导读:本文包含了大规模场景论文开题报告文献综述及选题提纲参考文献，主要关键词:块链,未来,弯道超车,白皮书,前工,佳宁,数字中国,股东价值最大化,人工智能,数字经济
大规模场景论文文献综述
于佳宁,杨士省,崔笑天,徐芸茜[1]（2019）在《未来叁年区块链技术场景将大规模落地》一文中研究指出“在经济新常态下,区块链技术的广泛应用是为数不多的我们看得到的真正意义上的新动能、新经济,而且确实能够说明中国这些年的科技发展,由于区块链技术开拓出一片新蓝海。”于佳宁指出。于佳宁表示,此前工信部信息中心工经所发布的《2018年中国区块链产业白皮(本文来源于《华夏时报》期刊2019-12-09）
王东清,陈绍建,秦博,孙翔,段航[2]（2019）在《基于RankNet排序方法在大规模场景中的移动终端定位应用》一文中研究指出针对在大规模场景中的移动终端定位应用中,存在手工设计特征并根据规则实现定位的方法已不能完全适用、定位精度提升有限的问题,提出了一种基于RankNet神经网络的定位算法。该方法根据提取的Wi-Fi指纹特征,对Wi-Fi所覆盖的Geohash8计算置信度,粗筛选可参与定位的Geohash8,将其特征输入至RankNet模型中实现精排序,最终选取排序第一的Geohash8位置坐标作为结果反馈给用户。实验结果表明,所提算法在定位精度累计分布值、线上服务响应时间和定位成功率叁个评测指标上均表现出优势。(本文来源于《卫星导航定位与北斗系统应用2019——北斗服务全球 融合创新应用》期刊2019-09-10）
骆悦,姚骏,张田,裴金鑫,张锋[3]（2019）在《大规模风电直流外送系统单极闭锁场景下送端系统协调控制策略》一文中研究指出当高压直流输电系统送端换流站发生单极闭锁故障时,换流站交流侧无功功率将出现过剩,导致换流站交流侧电压骤升,从而进一步引起送端电网末端风电场机端电压的骤升。为了保证送端系统的安全稳定运行,分析高压直流输电系统发生单极闭锁故障后送端系统的潮流分布和送端系统过电压产生的原因,结合典型双馈风电机组的功率可控运行区域及直流换流站的短时过载能力,提出计及双馈风电场及换流站的协调故障穿越控制策略。仿真结果表明,该方案既能够有效抑制直流单极闭锁故障下换流站交流侧暂态过电压,又能够保证大规模双馈风电机组在高压直流输电系统单极闭锁下不脱网运行,有效地增强了故障下送端系统的暂态稳定运行能力。(本文来源于《电工技术学报》期刊2019年19期）
贺海磊,张彦涛,周勤勇,孙玉娇,张立波[4]（2019）在《计及关键场景的超大规模电网暂态安全风险评估方法》一文中研究指出为解决超大规模规划电网暂态安全风险评估时考虑的场景和多重故障不全面的问题,提出一种多重暂态安全预想故障筛选方法,并开发能应用于实际电网的软件。首先,文章建立基于改进K-means聚类的关键场景生成指标和算法;其次,从系统降维的角度提出多重故障筛选思路,建立考虑功角稳定破坏风险、电压稳定破坏风险的多重故障筛选指标和算法;最后,基于PSD-BPA潮流程序,开发超大规模电力系统故障集合平台。以实际规划电网为例验证所提方法的有效性。(本文来源于《电力建设》期刊2019年07期）
