Reasoning,VCR）任务是引导模型进行视觉和语言领域任务更高层次的认知水平理解。其中包括三个子任务,即通过问题（Question）预测答案（Answering）Q→A,通过问题和
冷启动问题是推荐系统中长期存在的难题,新用户或新产品出现时,要求在没有历史交互记录的情况下进行个性化推荐。基于协同过滤的推荐算法广泛部署于各类在线平台,而新用户或新产品没有协同信息,因此精准的推测新用户偏好以及表征新产品变得更加困难。鉴于属性信息在大多数在线平台中可获取,传统的冷启动推荐算法通过学习协同信号表征空间和属性表征空间之间的联系来提升性能,但仍然存在一些问题:（1）传统的冷启动推荐方法简
零样本学习是通过学习已知类视觉特征和语义属性向量之间的关系,并借助语义空间作为辅助信息将这个关系扩展到未知类数据集上,从而实现对未知类样本识别的一项研究。一个良好的零样本学习模型可以充分利用已知类到未知类之间的迁移知识,极大的减轻深度学习对带标签数据集的过度依赖,同时可以促进人工智能领域向终生学习发展。所以,零样本学习是一个具有现实意义和研究价值的课题。目前,实现零样本学习任务最常用的方法有基于特
阿尔兹海默症已经成为危害老年人健康的一大因素,受到了广泛的关注。该疾病不仅给患者带来痛苦,还给其家庭以及社会带来沉重的负担。同时,该疾病病因尚不明确,发病缓慢不易发觉,目前还没有非常有效的治疗方案,一旦待到晚期阶段再被确诊便无法有效干预。所以,及时准确地诊断出阿尔兹海默症具有重要意义。近年来,借助机器学习技术来辅助医生进行阿尔兹海默症病情分析和诊断,这一思路逐渐受到认可和关注。但脑影像等数据往往受