动态交通预测自适应抽样5 g HetNet物联网应用程序

文摘

由于扩散全球监测传感器、物联网(物联网)被广泛用于构建智能城市、智能住宅。5 g HetNets物联网视频中扮演着重要的角色。本文提出了一种改进的呼叫会话控制功能(统称)计划。改进的产销服务器包含额外的模块来促进物联网交通预测和资源预订。我们强调交通预测工作和开发一个基于压缩传感的线性预测,赶上了交通模式。实验结果证明我们的方案可以预测交通荷载采样精度高但低开销。

1。介绍

物联网(物联网)可以连接不同的物理设备。汽车、建筑等嵌入在传感器通过互联网连接的事情,和数据可以通过互联网收集和交换。物联网使相互之间的通信设备。在未来十年中,服务目标物联网将改善用户在各种行业,和机器对机器(M2M)终端的数量将显著增加,和应用程序将无处不在。

为了解决物联网的爆炸性的数据量的问题,提出了异构网络(HetNets)技术。5 g的问题沟通是解决部署大量小细胞(1- - - - - -3]。有几个技术难题阻碍了物联网视频/ 5 g HetNets。例如,HetNet之间的交互和5 g光核心极大地依赖于物联网交通从本地HetNet,周期性变化的原因很多。因此,系统必须有一个预测和预订计划动态书必要从光学的核心资源。此外,一个连接允许控制(CAC)机制中扮演着重要的角色在立交桥的实际需要资源保留。未来的第五代(5 g)移动网络流量预测是由具有挑战性的视频应用,如移动广播、远程手术,和增强现实,要求实时和超高质量的交付。两个5 g网络的主要预期是,他们将能够处理污染物(UHD)视频,他们会提供服务,满足最终用户的感知质量的要求采用经验(体验质量)意识到网络管理质量的方法。

克服上述挑战,本文提出了一种改进方案5 g HetNets产销服务器。改进的论述可以驻留在一个移动边缘计算(MEC)服务器,与三个额外的组件添加到原始,包括物联网交通预测,带宽谈判,和连接允许控制(4]。

改进的论述首先预测物联网交通负载从本地HetNet 5 g光学核心。之后,它使用常见的开放政策服务(警察)协议(5)自适应带宽资源进行谈判。最后,连接允许控制就是为了保持系统在形状和保证通信质量。

物联网是负责不同的设备之间的通信,提供更好的解决方案和增强服务不同的信息流动。多媒体服务之间的视频信号是非常重要的。与此同时,互联网上的视频流量急剧增加,很多研究工作已经完成改善观众的观看体验。

视频流量之间HetNet和光学的核心经常波动,因为用例观察对象的特点和变化。因此,我们提出了改进的产销服务器选择一种动态机制,为了经济书带宽。明显改善的交通预测组件统称服务器动态带宽谈判的关键对性能的影响。抽样的开销是一个真正的挑战,在实践中,作为交通预测必须跟另外两个组件的服务器在抽样过程中改进的统称。例如,交通预测从连接允许控制组件需要调用记录作为输入。预测后,传输带宽谈判结果组件,这将进一步使用警察与5 g核心网络谈判的消息。上述过程可以强烈证明降低采样率的重要性。

压缩传感是一个有前途的范式,使用信号稀疏减少需要测量的数据量(6,7]。压缩感知(CS)理论表明稀疏信号的特点是不受信号稀疏的基础。它可以通过少量的投影在另一个基础。宽带信号的重建可以通过解决L1范数优化。得出的结论是,在计算过程中,稀疏信号的正交基决定所需的最小投影数目和采样率(8]。

在文献中,交通预测的研究主要集中在最小均方(LMS)方法,将采样和预测作为两个独立的方面(9- - - - - -12]。因此,抽样常常实现恒定的时间间隔和太容易在物联网环境中效率低。

除了以前的工作,本文着重于HetNet聚合多个流,而不是一个分开的视频流。

压缩传感理论的启发,我们开发一种自适应采样率(ASR)线性预测器来克服传统方案的缺点。ASR线性预测利用预测误差控制采样间隔,这样采样和预测管理费用明显降低。

剩下的纸被组织为其余部分。部分2介绍了5 g在智能城市物联网应用。部分3介绍了5 g HetNets和基于IMS的物联网视频流。部分4发展交通预测计划使用自适应采样率和压缩传感理论。最后,部分5总结我们的优势提出改进产销服务器和ASR线性预测。

