星基增强系统码噪声和多路径误差处理方法研究

星基增强系统(Satellite-Based Augmentation System,SBAS)利用伪距测量校正值实现对导航卫星的差分完好性增强,码噪声和多路径误差处理精度是影响系统服务性能和用户定位精度的重要因素.本文详细介绍了三种不同的原始伪距码噪声和多路径误差处理方法,包括单频平滑方法、码噪声和多路径改正方法(code noise and multipath correction,CNMC)以及广域增强系统(Wide Area Augmentation System,WAAS)使用的码噪声多路径方法(code noise multipath,CNMP),并通过正式运行的SBAS数据,验证了不同的码噪声和多路径误差方法对于用户定位精度的影响.结果表明:CNMP能够有效消除SBAS服务性能评估中的原始伪距码噪声和多路径误差影响,相较于CNMC方法,全球参考系统(wide-area reference station,WRS)站点95%水平定位精度提升0.2 m,95%垂直定位精度提升0.47 m.

一种顾及时空变化的BDS PPP多路径误差建模方法

根据BDS GEO、IGSO、MEO三种星座卫星轨道运行特性,使用多路径误差半天球格网点模型(multi-point hemispherical grid model,MHGM)和恒星日滤波(sidereal filtering,SF)方法建立BDS混合星座的多路径误差改正模型。使用该模型改正多路径误差后,BDS精密单点定位(precise point positioning,PPP)的载波相位验后残差显著减小,E、N、U方向定位精度分别提升41%、37%、38%,收敛速度整体提升31%。

基于网络编码的机密业务多路径光传输方法

随着互联网应用发展,越来越多具有安全需求的机密业务在空分复用弹性光网络中传输时,面临被攻击或窃听的安全风险.为了确保机密业务的传输安全性和减少频谱资源的浪费,提出一种空分复用弹性光网络中基于网络编码的机密业务多路径光传输方法 .在机密业务的路由阶段,该方法通过设计评估链路被窃听概率、路径跳数和路径上空闲频谱资源的路径代价函数,为机密业务选择最小路径代价的两路径或三路径传输策;在纤芯选择中,设计路径碎片率和负载失衡的评估值,为机密业务选择满足业务带宽需求的碎片率低和负载均衡的纤芯;在频谱分配中,设计满足网络编码条件的频谱碎片和负载感知的频谱分配方法,通过滑动频谱窗方法,为机密业务寻找能网络编码、且导致纤芯的频谱碎片化程度小和负载均衡的频谱块.仿真结果表明,与其他采用网络编码的路由频谱分配算法相比,在负载大于200爱尔兰时,本文所提方法能有效降低机密业务阻塞率和提高频谱资源使用率.

基于路径相似表与个体迁移策略的多路径覆盖测试

将遗传算法用于多路径覆盖测试中是个研究热点,在新旧种群迭代过程中,旧种群中可能包含其他子种群的优秀个体,这部分个体未被充分利用,造成资源浪费;同时,种群中的个体数会远大于可达路径数,而每个个体都会经过某一条可达路径,这样会有多个个体经过同一条路径,导致重复计算个体与目标路径的相似度。基于此,提出结合路径相似表与个体迁移的多路径覆盖测试方法以提高测试效率。通过路径相似表存储已计算得到的路径相似度值,避免该值被重复计算,减少测试时间。在进化过程中,将个体路径与其他目标路径进行比较,若相似度达到阈值,则将此优秀个体迁移至该路径对应的子种群中,提高个体利用率并减少进化代数。由实验可知,该方法与其他六种同类经典方法在八个程序上的平均生成时间降低最高达44.64%,最低为2.64%,平均进化代数降低最高达35.08%,最低为6.13%,故该方法有效地提高了测试效率。

