匹配网络两种设计方法的对比研究
宽带圆极化天线及可重构天线研究与设计
宽带圆极化天线及可重构天线研究与设计一、本文概述随着无线通信技术的飞速发展和广泛应用，天线作为无线通信系统的重要组成部分，其性能优化和设计创新一直是研究的热点。
本文致力于探讨宽带圆极化天线及可重构天线的研究与设计，旨在提高天线在复杂电磁环境中的性能稳定性和适应性。
宽带圆极化天线因其具有宽频带、圆极化波等特性，在卫星通信、雷达探测等领域具有广泛的应用前景。
本文将深入研究宽带圆极化天线的基本原理和设计方法，分析影响其性能的关键因素，并提出相应的优化策略。
可重构天线作为一种新型天线技术，具有灵活可变、适应性强等特点，在认知无线电、智能通信等领域展现出巨大的潜力。
本文将详细阐述可重构天线的工作原理和实现方式，探讨其在不同应用场景下的性能表现和应用前景。
本文将结合具体案例，详细分析宽带圆极化天线和可重构天线的实际设计过程，包括天线结构的选择、参数的优化、性能的仿真验证等。
通过本文的研究，期望能够为天线设计的理论研究和实际应用提供有益的参考和借鉴。
二、宽带圆极化天线的基本理论圆极化天线是一种特殊的天线类型，其辐射的电磁波电场矢量或磁场矢量的端点随时间沿圆形或椭圆形的轨迹移动。
这种特性使得圆极化天线在无线通信系统中具有广泛的应用，特别是在存在多径效应和法拉第旋转的环境中。
宽带圆极化天线则是指其工作带宽较宽的天线，能够满足现代无线通信系统对宽带和圆极化的双重需求。
圆极化波可以分为左旋圆极化（LHCP）和右旋圆极化（RHCP）两种。
这两种极化方式的主要区别在于电场矢量或磁场矢量的旋转方向。
在自由空间中，圆极化波的传播不受天线极化的影响，因此具有较好的抗多径效应和法拉第旋转的能力。
宽带圆极化天线需要满足两个主要条件：一是具有较宽的工作带宽，二是其辐射的电磁波应为圆极化波。
为了实现宽带圆极化，天线的设计需要考虑到阻抗匹配、轴比、增益等多个因素。
设计宽带圆极化天线的方法多种多样，包括加载寄生元件、采用特殊馈电结构、使用多层结构等。
宽带天线阻抗匹配网络的优化设计
配 网络 的复 杂 性 ， 网络 逼 近 技 术 难 度 较 大 ． 网 络 综 合 法 其 而 又要 求 精 确 的 推 导 ， 限制 条 件 往 往 比 较 多 ， 络 的 可 实 现 性 网 也 是 不 确 定 的 。 网 络综 合 法 存 在 的 这 些 问 题 使 它 的 普 遍 适
用性受到很大的限制。
单， 法直观 ， 计 方便 ． 适 合 宽带 天线 阻抗 匹配 网络 的 方 设 更
设 计
１ 转 换 功 率 和 驻 波 比 ］
天线 宽带 匹 配 网络 一 般指 的 是在 较 宽 的频 带 内 ， 够 实 能 现信 号 源 到 天线 转 换 功 率 最 大 的一 种 耦 合 网络 ， 于 这 样 的 对 网络 ， 须 具 有 如 下 特 点 ： 输 出端 与 负 载 端 有 良好 的 匹 配 ； 必 ①
随 着 计算 机 的广 泛 应用 ， 配 网络 设 计 的数 值方 法 也 于 匹
六 十 年 代 中期 开始 发 展 起 来 。与 解 析 理论 相 比 ． 种 方 法 这 更 切 合 实 际应 用 ， 不 仅 能 直 接 应用 于 匹配 网络 的计 算 机 辅 它 助 设 计 ， 且 能 解 决 解析 方 法 中所 遇 到 的许 多 困难 问题 。 而
Ｄｅ ｅ． ２ ０ ０ ７
宽 带 天 线阻 抗 匹 配 网络 的优 化设 计
杨 利 容 ， 龙 祖 强
（ 阳师范 学院 物理 与电子信 息科 学 系，湖 南 衡 阳 衡
摘
４ １０ ） ２ ０ ８
要 ：给 出 了一 种 处 理 宽 带 天 线 双 端 匹 配 的 改 进 方 法 ，即 最 优 化 算 法 ，并 且 与 实 频 法 进 行 对 比分 析 ， 最 终 可
云计算平台上两种中文分词算法的实现对比研究
人工智能及识别技术本栏目责任编辑：唐一东云计算平台上两种中文分词算法的实现对比研究周寅，龙广富（武汉船舶职业技术学院，湖北武汉430050）摘要：现如今，常用的中文分词算法为IKAnalyzer （简称为：IK ）和ICTCLAS （简称为：IC ）两种，这两种算法也可以说是如今的主流中文分词算法，为了能够更好的研究两种算法的性能，本文首先利用理论对两种算法在单机环境下的性能进行分析,而后通过Hadoop 分布式文件管理系统（简称为：HDFS ）、Hadoop 集群和并行处理大数据集的MapReduce 所共同组成的系统框架，并将算法优化后，通过开展大量的实践性实验对两种不同算法在分布式环境下对大数据集进行处理后的表现进行比较，而后得出具体的分析结果，希望能够为相关人士带来帮助。
关键词：云计算；IKAnalyzer ；ICTCLAS ；Hadoop ；比较中图分类号：TP3文献标识码：A文章编号：1009-3044(2021)09-0191-02开放科学（资源服务）标识码（OSID ）：对于中文分词法来说，该方法最初被北京航空航天大学的梁南元教授所提出，属于一种在查字典分析方法基础上的分词方法，近些年来，由于我国经济水平和社会发展的速度越来越快，中文在整个世界舞台中所占据的地位也越来越重要，并且吸引了更多学者加入中文分词法的研究中，现如今已经实现了基于多种词典和概率统计的中文分词算法，而在面对这些大量的中文信息时，必须要确保文本分词结果，在满足本身词义的基础上，尽可能延长词组长度，而现如今的中文分词算法种类非常多，但是可以将其大致分为三种，分别为基于字符串匹配的分词、基于理解的分词以及基于统计的分词，在这种情况下也出现了多种分词算法产品，比如SCWS 、HTTPCWS.IKAnalyz⁃er 2012、FudanNLP 、ICTCLAS 等，而这些分词算法均不能算作为开源，而考虑到虽然IKAnalyzer 2012、ICTCLAS 等算法属于开源，但是这些算法却大多应用在单机环境下，考虑这一前提条件，可以将这两种算法引入到云计算平台上，进而使其能够与更多应用进行结合。
模板匹配识别算法和神经网络识别算法的比较及MATLAB实现
模板匹配识别算法和神经网络识别算法的比较及MATLAB实现陶鹏，朱华（攀枝花学院数学与计算机学院，四川攀枝花617000）摘要：现有的车牌识别系统（LPR）已经诞生了许多关键技术。
常用的关键技术有：基于数学形态学定位汽车车牌、基于Hough变换的车牌图像倾斜校正算法。
而识别算法中，主要有模板匹配和BP神经网络算法。
模板匹配算法是数字图像处理组成的重要部分之一。
把不同的传感器在不同时间和成像条件下对景物获取到的图像在空间上对齐，或在模式到一幅图中寻找对应的处理方法。
BP神经网络算法是一种“误差逆传播算法训练”：利用输出的误差估计前一层的误差，以此类推，获取各层次估计的误差。
本次实验通过比较识别算法的两种关键技术得出以下结论：模板匹配实现过程简单，速度快，要求字符比较规整，并且对车牌图片质量要求很高，图像被其他因素干扰时，比如光线、清晰度等，会导致识别率低；而神经网络算法可以在不同的复杂环境下、不明确推理规则等识别问题，具有自适应性好、识别率高的自学习和自调整能力，但在识别前需要进行网络训练，速度慢，依赖大量的学习样本。
关键词：识别算法；模板匹配；BP神经网络中图分类号：TP181文献标识码：A文章编号：1009-3044(2020)34-0187-04开放科学（资源服务）标识码（OSID）：Character Recognition Algorithm Based on Template Matching and Character Recognition Algorithm based on Neural Network Comparison and MATLAB ImplementationTAO Peng，ZHU Hua（School of Mathematics and Computer,Panzhihua University,Panzhihua617000,China）Abstract:Existing license plate recognition(LPR)system has created the key technology of many key techniques are commonly used are:car license plate based on mathematical morphology on the license plate image tilt correction algorithm based on Hough transform and the recognition algorithm,there are mainly template matching template matching algorithm and the BP neural net⁃work algorithm is one of an important part of digital image processing of the different sensors in different time and imaging condi⁃tion of scenery get image alignment on the space,or in the model to a figure in search the corresponding treatment method the BP neural network training algorithm is a kind of error back propagation algorithm:using the output error of the estimation error of the previous layer,and so on,for all levels estimated error this experiment by comparing the recognition algorithm of two kinds of key technology in the following conclusions:template matching process is simple,fast,character is neat,and the license plate image quality requirement is high,the image interference by other factors,such as the light of clarity,leads to the recognition rate is low; However,neural network algorithm can identify problems such as unclear inference rules in different complex environments,and has self-learning and self-adjustment abilities with good adaptability and high recognition rate.However,network training is need⁃ed before recognition,which is slow and relies on a large number of learning samples.Key words:Recognition algorithm;Template matching;The neural network随着我国经济水平的不断提升，人们对生活质量的要求也源源不断提高。
基于多维度排查优化提升“5G站点用户驻留比”的方法研究
