一、共同的梦想:RTS——实时系统(论文文献综述)
蔡冲霄[1](2021)在《高速航空飞行器集群资源分配技术与低时延MAC协议的设计》文中研究指明随着无线通信技术的发展,航空飞行器集群在军事领域的应用逐渐广泛。集群在空中自发形成的航空自组织组网络(Aeronautical Ad Hoc Networks,AANET),覆盖范围广,组网和拆除速度快,抗毁性能强,能够执行更加复杂的任务。由于环境因素的影响和可用带宽的限制,AANET可靠通信对信道的时延和吞吐量有更严格的要求。现在AANET中使用的媒体接入控制(Media Access Control,MAC)协议保证了较低的传输时延,但忽略了资源分配带来的开销,对提升吞吐量的考虑并不周全,因此研究低开销的资源分配机制对实现高效协同作战具有重要意义。本文的主要工作如下:一、对航空自组网的特点和三类MAC协议进行分析:以CSMA/CA(Carrier Sense Multiple Access with Collision Avoidance)为主的竞争类协议,适用于轻负载网络,重负载时引起竞争冲突导致时延加剧。以分布式固定TDMA(Time Division Multiple Access)为主的调度类协议时延稳定,但固定分配机制缺乏灵活性,资源利用率低。混合类协议将分布式固定TDMA与载波侦听、随机退避结合,有利于提升空闲时隙使用效率。通过仿真验证协议性能,分析了三类协议不适用于低时延重负载网络的原因,需要进一步设计节省开销的高效MAC协议。二、空闲时隙授权TDMA协议——ITT-TDMA(Idle Timeslot Transfer TDMA)的研究与仿真。通过分析有休假的M/D/1排队系统可知,帧长是影响时延的主要因素。针对短帧长时混合类协议竞争窗口占比较大的问题,以固定TDMA为基础研究了空闲时隙资源分配算法,设计了ITT-TDMA协议。在保证节点基本通信能力的基础上,SI(Slot Information)中设置“受让者”实现当前闲置时隙的主动授权,与竞争窗口相比,SI开销更低,不存在竞争冲突。通过仿真验证了ITT-TDMA协议相比于其他协议在时延和吞吐量方面有较好的改善。三、全双工ITT-TDMA协议的研究与仿真。针对节点交互频繁的网络,ITT-TDMA半双工模式吞吐量提升有限的问题,参考全双工通信原理,提出了全双工链路调度算法,并设计了适用于短帧长的全双工ITT-TDMA协议。利用广播的方式代替握手降低二级链路的调度开销,协议允许授权节点进行全双工通信,数据包提前发送进一步降低了时延,提升了吞吐量。
黄慧莹[2](2021)在《疟疾疫苗候选基因(CSP与TRAP)遗传多态性及自然选择分析》文中研究表明背景:疟疾是由疟原虫感染引起的,是全球对人类生命威胁最大的传染病之一。抗疟措施的缺乏以及过度滥用药物以致部分疟原虫产生耐药性,成为了全球抗疟进程中的一个重大障碍。研制开发有效的全球性疟疾疫苗,将有助于加速全球抗疟事业。环子孢子蛋白(Circumsporozoite Protein,CSP)及血小板反应蛋白相关粘附蛋白(Thrombospondin Related Adhesive Protein,TRAP)为现今被广泛研究的疟疾疫苗候选基因。因此,对于该两种蛋白的基因多态性以及自然选择的分析,将为疟疾疫苗的研发及优化提供数据支持以及理论基础。本论文拟通过在非洲赤道几内亚比奥科岛上收集的2011-2019年疟疾样本,利用一代测序得到的基因序列,结合通过数据挖掘得到的全球24个疟疾流行地区的基因序列,利用生物信息学方法对CSP以及TRAP两种蛋白基因进行多态性、自然选择证据的分析。方法:本课题采集的样本来源于疟疾高度流行的非洲国家赤道几内亚,比奥科岛,首都马拉博。采集样本年份从2011-2019年。纳入研究的样本均为根据世界卫生组织WHO的疟疾诊断指南确诊为普通型疟疾的病例,鉴定为恶性疟原虫的样本应用于本研究中。利用巢式PCR扩增技术,设计特异性引物用于扩增恶性疟原虫的CSP和TRAP基因全长,通过一代测序得到基因序列,应用于后续的生物信息学分析。通过对Malaria Gen数据库以及NCBI数据库的挖掘得到全球各疟疾流行地区的CSP和TRAP基因信息。综合全球各流行地区的疟疾疫苗候选基因序列,使用MEGA与DNASP软件进行核苷酸多态性分析以及自然选择分析;使用Arlequin软件进行疟原虫群体间遗传分化指数(Fst)的计算;通过Network软件,使用Median-Joining算法构建单倍型网络图;通过在线工具Polyphen 2.0对点突变进行有害性指数预测;使用I-TASSER服务器进行蛋白结构同源建模;使用YASARA软件进行蛋白结构可视化,使用插件FOLDX应用于由点突变造成的分子结构变化的可视化呈现,并且计算氨基酸突变前后的蛋白结构自由能差变化,判断蛋白质结构稳定性。使用SPSS version 20.0进行统计学分析,P<0.05表示有统计学意义。结果:成功扩增96条比奥科岛PfCSP序列和119条比奥科岛PfTRAP序列。在比奥科岛中,PfCSP的N端较显保守,中间区域的重复单元(NANP/NVDP)重复次数主要为40(35%)和41(34%)。多态性及基因重组事件主要分布在Th2R/Th3R区域,其中Tajima’s D自然选择分析显示无统计学意义(P>0.05)。比奥科岛的PfCSP基因整体模式与非洲大陆无明显的遗传分化(Fst=0.00878,P<0.05)。全球PfCSP基因的比较分析显示,4大洲种群间存在不同的突变模式和明显的地理特征(P<0.05)。C端区域分为138个不同的单倍型(H_1~H_138)。只有3.35%的序列为野生株单倍型(H_1)。比奥科岛中,PfTRAP表现出高度的遗传多态性和异质性。d N-d S值(6.2231,P<0.05)提示着PfTRAP在Bioko岛具有自然选择。在全球范围内,非洲PfTRAP的多态性高于亚洲PfTRAP,非洲国家与亚洲国家显示出高度的遗传分化(Fst>0.15,P<0.05)。突变体I116T、L221I、Y128F、G228V和P299S被预测为“有害性”,而突变体L49V、R285G、R285S、P299S和K421N则会导致蛋白质结构失稳(ΔΔG>1)。结论:疫苗候选基因CSP与TRAP的遗传多态性现象在比奥科岛和全球分离株中均普遍存在,多数突变位于T细胞表位。建议在改良疟疾疫苗设计时考虑全球遗传多态性及其地理分布特征。本研究为开发基于CSP与TRAP的通用有效疫苗提供了遗传背景信息及数据支持。此外,一些突变已经被证明对蛋白质的结构或功能有害,值得进一步研究和持续监测。
李岩[3](2020)在《DIP2基因家族单核苷酸多态性与孤独症谱系障碍及其临床表型的关联研究》文中进行了进一步梳理孤独症谱系障碍(Autism spectrum disorder,ASD)是一组儿童期起病的终身神经发育障碍,其核心特征是社会交流、交往障碍,兴趣狭窄及刻板重复的行为,具有显着临床异质性。ASD位居儿童精神残疾之首,一般起病<3岁,在各种族、民族和社会经济群体中均有发生,近年来全球ASD的患病率呈急剧增长趋势。ASD的病因及发病机制尚不明确,既往研究显示ASD可能是由环境和遗传因素共同作用引起的儿童脑发育异常,而遗传学研究显示,ASD遗传度超过90%,因此遗传被认为是ASD的主要病因。单核苷酸多态性(Single nucleotide polymorphism,SNP)作为一种重要的遗传标记,已被广泛应用于群体遗传学研究,其中SNP与ASD的关联研究一直是国内外研究热点。目前最新的理论认为神经元可塑性、突触连接功能异常可能是ASD重要的分子机制。研究表明mi RNA在神经可塑性和神经发育方面具有重要功能,近年来有学者通过挖掘与ASD相关基因3’UTR区SNP结合的mi RNA,研究ASD的发病机制。DIP2(Disco-interacting protein 2)基因家族(DIP2A,DIP2B,DIP2C)在大脑中高度表达,可以参与大脑细胞转录,改变神经元基因表达,调节突触的可塑性和认知行为,而关于DIP2家族SNP与ASD及其临床表型的关联研究,以及与DIP2家族3’UTR区易感SNP位点结合的mi RNA对ASD的影响尚无报道。