基于云边端协同机器视觉算法自训练系统的研究

随着人类社会对于智能化的推进,机器视觉算法应用范围和需求日益扩大,这使得算法的训练需要大量的数据和计算资源,算法的开发和部署变得更加复杂和昂贵。本文提出通过云边端协同技术,利用视频终端结合算法来采集样本数据,在边缘端利用边缘计算的高效数据处理能力,对实时采集视频数据进行初步的处理和过滤并上传至云端,云端的系统接收到数据后,利用高性能计算资源自动对样本数据进行切割、样本标注、算法训练、算法测试,将测试较好的算法版本进行发布,推送至各终端进行升级,进一步提升终端识别和采集的能力。通过云边端协同工作,视觉识别算法将自动提升精准度和适用性。

多端口模式下VoLTE切换晚问题研究

主要从浙江联通VoLTE点线面全景网络问题出发,深层次挖掘端口与切换关系,通过双发射天线配置指示区分测出的邻区信号准确性,最终实现不依靠路测、不增加网络负荷压力能快速低成本来解决切换过晚甚至切换失败的问题,从而提升VoLTE语音用户感知。该方法在浙江联通VoLTE优化实际应用中效果明显,值得推广及其他地市公司借鉴。

Vpn技术在企业中的应用与优化

分析了VPN技术的特点及应用场合,然后实现了在企业中应用的3种模式。同时,针对在其应用中,随着人数的增加和需求不断增加,专线带宽瓶颈越显突出,导致分支用户业务系统使用不便的问题,设计了一种优化的方案。

基于高铁沿线用户分类的LTE专网优化

通过机器学习中的随机森林算法对高速铁路沿线用户进行分类识别,从训练数据集中分离出专网用户和大网用户,且对训练集和测试集进行精度测试。然后,对LTE小区连接情况进行分析以达到评估高速铁路整体网络线路的目的。最后,对网络质量差的小区进行优化。

5G技术赋能智能电网行业应用实践探究

文章以智能电网行业发展为研究对象,从产业升级的角度探讨了5G技术对电网行业的应用实践。首先,对5G技术和智能电网的相关概念、特点等内容进行了简要概述。其次,结合当前我国智能电网行业发展现状的综合了解,详细介绍了5G技术在智能电网中的应用场景,如大宽带、低延迟和广连接等。最后,提出了推广5G技术在智能电网行业中的建议。文章强调了加强对5G技术应用和推广的重要性,强调加快5G技术应用标准化建设,并通过试点项目和经验分享来促进5G技术在智能电网行业中的应用。这些举措将为智能电网行业的可持续发展提供坚实的技术支持。

基于非监督模型的无线网络异常检测

非监督学习方法可自发地描述数据结构并且推导出网络模式,这对于确认非预期的异常行为并及时地检测出新的异常现象的类型是有效的。本文使用不同的非监督模型来分析无线网络中的流量数据,着重于分析流量数据结合时间轴信息的模型。本文介绍了一个基于高斯概率的潜在语义分析模型——GPLSA,并将该模型与其他方法进行比较,试验结果表明:在一个完全自动化,以数据为驱动的解决方案中,GPLSA可以提供一个稳健的,超前的异常现象检测。

基于Spark的大数据分析工具Hive的研究

随着数据规模的不断增大,传统的关系型数据库方法已经无法满足大数据量的数据查询需求,而基于Hadoop平台的Hive数据仓库为海量数据分析提供了方便的操作。随着实时查询需求的增加,基于Spark的Hive操作得到了很好的应用。文章主要介绍了Hive on Spark的整合步骤以及与Hadoop运行模式的比较。对MovieLens数据集的实验测试显示,新模式的执行速度提高了17.42-46.35倍,这对进一步了解Hive的运行机制及海量数据的实时分析具有重要的意义。

高铁LTE网络射频优化实践——基于小区有效覆盖距离&重叠覆盖度研究

高铁场景LTE网络覆盖受到车体损耗、多普勒效应、车速过快等影响,以致组网信号覆盖及网络性能优化处理较为复杂。文章针对无线环境变化、站点地理分布、天线安装质量等因素导致的高铁质差路段,综合小区有效覆盖距离和重叠覆盖度分析研究成果,指导高铁沿线站点的射频优化。