通信热点DOI:10.3969/j.issn.1006-6403.2023.11.008基于多维度排查优化提升“5G站点用户驻留比”的方法研究［钟建新］随着5G网络建设逐步完善，部分5G连续覆盖区域由于站点间距大或者参数设置异常等原因，导致5G用户无法使用5G网络，反而高倒流到4G网络进行业务，影响用户感知。
通过介绍一种基于多维度排查优化提升“5G站点用户驻留比”的方法，结合案例定位分析，优化过程循序渐进，流程清晰，5G驻留比提升效果明显，可为行业工程师提供类似问题排查经验和参考。
钟建新广东海格怡创科技有限公司，大学本科学历，中级职称，主要研究方向：移动通信网络规划与优化。
关键词：5G用户驻留比多维度互操作协同 5G->4G切换对 MDT覆盖摘要1 问题背景传统的5G站点用户驻留比优化主要关注5G问题小区存在问题，较少发掘预测5G问题小区发生倒流的区域，导致相关指标优化提升效果不明显[1]。
影响5G用户倒流4G网络的主要原因有用户SIM卡不支持5G、用户终端5G功能使用异常[2]、站点出现硬件故障、小区无线参数设置异常以及小区弱覆盖输出等。
由于传统的5G站点用户驻留比优化主要关注5G问题小区存在问题，较少发掘预测5G问题小区发生倒流的区域，导致相关指标优化提升效果不明显，目前急需一种更加高效更加系统的排查方法来提升“5G站点用户驻留比”。
从5G小区健康度和5G高倒流区域预测分析维度出发，不仅关注5G问题站点小区存在的健康度问题。
同时，预测出5G站点问题小区可能发生高倒流区域，并结合相关区域5G/4G小区情况，针对性的制定优化提升策略。
5G高倒流专项优化，发现5G基站“文心公交二D-HRH”的“5G站点用户驻留比”指标持续低于70%，严重影响周边用户使用感知，如表1所示。
表1 “文心公交二D-HRH”站点用户驻留比（优化前）日期5G站点用户驻留比（%）2022/11/150.95%2022/11/254.29%2022/11/353.44%2022/11/451.32%2022/11/555.73%2022/11/655.22%2 多维度排查分析2.1 维度一：5G小区健康度排查本维度从发生高倒流的5G问题站点小区出发，重点34图1 5G 图2 基站小区静态参数（3）系统内邻区缺失排查避免5G 问题小区边缘弱覆盖无法进行系统内切换而互操作到周边4G 小区影响驻留指标，需进行系统内邻区缺失排查。
三维模型中的形状配准与匹配算法研究
三维模型中的形状配准与匹配算法研究在三维模型中，形状配准与匹配算法是非常重要的技术之一。
它可以帮助我们将不同的三维模型相互配准，以此来实现不同模型之间的比较和识别。
在本文中，我们将重点探讨三维模型中的形状配准与匹配算法的研究，并介绍一些目前主流的算法。
一、形状配准与匹配算法的用途在三维模型中，形状配准与匹配算法的主要用途是将不同模型相互对齐，以便进行比较和分析。
这项技术广泛运用于3D计算机图形学、计算机视觉、机器人和自然语言处理等领域。
在医学影像方面，形状配准与匹配技术可以用于对比不同患者的CT或MRI扫描，有助于医生更好地诊断和治疗患者。
二、形状配准与匹配算法的分类形状配准与匹配算法可以分为基于特征点的方法和基于全局形状的方法两种。
1、基于特征点的方法基于特征点的形状配准与匹配算法主要是利用模型中存在的独特的关键点，通过计算这些关键点之间的距离和方向来实现匹配。
常用的特征点包括：SIFT（尺度不变特征变换）点、SURF（快速无秩序特征）点、Harris角点等。
其中，SIFT算法是一种比较成熟的特征点匹配算法。
它能够在旋转、缩放和亮度变化等情况下，仍然能够准确地识别出相同物体中的相同特征点。
因此，SIFT算法在计算机视觉领域得到了广泛的应用。
2、基于全局形状的方法基于全局形状的形状配准与匹配算法是通过计算整个模型之间的相似性来实现匹配。
它主要利用了物体本身的形状信息，可以避免特征点数量不足的问题，但也容易受到物体姿态、噪声影响等问题。
常见的基于全局形状的匹配算法包括：熵描绘子方法、光流法、范数距离算法、最小二乘法等。
三、形状配准与匹配算法的研究进展随着计算机技术的不断进步和应用需求的不断增长，形状配准与匹配算法不断得到改进和优化。
1、稳健性和精度的提高稳健性和精度一直是形状配准与匹配算法的重要考虑因素。
为了提高匹配的质量，很多研究者开发了一些新的匹配算法，如基于超级像素的方法和基于压缩感知的方法。
UHF截断单极子天线及其匹配网络设计
ａ ｅ ｍ ｅ ｓ ｒ ｄ， ｈ ｗｉ ｇ ｇ ｏ ｇ ｅ ｍ ｅ ｔ ｗｉｈ ｔ ｉ ｌ ｔ ｏ ｅ ｕ ｔ ．Ｔｈ ｏ ｌ ｗｉ ｇ ｃ ｎ ｌ ｓｏ ｓ ａ ｅ ｄ ａ ｒ ａ ｕ ｅ ｓ ｏ ｎ ｏ ｄ ａ ｒ ｅ ｎ ｔ ｈｅ ｓｍｕ ａ ｉ ｎ ｒ ｓ ｌｓ ｅｆ ｌ ｏ ｎ ｏ ｃ ｕ ｉ ｎ ｒ ｒ ｗｎ．Ｔｈ ｅ ｇ ｉ ｎ ｔ ｅ ｈ ｒｚ ｎ ａ ｉｅ ｔ ｏ ｆｔ ｅ ａ ｔ ｎ ａ ｗｉｈ ｍａ ｃ ｎ ｅ ｗｏ ｋ ｉ ｏ ｅ ｔ ａ ｔ ｅ ０ Ｈｚ ａ ｎ ｉ ｈ ｏ ｉ ｏ ｔ ｌｄ ｒ ｃ ｉ ｎ ｏ ｈ ｎ ｅ ｎ ｔ ｔ ｈｉ ｇ ｎ ｔ ｒ ｓ ｍ ｒ ｈ ｎ ０ｄＢｉｂｅ ｗｅ ｎ １ ０ Ｍ ａ ｄ ３ ０ Ｍ Ｈｚ ａ ｄ ｓ ａ ｓｗｉｈｉ 一 ７＾ ０ ｄ ｒ ｍ ５ Ｈｚｔ ０ Ｈｚ ｎ ５ ， ｎ ｔ ｙ ｔ ｎ 一 Ｂｉ ｏ ３ ０ Ｍ ｆ ｏ４ ０Ｍ ．Ｔｈ ｉ ｌ ｔ ｄ ｒ ｆ ｃ ｉ ｎ ｃ ｅ ｃｅ ｔ Ｓ１ ｅ ｓｍｕ ａ ｅ ｅ ｅ ｔｏ ｏ ｆ ｉｎ ｌ ｉ １
（ ．Ｊ０ Ｚ ２ １） 航空科技基金（ ｏ２ ００ ８０ ７资助 ＮｏＺ １ Ｄ ０ １ １； Ｎ ． ９ １００ ） ０
通信作 者：肖绍球 ， 教授 ，博导，研究方 向：天线 理论与技术、新型超宽带通信 ，Ｅ ｍａｌ ｉｏ ｈ ｏ ｉ￣ｕ ｓｃｅ ｕｃ ・ ｉ ａ ｓ ａ ｑｕ ｅｔ ．ｄ ．ａ ：ｘ
４４ ２
应
用
科
学
学
报
第２ 卷 ９
阻加载 的单极子天线 （ 由以陶 瓷为基 质的碳膜 电阻元
串联 而成）截为 若干段 ， 每段之 间 留有一 定宽度 的缝 隙 ，并在其端面镀 上一层金属膜 ，从而在两 节 电阻棒
执行国际---cati和CAWI调研对比
Copyright © 2007 Survey Sampling International
Overview & Background 概览&背景
A parallel online and offline (CATI) research were conducted to compare both methodologies 为了对两种方法进行比较而开展了一项网络与CATI的并行调研 The main objective is to understand any potential differences between both methodologies 主要目的是找出两种方法之间潜在的区别 A discussion of the results and suggestions for future opportunities of online research concludes this presentation 最后将对结果进行讨论，并对网络调研的未来机遇提出建议
Kempinski Hotel凯宾斯基酒店
Crowne Plaza Hotel皇冠假日酒店
Hilton Hotel希尔顿酒店
Peninsula Hotel半岛酒店
Offline (CATI)
Online在线
Copyright © 2007 Survey Sampling International
Copyright © 2007 Survey Sampling International
Overview & Background 概览与背景
Market research started about 20 years ago in China with only face-toface interview method 市场研究在中国开始于大约20年前，当时只有面访 Telephone research started about 10 years ago while online research was introduced to China only about four years ago. This has been one of the most important development for the country’s research industry 电话访问开始与大约10年前，而在线访问仅有大约4年的历史。这是中国 市场研究行业最重要的发展之一 Today, we will look into the implications of the shift from offline to online data collection specifically for China 今天我们将探讨在中国从线下到线上转变
几种网络拓扑结构及对比
局域网的实验一内容：几种网络拓扑结构及对比1星型2树型3总线型4环型计算机网络的最主要的拓扑结构有总线型拓扑、星型拓扑、环型拓扑以及它们的混合型。
计算机网络的拓扑结构是把网络中的计算机和通信设备抽象为一个点，把传输介质抽象为一条线，由点和线组成的几何图形就是计算机网络的拓扑结构。
网络的拓扑结构：分为逻辑拓扑和物理拓扑结构这里讲物理拓扑结构。
总线型拓扑：是一种基于多点连接的拓扑结构，所有的设备连接在共同的传输介质上。
总线拓扑结构使用一条所有PC都可访问的公共通道，每台PC只要连一条线缆即可但是它的缺点是所有的PC不得不共享线缆，优点是不会因为一条线路发生故障而使整个网络瘫痪。
环行拓扑：把每台PC连接起来，数据沿着环依次通过每台PC直接到达目的地，在环行结构中每台PC都与另两台PC相连每台PC的接口适配器必须接收数据再传往另一台一台出错，整个网络会崩溃因为两台PC之间都有电缆，所以能获得好的性能。
树型拓扑结构：把整个电缆连接成树型，树枝分层每个分至点都有一台计算机，数据依次往下传优点是布局灵活但是故障检测较为复杂，PC环不会影响全局。
星型拓扑结构：在中心放一台中心计算机，每个臂的端点放置一台PC，所有的数据包及报文通过中心计算机来通讯，除了中心机外每台PC仅有一条连接，这种结构需要大量的电缆，星型拓扑可以看成一层的树型结构不需要多层PC的访问权争用。
星型拓扑结构在网络布线中较为常见。
编辑本段计算机网络拓扑计算机网络的拓扑结构是引用拓扑学中研究与大小，形状无关的点，线关系的方法。
把网络中的计算机和通信设备抽象为一个点，把传输介质抽象为一条线，由点和线组成的几何图形就是计算机网络的拓扑结构。
网络的拓扑结构反映出网中个实体的结构关系，是建设计算机网络的第一步，是实现各种网络协议的基础，它对网络的性能，系统的可靠性与通信费用都有重大影响。
最基本的网络拓扑结构有：环形拓扑、星形拓扑、总线拓扑三个。
1. 总线拓扑结构是将网络中的所有设备通过相应的硬件接口直接连接到公共总线上，结点之间按广播方式通信，一个结点发出的信息，总线上的其它结点均可“收听”到。
计算机网络“自上而下”和“自下而上”两种教学方法比较分析
计算机网络“自上而下”和“自下而上”两种教学方法比较分析【摘要】计算机网络教学方法有自上而下和自下而上两种方式。
自上而下教学方法从网络的最高层开始教授，逐步深入细节；自下而上教学方法则相反，从物理层开始逐渐向上。
本文将详细介绍这两种教学方法，并对它们进行比较分析。
自上而下教学方法强调理解网络的整体结构和功能，有助于学生抓住问题的本质；而自下而上教学方法则更加直观，能够帮助学生理解网络数据传输的过程。
比较分析中将探讨两种教学方法的优缺点，为教师和学生选择合适的教学方式提供参考。
文章总结出自上而下和自下而上教学方法各自的特点，并提出相关建议，展望未来在计算机网络教学中的应用前景。
【关键词】计算机网络、自上而下、自下而上、教学方法、比较分析、引言、研究背景、研究目的、正文、总结、建议、展望1. 引言1.1 研究背景计算机网络作为重要的学科之一，在现代社会中扮演着重要的角色。