目的:分析DIP2基因家族SNP与中国北方汉族儿童ASD易感性的关联,进一步分析DIP2基因家族SNP与ASD临床表型之间的关联;探索与DIP2基因家族3’UTR区易感SNP位点结合的mi RNA对ASD的影响,为探讨ASD的病因,阐明其发病机制,寻找特异分子标志物,提供依据。方法:DIP2基因家族SNP与ASD及其临床表型之间的关联分析:采用病例-对照研究设计,按照严格标准纳入1443例研究对象(715例ASD病例,728例对照),民族均为汉族,两组研究对象在性别、年龄上匹配。提取基因组DNA,应用飞行时间质谱法检测DIP2基因家族20个SNP位点(rs1007893,rs34736293,rs7279002,rs2070435,rs2255397,rs1107065,rs2248636,rs79564340,rs11169524,rs3803181,rs2280503,rs1047912,rs4768915,rs3740304,rs2288681,rs7088729,rs4242757,rs10795060,rs10904083,rs4881274)的基因型,采用,(1)卡方检验分析哈迪-温伯格定律(HWE)、两组研究对象等位基因及基因型频率分布与ASD的关联、ASD患者等位基因及基因型频率分布与病情轻重程度的关联;(2)Haploview软件分析连锁不平衡(LD)程度;(3)SNPStats在线程序分析遗传模型、单体型与ASD的关联程度;(4)GMDR软件分析基因-基因交互作用;(5)方差分析或秩和检验分基因析基因型与CARS量表ASD临床表型及ABC量表ASD临床表型的关联。DIP2基因家族3’UTR区易感SNP位点结合的mi RNA对ASD的影响:在上述研究对象中纳入ASD病例30例(男性22例,女性8例),对照30例(男性22例,女性8例),两组研究对象年龄均为5岁,提取血清mi RNA,Polymi RTS数据库搜索与DIP2基因家族3’UTR区易感SNP位点结合的mi RNA,同时筛选文献报道的ASD血清mi RNA微阵列芯片中差异表达显着的mi RNA,RT-q PCR检测并验证目标mi RNA在两组研究对象血清中的表达情况,统计学分析选用Graphpad Prism 7.0和SPSS 24.0软件,统计学检验采用双侧检验,P<0.05为差异有统计学意义。结果:1.本研究共纳入研究对象1443例,ASD病例组715例(男性541例,女性174例),平均年龄为4.80±2.447岁,经CARS量表评定,轻-中度病例609例,重度病例106例;对照组728例(男性548例,女性180例),平均年龄为4.77±2.443岁。两组研究对象在性别构成、年龄分布上均衡可比(P>0.05)。2.DIP2家族20个位点的基因型分布均符合HWE(P>0.05)。3.等位基因与基因型频率分析结果显示,DIP2A:7个SNPs位点的等位基因及基因型频率在病例组和对照组中的分布差异均无统计学意义(P>0.05);DIP2B:rs11169524、rs2280503、rs4768915位点的等位基因频率,DIP2C:rs3740304、rs2288681、rs7088729、rs4242757位点的等位基因及基因型频率以及rs10795060和rs10904083位点的基因型频率,在病例组和对照组中的分布差异均有统计学意义(P<0.05)。4.遗传模型分析结果显示,DIP2A:5种遗传模型下7个SNPs位点的多态性与ASD的关联均无统计学意义(P>0.05);DIP2B:(1)rs11169524:加性遗传模型能增加ASD的发病风险,显性遗传模型中TA/AA基因型发病风险是TT基因型的1.23倍(OR=1.19,95%CI=0.91-1.57,P=0.037;ORTA/AA vs TT=1.23,95%CI=0.85-1.77,P=0.039);(2)rs2280503:加性遗传模型能增加ASD的发病风险,显性遗传模型中CA/CC基因型发病风险是AA基因型的1.25倍(OR=1.18,95%CI=1.00-1.38,P=0.045;ORCA/CC vs AA=1.25,95%CI=1.01-1.54,P=0.037);DIP2C:rs3740304,rs2288681,rs7088729位点的加性遗传模型均能增加ASD的发病风险(OR=1.21,95%CI=1.03-1.42,P=0.02;OR=1.24,95%CI=1.04-1.48,P=0.014;OR=1.23,95%CI=1.03-1.46,P=0.021)。5.DIP2家族各位点间LD程度均较高(DIP2A:0.783≤D’≤1.0,0.134≤r2≤0.976;DIP2B:0.917≤D’≤1.0,0.064≤r2≤0.994;DIP2C:0.378≤D’≤1.0,0.004≤r2≤0.954)。6.单体型分析:DIP2A:7个SNPs位点组成的多种单体型均与ASD无关联(P>0.05);DIP2B:与群体单体型频率最高的单体型相比,相邻(1)2个SNPs:rs11169524-rs3803181,组成的单体型AT(OR=1.29,95%CI=1.08-1.54,P=0.006);(2)3个SNPs:rs11169524-rs3803181-rs2280503,单体型ATC(OR=1.28,95%CI=1.07-1.54,P=0.006);rs380318-rs2280503-rs1047912,单体型TCC,TCT(OR=1.28,95%CI=1.02-1.59,P=0.031;OR=1.27,95%CI=1.01-1.59,P=0.041)(3)4个SNPs:rs11169524-rs3803181-rs2280503-rs1047912,单体型ATCC和ATCT(OR=1.29,95%CI=1.03-1.60,P=0.025;OR=1.28,95%CI=1.02-1.61,P=0.032)(4)5个SNPs:rs11169524-rs3803181-rs2280503-rs1047912-rs4768915,单体型ATCCG,ATCTG和ACCCG(OR=1.28,P=0.030;OR=1.27,P=0.043;OR=2.21,P=0.002),(5)6个SNPs:rs79564340-rs11169524-rs3803181-rs2280503-rs1047912-rs4768915,单体型CACCCG(OR=2.01,95%CI=1.20-3.36,P=0.008),均是ASD的危险因素;DIP2C:与群体单体型频率最高的单体型相比,相邻(1)2个SNPs:rs3740304-rs2288681,单体型CG(OR=1.27,95%CI=1.06-1.51,P=0.008);rs2288681-rs7088729,单体型CT(OR=1.25,95%CI=1.05-1.50,P=0.012);rs7088729-rs4242757,单体型TC(OR=1.23,95%CI=1.03-1.47,P=0.022),(2)3个SNPs:rs3740304-rs2288681-rs7088729,单体型GCT(OR=1.25,95%CI=1.04-1.49,P=0.015);rs2288681-rs7088729-rs4242757,单体型CTC(OR=1.26,95%CI=1.06-1.51,P=0.011),(3)4个SNPs:rs3740304-rs2288681-rs7088729-rs4242757,单体型GCTC(OR=1.26,95%CI=1.05-1.51,P=0.012);rs2288681-rs7088729-rs4242757-rs10795060,单体型CTCG(OR=1.28,95%CI=1.06-1.55,P=0.011);rs7088729-rs4242757-rs10795060-rs10904083,单体型TCGG(OR=1.2,95%CI=1.02-1.49,P=0.031);rs4242757-rs10795060-rs10904083-rs4881274,单体型CGGA(OR=1.25,95%CI=1.04-1.52,P=0.02),(4)5个SNPs:rs3740304-rs2288681-rs7088729-rs4242757-rs1079506,单体型GCTCG(OR=1.26,95%CI=1.04-1.52,P=0.002);rs2288681-rs7088729-rs4242757-rs10795060-rs10904083,单体型CTCGG(OR=1.28,95%CI=1.04-1.52,P=0.012);rs7088729-rs4242757-rs10795060-rs10904083-rs4881274,单体型TCGGA(OR=1.24,95%CI=1.02-1.50,P=0.028),(5)6个SNPs:rs3740304-rs2288681-rs708872-rs4242757-rs10795060-rs10904083,单体型GCTCGG(OR=1.26,95%CI=1.04-1.52,P=0.019);rs2288681-rs7088729-rs4242757-rs10795060-rs10904083-rs4881274,单体型CTCGGA(OR=1.29,P=0.01)(6)7个SNPs:rs3740304-rs2288681-rs7088729-rs4242757-rs10795060-rs10904083-rs4881274,单体型GCTCGGA(OR=1.27,95%CI=1.05-1.55,P=0.01),均是ASD的危险因素。