基于OTT与MR数据的自适应WKNN室外定位方法

随着无线通信技术的快速发展和日趋成熟,基于位置的无线定位服务对于无线通信网络优化分析越来越重要。当GPS不能达到全覆盖时,类似于指纹库的定位技术逐渐产生。本文提出了一种自适应WKNN指纹库定位算法,该算法引入了随机森林算法,计算出每个特征的重要性,并通过丢弃不可靠的参考点进行自适应选择,以提升每个用户定位结果的准确性。整个方法是使用Apache Spark框架实现的,并在运营商的真实数据流上进行测试。结果表明,与TA+AOA和传统的WKNN指纹库定位方法相比,该方法有了显著的改进。

基于终端采样数据AOA的方位角预测方法研究

方位角作为最重要的天线参数,目前主要通过人工勘测获得,耗时耗力,还存在一定安全隐患,无法满足网络优化工作的高效进行。本文提出一种基于网络终端采样数据AOA(信号到达角度)的方位角自动化预测方法,在福建省宁德市随机抽取256个样本小区,利用MDT(最小化路测)数据、资管工参,建立终端上报的AOA、用户经纬度和基站经纬度之间的数学关系模型,实现天线方位角的自动化实时预测,并利用AOA偏差指标实现高精度预测小区筛选。将预测结果与人工勘测方位角进行比较发现:(1)此方法可以高效实现天线方位角的准确预测,10°、20°和30°内预测精度分别为65.23%、85.55%和92.97%;(2)高精度筛选效果较好,筛选精度较高,筛选数量也很可观。

基于深度学习的人体行为识别方法研究

为提高多目标人体行为识别的准确度,本研究借鉴了ST-GCN作者的思路,提出并改进一种基于深度学习的行为识别方法,该方法首先通过YOLOv5算法对视频序列的人体进行识别定位,其次利用改进的DeepSort跟踪算法对定位到的目标进行跟踪,并为每个目标分配不同的ID,再利用OpenPose提取目标人体的骨骼关节点,最后通过改进的ST-GCN算法实现人体行为的识别,从而解决多目标情况下人体行为识别错乱的问题。实验表明,相比原始未改进的算法模型,本研究改进的模型在识别准确率上提升了10%,证明了该方法的有效性。

基于FP-GROWTH算法的关联规则挖掘算法研究

互联网世界的数据每年都在成倍增长,但是对用户有用的信息却好像在减少,用户淹没在数据的海洋中,虽然类似于Google这样的搜索引擎可以帮用户找到需要的信息,但是正确率和查全率都不尽如人意。数据挖掘是兴起于20世纪90年代的一项用于决策支持的新技术。FP-GROWTH算法只进行2次数据库扫描。它不使用侯选集,直接压缩数据库成一个频繁模式树,最后通过这棵树生成关联规则。文章研究FP-GROWTH算法理论的同时实现了一个简单算法演示的系统。系统包括算法的执行,对数据库的修改、查询、删除的操作。最后,对FP-GROWTH算法和Apriori算法进行了比较。

智能温度控制器的设计

温度控制器作为一种能有效控制温度的电开关设备正被广泛使用。然而随着科技的发展,传统的温度控制器暴露出测温精度低、分辨率弱、抗干扰能力弱、能耗高以及缺乏智能化等诸多不足,已经达不到有效控制温度的目的。设计一种新型的符合需求的智能温度控制器是很有必要的。文章主要介绍利用单总线数字温度传感器DS18B20的一种智能温度控制器的设计。该智能温度控制器以ATMEL公司AT89C52为控制器操作,结构简单、测温准确。本系统由DS18B20完成对环境温度信号的采集,并把采集到的信号送给单片机进行处理,完成相应的智能控制,同时将所测得的环境温度在显示电路实时显示。另外还介绍了DS18B20的特性和使用注意问题,给出了该智能温度控制器的原理设计图和关键的程序代码。

