一种适用于QAM-OFDM自适应分配算法

为解决在正交幅度调制-正交频分复用调制(QAM-OFDM)系统中的自适应比特分配算法复杂度过高的问题,提出了一种子载波比特分配方案.基于边缘自适应准则,通过对信道增益的预处理,在迭代分配中利用与运算以及移位操作来减少贪婪(greedy)算法中的计算和搜寻操作.仿真结果显示:在相同的仿真环境下,改进算法与贪婪算法有着几乎相同的比特分配效果以及误比特率性能,并且较贪婪算法所用的时间更少,由此验证了改进算法具有很高的实用性.

ADCSM:一种细粒度汽车行驶工况模型构建方法

汽车行驶工况体现了汽车道路行驶的运动学特征,现有的行驶工况构建方法往往存在着构建粒度不细、精度不高的问题。为了解决工况构建的粒度和精度问题,提出了一种细粒度汽车行驶工况模型构建方法(Construction method of Automobile Driving Cycles based on SOM and Markov model,ADCSM)。首先行驶数据进行Daubechies-4阶小波分析降噪,划分短行程,对短行程提取了10个特征,将短行程特征输入SOM神经网络,然后聚类到(1*3)神经网络中,得到聚类结果序列,并建立了马尔可夫模型,最终通过ADCSM算法完成工况构建。对所构建的工况进行了验证,并将所得工况与传统的K-means聚类构建方法的结果进行了比较分析。实验结果表明,ADCSM最终误差为4.07%,而传统的K-means误差为8.77%,ADCSM利用了SOM神经网络聚类的方法,比传统K-means方法聚类精度更高,并具备了工况自学习能力。ADCSM利用马尔可夫模型方法体现了城市行驶状况的转换关系,与传统K-means行驶工况构建方法相比粒度更细,故合成的行驶工况效果更好,更能反映城市特征。

新零售背景下实体零售转型的问题与对策研究

受宏观经济增长放缓,消费者购物习惯及需求变化影响,实体零售经历了负利润、关店潮和低增长,同时网络电商受流量红利衰退影响,也开始整合线下渠道资源,向线下发展,线上线下相融合的新零售模式应运而生。本文从实体零售向新零售转型的角度,对实体零售转型过程中存在的问题及对策进行研究。