7.基因-基因交互作用结果:由DIP2基因家族20个SNPs组成的模型rs1007893-rs1107065-rs2070435-rs2248636-rs2255397-rs34736293-rs7279002-rs1047912-rs11169524-rs2280503-rs3803181-rs4768915-rs79564340-rs10795060-rs10904083-rs2288681-rs3740304-rs4242757-rs4881274-rs7088729为基因-基因交互作用最佳模型(CVC=10/10,Tr BA=0.9108,Te BA=0.5762,P=0.001)。基因-基因交互作用树状图显示,rs4768915和rs79564340,rs2070435和rs4881274,rs1047912和rs3740304之间显现出协同作用;rs2248636和rs2280503,rs2255397和rs3803181之间显示出非加性相互作用,均能增加ASD发病风险。rs10795060和rs2288681,rs11169524和rs4242757之间不相关,不能增加ASD发病风险。8.ASD病情及临床表型分析:(1)病情程度:DIP2A rs34736293位点等位基因频率在轻-中度病例组和重度病例组中的分布差异有统计学意义(χ2=4.260,P=0.045)。(2)CARS量表ASD临床表型:DIP2A:(1)rs1007893,rs7279002,rs2070435,rs2248636位点不同基因型视觉反应评分差异具有统计学意义,(2)rs1107065位点不同基因型智力水平评分差异具有统计学意义,(3)rs2248636位点不同基因型模仿评分差异具有统计学意义;DIP2B:(1)rs79564340位点不同基因型听觉反应评分差异具有统计学意义,(2)rs79564340位点不同基因型活动水平评分差异具有统计学意义,(3)rs1047912位点不同基因型非生命的物体关系评分差异具有统计学意义,(4)rs4768915位点不同基因型智力评分差异具有统计学意义;DIP2C:(1)rs10795060,rs10904083位点不同基因型视觉反应评分差异具有统计学意义,(2)rs10795060位点不同基因型人际关系评分差异具有统计学意义(均P<0.05)。(3)ABC量表ASD临床表型:DIP2B rs1047912位点不同基因型感觉能力差异具有统计学意义(P<0.05)。9.依据上述分析结果,选择位于3’UTR区的ASD风险位点rs4768915,在Polymi RTS数据库中检索到与rs4768915位点突变型等位基因(G)结合的mi RNA为mi R-4655-3p,将其作为本课题的候选mi RNA。10.RT-q PCR检测结果显示,mi R-4655-3p在病例组血清中表达上调,但差异无统计学意义(P>0.05)。结论:1.DIP2B和DIP2C可能是ASD的遗传易感基因。2.DIP2B rs11169524、rs2280503、rs4768915位点,DIP2C rs3740304、rs2288681、rs7088729、rs4242757、rs10795060、rs10904083位点,可能是ASD发病的遗传位点。3.加性遗传模型下,DIP2B rs11169524和rs2280503位点,DIP2C rs3740304、rs2288681、rs7088729位点的多态性能增加ASD的发病风险;显性遗传模型下,DIP2B rs11169524位点的TA/AA基因型,rs2280503位点的CA/CC基因型能增加ASD的发病风险。4.DIP2B单体型包含rs11169524(A),rs2280503(C),rs4768915(G)其中任意2个SNPs,且总SNPs≥4,可能会增加ASD的发病风险;DIP2C单体型包含rs3740304(G),rs2288681(C),rs7088729(T),rs4242757(C),rs10795060(G),rs10904083(A)其中任意2个SNPs,可能会增加ASD的发病风险。5.SNPs位点(rs4768915和rs79564340,rs2070435和rs4881274,rs1047912和rs3740304,rs2248636和rs2280503,rs2255397和rs3803181)之间的交互作用能增加ASD发病风险。6.DIP2A rs34736293位点的多态性可能影响ASD病情的轻重程度。7.rs1007893,rs7279002,rs2070435,rs10904083,rs2248636,rs10795060位点与ASD视觉反应异常存在关联;rs1107065,rs4768915位点与ASD智力发育障碍存在关联;rs1047912位点与ASD非生命物体关系及感觉能力障碍存在关联;rs10795060位点与ASD人际关系障碍存在关联;rs79564340位点与ASD听觉反应异常及活动障碍存在关联。
沈鹏辉[4](2020)在《基于辐射两步法的MIMO终端测量系统的设计和实现》文中研究表明OTA(Over-the-Air)测量是评估无线终端在整机状态下的真实射频性能,是所有终端入网必测项目,同时也是保证目前几百亿无线设备能同时入网、协同通信的基础支撑技术。MIMO(Multi-input Multi-output)OTA测量是评估在复杂电磁传播环境下多天线终端的收发性能,将是5G无线终端入网认证的必测项目。辐射两步法RTS(Radiated Two Stage)是能够实现多径信道建立的MIMO OTA测量方法之一。本论文对RTS MIMO OTA测量的关键技术进行了系统的研究,解决了RTS方法中的关键技术问题,使RTS方法理论完备、误差可控、测量结果一致,最终推动RTS方法成为了唯二的MIMO测量国际标准方法之一。论文的主要研究内容及取得的创新性成果如下:针对RTS MIMO OTA测量中暗室天线和终端接收天线之间交叉耦合无法测量和消除的问题,本文提出一种电磁波传播矩阵数学模型,提出传播矩阵逆矩阵的求解和最佳逆矩阵自动搜索算法,在工程上解决了RTS的可操作性问题,实现了自动化的RTS MIMO OTA测量,且缩减了RTS方法测量时间,提升了RTS测量稳定性。针对RTS MIMO OTA测量中,测量结果会受到被测件自身回报误差的影响,本文提出一种终端回报误差消除方法,使RTS MIMO OTA测量精度摆脱被测件自身的限制,针对任何被测件,RTS方法都能保证测量结果可比性。该方法是推动RTS进入国际标准的关键理论补充。针对目前MIMO OTA测量方法只能提供最终性能测量结果,并不能给出整改指导意见,提出一种基于RTS方法的诊断测量方案,通过在整机状态下测量天线模块、接收机模块和噪声模块等各个部件的性能指标和相互之间的干扰情况,来定位终端性能短板所在,从而帮助研发高效定位和解决问题,帮助实现RTS方法产品化。针对目前MIMO OTA测量需要7~14个小时,论文提出一种高效测量方法,该方法依据接收机不具有方向性,且不同测量状态下的终端接收机接收信号可以通过数学计算得到,因此只需要解析接收机的信号响应曲线,即可实现高效测量。该方法可以将3D MIMO OTA测量从7~14小时缩减至十几分钟之内,速率提升几十倍的同时不损失测量精度。论文提出一种适配2×2和4×4 RTS MIMO OTA终端测量系统,并给出了RTS信道模型验证、测量流程、系统误差分析、实测数据分析等详细信息。本文对RTS方法中关键技术的解决和实际工程的实施推动RTS方法在2018年被纳入3GPP(3GPP:3rd Generation Partnership Project)国际标准,2020年被纳入CTIA(Cellular Telecommunication and Internet Association)国际标准。