2。5 g在智能城市物联网应用

2.1。智能城市

神往和云计算技术的发展已经成为一种重要的现代信息时代的象征,尤其是在城市,为城市的商业开发提供技术支持。信息技术的全面和多级处理的神往的数据系统提供了一个服务平台。因此,在智能城市信息系统、数字城市的信息处理可以及时了解城市的相关信息。

利用物联网技术来改善和发展智能城市信息技术、屏蔽不良信息,指导和支持的交换有用的信息使其覆盖的城市各个角落的网络,实现管理和控制城市作为一个整体,如图1。同时,借助智能引擎和统一的信息服务系统,城市化建设的管理效率得到了有效的改善。

为智能城市,它们的建设和发展离不开物联网通信技术。可以说物联网通信技术的重要组成部分,是其基础。其中一个重要的应用是智能建筑管理,主要用于以下几方面。

(a)的安装智能建筑管理技术在建筑的建设将使居民能够方便地管理和控制远程项目的合作下物联网。

(b)建立大型公共监控系统:有许多公共建筑在城市,有许多设备和设施。因此,紧急监控系统必须建立快速解决这一问题的协助下在意外事件发生时的物联网。

(c)采用智能水、煤和电米。表中的RFID芯片是建立各种设施,和数据可以收集到数据处理器通过表,然后被传输到后台系统通过5 g网络实现自动抄表的功能。

(d)异常处理设备:空调远程监控、灯光等进行使用无线传感器和局域网技术在处理这个问题。

2.2。物联网在智能城市智能停车系统

随着经济的发展,越来越多的汽车在城市,和停车困难的问题。智能城市能有效解决这个问题。在智能城市,一个基于物联网的智能停车系统。系统的框架如图2。

该系统结合了先进的物联网技术,移动互联网技术和大数据技术。如图所示,系统主要由视频桩,基站,服务器,移动客户端和管理云平台。

视频桩主要由摄像机、处理器和通信设备。在系统运行时,相机是用来捕获的图像每个停车位和实时监控每个停车位的状态通过目标识别技术。然后,桩的视频传输的信息通过无线网络基站。基站将信息从不同的视频转发服务器和云管理平台。整个系统采用智能管理,采用大数据技术的云管理平台,开展区域停车位调度,防止资源分配不均的问题。用户可以查询剩余数量的停车位,停车空间实时预订通过手机客户端,如果用户不熟悉地形,系统可以为用户推荐最好的停车位,提供精确的导航服务。在整个服务过程中,系统执行自动计费和支持移动客户端在线支付。

3所示。物联网在多区域HetNets视频通信

3.1。5 g核心网络桥接了MPLS VPN

绝不认输,HetNets网络由eNode BS和低功率节点(lpn),又名访问点,一个单元,使它。不同层覆盖的两个节点根据传动功率(13,14]。这种方法致密拓扑,提高空间利用率和频谱重用。异构网络的结构满足要求的5 g技术,极大地提高了频谱效率(15]。

为了解决这个问题,5 g无线网络得到关注和研究提供连接和满足不同需求的服务质量(QoS)。5 g的关键技术实现异构网络的部署(HetNets)支持大量的物联网数据需求通过部署大量的小细胞。

网络密度是最有效的方法在很多方面提高网络容量,如频谱扩展和频谱效率提高(16]。通过密集部署在室内和室外小细胞,网络容量增加和减少网络延迟。小细胞包括微蜂窝、微微细胞和家庭基站,这更接近用户。图3是部署的小单元的原理图,可在室内和室外广泛部署,比如在办公室,十字路口,广场。其中,室内用户的数据流量可以提供的wi - fi。下一代的wi - fi 802.11 ac预计将快速增长,提供装满传播率。这导致HetNets的概念,一个多层网络与多个无线接入技术。

5 g核心网络可以增强网络分割,它允许不同的客户端桥私人网站共同provider-owned云。使用MPLS或另一个类似的技术(17切片),网络小说成为一个趋势,有能力提供一个很棒的QoS保证服务与灵活性。图4显示了一个示例基于网络分割的5 g核心连接几个当地HetNets。使用MPLS技术,核心网络设备包含以下类型:

