尹人在线,精品欧美一区二区久久久久

頭條

2024年全球企業(yè)WLAN市場同比下降12.7%

2024年全球企業(yè)WLAN市場同比下降12.7%

IDC的追蹤報告,，2024年第四季度,，全球企業(yè)無線局域網(wǎng)（WLAN）市場同比增長3.2%,，達到26億美元,。但2024年全年，全球企業(yè)WLAN市場卻同比下降12.7%,，最終收入為94億美元。

中國聯(lián)通長安汽車攜手部署5G-A低功耗高精定位技術(shù)

中國聯(lián)通部署5G-A低功耗高精定位技術(shù)助力重慶長安汽車工廠打造安全生產(chǎn)管理新能力

發(fā)表于：7/26/2024

大氣環(huán)境監(jiān)測衛(wèi)星與陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星正式投入使用

大氣環(huán)境監(jiān)測衛(wèi)星與陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星正式投入使用

發(fā)表于：7/26/2024

5G通信基站光儲配置及充放電方法的研究

5G通信基站作為信息通信領(lǐng)域的基礎(chǔ)設(shè)施,，滿足了人們對日常通話和流量使用的基本需求,。為響應(yīng)國家“3060”雙碳戰(zhàn)略，通信基站需要改變傳統(tǒng)的電網(wǎng)供電模式,，引進光伏系統(tǒng)和儲能電池等綠色能源,，實現(xiàn)“綠色、節(jié)能,、低碳”發(fā)展,。在不同的電力條件下，如何規(guī)劃光伏和儲能配置已成為信息和通信領(lǐng)域的一個重要研究方向,。創(chuàng)新模擬光伏函數(shù)模型,，探索不同電力條件下光儲配置的最優(yōu)方法，創(chuàng)新光儲系統(tǒng)的充放電方法,，實現(xiàn)綠色能源應(yīng)用的效益最大化,。

發(fā)表于：7/25/2024

110 GHz頻段山地?zé)o人機視距通信概率及傳播損耗研究

利用射線追蹤法建立了基于視距概率的無人機毫米波信道模型，并針對路徑損耗進行了雙斜率模型分析，闡述了視距概率的建模過程并進行了模型參數(shù)分析,。由于地形遮擋等環(huán)境的影響,，損耗較大的反射和繞射路徑致使信號的接收強度在突變點前后波動較大，導(dǎo)致單斜率擬合模型不再適用,。因此利用線性回歸分別在兩種地形下對仿真數(shù)據(jù)進行了單斜率和雙斜率接收功率模型的擬合,。結(jié)果表明雙斜率接收功率模型比單斜率模型的擬合效果更好，兩種模型在地形更平坦區(qū)域擬合的精確度更高,。

發(fā)表于：7/25/2024

一種低軌衛(wèi)星網(wǎng)絡(luò)中編隊組網(wǎng)路由算法研究

低軌道分布式衛(wèi)星網(wǎng)絡(luò)作為6G通信技術(shù)的重要組成部分,，可以實現(xiàn)高速傳輸和低延時的通信，可以滿足6G通信技術(shù)的高速率和低延時的需求,。針對低軌道分布式衛(wèi)星網(wǎng)絡(luò)的組網(wǎng)方法進行了研究,，對衛(wèi)星網(wǎng)絡(luò)的路由算法進行了歸納總結(jié)，提出一種基于帶寬和延遲聯(lián)合的路由選擇算法,，并實現(xiàn)了三種不同的路由選擇算法,，發(fā)現(xiàn)各算法性能差異明顯。實驗結(jié)果表明基于帶寬和延遲聯(lián)合算法在選擇最佳路徑的同時,，能夠更好地平衡網(wǎng)絡(luò)的負載和減小時延,，提高衛(wèi)星網(wǎng)絡(luò)的傳輸效率。

發(fā)表于：7/25/2024

面向船舶通信應(yīng)用場景的5G小基站覆蓋方案設(shè)計與驗證

隨著5G設(shè)備部署密度逐步增大,，5G大時代來臨,，單純從增加宏基站部署的角度來看，成本價格太高,，另一方面,，5G toB、toC個性化需求逐步增加,。針對5G頻段上移,、穿墻能力減弱、個性化要求的問題,，5G一體化小基站應(yīng)運而生,，并在補盲、補熱范疇作用逐步提升,。針對水上作業(yè)通信困難的問題,，提出了一種新型基于CPE的組網(wǎng)方案，該方法安裝便捷,、價格低廉,，極大滿足用戶需求，可大范圍推廣,。