杨慧[5](2020)在《基于时空数据分析的校园学生伴随行为监测系统设计》文中研究说明随着移动通讯的迅猛发展,智能手机成为人们娱乐通信的必需品。Wi Fi技术的日益成熟以及设备成本的不断降低,使得Wi Fi网络的普及率逐渐增高,用户使用移动手机在固定场所上网时对Wi Fi网络的依赖逐渐增大。智能手机开启Wi Fi功能时会自动向周围环境发送Wi Fi数据包,其中包含手机持有者的信息。Wi Fi数据天然带有时间和空间信息,因此收集手机的Wi Fi数据并对其进行分析与挖掘,可以揭示智能手机用户行为模式、移动规律以及社交关系。本文提出了一个校园学生伴随行为监测系统,系统的模块包括学生时空轨迹数据的收集及预处理,伴随行为挖掘算法的设计以及社交关系网络图的构建。本论文使用Wi Fi探针收集校园中学生的时空轨迹信息,并分别从包含多个建筑和只包含一个建筑两种不同的尺度提出了不同的伴随行为挖掘算法。在整个校园多个建筑的大尺度情况下,本文提出了STS-AB(Semantic Trajectory Similarity for Adjoint Behavior)算法,即基于语义轨迹相似度的伴随行为挖掘算法;在某个具体建筑场所的小尺度情况下,本文提出了RTS-AB(RSSI Trend Similarity for Adjoint Behavior)算法,即基于RSSI趋势相似度的伴随行为挖掘算法。根据伴随行为挖掘算法的结果可以构建出学生的社交关系网络图。本实验收集了华中科技大学东校区典型场所中学生的Wi Fi数据,并使用本文提出的伴随行为监测系统对学生进行伴随行为的挖掘。使用志愿者的Wi Fi数据对本文提出的系统进行验证,得出本文中提出的STS-AB算法和RTS-AB算法都具有可行性,伴随行为监测系统能够准确地衡量学生之间的伴随行为以及亲密关系。
邓颖[6](2020)在《M公司花草茶全渠道整合策略研究》文中进行了进一步梳理四川省是中国食用花卉和药用花卉的种植大省,同时也是国内花草茶主要的生产基地之一。过去花草茶生产企业为节省成本一般选择单渠道或双渠道营销,与客户接触面太窄。这两年国内的花草茶生产企业为锁定在全渠道上的消费群体,增加和消费者的接触点,纷纷开启了全渠道零售模式。全渠道零售的开展使花草茶的销量大幅提升,但与此同时也出现了线上渠道和线下渠道脱节、消费者在不同渠道感受到的消费体验不相同、渠道冲突频发等一系列的渠道管理问题。这些渠道管理问题如果不能得到及时解决,将严重制约国内花草茶生产企业的发展。有鉴于此,国内花草茶生产企业开始尝试走一条全渠道融合的发展道路。但是由于缺少适用于本行业的全渠道整合理论与应用指导,企业在进行全渠道整合时,遭遇了诸多未曾预想到的困难,走了许多弯路。目前国内专家学者对全渠道整合的理论研究主要集中渠道整合的内涵、渠道冲突、渠道定价策略等方面。案例研究方面,研究对象普遍聚焦在苏宁易购、国美、永辉等类似的大型卖场和电商平台,缺少对生产企业相关的案例研究。作为花草茶生产企业开展全渠道零售,受到技术资源和技术创新能力的制约,在渠道整合上相比大型卖场和电商平台面临更多实际操作的困难。如何提高全渠道整合策略的实际操作性是花草茶生产企业亟待解决的问题。在此背景下,本人希望通过对花草茶生产企业因渠道不融合造成的渠道管理问题进行专题研究,以供为面临全渠道整合问题的企业提供理论借鉴和应用参考。本文梳理了国内外专家、学者对全渠道零售、全渠道整合、供应链管理等相关文献,通过分析M公司的渠道现状,剖析了产生渠道不融合的具体原因,提出了全渠道融合策略及实施保障措施。主要内容有:首先,介绍了M公司的概况,对公司的渠道现状进行了分析和研究,剖析了产生全渠道不融合的具体原因。其次,针对M公司全渠道不融合的产生原因,提出了全渠道整合策略,并就全渠道业务整合、产品整合、服务整合、支付方式整合、业务流程整合和终端会员资源整合这六个方面给出了相应的实施路径。最后,为有效实施全渠道整合策略,制定了M公司全渠道整合策略的实施计划,并提出了实施全渠道整合策略的六大保障措施。
郑怀翠[7](2020)在《车联网V2I通信基于串行干扰消除的MAC协议研究》文中研究指明车辆自组织网络(Vehicular Ad Hoc Network,VANET)作为智能交通系统(Intelligent Transportation Systems,ITS)的重要组成部分,在车载领域具有巨大的应用潜力,比如提高道路安全、更新交通信息以及改善环境污染等。VANET中的V2I通信允许车辆在行驶中与基础设施之间建立通信链路,实现ITS与远程信息处理中心之间双向数据传输,以此提高道路交通安全,并为驾驶者提供相关娱乐服务。因此,V2I通信一直是ITS的重点研究领域。而MAC协议决定了通信资源的分配方式,在节点高效接入信道、合理分配通信资源、保证服务质量(Quality of Service,Qo S)方面起着重要作用。本文针对VANET中的车辆与路设(Vehicle-to-Infrastructure,V2I)通信,从提高信道利用率,保证车辆节点通信的实时性和可靠性入手。通过大量文献调研,发现现有接入协议中,随着车辆节点密度增加,网络中发生碰撞需要重传的分组数量逐渐增大,从而导致了整个网络较高的分组丢弃率以及接入时延。而现有的接入协议依靠载波侦听和退避机制去避免网络中碰撞的发生,当分组发生碰撞后,直接被丢弃,等待一段随机的时间后节点需要重新发送分组。因此,本文从利用串行干扰消除技术,恢复网络中发生碰撞的被丢弃的分组,实现多分组接收出发,提出了基于串行干扰消除的MAC协议。提出的MAC协议首先通过发送端的分组重复策略,同时结合时隙间以及时隙内串行干扰消除技术,恢复信道中原本发生碰撞被丢弃的分组。随后利用网络仿真器OMNe T++,针对V2I通信场景,对设计的接入协议进行仿真。仿真结果表明,在固定帧长的情况下,提出的方案有效的提高了信道利用率,同时保证了高可靠性和低接入时延。随后针对车辆节点密度变化导致系统负载不确定的情况,进一步提出了基于串行干扰消除的自适应调节协议。针对网络中负载动态变化,在接收端提出了自适应帧长调节算法,根据负载状态动态调节帧长;同时发送端节点通过Q-learning算法获得最优的接入时隙,实现时隙内负载的均衡,进一步提高了网络的各项性能。自适应调节协议的实现,有效的提高了网络的灵活性和可扩展性。在低密度节点下,通过减少帧长,避免不必要的资源浪费;在高密度节点下,适当的增加帧长,实现数据的高效可靠传输。
