一、ADSL技术在公安计算机联网中的应用（论文文献综述）
朱飑凯,刘三满,杨俊斌[1]（2020）在《基于多维数据智能感知的公安信息化应用研究》文中提出公安信息化的有效建设能够直接提高公安机关案件的处置能力。为了提高公安数据获取的实时性,利用物联网中多维数据智能感知技术,实现对警务中的人、物、案件实时监测。本文梳理公安信息化研究进展,分析物联网技术在公安信息化建设的必要性,提出了多维智能感知在公安信息化建设中的架构设计。将物联网智能感知技术应用于公安信息化建设,能够提高公安工作效率,为科学决策提供有力保障。
叶平[2]（2020）在《物联网数据在侵财案件侦防中的应用》文中研究指明物联网的快速发展极大地便利了社会生产生活,同时在一定程度上易被违法犯罪活动所利用。近年来,作案人在作案时使用物联网设备已成为侵财案件的新特点,在电信网络诈骗等非接触型侵财案件中表现尤为明显。作案工具智能化、高效化和远端化使侵财案件的侦防工作面临巨大压力。鉴于物联网设备与用户之间的交互核心在于将设备产生的数据传输至软件平台再进行可视化展示,根据物联网数据的时序性、实效性、现实关联性等特点,通过对物联网数据及其形成过程、传输方式的分析可知,将物联网数据帧头中的物体、通信和应用三类标识符物理寻址便可获取物联网设备产生数据的时间、唯一识别码等信息,由此可作为公安机关应用物联网数据的技术理论基础。同时,由于在侵财案件中大量存在涉及作案目标、作案工具、案发地点周边设施、作案人伴随设备的轨迹数据、设备唯一识别码、日志数据、元数据等物联网数据,公安机关也相应具备了应用物联网数据的现实基础。在侦查实务中,部分省市公安机关已出现了应用物联网数据防控盗窃类侵财案件的实例,也出现了将物联网数据作为侦破线索的案例。因此,物联网数据可在公安机关侵财案件侦防工作中应用。在侵财案件侦查方面,公安机关将侵财案件中的物联网数据与案发时间、地点等信息进行关联、聚类分析,可在作案时空、作案人身份、赃物流向等方面提供研判依据。在侵财案件防控方面,公安机关分析侵财案件中的物联网数据,掌握案发规律,研判出侵财案件的高危人群、治安薄弱地点、易受侵害群体等信息,依托物联网数据在时间、地点、空间三个纬度对侵财案件高发区域进行的态势感知、高危人群管控、智能巡控等方面的防控。
刘奕[3]（2020）在《5G网络技术对提升4G网络性能的研究》文中研究指明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
朱慧泉[4]（2019）在《云计算的特点与关键技术及其在物联网中的运用》文中认为云计算是创新2.0时代互联网技术体系发展的产物,目前已经在社会众多领域中得到广泛的应用。云计算技术在实际应用中体现出了一系列特点及功能优势,为各行业领域的创新发展提供了新的技术支持。在物联网的发展过程中,云计算技术的应用也具有着积极的意义。将针对云计算技术的特点、关键技术及其在物联网中的运用情况展开讨论。
曾琼钰[5]（2019）在《车联网中基于多源数据融合的道路交通速度预测方法研究》文中提出随着中国城市化进程的不断加速和居民机动车保有量的持续增长,城市路网承担的交通压力日益加重,交通拥堵和交通事故等一系列交通问题也随之产生,并严重制约着道路通行能力和居民出行效率。城市智能交通系统通过对道路运行状态的监控和诱导,能够有效缓解交通拥堵问题,提高道路通行效率。准确实时的进行道路交通状态预测是智能交通系统实现交通控制和诱导的关键,同时也可为驾驶人员的行驶路线规划提供决策支持。车联网提供车辆之间和车辆与附近路边设备之间的无线通信,通过获取自身车辆、其他车辆和外界环境等相关信息,车联网中很容易形成能够反映交通状态的海量数据,相比于传统交通系统消息数据的匮乏,如何通过融合车联网中丰富多样的信息以得到更加精确的交通状态估计,对改善城市交通拥挤和提高道路利用率具有现实意义。