公共文化服务平台

基于双正交小波信道估计改进的TR-UWB系统: 2008年; 针对超宽带(UWB)信号因脉冲持续时间短、时域分辨率高、在传播中出现密集多径现象的特点,利用小波函数和超宽带脉冲之间的相似特性,提出了一种基于双正交小波基的高效估计多径衰落幅度和时延等信道参数的信道估计算法,以便接收机能捕获足够的信号能量。通过滑动相关实现了同尺度上信号与小波的内积运算,避免了峰值搜索过程,简化了估计器的结构。同时,基于由信道冲激响应估计值合成的本地相关模板信号,提出了改进的发射-参考超宽带(TR-UWB)系统。Monte-Carlo 仿真结果表明,该算法的归一化均方误差较小,改进的 TR-UWB 系统能有效抑制参考符号中噪声的影响,系统性能优于传统 TR 接收机。; 曾勇波王树彬邹卫霞周正Kyung Sup Kwak; 关键词：超宽带双正交小波信道估计

LED显示屏无线数据传送控制器的设计被引量：3: 2004年; 采用微控制器和复杂可编程逻辑器件相结合的结构体系,设计了一个在无线数据通信方式下向LED显示屏的主控电路传送数据的控制器.该控制器能够完成LED显示屏所要显示的字符、汉字、图片的编辑和实现200米以内的数据传送.; 王树彬李树华; 关键词：单片机复杂可编程逻辑器件液晶显示模块

虚拟实验的一个缺陷及其补救方法: 2001年; 虚拟实验的纯计算特性是它的一个特点，也是它的一个缺陷，特别是在一些具有随机干扰的场合.通过加入一个试探脉冲可以对此缺陷进行补救.试探脉冲不影响系统的固有参数,它的强弱和形状分别对系统输出的起始幅度和相位产生影响.; 赵艳杰刘超英王树彬车淑兰; 关键词：虚拟实验系统稳定性电子技术教学 CAI

一种次级用户检测认知无线电频谱的方法及系统: 本发明提供了一种次级用户检测认知无线电频谱的方法及系统，所述方法包含：步骤101）根据跳频信号功率谱随时间变化的差异性，计算次级用户在某段时间内接收数据的实际功率谱与平均功率谱的差值，从而抵消定频干扰功率谱而保留跳频信号...; 王树彬刘萨日娜王洪月刘慧琴; 文献传递

基于深度学习的自动调制识别方法、系统及其设备: 本发明属于通信领域，具体涉及一种基于深度学习的自动调制识别方法、系统，及其对应的自动调整识别设备。该方案包括并行神经网络的设计、训练和应用三个主要步骤。本发明设计了一种将跳跃连接的卷积神经网络与门控循环单元相结合的双分支...; 王树彬闫森

构建“五位一体”创新创业教育新体系——内蒙古大学创新创业教育改革的探索与实践被引量：11: 2017年; 深化创新创业教育改革是高等学校全面深化本科教育教学改革和提升人才培养质量的突破口和重中之重。本文提出了构建培养方案、课程体系、教学方法、制度创新、实践环节"五位一体"的创新创业教育新体系,并以内蒙古大学创新创业教育改革的探索与实践为例,将创新创业教育改革作为一个系统工程,体现并逐步落实到人才培养的全过程各环节。; 王志平衣翠珊王树彬; 关键词：创新创业教育体系

一种无线传感器网络APTEEN路由协议的优化方法及其优化装置: 本发明公开了一种无线传感器网络APTEEN路由协议的优化方法及其优化装置。该优化方法包括以下步骤：构建无线传感器网络的网络模型；预分簇；优化簇。簇的预分方法包括以下步骤：计算出无线传感器网络中簇头数；使基站根据收集的能量...; 王树彬张博闻; 文献传递

一种基于发送方丢包区分机制的车联网退避方法及其装置: 本发明公开了一种基于发送方丢包区分机制的车联网退避方法及其装置，该方法包括：根据车辆的车速，动态调整观测间隔以使观测间隔与车速呈反比变化，并取本次的观测间隔与上次的观测间隔的平均值作为周围节点数目；先构建差错信道下的碰撞...; 王树彬杜京涛; 文献传递

车联网的MAC协议退避算法研究被引量：3: 2018年; 针对车联网MAC层IEEE802.11p协议中的二进制指数退避算法不能有效应用在车辆环境的问题,提出一种基于车辆密度退避算法来解决这一问题。在该算法中,车辆节点通过定期广播信标来获取通信范围内的车辆数量并计算出车辆密度,根据密度的大小动态的调整竞争窗口值,从而更加适应网络拓扑变化快速的车联网环境。通过OPNET仿真表明,基于车辆密度退避算法比二进制指数退避算法在吐量方面大约提高了30.7%;平均端到端时延则大约降低了20ms,基于车辆密度退避算法具有更好的网络性能,更加适用于车联网环境。; 祁涛王树彬杜京涛; 关键词：车联网 IEEE

基于多智能体深度强化学习的车联网资源分配方法: 2024年; 在车联网中,合理分配频谱资源对满足不同车辆链路业务的服务质量(Quality of Service,QoS)需求具有重要意义。为解决车辆高速移动性和全局状态信息获取困难等问题,提出了一种基于完全分布式多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)的资源分配算法。该算法在考虑车辆通信延迟和可靠性的情况下,通过优化频谱选择和功率分配策略来实现最大化网络吞吐量。引入共享经验池机制来解决多智能体并发学习导致的非平稳性问题。该算法基于深度Q网络(Deep Q Network,DQN),利用长短期记忆(Long Short Term Memory,LSTM)网络来捕捉和利用动态环境信息,以解决智能体的部分可观测性问题。将卷积神经网络(Convolutional Neural Network,CNN)和残差网络(Residual Network,ResNet)结合增强算法训练的准确性和预测能力。实验结果表明,所提出的算法能够满足车对基础设施(Vehicle-to-Infrastructure,V2I)链路的高吞吐量以及车对车(Vehicle-to-Vehicle,V2V)链路的低延迟要求,并且对环境变化表现出良好的适应性。; 孟水仙刘艳超王树彬; 关键词：车联网资源分配

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

王树彬