宋佳明[8](2020)在《基于三代测序解析油菜和水稻遗传多样性》文中研究表明油菜是世界上第二重要的油料作物,水稻是最主要的粮食作物之一,虽然它们都已获得参考基因组,但是单个参考基因组不能表征作物种内遗传多样性。本研究通过三代测序技术分别构建了八个油菜和两个水稻高质量参考基因组,并以此为基础分析了油菜的亚基因组起源和基因组加倍事件,同时鉴定了油菜种内广泛的遗传变异,构建了油菜种内基因索引和泛基因组,进一步解析了结构变异与多个重要农艺性状的联系,另外也分析了水稻的种内遗传变异和基因家族的扩展,并构建了综合性籼稻生物信息平台。主要研究结果如下:1.八个高质量甘蓝型油菜参考基因组的构建本研究利用Pac Bio、Hi-C、Bio Nano和Illumina测序技术完成了8个甘蓝型油菜基因组组装,其中包括2个春性油菜、2个冬性油菜和4个半冬性油菜,代表了全球范围内主要的油菜亚群。8个从头组装的甘蓝型油菜基因组均达染色体水平,contig N50为2.1-3.1 Mb。核心基因集数据、BAC末端测序数据、Bio Nano图谱、Hi-C数据和RNA-Seq等数据的独立验证结果,都表明了8个参考基因组具有很高的准确性和完整度。基因组注释的结果表明,8个甘蓝型油菜基因组含有94,586-100,919个编码基因,转座元件(TE)序列占全基因组的56.8-58.2%。同时发现C亚基因组长末端重复反转录转座子(LTR-RT)的扩增开始早且持续时间长,导致了C亚基因组比A亚基因组大。甘蓝型油菜的Hi-C图谱具有明显的A/B区室特征,其中B区室集中在着丝粒区域,而A区室主要分布在具有较高基因密度的染色体臂上。2.甘蓝型油菜的种内遗传变异分析和泛基因组构建基于单拷贝直系同源基因构建了十字花科的系统发育树,结果显示相同生态型的品种聚在一起,且人工合成品种与二倍体祖先亲缘关系更近。通过同义替代率分析估算了甘蓝型油菜的基因组加倍和分化事件的发生时间,结果表明甘蓝型油菜形成于约10,000年前白菜和甘蓝的杂交,白菜与甘蓝的分化发生在三百万年前(MYA),芸薹属特有的三倍化事件发生在11 MYA,拟南芥在约14 MYA与芸薹属分化。我们分析了210个甘蓝型油菜品种、199个白菜品种、119个甘蓝品种和前面已组装的8个甘蓝型油菜品种的单核苷酸多态性(SNP)信息,确定了甘蓝型油菜的A亚基因组起源于芜菁,但是C亚基因组的起源仍不明确。通过与中双11(ZS11)基因组比较,在其他7个甘蓝型油菜基因组中鉴定了7.5-15.6 Mb的倒位,39.7-49.1 Mb的易位,77.2-149.6 Mb的存在/缺失变异(PAV)以及大量的SNPs和小的插入/缺失(In Dels),这些变异对超过9.4%的编码基因产生了大效应影响。通过结合8个参考基因组和1,688份油菜品种的重测序数据,我们构建了甘蓝型油菜泛参考基因组,总长约1.8 Gb,包含121,789个编码基因。在基因家族水平上,油菜泛基因组包含105,672个基因家族。在这些基因家族中,约56%是核心基因家族,约42%是非必须基因家族。特异基因家族在“对刺激或胁迫的反应”和“蛋白质磷酸化”等功能上富集。为了方便不同油菜品种之间的基因比较和目标基因的检索,首次构建了甘蓝型油菜的基因索引,包含88,345个编码基因的映射信息。这些数据可以通过甘蓝型油菜泛基因组数据库开放式获取,为油菜遗传改良提供丰富的资源。3.基于PAV-GWAS解析表型差异的遗传基础为了探索结构变异对性状差异的贡献,对角果长、粒重和开花期三个与产量相关的重要性状进行了全基因组关联分析(GWAS)研究。在以ZS11为供体的巢式作图群体中对27,216个PAVs进行了分型。以此为基础,利用基于PAV的全基因组关联分析(PAV-GWAS)确定了导致角果长、粒重和开花期差异的结构变异,表明在鉴定性状关联位点中PAV-GWAS能够作为SNP-GWAS的有力补充。深入分析表明,3个FLOWERING LOCUS C(FLC)基因上的PAVs与甘蓝型油菜的开花期和生态型分化有着密切关系。尤其是Bna A10.FLC基因的结构变异与生态型划分高度相关,这为甘蓝型油菜生态型分化的遗传基础提供了新的见解。4.籼稻参考基因组的构建利用Pac Bio、Bio Nano和Illumina测序技术对籼稻ZS97和MH63进行全基因测序,通过组装获得了高质量的第二版籼稻参考基因组,并分别注释了60,897和60,123个蛋白编码基因。更完整的参考基因组有利于全面解析基因组中重复元件和LTR-RT插入爆发事件,在籼稻基因组中鉴定了约45%的重复序列并观察了它们的分布特征。在ZS97和MH63基因组中鉴定了128万个SNPs,32万个In Dels,以及23.38-24.83 Mb的PAVs。受这些变异影响,ZS97和MH63基因组中分别有6,108个和6,270个non-TE基因被划分为高度差异基因。Chr11染色体末端出现PAVs热点区域,这可能和该区域丰富的抗性基因簇和近期基因重复有关。为了便于水稻研究社区对新一代籼稻参考基因组的使用,本研究中构建了籼稻基因组生物信息平台,并在其中集成了水稻多组学资源和计算工具。
李芳程[9](2020)在《基于神经网络的随机电报噪声检测研究》文中提出由于近年来集成电路已经发展到纳米时代,器件的特征尺寸越来越小,导致MOS管栅氧层中的缺陷随之增多,同时伴随着低频噪声的发生,尤其是在深亚微米以下的电路中,随机电报信号(Random telegraph signal,RTS)噪声和1/f噪声变得愈发明显,同时背景环境中的辐照也会对此类低频噪声造成影响,从而严重威胁半导体器件的可靠性,因此,开展针对低频噪声检测的神经网络方面的研究就显得尤为迫切。本课题结合了RTS噪声检测技术的现状,研究了一种参数精度高,计算速度快,具备噪声分类检测能力的神经网络,比传统上用模拟电路检测低频信号的方法更为方便快捷,也为集成电路的可靠性设计提供了借鉴思路。本文首先分析了RTS噪声的产生机制,即界面氧化层中的陷阱俘获、释放载流子的过程。分析了辐照对RTS噪声的影响,并完善了相应的物理模型。氧化物中的缺陷是造成RTS噪声(即使不是全部)的原因,受辐照MOS器件的低频RTS噪声主要取决于氧化物陷阱电荷的增加。并在相关理论研究的基础上完成了RTS信号噪声和1/f噪声的Verilog A行为级建模,有效地模拟了RTS信号噪声的发生方式并设计了低频噪声源单元电路及其相匹配的差分放大器。在Cadence集成环境下搭建低频噪声源单元电路,并将Verilog A模型导入到噪声源单元电路中,作为低频噪声源单元电路的熵。同时设计了与噪声模型相匹配的低频噪声放大器。该放大器采用差分放大的形式,输入级采用电流镜负载结构,并在Cadence集成环境下完成放大电路的仿真,获得了-3d B下的增益和带宽。其次,完成了弱噪声环境下RTS噪声的识别检测。通过辐照对RTS噪声的影响分析,得到了辐照前后的RTS噪声变化情况。并在此基础上完成了数据的五种预处理准备手段,通过对比五种处理手段最后发现二值化的方法得到的传播损失在不断下降,其他方法的训练损失保持不变或上升,因而用本课题采用二值化的方式对神经网络进行数据的预处理。同时还设计了相应的BP神经网络结构,以Re LU函数作为网络的激活函数,sigmoid函数作为网络的输出分类函数,采用随机梯度下降的方法,最后成功的将RTS噪声从弱噪声环境中分离出来,得到的分类检测精度达到了100%。最后完成了RTS噪声和1/f噪声分类检测。首先完成了1/f噪声的行为级建模,并将其Verilog A模型导入噪声源单元电路中,获得了1/f噪声信息的数据集。其次完成了RTS噪声和1/f噪声的数据采集和预处理,比较几种数据预处理的方式发现[0,1]标准化处理的损失函数特性曲线最为理想,所以采用[0,1]标准化的方式完成了两种噪声数据的预处理。通过双隐层低频噪声分类检测神经网络成功地将RTS噪声和1/f噪声分离检测,检测精度达到95%以上。还完成了优化网络的设计,该网络采用单隐层结构,检测进度最终稳定在97%左右。
朱伟[10](2020)在《基于嵌入式软PLC的掘进机控制平台关键技术研究》文中指出目前煤矿用掘进机广泛采用地面通用型可编程控制器(PLC)和工程专用控制器作为控制平台,通用型PLC并未考虑煤矿行业的特殊应用场景,存在维护不便、成本高和跨平台移植难等问题,工程专用控制器防护性能较好,但大多依靠外购进口品牌。为解决控制平台的上述问题,针对四回路悬臂式掘进机,依据其控制需求,开发了掘进机专用嵌入式软PLC作为系统控制平台,设计了嵌入式软硬件平台,开发了控制平台硬件电路,移植了Linux操作系统并做实时化改造,针对硬件电路开发Linux底层驱动。在此嵌入式平台上移植软PLC的运行时系统,通过开发软PLC的设备描述文件和I/O驱动,开发层操作的变量逐层映射到底层硬件,实现开发层对控制平台的可操作,把嵌入式平台转化为标准化的PLC设备。在嵌入式软PLC控制平台上,开发了掘进机电磁比例多路换向阀控制应用程序,引入斜坡控制、PID控制和数字滤波功能。分别采用控制平台与液压试验台的PWM接口驱动电磁比例多路换向阀,通过对比稳态比例特性曲线形态,验证了控制平台的比例控制功能稳定且响应速度满足要求,并通过其余接口功能测试,验证其实现了掘进机控制需求的所有接口功能。开发的嵌入式软PLC实现了掘进机控制的软逻辑、模块化、标准化和平台化,便利了跨平台移植且节约了开发成本,软PLC开放的智能算法接口也为掘进机先进控制功能的实现提供稳定平台。
二、共同的梦想:RTS——实时系统(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、共同的梦想:RTS——实时系统(论文提纲范文)
