论文部分内容阅读
小型化5G基站天线的设计与研究
【出 处】
：
西安电子科技大学
【发表日期】
：
2021年01期
其他文献
点集配准是图像处理和计算机视觉领域中的一个热点和重点方向,在医学图像分析、目标识别与跟踪等方面都有重要的应用价值。点集配准的目标是恢复从模板点集到目标点集的空间变换,使两点集对齐。过程主要分为两步,即确定对应关系和求解空间变换。二者互为前提,交替迭代,直至完成配准任务。由于点集中非刚性形变、噪声、离群点、旋转等干扰因素的存在,导致点集配准算法的精度和效率均受到一定制约。本文以概率模型匹配方法作为基
由海表面的后向散射作用形成的海杂波严重干扰雷达对目标的检测,海面弱目标常常被海杂波所淹没。为了提升雷达对于海面弱目标检测的能力,本文基于某岸基雷达的X波段实测海杂波数据,分析了海杂波的特性,并对海面弱目标检测算法进行了研究。本文主要研究工作为:1、利用实测海杂波数据对海杂波物理散射特性、统计特性、时频特性以及时空相关性进行分析。首先通过分析海杂波的成因,得出海杂波的物理散射模型由布拉格散射、突发散
图像实例分割完成的是像素级的实例目标分割任务,是人工智能与计算机视觉领域的重要发展方向,其被广泛应用到各个领域,如工业生产、监控安防和医疗卫生等。目前的图像实例分割模型主要存在两个问题,第一,传统的图像实例分割模型由于图像中实例对象尺寸差异跨度较大,导致目标检测阶段出现误检、漏检等问题,从而使生成的掩码精度较低。第二,传统的实例分割模型在掩码生成阶段,主要是通过汇聚到全连接层的特征信息对像素点进行
随着计算机技术和互联网技术的发展,各行各业纷纷向“互联网+”和数字化转型,数字信息化服务的用户量剧增,导致了各个领域的数据量呈指数式暴涨,数据计算面临着新的需求和挑战。以单一类型计算资源为主的传统计算系统平台力不胜任,无法满足日趋复杂且多变的应用需求。在此背景下,通用异构计算平台应运而生,被广泛应用于科学计算、深度学习、信号处理和云计算等领域,并取得了显著的成效。它的大规模计算资源为处理海量数据提
自上世纪八十年代以来,人工神经网络迅猛发展。现在,它已经被广泛应用于诸多领域解决实际问题。但是,就目前情况而言,我们所应用的人工神经网络属于第二代神经网络。尽管第二代神经网络帮助我们在很多领域取得了突破性的进展,但它并没有实现真正的仿生,不能够模仿真实大脑皮层神经元网络的工作机制。而构建与人类大脑神经元网络相类似的智能网络作为当下的研究热点,由于大脑结构和功能之谜尚未真正解开,变得极具挑战。本文从
随着移动用户终端产生的通信业务需求的激增和新兴远程物联网业务需求的诞生,传统地面通信网络由于资源有限、节点覆盖范围小等缺陷难以满足业务对大规模连接和高网络承载能力的需求,并且一旦地面网络遭受自然灾害的影响而瘫痪时,将导致受灾地区通信的中断。而卫星通信网络因为海拔高、可用资源丰富的特点具有覆盖范围广、接入技术灵活、免受不可抗力因素破坏等优点,当其与地面通信网络融合形成天地一体化网络时,能够提升网络对
物理层密钥生成技术主要是利用无线信道的互异性、时变性和空间唯一性生成随机序列,区别于传统的加密方法,物理层密钥生成技术不需要第三方可信机构的密钥管理与分发,理论上可以做到一次一密,达到香农保密通信的绝对安全。在5G和物联网时代,物理层密钥生成技术可以对传统加密方式进行补充甚至完全替代,具有广阔的应用前景。本文着重对物理层密钥生成技术的应用场景进行研究,主要的工作与创新点如下:（1）将物理层密钥生成
在移动边缘计算（Mobile Edge Computing,MEC）网络中,可充分利用服务器自身的计算能力,协助资源受限的移动终端进行计算卸载。利用非正交多址接入技术（Nonorthogonal Multiple Access,NOMA）完成计算任务卸载,可有效提高频谱效率,同时减少完成任务计算所需的时延和能量消耗。目前,基于NOMA的移动边缘计算（NOMA-MEC）网络计算卸载研究主要集中在通信
随着信息通信技术的快速更新迭代,物联网技术得到充足的发展和普及,现如今已经改变了人类传统的生活和工作方式,使诸多行业走上智能化的道路。物联网的发展在一定程度上取决于当下通信基础设施的水平和能力,但是在一些偏远地区、广袤沙漠以及远海等场景部署地面网络比较困难,而且地面基站覆盖范围小,这些地区通常没有信号,从而导致物联网技术的服务能力无法满足人类的需求。为解决地面物联网受地域影响大,覆盖范围有限的弊端