随着互联网的高速发展，对计算机网络知识的需求也日益增加。
在教学中，如何有效地传授计算机网络知识成为了一个重要课题。
自上而下和自下而上是两种常见的教学方法。
自上而下教学方法是指先从网络的高层次协议开始讲解，逐渐深入到底层协议；而自下而上教学方法则是相反的，先从底层协议开始讲解，逐渐深入到高层次协议。
这两种教学方法各有优劣，但在实际教学中如何选择合适的方法成为了一个亟待解决的问题。
在这样的背景下，本文旨在比较分析计算机网络中自上而下和自下而上两种教学方法的优缺点，探讨哪种方法更适合于计算机网络教学。
通过对这两种教学方法的详细解析和比较，为计算机网络教学提供一定的参考和借鉴。
1.2 研究目的本文旨在探讨计算机网络课程中的两种教学方法：自上而下和自下而上，并对它们进行比较分析。
通过研究这两种教学方法的特点、优缺点以及适用情况，可以帮助教师更好地选择合适的教学方法，提高教学效果和学生学习体验。
具体来说，本研究的目的如下：1. 分析自上而下教学方法的特点和优势，探讨其在计算机网络课程中的适用性和效果；2. 探讨自下而上教学方法的特点和优势，分析其在计算机网络课程中的应用和效果；3. 对比自上而下和自下而上两种教学方法的异同点，从而为教师提供选择适合自己教学目标和学生特点的教学方法提供参考依据；4. 最终旨在通过比较分析，总结出适用于不同情境的最佳教学方法，并为未来的教学实践提供指导和建议。
基于高景一号影像DSM自动匹配效果研究与对比
基于高景一号影像DSM自动匹配效果研究与对比高景一号卫星是中国自主设计、研制和发射的一颗遥感卫星，具有高分辨率、高精度的观测能力，可以提供高质量的影像数据。
其中，DSM （Digital Surface Model）是一种数字地表模型，用于表示地表的高程信息。
本文旨在研究和对比基于高景一号影像的DSM自动匹配效果。
首先，我们介绍DSM自动匹配的原理和方法。
DSM自动匹配是通过计算机算法实现的，主要包括影像块提取、特征提取和匹配三个步骤。
影像块提取是指将高景一号影像分割成小块，以便后续处理。
特征提取是指从影像块中提取有用的地物特征，如边缘、角点等。
匹配是指对不同影像块中的特征进行匹配，得到它们之间的对应关系。
在研究中，我们采用了两种不同的DSM自动匹配方法进行对比。
一种是基于传统计算机视觉方法的，包括SIFT、SURF等特征描述子和匹配算法。
另一种是基于深度学习方法的，主要使用卷积神经网络模型进行特征提取和匹配。
我们首先对比了两种方法在不同场景下的DSM自动匹配效果。
在山地、城市、水域等不同场景下，我们使用了高景一号影像数据进行实验。
结果显示，基于传统计算机视觉方法的DSM自动匹配在山地和城市场景下效果良好，能够有效提取地形和建筑物等特征。
然而，在水域等有反射和折射现象的场景下，传统方法的匹配效果不理想。
相比之下，基于深度学习方法的DSM自动匹配在各种场景下都表现出色，能够准确提取地表高程信息。
其次，我们对比了两种方法在不同分辨率下的DSM自动匹配效果。
我们分别使用了高分辨率和低分辨率的高景一号影像数据进行实验。
结果显示，基于传统计算机视觉方法的DSM自动匹配在高分辨率影像下能够得到更精确的匹配结果，但在低分辨率影像下会出现遮挡和模糊等问题。
而基于深度学习方法的DSM自动匹配在高分辨率和低分辨率影像下都能够得到相对准确的匹配结果。
最后，我们对比了两种方法的计算时间和资源消耗。
结果显示，基于传统计算机视觉方法的DSM自动匹配需要较长的计算时间和较大的计算资源，尤其是在处理大规模高景一号影像数据时。
基于强化学习的电力通信网路由配置优化方法
电力技术应用基于强化学习的电力通信网路由配置优化方法1，温树峰1，王甜甜1，陈泱吟国网电力科学研究院有限公司实验验证中心，江苏南京210000；2常规电力通信网路由的配置优化方法费时费力且效果不佳，因此提出基于强化学习的电力通信网路由配置优化方法。
设计中先根据虚拟路由器冗余协议来提升专线利用率，以实现出口流量的负载均衡。
在此之后进行基于强化学习动态权重优化策略的制定，将业务量大的流量端所经过的链路权重变小，根据动作离散化提升神经网络策略的更新效率，实现电力通信网的路由配置优化。
通过实验证明，提出方法在流量强度分别为0.55 s，配置优化效果较好。
强化学习；电力通信网；配置优化Reinforcement Learning Based Optimization Method for Power Communication NetworkRouting Configuration, WEN Shufeng1, WANG Tiantian.Experimental and Verification Center of State Grid Electric Power Research Institute Co., Ltd., Nanjing.Bestlink Technologies Co., Ltd., Nanjing的多线导出，达到流量出口在进行配置优化时的负载均衡。
此外，基于强化学习制定动态权重优化策略。
基于强化学习算法进行电力通信网路由配置优化是通过奖励的长期累计以达到收益最大化。
强化学习中的神经网络是将通信网路由的原始状态信息转化为与长期利益密切相关的形式，经过层层非线性细化，并进一步指导操作状态空间，其中包含完全筛选的路由相关信息。
状态信息表示的时间越短，神经网络就越容易学习如何处理它并在决策之间建立相关性。
当使用强化学习来解决问题时，电力通信网路由问题本身结构的状态与其生成动作之间具有较低的相关性，神经网络在强化学习中增加难度，导致电力通信网路由在在强化学习过程中，神经网络必须改进电力通信网的路由信息，使其转化为可操作输出，而提炼的。
5G通信系统中的传输技术与网络架构设计
Telecom Power Technology通信网络技术通信系统中的传输技术与网络架构设计董国权（日海通信服务有限公司，广东广州通信系统中的关键传输技术与网络架构设计，探讨新型调制编码方式、大规模多输入多输技术等对系统性能提升的贡献。
Edge Computing，MEC）及动态频谱共享等网络架构设计的创新，并通过仿真测试验证这些设计在提高服务质量、核心网络架构在实现高连接密度和差异化服务质量保障方面的有效性，为通信系统；传输技术；网络架构设计Transmission Technology and Network Architecture Design in 5GCommunication SystemsDONG Guoquan(Rihai Communication Services Co., Ltd., Guangzhoukey transmission technology 2024年3月10日第41卷第5期201 Telecom Power TechnologyMar. 10, 2024, Vol.41 No.5董国权：5G 通信系统中的传输技术与网络架构设计这些技术能够实现更高阶的调制方式，在相同带宽下提升峰值数据速率，同时具有更高的频谱效率和更低的传输延迟等。
例如，GFDM 调制技术通过引入子符号的循环前缀结构，可以更加灵活、高效地利用频谱资源，提高频谱利用率。
Polar 码作为一种全新的编码技术，可以实现更低的编码与译码延迟。
此外，5G 通信系统采用交织波分复用技术，能够在子载波间实现高效的资源复用，显著降低互调失真。
2.2 大规模MIMO 技术根据香农定理，系统容量与信道带宽和信噪比成正比。
采用大规模MIMO 技术，可以在不增加系统带宽的前提下，通过空间复用显著提升等效信噪比，从而扩大理论容量。
此外，大规模MIMO 技术可以高度聚集信号能量，大幅提高发送端的发射效率。
3 5G 通信系统中的网络架构设计3.1 网络切片5G 核心网采用全分布式网络架构，其中网络切片技术是实现差异化需求定制的关键。
VPN的IPSec和SSL实施对比研究
．
，
ｍａ ａ ｍｅｔ ｎ ｆ ｎｔｏ ａ ｔ ｅ ｒ ａ ｅ ｎｇｅ ｎ ａ ｄ ｕｃ ｉ ｎ ｓ ｈ ｐｉ ｔ ｖ
Ｃ ｏｍｐ ｒ ｔ ｖｅ ａ ａ ｉ Ｒｅ ｅ ｃ ｏｆ ＰＳｅ ａ ＳＳＬ ｓ ａｒ ｈ Ｉ ｃ ｎｄ ＶＰＮ Ｉ ｍｐｌ ｍ ｅ ｔ ｔ Ｏ ｅ ｎ ａ ｉｎ
ＭＡ Ｃｈ ａ ｕｎ
（ｏ ｊ ｎｅ ／ ，ｈｎｈ／ ｏ ８ ４ Ｐｉ Ｃｉ） Ｔｎ ｌＵ／ｒ￣ Ｓａ ａ ２ １ ｏ， ｈ ａ ｇ ｖｓｙ ｇ ７ ｎ
Ａｂ ｔａ ｔ Ｖ ｉ ｅｔ ｒｒ ｅ ｅ ｗｏｋ ｓａ ｌｈ ｄ ｉ ｎ ｅｎ ｔ ａ ｔ ｈ ｎ ｔ ｒ ｈ ｓ ｈ ｓｍｅ ｅ ｕｉｙ ｓ ｒｃ ： ＰＮ ｓ ａ ｎ ｅｐｉ ｎ ｔ ｒ ｅｔ ｂｉ ｅ ｖａ ｔ ｒｅ ， ｎ ｔｅ ｅ ｗｏｋ ａ ｔ ｅ ａ ｓ ｃｒｔ ｓ ｓ Ｉ
Ｔｈｙ ｏ ｈ ａ ｅ ｄ ａ ｔ ｇ ｓ ｎ ｄｓ ｄ ａ ｔ ｇ ｓ Ｔｈｒ ａ ｅ ｐｎ ｗａ ａ ｄ ｅ ｂ ｔ ｈ ｖ ａ ｖ ｎ ａ ｅ ａ ｄ ｉ ｖ ｎａ ｅ ． ａ ｅｅ ｐ Ｏ ｅ ｓ ｎ ｎ Ｏｐｎ ＰＮ ｅＶ
．
ｉ ｐ ｎ ｏ ｒｅ ｌｔ ｏｍ ． Ｔｈ ａｔｃ ａ ａｙｓｓ ｈ ｄｆ ｅｅ ｃ ｏ ｔ ｔｃｎ ｌｇｅ ａ ｄ ｍｐｅ ｎ ａ ｉｎ ｎ ｅ ｓ ｕｃ ｐ ｆ ｒ ｏ ａ ｉ ｒｉｌ ｎ ｌ ｅ ｔ ｅ ｉｆｒ ｎｅ ｆ ｗｏ ｅ ｈ ｏ ｉ ｓ ｅ ｏ ｓ ｎ ｉ ｌ ｍｅ ｔ ｔ ｏ Ｋｅ Ｗ ｏ ｄ ｙ ｒ ｓ： Ｖ Ｎ； ＩＳ ｃ； Ｓ Ｌ ； ｅｓ ｎ； ｐ ｎ Ｐ Ｐ Ｐｅ Ｓ Ｏｐｎｗａ Ｏ ｅ Ｖ Ｎ
两种换热网络综合优化方法对比研究
两种换热网络综合优化方法对比研究刘新文;罗行;马虎根【摘要】换热网络的全新优化设计(grassroots design)和换热网络的改造优化设计(retrofit design)均可提高过程工业能量综合利用效率.为了对两种优化设计方法进行比较,分别在分级超结构的基础上,以费用函数为目标函数,建立了两种换热网络综合优化方法的数学模型.通过对混合遗传算法进行改进,实现了对数学模型的优化求解,并从节能水平、投资费用及投资回收期等方面对两种优化方法进行了对比.结果表明,通过对原有换热器单元的重新利用,使得换热网络的改造优化设计虽然在节能水平方面稍低于换热网络的全新优化设计,但在投资费用和投资回收期方面优势明显.【期刊名称】《上海理工大学学报》【年(卷),期】2015(037)003【总页数】7页(P238-244)【关键词】换热网络;全新设计;改造设计;节能【作者】刘新文;罗行;马虎根【作者单位】上海理工大学能源与动力工程学院,上海200093;宁波工程学院化学工程学院,宁波315016;上海理工大学能源与动力工程学院,上海200093;汉诺威大学动力工程学院,汉诺威D-30167;上海理工大学能源与动力工程学院,上海200093【正文语种】中文【中图分类】TK124换热网络在许多工业过程中有广泛的应用,换热网络的效率在很大程度上制约了整个生产过程的用能效率[1].换热网络综合优化是过程工业提高能量综合利用效率和节能的重要手段,可分为全新优化设计和换热网络的改造优化设计[2]两种.换热网络的全新优化设计是指不受原有换热网络的约束,设计满足冷热流股进出口温度需求的包括换热器费用和冷热公用工程费用的总费用最小的换热网络[3].而换热网络的改造设计则是在充分考虑对原有换热网络结构和换热器单元充分利用的基础之上,设计满足冷热流股进出口温度需求的包括总改造费用和冷热公用工程费用的总费用最小的换热网络[4].对于换热网络的全新优化设计而言,由于不考虑利用原有的换热网络的换热器单元和换热网络结构匹配,导致投资费用大幅度增加,但经过优化的换热网络的运行费用减少.而换热网络的改造优化设计,能够充分利用原有的换热网络的换热器单元和换热网络结构匹配,投资费用会大大降低,而由于受到原有的换热网络结构和换热器单元的限制,运行费用减少的潜力则相对较小.