(一)客户(CE)边缘路由器,是直接联系客户本地网络

(b)提供者(PE)边缘路由器,是5 g HetNet和光学核心之间的接口

(c)提供者(P)路由器,是将用户转发交通安排的CE和PE路由器

3.2。基于IMS的物联网视频

物联网(物联网)最近被认为最有前途的形式的无线通信环境。

在网络设备,大量的数据生成和积累大量的数据流。因此,更高的要求对在线数据的处理和分解。在许多应用程序中,生成大量的数据存储,如监视生成的视频数据。

5 g HetNets交通视频流量通过改变一个物联网传感器到一个IP多媒体子系统(IMS)终端。IMS实现健壮的IMS服务功能与呼叫会话控制功能(统称)密切合作。论述节点促进会话初始化协议(SIP)操作会话setup和teardown (18]。

作为一个流行的视频协议,论述进行信号和会话管理,可使整个网络连接信息去边界。

图5给出一个示例基于IMS的物联网视频/ 5 g HetNets。改进的产销服务器充当一个中间实体接收和转发信令消息。改进的服务器提供了一些重要的功能,如身份验证、授权和路由。

3.3。模型的改进的产销服务器

根据定义,IMS系统的主要模块呼叫会话控制允许视频/语音通信在不同接入网络的收敛。它包含的所有功能模块需要处理所有的信号从终端用户服务和其他网络。然而,传统产销无法100%满足物联网视频流和现代化的要求。

图6表明,一种改进的产销比原来的服务器包含三个模块。我们的设计的优点提高了产销服务器讨价还价光学的核心代表所有的物联网设备本地HetNet提前。

出于这个原因,视频流所需的路径是preconstructed甚至流开始之前,减少不必要的信号延迟。

4所示。交通预测使用压缩传感物联网

物联网交通预测近年来已被广泛研究和应用。采样和预测在过去通常是两个独立的部分。例如,大多数传统的方法保持采样率不变,这可能会导致低效率在物联网视频流。为了克服这一问题,本文发展一个新颖的基于压缩传感的交通预测,在预测算法的误差控制采样间隔。我们的方案可以显著降低抽样开销不牺牲精度。

4.1。问题公式化和架构设计

让是物联网的和从本地HetNet视频加载时间槽 。让改善产销服务器是完全意识到的价值在时间 。这条信息,它会讨价还价5 g的核心带宽使用警察消息。在下一个时间段 ,物联网的交通可能会改变一个新值 ,和改进的产销服务器将不得不rebargain 5 g的核心网络。

然而,提高产销服务器无法实现的价值之前的时间 。因此,在时间 ,我们可以估计近似值 ,这是用 。如果 ,当地HetNet将受到带宽资源的短缺,以适应所有视频会议。作为解决方案,CAC组件必须拒绝连接请求的一些为了保证整体的服务质量。

另一方面,如果 ,的一部分带宽资源只是超额预定和无用的。在这个意义上,交通预测是至关重要的,以确保一个良好的表现我们的方案。

图7介绍了物联网的交通预测模块的总体框架与组件的交通负载流量预测算法的采样和组件。我们将提供更多的阐述这两个组件。

4.2。物联网流量抽样

物联网设备发起视频会话通过发送一个邀请信息改进的产销服务器,以表明叫做URL和带宽的要求。改进的产销服务器保存每个请求记录的物联网流量抽样使用,无论CAC请求被接受。

在本文中,我们使用代表平均物联网交通区间 。在实践中,系统实现了记录的改进的产销服务器。传统的方法进行流量恒定速率采样,哪些规则

让与时间t交通负荷函数不同,和我们的频率相对应的上限 。尼奎斯特定理调节的想法必须至少两次的采样率以防止混叠(19]。在物联网视频,可以在一些复杂的场景,使固定采样率不适用。

4.3。压缩传感

压缩感知理论是一个理论,近年来已广泛应用,广泛应用于信号处理。它也被称为压缩采样或稀疏采样。CS想样本信号的采样率远低于香农定律和欠定的线性系统找到一个解决方案,同时保持信号的基本信息。(20.- - - - - -24]。

为了实现压缩传感理论,以下解决方案可以用来估计稀疏向量 使用观察测量向量 。方法基于测量方程。公式如下: 测量矩阵是由 。 代表了未知向量测量噪声和建模误差。重建过程只能发生在理想条件下,即只有当x是S稀疏信号( )。也就是说,最多可以有非零项。在操作期间,观察的数量远远小于变量的数量,也就是说, 。

