|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于减少进程间通信开销的并行 I/O 优化方法与系统
本发明公开了一种基于进程亲和性的减少进程间通信从而提升 并行 I/O 效率的方法，包括：首先对以 Collective-I/O 为主流的并行 I/O 程序进行分析，收集和统计集群机器节点信息及 MPI 程序配置信息； 然后，该系统通过预处理操作计算各种可能的机器节点与代理进程的 匹配结果，然后再通过性能预测模块，确定最佳的匹配策略；最后将 预处理得到的匹配策略写入配置文件中。实验结果表明，该系统配置 简单，能在不用修
华中科技大学
2021-04-14
一种滤波器组多载波系统的数据传输方法
本发明公开了一种滤波器组多载波系统的数据传输方法，属于滤波器组多载波通信领域，利用与导频相邻的多个辅助导频符号抵消导频受到的虚部干扰并且通过编码可以发送额外数据。解决了滤波器组多载波系统中导频符号会受到虚部干扰的技术问题。本发明包括计算导频受到的虚部干扰步骤、计算编码矩阵步骤、设计导频周围的辅助导频符号步骤、发送及接收数据步骤、信道估计及均衡步骤、数据恢复步骤。本发明能够在保证良好信道估计性能的情况下，显著降低用于抵消虚部干扰的能量。
华中科技大学
2021-04-11
一种SIM-OFDM通信方法
在发送端通过改进子载波索引调制的映射方法，即引入一种新的映射法则使得每个子块中的子载波间相互独立，这么做增大了最小欧氏距离，从而提升了系统性能；在接收端，针对最大似然检测的复杂性，本发明提出了一种新的频域检测技术，在达到最大似然检测的性能的同时还能极大地降低复杂度。
电子科技大学
2021-04-10
4G 移动通信及铁路应用
重载铁路主要解决机车同步操控通信系统、列尾通信系统、列车调度通信系统、视 频预警监控系统等应用提供通信平台；高速铁路主要解决车地通信、山体滑坡、落物监 测、区间通信等业务以及旅客宽带通信业务。
北京交通大学
2021-04-11
全双工无线激光通信光端机
提出了一种高带宽效率、利用脉冲间隔和脉冲间隔的状态联合传递信息脉冲状态间隔调制编码方法。该调制方法可以有效地降低通信系统对大气信道的敏感程度。提出大气信道激光传输特性的熵评价方法与实现途径，同时从波前的空间与时间两个角度获取信道调制信息，为综合评价信道容量提供了一种有效手段。
长春理工大学
2021-04-26
全双工无线激光通信光端机
提出了一种高带宽效率、利用脉冲间隔和脉冲间隔的状态联合传递信息脉冲状态间隔调制编码方法。该调制方法可以有效地降低通信系统对大气信道的敏感程度。提出大气信道激光传输特性的熵评价方法与实现途径，同时从波前的空间与时间两个角度获取信道调制信息，为综合评价信道容量提供了-种有效手段。主要技术指标
长春理工大学
2021-04-26
多波或者单波光相干通信技术
由朱敏老师领衔的“面向6G的光载太赫兹通信”课题组，拥有一支包括教授、副教授4人，博士后10人、及数十位在读博士、硕士研究生在内的高水平科研团队。本课题组在东南大学移动通信重点国家重点实验室和网络通信与安全紫金山国家实验室（筹）支持下，已具备了开展本项目研究必需的脉冲信号发生器、带通滤波器、分波/合波器、高速光开关、实时采样示波器和光谱仪等器件，并在实验室内初步建成在国内屈指可数的高速光相干通信实验平台。同时具备光通信仿真软件VPI，为项目研究提供了可靠的工具。
东南大学
2021-04-13
4G移动通信及铁路应用
重载铁路主要解决机车同步操控通信系统、列尾通信系统、列车调度通信系统、视频预警监控系统等应用提供通信平台；高速铁路主要解决车地通信、山体滑坡、落物监测、区间通信等业务以及旅客宽带通信业务。 本团队2009年承担完成神华集团重大科研项目“WiMAX技术在铁路移动通信中的应用研究”，主要解决开行万吨及两万吨重载列车开行的无线通信问题，本项目成功建立了20公里铁路宽带通信试验段，实现了重载列车机车同步操控、视频预警系统、无线列调、列尾风压监控等示范应用，并研制出铁路专用无线网络测试系统，经过一年多的动静态试验，通过了项目验收，各项指标满足技术要求，4G移动通信在铁路重载运输应用的科研成果被专家组评价为“国际首创”。已申请国家发明专利4项。
北京交通大学
2021-04-13
高集成度光通信芯片
哈尔滨工业大学（深圳）电子与信息工程学院的徐科副教授、姚勇教授与其合作者，针对光通信芯片集成度受限的问题，通过光波导模场的精细调控，在实现多模波导低损耗和低串扰的同时，将关键器件的尺寸缩小了1-2个数量级。芯片支持3×112 Gbit/s高速模分复用信号的任意紧凑布线，使多模光学系统的大规模片上集成成为可能。该成果将进一步助力集成光子芯片在光通信、人工智能、高性能计算、量子信息等众多高新领域中加速发展和应用。
哈尔滨工业大学
2021-04-14
低通信开销的分布式学习
目前，训练机器学习模型依赖于海量的数据，当以集中方式训练时，会带来很大的计算成本。因此，现在普遍的共识是，未来的机器学习应该以分布式方式实施。通常，分布式学习是以server-worker模式中进行的，其中server利用从workers收集的信息更新学习参数，然后将这些参数广播给workers。 但是，随着worker数量的增加，通信开销也会大幅
南方科技大学
2021-04-14