导读:本文包含了高速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:LTE,TF协同,场景个性化
高速场景论文文献综述
何蕊馨,陈洁[1]（2019）在《针对高速公路场景下的TF协同优化思路与方案》一文中研究指出随着LTE的建设与应用推广,TD-LTE由于其频率特性及上下行时隙配比等原因,在容量、深度覆盖方面已难以满足用户日益增长的业务需求。在此背景下,TF协同优化成为了容量分流,提升客户感知的重要思路并广受关注。然而,不同场景的业务及用户分布等特性各异,在制定具体策略时,需针对该场景特点制定个性化的协同优化策略。机场高速作为城市的门户与形象窗口,其网络质量一直是各运营商优化工作关注的重点。本文基于某市机场高速场景,探讨了TF协同优化实现原理、策略与具体优化方案,为制定场景个性化TF协同策略,解决重点场景负荷过高、用户体验感知差和深度覆盖不足等提供了思路。(本文来源于《电信工程技术与标准化》期刊2019年11期）
廖勇,张楠,姚海梅,花远肖,赵砚[2]（2019）在《高速场景下基于迭加导频的迭代EKF信道估计方法》一文中研究指出针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统在高速移动场景下时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,本文采用导频与数据迭加的帧结构,提出一种基于基扩展模型(Basis Expansion Model,BEM)的迭代扩展卡尔曼滤波(iterative Extend-Kalman Filter,iEKF)信道估计方法.基于BEM信道模型且采用EKF信道估计方法可以联合估计出信道冲激响应(Channel Impulse Response,CIR)与时变的时域自相关系数,有效消除子载波间干扰(Inter Carrier Interference,ICI).同时,为了进一步消除迭加导频位置处的数据符号干扰,我们提出将迭加位置处的数据和导频先解耦、后重构再进行迭代EKF的信道估计方法.仿真分析表明,相较传统迭加导频的信道估计方法和导频符号辅助调制(Pilot Symbol Assisted Modulation,PSAM)估计方法,本文提出的信道估计方法在高速场景特别是低信噪比的条件下,具有更高的估计精度,更强的鲁棒性及更大的吞吐量.(本文来源于《电子学报》期刊2019年11期）
王胜春,顾子晨,韩强,戴鹏,杜馨瑜[3]（2019）在《高速铁路运动场景下的异物入侵智能识别》一文中研究指出高速铁路运行环境作为一个相对开放的场景,轨道区域难免受到外界异物的入侵,给列车的行车安全带来极大的隐患。道床异物通常包括因钢轨振动而产生的断裂弹条、轨道板受冲击产生的碎石块、动物尸体等,目前主要是通过人工检查的方式来对道床异物进行检测并清除,这种方式不仅成本高、效率低,往往不能及时排除安全隐患。为了对异物进行及时有效的检测同时降低人力成本,本文综合运用计算机视觉、深度学习等技术对铁路入侵异物进行实时检测。首先利用YOLO v3网络在Image Net上进行训练得到一个预训练权重,紧接着使用人工标注的数据集继续训练网络直到网络收敛,最后使用训练好的网络对轨道图像进行检测。实验结果表明,最终得到的均值平均精度(m AP)为0.92,平均检测速度达到为32 FPS,可以实现对异物目标的准确实时检测。本文的研究成果将显着改善铁路异物入侵的检测方式,提高铁路检测作业效率,为高速铁路运行安全提供保障。(本文来源于《第十叁届全国振动理论及应用学术会议论文集》期刊2019-11-09）
高艺嘉,孙雨,郭沛[4]（2019）在《灾害天气下高速公路车路协同应用场景研究》一文中研究指出灾害天气对高速公路的行车效率和行车安全影响明显。在新一代信息技术发展背景下,车辆和道路的智能性、适应性在不断提高。本文从保障灾害天气下高速公路的行车安全和实现车道级全时控制、车辆级全程控制的目标出发,分析雨、雾、风、雪等灾害天气下高速公路行车安全保障条件,研究车路协同应用场景,分析灾害天气下高速公路车路协同系统的关键技术和基本功能,设计应用场景和系统架构,以提供精细化、自主化的全时空出行服务。(本文来源于《中国交通信息化》期刊2019年10期）
