5G蜂窝车联网(C-V2X)资源分配优化与性能评估

为改善蜂窝车联网(C-V2X)频谱利用效率,提出了一种针对系统下行吞吐量最大化、并保证车对车通讯(V2V)链路连接性的资源分配算法。定义蜂窝车联网信道模型,在最大发射功率、中断概率等约束条件下建立优化模型并对其进行分步求解,采用二分图最佳匹配(KM)算法动态调度信道资源,实现C-V2X通信系统中车辆到路边设施(V2I)下行链路与V2V链路之间动态分配网络资源,最后通过不同交通场景评估算法的优化性能。结果表明:本算法经7次迭代后进入稳态,在保证V2V链路连接性条件下实现了V2I链路资源的优化分配,下行链路频谱效率相较于贪心算法平均提升3.5%以上。

基于BP和RBF神经网络的C-V2X无线资源管理

为了提升蜂窝车联网(Cellular Vehicle-to-Everything,C-V2X)资源复用的有效性和降低终端间的干扰,提出通过神经网络对未来时刻车流量的预测辅助无线资源管理方案。依据车载单元(On Board Unit,OBU)与路侧单元(Road Side Unit,RSU)间的车联网消息,获取RSU覆盖区域内各时刻的车流情况,分别采用BP(Back Propagation)神经网络和RBF(Radial Basis Function)神经网络进行短时交通流预测。RSU根据预测结果进行自适应分簇,簇间复用相同资源,簇内进行资源池的划分,RSU覆盖内的OBU在划分的资源池中选择发送资源,从而减少终端间的干扰,并保证热点区域车辆拥有更多的资源。仿真结果表明,在道路交通拥塞的场景下,所提方案的数据包接收率较标准中的方案提升14%,较典型文献方案提升10%,保证了通信的可靠性。

界面陷阱分布对SiC MOSFET准静态C-V特性的影响

为了分析4H-SiC/SiO_(2)固定电荷和界面陷阱对MOSFET准静态电容-电压(C-V)特性曲线的影响机制,对不同栅氧氮退火条件下的n沟道4H-SiC双注入MOSFET(DIMOSFET)进行了氧化层中可动离子、界面陷阱分布和准静态C-V特性曲线的测试,并结合仿真探讨了测试频率、固定电荷、4H-SiC/SiO_(2)界面陷阱分布对准静态C-V特性曲线的影响。实验和仿真结果表明:电子和空穴界面陷阱分别影响准静态C-V曲线的右半部分和左半部分;界面陷阱的E0、Es、N0(E0为陷阱能级中心与导带底能级或价带顶能级之差,Es为陷阱能级分布的宽度,N0为陷阱能级分布的密度峰值)对准静态C-V曲线的影响是综合的;当E0为0 eV,Es为0.2 eV,电子和空穴捕获截面均为1×10^(-18) cm^(2),电子和空穴界面陷阱的N0分别为5×10^(12) eV^(-1)·cm^(-2)和2×10^(12) eV^(-1)·cm^(-2)时,4H-SiC DIMOSFET准静态C-V仿真曲线和实测曲线相近。

沙拉酱对胡萝卜中活性物质体外消化的影响

以胡萝卜为原料,与沙拉酱复配成质量比为6∶1(T1)、4∶1(T2)、2∶1(T3)的胡萝卜沙拉样品,以不加沙拉酱的胡萝卜为对照(CK),采用体外静态INFOGEST消化模型,评估胡萝卜沙拉中主要活性物质(β-胡萝卜素、总酚和V-C)的生物可及性和消化特性。结果显示:除CK和T3的V-C外,活性物质含量经胃消化后均急剧下降,经肠道消化后又上升;添加沙拉酱明显提高了β-胡萝卜素、总酚和V-C的稳定性和生物可及性,T3组中3种生物活性物质在模拟消化过程中较稳定,生物可及性较高;各组的平均粒径D[3,2]和粒径分布强度均先增大,在模拟胃消化阶段消化60 min时最大,随后减至最小,T3组的D[3,2]在模拟消化过程中较小(0.13~5.03μm)。可见,沙拉酱可提高胡萝卜中β-胡萝卜素、总酚和V-C的生物可及性,并具有较好的消化特性,其中以T3组效果较佳。

等离子弧熔覆Fe-C-B-V系耐磨堆焊层的组织及性能研究

以硼铁、高碳铬铁、钒铁为原料,采用等离子弧熔覆技术在Q345钢表面堆焊Fe-C-B-V系铁基合金。使用金相显微镜、扫描电镜和X射线衍射仪等研究了堆焊层的显微组织;分别使用维氏硬度计和冲击试验机测量堆焊层的显微硬度和冲击韧性。结果表明,堆焊层显微组织主要由马氏体、网格状Fe_(3)(C,B)和Fe_(2)B、弥散分布的碳化物及硼化物等(如VB_(2)、VC、Cr_(2)B)硬质相构成;堆焊层的平均硬度高达904.58 HV10、冲击功为68.5 J。堆焊过程中形成的硼化物、碳化物作为硬质相提高了堆焊层的硬度和耐磨性,形成的碳化钒使组织从鱼骨状变成网格状,细化了晶粒,提高了堆焊层的冲击韧性。