结合SVM与XGBoost的链式多路径覆盖测试用例生成

机器学习方法可很好地与软件测试相结合,增强测试效果,但少有学者将其运用于测试数据生成方面.为进一步提高测试数据生成效率,提出一种结合SVM(support vector machine)和XGBoost(extreme gradient boosting)的链式模型,并基于此模型借助遗传算法实现多路径测试数据生成.首先,利用一定样本训练若干个用于预测路径节点状态的子模型(SVM和XGBoost),通过子模型的预测精度值筛选最优子模型,并根据路径节点顺序将其依次链接,形成一个链式模型C-SVMXGBoost(chained SVM and XGBoost).在利用遗传算法生成测试用例时,使用训练好的链式模型代替插桩法获取测试数据覆盖路径(预测路径),寻找预测路径与目标路径相似的路径集,对存在相似路径集的预测路径进行插桩验证,获取精确路径,计算适应度值.在交叉变异过程中引入样本集中路径层级深度较大的优秀测试用例进行重用,生成覆盖目标路径的测试数据.最后,保留进化生成中产生的适应度较高的个体,更新链式模型C-SVMXGBoost,进一步提高测试效率.实验表明,C-SVMXGBoost较其他各对比链式模型更适合解决路径预测问题,可提高测试效率.并且通过与已有经典方法相比,所提方法在覆盖率上提高可达15%,平均进化代数也有所降低,在较大规模程序上其降低百分比可达65%.

基于知识图谱技术的实践课程个性化多路径学习模式

作为为教学提供必要的知识体系建构工具,知识图谱技术配合课程改革,为实施个性化、多路径学习提供了可能性。探索实践类课程改革新模式,旨在突出学生的主体地位,促进学生自主学习、协作学习和个性化学习。在混合式学习模式下,有效提升学生对知识的吸收、运用、提炼和加工能力,提升教师团队协作,减少重复教学,加强教与学互促、互长。课程改革围绕“总体设计分层思路-打造个性化多路径学习链条-打通堵点多种教学方式并用”展开。该模式在电子商务八项实践技能训练课程实践中,提升了学生实践能力,为更多实践类课程改革提供思路。

北斗系统GEO卫星伪距多路径误差改正

北斗系统地球静止轨道(GEO)卫星因相对于地面近似静止,其多路径误差相对于其他类型较为严重,且表现出系统波动现象。为提升定位精度,本文在GEO卫星伪距多路径误差特征研究的基础上,采用奇异谱分析方法对其进行修正,并通过伪距单点定位(SPP)验证伪距多路径误差修正效果。选取测站CUT0连续10d的静态观测数据进行修正试验。研究发现,GEO卫星伪距多路径误差序列表现出较强的天重复性,且多路径误差中的系统误差项越大,重复性也越强;在运用奇异谱分析方法修正GEO卫星伪距多路径误差各系统误差项后,多路径组合(MP)观测值和SPP的定位精度均有一定程度提升。

基于深度强化学习的多路径调度模型

文章提出一种基于深度强化学习的多路径调度模型,在聚合场景中将深度学习技术应用于流量管理,以解决多路径环境下的数据包调度问题。文章使用了一个多路径快速UDP网络连接协议(MPQUIC)来实现多路径场景中的路径选择,并训练了一个代理人(Agent)来改进最优选择路径的算法,展示了将深度Q网络代理(DQN Agent)应用于数据流量管理问题的优势。实验证明了在实时环境中使用DQNAgent来提高包调度器性能的可行性,以及使用该技术对新的5G网络进行优化的潜力。实验结果表明:基于深度强化学习的多路径调度模型能够自适应地调整路径选择策略,从而提高网络的稳定性和可靠性。改进的模型不仅具有理论价值,还为实际应用提供了有益的参考和借鉴。

平陆运河土石方多路径利用的基础问题与解决途径

平陆运河是西部地区陆海新通道骨干工程,其建设过程将产生涵盖23种岩土类型、成分杂且分布散的土石方约3.39×10^(8)m^(3),因而土石方资源化利用是建设平陆运河绿色工程的重要组成部分;正在实施的土石方利用途径以抬填造地为主(占50%以上),存在高品质的资源化利用率低、产品应用需求研究滞后、创新技术少、数字化程度低、碳排放评价缺失等基础问题,阻碍了平陆运河土石方的多路径高效利用。本文针对相关基础问题,着重从资源化、数字化、低碳化的角度出发,提出了平陆运河土石方利用创新解决途径:挖掘工程自身及周边地区的潜在应用需求,根据不同岩土的类型分别形成利用途径,实现多场景应用和多路径利用;构建开挖区土石方地质信息模型、土石方信息数据库等,形成土石方的数字化“挖-运-储-用”技术;建议针对多利用路径的碳排放进行生命周期评价,结合土石方数据库开展碳排放的动态评价,研发模块化移动式处置装备、原位利用技术以支持实现降本减碳。在平陆运河工程的现状基础上,资源化、数字化、低碳化的有机结合将为平陆运河绿色工程建设提供坚实支撑,也可为后续其他工程的土石方多路径利用提供技术参照。