银行排队叫号系统设计

随着当今时代科技的发展,科技在各个行业受到广泛运用。文章设计了一种银行排队叫号系统,该系统基于AT89C52的嵌入式系统而设计,用户通过该排队系统进行业务办理等待,其主要核心是通过系统进行安排排队抽号顺序,用户在排队机前进行抽号,系统会生成排队号码并反馈给用户和工作人员,工作人员利用该系统进行叫号并且通过显示器提醒用户当前所叫号数,用户可以通过该系统随时了解排队情况。该系统的运用,可以极大地提高银行排队等待的效率,可以通过排队自动化、规范化来解决客户排队的混乱秩序,同时通过这种现代化信息处理,提高银行的服务水平和质量。

LTE RRC连接重建比优化探究

RRC重建过程是终端由于某种原因导致RRC连接中断,在源小区或新小区发起的恢复RRC连接,以试图快速重建业务,提升用户感受的一个过程。但RRC重建会使得业务短暂中断,影响用户体验。造成RRC重建的原因有很多,如:无线信号差、参数设置不合理、终端兼容性问题等,定位起来较困难。文章对这些问题定位过程中的经验进行总结。

基于用户数据实现天线方位角纠偏的方法

准确的工参是网络优化的基础,本文提出了一种多数据源的工参清洗的机器学习方法,文中利用五种算法对用户数据进行分析,得出小区的预测方位角,可以快速发现天线覆盖异常的问题,为网络智能化运维平台自动更新工参提供强有力的技术支撑。经过国内某地市的试验,结果表明该方法有较高的准确性,能够快速准确地预测天线方位角。

基于BP神经网络的天线场强分布预测方法

精准的场强分布分析是无线网络覆盖及优化的基础,基于BP神经网络对天线调整后扇区场强分布的预测方法,方法步骤包括:(1)收集用户MDT数据,由用户设备UE上报所述用户MDT数据;(2)对所述步骤(1)中收集的MDT数据进行处理,剔除异常值;(3)将扇区分成方形栅格,并将划分的所述方形栅格分为两类,第一类栅格为RSRP数据充足的栅格,用于训练神经网络;第二类栅格为RSRP数据不充足的栅格;(4)采用三层神经网络进行训练,输出RSRP数据不充足的栅格功率;(5)根据天线方位角调整后的每个栅格的平均RSRP公式获得天线方位角调整后的每个栅格的平均RSRP,即实现对天线调整后扇区场强分布的预测。该方法的精确度高误差小。

基于CNN-LSTM模型的不满意用户预警研究

为了从海量数据中挖掘有效信息,提高不满意用户预测精度,针对用户话单数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)的不满意用户预测模型。首先,将用户信息数据和历史话单数据按时间滑动窗口构造连续特征图作为输入,采用CNN提取特征向量;然后,将特征向量以时序序列方式构造,采用LSTM进行用户满意度预测。通过所提方法对江苏省某地区移动通信用户数据的预测实验表明,本文提出的预测方法比传统预测方法、机器学习方法和标准LSTM网络预测方法具有更高的预测精度。

AI技术赋能低压配电运维系统研究

低压配电系统可以说是维系电力使用的关键所在,因此对低压配电系统进行检查和维护必不可少。对当前低压配电系统的运维方法进行详细探究,并根据当前运维方式存在的不足,运用AI技术解决低压配电运维系统中遇到的具体问题。通过基于AMI数据采集的拓扑识别AI算法,提高拓扑自动识别率可达100%;通过基于XGBoost机器学习算法进行单向电表相位识别,累积长时间数据识别率可达100%;通过图像识别的AI算法提高工人和安全帽识别精度和手写表格识别率,使手写表格录入速度比传统手工方式提高20倍。在具体项目实施中进行效果验证和不断改进,取得了良好效果。

LTE大容量场景保障方案研究

大型场馆具有突发用户数量高、高价值用户多、业务需求陡增、网络干扰强等各种网络难点。文章从覆盖、容量和用户感知等维度进行分析,制定适应活动现场的覆盖模型、保障方案和优化策略,提升用户感知和业务体验。