基于Hough检测和C-V模型的航拍绝缘子自动协同分割方法

绝缘子分割是通过图像处理技术实现其运行状态自动检测及故障诊断的重要前提。针对航拍图像具有背景复杂、分辨率较低、数量多和伪目标多等特点,使用传统分割方法会产生大量的用户交互导致分割效果不佳。本文把协同分割引入到绝缘子航拍图像处理中,提出一种Hough检测修复结合自动初始化轮廓C-V模型的航拍绝缘子图像协同分割方法。本方法利用航拍绝缘子图像帧之间的关系作为先验信息以达到更高的分割精度。首先对航拍图像进行去除文本预处理;然后对预处理过的图像进行Hough检测修复以处理输电线与绝缘子粘连问题并用SLIC进行超像素分割;最后利用广义霍夫变换实现C-V模型初始轮廓的选取并进行基于图像间的C-V模型的绝缘子协同分割。实验结果表明,本文分割方法的准确率明显比其他算法高,能够有效地区分目标和背景并去除杆塔、输电线等伪目标,自动化性能良好,为无人机航拍绝缘子的状态检测及故障诊断奠定基础。

基于改进型C-V模型的植物病斑图像分割

针对植物病斑图像背景复杂且分割难问题,提出一种基于水平集和加权颜色信息的C-V模型。借助水平集方法对病斑图像的R、G、B分量图像颜色信息取加权值,以差分图像能量作为能量函数最终值,以适应不同的病害种类。试验结果表明,经过R、G、B加权的黄瓜红粉病病斑图像使用4R-G图像模型、苹果锈病病斑图像使用3R-G-B图像模型自动分割的效果较好,比传统C-V模型分割性能好,抗噪性好,可扩展性好。

MF(I)S结构设计对硅基铁电薄膜系统C-V特性的影响

为制备符合铁电场效应晶体管（ Ｆ Ｆ Ｅ Ｔ） 及铁电存储二极管（ Ｆ Ｍ Ｄ） 要求的高质量铁电薄膜，采用 Ｐ Ｌ Ｄ （ Ｐｕｌｓｅｄ Ｌａｓｅｒ Ｄｅｐｏｓｉｔｉｏｎ） 工艺， 制备了不同 Ｍ Ｆ （ Ｉ） Ｓ 结构的硅基铁电薄膜系统由 Ｃ－ Ｖ特性的对比分析可见， 影响 Ｃ－ Ｖ 特性的主要因素除了衬底类型、界面特性之外， 还有薄膜的结构设计在此基础上， 为改善铁电薄膜的 Ｃ－ Ｖ

Fe-Cr-C-V等离子堆焊层改善旋耕刀耐磨性和冲击韧性

为解决农机触土部件耐磨性差、失效频繁等问题,该文采用等离子堆焊技术在65Mn钢基体上制备Fe-Cr-C-V堆焊层;利用金相显微镜、X射线衍射仪分析了堆焊层的显微组织和物相构成;利用显微硬度计、往复式摩擦磨损试验机、自制土槽磨损试验机、冲击试验机等设备测试了堆焊层的显微硬度、耐磨性及冲击韧性。结果表明,堆焊层与基体呈良好的冶金结合,Fe-Cr-C-V堆焊层主要由α-Fe、Cr7C3、M7C3([Fe,Cr]7C3)、Fe-Cr固溶体、VC等组成。与65Mn淬火钢相比,Fe-Cr-C-V堆焊层的维氏硬度提高了75%,磨损质量降低了约67%。与Fe-Cr-C堆焊层相比,Fe-Cr-C-V堆焊层维氏硬度提高了HV0.5100,冲击韧性提高了21%。与常用的65Mn铲尖相比,有Fe-Cr-C-V堆焊层的深松铲铲尖磨损质量减少了78%,与常用60Si2Mn旋耕刀相比,有Fe-Cr-C-V堆焊层的旋耕刀平均磨损质量减小约50%。该研究可为延长旋耕刀使用寿命提供参考。

基于区域增长与局部自适应C-V模型的脑血管分割

提出了一种针对TOF MRA(time-of-flight magnetic resonance angiography)磁共振图像的双重分割脑血管提取方法.首先结合高斯滤波,采用二维OTSU算法,结合MIP(maximum intensity projection)图像获得三维血管种子点,定义全局与局部信息相结合的区域增长规则,通过区域增长算法对血管进行粗分割;然后,采用Catt扩散模型对体数据场进行各向异性滤波,提出了局部自适应C-V模型,将初步分割结果作为自适应活动轮廓模型的初始轮廓线进行二次分割.实验结果表明,该算法不仅能够有效分割脑血管粗大分支,而且还能精确提取脑血管的细小结构.