本文面向车联网提出了一种多源数据融合中间件（MDFOSGi）框架,其利用OSGi（Open Service Gateway initiative）技术框架面向服务的优势,使车辆可以动态获取到交通参与方发布在路边单元的数据服务信息,针对不同应用封装不同的数据融合算法,利用车辆自身丰富的存储和计算资源,对车、道路、环境等相关服务数据进行处理和融合,产生本地决策,为上层应用提供数据服务支撑。同时针对交通预测相关应用提出面向不同特征的两种数据融合算法以及一种模型组合的算法,并封装于此中间件中,以提供更准确的数据服务。针对现有基于数据融合的交通状态预测方法大多仅融合多检测器采集到的交通数据,而忽略了社会、环境等因素对交通速度的影响,本文提出一种基于多源数据融合的单路段交通速度预测算法。在分析节假日和气候等因素对交通速度影响的基础上,将相关数据分为交通数据和外部影响数据,通过聚类分析将特征集划分为多个子集,然后利用不同子集构建多分支的LSTM路段交通速度预测模型。预测阶段,根据实时数据提取对应LSTM模型进行交通速度预测。其次针对高峰期路段交通流空间传播范围较大,提出一种面向高峰期的组合预测算法和基于近邻路段特征融合的DBN-LSSVR预测模型。首先运用灰色关联分析选择关联度较高的近邻路段的交通数据进行特征提取,将各路段交通特征输入深度信念网络进行特征融合重构,然后将融合后的特征输入最小二乘支持向量回归模型预测,并将预测结果与单路段预测结果进行组合输出,提高高峰期路段交通速度的预测精度。真实数据集上的实验分析表明,所提出的基于数据融合的道路交通速度预测方法受外界干扰因素影响较小,提高了交通速度预测精度,具有较满意的预测效果。
谢元芒[6]（2019）在《面向城市交通的智能图像处理关键技术研究》文中进行了进一步梳理物联网作为世界信息产业发展的第三次浪潮,未来发展潜力巨大。物联网是支撑城市智能交通的重要技术。在面向城市交通的物联网环境下,通过改善基础设施、实施城市交通专用道、快速城市交通、轨道交通等多模式,应用先进信息技术,城市交通得到了快速发展,对城市居民出行发挥了重要作用。面向智慧城市交通物联网的图像数据是大数据,基于该大数据,从系统工程的视角出发,在分析交通规划的影响因素及城市交通能力及运行现状调查分析的基础上,可以建立城市智慧化的交通调度系统,对智慧城市的建设具有十分重要的意义。鉴于此,我们在分析了现有的图像去噪、压缩编码以及图像合成方法的基础上,研究了对应的新方法。本文的主要创新工作如下。提出了一种压缩感知图像采集新方法和智能去噪的方法。基于压缩感知理论,在随机间距稀疏矩阵的基础上,设计了链式数据采集方案,设计一种随机间距稀疏循环矩阵,从而大量减少了网络中的数据传输量;设计了一种球坐标域内的小波收缩去噪算法,该算法中设计了一种新的收缩函数,能够更快地趋近真实的小波系数值;同时设计了一种小波域模积,它能够更精准地映射相关的小波系数,起到去噪更佳的效果。提出了一种基于自适应传输的图像智能编码的方法。为了实现图像自适应传输的目标,我们分析了 AODV路由协议和其采用的路由判据的缺陷,设计了一种路由判据,综合考虑了节点负载度、链路的闲忙度和ETX三者对图像自适应传输的影响,并以此为基础,设计了一种路由协议EAODV;在传输过程中,我们提出了一种图像编码方法,该方法在编码时,能够更好地预测其它等待编码的系数,同时采用新的编码策略实现对高频部分的处理,显着地提高了相应的压缩比。设计的压缩感知图像智能编码新方法避免了传统算法的重复搜索匹配问题,且能够达到较大的压缩比。