因此,对这两种优化设计方法进行对比分析,能够为高耗能企业选择适当的节能改造方法提供理论指导. 本文结合前期在换热网络改造方面研究成果[5],对换热网络改造的两种方法分别建立数学模型,应用改进的混合遗传算法进行优化求解,并从节能潜力、投资费用及投资回收期等方面进行了对比研究.本文中换热网络(heat exchanger network,简称HEN)综合优化模型建立在Yee 等[6]的分级超结构基础之上.整个HEN被分为Ns级(Ns=(k|k= 1,2,…,Ns)),Ns取Nh和Nc的最大值,即Ns= max{Nh,Nc}.Nh和Nc代表HEN的热、冷流股数目,Nh=(i|i=1,2,…,Nh),Nc=(j|j=1,2,…, Nc).k为分级序号,i为热流股序号,j为冷流股序号.每一级HEN,冷热流股都通过流股分流的方式实现相互匹配,匹配最大数目是NhNc.加热器和冷却器分别位于冷、热流股的末端.1.1 约束条件现介绍换热网络综合优化数学模型约束条件.a.流股热平衡.式中,qCU,i和qHU,j分别表示热流股i和冷流股j所需的冷、热公用工程负荷;tH,in,i为热流股i在k=0级的进口温度;tC,in,j为冷流股j在k=NS级的进口温度;tH,out,i,tC,out,j分别为热流股i和冷流股j的目标温度;fh,i和fc,j分别为热流股i和冷流股j的总热容流率;qijk表示换热器交换热负荷.b.换热器热平衡.式中,th,ijk和tc,ijk分别是热流股i和冷流股j在第k级换热网络换热后相应的换热器出口温度;fh,ijk和fc,ijk分别为热流股和冷流股热容流率;th,i,k和th,i,k+1分别为热流股i在第k级和第(k+1)级换热网络换热器换热前的进口温度;tc,j,k和tc,j,k+1分别为冷流股j在第k级和第k+1级换热网络换热混合后出口温度.c.第k级换热网络流股分流.d.第k级换热网络每一分流热能平衡.e.每一流股的进口温度.f.可行温度约束.式中,tc,j,0为冷流股j在第1级出口温度.g.冷热公用工程负荷.式中,th,i,Ns为热流股i在第Ns级出口温度.h.换热最小温差约束.换热器热公用工程i.其它约束.换热器面积A和热容流率f为连续变量且非负.yijk,yCU,i,yHU,j等(0-1)变量用于表示换热器、加热器和冷却器是否需要.式中,Aijk表示热流股i和冷流股j在第k级换热网络匹配换热器所需换热面积;t″h,i,th,out,i表示热流股i换热后温度和目标温度;t″c,j,tc,out,j表示冷流股j换热后温度和目标温度.冷却器面积ACU,i,加热器面积AHU,j能够通过下述方程求得:为了求得换热面积Aijk和热容流率fh,ijk和fc,ijk,出口温度矩阵T″=[t″1,t″2,…,t″Nh,t″Nh+1, t″Nh+2,…,t″Nh+Nc]τ,应用文献[7]提出的HEN温度迭代方法求解.此处,t″1,t″2,…,t″Nh是热流股Nh个出口温度.t″Nh+1,t″Nh+2,…,t″Nh+Nc是冷流股Nc个出口温度.在式(19)和式(20)中,Δtm,CU,i, Δtm,HU,j分别表示热流出口温度与冷公用工程温度差和冷流出口温度与热公用工程温度差.UCU,i, UHU,j表示总换热系数,假定为常量.约束条件c用下述关系式校正:上标*表示参数需要修正.引入(0-1)变量mijk表示是否购置新换热设备.式中,Aijk,Aiejk分别表示在节点ijk处需要的换热器换热面积和原有的换热器换热面积.zijk也是(0—1)变量,表示流股是否分流.1.2 目标函数为了获得满足最优结构匹配和最少公用工程消耗的目标HEN,全新优化的目标函数被设计成包含冷热公用工程费用、加热器、冷却器和换热器费用.改造优化的目标函数设计为包含冷热公用工程费用、加热器、冷却器和新增换热器费用及布管费用.两类设计的换热器费用计算式为式(25)中的第一项Cf表示换热器的固定费用($),第二项表示换热器面积费用.C,A,B 分别表示换热器面积费用系数、换热器面积和面积费用指数.另外,CCU,CHU分别表示单位冷热公用工程费用($).Cp表示重新布置一条单管的费用($).因此,全新设计优化目标函数式为由于HEN综合优化数学模型属于混合整数非线性规划问题,存在非凸、多极值点和非连续的特点,经典的梯度优化方法极易陷入局部最优解.而根据Luo的研究,混合遗传算法具有较强的全局寻优能力[3],因此,本文采用混合遗传算法优化该数学模型,其算法流程如图1所示.当目标函数取得最优解时,即获得最优的换热网络综合改造方案.为了实现对已有换热网络结构和换热器的充分利用,减少改造费用,本文尝试对原有的混合遗传算法进行了改进.具体操作步骤如下:步骤1 对已有的换热网络按照文献[3]进行分级,并顺序从左至右进行编号;步骤2 原有换热器在换热网络中的位置通过ijk值表示,ijk=(k-1)NhNc+(i-1)Nc+j,ijk值能够代表在第k级换热网络热流股i和冷流股j的匹配;步骤3 分析原有的HEN结构,并对原有HEN的换热器进行顺序编号,并计算UAiejk,U为总换热系数,Aiejk为热流股i和冷流股j在第k级匹配处的原有换热器面积;步骤4 原有的换热器UAiejk作为精英算子直接引入到混合遗传算法;步骤5 修改混合遗传算法的相应位置程序.当寻找新个体的UAijk不大于UAeijk,购置新换热器的费用置为零,即mijk=0;否则,mijk=1.若分流,则取zijk=1;否则,zijk=0.换热网络改造流程如图2所示.运行改进的混合遗传算法程序获得最优的换热网络改造方案.本例取自文献[8],原油精馏单元的原有换热网络包括7股热流和3股冷流及一组冷、热公用工程.冷热流股的进出口温度、换热系数和热容流率如表1所示.H1,H2,…,H7为热流股,C1,C2,C3为冷流股,HU为热公用工程,CU为冷公用工程.原有的换热网络结构如图3所示,包括6组冷热流股匹配单元.换热器、加热器、冷却器投资总费用为2.86×106美元.冷热公用工程的需求分别为1.0×105kW蒸汽和6.6×104kW冷却水,公用工程费用约为6.33×106/(美元·a-1).换热网络综合优化费用函数关系如表2所示.其中,A为新换热器面积,X为原有换热器面积.本文在分级超结构基础上分别建立了换热网络综合优化数学模型和改造优化数学模型,并应用混合遗传算法[3]进行优化求解.结果表明,进行换热网络全新优化设计的换热网络结构包括12组冷热流股匹配单元(如图4所示).换热器、加热器、冷却器投资总费用为2.89×106美元,与原换热网络的投资总费用相当.该换热网络所需的冷热公用工程蒸汽负荷为9.24×104kW和冷却水负荷为5.84×104kW,公用工程费用约为5.84×106/(美元·a-1).较初始换热网络公用工程费用节省了4.9×105/(美元·a-1).投资回收期约为6 a.换热网络改造优化结果表明,被改造的换热网络结构包括11组冷热流股匹配单元(图5),位于分级超结构第1级的H6C1和H6C2,第2级的H6C2,第3级的H5C2和第6级的H7C2属于被改造换热网络新增换热单元.新增换热器和重新布管费用约2.45×105美元.该换热网络所需的冷热公用工程分别为9.29×104kW蒸汽和5.89×104kW冷却水,公用工程费用约为5.87×106/(美元·a-1).公用工程费用较原换热网络的节省了4.6×105/(美元·a-1),较全新优化设计换热网络的节能潜力下降了0.05%.另外,为了确保热流股H4的出口温度,冷却器H4CU的换热面积需增加到360.20 m2,即新增面积费用6 120美元.总改造费用为2.51×105美元.投资总费用较原有换热网络和全新改造换热网络分别节省了91.22%和91.31%.投资回收期约为0.546 a.应用混合遗传算法实现了对换热网络的全新设计方案和换热网络改造优化设计方案的优化.实例优化结果表明:a.对换热网络进行全新设计能够实现更大程度的节能.与换热网络改造优化设计方案相比,换热网络全新设计方案的节能潜力提高了约0.05%;与原有的换热网络相比,换热网络全新设计方案和换热网络改造方案的节能潜力分别能提高约7.74%和7.27%.b.对换热网络进行改造设计能够大幅度节省投资费用.由于原有的换热器面积得到了重新利用,使得投资总费用较全新设计换热网络方案节省约91.31%.c.就投资回收期而言,换热网络全新设计最优方案的投资回收期约为6 a,而换热网络改造设计最优方案的投资回收期约为0.546 a.【相关文献】[1] 胡沛,崔国民.换热网络优化影响因素分析及局部最优解的跳出策略[J].上海理工大学学报,2013,35(5):479-483.[2] Björk K M,Nordman R.Solving large-scale retrofit heat exchanger network synthesis problems with mathematical optimization methods[J].Chemical Engineering and Processing,2005,44(8):869-876.[3] Luo X,Wen Q Y,Georg F.A hybrid genetic algorithm for synthesis of heat exchanger networks[J].Computers& Chemical Engineering,2009,33(6):1169-1181.[4] Rezaei E,Shafiei S.Heat exchanger networks retrofit by coupling genetic algorithm with NLP and ILP methods[J].Computers&Chemical Engineering,2009, 33(9):1451-1459.[5] Liu X W,Luo X,Ma H G.Studies on the retrofit of heat exchanger network based on the hybrid genetic algorithm [J].Applied Thermal Engineering,2014,62(2):785-790.[6] Yee T F,Grossmann I E.Simultaneous optimization models for heat integration-II.Heat exchanger network synthesis[J].Computers&Chemical Engineering,1990, 14(10):1165-1184.[7] 温卿云,罗行,姚平经,等.一种分级超结构换热器网络综合优化方法及其应用[J].上海理工大学学报,2007, 29(2):103-108.[8] Ahmad S,Petela E.Supertarget:applications software for oil refinery retrofit[C]∥AIChE Annual Meeting, 1987:21-23.[9] Ciric A R,Floudas C A.A mixed integer nonlinear programming model for retrofitting heat-exchanger networks[J].Industrial&Engineeering Chemistry Research,1989,29(2):239-251.。
微带天线的设计和阻抗匹配
微带天线的设计和阻抗匹配微带天线是一种广泛应用于无线通信领域的新型天线。
它具有体积小、重量轻、易于集成等优点，因此特别适合于现代通信系统的应用。
本文将详细介绍微带天线的原理、设计思路、阻抗匹配方法以及实验验证等方面的内容。
微带天线是在介质基板上制作的一种天线。
它主要由辐射元和传输线组成，通过在介质基板上印制金属导带，形成辐射元和传输线，利用电磁波的辐射和传播特性实现天线的功能。