多路径误差对BDS-3变形监测精度的影响

为定量分析BDS-3观测值多路径误差对变形监测精度的影响,选取包含7个站点的某水利工程2022年共128 d的BDS-3监测数据,对监测站点周围树木裁剪树枝前后BDS-3观测值多路径误差、变形监测精度及二者的相关性进行研究。结果表明:1)多路径误差与BDS-3变形监测精度间存在强相关性,与其平面和高程精度的相关系数分别大于0.93和0.81;2)监测站点周围树枝裁剪后,使用B1I和B3I观测值的平均多路径误差从0.676 m、0.426 m降低至0.329 m、0.230 m,N、E、U方向的平均监测精度分别达0.9 mm、0.8 mm、1.7 mm和1.1 mm、1.0 mm、2.2 mm,较裁剪树枝前分别提高63%、69%、58%和52%、61%、48%;3)改变周围观测环境削弱多路径误差的影响后,使用B1I观测值的精度优于使用B3I观测值的精度,因此在BDS-3短基线变形监测的应用中推荐使用B1I观测值。

适用于图像超分辨率的多路径融合增强网络

卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN)。具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块。融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习。层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习。大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性。

基于卷积注意力引导的多路径语义分割网络

为降低基于Transformer的语义分割模型的计算量,本文将眼光重新回到CNN模型,提出了MCAG,一种用于语义分割的多路径卷积注意力网络架构.在包含了注意力机制的前提下,利用多尺度卷积特征,通过简单的元素相乘来唤起空间注意力,降低了计算量,且多路径架构让模型对细节和边界的关注增加.MCAG能够从局部到全局获取多尺度上下文,实现自在空间和通道维度上适应性,从低到高聚合信息.MCAG提高了之前先进方法在流行基准上的性能,在ADE20K、Cityscapes、COCO-Stuff上分别达到了47.7%、82.51%、43.6%的mIoU.本文提出的MCAG在很大程度上提升了小物体的分割精准率,证明了卷积注意力机制与多路机制的融合是成功的.

实时系统多路径任务概率时序分析研究综述

随着现代嵌入式实时系统在硬件与软件结构上的日益复杂化,传统WCET分析方法已难以满足需求,这推动了使用概率和统计技术对实时系统中多路径任务进行时序分析.本文深入探讨了这一领域的研究成果,首先回顾了传统时序分析方法,总结了传统方法的实现步骤和局限性,随后引入了概率时序分析和统计学的基本概念.接着详细讨论了静态概率时序分析、基于测量的概率时序分析和混合概率时序分析3种技术路线,并重点分析了这些技术在多路径任务时序分析中的应用与发展现状.最后,总结了当前多路径任务概率时序分析技术存在的主要挑战,并对未来的研究方向提出了建议.

一种自适应加速的多路径匹配追踪重建算法

在压缩感知重建算法中,多路径匹配追踪算法能够通过搜索多个路径提升获得全局最优解的可能性,但产生的大量冗余路径会造成严重的性能损耗。针对此问题,提出了一种基于自适应加速的多路径匹配追踪重建算法。首先,该算法在路径分解时,通过设置阈值门限控制生成的子枝点数量,优化了原算法平均分配路径数的策略,使相干性强的父枝点可以遍历更多的子枝点,限制相干性小的原子被分配到新的路径中;其次,利用首个路径产生的重建残差,设计了新的修剪准则对候选路径进行二次筛选,进一步减少冗余路径的生成,降低了计算支出;最后,在理论上推导了所提算法在理想状态下准确重建信号的有限等距性条件,给出了所提算法在有噪条件下准确重建信号的信噪比界限。仿真结果表明,在一维和二维信号的重建实验中,所提算法在保证较高的重建精度的前提下,与多路径匹配追踪算法相比,有效提升了重建效率。

全并联AT牵引供电系统雷击故障测距多路径行波算法研究

针对AT变压器和并联结构导致行波传播路径复杂,行波波头性质难以有效识别和行波色散现象,线路频变参数特性导致波速不稳定的问题,提出一种基于多路径行波测距方法。基于上下行电流行波传播的差异性,利用电流相似度识别故障区段。探讨全并联AT牵引网结构对行波传播特性的影响,并对电流、电压行波传播路径进行标定。基于多路径电流、电压行波极性分析,筛选出用于故障测距的多路径行波,以推导出消去波速的测距方程。仿真表明:所提测距方法可以有效识别波头性质,且计算故障距离基本与波速无关,不受牵引网区段长度、结构影响。

