一种时间敏感网络GCL自适应调整算法

时间敏感网络（TSN）使以太网技术能够在具有严格时延限制的任务关键型系统中使用。目前在网络上进行部署的TSN大多是静态的,TSN设备无法对拓扑更改或流量的动态变化做出反应。针对上述问题,通过建立门控列表（GCL）模型,推导了理论上时间敏感流的端到端时延,提出了一种GCL持续时长自适应调整算法。根据TSN工作组提出的IEEE 802.1Qcc标准,为GCL的动态配置仿真实现了集中式网络控制器模块。集中式网络控制器管理网络上运行的应用并检测流量变化,之后根据提出的算法动态配置TSN设备,以保障时间敏感业务在流量发生变化时稳定可靠的传输。仿真结果表明,相比静态的TSN配置,使用GCL自适应调整算法后时间敏感流的平均时延满足率提升1倍以上。     

一维铂纳米线阵列的模板电沉积及其表征

将一种复合无机介孔膜作为新型的模板应用于一维纳米线阵列的模板合成研究中,通过采用模板恒电位沉积的方法制备出一维铂纳米线阵列,并利用扫描电镜,透射电镜,X射线衍射,能量分布谱,选区电子衍射对该铂纳米线阵列进行了表征。结果表明:通过模板恒电位沉积的方法可以将金属铂组装在复合无机介孔膜内的二氧化硅介孔管中,除去模板后,进而得到长度为10μm的一维多晶铂纳米线(半径为3～4nm)阵列。     

汶川地震后对农村防震减灾对策的思考

通过分析造成农村住房地震灾害的主要因素,从加强民房的抗震加固措施、农村规划布局、次生灾害防御、防震减灾知识宣传等几方面提出了农村防震减灾的对策,从而减少地震灾害带来的损失。     

模板电沉积法制备一维金亚微米棒、纳米线阵列的研究

通过采用不同类型的无机多孔膜作为模板以及恒电位模板电沉积法在一层厚度为300nm的碳膜上制备出一维金亚微米棒、纳米线及其阵列,并利用扫描电镜（SEM）、透射电镜（TEM）、X射线衍射（XRD）、能量分散谱（EDS）表征了该一维金亚微米棒、纳米线阵列的化学组成、结构和形貌。研究结果表明,采用多孔三氧化二铝膜作为模板,可以得到长度为5μm的一维金亚微米棒（直径200nm）阵列;采用无机复合介孔膜为模板,则得到一维金纳米线（3～4nm）阵列,并通过控制沉积时间,可以调节纳米线的长度（400nm～3μm）。     

基于改进Snake模型的目标轮廓提取

轮廓是运动目标检测及识别的重要依据.针对视频序列,采用一种基于改进Snake模型的方法对运动目标进行轮廓提取.首先通过部分MPP算法与外接矩形结合的方法,实现模型初始轮廓线控制点的自动设置;进而改进梯度能量函数,引入梯度矢量流算子,使得Snake轮廓能较好收敛于目标凹陷部位;并根据实际情况调整其他能量函数项的权重,最后通过8邻域贪心算法求得总能量最小化时的目标轮廓线.实验证明,该算法能对视频序列中的目标轮廓实现较可靠的提取.     

算力网络中的确定性调度与路由联合智能优化方案

将算力网络技术和时间敏感网络技术融合在一起，可以实现网络中高效率、确定性转发。但在一体化决策算力网络中的资源调度和路由规划以及时间敏感网络中的门控排布时会出现决策变量过多、计算复杂度过高、优化性能不足等问题。对此，可以利用基于深度强化学习方法的改进RBDQN算法优化门控，并采用贪婪算法协助路由路径规划。以平均时延、能量损耗和用户满意度为多优化指标建立效用函数。RBDQN算法与遗传算法相比，其收敛速度可提升数十倍；与传统深度强化学习方法相比，RBDQN算法在相同指标下效用函数的指标提升超过10%,收敛时间下降约50%。     

业务体验驱动的时间敏感网络架构研究

论述了时间敏感网络的管控架构,阐述了业务体验驱动网络的理论体系,对产业互联网场景业务模型及流量模型的特点进行了分析,并且提出了以业务体验驱动时间敏感网络的系统架构及运行机制。     

基于连通性检测的视频监控运动目标提取

针对背景相对静止、主要检测对象为行人的视频监控序列,提出了一种基于连通性检测的目标提取算法,它把形态学滤波与连通性检测相结合,对分割后的二值化图像进行噪声干扰去除,在获得若干连通区域后,利用面积、外界矩形及其特征对连通区域进行识别,通过区域重心标注目标在各帧位置,实现目标提取.实验结果表明,该算法简单可靠,具有实时性,易于硬件实现,可应用于实际系统.     

使用联合算法来降低OFDM系统的峰均比

在降低OFDM系统峰均比(PAR)的众多方法中，均有其优缺点。在很多情况下，仅使用一种算法并不能够达到想要的降低效果，或者为了达到理想效果，在某一方面的性能损失较大。针对这种情况，鉴于PTS算法与冲激相消法之间的互补性，提出了一种联合算法：PTS Clipping算法。算法先利用PTS算法对OFDM信号进行处理以降低PAR，所得信号再利用冲激相消法进行处理，以进一步降低PAR。只要两种方法对峰均比的降低程度选取得当，就可以在降低峰均比的情况下既减小运算量，又不产生过大的噪声干扰。数据仿真验证了所提方法的有效性。