由于辐射元和传输线都印制在介质基板上，因此微带天线具有体积小、重量轻、易于集成等优点。
选择合适的介质基板，根据需要选择介电常数、厚度、稳定性等参数；在介质基板上印制金属导带，形成辐射元和传输线；根据设计要求，对金属导带进行形状和尺寸的调整；为提高天线的性能，需要进行阻抗匹配等调试；选取合适的材料：根据应用场景和设计要求，选择合适的介质基板和金属材料；设计形状和尺寸：根据天线设计的原理，设计合适的辐射元和传输线形状，以及其尺寸大小；考虑天线的抗干扰能力：为提高天线的性能，需要采取措施提高天线的抗干扰能力，如设置保护区、采用滤波器等。
微带天线的阻抗匹配是实现天线高效辐射的关键环节。
通常情况下，微带天线的阻抗不是纯电阻，而是具有一定的电抗分量。
为了使天线与馈线之间实现良好的阻抗匹配，通常采用以下方法：改变馈线的特性阻抗：通过调整馈线的几何形状、材料等参数，改变馈线的特性阻抗，使其与天线的阻抗相匹配；添加电阻、电容等元件：在馈线与天线之间添加适当的电阻、电容等元件，以调整天线的阻抗，实现阻抗匹配；采用分步匹配：通过在馈线与天线之间设置适当的阶梯状阻抗，逐渐接近天线的阻抗，从而实现良好的阻抗匹配。
为了验证微带天线的性能和阻抗匹配的效果，通常需要进行实验测试。
实验测试主要包括以下步骤：搭建测试平台：根据需要搭建测试平台，包括信号源、功率放大器、接收机等；连接测试平台：将微带天线与测试平台连接，确保稳定的信号传输；调整阻抗匹配：根据实验结果，对天线的阻抗匹配进行微调，以获得最佳的性能；进行测试：在不同的频率、距离等条件下进行测试，收集数据并进行分析；结果分析与讨论：根据实验数据进行分析和讨论，评估微带天线的性能和阻抗匹配的效果。
一种基于双重分割的立体匹配算法
一种基于双重分割的立体匹配算法一、导言介绍论文的研究背景和意义，阐述立体匹配的概念和发展历程，引出本文提出的基于双重分割的立体匹配算法。
二、相关研究综述介绍当前常用的立体匹配算法，对它们的优缺点进行比较分析，指出现有算法存在的问题和不足之处，说明本文提出的算法的创新性。
三、基于双重分割的立体匹配算法详细阐述本文提出的基于双重分割的立体匹配算法的原理和步骤，包括预处理、特征提取、灰度校正、匹配代价计算、视差优化等。
四、实验结果分析对提出的算法进行实验验证，比较其与现有算法的效果，包括视差图的质量、误差分析、算法的速度等方面，分析实验结果，并说明本文算法的优越性。
五、结论与展望总结本文所述内容，强调本文提出的算法的重要性和实用价值，并指出下一步的研究方向，为未来立体匹配算法的发展指明方向。
第1章节：导言随着计算机视觉的发展，立体视觉成为了研究的热点之一。
立体匹配是在两幅图像中找到对应像素点的过程，是实现立体视觉的关键环节。
立体匹配的准确性直接影响到计算机视觉应用的效果，因此引起了广泛的研究。
立体匹配的基本思路是将左右两幅图像进行比较，找到它们之间的对应关系。
然而，在实际应用中，如何准确地找到两幅图像中像素点的对应关系仍然是一个具有挑战性的问题。
单一的立体匹配算法难以解决所有场景下的匹配问题，而组合多种算法的复合立体匹配方法仍然存在计算复杂度高、精度低等问题。
因此，设计高效、精确的立体匹配算法至关重要。
本文以基于双重分割的立体匹配算法为例进行论述。
该算法基于分割和像素级别的特征匹配，结合了全局和局部的特征信息，从而实现了更准确的立体匹配。
本文的目的在于阐述立体视觉与立体匹配的基本概念，介绍立体匹配的发展历程，同时引出本文的研究问题。
本文的结构为：第1章导言，主要介绍论文的研究背景和目的；第2章相关研究综述，介绍当前常用的立体匹配算法的特点和一些存在的不足；第3章基于双重分割的立体匹配算法，详细阐述本文所提出的算法的原理和具体实现过程；第4章实验结果分析，通过实验验证本文所提算法的有效性，并比较其与其他算法的效果；第5章结论与展望，总结本文所述内容，指出研究的局限性及未来的发展方向。
射频电路匹配网络的分析与设计
图 ２ 电 阻性 Ｌ型 节 匹 配 电路
电阻性 匹配 电路 对 频 率不 敏 感 可适 用 于 宽 带
须要 考虑 的重 要 问题 。在 通信 系统 、 达 系 统 和航 雷 空 电子 系统 等电路 设计 中都有 重要 的应 用 。
１ 传 输 线理 论 及 传 输 线工 作 状 态
射频通信系统 中信号频率高 ， 波长短， 通常定义 几何长度大于或等 于信号波长的传输线 为长线 传
输 ， 要 用传输 线 理 论 来 分 析 。传输 线 理 论 是 分 布 需 参数 理论 ， 以将 均匀 的传 输 线 等 效成 多个 小 于 传 可
负载 反射 系数 为零 且 吸收全 部入 射功率 。这 种情 况
下传输线的效率最高 ， 功率容量最大 ， 且传输线任意
点 的输 入 阻抗 都呈 纯 电阻性 ， 大小不 会 随频率 变化 。
Ｚ 表示 距离 负载 的距 离 ， ＝ ￣ ａ ２－ 。 ／
当信号源的内阻与传输线的特性阻抗相等称为 波源阻抗匹配。此时 Ｚ ＝ 。信号源为匹配源。若 ｓ Ｚ， 负载不匹配 ， 负载引起的反射波会被信号源 内阻完
由 （ ）一（ ） 可 知 传输 线 负载 的大 小 决 定 了 ２ ３式
＝Ｊ Ｉ 为负载反射 系数 ， 为传
当负载阻抗不匹配 ， 传输 线任一截面上输入 阻
抗与信号源内阻互为共轭值时， 称为共轭阻抗匹配。
此时 Ｚ ＝ 信号 源输 出功率 最 大 。 Ｚｓ， 在 射频 电路 匹 配 网络 设 计 中 ， 常希 望 三 种 匹 通
配， 使传输线工作于行波状态 。
３ 阻抗 匹配 的方 法
大规模多模式交通网络构建方法对比分析
文章编号：1673-0291（2023）04-0045-11DOI ：10.11860/j.issn.1673-0291.20220162第 47 卷 第 4 期2023 年 8 月Vol .47 N o .4Aug. 2023北京交通大学学报JOURNAL OF BEIJING JIAOTONG UNIVERSITY大规模多模式交通网络构建方法对比分析谭伟1，2， 桂兴凯 3， 王钰文 1， 彭小东 2， 何茂维 2， 谢军 1（1.西南交通大学 交通运输与物流学院，成都 611756；2.中国市政工程西南设计研究总院有限公司，成都 610084；3.浙江省交通运输科学研究院，杭州 310023）摘要：针对目前大规模多模式交通网络构建方法对比研究的不足，对不同构建方法在计算效率与结果上的差异展开研究.首先，在6个不同规模公交网络上对比了公交区段和超路径2种网络表达方法对扩展网络规模的影响.其次，提出了公共交通站点与路网匹配连接方法，并使用节点压缩方法创建衔接网络.最后，在大规模多模式交通网络上，计算了10万对出租车载客行程OD 的3种最短路径，并将其广义时间费用与实际出租车行程比较.研究结果表明：在计算耗时方面，路线>超路径>简单路径；在平均最短路径费用方面，简单路径>路线>超路径；与实际出租车行程相比，简单路径、路线和超路径最短路径费用更低的OD 对比例分别为39.21%、41.29%和42.83%.关键词：城市交通；多模式网络；公交网络；超路径；公交区段中图分类号：U491 文献标志码：AComparative analysis of construction methods for large ⁃scale multimodal transportation networksTAN Wei 1,2, GUI Xingkai 3, WANG Yuwen 1, PENG Xiaodong 2,HE Maowei 2, XIE Jun 1（1.School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China ；2.Southwest Municipal Engineering Design & Research Institute of China, Chengdu 610084, China ；3.Zhejiang Scientific Research Institute of Transport, Hangzhou 310023, China ）Abstract :To address the lack of comparative studies on construction methods for large -scale multi⁃modal transportation networks, this paper investigates the differences in computational efficiency and results among different methods. Firstly, the paper compares the impact of two network representa⁃tion methods, i.e., route section and hyperpath, on the scale of extended networks across six different -sized bus networks. Secondly, it proposes a method for connecting transit stations with road network, and uses the node contraction method to create joint networks. Finally, in a large -scale multimodal transportation network, three types of shortest paths, i.e., simple path, route, and hyperpath, are computed for 100,000 OD pairs extracted from taxi trips, and their generalized time cost are compared with actual taxi trip costs. The research findings indicate that computation time follows the order of收稿日期：2022-11-28；修回日期：2023-04-12基金项目：中央高校基本科研业务费专项资金（2682023KJ009）；四川省科技计划项目（2021YFH0041）；成都市软科学研究项目（2021-YF05-00177-SN ，2021-RK00-00067-ZF ）Foundation items : Fundamental Research Funds for the Central Universities （2682023KJ009）；Science and Technology Plan Project of Sich⁃uan Province （2021YFH0041）；Soft Science Research Project of Chengdu （2021-YF05-00177-SN ， 2021-RK00-00067-ZF ）第一作者：谭伟（1977—），男，河南桐柏人，正高级工程师，博士生.研究方向为交通网络建模技术与方法. email ：****************.引用格式：谭伟，桂兴凯，王钰文，等.大规模多模式交通网络构建方法对比分析［J ］.北京交通大学学报，2023，47（4）：45-55.TAN Wei ，GUI Xingkai ，WANG Yuwen ，et parative analysis of construction methods for large⁃scale multimodal transporta⁃tion networks ［J ］.Journal of Beijing Jiaotong University ，2023，47（4）：45-55.