张洁[5]（2019）在《大规模跨场景无线行为识别与隐私保护研究》一文中研究指出基于无线信号的感知技术以其部署简便且无需携带任何设备、超视距、不受光线限制等优势,成为近年来学术界和工业界广泛关注的研究热点。其中,基于CSI的感知技术以其细粒度及高精度在智能家居、医疗监测等方面有着重要的应用前景,成为无线感知中的主流技术。然而,在实际应用中,现有方法仍然存在以下问题。第一,在识别目标规模较大的情况下,由于不同行为会对信号的影响比较相似进而导致识别精度下降,制约了系统在实际应用中的大规模部署。第二,在跨场景情况下,由于同一行为在不同场景下的信号差异较大,现有方法需要在多个不同的场景下都采集训练数据,造成人力资源的浪费,代价较大,制约了系统在真实环境中的可用性。第叁,随着无线感知技术的发展以及无线设备的普及,在系统逐渐应用到实际环境的过程中,安全问题也随之出现,用户的隐私信息,如图案解锁密码、数字支付密码等可能会泄露。本文从基于CSI的感知技术出发,分析其在大规模、跨场景以及在实际应用中遇到的安全性问题,以高精度、低代价、强鲁棒性、安全性为目标,提出了两种在真实场景下的感知方法以及两种在公共场所下保护用户隐私信息的方法。本文的主要创新研究如下:(i)提出了一种大规模条件下的无线行为识别方法。该方法利用集成学习的思想,为每个测试样本找到准确识别该测试样本的模型。具体地,通过先前采集的训练数据训练一个模型选择器,当给定测试样本时,模型选择器会为该测试样本选择适合其的模型。真实实验表明,该方法不仅提升了现有方法在面对大规模识别时的识别精度,而且具有较强的稳定性,即识别精度不会随着识别规模的增大而降低。(ii)提出了一种跨场景条件下的无线行为识别方法。该方法利用人工神经网络训练两个场景之间的转换函数。具体地,根据两个场景下已有的训练数据训练两个场景之间的转换函数,转换函数训练好之后,源场景下的训练数据可通过训练好的转换函数转换到目标场景下使用而不需要在目标场景下重新采集训练数据。真实实验表明,该方法在保证了高精度的前提下降低了训练开销。(iii)提出了一种基于信道干扰的用户隐私行为保护方法。该方法通过破坏CSI攻击成功的必要条件,利用相邻信道干扰影响攻击者所使用的无线设备进而抵御了CSI攻击。具体地,在用户进入公共场所之后,系统通过分析网络状态不断地监测环境中是否存在CSI攻击,当监测到CSI攻击存在时,启动信道干扰保护机制,即利用已有的无线设备来影响攻击者的无线设备。真实实验表明,该保护方法在一定程度上抵御了CSI攻击,保护了用户的隐私信息。(iv)提出了一种基于安全区域引导的用户隐私行为保护方法。通过分析可知,CSI攻击成功的条件之一是需要用户距离攻击者的恶意设备较近,该方法通过将用户引导至安全区域来保护用户的隐私信息。具体地,智能手机的传感器不断地收集用户的行走信息,在监测到CSI攻击之后,首先使用已有的较为成熟的定位技术对攻击者所用的无线设备进行位置获取,然后结合这些恶意设备的位置信息引导用户进入安全区域。真实实验表明,该方法可以成功抵御CSI攻击。(本文来源于《西北大学》期刊2019-06-01）
张森杰[6]（2019）在《D2D场景下大规模多天线的容量分析和检测算法研究》一文中研究指出随着新的移动应用场景和需求不断涌现,移动通信技术面临着海量移动数据传输和大量无线设备接入的挑战。大规模多天线(massive multiple-input-multiple-output,massive MIMO)和设备对设备通信(device to device communications,D2D)是第五代移动通信支持增强型移动宽带和海量机器互连通信两大业务场景的关键技术。高效地融合这两项技术,特别是利用大规模多天线的优势抑制D2D带来的干扰,有着重要的研究价值。本文针对利用大规模多天线抑制D2D干扰的问题,研究了大规模多天线用于发射机抑制D2D干扰的信号处理方法和遍历容量,也研究了大规模多天线用于接收机对抗D2D干扰的高效检测算法。