
Метод динамического выбора подканалов в гетерогенных средах Интернета вещей
|
Парамонов А. И., Хоанг Ф. Н.
|
Читать
Аннотация
В статье рассматривается задача динамического выбора подканалов в гетерогенных сетях Интернета вещей с учетом изменений параметров сети и ограниченных вычислительных ресурсов устройств. Предметом исследования являются гетерогенные сети Интернета вещей, использующие различные технологии передачи данных. В исследовании применяется метод обучения с подкреплением для динамического выбора подканалов на основе анализа исторических данных и текущего состояния сети, также используется алгоритм перетягивания каната для распределения ресурсов между подканалами. Основные результаты. Разработан метод динамического выбора подканалов, который позволяет учитывать вероятность успешной передачи данных, частоту использования подканала и вероятность отказов, обеспечивая баланс между эффективностью передачи и вычислительными затратами. Практическая значимость результатов заключается в повышении производительности и надежности гетерогенных сетей Интернета вещей при высокой нагрузке и ограниченных ресурсах устройств.
Ключевые слова гетерогенные сети, канал связи, Интернет вещей, алгоритм перетягивания каната, обучение с подкреплением. DOI 10.31854/2307-1303-2025-13-1-1-13
EDN DYOMML
|
SDR-анализатор сигналов стандарта LTE с панорамным модулем сканирования на основе методов машинного обучения
|
Цап В. В., Фокин Г. А.
|
Читать
Аннотация
В статье рассматривается применимость моделей и методов машинного обучения при спектральном зондировании для повышения скорости сканирования и анализа сигналов стандарта LTE. Описывается порядок работы программного модуля сканирования сигналов стандарта LTE по алгоритму спектрального зондирования в широком диапазоне частот. Методом исследования является натурный эксперимент с использованием плат программно-конфигурируемого радио. Результатом сканирования и анализа является обнаружение сигналов базовых станций стандарта LTE, работающих на передачу в заданном районе. Эффективность обнаружения базовых станций оценивается посредством классификации участков спектра методами машинного обучения. Практическая значимость: объединение программного модуля панорамного сканирования в широком диапазоне и программного модуля анализа в информационной полосе частот позволяет существенно сократить время обнаружения базовых станций стандарта LTE в заданном районе.
Ключевые слова спектральное зондирование, стандарт LTE, программно-конфигурируемое радио, машинное обучение. DOI 10.31854/2307-1303-2025-13-1-14-22
EDN XYAPHF
|
Экспериментальная реализация алгоритмов синхронизации OFDM с использованием системы программного радио (SDR)
|
Калачиков А. А., Попович И. А., Пушница В. А.
|
Читать
Аннотация
Постановка задачи. Программное радио позволяет гибко реализовывать алгоритмы обработки сигналов в радиосвязи. Прием сигналов возможен только при наличии синхронизации во временно́й и частотной областях, учитывающих свойства сигналов. При разработке систем связи требуется выбрать алгоритмы, позволяющие эффективно решить задачу синхронизации. Выбор алгоритма выполняется с использованием моделирования и тестовой реализации. В работе представлен прототип системы связи с ортогональным частотным мультиплексированием, реализованный на платформе Adalm Pluto с использованием библиотеки libiio. Цель исследования ‒ анализ и программная реализация алгоритмов символьной и частотной синхронизации при приеме сигналов с ортогональным частотным мультиплексированием. Для этого применена преамбула на основе последовательности Задова ‒ Чу. Оценка частотного смещения выполнена двумя методами: с использованием циклического префикса символов и с применением преамбулы Задова ‒ Чу. Новизна. Разработанные алгоритмы реализованы в виде программ, без применения специализированных библиотек готовых модулей и протестированы на аппаратной платформе Adalm Pluto. Практическая значимость состоит в экспериментальном подтверждении работоспособности предложенных решений, что позволяет использовать их в системах программного радио при реализации каналов связи различных автономных систем.