在实践中,我们正在处理的信号是稀疏信号。这一次的处理方法来表达在一些基础与相应的稀疏系数 。处理方程(1)的收益率

在哪里 是一个L维度基于基础矩阵稀疏向量的系数 。 是一个 矩阵( )。

然而,由于测量应用少于条目θ,得到的解决方案是不确定的。为了恢复稀疏信号,规范最稀疏的序列应该发现从所有可行的解决方案。最小化可用于重建的过程。这个公式表示如下: 在哪里指的是估计向量和 噪音是宽容。然而,实际操作的范数最小化有巨大的计算复杂度和重建算法计算必须开发成本较低。

研究表明,重建信号的过程必须满足一个条件,矩阵不能映射两个不同年代稀疏信号相同的样本集。因此,矩阵必须满足限制等距离属性(RIP) [25,26]。

4.4。自适应采样率

(一)传统的压缩传感的定义:稀疏信号可以恢复少量的非适应线性测量。让信号是稀疏的基础/字典 。例如,DFT矩阵,如果信号频域稀疏。可以表示为一个矩阵,如图8(一个)。在图9,如果信号是稀疏的,那么我们可以使用压缩传感的 。

是测量矩阵和CS理论指出随机将工作。如何理解呢?例如,如果在频域信号是稀疏的,然后我们做一些随机采样的时域。相反,如果在时域信号是稀疏的,我们做一些随机采样的频率域。

(b)解决稀疏信号的情况,出现时间可以预测。在这种情况下,我是单位矩阵如图8 (b)。然后,测量矩阵是我的一部分,其中包括稀疏信号出现的时间点。不是随机的了。在实践中,我们建议可变采样率方案预测时间点(或测量矩阵)。

如果固定采样间隔,如前所述,采样率必须最高频率的两倍的流量曲线实现准确的预测。

因此,开发一个变化无常的采样率是重要的计划与更低的开销。

可变采样率来自观测的流量曲线在图10缓慢和快速变化的时期。交通明显的波动取决于物联网设备的及时的特点。例如,摄像机监视汽车停车的移动和停止根据人们的行为,这显然与汽车的到来和离开的数量有关。在图8,快速变化的区域代表快速活动的周期变化,如早上高峰时间;缓慢变化的区域代表的稳定的事件数据,如在晚上。

减少了采样开销的目的,一个简单的自适应速度的方法是利用低利率变化缓慢的时期,高速率的快速变化的时期。自适应采样间隔旨在样本,并高效地重构流量曲线,同时保持恒定速率的预测精度的方法。

接下来,我们研究一个典型的场景如下。让我们把物联网流量曲线分为缓慢变化和快速变化的时期使用和分别代表的最大频率。奈奎斯特采样理论指出,采样频率必须大于变化缓慢的区域,快速变化的。在那之后,我们可以实现采样的平均速度通过

在哪里和是慢速和快速变化的时代。自 ,我们有 ,暗示ASR比常数方法的抽样的开销要小得多。

4.5。传统的线性预测

在实践中最常使用的传统的预测是最小均方(LMS)线性滤波器。一个k-step LP猜的价值 由一个线性的和当前和过去的x (n)。数学,pth-order k-step给出

在哪里 估计的价值吗 , 是重量, 是先天的知识。我们进一步预测误差定义为

然后,LP更新使用下面的递归方程: 在哪里μ是可能的步长保持恒定(固定步长(CSS))或自适应(自适应步长(屁股))。

4.6。自适应采样率线性预测

实际流量曲线是未知的预测,因此它是一个不可能的任务切成缓慢而快速变化的时期。因此,我们开发一个自适应预测方案ASR-LP,如图11。

ASR-LP规则采样速率作为 ;然后更新它在集成 与 , ,和 在哪里 记忆因子,Eb目标预测误差界,然后呢和是采样率的上界和下界。

ASR-LP优化采样间隔的计划下面的本金。预测误差越大,尖锐的流量曲线变化。因此,我们必须增加满足预测精度的采样率。相比之下,预测误差越小,采样率越低。特别是,网络运营商可以确定有针对性的预测误差界Eb的价值。如果 ,采样率应该增加;如果 ,采样率应减少;如果 ,采样率应保持不变。

除了Eb外,还有其他三个参数(9)和(10);也就是说,是采样率的上界,从而导致较低的预测误差,但计算复杂度较大的价值上升。是采样率的下限,代表底线响应时间的一个线性预测。最后但并非最不重要,问决定当前采样率是多少依赖它的前一个值而不是预测误差。我们必须利用记忆的价值因素最优性能的预测, 作为一个典型的案例。