首先,本文研究了在基站的大规模多天线上运用天线选择等方法,抑制下行链路和D2D通信之间相互干扰的遍历可达速率。在推导了采用天线选择方法抑制D2D干扰所能达到的遍历可达速率的闭式解之后,运用简森不等式获得了该遍历可达速率的上下界,并利用所得的上下界分析了系统在噪声受限场景和干扰受限场景下的行为。在此基础上,本文侧重分析了天线数量对遍历可达速率的影响。理论分析和仿真结果表明,天线选择方法的遍历可达速率随着天线数量增长渐趋饱和。进一步地,本文考察了波束成型和干扰迫零策略,证明了这两者的遍历可达速率随着天线数量的对数增长。其次,本文针对D2D干扰信源数量大、可以将干扰等效为噪声处理、且信道具有空间相关性的场景,提出了格缩减辅助的置信度传播算法和格缩减辅助的期望传播算法。在分析了空间相关性对马尔科夫域置信度传播算法的性能影响的基础上,本文提出了利用最小均方误差检测辅助确定格缩减星座图和基于高斯近似实现符号概率转换的方法,实现了格缩减方法和马尔科夫域置信度传播算法的结合,并运用同样的方法实现了格缩减方法和期望传播算法的结合。这两种算法在上述场景中有3到7dB的性能增益,可作为大规模多天线的检测算法用于抑制上行链路和D2D通信之间的相互干扰。第叁,本文针对D2D干扰信源数量小、不能将干扰等效为噪声处理、且信道具有空间相关性的场景,提出了格缩减辅助的白化置信度传播算法和格缩减辅助的白化期望传播算法。本文实现了干扰白化方法与前述格缩减辅助的置信度传播算法、期望传播算法的结合。这两种算法在上述场景中有5到10dB的性能增益,可作为大规模多天线的检测算法用于抑制上行链路和D2D通信之间的相互干扰。最后,本文基于通用服务器搭建了大规模多天线的原型系统,围绕着保证实时性和提高计算效率两个核心问题,提出了采用FPGA协处理器隔离硬实时的射频单元和软实时的基带单元、在服务器端进行并行处理的解决方案。通过在集群、多核、数据等层面对现有系统的优化,该原型系统在通用服务器、以太网的硬件体系结构和多线程软件架构上,确保了实时性和高效的基带处理,成功地将信道估计和期望传播多天线检测等基带信号处理算法实现在通用服务器平台上,实现了视频传输,加速了对信号处理算法的验证,对具有高度灵活性的基带处理系统进行了探索。(本文来源于《北京邮电大学》期刊2019-05-27）
陈淑蓉[7]（2019）在《大规模MIMO场景下的多用户信道反馈技术研究》一文中研究指出随着多天线技术的发展,MIMO研究已经逐步从单用户的MIMO发展到大规模多用户MIMO。天线结构的变化也将这一技术从二维拓展到叁维平面,代表性的有3D-MIMO。在大规模多用户MIMO系统中,链路自适应至关重要,而信道状态信息反馈不可或缺。因此本文重点研究大规模MIMO下多用户信道反馈技术,具体内容如下:1、为了在基站处获取更加精准的多用户信道质量信息,本文提出了一种多用户MIMO的MU-CQI重计算方法。这种方法依据码本的统计特性考虑多用户干扰,实现利用SU-CQI重计算MU-CQI。该方法经仿真证明有较好的系统和速率性能,且在天线数目较多的情况下,与完美CQI的差别较小。2、为了更好地降低大规模3D-MIMO的码本搜寻开销,本文提出了一种在水平垂直维度采用不同码本组合的分离式码本反馈方案。这一方案分别从水平、垂直方向完成分离式码本选取和反馈。该方案相比非分离式码本反馈方案,大大地降低了码本搜索复杂度。基于对不同分离式码本组合的仿真,本文还给出了能够实现较好的和速率性能的最佳分离式码本组合。3、为了顾虑大规模MIMO下总反馈受限的可能,本文提出了基于总反馈固定的信道反馈方案。该方案将系统的总反馈比特固定,探究在不同用户数目、不同单用户反馈比特数目下的系统性能表现,还引入了单用户最佳反馈比特的概念。仿真表明大规模MIMO下基于总反馈固定的信道反馈方案,可以实现反馈精度和多用户数量的折中,且本文推导的单用户最佳反馈比特与实际场景的仿真结果一致。(本文来源于《北京邮电大学》期刊2019-05-25）