远海环境低成本RTK接收机多路径效应与平滑伪距单点定位性能

低成本RTK接收机抗多路径性能较弱,导致远海环境中的单点定位性能显著下降。综合分析远海环境中载波相位平滑抑径算法对低成本RTK接收机单点定位性能的影响。结果表明,远海环境中RTK接收机的多路径效应为陆地环境的2~3倍,E5频点的抗多路径性能最强;平滑抑径效果与伪距多路径效应大小有关,采用平滑抑径算法后,RTK接收机SPP定位精度在远海环境提升62%,在陆地环境提升24%;平滑抑径后GPS/Galileo/BDS-3多系统SPP定位精度优于1 m,可满足海上较精细作业的需求。

基于CEEMDAN-WP-SSA的GPS/BDS-RTK多路径噪声抑制方法

针对GNSS-RTK技术在复杂环境下的多路径效应误差和随机噪声难以消除的问题,提出一种自适应完备集合经验模态分解(CEEMDAN)、小波包(WP)去噪和奇异谱分析(SSA)结合的联合去噪方法,来消除基线坐标序列的噪声影响,在此基础上构建适用于GPS/BDS组合的恒星日滤波模型。首先采用CEEMDAN方法将原始信号分解成若干个特征模态函数(IMF),使用排列熵区分高频和低频分量,然后分别利用WP和SSA对高频信号和低频信号进行去噪,最后重构去噪后信号并通过恒星日滤波削弱后续坐标序列里的多路径误差。实验结果表明,基于CEEMDAN-WP-SSA构建的恒星日滤波模型能够很好的去除随机噪声以及削弱多路径误差影响,与CEEMDAN和CEEMDAN-WP方法相比,文中方法东(E)、北(N)、高程(U)3个方向的定位精度分别提升约17%、23.6%、13.6%和17%、19.8%、10%。

基于多尺度多路径集成网络的轴承故障诊断方法

针对卷积神经网络参数量大、层数深、泛化性能弱的问题,提出了一种基于多尺度多路径集成网络(Multi⁃scale Multi⁃path Convolutional Neural Network,MCS⁃CNN)的轴承故障诊断方法。首先,提出多尺度卷积块,利用深度卷积和逐点卷积来降低网络参数量、增加网络宽度,有效提取多尺度特征;其次,提出集成块,利用多路径的连接方式将低级和高级特征连接起来以增加网络深度,进而提高模型诊断精度;最后,在凯斯西储大学轴承数据集上进行验证。结果表明,在高噪声和跨负载场景下的故障诊断精度分别可达97.5%和98.25%,在混合场景下相较于现有的诊断方法精度提高了15百分点以上,有效表明了此方法的鲁棒性和泛化性。

基于哈希边界的ICN多路径数据调度方法

在信息中心网络(ICN)中采用多路径通信可以提高网络的带宽利用率和数据传输的可靠性,而保障ICN多路径传输性能的一个关键因素是有效地调度可用网络路径上的流量。但不同的路径具有不同的链路状态,而且这些路径的链路状态会因流量波动而快速变化。因此,本文提出了一种基于哈希边界的ICN多路径数据调度方案,以在较小的时间尺度上实现高效的路径权重分布更新和精确的流量分割。该方案通过将哈希边界与每条路径相关联来实现流量的不均匀分割,并降低了路径权重分布更新的开销。实验结果表明,在路径链路状态动态变化的场景下,与ECMP等多路径数据调度方案相比,所提方案的数据块平均传输完成时间缩短12%以上。

削弱大型水闸BDS监测多路径效应的MHM方法

大型水闸变形监测复杂环境中存在的多路径效应限制了全球导航卫星系统(global navigation satellite system,GNSS)精密定位的精度。对此,提出一种顾及北斗导航卫星系统(Beidou navigation satellite system,BDS)不同星座类型多路径效应的半天球图(multipath hemispherical map,MHM)方法。该方法建立以监测站为球心的半天球进行格网点划分,通过格网点内参数化实现多路径误差建模,适用于BDS多星座以及大型水闸复杂的监测环境。采用曹娥江大型水闸监测案例,对多路径改正前后的单差残差及变形监测坐标序列进行分析,XYZ方向精度较多路径误差改正前提升63.06%、54.17%、57.84%,表明采用该方法可以有效削弱多路径效应,提高变形监测精度。