密集小区环境下干扰抑制策略的性能分析

密集小区的网络构架可以满足移动通信网络数据业务的爆炸式增长需求,但此时密集小区的网络结构也更加复杂,对小区的干扰管理要求更高、更具挑战性。以基站为中心的干扰抑制策略由于复杂度低、易于实现等优点受到了广泛关注。文章通过搭建系统级仿真平台,分析了以基站为中心的干扰抑制策略的系统性能。仿真结果表明,以基站为中心的干扰抑制策略有效的提高了系统容量,抑制了密集小区环境的小区间干扰。     

干扰避免的认知无线电图着色频谱分配算法

对传统的认知无线电图着色频谱分配算法进行了改进。在分配过程中动态更新干扰矩阵,使更多节点共享同一频段而不相互干扰,以此提高频谱利用率,对授权用户的干扰也可通过发射功率门限的设置来避免。在此基础上算法以最大化认知网络吞吐量为优化目标,仿真结果表明,采用新算法后,在无干扰条件下的网络吞吐量和信道传输速率都明显高于同类算法。     

中国沿海港口吞吐量预测模型研究

摘要：本研究结合现有港口吞吐量预测理论和我国港口的实际情况,通过分析我国沿海港口货物构成及影响,建立了中国沿海港口聚类-VAR分货类吞吐量预测模型,提高了我国沿海港口吞吐量预测的精度和准确度,从而为我国沿海港口投资规划等提供更可靠的参考依据。本模型主要特点有：一是首次从港口吞吐量货物构成的角度来分析和预测我国沿海港口吞吐量,解决现有文献主要采用港口吞吐量或选取GDP等少量宏观经济指标时间序列变量进行预测而导致信息挖掘不充分的弊端;二是在考虑沿海港口主要货物吞吐量之间的内在协调关系的前提下,借助聚类分析思想,对我国港口分货类吞吐量指标进行处理,最大限度的保留了信息,保证模型的预测准确性;三是本模型方便灵活,可以推广到单个港口或港口群吞吐量预测上,甚至可以推广到时间序列指标较多情况下的更广泛的预测问题。     

基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。     

基于LightGBM的LAA/Wi-Fi混合网络的竞争窗口自适应预调整

授权频谱辅助接入技术(License Assisted Access,LAA)可以把LTE网络部署在未授权频段上.为了与Wi-Fi网络友好共存,LAA网络采用先听后说(Listen Before Talk,LBT)机制.但是,LAA和Wi-Fi共存网络的性能很大程度上取决于LBT中的退避机制,而竞争窗口的增加则是由当前...     

八桂大地变化翻天覆地 亚欧首脑共商互利共赢——2008年9、10月新邮介绍

9月28日《机场建设》我国改革开放后,民用机场建设得到了持续快速的发展,新建、改扩建了一大批,现有航班运营机场147个（不含港、澳）,使布局更趋合理,容量显著扩大。2007年,中国民航全年运送旅客约1．84亿人次,旅客吞吐量约3．841乙人次。     

基于误差绝对值之加权和最小的组合预测模型及其应用

介绍了基于误差绝对值之加权和最小的组合预测模型 ,并应用灰色预测法和三次指数平滑预测法两种单项预测法建立上海港集装箱吞吐量的组合预测模型 ,并运用此模型对 2 0 0 0～ 2 0 0 1年上海港集装箱吞吐量进行了预测     

基于时间序列的港口货物吞吐量GRNN预测模型

为准确进行港口货物吞吐量预测,采用逐步递归的方法,建立基于时间序列的港口货物吞吐量广义回归神经网络(Generalized Regression Neural Network,GRNN)预测模型.利用该模型预测某港口货物吞吐量,结果表明:对于小样本的短期预测,该模型具有适应性好、误差小等特点.     

集装箱吞吐量的动态预测研究

针对以往文献中港口集装箱吞吐量的预测结果与实际值差距大的现象，提出用因果模型预测与动态补偿相结合的动态预测方法预测港口集装箱吞吐量，并将此方法用于对上海港集装箱吞吐量的预测，取得了较好的效果，为集装箱吞吐量的预测提供了一条较为可靠且实用的途径。     

多媒体技术及其在中学物理教学中的应用

近年来多媒体技术的出现和迅速发展，为CAI注入了兴奋剂。计算机对信息的强大吞吐量，对信息处理的高效快捷，多媒体集图、文、声、动画、视频于一体，声情并茂，无疑为中学物理课的教学提供了改革的机遇。