李壮[8]（2019）在《基于分布式存储的大规模场景并行光路追踪方法》一文中研究指出数字创意产业是现代信息技术与文化创意、设计服务逐渐融合后的新兴经济形态,被国家列为重点培育的五大战略性新兴产业之一。图像渲染是数字创意产业的关键支撑技术之一,也是最耗时的环节。真实感渲染由于需要处理复杂的光照模型,渲染一幅图片需要数小时的时间,而完成一部动漫作品的时间将达到千万小时。随着产业的发展,用于渲染的场景的复杂度越来越高,渲染结果要求的精细度也在提高。如何充分利用现有的数字仿真成果和计算机的计算能力,更好更快地得到渲染结果,已经成为高度真实感渲染领域的迫切需求。超级计算机是具有远超个人电脑计算能力的一种计算机,超级计算机已经广泛应用于需要大量计算的科研、国防和商业领域。利用超级计算机对渲染应用进行并行加速,是一个研究方向,由于渲染计算兼具计算量高数据量大的特点,在超级计算机上进行渲染研究也具有很大的挑战。本文的研究和开发就是在神威·太湖之光超级计算机上进行的。高真实感的渲染结果和宏大的视觉效果,对场景建模精度和场景规模的要求也在提高。光路追踪算法需要将场景数据全部加载到内存才能进行光线和场景中物体的求交检测,日益增长的模型复杂度对实现高效可扩展的光路追踪算法带来挑战。为解决这一问题,基于内外存调度的光路追踪和基于分布式内存的光路追踪方法被提出。其中,内外存调度通过将绘制要用到的局部数据从外存加载到内存,通过内外存数据交换来实现复杂模型的渲染,存在数据局部性和存储层次传输带宽的瓶颈,扩展性不足;分布式内存光路追踪方法通过将场景数据分布式存储到不同节点的内存,从而实现大规模场景的绘制。这两类方法目标均是在提高计算资源的利用率的同时,提升数据的局部化,从而提高并行效率。目前,如何在减少数据获取开销的同时,保证光线计算任务的负载均衡,依然是一个具有挑战的问题。本文基于神威·太湖之光高性能计算机,提出基于分布式内存系统的大规模场景并行光路追踪方法,通过高效的场景划分方式,将场景的几何数据分散到多个节点进行存储,并基于分布式存储场景实现并行光照计算。本文提出四种场景划分和分布式存储发方法,包括场景随机化划分和存储方法、基于场景几何对象大小的均衡场景划分的存储方法、基于莫顿码的场景分散划分和存储方法、基于莫顿码的场景集中划分和存储方法,并比较了四种分布式存储场景的光路追踪并行效率。此外,本文利用非阻塞通信和双缓冲策略对各个节点间的通信进行了优化,从而在保证光路追踪算法强扩展性的同时,提升算法弱扩展性。实验结果表明,本文方法可以有效渲染100GB以上的超大规模场景,在30万核下,相对于5万核,程序整体的并行效率可达50%以上。四种划分存储方法中,基于莫顿码的场景集中划分和存储方法光路追踪用时最少,基于文件大小的划分存储方法读取文件和建树所用时间最少。本文的方法在场景数据规模和光线计算任务并行两方面,都具有良好的扩展性。本文的创新主要是将莫顿编码与几何模型划分相结合,提出基于莫顿码的场景几何集中划分方法,提升了构建的KD的质量,减少了光路追踪求交计算的时间。(本文来源于《山东大学》期刊2019-05-20）
