基于缓存辅助的全双工无线携能通信系统的中继选择策略

来源 :计算机应用 | 被引量 : 0次 | 上传用户:guojade_2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高无线携能通信(SWIPT)系统的性能,构建了一个全新的基于缓存辅助的全双工中继协作系统模型,并在系统中考虑了空闲能量接入点(EAP)作为中继节点的额外能量补充。对于系统吞吐量最优化问题,提出一种基于功率分配协作的SWIPT中继选择策略。首先,基于通信服务质量与源节点发射功率等约束建立问题模型;其次,通过数学变换将原非线性混合整数规划问题转换为一对耦合优化问题;最后,利用KKT条件并借助拉格朗日函数解决内部优化问题,得到了功率分配因子和中继发射功率的闭式解,并在此结果上解决外部优化问题,选择最
其他文献
随着具有快速电流跟踪功能的变频装置、DSP信号处理器以及高性能钕铁硼永磁材料的出现永磁同步电动机及其控制技术发展迅速,其易用于低速直接驱动,可省去齿轮减速装置,永磁同
对副发动机烟度偏高的原因进行了分析,并找到了最利于解决问题的方法。
本以某款工程机械装载机变速箱为研究对象,利用Romax Designer软件建立该齿轮箱的传动系统仿真模型,并进行额定工况条件下的分析计算与齿轮微观修形优化,研究了轴向重合度对
Unsupervised domain adaptation(UDA)has achieved great success in handling cross-domain machine learning applications.It typically benefits the model training of unlabeled target domain by leveraging knowledge from labeled source domain.For this purpose,th
文章针对暗环境中激光探测障碍物的准确定位问题,根据图像灰度特征提出一种灰度直方图统计阈值适应算法。首先对投射激光的图像做灰度直方图统计绘制,通过对直方图进行平滑和多项式拟合求导,筛选最大值对应的灰度;然后将最大值灰度与次最大值灰度的差值作为二值化阈值,次最大值灰度需满足小于最大值条件,得到二值化后的图像;最后通过对二值化图像进行形态学操作和轮廓检测与阈值筛选。通过实验表明该方法能够检测出激光投射下
Massive data is written to blockchain systems for the destination of keeping safe. However, existing blockchain protocols still demand that each full node has to contain the entire chain. Most nodes quit because they are unable to grow their storage space
风能和太阳能等清洁能源接入电网的规模越来越大,但风光出力的不确定性给电力系统经济调度带来了严重的困难。论文首先对风能和太阳能出力的预测误差分布情况进行分析,并将预测误差记入经济调度优化模型中的发电成本,提出了一种计及风能、太阳能出力预测误差影响的风能、太阳能和火力异质多能源电力系统经济调度优化模型。建立包含风能、太阳能和火力发电的仿真计算模型,采用遗传粒子群算法进行优化求解,计算结果验证了论文方法的有效性。论文方法可为包含风能和太阳能的电力系统经济调度提供有效的借鉴和技术指导。
目前自动化运维人员直接在调控云上维护模型数据是一件任务巨大且重复性的工作。论文设计并实现面向调控云的模型数据治理系统,该系统通过数据抽取,数据治理,数据匹配和数据同步实现将现有调度系统的存量和增量模型数据的结构化,规范化,标准化同步至调控云模型数据云平台,并建立现有调度系统与调控云之间模型的映射关系。实际应用表明该系统能够较好地满足自动化运维人员的日常模型上云工作需求。
为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数。最后将训练的模型使用到视频文件进行车辆的预测。最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38%。处理视频文件时车辆检测效果
文章对卷积神经网络模型LeNet-5中的激活函数、下采样方式等进行改进,对训练参数进行调整,使改进后的模型手写数字识别准确率达到99.2%。使用PyTorch搭建模型,用MNIST数据集对模型进行训练,其后在自制数据集上进行测试,从识别准确率和训练速度等方面验证了模型的可靠性。借助TensorBoard监督整个网络模型的训练过程,指导对模型参数的优化调整。最后,将改进的网络模型服务于该校人工智能课