廖勇,杨馨怡,夏茂菡,王博,李守智[5]（2019）在《高速移动场景下基于贪婪算法的改进模代数预编码》一文中研究指出针对高速移动场景下信道时频域选择性衰落特性给多入多出(Multiple Input Multiple Output,MIMO)系统的预编码带来的技术挑战,文中提出了一种基于贪婪算法的用户调度方案,该方案以信道容量最大化为目标对用户进行调度并排序;进而为用户调度提出一种基于贪婪算法的改进模代数预编码(Tomlinson-Harashima Precoding,THP)算法,根据用户调度结果,对信道矩阵进行选择重构,将重构后的信道矩阵应用到THP算法中,以对传统THP进行优化,从而提高预编码精度。仿真结果表明,相比传统预编码,所提预编码具有更优的误码率(Bit Error Ratio,BER)性能和信道容量,并且其鲁棒性能更好,验证了所提算法能有效地适应高速移动场景。(本文来源于《计算机科学》期刊2019年08期）
李容荣,朱震海,江庆,郑献坤,李戈[6]（2019）在《浙江高速场景5G-NSA连续覆盖优化研究》一文中研究指出2019年浙江移动5G"先行先试",尤其杭州,已在旅游景点、城区、CBD、郊区、高速等多个场景充分完成5G网络性能测试优化并实现连续覆盖,站点规模超1000个。本文将结合"5G综合覆盖率定义"、"场景化波束定义"及"锚点选择策略"3个方面从"路测测试"、"扫频测试"2角度研究目前杭州某高速5G-NSA网络连续覆盖优化方法,为后期5G-SA网络优化提供参考。(本文来源于《5G网络创新研讨会（2019）论文集》期刊2019-08-15）
林华乐,冼海恒[7]（2019）在《高速场景下5G网络PRACH规划》一文中研究指出为了满足更高的移动速度、更高的载波频率,5GR15标准在随机接入中引入了新的限制集,研究这个新的限制集是一个重要的课题。通过发现可用根序列集合及其分布规律,提出一种简单实用的PRACH根序列规划方法,大大降低基站和手机的实现复杂度,降低PRACH规划难度。(本文来源于《移动通信》期刊2019年07期）
王洋[8]（2019）在《高速铁路场景分割与识别算法研究》一文中研究指出基于视频智能分析的异物入侵识别技术已经成为高速铁路周界安全检测领域的重要发展方向,目前制约视频分析技术广泛应用的难题之一是报警区域的自动辨识问题。为了实现高速铁路场景报警区域快速、准确、自动地分割与识别,论文提出了基于多特征通道、自适应检测算子的图像快速分割算法和基于极简化卷积神经网络的局部区域快速识别算法,在计算速度、分割精准度、识别准确率等多个方面达到了有效的平衡。论文首先针对现有区域分割算法计算量过大的问题,通过分析铁路场景直线特征强烈的特点,提出基于多特征融合与优化梯度检测算子的区域快速分割算法。该算法首先利用霍夫变换寻找铁路场景直线特征极大值来调节用于提取图像特征梯度分布的检测算子;然后以少量最优的自适应检测算子来同时计算像素点色彩纹理特征分布以及像素点相似度分布,获取精准的、带有权重的边界点,并进一步通过自动筛选强弱边界点来防止图像分割结果过度碎片化;最后设计基于边界点权重及碎片区域面积的组合规则来将碎片区域快速组合成局部区域。对比实验结果表明,所提算法能够快速、有效的分割图像得到局部区域精确边界,为后续的区域识别部分奠定良好的基础。针对现有区域识别卷积神经网络计算量大、占用内存多、需要GPU实时处理的问题,论文提出了基于预训练的卷积核权值优化算法。该算法通过构建浅层自编码神经网络,自动学习铁路不同区域特征模板,解决了铁路场景同类物体差异性较大、同一物体图像成像质量受光照变化及相机因素影响较大的优化建模问题。对比实验结果表明,所提算法有效提高了传统卷积神经网络对铁路场景在局部区域的识别准确率,也为类似应用问题提供了解决思路。为进一步加快铁路场景分割与识别的计算速度,论文提出一种两段式区域分割算法。在第一阶段,利用极简化卷积神经网络快速扫描铁路场景并确定轨道区域的潜在位置;在第二阶段,对潜在位置进行精确分割与识别。针对极简化的卷积网络准确率较低的难题,提出一种卷积通道稀疏化的代价函数来优化训练过程,提高特征图的差异性。对比实验结果表明,两段式算法极大减少了全景图像中无关区域的冗余计算时间,极简化的卷积网络的准确率也得到了有效弥补,有效地提高了系统的工作效率和性能。与现有技术相比,论文提出的系列算法对铁路场景分割与识别的像素级准确率大大提高,计算时间更短,网络参数更少,摆脱了对GPU显卡的依赖,降低了应用系统成本,便于移植到不同配置的数据处理平台,目前已经在沪宁城际高速铁路上得到实际应用。(本文来源于《北京交通大学》期刊2019-07-01）
宋焕生,李莹,杨瑾,云旭,张韫[9]（2019）在《基于高速公路场景的车辆目标跟踪》一文中研究指出车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.(本文来源于《计算机系统应用》期刊2019年06期）