(1)高速航空飞行器集群资源分配技术与低时延MAC协议的设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 研究背景及意义 |
§1.2 国内外研究现状 |
§1.3 论文研究内容与章节安排 |
第二章 航空自组网MAC协议分析 |
§2.1 航空自组网MAC协议概述 |
§2.1.1 竞争类协议 |
§2.1.2 调度类协议 |
§2.1.3 混合类协议 |
§2.2 协议性能对比分析 |
§2.3 本章小结 |
第三章 空闲时隙授权TDMA协议研究 |
§3.1 影响AANET网络性能的因素 |
§3.1.1 时延分析 |
§3.1.2 吞吐量分析 |
§3.1.3 短帧长条件下混合类协议的问题分析 |
§3.2 空闲时隙授权TDMA协议 |
§3.2.1 空闲时隙资源分配算法的研究 |
§3.2.2 ITT-TDMA协议帧结构设计 |
§3.2.3 时隙调度流程 |
§3.2.4 开销分析 |
§3.3 ITT-TDMA协议性能仿真分析 |
§3.4 本章小结 |
第四章 全双工空闲时隙授权TDMA协议研究 |
§4.1 TDMA链路调度规则 |
§4.1.1 半双工TDMA链路存在条件 |
§4.1.2 全双工TDMA链路存在条件 |
§4.1.3 ITT-TDMA全双工链路调度问题分析 |
§4.2 全双工空闲时隙授权TDMA协议 |
§4.2.1 全双工ITT-TDMA链路资源分配算法的研究 |
§4.2.2 全双工ITT-TDMA时隙结构设计 |
§4.2.3 链路调度流程 |
§4.3 全双工ITT-TDMA协议性能仿真分析 |
§4.3.1 单跳场景仿真 |
§4.3.2 多跳场景仿真 |
§4.4 本章小结 |
第五章 总结与展望 |
§5.1 总结 |
§5.2 展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(2)疟疾疫苗候选基因(CSP与TRAP)遗传多态性及自然选择分析(论文提纲范文)
摘要 |
Abstract |
英文缩略词 |
第一章 前言 |
第二章 实验材料 |
2.1 仪器 |
2.2 实验试剂及耗材 |
2.3 分析软件 |
2.4 数据库 |
第三章 实验方法 |
3.1 研究地点 |
3.2 样本收集 |
3.3 疟原虫的基因组DNA提取 |
3.4 恶性疟原虫鉴定 |
3.5 PfCSP基因全长扩增 |
3.6 PfTRAP基因全长扩增 |
3.7 基因多态性分析以及自然选择分析 |
3.8 全球性基因图谱分析 |
第四章 实验结果 |
4.1 疟原虫虫种鉴定 |
4.2 基因扩增结果 |
4.3 PfCSP基因的多态性及自然选择分析 |
4.4 PfTRAP基因的多态性及自然选择分析 |
第五章 讨论 |
综述 疟原虫CSP与TRAP的免疫诱导潜力及其抗原多态性对疫苗效能的影响 |
参考文献 |
发表论文情况 |
个人简历 |
致谢 |
(3)DIP2基因家族单核苷酸多态性与孤独症谱系障碍及其临床表型的关联研究(论文提纲范文)
中文摘要 |
abstract |
英文缩写词 |
第1章 绪论 |
1.1 孤独症谱系障碍概述 |
1.1.1 孤独症谱系障碍的概念 |
1.1.2 孤独症谱系障碍的临床表现 |
1.1.3 孤独症谱系障碍的诊断标准 |
1.1.4 孤独症谱系障碍的治疗 |
1.2 孤独症谱系障碍的流行病学特征 |
1.2.1 人群分布 |
1.2.2 时间分布 |
1.2.3 地区分布 |
1.3 孤独症谱系障碍的病因学研究现状 |
1.3.1 遗传因素 |
1.3.2 表观遗传学因素 |
1.3.3 环境因素 |
1.3.4 免疫学因素 |
1.3.5 神经生物化学因素 |
1.3.6 神经心理学因素 |
1.4 孤独症谱系障碍神经突触相关致病基因 |
1.4.1 Neuroligins基因家族 |
1.4.2 Neurexin基因家族 |
1.4.3 SHANK基因家族 |
1.4.4 DCC基因 |
1.4.5 DLGAP1基因 |
1.4.6 其他基因 |
1.5 DIP2基因家族神经突触方面的研究 |
1.5.1 DIP2A基因 |
1.5.2 DIP2B基因 |
1.5.3 DIP2C基因 |
1.6 立题依据 |
第2章 材料与方法 |
2.1 研究对象 |
2.1.1 病例组 |
2.1.2 对照组 |
2.2 主要试剂、仪器及器材 |
2.2.1 主要试剂 |
2.2.2 主要仪器 |
2.2.3 主要器材 |
2.3 实验方法 |
2.3.1 技术路线 |
2.3.2 资料收集及血样采集 |
2.3.3 研究对象外周血基因组DNA的提取 |
2.3.4 DNA浓度、纯度的检测及质量要求 |
2.3.5 SNPs的选择 |
2.3.6 引物制备 |
2.3.7 SNP基因分型检测 |
2.3.8 研究对象血清miRNA的提取 |
2.3.9 筛选差异表达miRNA |
2.3.10 实时荧光定量PCR检测 |
2.4 统计学分析 |
2.4.1 基因分型与孤独症谱系障碍的关联分析 |
2.4.2 基因分型与孤独症谱系障碍病情及临床表型的关联分析 |
2.4.3 实时荧光定量PCR数据分析 |
第3章 结果 |
3.1 研究对象的一般情况 |
3.2 均衡性检验 |
3.3 DNA质检结果 |
3.4 SNP分型及检出情况 |
3.5 HWE检验结果 |
3.6 DIP2 基因家族SNP与孤独症谱系障碍的关联分析 |
3.6.1 等位基因及基因型频率分布分析 |
3.6.2 遗传模型分析 |
3.6.3 连锁不平衡分析 |
3.6.4 单体型分析 |
3.6.5 基因-基因交互作用分析 |
3.6.6 统计功效分析 |
3.7 DIP2 基因家族SNP与孤独症谱系障碍临床表型的关联分析 |
3.7.1 基因型与病情轻-重程度的分析 |
3.7.2 基因型与CARS量表临床表型的分析 |
3.7.3 基因型与ABC量表临床表型的分析 |
3.8 血清miRNA表达情况分析 |
3.8.1 研究对象 |
3.8.2 MiRNA的筛选结果 |
3.8.3 实时荧光定量PCR检测血清mi RNA差异表达情况 |
第4章 讨论 |
4.1 DIP2 基因家族SNP与孤独症谱系障碍的关联分析 |
4.1.1 DIP2A基因 |
4.1.2 DIP2B基因 |
4.1.3 DIP2C基因 |
4.2 DIP2基因家族基因-基因交互作用 |
4.3 DIP2 基因家族SNP与孤独症谱系障碍临床表型的关联分析 |
4.4 孤独症谱系障碍患者血清miRNA表达情况 |
4.5 本研究的局限性及下一步研究计划 |
第5章 结论 |
本研究的创新点 |
参考文献 |
附录 |
作者简介及在攻读学位期间的科研成果 |
项目支撑和资金支持 |
致谢 |
(4)基于辐射两步法的MIMO终端测量系统的设计和实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 MIMO技术的演进 |
1.1.1 MIMO技术的优势 |
1.1.2 MIMO通信中的信道估计和线性处理方法 |
1.1.3 MIMO技术的挑战 |
1.2 无线测量的发展和挑战 |
1.2.1 测量的意义 |
1.2.2 无线测量的发展 |
1.2.3 国内外研究现状 |
1.3 论文主要研究内容以及章节安排 |
第2章 RTS测量方法与关键技术 |
2.1 引言 |
2.2 MIMO测量理论基础 |
2.3 信道模型的建立 |
2.3.1 MPAC方法 |
2.3.2 RTS方法 |
2.3.3 RTS方法实现流程 |
2.4 RTS实现的关键技术 |
2.5 本章小结 |
第3章 逆矩阵自动求解方法 |
3.1 引言 |
3.2 问题描述 |
3.2.1 传播矩阵的求逆 |
3.2.2 最佳传播矩阵的自动搜索 |
3.3 逆矩阵自动搜索算法 |
3.3.1 最佳传播矩阵选取算法 |
3.3.2 逆矩阵求解算法 |
3.4 旋转矢量法求解初相 |
3.5 本章小结 |
第4章 终端回报误差消除方法 |
4.1 引言 |
4.2 吞吐率测量结果的定义 |
4.2.1 MIMO测量指标 |
4.2.2 下行功率定义 |