在我们的研究中,我们进行了模拟研究各种流量曲线来评估我们的提议ASR-LP方案的性能。由于空间的限制,我们证明只有一个典型曲线在图10作为一个例子。然而,仿真结果从这个例子也很大程度上真正的一般情况。

图10收集从墨尔本街道泊车传感器数据(26),它反映了典型的物联网用户的时间特性。值得注意的是,物联网的曲线与以前截然不同的交通调查流动模型在现有文献中,如布朗运动模型。

我们使用图12作为原型流量曲线对比如图三个方案的性能12。除了其在运行时间的优势,VSR-NLMS确实有另一个重要的美德,即。FSS-NLMS相比,较低的平均采样率和VSS-NLMS。这表明,相同的模拟配置如图12,VSR-NLMS达到平均采样率1/371 Hz,也低于1/420 Hz FSS-NLMS和VSS-NLMS。显然,VSR-NLMS采样率最低,因此至少采样开销。

图13表明ASR-LP可以领带ASS-LP,但远比CSS-LP预测精度。

, , , ,和 。

。

低开销的平均采样ASR-LP是一个重要的优势,相比同行。密集的仿真研究表明,ASR-LP可以节省至少有一半在恒定采样率采样率线性预测的准确性。

5。结论

本文研究部署物联网视频流5 g HetNets并提出一种改进的产销服务器解决方案,促进物联网交通预测和资源预订。我们进一步设计了一个线性预测基于压缩传感来捕获交通模式,大大减少抽样开销和计算复杂度。密集的分析和仿真结果表明,该方案可以有效地提高性能,节省时间和成本。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