改进的C-V水平集模型图像分割算法

复杂的计算限制了基于Chan-Vese(C-V)水平集模型的图像分割方法的应用。为提高图像分割的速度,提出一种基于C-V水平集模型的改进水平集方法。在一般情况下,只需要几次简单迭代就能分割出物体的轮廓。实验表明,该方法简单高效,能够快速有效地实现图像轮廓分割。

基于高斯分布改进C-V模型的植物病斑彩色图像分割

为了使C-V模型能够准确快速分割植物病斑图像,该文引入高斯混合模型来构建C-V模型,针对基于加权颜色信息的C-V模型处理时间长,R、G、B通道能量系数难确定等问题,结合高斯混合模型和C-V模型对病叶图像进行分割。先选中病斑区域中一点,以其3×3邻域像素均值作为C-V模型中曲线的内部能量均值;利用高斯混合模型对病斑图像建模,并采用高斯混合模型先验概率初始化C-V模型的水平集函数;最后分别以图像R、G、B通道中目标和背景像素均值的比例作为3个通道的权值,演化水平集函数的分割曲线。试验结果表明,该方法能够有效地分割出植物病斑,并在分割性能上优于基于加权颜色信息的C-V模型及传统C-V模型。本文的研究结果可为植物病斑分割提供参考。

一种改进的无需水平集重新初始化的C-V主动轮廓模型(英文)

重新初始化是使水平集函数保持符号距离函数的必要步骤。虽然它保证了水平集函数的稳定收敛,但是它也降低了曲线演化的速度。本文主要在该方面针对Chan-Vese提出的水平集图像分割模型进行了改进,提出了无需重新初始化的C-V模型。该模型将水平集函数与距离函数的偏差作为能量函数引入C-V模型,以此来约束水平集函数成为距离函数,提高了C-V模型的演化速度。同时该模型能够用一般的分段常数函数来定义初始水平集函数,即水平集函数不必初始化为符号距离函数。这样,对于不规则形状的初始轮廓,节省了初始化过程所消耗的时间。实验结果表明,本文所提出的模型不仅提高了C-V模型的演化速度,而且实现了水平集函数初始化的灵活性。

MFS结构钛酸铋薄膜的C-V特性研究

利用sol gel方法在p Si(111)基底上制备钛酸铋薄膜。测量不同退火温度下得到的In/BTO/p Si结构的C V曲线,测量结果表明制备的MFS结构钛酸铋薄膜在合适的制备工艺下可望实现极化型存储。

C-V模型与工业CT相结合的几何测量方法

针对工业生产中复杂封闭内腔几何尺寸很难测量的问题,提出一种基于C-V模型的工业CT几何测量方法.首先利用C-V模型提取目标边缘坐标点的有序链码,然后利用Green定理和欧氏距离公式计算目标区域的面积和周长.在提取目标边缘坐标点的步骤中,把边缘灰度先验知识融入C-V模型以提高测量精度;在计算目标区域的面积和周长的过程中,合理地选择目标边缘有序坐标点和插值有序坐标点,再一次提高几何测量精度.实验结果表明,与2DFacet模型测量方法相比,文中方法测量精度约提高1个数量级;并已将该方法应用于实际中.

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。

改进C-V模型的木材缺陷彩色图像分割研究

分析了木材节子缺陷图像的特点,将彩色图像作为一个整体的图像进行处理,保护了彩色图像信息的特性,提出了一种基于AOS的扩展C-V矢量模型及背景填充耦合的木材节子缺陷彩色图像分割算法。对Chan-Vese提出的基于Mumford-Shah模型的水平集矢量图像分割模型进行了改进,使分割速度得到了提高;用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定;结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。实验结果表明该方法可以较好地实现对木材死节、活节和虫眼等缺陷的彩色图像分割,也可实现对单板多节子缺陷彩色图像的分割,为木材缺陷边缘检测提供一种行之有效的方法。

结合C-V模型水平集与形态学的彩色树木图像分割

树木图像分割是一种从图像中把树木与周围背景完整分离的技术,是计算机仿真学科在林业应用方面的核心内容,也是计算机视觉方向的研究热门,为林业应用提供一定的技术支持。根据树木图像含有分裂、合并、形成尖角等相对比较复杂形状的特点,首先对图像运用基于C-V模型水平集的计算,通过计算活动轮廓长度和差异量来判断迭代收敛的情况,待迭代稳定后对其进行形态学后处理操作,将某些过分割区的细密纹理和噪声剔除,从而得到全局最佳优化的图像分割效果。为彩色树木图像的分割提供一种更为有效的方法。

基于改进C-V模型的脑组织提取算法

通过对水平集算法C-V模型进行三方面改进,提出一种基于改进C-V模型的脑组织提取算法.首先,通过改进经典的距离函数,在保证准确度的同时,可以在很大程度上加快距离函数的收敛,提高分割速度.其次,改进了收敛结果的唯一性,使边缘停止在欲提取的目标类灰度上,用于去除脑脊液,使脑灰质、白质的提取更加准确.最后,提出了迭代收敛的动态结束条件.通过间隔帧的对比,改进了以往通过经验迭代次数作为结束条件,使分割效果与迭代时间达到较优.实验结果表明,该算法在脑组织的分割速度及准确性上有了较大提高,为医生确诊病情带来便利.

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.