4.3 回报误差的来源和影响 |
4.4 回报系统误差消除方法 |
4.4.1 测量信号中回报系统误差的消除 |
4.4.2 RTS实现中下行功率的计算 |
4.5 系统误差消除算法实验验证 |
4.5.1 RSRP和 RSARP回报误差测量 |
4.5.2 实验设置 |
4.5.3 测量结果和结论 |
4.6 随机误差对测量结果的影响 |
4.7 本章小结 |
第5章 以RTS为基础的终端诊断方法 |
5.1 引言 |
5.2 诊断测量方法描述 |
5.2.1 诊断部件和指标 |
5.2.2 整机状态下的终端诊断方法 |
5.3 分析实例 |
5.4 本章小结 |
第6章 MIMO吞吐率模型和高效测量方法 |
6.1 引言 |
6.2 吞吐率建模 |
6.2.1 模型建立基础 |
6.2.2 模型建立流程 |
6.2.3 模型验证 |
6.3 模型应用场景1:吞吐率影响因子分析 |
6.3.1 接收机对应的吞吐率性能 |
6.3.2 天线对吞吐率性能的影响 |
6.3.3 Desense对吞吐率性能的影响 |
6.3.4 吞吐率性能诊断报告 |
6.4 模型应用场景2:高效吞吐率测量方法 |
6.4.1 多姿态下的吞吐率测量 |
6.4.2 高效测量算法 |
6.5 本章小结 |
第7章 系统实现和误差分析 |
7.1 系统实现 |
7.1.1 测量系统实例 |
7.1.2 测量流程 |
7.2 误差分析 |
7.2.1 环境影响:纹波误差 |
7.2.2 隔离度要求 |
7.3 本文提供的系统解决方案以及性能分析 |
7.3.1 系统设计及特点 |
7.3.2 暗室SSD对应的误差测量 |
7.3.3 暗室反射电平测量 |
7.4 应用实例 |
7.5 RTS成为国际标准历程 |
7.6 本章小结 |
结论 |
参考文献 |
致谢 |
附录A |
附录B 攻读学位期间所发表的学术论文目录 |
(5)基于时空数据分析的校园学生伴随行为监测系统设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究概况 |
1.3 论文的主要研究内容 |
2 关键技术研究 |
2.1 时空轨迹数据处理架构 |
2.1.1 时空轨迹数据预处理 |
2.1.2 时空轨迹数据存储与查询 |
2.1.3 时空轨迹数据挖掘 |
2.1.4 轨迹隐私保护 |
2.2 时空轨迹模式挖掘算法 |
2.2.1 时空轨迹模式分类 |
2.2.2 轨迹相似度算法研究 |
2.2.3 伴随模式挖掘算法 |
2.3 本章小结 |
3 伴随行为监测系统方案设计 |
3.1 伴随行为监测系统架构设计 |
3.2 数据采集与预处理 |
3.2.1 数据采集与传输 |
3.2.2 数据预处理 |
3.3 伴随行为挖掘算法设计 |
3.3.1 STS-AB算法 |
3.3.2 RTS-AB算法 |
3.4 构建社交网络 |
3.5 本章小结 |
4 实验结果及分析 |
4.1 校园数据采集及分析 |
4.1.1 校园数据采集及预处理 |
4.1.2 校园数据分析 |
4.2 STS-AB算法实验结果及验证 |
4.3 RTS-AB算法实验结果及验证 |
4.4 结果比较与分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 论文工作总结 |
5.2 研究展望 |
参考文献 |
攻读硕士学位期间科研成果 |
致谢 |
(6)M公司花草茶全渠道整合策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 研究意义 |
1.2 研究内容与方法 |
1.2.1 研究内容 |
1.2.2 研究方法 |
1.3 论文的创新点 |
1.4 本章小结 |
第二章 文献综述和理论基础 |
2.1 文献综述 |
2.1.1 全渠道零售 |
2.1.2 全渠道整合 |
2.1.3 双渠道定价策略 |
2.1.4 全渠道供应链协同 |
2.1.5 文献述评 |
2.2 理论基础 |
2.3 本章小结 |
第三章 M公司概况及渠道现状 |
3.1 M公司的概况 |
3.2 M公司的外部市场环境分析 |
3.2.1 宏观环境分析 |
3.2.2 外部环境分析 |
3.3 M公司渠道现状 |
3.3.1 M公司渠道结构 |
3.3.2 M公司渠道差距分析 |
3.3.3 渠道冲突问题 |
3.3.4 供应链不协同的问题 |
3.3.5 组织内部问题 |
3.3.6 不同渠道消费体验不一致的问题 |
3.4 M公司全渠道不融合的原因 |
3.5 本章小结 |
第四章 M公司全渠道整合策略 |
4.1 全渠道整合的目标 |
4.1.1 渠道的一致性 |
4.1.2 渠道的协同性 |
4.1.3 渠道的互补性 |
4.1.4 渠道的共享性 |
4.2 M公司全渠道整合的可行性 |
4.2.1 全渠道整合有利于增加收益 |
4.2.2 M公司具备实施全渠道整合的条件 |
4.3 全渠道业务整合模式与框架 |
4.3.1 全渠道业务整合主要模式 |
4.3.2 全渠道业务整合决策 |
4.3.3 花草茶定制跨渠道实施框架 |
4.4 产品整合 |
4.5 服务整合 |
4.6 支付方式整合 |
4.7 全渠道业务流程整合 |
4.7.1 全渠道集成供应链系统建设 |
4.7.2 M公司渠道信息整合 |
4.7.3 订单集成 |
4.7.4 库存共享 |
4.7.5 采购资源整合 |
4.7.6 物流资源整合 |
4.8 终端会员资源整合 |
4.9 渠道整合实施效果测量设计 |
4.10 本章小结 |
第五章 M公司全渠道整合实施保障措施 |
5.1 全渠道整合策略的实施计划 |
5.2 M公司实施全渠道整合的保障措施 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 研究结论 |
6.2 研究展望 |
致谢 |
参考文献 |
(7)车联网V2I通信基于串行干扰消除的MAC协议研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 文章内容安排 |
第二章VANET中接入技术概述 |
2.1 VANET架构特征及面临的挑战 |
2.2 无线接入协议分类 |
2.2.1 基于竞争的MAC协议 |
2.2.2 基于调度的MAC协议 |
2.3 VANET中的接入协议 |
2.4 基于串行干扰消除的接入协议 |
2.5 本章小结 |
第三章V2I场景下基于串行干扰消除的接入协议 |
3.1 引言 |
3.2 系统模型 |
3.2.1 移动模型 |
3.2.2 通信模型 |
3.3 基于串行干扰消除的时隙间译码机制 |
3.3.2 时隙间串行干扰消除过程二分图表示 |
3.3.3 时隙间串行干扰消除过程收敛性证明 |
3.4 基于串行干扰消除的时隙内译码机制 |
3.4.1 时隙内干扰消除原理 |
3.4.2 时隙内串行干扰消除过程 |
3.4.3 时隙内串行干扰消除增益 |
3.5 Inter-intra译码策略 |
3.5.1 Inter-intra译码过程 |
3.6 仿真结果及分析 |
3.6.1 网络仿真器OMNe T++介绍 |
3.6.2 仿真参数设置 |
3.6.3 仿真内容与结果分析 |
3.7 本章小结 |
第四章 基于串行干扰消除的自适应调节协议 |
4.1 接入协议中Q-learning算法概述 |
4.2 基于串行干扰消除的自适应帧长调节协议 |
4.2.1 基于Q-learning的时隙选择方案 |
4.2.2 基于信道负载的自适应帧长调节算法 |
4.2.3 自适应调节协议算法流程 |
4.3 仿真内容与结果分析 |
4.4 本章小结 |
第五章 总结与展望 |
参考文献 |
致谢 |
作者简介 |
(8)基于三代测序解析油菜和水稻遗传多样性(论文提纲范文)
摘要 |
Abstract |
缩略语表 |
第一章 前言 |
1.1 测序技术的发展 |
1.2 植物基因组研究进展 |
1.3 作物中的泛基因组研究 |
1.4 油菜和水稻的起源与驯化 |
1.4.1 油菜基因组的起源 |
1.4.2 油菜的驯化历程 |
1.4.3 亚洲栽培稻的起源与驯化 |
1.5 本研究的目的及意义 |
第二章 油菜参考基因组 |
2.1 材料与方法 |
2.1.1 实验材料 |