张良凯[9]（2019）在《基于高性能计算机的大规模场景镜头并行绘制方法》一文中研究指出数字创意产业是以现代信息技术为基础,将文化创意和设计服务融入其中的新兴产业,其主要的应用体现在虚拟现实、产品可视化、动漫和电影特效等方面。目前,数字创意产业的发展主要是向着更具真实感的方向发展,因此叁维场景在规模上增长迅速,光照模型上更加贴近自然,由此造成场景的复杂度越来越大,场景数据的规模可能达到TB级别。这样的渲染对大规模场景数据的存储和视觉特效提出了新的要求。衡量高真实感渲染的两个重要指标分别是渲染质量和渲染速度,国际上对高真实感渲染研究也主要集中在这两个方面。在渲染质量上的研究主要集中在对物理光学的仿真模拟,由于全局光照模型精确地模拟场景中所有可能情况的光照,所以全局光照算法可以生成相片级别的真实感图像,是实现真实感绘制的核心。光路追踪是实现全局光照绘制的基本方法之一,可以计算大部分的全局光照效果,但是由于绘制算法计算量大,进行并行加速是必要的研究工作之一。同时,为了提升渲染质量和营造特效,对场景建模的细腻程度和场景规模也在不断扩大,而一般基于物理的高度真实感渲染中的全局光照计算需要使用整体场景数据,因此大规模场景的绘制会存在内存瓶颈问题。在渲染速度上,并行绘制是对高度真实感渲染的加速主要手段。目前,国内外的研究主要集中在基于GPU或英特尔集成众核架构上的并行绘制,缺乏对异构众核架构的普适处理,同时可扩展性比较低,能处理的场景规模比较受限,因此研究高效、可扩展的高度真实感并行渲染加速对于数字创意产业有重大意义。针对大规模场景镜头渲染存在的数据密集和计算密集两大难题,本文主要提出了多层级任务划分以及相应的多级任务调度,并根据连续帧渲染间任务的数据相关性作出优化,将场景镜头进行动静态划分,加速镜头渲染。本文采用分布式存储场景数据,将渲染计算任务多层级划分进行多级任务调度。同时为了充分利用神威·太湖之光的计算资源,采用平台特有的加速线程库进行计算加速。对于渲染镜头的连续帧之间,有静态场景数据每帧之间一致,因此根据这个特性对节点划分与加载场景数据进行优化。随着场景镜头规模的扩大,绘制的节点数增多,节点的稳定性随着时间开始下降,因此大规模场景镜头的并行渲染必然需要进行容错处理,需要对渲染结果正确性提供进一步保障。本文研究了相关容错处理,以期望在节点出错时发现错误,重启任务后能继续上一次任务进度。(本文来源于《山东大学》期刊2019-05-20）
王欣[10]（2019）在《大规模场景分布式并行光子映射方法研究》一文中研究指出目前,光线跟踪算法是当今图像合成中最流行、最强大的技术之一,该算法简单、优雅、易于实现。尽管光线跟踪算法可以模拟真实的光路和成像过程,然而现实世界的某些效果光线跟踪算法处理的不好(或者说一点也不好)。光线追踪算法不能模拟全局光照中的很多情况,比如说漫反射等。而光子映射算法正好可以弥补光线跟踪算法的缺陷。光子映射算法可以很好的模拟漫反射辉映、焦散等全局光照效果。不仅如此,光子映射算法也可以高效计算参与性介质中的光照效果。该算法也可以用于渲染包含很复杂的物体的场景,其不限于细分模型。此外,该算法也能够处理基于镜面反射、漫反射、和非漫反射获得的高级材质。更重要的是,该方法实现简单,易于实验。因此,光子映射算法是光线跟踪算法的一个改进。但是对于室内大场景来说,内存限制和渲染时间过长仍然是很难克服的问题。尽管研究者们提供了能够以交互帧速率绘制数以亿计的叁角形的方法[1],但是计算时间和内存瓶颈依然是很大的挑战。对于大场景来说,很多研究者都是通过二分空间划分法(Binary space partition)将场景划分为多个部分[2],将该场景加载多个节点中,通过这种方式来解决场景加载时的内存瓶颈。