（in Chinese ）北京交通大学学报第 47 卷route > hyperpath > simple path, and the average shortest path cost follows the order of simple path > route > hyperpath. Compared with the actual taxi trips, the proportions of OD pairs with lower generalized time costs for simple path, route, and hyperpath are 39.21%, 41.29%, and 42.83%, respectively.Keywords:u rban transportation； multimodal network； bus network； hyperpath； route section研究分析城市交通网络需要建立合理的网络模型和路径选择模型，从而支撑城市交通规划建设、管理控制和政策制定［1］.目前，许多城市建立了由轨道交通、常规公交、共享交通、私人交通和慢行交通等组成多模式交通网络.然而，由于各种交通方式规划发展不协同、换乘衔接不畅，未能充分发挥多模式交通网络的综合运输能力.为此，近几年政府出台的政策提出，要强化不同交通方式之间的换乘衔接，推动建设一体化融合发展的城市综合交通系统［2］.实现不同交通方式之间的无缝换乘衔接，需要建立能够整合多种交通方式的网络模型，通过充分发挥各种交通方式的比较优势和组合效率，提高多模式交通网络的一体化融合水平.这不仅是应对交通需求持续增长、促进交通系统可持续发展的有效解决方案，也是未来城市交通发展的必然趋势［3］.构建多模式交通网络是利用衔接网络将多种交通方式网络进行连接，以实现交通流在不同交通方式之间的转换.公交系统由于具有复杂性和随机性，其拓扑结构相比其他交通方式更加复杂.这种性质是由公交的运行特征和乘客的出行选择行为共同导致的.在公交网络中，两个公交站点之间会存在多条线路共线运行，乘客可以考虑由多条线路组成的吸引线路集（Attractive set），然后登上吸引集中最先到达的公交车从而降低期望出行时间，即公交共线问题（Common bus lines）［4］.根据网络表达方式区分，目前有2种方法用于该问题的建模.文献［5］提出了公交区段（Route section）表达方法，用该方法构建的网络上连接任意两个站点的路径称为路线（Route），由连接起点和终点的若干个前后相连的公交区段组成.文献［6］提出了超路径（Hyperpath）表达方法，超路径定义为连接起点和终点的有向无环的子图.与不考虑共线的简单路径（Simple path）相比，考虑共线问题更合理地描述了乘客的出行选择行为，同时能降低期望出行时间.2种方法被广泛用于公交网络建模［7-10］，超路径也被进一步拓展至多模式交通网络［11-12］，但2种方法在计算效率与结果上的差异还缺乏对比研究.这种差异可能会对基于这2种方法的研究和实践应用产生连锁反应.因此，有必要分析公交区段和超路径对公交扩展网络规模以及在多模式交通网络框架下对最短路径计算的影响.衔接网络是实现各个交通模式之间衔接和换乘的关键.合理构建衔接网络能有效降低多模式交通网络的规模，减少计算时间，提高结果的合理性与准确性.衔接网络包含换乘衔接、起终点与路网和公共交通站点的衔接，其中换乘衔接又包含站内换乘、站间换乘以及公共交通与非公共交通之间的模式换乘.起讫点与站点的衔接弧以及站间的换乘弧通常采用2种方式创建：在直线距离满足限制距离的两个节点之间创建，即直线距离方式创建［13］；在路网上最短路径满足限制距离的两个节点之间创建［14］，即捷径弧（Shortcut）方式创建［15］.由于考虑了路网的物理限制，第2种方式比第1种方式相对更为合理准确，且可预见采用该方式创建的衔接网络规模更小，但其减小的程度还有待分析.模式换乘弧的创建有3种方式：将站点与最近的道路节点相连，即就近连接［16］；将路网原始图转换为对偶图，然后将站点与匹配的对偶图节点相连［17］；将站点与其匹配的路段连接［14］.后2种方式也称为匹配连接.由于本文关注站点与路网节点的衔接，且路网数据通常为原始图，将研究第3种方式.然而，目前缺乏讨论站点与匹配路段的连接方式对最短路计算结果的影响.综上，本文将系统研究大规模多模式交通网络构建方法，分析不同的网络构建方法和路径选择模型对网络规模和最短路径计算的影响.首先，分别使用公交区段和超路径2种方法构建不同规模的公交网络，分析2种方法对扩展网络规模增长的影响；然后，提出公共交通站点与路网匹配连接的方法，并分析捷径弧方式相比直线距离方式所能减少衔接弧数的程度；最后，构建多模式交通网络，对比分析简单路径、路线和超路径3种路径选择模型的计算结果，并与实际的出租车出行费用进行对比.研究结果可为合理选择多模式交通网络构建方法和路径选择模型，优化出行结构提供参考.1公交网络建模1.1公交区段公交网络表达定义G'=(N'，A')为公交区段的公交扩展网46谭伟等：大规模多模式交通网络构建方法对比分析第 4 期络，其中N '和A '分别表示节点集和弧集.N '只包括公交站点节点，公交站点为包含双方向的站点.A '中的弧为公交区段弧，所有经过公交区段弧s ∈A '的公交线路用集合L s 表示.公交区段是将连接2个任意公交站点之间公交线路合并成一条虚拟弧，每个公交区段上包含了连接2个站点的所有线路.以一个由4个节点及6条线路组成的公交网络为例，见图1.基于公交区段概念构建该公交网络的扩展网络示意图见图2，构建过程具体分为4个步骤.步骤1：初始化.令N '=∅，A '=∅.步骤2：创建公交站点节点.为每一个公交站点创建站点节点n ，令N '=N '∪{n }.步骤3：创建公交区段弧.对于每条有ζl 个站点的公交线l ，在站点n p 和n q 之间创建公交区段弧s =(n p ，n q )，p ∈[1，ζl -1]，q ∈[p +1，ζl ].如果(n p ，n q )∉A '，则令A '=A '∪{s }，L s =L s ∪{l }；否则，令L s =L s ∪{l }.步骤4：输出.输出基于公交区段的公交扩展网络G '=(N '，A ').1.2 超路径公交网络表达定义G =(N ，A )为超路径公交扩展网络，其中N 为节点集，包括站点节点和虚拟站点节点，分别用N s 和N t 表示；A 为弧集，包括行驶弧、上车弧和下车弧，分别用A t 、A b 和A a 表示. 超路径公交扩展网络在站点处进行扩展表达，站点节点表示公交站点，并为每一条经过该站点的线路创建一个虚拟站点节点，用上/下车弧描述乘客的上/下车行为，其中上车弧表示乘客到达站点后从等车到登上车辆的整个过程.表示同一公交站点不同线路之间的换乘行为，可参考文献［18］.基于超路径构建的公交扩展网络如图3所示，构建过程具体分为4个步骤.步骤1：初始化.令N =∅，A =∅.步骤2：创建公交站点节点.为每一个公交站点创建站点节点n ，令N s =N s ∪{n }.步骤3：创建公交虚拟站点节点和弧.对每条有ζl 个站点的公交线l ，为站点顺序为k 的站点创建虚拟站点节点n l k ，令N t =N t ∪{n l k }，k ∈[1，ζl ].如果站点顺序k <ζl ，创建上车弧a =(n ，n l k )，令A b =A b ∪{a }.如果站点顺序k >1，创建下车弧a =(n l k ，n )，令A a =A a ∪{a }，并创建行驶弧a =(n l k -1，n l k )，令A t =A t ∪{a }.步骤4：输出.令 N =N s ∪N t ，A =A b ∪A a ∪A t ，输出基于公交超路径的公交扩展网络G =(N ，A ).2 衔接网络建模2.1 换乘衔接换乘衔接通过创建换乘弧描述公共交通站点之间的换乘，以及站点处与其他交通方式之间的换乘.以深圳市市民中心地铁站附近路网和公交站点为例，如图4所示，由于站点通常位于道路弧上，不同交通方式之间的换乘通常在站点处发生，因此路网与公共交通网络的连接方式直接影响换乘的合理性和最短路径计算的准确性.为提高衔接的准确性和合理性，采用2种方法连接道路网络和公共交通网络见图5.第1种方法是在原本相邻的道路节点之间添加虚拟换乘节点，然图 1 用线路表达的公交网络Fig.1 Bus network represented using routes图 2 基于公交区段的公交扩展网络示意Fig.2 Bus extended network based on route section虚拟站点节点站点节点图 3 基于超路径的公交扩展网络示意图Fig.3 Schematic diagram of bus extended network based onhyperpath47北京交通大学学报第 47 卷后使用模式换乘弧将该节点与匹配的站点相连，见图5（a ）.这种方法使得道路网络相对紧凑，但是需要额外的步骤打断道路弧并进行2次关联.第2种方法是创建2条虚拟道路弧将虚拟换乘节点与匹配路段上游道路节点和下游道路节点相连，见图5（b ）.与方法1相比，这种方法保持了原始路网结构，具有更好的操作性和拓展性，同时没有额外增加最短路径弧的数量，因此本文将采用第2种方法.为保证站点与正确的路段关联，使用文献［19］的匹配算法匹配站点与路段.给定站点x ，为站点x 一定范围内的每条路段(i ，j )∈C x 定义一个综合指标I ij ，该指标考虑了站点x 与弧(i ，j )之间的距离，以及线路方向与道路弧方向的夹角α=α+α，α∈［0°，180°］. I ij 的值越小，表示站点x 位于道路弧(i ，j )上的概率越大.匹配示意如图6所示，匹配过程具体分为4个步骤.步骤1：初始化.输入道路网络、公共交通网络信息.步骤2：计算指标.首先对每条有ζl 个站点的线路l ，站点顺序为k 的站点x ，k ∈[1，ζl ]，将站点x 半径距离dˉ范围内所有道路弧加入候选集合C x 中.令y 表示站点x 相邻的下一站点，计算(x ，y )与水平线的角度α.然后计算站点x 与道路弧(i ，j )最近节点z 的最短距离d xij ，(i ，j )∈C x ，计算弧(z ，j )与水平线的角度α.计算指标I ij =γ×d xij+(1-γ)×(α+α)，γ∈(0，1).步骤3：确定匹配路段.选择C x 中指标值I ij 最小的弧作为与站点x 匹配的道路弧.步骤4：输出.输出每个站点所匹配的道路弧.2.2 起讫点两端衔接起讫点与多模式交通网络之间的衔接见图7.对于公共交通为初始或结束方式的出行，需要步行到附近的站点或在目的地附近的站点下车，再步行至终点.而对于初始或结束方式为道路交通的出行，由于出行真实的起讫点通常不在路网上，通过创建虚拟出发/到达节点表示乘客在路网上的起讫点，然后使用虚拟道路弧将其与道路节点连接，能够更加准确地描述出行全过程.上/下路网弧用于连接真实起讫点和虚拟出发/到达节点，可描述出行中所涉及的行为，例如上路网弧表示等待出租车、网约车或者寻找共享单车，下路网弧表示私家车停车后步行到达目的地或归还共享单车等行为.2.3 衔接网络压缩假设路径P ={n 1，n 2，n 3}是节点n 1与n 3之间仅有的一条最短路径，在创建网络时可用一条直连弧(n 1，n 3)代替路径P ，将节点n 2压缩，(n 1，n 3)称为捷径弧［15］.捷径弧创建的过程见图8，步行和共享单车分别用于出发地/目的地X 与公交站B 和地铁站M 之间的衔接.