可见光通信与非正交多址技术结合,是满足室内高速通信和宽带数据接入的重要方法 .由于室内密集设备通信需求增长,小区间干扰和资源紧缺日趋严重,为了降低小区间干扰,进一步增强室内用户设备高速通信的用户体验质量(Quality of Experienc...可见光通信与非正交多址技术结合,是满足室内高速通信和宽带数据接入的重要方法 .由于室内密集设备通信需求增长,小区间干扰和资源紧缺日趋严重,为了降低小区间干扰,进一步增强室内用户设备高速通信的用户体验质量(Quality of Experience,QoE)和提高可见光通信的频谱资源利用率,提出室内基于非正交多址接入的可见光通信(Visible Light Communication-Non-Orthogonal Multiple Access,VLC-NOMA)协作多点用户接入和功率分配算法.在用户接入阶段,设计基于QoE和多接入点协作的用户接入(User Access algorithm based on User Experience Quality and Coordinated Multipoint,UA-UEQCM)算法,根据用户需求的最小速率、推荐速率值和VLC-NOMA提供的可达速率,评估用户的QoE值和等效的用户满意度值;然后,基于VLC-NOMA中用户需求的平均意见评分(Mean Opinion Score,MOS)和VLC接入点协作可用资源,设计NOMA用户组的效用函数优化用户设备与多个接入点协作接入的双向选择,提高VLC-NOMA网络的MOS值;在功率分配阶段,采用改进教与学优化方法优化NOMA组的功率分配,设计VLC-NOMA的总MOS值为适应度函数值,采用自适应更新和学习模式,优化NOMA组的功率分配因子.仿真结果显示,与其他接入算法和功率分配比较,当用户数目为26时,本文提出的接入算法和功率分配分别比VLC-NOMA网络的总MOS值提高18.06%和10.94%.展开更多
为了进一步提高汽车乘员舱空调系统的智能化和舒适性水平,本文提出了一种基于热舒适理论的个性化智能空调决策系统设计方案。首先,针对汽车乘员舱改进了基于PMV(predicted mean vote)和PPD(predicted percentage of dissatisfaction)理...为了进一步提高汽车乘员舱空调系统的智能化和舒适性水平,本文提出了一种基于热舒适理论的个性化智能空调决策系统设计方案。首先,针对汽车乘员舱改进了基于PMV(predicted mean vote)和PPD(predicted percentage of dissatisfaction)理论的热舒适性计算方法;进一步,利用人体画像技术实现了乘员舱驾乘人员的热舒适性特征提取,并在专家经验知识的基础上构建了具有理论计算依据的乘员舱热舒适数据集;然后,利用机器学习算法搭建了个性化热舒适空调系统随机森林决策模型,以此满足个性化热舒适智能决策需求;最后,给出了完整的系统框架和设计。测试结果显示所提出的系统模型决策准确率在90%以上,实车测试结果表明:本文系统能够识别驾乘人员特征,实时进行个性化热舒适性参数推荐,验证了本研究决策方法的有效性和实用价值。展开更多
文摘可见光通信与非正交多址技术结合,是满足室内高速通信和宽带数据接入的重要方法 .由于室内密集设备通信需求增长,小区间干扰和资源紧缺日趋严重,为了降低小区间干扰,进一步增强室内用户设备高速通信的用户体验质量(Quality of Experience,QoE)和提高可见光通信的频谱资源利用率,提出室内基于非正交多址接入的可见光通信(Visible Light Communication-Non-Orthogonal Multiple Access,VLC-NOMA)协作多点用户接入和功率分配算法.在用户接入阶段,设计基于QoE和多接入点协作的用户接入(User Access algorithm based on User Experience Quality and Coordinated Multipoint,UA-UEQCM)算法,根据用户需求的最小速率、推荐速率值和VLC-NOMA提供的可达速率,评估用户的QoE值和等效的用户满意度值;然后,基于VLC-NOMA中用户需求的平均意见评分(Mean Opinion Score,MOS)和VLC接入点协作可用资源,设计NOMA用户组的效用函数优化用户设备与多个接入点协作接入的双向选择,提高VLC-NOMA网络的MOS值;在功率分配阶段,采用改进教与学优化方法优化NOMA组的功率分配,设计VLC-NOMA的总MOS值为适应度函数值,采用自适应更新和学习模式,优化NOMA组的功率分配因子.仿真结果显示,与其他接入算法和功率分配比较,当用户数目为26时,本文提出的接入算法和功率分配分别比VLC-NOMA网络的总MOS值提高18.06%和10.94%.
文摘为了进一步提高汽车乘员舱空调系统的智能化和舒适性水平,本文提出了一种基于热舒适理论的个性化智能空调决策系统设计方案。首先,针对汽车乘员舱改进了基于PMV(predicted mean vote)和PPD(predicted percentage of dissatisfaction)理论的热舒适性计算方法;进一步,利用人体画像技术实现了乘员舱驾乘人员的热舒适性特征提取,并在专家经验知识的基础上构建了具有理论计算依据的乘员舱热舒适数据集;然后,利用机器学习算法搭建了个性化热舒适空调系统随机森林决策模型,以此满足个性化热舒适智能决策需求;最后,给出了完整的系统框架和设计。测试结果显示所提出的系统模型决策准确率在90%以上,实车测试结果表明:本文系统能够识别驾乘人员特征,实时进行个性化热舒适性参数推荐,验证了本研究决策方法的有效性和实用价值。