2.1.2 PacBio SMRT建库与测序 |
2.1.3 Hi-C建库与测序 |
2.1.4 Bio Nano光学图谱测序和组装 |
2.1.5 RNA-Seq测序 |
2.1.6 基因组重叠群组装 |
2.1.7 假染色体构建 |
2.1.8 重复序列注释 |
2.1.9 基因注释 |
2.1.10 非编码RNA注释 |
2.1.11 Hi-C数据处理及分析 |
2.1.12 基因组评估 |
2.2 结果与分析 |
2.2.1 八个油菜基因组的从头组装 |
2.2.2 组装基因组的评估 |
2.2.3 油菜基因组的注释 |
2.2.4 Hi-C相互作用与基因组特征的相关性 |
2.3 讨论 |
第三章 油菜的遗传变异与泛基因组 |
3.1 材料与方法 |
3.1.1 油菜基因组中同源区域鉴定 |
3.1.2 系统发育分析 |
3.1.3 分化时间分析 |
3.1.4 MADS-box基因家族鉴定和分类 |
3.1.5 SNPs和 In Dels鉴定 |
3.1.6 不同品种间结构变异分析 |
3.1.7 PAVs区域鉴定 |
3.1.8 基因家族聚类 |
3.1.9 泛基因组构建 |
3.1.10 Gene index构建 |
3.1.11 泛基因组数据库构建 |
3.2 结果与分析 |
3.2.1 油菜基因组的进化 |
3.2.2 油菜的系统发育 |
3.2.3 广泛的种内变异 |
3.2.4 油菜的泛基因组 |
3.2.5 泛基因组数据库 |
3.3 讨论 |
第四章 PAV-GWAS解析表型差异 |
4.1 材料与方法 |
4.1.1 甘蓝型油菜BN-NAM群体构建 |
4.1.2 BN-NAM群体的SNP分型 |
4.1.3 BN-NAM群体的表型统计 |
4.1.4 基于SNPs的全基因组关联分析 |
4.1.5 基于PAVs的全基因组关联分析 |
4.1.6 FLC基因变异分析 |
4.1.7 FLC基因的群体结构和基因型分析 |
4.2 结果与分析 |
4.2.1 角果长和粒重性状的关联分析 |
4.2.2 开花期性状的关联分析 |
4.2.3 FLC基因在不同基因组中的变异 |
4.2.4 FLC基因与生态型分化 |
4.3 讨论 |
第五章 水稻参考基因组 |
5.1 材料与方法 |
5.1.1 实验材料 |
5.1.2 Pac Bio SMRT RSII测序 |
5.1.3 Bio Nano光学图谱测序 |
5.1.4 基因组从头组装和缺口填补 |
5.1.5 着丝粒和端粒序列鉴定 |
5.1.6 重复元件和基因注释 |
5.1.7 变异鉴定 |
5.1.8 系统发育分析 |
5.1.9 生物信息平台构建 |
5.2 结果与分析 |
5.2.1 籼稻基因组的组装与注释 |
5.2.2 籼稻基因组的转座元件 |
5.2.3 籼稻基因组种内变异图谱 |
5.2.4 稻属基因家族比较 |
5.2.5 籼稻基因组生物信息平台 |
5.3 讨论 |
参考文献 |
附录 |
攻读学位期间已发表论文 |
致谢 |
(9)基于神经网络的随机电报噪声检测研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 低频噪声检测技术的研究现状 |
1.2.2 神经网络的研究现状 |
1.3 本文主要研究内容 |
1.4 论文结构安排 |
第2章 RTS噪声产生机理及电路模型构建 |
2.1 集成电路的噪声分类 |
2.2 其他不同噪声的特性 |
2.3 RTS噪声分析及建模 |
2.3.1 RTS噪声的理论分析 |
2.3.2 RTS噪声行为级建模 |
2.4 RTS噪声源电路的设计 |
2.4.1 导入VerilogA模型的RTS噪声源电路 |
2.4.2 RTS噪声放大器的设计 |
2.5 本章小结 |
第3章 弱噪声环境下的RTS噪声检测 |
3.1 辐照对RTS噪声的影响 |
3.2 数据预处理 |
3.3 神经网络结构设计 |
3.3.1 BP神经网络 |
3.3.2 RTS噪声检测网络设计 |
3.3.3 输出分类函数 |
3.4 RTS噪声检测网络的训练 |
3.5 本章小结 |
第4章 多噪声环境下的低频噪声分类检测 |
4.1 1/f噪声的采集 |
4.2 低频噪声数据预处理 |
4.3 低频噪声分类检测神经网络的训练 |
4.3.1 双隐层网络的低频噪声分类检测 |
4.3.2 网络优化后的的低频噪声分类检测 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
(10)基于嵌入式软PLC的掘进机控制平台关键技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及意义 |
1.2 研究现状 |
1.2.1 可编程控制器发展历史 |
1.2.2 掘进机控制研究现状 |
1.2.3 电磁比例多路换向阀控制研究现状 |
1.3 研究内容 |
1.4 论文组织结构 |
2 控制平台总体方案设计 |
2.1 掘进机控制系统分析 |
2.1.1 控制系统组成分解 |
2.1.2 控制回路分析 |
2.1.3 掘进机功能分析 |
2.2 控制系统整体架构设计 |
2.3 控制平台软硬件架构设计 |
2.3.1 软件平台分层设计 |
2.3.2 硬件平台架构设计 |
2.4 小结 |
3 控制平台硬件和系统层设计 |
3.1 控制平台硬件设计 |
3.1.1 关键硬件电路设计 |
3.1.2 比例多路换向阀驱动电路 |
3.2 实时操作系统移植 |
3.2.1 系统开发环境搭建 |
3.2.2 操作系统移植 |
3.2.3 实时化升级改造 |
3.3 嵌入式软PLC运行时系统 |
3.3.1 运行时系统分析 |
3.3.2 运行时系统构建 |
3.4 小结 |
4 控制平台驱动开发 |
4.1 设备配置描述 |
4.1.1 设备配置描述原理 |
4.1.2 设备描述文件修改 |
4.2 COSESYS驱动组件开发 |
4.2.1 I/O驱动开发 |
4.2.2 使用外部函数开发库 |
4.3 Linux基于硬件的驱动开发 |
4.3.1 串口设备驱动 |
4.3.2 GPIO驱动 |
4.3.3 PWM驱动 |
4.4 小结 |
5 控制平台应用研究和验证 |
5.1 PWM控制比例多路换向阀数学模型 |
5.1.1 PWM驱动信号原理研究 |
5.1.2 驱动比例电磁铁模型研究 |
5.1.3 比例多路换向阀模型研究 |
5.2 PWM驱动比例多路换向阀实现 |
5.2.1 AMESim仿真确定PWM驱动频率值 |
5.2.2 PID电流反馈 |
5.2.3 PWM程序实现 |
5.3 控制性能实验 |
5.3.1 实验对象选择 |
5.3.2 实验系统组成及布置 |
5.3.3 实验 |
5.4 小结 |
6 总结和展望 |
6.1 总结 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简历 |
学位论文数据集 |
四、共同的梦想:RTS——实时系统(论文参考文献)
- [1]高速航空飞行器集群资源分配技术与低时延MAC协议的设计[D]. 蔡冲霄. 桂林电子科技大学, 2021(02)
- [2]疟疾疫苗候选基因(CSP与TRAP)遗传多态性及自然选择分析[D]. 黄慧莹. 汕头大学, 2021(02)
- [3]DIP2基因家族单核苷酸多态性与孤独症谱系障碍及其临床表型的关联研究[D]. 李岩. 吉林大学, 2020(01)
- [4]基于辐射两步法的MIMO终端测量系统的设计和实现[D]. 沈鹏辉. 湖南大学, 2020(02)
- [5]基于时空数据分析的校园学生伴随行为监测系统设计[D]. 杨慧. 华中科技大学, 2020(01)
- [6]M公司花草茶全渠道整合策略研究[D]. 邓颖. 电子科技大学, 2020(01)
- [7]车联网V2I通信基于串行干扰消除的MAC协议研究[D]. 郑怀翠. 西安电子科技大学, 2020(05)
- [8]基于三代测序解析油菜和水稻遗传多样性[D]. 宋佳明. 华中农业大学, 2020(02)
- [9]基于神经网络的随机电报噪声检测研究[D]. 李芳程. 哈尔滨工业大学, 2020
- [10]基于嵌入式软PLC的掘进机控制平台关键技术研究[D]. 朱伟. 煤炭科学研究总院, 2020(10)