假设X 与B 和M 之间的最短路径分别道路节点j图 6 公共交通站点与道路弧匹配示意Fig.6 Schematic diagram of matching between transit stationand road arc图 4 深圳市市民中心地铁站附近公交站点分布Fig.4 Distribution map of bus stops near Shenzhen CivicCenter Metro Station公共交通站点道路节点虚拟换乘节点（a ）打断道路弧（b ）创建虚拟道路弧图 5 公共交通站点与道路节点匹配连接示意Fig.5 Schematic diagram of matching connections betweentransit stations and road nodes站点节点虚拟出发节点站点节点道路节点到达虚拟节点道路节点图 7 起讫点两端衔接示意Fig.7 Schematic diagram of connections from origin node todestination node48谭伟等：大规模多模式交通网络构建方法对比分析第 4 期为P *1={X ，r 1，B }和P *2={X ，r 2，r 3，r 4，M }，对应的路径费用分别为c P 和 c P .通过压缩节点r 1、r 2、r 3和r 4，在多模式交通网络中用捷径弧(X ，B )与(X ，M )分别代替P *1与P *2，弧上的费用分别为c XB =c P ，c XM =c P ，并保存道路最短路径的信息，用于将捷径弧反向还原为路网上的最短路径.捷径弧(X ，M )还原为P *2的过程见图9.当出租车（网约车）和公交作为接驳交通时，也可采用该方式创建.3 多模式交通网络路径搜索3.1 多模式交通网络为了描述乘客在不同出行方式之间的换乘、公共交通站点的等待、换乘和进出站等行为，多模式交通网络基于公共交通网络进行拓展.令G "=（N "，A "，U )表示多模式交通网络，其中N "为节点集合，A "为弧集合，U 为交通模式集合.多模式交通网络的构建过程如图10所示.公交基于超路径或公交区段构建公交扩展网络.由于地铁站有多个进出口，且位于不同的路段，用F 表示不同的进出口，使用站内步行弧w 连接不同的地铁进出口F 、安检售票大厅H 和站台p .不同地铁线路之间的换乘使用站内换乘弧表示，如弧(p ，p ).不同公共交通站点之间的换乘弧以及弧上的费用根据捷径弧方式确定，如弧(F ，B ).私家车、出租车和网约车等方式的模式网络基于道路网络创建，通过模式换乘弧将其与公共交通网络连接，如弧(vt ，F ).对于不同的出行活动虚拟换乘节点vt 具有不同的物理意义，如表示出租车（网约车）乘客的上/下车点、共享单车停放点或停车换乘设施.在多模式交通网络中，假设公交的到达间隔服从负指数分布，f a 表示上车弧a 对应线路的发车频率，（辆/h ），弧a 上期望等待时间等于1/f a ［4-5］.由于地铁运行可靠性较高，假设其到达间隔为常量，地铁上车弧a 上期望等待时间近似为发车间隔的一半，即1/2f a ［20］.定义每条弧a 上的广义时间费用为c a =βt a +60m avot∀a ∈A "（1）式中：t a 为弧a 上的行程时间，min ；β为权重系数，当t a 分别为车内时间、步行时间和等待时间时，β分别取1.0、2.0和3.0［21］；m a 为弧a 上的金钱花费，元；vot 为时间价值，元/h.3.2 简单路径当公交不考虑共线问题时，乘客在每一个上车站点只选择一条线路，此时的最短路径为简单路径，可使用标号设定算法计算，具体分为3个步骤.步骤1：初始化.根据图7将起点o 和终点d 连接到多模式交通网络G "=(N "，A "，U )中.令Q =∅，u i =+∞，h i =∅，∀i ∈N "，Q =Q ∪{o }，u o =0.步骤2：循环更新.首先获取费用最小节点i =arg min {u i '|i '∈Q }，令 Q =Q \{i }.然后更新节点费用，如果u i +c ij <u j ，j ∈FS(i )，令u j =u i +c ij ，h j =i .如果 i ∉Q ，令Q =Q ∪{i }.然后执行步骤3.步骤3：算法终止检查.当Q =∅，停止计算，删除当前od 节点以及连接od 节点的临时衔接弧，并输出最短简单路径；否则，重复执行步骤2.其中，u i 表示起点o 到i 的最小费用，h i 表示在关于起点o 的最短路径树上的i 的后项节点，FS(i )={j |(i ，j )∈A "}.3.3 路线路线由连接起点和终点的若干个前后相连的公交区段组成.假设公交区段弧(i ，j )包含κ条公交线路L ij ={l 1，l 2，…，l κ}. (i ，j )上的广义时间费用包括期望等待时间、期望乘坐时间、下车时间和金钱花费，定义为c ij =β+∑l ∈R τl f l∑l ∈R f l∀(i ，j )∈A "（2）式中：τl 包含了线路l ∈L ij 从站点i 到站点j 的行驶时间、下车时间和金钱花费；f l 为线路l 的发车频率.求234图 9 捷径弧(X , M )反向还原示意Fig.9 Schematic diagram of recursive unpacking of shortcutarc (X , M)捷径弧步行最短路径共享单车最短路径道路网络图 8 捷径弧创建示意Fig.8 Schematic diagram of shortcut creation49北京交通大学学报第 47 卷解使得公交区段(i ，j )上的期望费用最小的吸引集R *⊆L ij 的具体分为2个步骤.步骤1：初始化.令临时集合R =∅，对候选线路集合L ij 升序排列，使得τ1≤τ2≤…≤τκ，令R={l 1}，根据式（2）计算临时费用c ij ，令κ=2.步骤2：循环更新.如果τκ<c ij ，令R=R ∪{l κ}，根据式（2）计算c ij ，然后令κ=κ+1；否则，停止计算，令c ij =c ij ，R *=R.考虑拓扑结构的角度，简单路径与路线除起终点外任意节点的入度和出度均为1.二者之间的差异在于简单路径上的每条弧只对应一条公交线路，而每个公交区段则可能包含多条线路.此模型中假设了公交区段上的费用为固定值，不随出行需求改变.因此，基于公交区段的公交扩展网络规模在创建后不会发生变化，可使用最短简单路径的标号设定算法进行计算.当需要考虑拥挤效应时，可随着新的线路集变成最优吸引集动态地创建新的公交区段［10］.3.4 超路径假设乘客在节点i 出可选择κ条公交线路L i ={l j ，l j ，…，l j }到达终点d ，如图11所示.选择线路l ∈L i 后到达d 的期望出行费用为τ'l ，包含后续换乘其他线路的期望等待时间、行驶时间、下车时间和金钱花费.定义R 为站点i 的一个吸引集，R ⊆L i ，乘客选择吸引集R 中的线路到达终点d 的期望费用u R i 为u R i =βE [W R ]+l ∈Rπl τ'l （3）图 10 多模式扩展网络示意图Fig.10 Schematic diagram of multimodal extended network图 11 公交共线问题Fig.11 Co -linearity issue in bus routes50谭伟等：大规模多模式交通网络构建方法对比分析第 4 期式中：E [W R ]为乘客在站点的期望等待时间；πl 为登上线路l 上车辆的概率.假设乘客登上最优吸引集R *中最先到达站点的第1辆车，以最小化到达终点d 的总期望费用，即满足u R i ≤u Ri =βE [W R ]+∑l ∈Rπl τ'l ∀R ⊆L i （4）计算最优吸引集R *采用贪婪算法（Greedy method ），具体分为2个步骤.步骤1：初始化.令R =∅，τ'l =u j +c ij ，∀j ∈L i ，进行升序排序，使得τ'1≤τ'2≤…≤τ'κ.令Ri ={l j }，根据式（4）计算临时费用u i ，令κ=2.步骤2：循环更新.如果τ'κ<u i ，令Ri =R i ∪{l j }，根据式（4）计算u i ，然后令κ=κ+1；否则，停止计算，令u *i =ui ，R *i =R i .由于假设公交车到达站点的时间间隔服从负指数分布，期望等待时间和登上线路l 的概率分别为E [W R ]=1∑l '∈R f l '（5）πl =f l∑l '∈Rf l '（6）计算最短超路径具体分为5个步骤.步骤1：初始化.根据图7将起点o 和终点d 连接到多模式交通网络G "=(N "，A "，U )中.令Q =∅，u i =+∞，FW i =∅，∀i ∈N "，Q =Q ∪{d }，u d =0.步骤2：循环更新.j =arg min {u j '|j '∈Q }，令Q =Q \{j }.如果(i ，j )∈A bus b ，i ∈BS(j )，执行步骤3；否则，执行步骤4.步骤3：更新公交站点节点费用.令L i ={l j '|(i ，j ')∈FS(i )∩A bus b }，调用贪婪算法获得u *i ，R *i ⊆L i .如果u *i <u i ，令u i =u *i ，FW i =R *i ，若i ∉Q ，则令Q =Q ∪{i }.然后执行步骤5.步骤4：更新非公交站点节点费用.如果u j +c ij <u i ，令u i =u j +c ij ，FW i ={j }，若i ∉Q ，则令Q =Q ∪{i }.然后执行步骤5.步骤5：算法终止检查.当Q =∅，停止计算，删除当前od 节点以及连接od 节点的临时衔接弧，并输出最短超路径；否则，重复执行步骤2.其中，FW i 为在关于终点d 的最短超路径树上的节点i 的前项节点集合，BS(j )={i |(i ，j )∈A "}，A bus b 为公交上车弧集合.4 数值分析4.1 网络数据首先使用6个不同规模的公交网络，分析公交区段和超路径对扩展网络规模的影响，网络结构和信息分别见图12和表1. 然后基于深圳市的道路、公交和地铁网络数据，构建由步行、出租车、公交和地铁组成的多模式交通网络，在该网络上对比分析简单路径、路线和超路径3种最短路径结果.深圳交通网络结构和线路信息分别见图12（f ）和表2，其中公交和地铁网络为2016年某天运行线路数最多时段（7∶30−8∶30）的数据，数据格式采用谷歌通用数据标准GTFS 格式［22］.计算最短路径的OD 数据来源于深圳市2016年4月4日出租车GPS 数据载客行程的起、终点，共计10万对OD ，平均出行距离为7.08 km ，利用GPS 数据计算行程可参考文献［23］.由于获得的站点数据只包含一个经纬度坐标，地铁站与路网匹配连接只基于该坐标进行.因此在数值分析中，地铁实际只有一个进出口.未来如有各个进出口的位置数据，可作进一步验证.为保证路径费用的可加性，地铁和出租车采用平均单位里程收费，参数取值见表3.算法使用C++编程实现，运行电脑处理器为Intel （R ） Core （TM ） i7-9750H 2.60GHz ，运行内存16.0 GB ，操作系统为64位Win10.51北京交通大学学报第 47 卷4.2 公交扩展网络与衔接网络规模分析基于公交区段和超路径构建的公交扩展网络的结果见表4.由表4可知，随着网络规模增大，2种方法构建的公交扩展网络在节点数和弧数的数量差逐渐增大，其中弧数量差异显著大于节点数量差异.对于站点数量接近但线路数量上差距较大的Chi⁃cago 网络和深圳网络，二者的公交区段扩展网络在弧数量上规模相当；而超路径扩展网络的节点数和弧数，Chicago 网络分别为深圳网络的50%和40%.对于公交线路数接近但站点数差距较大的深圳中心网络和Chicago 网络，二者的公交区段扩展网络的弧数量差距较大；而超路径扩展网络的节点数和弧数，深圳网络分别为Chicago 网络的30%和40%.结果表明，公交站点数量会大幅度影响公交区段扩展网络弧数量的增长，而超路径扩展网络的规模受站点数量和线路数量的共同影响.在深圳交通网络上分别使用直线距离方式和捷径弧方式创建不同站点之间的换乘弧，对比这2种方式对衔接网络规模的影响.假设最大步行换乘距离为500 m ，使用直线距离方式和捷径弧方式创建的换乘弧数量分别为72 098和11 085条，耗时分别为2 s 和4 s.相较于直线距离方式，捷径弧更合理地反映了路网上的步行换乘路径和换乘费用，同时创建的换乘弧数量减少了约85%.4.3 最短路径结果分析3种类型最短路径的计算结果见表5.