【摘 要】
：
随着私家车的普及和交通体量的增大，智能交通监测技术已经得到了越来越多的关注，智能交通监测可以支持一系列应用例如交通堵塞疏导，智能交通管理和自动驾驶辅助等。而针对于一些需要低投入，部署范围广，方便扩展的特定场景如乡村道路监测，特定时间和路段的交通量调查等，如何实现便携的，有效的，易扩展的，低成本的，便于部署的以及鲁棒性强的智能交通监测就尤为重要。 通过测量细粒度的无线信号信道状态信息的变化实现智能
论文部分内容阅读
随着私家车的普及和交通体量的增大，智能交通监测技术已经得到了越来越多的关注，智能交通监测可以支持一系列应用例如交通堵塞疏导，智能交通管理和自动驾驶辅助等。而针对于一些需要低投入，部署范围广，方便扩展的特定场景如乡村道路监测，特定时间和路段的交通量调查等，如何实现便携的，有效的，易扩展的，低成本的，便于部署的以及鲁棒性强的智能交通监测就尤为重要。
通过测量细粒度的无线信号信道状态信息的变化实现智能交通参数的测量主要包括数据预处理，车辆检测，车型分类和车速估计四个模块，该方法具有低成本，易部署，易扩展，易携带，具有一定的鲁棒性和准确性等优点。首先为了去除噪音和中心频率的影响，采用低通滤波和数据归一化的方法对于原始的无线信号信道状态信息进行预处理。然后利用移动方差结合阈值判断的方法实现车辆的检测。接着对于检测到的车辆采用卷积神经网络的方法实现车辆类型的划分，将车辆类型主要分为两轮车，客车和货车三个类别。最后对于同一类别的车辆采用基于梯度的边界检测方法确定车辆对于无线信号的影响时间，并利用多项式拟合的方法完成车辆速度的估计。
在实验时，采用在校园周边道路上采集的将近700辆车的真实数据。通过分析实验结果可以得出移动方差的方法可以有效的实现车辆检测，在车辆类型分类时，卷积神经网络的方法分类的准确率要优于传统的机器学习方法，针对车速估计，二项式曲线拟合的车辆速度估计的准确率效果更好。实验结果表明基于信道状态信息的智能交通监测可以有效的实现交通参数的测量，对于特定场景的智能交通监测具有重要意义。
其他文献
连续旋转爆轰发动机具有结构紧凑、热力循环效率高、自增压、推重比大等优点，在航空航天推进系统中具有广阔的应用前景，近年来成为全世界范围内的研究热点。本文以火箭式连续旋转爆轰发动机为研究对象，分别以气态氢气和液态汽油为燃料，空气和富氧空气为氧化剂，通过实验和数值模拟，对连续旋转爆轰发动机爆轰特性和推力性能展开研究。 为了研究H2/air连续旋转爆轰波的起爆与传播特性，在不同工况下开展了一系列实验研究
PN结二极管是一种常见的简单器件，同时也是研究其他半导体器件的基础，大部分PN结二极管模型都只有解析模型而没有电路实现，另外模型无法同时满足复杂性和准确性。本文综合半导体物理、电网络理论并结合目前的研究热点-分数阶微积分，通过用分数阶矢量匹配法拟合全电流方程，并结合频域非线性最小二乘法优化非同元次项系数，进而推导出一种新的PN结长基二极管分数阶模型，通过求解超越方程和用反向恢复法提取两个模型参数。
我国西南地区已建成了多个超千万千瓦级水电基地，形成了跨流域、跨电网互联的超大规模水电系统，呈现出梯级规模大、巨型电站多、集中程度高、送电范围广、水力电力耦合紧密等不同于常规水电系统的独特特征，给其调度运行带来了巨大挑战，具体表现为:1.西南水电站群的发电能力远超当地电网的负荷水平，需要远距离跨省区输送至多个电网进行消纳、响应多个电网的负荷需求，面临电网负荷水平差异下的多电网调峰问题;2.西南水电站
AlGaN作为直接带隙的宽禁带（3.4eV-6.02eV）半导体材料，具有优秀的光电性质、高热稳定性和热导率、优良的介电特性和高机械强度，可以用来制备高性能电学器件和光电器件。纳米材料由于内部晶体周期性被破坏，在光电等邻域，表现出了比体材料更加优秀的性质。目前， AlGaN纳米材料及相关器件仍处于研究阶段，各种工艺下制备的AlGaN纳米材料的质量有待提高，其生长机理和模型还需要进一步地研究和完善。
在过去的几年中，DNN已被证明是解决许多实际问题的通用有效工具，使用DNN的应用数量呈爆炸式增加。DNN推理业务已开始成为云计算环境所提供的服务之一，低延迟，高准确度的响应质量成为服务提供者的目标。受深度强化学习在AI领域的良好变现，人们也尝试用深度强化学习方法来实现DNN推理业务系统的高质量响应。本文主要研究以下几个问题：1．基于深度强化学习的DNN业务调度。如今，这些问题中的大多数都是通过精心
键值数据库由于其结构简单、查询速度快，具有高可靠性和高扩展性的特点，·得到了广泛的应用。各类应用对键值存储系统读写性能的要求也越来越高，要求存储设备提供更快的读写性能。Intel公司为了解决SSD和内存中存在的巨大性能差异，推出了Optane系列产品。傲腾固态盘作为非易失存储器的硬盘产品，有良好的读写性能同时随机读写与顺序读写性能差异不大。传统的键值存储系统采用LSM-Tree(Log Struc
云计算近年来在工业界越来越普及，这主要得益于虚拟化技术的成熟和容器技术的发展，将应用以容器方式部署在云环境中已非常普遍。无服务器计算是基于容器技术衍生出的一种新的云计算范式，容器为无服务器计算带来了无显式管理成本、按用量计费、弹性扩容等优势。然而这种计算范式将传统的宏应用分解成无状态的细粒度函数，当突发负载到来时，无服务器计算平台启动大量容器并初始化函数执行环境(即冷启动)，这会带来显著的启动延迟
容器虚拟化技术因为其轻量的特点，已经在云中被广泛使用。Docker是目前最受欢迎的容器框架，原因是它可以将应用及其依赖打包成一个独立的容器镜像。通过容器镜像，用户可以方便地存储、部署容器。当前Docker采取了层级结构构建镜像，使得容器在存储和部署时相同的层只会被存储和拉取一次。然而，当前层级结构下的镜像会在镜像中引入冗余数据和不必要数据，造成容器存储和部署的低效。调研DockerHub上使用率前
在大数据、物联网和5G时代，随着各类智能终端、智能应用和传感器的普及和发展，数据呈现快速动态增长的趋势，需要面对流式数据的应用也越来越多。流式数据中虽然蕴藏着巨大的潜在价值，但因其具有增长迅速、持续不断、时效性强等特点，如何对流式数据进行高效、动态的挖掘分析成为重要的课题。 基于张量的多聚类作为聚类领域在高阶数据上较为先进的方法，能够在多个不同维度上对高阶大数据进行多模态分析挖掘。目前关于张量多