划分后的每个单元之间插入portal以便于节点与节点之间的通信。场景划分后,使用多个节点分布式加载场景,每个节点内部生成对应子区域的光子图,就可以解决光子存储瓶颈问题。而且,多个节点同时渲染,最后由master节点负责将多个节点的渲染结果整合成一张图片。在这种情况下,节点之间的任务均衡问题变得尤为重要。本文提出了一种基于多边形空间划分虚拟门户(portal)的分布式光子映射算法。该算法为了处理展馆类型的室内大规模场景,首先将展馆室内场景二维平面图外轮廓多边形划分成多个子多边形,并在分割线上插入虚拟portal以便暂存光子。每个节点只加载对应子多边形中的场景,并生成存储该区域范围内的光子图,从而解决了大规模场景的光子存储瓶颈。此外,使用该基于室内场景外轮廓多边形的空间划分方式使划分后的子场景面积大约相等且分割线长度的总和最短。由于场景内物体摆放是均匀的,所以等面积保证节点之间的任务加载更加均衡。划分场景的分割线总长度最短的情况下,在相同高度下的portal的表面积总和就会最小,保证节点之间的数据传输最少。在基于分布式光子图的全局光照绘制阶段,本文使用overlapped k-d树解决分割线边界附近着色点的光子收集问题,从而保持绘制结果的光照一致性和连贯性。实验结果表明,本文方法在场景复杂度提升和节点规模扩大时,相较于传统的基于k-d树的场景划分方式,均可以达到更高的并行效率。(本文来源于《山东大学》期刊2019-05-20）
大规模场景论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对在大规模场景中的移动终端定位应用中,存在手工设计特征并根据规则实现定位的方法已不能完全适用、定位精度提升有限的问题,提出了一种基于RankNet神经网络的定位算法。该方法根据提取的Wi-Fi指纹特征,对Wi-Fi所覆盖的Geohash8计算置信度,粗筛选可参与定位的Geohash8,将其特征输入至RankNet模型中实现精排序,最终选取排序第一的Geohash8位置坐标作为结果反馈给用户。实验结果表明,所提算法在定位精度累计分布值、线上服务响应时间和定位成功率叁个评测指标上均表现出优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
大规模场景论文参考文献
[1].于佳宁,杨士省,崔笑天,徐芸茜.未来叁年区块链技术场景将大规模落地[N].华夏时报.2019
[2].王东清,陈绍建,秦博,孙翔,段航.基于RankNet排序方法在大规模场景中的移动终端定位应用[C].卫星导航定位与北斗系统应用2019——北斗服务全球融合创新应用.2019
[3].骆悦,姚骏,张田,裴金鑫,张锋.大规模风电直流外送系统单极闭锁场景下送端系统协调控制策略[J].电工技术学报.2019
[4].贺海磊,张彦涛,周勤勇,孙玉娇,张立波.计及关键场景的超大规模电网暂态安全风险评估方法[J].电力建设.2019
[5].张洁.大规模跨场景无线行为识别与隐私保护研究[D].西北大学.2019
[6].张森杰.D2D场景下大规模多天线的容量分析和检测算法研究[D].北京邮电大学.2019
[7].陈淑蓉.大规模MIMO场景下的多用户信道反馈技术研究[D].北京邮电大学.2019
[8].李壮.基于分布式存储的大规模场景并行光路追踪方法[D].山东大学.2019
[9].张良凯.基于高性能计算机的大规模场景镜头并行绘制方法[D].山东大学.2019
[10].王欣.大规模场景分布式并行光子映射方法研究[D].山东大学.2019