其中，简单路径和超路径使用了相同的扩展网络，二者的差异在于是否考虑共线问题.由表5可知，在计算耗时方面，路线（1 142 s ）>超路径（1 096 s ）>简单路径（893 s ）. 由于简单路径不需要求解共线问题，因此计算速度最快.而路线的扩展网络弧数量远大于另外两个网络，导致计算时间最长.尽管最短超路径和简单路径使用相同的网络，由于最短超路径需要求解共线问题，计算耗时介于简单路径和路线之间.在最短路径的平均费用方面，简单路径最高（47.55 min ），其次是路线（46.72 min ），超路径最低（46.11 min ），因为超路径求解的是最优出行策略［20］.3种最短路径的图 12 6个测试网络Fig.12 Six tested networks 表 1 测试公交网络信息Tab.1 I nformation on tested bus networks网络规模小网络中等网络大网络网络名称Wu⁃Small[24]Siouxfalls [8]Winnipeg [9]深圳中心[9]Chicago [25]深圳[13]线路数/条6101322452291 254站点数/个8248581 3769 4338 213站点数/线路数1.332.46.55.6241.196.55公交共线数≥2的比例/%50.0025.0046.5114.6517.0616.98注：中等网络深圳中心为大网络深圳核心区域的公交网络.表 2 深圳公共交通网络信息Tab.2 S henzhen public transit network information类型公交地铁线路数/条1 25410站点数/个8 213118平均长度/km21.0834.93表 3 实验使用参数Tab.3 P arameters used in experiments参数公交运价/(元/人次)地铁运价/(元/km)出租车运价/(元/km)模式换乘弧时间/min 最大步行距离/km 步行速度/(m/s)值2.00.26 [26]4.0 [27]10.51.2 [28]参数时间价值vot/(元/h)地铁站内步行时间/min 地铁站内换乘时间/min 出租车等待时间/min出租车平均行驶速度/(km/h)—值4022330—52。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１ 理 论 计 算
馈 电端 接 近 导 电 平 面 的 垂 直 开 路 单 导 线 天 线 是 垂 直 接
下 面 分 别 计 算 振 子 的特 性 阻 抗 、 减 常 数 和 相 移 常 数 。 衰
Ｆ ｇ Ｃ Ⅳｅｏ ｅ ｉｔｎ ｅｅｅ ｔｉａ ｅ ￣ｈ ｉ．２ ｕ ｆｒｓｓａ ｃ ・ｌｃｒｃ ｌｌｎ
－ 画ｒ Ｒ
２ｆ
（） ６
５ ４ ， ｉ
“ 四 毒 。。 位 。
。。。
。。
良 脚
ｉ
。心 。 。 。
。
谭１ｒ 】 ｆＲ 【 一
天线 匹 配 网 络 ， 天 线 获 得 调 谐 并 与 发 射 机 功 率 级 匹 配 。 使
为 使 发 射 机 和 天 线 实 现 匹 配 而 引 入 的 匹配 网 络 必 须 确 立 这 样 的 匹配 条 件 ， 即匹 配 网 络 加 上 天 线 后 的输 入 阻 抗 Ｚ ＝ Ｒ＋ ｂ 须 满 足 ： ｂ尺 ， ＝ ￣ ｂ 必 Ｒ ＝ ； ０ 。其 中 Ｒ 、 分 别 为 输 入 电阻 Ｘｂ ｂ ｂ 和 输 入 电抗 ，； 发 射 机 输 出 阻 抗 。 Ｒ为
Ｃｏ ｐ ｒ ｔｖ ｔ ｄｙ ｏ ｗｏ ｄｅ ｉ ｎ ｅ ｈｏ ｆｍ ａ ｃ ｎｇ ｎｅ ｗｏ ｋ ｍ ａ ａ ｉ ｅ ｓ ｕ ｆｔ ｓｇ ｍ ｔ ｄｓ ｏ ｔ ｈｉ ｔ ｒ
Ｌ ｕ － ，Ｌ ｉｇ Ｉ ｎｌ ＩＰｎ ，ＧＵＯ Ｄｏ ｇｙ ｎ ，Ｌ —ａ Ｊ ｉ ｎ —ａ ｇ ＩＨｅｙ ｎ
入 电流 相 同 。 以计 算 长 度 为 Ｚ 直 接地 振 子 的输 入 阻抗 。 所 垂 只
收 稿 日期 ：０ １ ０ — １ ２ １－ ９ ２ 稿 件 编 号 ：０ １９ ２ ２ １０ １８
作者简介 ： 李俊 理（９ ９ ， 安徽阜 南人 ， 士研 究生。研 究方向： 波技 术与天线。 １ ８ 一） 男， 硕 微
ｓ （ａ） ｓ （ｋ） ｈ２ １一 ｉ ２ １ ｎ
一 ｓ （ｏ）ｓ （ｋ ） ｈ ２ｄ ＋ｉ ２ １ ｎ （）
式中 ， 、 ，。 ＝ ／ ｌ 为无耗线 的特性阻抗 ，＝ 五 为线 的 ｃ Ｒ， ２
衰 减 常 数 ，＝ ｗ 为 线 的 相 移 常数 ， ， 。 别 为 线 上 单 ｋ ２ ￣＾ 。 ， 分 Ｃ Ｒ
４期 第 ｌ ９卷 第 ２
Ｖ０ ．９ １１ Ｎｏ２ ．４
电子设计 工程
Ｅ ｅ ｔ ｎ ｃ Ｄｅ ｉｎ Ｅ ｇｎ ｅ ｉ ｇ ｌ ｃ ｒ ｉ ｓ ｎ ｉ ｅ ｒｎ ｏ ｇ
２１ 年 １ ０１ ２月
Ｄｅ ．２ １ ｃ ０１
匹配 网 络 两种 设计 方 法的对 比研 究
李俊理 ，李 萍 ，郭 东洋 ，李鹤 言
． ｒ
＝
÷ ｊ ， ）Ｒ ｚ （ ｌ Ｉ ‘ｄ
二 Ｕ
（ ４ ）
电长度
而 由辐 射 电 阻表 示 的辐 射 功 率
毕 Ｉ Ｒ ，Ｉ ， ｍ‘
以 ， ）， ｓ （＿） 入 计 算 ， （ ＝ｍ ｉ ｋ Ｚｚ代 ｚ ｎ 则
（） ５
图 ２ 电 阻一 电长 度 关 系 曲线
（ 警 工程 大 学 通 信 工程 系 ，陕 西 西安 ７ ０ ８ ） 武 １０ ６ 摘 要 ：电 小 天 线 的 阻 抗 特 性 非 常 恶 劣 ， 传 输 线 匹配 相 当 困难 ， 果 是 宽 带 匹 配 更 是 难 上 加 难 ， 时其 效 率 非 常 低 。 与 如 同
因此 ． 到 合 适 的 匹 配 网络 的 设 计 方 法 就 很 重要 了。 了找 到 较 好 的 设 计 匹配 网络 的 方 法 ， 某 电 台 的单 极 子 鞭 状 天 找 为 以 线 匹配 网络 的设 计 为例 ． 过 对 匹 配 网络 的 两 种 常 见 得 出方 法— — 理 论 计 算和 软件 仿 真 进 行 了研 究 ， 比分 析 了误 通 对
差 出现 的 原 因 。 匹配 网络 的 研 究 方 法提 供 了思路 。 为
关键 词 ：电小 天 线 ； 极 子 天 线 ； 单 匹配 网络 ； 件 仿 真 软 中 图分 类号 ： Ｎ ２ Ｔ ９ 文献标识码 ： Ａ 文章 编 号 ：１７ — ２ ６ ２ １ ）４ ０ ８ — ３ ６ ４ ６ ３ （０ １２ — ０ ７ ０
辐 射 单 元 的 阻 抗 则 是 频 率 、 线 型 式 、 线 长 度 ， 及 周 围环 天 天 以 境 的 函 数 。为 了将 射 频 功 率 有 效 地 辐 射 出 去［ 往往 必须 引入 １ 】 。
根 据 传输 线理 论 ，已知 长 度 为 ２ 均 匀 有 耗 开 路 线 的输 的
入 阻 抗 为
率 ， 等 效 对 称 振 子 辐 射 功 率 的 一 半 ， 此 垂 直 接 地 振 子 的 是 因
辐 射 阻 抗 是 自由空 间 等 效 对 称 振 子 辐 射 阻 抗 的 一 半 。垂 直 接 地 振 子 的 输 入 阻 抗 也 是 自 由空 间 等 效 对 称 振 子 输 入 阻 抗 的 （ ７ ） 。 。 。 。 。 。
由于 对 称振 子辐 射 引 起 电 流 的 衰 减 ．使 得 振 子 上 电 流 波 的传 播 相 速 小 于 自由空 间 的光 速 ， 波 长 Ａ 其 小 于 自 由空 间 的 波 长 Ａ， 因此 上 式 中 ｋ不 能用 无耗 线 的 ｋ 代 人 计 算 。此 外 由 。 于 振 子 分 布 参数 不 均 匀 及 导 线 粗 细 的影 响 ，使 得 振 子 末 端 具 有 较 大 的 端 面 电容 ， 端 的 电 流不 为 零 ． 种 现 象 被 称 为 末 端 末 这
０
式 中 ， 导 线 的半 径 ， 是 线 间 距 离 。而 对 称 振子 线 元 ｏ是 Ｄ 之 间 的距 离 是 变 化 的 ， Ｄ ２ ， 图 １ 示 ， 此 特 性 阻 抗 是 即 ＝ｚ如 所 因 不均匀的， 通常 用 其 平均 特 性 阻抗 来 表 示 振子 的特 性 阻抗 ， 即
：
（ ｏ ｍｕ ｉ ｔ ｎｄｐ ｎ ｅｔ Ｅ ｇｎｅｉｇＵ ｉｅ ｉ Ａ Ｆ， ｉａ １０ ６ Ｃ ｉａ Ｃ ｍ ｎｃ ｉ ｅ ａ ｍ ａ， ｎ ｉ ｒ ｎｖｒｔ ｏ Ｐ Ｘ ’ｎ７ ０ ８ ， ｈｎ ） ａｏ ｅ ｎ ｓ ｙ ｆＣ
Ａｂ ｔ ａ ｔ Ｔ ｅ ｅｅ ｔ ｃ ｌ ｍａｌａ ｔｎ ａ ｅ ａ ｃ ｏ ａ ｏｍａｃ ｔ ｅ ｔ ｎ ｍｉｓｏ ｎ ． ｄ ｉ ｉ ｅ ｅ ａ ｄ ｒｔ ｓｒ ｃ ： ｈ ｌｃ ｒ ａｌ ｓ ｌ ｎｅ ｎ ＇ ｉ ｉ ｙ ｓ ｍｐ ｄ ｎ ｅ ｉ ｔ ｏｂ ｄ ｔ ｔｈ ｗｉ ｔ ａ ｓ ｓｉ ｎ ｌ ｅ Ａｎ ｔ ｓ ｖ ｎ ｈ ｒ ｅ ｓ ｈｈ ｒ ｉ ｏ ｍａｃ ｈ ｎ ｍａｃ ｉ ｇｎ ｔ ｏ ｋ ｉ ｂ ｏ ｄ ａ ｄ ｔ ｅ ｉｉ ｎ ｙｉ ｓ ｅｙ ｌｗ． ｕ ， ｎ ｉ ｇ ａｓ ｉ ｂ ｅｄ ｓｇ ｔ ｏ ｆ ｔｈ ｎ ｔｈ ｗ ｅ ｔｈ ｎ ｅ ｗ ｒ ｒ ａ ｂ ｎ ，ｉ ｆ ｃ ｅ ｃ ａ ｏ ｖ ｒ ｓ ｓ ｓｌ ｏ Ｔ ｓ ｆ ｄ ｎ ｕ ｔ ｌ ｅ ｉｎ ｍｅｈ ｄ ｏ ｃ ｉ ｇ ｈ ｉ ａ ｍａ ｎ ｔ ｒ ｓ ｖ ｒ ｍｐ ｒａ ｔ Ｔ ｉ ａ ｔ ｌ ｓｄ ｓｇ ｅ ｏ ｆ ｄ ｂ ｔ ｒｍｅｈ ｄ ｏ ｔｈ ｎ ｅ ｗ ｒ ｔ ｎ ｅ ａ ｌ ｆａ ｓ ｔ ｎ ｓ ｅｗｏ ｋ ｉ ｅ ｙ ｉ ｏ ｎ ． ｔ ｈ ｓ ｒ ｃ ｅ ｉ ｅ ｉｎ ｄ ｔ ｎ ｅ ｔ ｔ ｏ ｆｍａｃ ｉ ｇ ｎ ｔ ｏ ｋ ｗｉ ａ ｘ ｍｐ ｅ ｏ ｔ ｉ ＇ ｉ ｉ ｅ ｈ ａｏ ｍｏ ｏ ｏｅ ｗｈｐ ａ ｔｎ ａ Ｔ ｒ ｕ ｈ ｔ ｏ ｎ ｐ ｌ ｉ ｎ ｅ ｎ ｈ ｏ ｇ ｗｏ ｃ ｍｍｏ ｔ ｏ ｓｔ ｅ ｒ ｔ ａ ａ ｃ ｌｔ ｎ ａ ｄ ｓ ｌｔ ｎ ｓ ｆ ｒ ， ｔ ｅ ｄ ｆ ｒｎ ｅ ｎ ｍｅ ｄ － ｏ ｅｉ ｌ ｃ ｌ ｕａ ｉ ｎ ｉ ａｉ ｏｔ ｅ ｈ ｈ ｃ ｏ ｍｕ ｏ ｗａ ｈ ｉｅｅ ｃ ｓ ｏ ｃ ｒ ｄ ｉ ｅ ｓ ｄ ｅ ｅ ｒ ｈ ｄ Ｔ ｉ ａ ｅ ｅｉ ｖ ｄ ｔ ｒ ｖ ｄ ｕ ｄ ｌ ｅｆ ｒ ｅｄ ｓｇ ｆ ｔ ｈｎ ｅｗ ｒ ｓ ｃ ｕ ｒ ｎｔ ｔ ｙ ｉ ｒ ｓ ａ ｃ ｅ ． ｓｐ ｐ ｒ ｓ ｌ ｅ ｐ ｏ ｉ ｅ ａｇ ｉ ｅｉ ｅ ｉｎ ｏ ｃ ｉ ｇｎ ｔ ｏ ｋ ． ｅ ｈ ｕ ｓ ｈ ｉｂ ｅ ｏ ｎ ｏｔ ｈ ｍａ Ｋｅ ｒ ｓ ｅ ｅ ｔ ｃ ｌ ｍａｌ ｎ ｅ ｎ ｓ ｙ ｗｏ ｄ ： ｌ ｃｒ ａ ｌ ｓ ｌ ｔｎ ａ ；ｍｏ ｏ ｏ ｅａ ｔｎ ａ； ｔｈ ｎ ｅ ｏｋ；ｓ ｆ ａ ｅ ｓ ｌｔ ｎ ｉ ｙ ａ ｎ ｐ ｌ ｎ ｅ ｎ ｍａｃ ｉｇ ｎ ｔ ｒ ｗ ｏｔ ｒ ｉ ａｉ ｗ ｍｕ ｏ
０２ ０４ ０６ ０８ ． ． ． ． １ １２ １４ ｉ６ １８ ． ． ． ． ２
效应。 这个 效 应 使 得 振 子 的 等效 长 度 增 加 理 论 和 实 验证 明 ． 。
以 ｋ ｎ 。 人 计算 ， 所 得 出 的结 果 与 实 际 情 况 比 较接 近 。 ＝ｋ 代 则 因 此 将 对 称 振 子 的 、 和 ｋ代 人 （ ） １ 公式 为
一
半 。 为 它 的 输 入 电压 是 等 效 对 称 振 子 的 一 半 儿 两者 的 输 因
图 １ 对称振 予特性 阻抗的计算
Ｆｇ Ｃａｃ ｌｔ ｎ ｏ ｈ ｒｃｅｉｔ ｍｐ ｄ ｎ ｅｏ ｙ ｉ．１ ｌｕ ａｉ ｆｃ ａａ ｔｒｓｉ ｉ ｅ ａ ｃ ｆｓｍｍｅｒｃｏ ｃｌａｏ ｏ ｃ ｔ ｓｉ ｔｒ ｉ ｌ
无线 电发射机必须通过辐射元件将 射频功率发射 出去。
一
需 通 过计 算 无 限 大 空 间 里 的长 度 为 ２ 对称 振 子 的输 入 阻 抗 ， ２
再 经 过 简 单 运 算 即 可［ ３ １ 。