摘要：研究了多小区网络通信系统的干扰消除技术,针对部分连通多输入多输出(MIMO)干扰广播信道,提出了一种基于干扰对齐的低复杂度的线性收发机设计算法。该算法通过有效的对齐干扰,不仅能够完全消除小区间干扰,也能够完全消除小区内用户间干扰。同时为了达到每个用户d个系统自由度(DOF),给出了系统的基站数目、用户数目、基站和用户天线数目需要满足的条件,并且提出了一种启发式算法,用这种算法,在已知基站数目、用户数目、用户天线数目的情况下,能够得到系统基站所需的最少天线数目。仿真结果证明了上述算法的有效性。

摘要：针对网络视频中模糊变化,以及镂空、透明台标的背景变化都易造成台标区域内容变化,导致现有台标识别算法效率降低的问题,提出一种针对网络视频的鲁棒的台标识别方法.为了应对多种台标变化,提出一种基于Gabor滤波器组的近似不变特征的鲁棒台标特征;建立了一种由拟合特征簇表面获得的若干超椭球组成的台标判定模型,用计算高维空间点和超椭球位置关系取代复杂的分类算法,且可以只利用单帧信息进行台标识别,显著地提高了判定速度.实验结果表明,该方法较好地解决了台标识别中模糊变化、镂空和透明台标背景变化下的识别问题,能够高效识别各种台标,在单帧条件下平均F1统计变量达97.3%.

摘要：针对服装动画中人体运动与服装变形的关系,首先对服装动画中人体运动特征和服装变形特征进行定义和提取;其次建立多套服装在多种人体运动下的高精度服装动画实例数据,并基于4种机器学习模型从实例中学习二者之间的关系.对不同学习模型进行实验的结果表明,由于服装动画中人体运动与服装变形之间存在较强的相关性,因此利用人体运动可以较为准确地预测服装的变形分布;相比BP神经网络,广义回归神经网络和支持向量机等方法,随机森林模型可以更有效地获取人体运动与服装变形的关系,最终误差可控制在理想范围内.

摘要：考虑到实际通信系统中的信道输入是有限字符输入,研究了有限字符输入约束下的预编码矩阵的设计和优化问题,而且以最大化多输入多输出(MIMO)系统的互信息量为目标函数,提出了一种有限字符约束情况下的预编码矩阵设计方案。该方案将预编码矩阵优化问题转化为功率分配矩阵设计和右预编码矩阵设计两个子问题。对于功率分配问题,考虑到是一个凸优化问题,利用经典的最陡下降算法进行迭代优化;对于右奇异值优化问题,考虑到是一个具有酉矩阵约束的优化问题,将该问题转化为黎曼几何上的无约束的优化问题,通过酉矩阵的李群上的最陡下降算法进行求解。试验结果表明,提出的预编码设计方案具有很好的性能,而且收敛速度较快。

摘要：针对RSS指纹特征性不强、无法解决环境异构性问题,提出了基于RSS值排序的RSSR指纹,并从网格内鲁棒性和网格间差异性2个维度出发,设计了基于方差的网格内指纹鲁棒性和基于奇异值分解的网格间指纹差异性的度量方法,给出了指纹区分度的概念。实验数据表明RSSR指纹较RSS指纹有更高的网格内鲁棒性和网格间差异性,较高的指纹区分度也使其获得更高的定位精度。

摘要：为仿真现实生活中由纵横交错的道路路网、大规模的车辆及其运动组成的交通场景,文中提出一种复杂路网内大规模车辆运动的仿真技术.首先设计一种层次路网语义模型,根据输入的路网车道线矢量数据,通过语义建模,从几何、拓扑等不同层次描述错综复杂的交通路网.其次,由于现有的车辆运动仿真方法中基于个体的微观方法针对大规模车辆运动计算效率较低,而基于流的宏观方法无法仿真复杂的交通现象,提出了一组新的宏观流方程来描述路网内车辆的运动,使得宏观流模型能够与车辆换道行为模型有机地进行结合,从而逼真地描述各种复杂的交通现象.实验结果表明,文中方法在实现复杂路网内车辆运动高细节模拟的前提下,其计算效率与一般宏观流模型保持在同一数量级.通过在实际应用中对真实交通路网进行虚拟现实建模,并在其上进行大规模车辆运动仿真,进一步验证了方法的有效性.

摘要：针对大规模MIMO系统中传统全数字波束成形算法的系统实现成本高昂和能量消耗巨大等问题,提出了一种共享型阵列的混合波束成形算法。在设计算法时为了充分利用大规模天线阵列所带来的增益,考虑分别提取全数字波束成形算法中最佳预编码矩阵和合成矩阵的相位信息作为混合波束成形算法中的模拟预编码矩阵和模拟合成矩阵,然后对它们与信道作用后的等效信道进行奇异值分解,得到相应的数字预编码矩阵和数字合成矩阵。仿真结果表明,本文所提混合波束成形算法能够在系统性能和实现成本之间达到较好的折衷,同时该算法对硬件精度的要求较低。

摘要：近年来,随着虚拟现实技术的不断发展,三维汽车群组动画仿真已经成为计算机图形学领域的热点研究方向.文中对三维汽车群组动画仿真涉及的技术进行综述.首先对作为汽车运动发生载体的交通路网建模技术做了全面的分析和总结;其次根据汽车运动建模方法所采用的技术不同,将现有方法分为一维跟车方法、流体方法、介观方法、混合方法、路径规划方法、个体规则方法以及数据驱动方法七大类,并详细阐述了每一类的原理、特点以及优缺点对比;最后结合需求总结现有工作中存在的不足,提出了一些可以继续深入研究的问题.

摘要：针对卫星通信网络中用户业务传输时延大、资源利用率低的问题,本文提出了基于星地协同处理的资源分配方法。该方法联合考虑了星上计算能力、星上缓存能力及星上无线资源协调能力,并与地面资源管理器协同进行资源分配以提升资源利用效率。在研究过程中,综合考虑波束覆盖下用户业务分布、业务服务质量(QoS)保障、用户信道条件等关键因素,以最小化用户业务的平均传输时延和最大化波束吞吐量为目标,建立了多目标优化问题模型,并基于模拟退火算法设计了星地协同资源分配方法求优化问题解的实施流程。仿真实验表明,与现有技术相比较,提出的星地协同方法可以有效降低网络用户业务平均传输时延48.03%,提升波束吞吐量29.26%,同时改善用户业务的QoS,降低丢包率50.40%。

摘要：随着WLAN的普及,基于Wi-Fi的室内定位方法逐渐成为研究与应用的热点。虽然,其中基于位置指纹的定位算法研究相对广泛,应用效果较好,然而现有的指纹定位方法或系统仍存在以下3个问题:(1)离线阶段的数据标定和定位模型的训练需要耗费大量人力物力,以及时间消耗,使系统很难得到实际应用;(2)真实环境中WLAN信号波动呈现高动态性,采集的数据存在显著的时效性,无法提供长时间的有效定位保证;(3)实际环境中AP设备变动频繁,导致训练数据与定位数据特征维度不等长,造成模型失效。针对上述问题,本文提出了一种基于众包数据的模型更新方法,通过不断融合增量数据,使定位模型保持实时有效。该方法主要包括半监督极速学习机(SELM)、具有时效机制的增量式定位方法(TMELM)和特征自适应的在线极速学习机(FA-OSELM)3部分。基于上述方法,本文设计并实现了基于众包数据的室内定位平台系统。实际应用表明,本文提出的方法能够显著降低模型训练阶段的数据采集工作量,有效提升模型训练速度,并且长时间保持较高的定位精度。