提出了一种基于模糊神经网络学习策略的图像合成方法。该方法利用了神经网络的学习能力强等特性,同时利用了模糊理论具有的对非精确数据包容、可以利用专家知识等优点,对要合成的图像进行聚类、模糊化处理,从而使每一个像素都获得一个隶属度矢量,最终实现图像的像素级合成。在图像合成时,我们用相关性原理缩小了搜索范围避免了穷尽式搜索,同时引入梯度结构信息,利用直方图的相似性度量来自适应地确定图像块的尺寸,能够保证合成图像的结构性和随机性。该方法可应用于城市交通中的多源图像合成,具有合成速度快、效果好、满足实时性要求等优势。通过大量的实验测试,结果表明,我们提出的上述方法非常适用于面向城市交通的物联网应用环境,具有很强的理论意义和实用价值。
缑维哲[7]（2018）在《第四代移动通信技术在车联网中的应用研究》文中认为在现代科技社会,车联网作为新型无线通信技术和现代汽车工业技术发展的产物,受到了来自全国甚至全世界范围内的广泛关注,并被认为是建设新型智能化交通系统和加强管理道路交通安全系统的关键技术支撑。另一方面,随着移动通信网络的数据通信功能日益强大,业务范围也不断扩大,4G移动通信技术在车联网中的应用已成为业界关注的热点,这些都为车联网技术的实现提供了强大支撑。针对4G移动通信技术及其在车联网系统中的应用,本文的主要研究内容及贡献如下。研究了第四代移动通信的关键技术和车联网的发展趋势。阐述4G基本状况、发展历程、技术特点及网络结构;介绍了 4G关键技术、OFDM、MIMO、智能天线等技术;介绍4G标准化及发展趋势。阐述了车联网的研究现状和未来行业技术发展趋势。介绍了车联网的概念,结构和特点;重点研究了车联网的关键技术,包括多传感器融合、语音识别、云计算、通信等技术;阐述车联网的三个发展阶段等。研究了 4G移动通信技术在车联网中的应用。明确了 4G车联网的基本架构,研究了 4G通信技术在车联网中的应用,研究了 4G车联网的核心技术-即LTE技术:给出了基于4G通信技术的车联网方案;举例说明4G移动通信技术在车联网中的应用案例;最后阐述了车联网的创新应用及面临的问题。结合作者实际工作经验,引入4G车联网应用案例-吉利4G车联网项目,本章节将储备的理论知识应用实际项目,本章节首先对项目背景、项目需求、解决方案、项目意义等进行了介绍,阐述第四代移动通信技术应用于车联网的实现方法。然后提出解决方案及车联网系统实现,包含系统组网架构、4G车载通信服务-物联网卡、4G车载通信服务-通信模组、4G车载通信服务-车载通信实现、4G多APN传输服务、4G ’车载T-BOX设备、4G车载通信服务-路测数据、客户手机APP功能实现等关键环节进行了详细的说明,对第四代移动通信应用于车联网的场景的可行性进行了论证。
杜乾[8]（2018）在《移动通信技术在物联网中的应用初探》文中提出21世纪是网络信息快速发展的新时期,网络已逐渐渗透到人们日常生活、生产的各个领域,成为影响其质量和水平的重要因素,在此情况下,物联网技术应运而生。将移动通信技术应用于物联网领域中,也是一个新方向新领域,预期将会得到广泛的运用。基于此,文章主要对物联网中移动通信技术的应用进行了分析和研究。
谭雄[9]（2016）在《浅析云计算在物联网中的应用》文中提出物联网是在互联网的扩展中衍生出的网络概念。随着物联网技术的不断革新,使得其产生的大量数据信息需要较大规模的数据处理技术和存储技术。云计算同样属于互联网的延伸计算机技术,云计算平台上的应用时物联网的核心部分。云计算具有诸多的计算和存储模式,使得云计算在社会上得以广泛地应用。由于物联网的云计算网络平台在现今的各个领域中进行实施和应用,云计算为物联网提供了技术支持。文章对云计算在物联网中的应用进行了详细的阐述。
