摘要：It has been shown that the deployment of device-to-device(D2D) communication in cellular systems can provide better support for local services. However, improper design of the hybrid system may cause severe interference between cellular and D2D links. In this paper, we consider transceiver design for the system employing multiple antennas to mitigate the interference. The precoder and decoder matrices are optimized in terms of sum mean squared error(MSE) and capacity, respectively. For the MSE minimization problem, we present an alternative transceiver optimization algorithm. While for the non-convex capacity maximization problem, we decompose the primal problem into a sequence of standard convex quadratic programs for efficient optimization. The evaluation of our proposed algorithms for performance enhancement of the entire D2D integrated cellular system is carried out through simulations.

摘要：针对我国配电网工频通信信道特性,开发了一种基于数字信号控制器的工频通信系统装置,包括子站装置和用户终端。对工频通信系统构成,以及信号调制和信号解调原理进行了介绍。在此基础上,设计了适合我国配电网信道特性的工频通信系统装置。装置由主控单元、过零检测电路、信号调制/解调电路等部分组成,详细介绍了主控单元的选择和各功能电路的硬件实现及工作原理。采用模块化编程思想,并以C语言和汇编语言混合编程的方式完成了装置软件设计,给出了主程序和子程序的流程图。测试表明,所研制的装置现场运行可靠。

摘要：提出航空及民用配电系统耐热量降低原理,对国际电工委员会(IEC)标准规定的反时限特性曲线,研究用电设备过流保护跳闸条件、过流损坏的相对临界耐热量和电流热功率,设计一种快速高精度的反时限过流保护方法,并仿真分析其实现过程。统一定义10倍过流延时时间为时间整定值,使反时限函数具有统一明确的量化参数,并推导出相应的反时限特性方程,使参数更容易整定。该方法克服了传统反时限过流保护不能准确反映电流快速变化时真实故障状态的缺点。根据耐热量降低原理推导一种简单实用的反时限动态特性测试方法,静态和动态实验结果表明该方法快速性好和准确性高,为航空供电系统机载用电设备及民用设备反时限保护提供了实现方案。

摘要：用电信息采集终端采用传统方法接入公网时,由于信号弱造成的用电信息采集终端无法上线或者采集数据无法上传,以及成本高,辐射大等问题,提出一种用于智能用电终端的新型中继调节技术。从射频电压合路和射频调节2个方面进行了设计,采用可重构波段参数匹配射频设计原理和智能双级增益补偿的自动电平控制技术,解决了多终端合路信号衰减问题,增强了信号质量,开发了样机,并通过了国家认证。

摘要：开发了多路并行工频通信系统。该系统主要由子站系统和用户终端装置两部分组成,给出了各部分的关键硬件电路及其连接关系。研究了多路工频通信系统下行信号发送和接收、上行信号发送和接收的关键技术,并运用三相信号并行传输、单相6路信号并行传输及不同馈线信号并行传输来提高系统信息传输速率。设计了系统终端地址及与DL/T698-41等标准兼容的工频通信协议。多路并行工频通信系统速率较传统单路工频通信系统有明显提高,能更好地满足用电信息采集系统的需求。

摘要：电力线为传输电能而设计,复杂的配电网拓扑结构使得电力线通信信道环境恶劣,信道特性变化规律复杂,严重影响信号传输的质量和效率。为应对上述问题,利用传输线二端口网络,建立电力线信道的数学模型,进而仿真分析电网结构及网络参数对信道电压幅频特性以及网络输入阻抗特性的影响。通过分析发现,信号衰减峰谷值的位置受主线路长度的影响较小,分支线路长度影响信号衰减峰谷个数。并且,信道电压传输幅频特性的衰减峰频率处,网络的输入阻抗值相等。

摘要：联邦学习是一种新的机器学习范式,其允许多个参与者在不共享原始数据的情况下以隐私安全的方式协作地训练一个共享的机器学习模型。由于联邦学习可以解决数据孤岛问题,因此其具有广泛的应用价值。然而在传统联邦学习中,使用单一的中央服务器聚合模型可能会导致单点故障问题。为了克服传统联邦学习中的可能存在的单点故障问题,文中提出一种基于区块链的分布式联邦学习(Distributed Federated Learning,DFL),利用区块链的特点,将存储模型的任务委托给区块链网络中的节点。文中提出了一种异步聚合策略,能够让参与者在任意时间加入联邦学习,从而减少参与者的等待时间。为了克服区块链存储限制,文中还设计了一种模型分块策略。该策略将大规模模型分块以满足区块链的存储要求。通过在多个数据集上训练多种机器学习模型来评估DFL,实验结果表明DFL在克服单点故障的同时实现了优于传统方法的性能。