引用

1. 马x, y . m . Li Du和s .黄”3-param网络选择算法在异构无线网络中,”《IEEE 9日国际会议通信软件和网络(ICCSN 17)IEEE,页392 - 396年,广州,中国,2017年5月。视图:谷歌学术搜索
2. g . Ma y杨x秋z高,和h·李,“容错拓扑控制异构无线传感器网络使用Multi-Routing树,”学报》第十五届联合会/ IEEE国际研讨会上集成网络和服务管理(IM的17)《里斯本条约》,页620 - 623年,葡萄牙,2017年5月。视图:谷歌学术搜索
3. 汉族,y黄,w•孟李c, n .徐和d·陈,“最佳功率分配SCMA下行系统基于最大容量,”IEEE通信,卷67,不。2、1480 - 1489年,2019页。视图:出版商的网站|谷歌学术搜索
4. a . Montazerolghaem m·h·穆贾达姆,a . Leon-Garcia”OpenSIP:对软件定义SIP网络”,IEEE网络和服务管理,15卷,不。1,第199 - 184页,2018。视图:出版商的网站|谷歌学术搜索
5. a·k·维姆·潘迪特,a . k . Godiyal Anand, s . Luthra d·乔希,“无线警察监控的仪器灵活的鞋垫,”第八届国际会议上计算的程序,通信和网络技术(ICCCNT 17),页1 - 5,新德里,印度,2017年7月。视图:谷歌学术搜索
6. a . Mirrashid和a . a . Beheshti说“压缩遥感利用深度学习,”学报》9日电信国际研讨会(IST的18)IEEE,页549 - 552年,德黑兰,伊朗,2018年12月。视图:出版商的网站|谷歌学术搜索
7. s . Rouabah m . Ouarzeddine, b . Souissi“SAR图像压缩感知恢复算法的基础上,”2018年IEEE国际地球科学和遥感学报》研讨会(雪茄烟的18)IEEE,页8897 - 8900年,瓦伦西亚,西班牙,2018年7月。视图:出版商的网站|谷歌学术搜索
8. 汉族,y, w•孟和h·陈,“Self-interference-cancelation-based SLNR预编码设计为全双工relay-assisted系统,”IEEE车辆技术,卷67,不。9日,第8262 - 8249页,2018年。视图:出版商的网站|谷歌学术搜索
9. 汉族,s .徐、w·孟和c·李”Dense-device-enabled合作网络高效、安全的传输,”IEEE网络,32卷,不。2、100 - 106年,2018页。视图:出版商的网站|谷歌学术搜索
10. d . Ghadiyaram j·潘,A·c·Bovik“拖延事件的主观和客观的研究在移动流媒体视频,”IEEE电路和系统视频技术卷,29号1,第197 - 183页,2019。视图:出版商的网站|谷歌学术搜索
11. z郑、l .锅和k . Pholsena”基于模态分解的混合交通流预测模型”学报》第三届IEEE国际会议网络数据科学(DSC的18)IEEE,页521 - 526年,广州,中国,2018年6月。视图:谷歌学术搜索
12. 美国球迷和h .赵Delay-based跨层QoS方案在无线ad hoc网络视频流,”中国通信,15卷,不。9日,第234 - 215页,2018年。视图:出版商的网站|谷歌学术搜索
13. t·张,l·冯,p . Yu郭,w·李和x秋,“基于回归统计方法在自组织单元故障检测异构网络”学报》第十五届联合会/ IEEE国际研讨会上集成网络和服务管理(IM的17)IEEE,页628 - 631年,里斯本,葡萄牙,2017年5月。视图:出版商的网站|谷歌学术搜索
14. 美国太阳,m . Kadoch l .锣,b .荣”集成网络功能虚拟化和特别提款权SDN 4 g / 5 g网络,”IEEE网络卷,29号3,54-59,2015页。视图:出版商的网站|谷歌学术搜索
15. m . Lu, z, z . Wang和z,“Hete_MESE:多维社区检测算法基于多路网络提取和种子扩张网络的异构信息,“IEEE访问》第六卷,第73983 - 73965页,2018年。视图:出版商的网站|谷歌学术搜索
16. 韩张z l .歌曲,z, w•萨阿德”Coalitional游戏重叠干扰管理联盟小细胞网络,”IEEE无线通信,13卷,不。5,2659 - 2669年,2014页。视图:出版商的网站|谷歌学术搜索
17. k . Zhang s愣,y, s . Maharjan和y张”合作内容缓存5 g网络与移动计算边缘,”IEEE无线通讯杂志,25卷,不。3、80 - 87年,2018页。视图:出版商的网站|谷歌学术搜索
18. j·罗森博格,h . Schulzrinne g·贝et al .,“SIP:会话发起协议,”RFC 32612002年6月,IETF。视图:出版商的网站|谷歌学术搜索
19. k . Zhang s愣,y, s . Maharjan y张,“移动计算和网络边缘绿色和低延迟物联网”IEEE通讯杂志卷,56号5,39-45,2018页。视图:出版商的网站|谷歌学术搜索
20. g . Shrividya和s . h . Bharathi”最佳抽样的研究模式,使用压缩传感重建图像先生,”学报第二国际会议上电子技术的发展,计算机和通信(ICAECC 18),页1 - 6,班加罗尔,印度,2018年2月。视图:出版商的网站|谷歌学术搜索
21. y, b .荣、k . Salehian和g . Gagnon“云传播:一个新的频谱复用友好数字地面电视广播传输系统”IEEE广播,卷。58岁的没有。3、329 - 337年,2012页。视图:出版商的网站|谷歌学术搜索
22. a . Sammoud a·库马尔·m·Bayoumi, t . Elarabi“实时流的挑战在互联网视频的事情(IoVT)”学报50 IEEE国际研讨会在ISCAS’17)电路与系统(美国马里兰州巴尔的摩,页1 - 4,,2017年5月。视图:谷歌学术搜索
23. n . Eswara k .纳娑A Kommineni et al .,“连续体验质量评价框架,通过HTTP流媒体视频,”IEEE电路和系统视频技术,28卷,不。11日,第3250 - 3236页,2018年。视图:出版商的网站|谷歌学术搜索
24. 荣,y钱,k, h。陈,m . Guizani“WiMAX网络呼叫允许控制优化”,IEEE车辆技术卷,57号4、2509 - 2522年,2008页。视图:出版商的网站|谷歌学术搜索
25. i d . Irawati a . b . Suksmono和i . y . m .爱德华,”当地插值压缩采样网络流量重建,”学报》国际会议高级计算和应用程序(ACOMP 17),页93 - 98,胡志明市,越南,2017年12月。视图:谷歌学术搜索
26. n . Anselmi l·波里、g·奥利维和a·马萨”三维成像对比源压缩采样,”国际应用程序计算电磁学社会研讨会——中国(ace的18),1 - 2页,IEEE,北京,中国,2018年7月。视图:出版商的网站|谷歌学术搜索

版权

版权©2019吴双力et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。