屈胤达[10]（2019）在《高速磁浮列控系统运行场景构建与形式化验证》一文中研究指出高速磁浮技术作为区别于轮轨高铁的新型交通运输手段,是未来高速和特高速轨道交通系统发展的重要方向。近年来,我国对高速磁浮列车技术开展了相关研究,计划在未来五年之内建成时速600公里条件下的高速磁浮试验线。高速磁浮列车运行控制系统作为保证列车安全运行的关键,其工程应用方面的研究已刻不容缓。高速磁浮列控系统的工程应用需要相应的场景规范来进行指导,由于运行机理的区别,成熟的轮轨高铁列控系统运行场景无法照搬在高速磁浮列控系统上,而目前国内也没有系统的开展过高速磁浮列控系统运行场景方面的研究。本文从高速磁浮试验线列控系统的研发和建设出发,对高速磁浮列控系统的运行场景进行了相关研究,主要工作如下:首先,提出了统一建模语言UML结合通信顺序进程CSP的高速磁浮列控系统运行场景分析方法,制定了 UML模型和CSP模型之间的转换规则,给出了方法的具体内容和流程;其次,根据高速磁浮列控系统的系统结构和功能特点,构建了 9个高速磁浮列控系统的运行场景,并对每个运行场景的场景术语、交互信息和交互流程进行了规范化的描述;然后,对构建的场景进行了建模与形式化验证。按照提出的高速磁浮列控系统运行场景分析方法,分别建立了启动与登录、停车点步进和分区切换场景的UML模型和CSP模型,利用ProB工具验证了场景的逻辑正确性;最后,基于运行场景对高速磁浮试验线列控线路数据进行了工程设计,利用MATLAB中的Simulink组件建立了列车正常运行场景下的仿真模型,对初版的列控线路数据进行了仿真分析,修正了其中不合理的设计。图81幅,表17个,参考文献72篇。(本文来源于《北京交通大学》期刊2019-06-03）
高速场景论文开题报告
（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：
针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统在高速移动场景下时/频域选择性衰落(双选衰落)和非平稳特性给信道估计带来的技术挑战,本文采用导频与数据迭加的帧结构,提出一种基于基扩展模型(Basis Expansion Model,BEM)的迭代扩展卡尔曼滤波(iterative Extend-Kalman Filter,iEKF)信道估计方法.基于BEM信道模型且采用EKF信道估计方法可以联合估计出信道冲激响应(Channel Impulse Response,CIR)与时变的时域自相关系数,有效消除子载波间干扰(Inter Carrier Interference,ICI).同时,为了进一步消除迭加导频位置处的数据符号干扰,我们提出将迭加位置处的数据和导频先解耦、后重构再进行迭代EKF的信道估计方法.仿真分析表明,相较传统迭加导频的信道估计方法和导频符号辅助调制(Pilot Symbol Assisted Modulation,PSAM)估计方法,本文提出的信道估计方法在高速场景特别是低信噪比的条件下,具有更高的估计精度,更强的鲁棒性及更大的吞吐量.
（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。
高速场景论文参考文献
[1].何蕊馨,陈洁.针对高速公路场景下的TF协同优化思路与方案[J].电信工程技术与标准化.2019
[2].廖勇,张楠,姚海梅,花远肖,赵砚.高速场景下基于迭加导频的迭代EKF信道估计方法[J].电子学报.2019
[3].王胜春,顾子晨,韩强,戴鹏,杜馨瑜.高速铁路运动场景下的异物入侵智能识别[C].第十叁届全国振动理论及应用学术会议论文集.2019
[4].高艺嘉,孙雨,郭沛.灾害天气下高速公路车路协同应用场景研究[J].中国交通信息化.2019
[5].廖勇,杨馨怡,夏茂菡,王博,李守智.高速移动场景下基于贪婪算法的改进模代数预编码[J].计算机科学.2019
[6].李容荣,朱震海,江庆,郑献坤,李戈.浙江高速场景5G-NSA连续覆盖优化研究[C].5G网络创新研讨会（2019）论文集.2019
[7].林华乐,冼海恒.高速场景下5G网络PRACH规划[J].移动通信.2019
[8].王洋.高速铁路场景分割与识别算法研究[D].北京交通大学.2019
[9].宋焕生,李莹,杨瑾,云旭,张韫.基于高速公路场景的车辆目标跟踪[J].计算机系统应用.2019
[10].屈胤达.高速磁浮列控系统运行场景构建与形式化验证[D].北京交通大学.2019