Ключевые слова программное радио, временна́я синхронизация приема сигналов, частотная синхронизация приема сигналов. DOI 10.31854/2307-1303-2025-13-1-23-39
EDN TOKWFI
|
Разработка интеллектуальной системы помощи водителю
|
Виницкий М. А., Дусталев Е. В., Минин Д. А., Бабич В. Н., Бобровский В. И.
|
Читать
Аннотация
Постановка задачи. Методы машинного обучения и нейронные сети являются перспективным инструментом для прогнозирования и определения объектов в режиме реального времени, что позволяет найти применение подобным технологиям в обеспечении безопасности дорожного движения. Целью работы является разработка решения, способного с помощью методов искусственного интеллекта детектировать и классифицировать объекты, реализующее функции интеллектуальной системы помощи водителю на борту транспортного средства. Используемые методы: создание сервиса интеллектуального ассистирования на основе сверточных нейронных сетей. Элементом новизны представленного решения является реализация сервиса помощи принятия решения водителю на основе компактной маломощной вычислительной базы. Результат: выбранный сервис интеллектуальной системы помощи принятия решений водителю реализован на компактном маломощном вычислительном устройстве с точностью 87 % по оценке показателя средней точности (mAP) при средней частоте 32 кадра в секунду. Практическая значимость: представленное решение позволяет внедрить систему с использованием алгоритмов искусственного интеллекта на базу транспортного средства благодаря низкому энергопотреблению и нейропроцессорному модулю, способному работать с видеопотоком в режиме реального времени.
Ключевые слова Advanced Driver’s Assistance System, сверточные нейронные сети, исскусственный интеллект, машин-ное обучение, интеллектуальные транспортные системы, определение объектов. DOI 10.31854/2307-1303-2025-13-1-40-46
EDN ZZGRGL
|
Моделирование системы автоматического управления уличным освещением с помощью технологии LoRa
|
Фазылов Д. А., Кравец Е. В.
|
Читать
Аннотация
Постановка задачи. Управление уличным освещением с использованием современных технологий Интернета вещей связано со стремлением общества к созданию энергоэффективной системы, являющейся частью концепции «умного» города. Основными функциями автоматических систем освещения являются: управление линиями наружного освещения, индивидуальное и групповое диммирование, адаптация освещения под погодные условия, присутствие пешеходов и дорожный трафик. Для реализации задачи управления освещением требуется доступ к каждому светильнику, который может быть реализован на основе беспроводных технологий Интернета вещей. Целью работы является расчет параметров системы дистанционного управления уличным освещением. Используемые методы: для определения количества базовых станций, необходимых для дистанционного управления светильниками, используется модель распространения радиоволн Окамуры ‒ Хата. Эта модель позволяет определить радиус действия базовой станции в районах с типичной городской застройкой. Новизна исследования состоит в том, что проведено сравнение технологий низкоэнергетических сетей с широкой зоной покрытия для задачи управления освещением. Показано, что для повышения емкости сети можно использовать семь частотных каналов для передачи по каналу «вверх» и один фиксированный частотный канал для передачи по каналу «вниз». При этом вероятность доставки пакетов составляет 99 %. Результат: представлены результаты планирования сети начального приближения на основе технологии LoRa в системе проектирования RadioPlanner.
Ключевые слова уличное освещение, Интернет вещей, технология LoRa, «умный» город, «умное» освещение. DOI 10.31854/2307-1303-2025-13-1-47-58
EDN TQUHQG
|
© СПбГУТ © Автор(ы) статей
Неисключительные права на все материалы, опубликованные в настоящем журнале принадлежат СПбГУТ. Воспроизведение, копирование, распространение возможно при наличии письменного разрешения от СПбГУТ. По вопросам приобретения неисключительных прав и использования журнала обращайтесь
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
. Ссылка на первоисточник обязательна. Минимальные системные требования для просморта издания: тип компьютера, процессор, сопроцессор, частота: Pentium IV и выше или аналогичное; оперативная память (RAM): 256 Мб и выше; необходимо на винчестере: не менее 64 Мб; ОС MacOS, Windows (XP, Vista, 7) или аналогичное; видеосистема: встроенная; дополнительное ПО: Adobe Reader версия от 7.X или аналогичное. Защита от незаконного распространения: реализуется встроенными средствами Adobe Acrobat.
|
|