發(fā)表于：7/25/2024

改進自適應(yīng)加權(quán)的海面目標(biāo)距離測量和跟蹤

海上目標(biāo)距離探測和跟蹤是海洋安全和軍事應(yīng)用中的關(guān)鍵任務(wù)之一,，針對復(fù)雜海面環(huán)境在海雜波等影響因素下目標(biāo)距離測量精度低的問題,，提出了一種改進的多傳感器數(shù)據(jù)融合算法。該算法利用海面艦船雷達及陸地雷達聯(lián)合探測結(jié)果,，先對多個數(shù)據(jù)源數(shù)據(jù)進行坐標(biāo)系轉(zhuǎn)換,，利用Robust Z-score方法進行縱向數(shù)據(jù)預(yù)處理剔除異常數(shù)據(jù)，再通過重新定義置信距離度量,，將置信度較高的傳感器結(jié)果代替被踢除數(shù)據(jù)后,，對結(jié)果進行自適應(yīng)加權(quán)融合。同時,，為了進一步提高數(shù)據(jù)精度,，引入了一種分段融合機制，將改進的傳感器數(shù)據(jù)融合算法與階梯式自適應(yīng)加權(quán)融合算法進行級聯(lián),，通過度量各分段融合結(jié)果的相似度,，設(shè)定一個置信閾值，通過該置信閾值確定最終的融合結(jié)果,。仿真實驗結(jié)果證實了算法的有效性和準(zhǔn)確性,。

發(fā)表于：7/25/2024

改進轉(zhuǎn)移概率矩陣的三維交互式跟蹤模型算法

由于現(xiàn)有的簡單的轉(zhuǎn)移概率矩陣會導(dǎo)致跟蹤精度不高，復(fù)雜的轉(zhuǎn)移概率矩陣會導(dǎo)致跟蹤時間過長,，難以滿足三維空間中機動目標(biāo)跟蹤要求,。針對轉(zhuǎn)移概率矩陣的設(shè)計問題，從機理分析入手,，提出了一種基于隸屬度函數(shù)的模型轉(zhuǎn)移概率矩陣設(shè)計方法,，并對三維交互式多模型算法進行了改進完善。仿真結(jié)果表明,，依據(jù)隸屬度函數(shù)修正轉(zhuǎn)移概率矩陣的方法有效提高了三維機動目標(biāo)的跟蹤精度,。

發(fā)表于：7/25/2024

有偏量測下基于最大相關(guān)熵卡爾曼濾波的目標(biāo)跟蹤方法

針對傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標(biāo)狀態(tài)估計精度較差的問題，提出一種有偏量測下基于最大相關(guān)熵卡爾曼濾波（Maximum Correntropy Kalman Filter,， MCKF）的目標(biāo)跟蹤方法,。該方法通過引入差分機制，利用目標(biāo)相鄰時刻的有偏量測之差構(gòu)建差分量測方程,，有效克服了系統(tǒng)偏差的影響。隨后基于最大相關(guān)熵準(zhǔn)則（Maximum Correntropy Criterion,， MCC）量化估計誤差的高階矩信息,，并以差分量測為先驗條件推導(dǎo)出有偏量測下算法的濾波迭代方程。仿真結(jié)果表明,，當(dāng)系統(tǒng)觀測值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時,，與現(xiàn)有方法相比，所提方法具有更好的跟蹤性能,。

發(fā)表于：7/25/2024

機動目標(biāo)跟蹤時滯問題分析

機動目標(biāo)跟蹤結(jié)果在時間軸上的滯后問題是當(dāng)前機動目標(biāo)跟蹤領(lǐng)域的一大難點,。產(chǎn)生時滯的情況很多，一般在跟蹤初期和發(fā)生較大機動的時間段內(nèi)尤為明顯，常常會因此出現(xiàn)誤差高峰,。如果能有方法抑制或者消除時滯現(xiàn)象,，將能顯著提高跟蹤效果。從仿真實驗的結(jié)果和現(xiàn)象入手,，結(jié)合卡爾曼濾波理論,、交互式多模型算法和現(xiàn)代神經(jīng)網(wǎng)絡(luò)模型對時滯問題進行剖析，根據(jù)跟蹤各個階段情況的變化,，分析時滯產(chǎn)生的不同原因,，并提出可能的解決方法，以期為提高機動目標(biāo)跟蹤效果提供參考,。

發(fā)表于：7/25/2024