王群[10]（2016）在《车联网的安全机制及关键技术研究》文中研究说明随着物联网技术的发展和在各个领域应用的不断推进,车联网概念被提出且作为物联网中一个重要的分支很快成为研究重点和热点。近年来,随着汽车保有量的持续增长,道路承载容量在许多城市已达到饱和,交通安全、出行效率、环境保护等问题日益突出。在此大背景下,车辆联网技术因其被期望具有大幅度缓解交通拥堵、提高运输效率、提升现有道路交通能力等功能,很快与智能交通技术走向融合。解决道路交通环境中的安全问题是车联网的功能之一,而安全技术和安全隐患又是影响和制约车联网技术发展的首要因素。在大量的安全问题中,有些在传统网络中就已经存在,而有些则是专门针对车联网这一特殊应用而出现的。另外,传统的互联网是一种以地址为中心的网络,而车联网则是以数据为中心的网络,所以一些在传统互联网中影响较弱、破坏性不大的安全问题在车联网中则表现出强大的危害性。为此,对于车联网安全问题的分析和安全方案的实施变得更加复杂,在坚持技术继承的同时,不能简单的拿来,而必须结合车联网特点进行应用创新。本文主要对车联网的安全机制及其关键技术进行研究,主要研究内容和创新如下:1.在系统分析车联网技术发展背景的基础上,指出影响车联网技术和应用发展的关键因素是安全,同时提出了在广泛借鉴和吸收已有成果的基础上,应立足网络体系结构和用系统的方法去研究车联网面临的安全问题和存在的安全隐患这一研究路线。基于此思想,依次提出了车联网的体系结构、通信架构和安全模型,并在可信计算环境下设计了一种可信匿名车联网身份认证和平台配置验证方案,同时对车联网的定位和位置感知技术进行了理论分析和应用研究。2.在系统分析物联网技术框架和智能交通应用的基础上,提出了车联网的体系结构,将车联网从下到上分为感知层、转送层和应用层。其中,将感知层作为车联网的神经末梢,通过车辆状态感知、车路感知、车辆定位、车辆间感知等方式实现车辆自身以及车辆与道路交通信息的全面感知、收集和处理:传送层通过整合现有和演进中的各类网络,利用云计算、大数据等热点技术,为上层应用提供高效可靠的数据传输服务;应用层负责为车联网提供智能交通管理、车辆安全控制、交通事件预警等高端服务功能,具体可分为信息服务、安全服务和节能服务3种类型。同时,将车联网通信框架从下到上依次分为感知层网络、公共接入网络、承载网络和交通控制中心4部分,并将感知层网络分为车域网（VAN）和车载自组网（VANET）。在此基础上,重点对车辆内部、车辆与车辆（V2V）以及车辆与周边信息基础设施（V2I）之间的通信方式进行了深入系统的研究。3.在分析无线传感器网络相关领域已有理论和典型算法的基础上,针对车联网的组网特点和要求,提出了车联网的定位和位置感知机制和方法,以及车联网研究中需要采用的主要评价指标。在此基础上,结合车联网在特殊环境中的定位要求,提出了基于RSSI测距的隧道内定位算法,并通过仿真实验分析,验证了该算法的真实性和可靠性。4.基于对车联网体系结构和车联网通信架构的研究,提出了车联网安全体系结构,并分车域网安全、车载自组网（VANET）安全和车载移动互联网安全3部分。同时提出,车域网安全主要涉及车辆定位安全、传感器及其网络安全、车内通信安全和电子车牌安全等方面,车载自组网安全主要涉及干扰攻击、虚假信息攻击、隧道攻击等方面,车载移动互联网安全主要涉及车辆安全、接入网安全和应用安全等方面。针对存在的主要安全问题,提出了相关的安全技术和相应的解决方法,其安全技术主要包括数字签名、身份认证、数据验证、可信计算等内容。5.基于可信计算技术,提出了车联网可信匿名认证模型,依次分为车辆身份认证、车辆平台身份认证和车辆平台完整性验证3个过程。其中,通过对互联网现有身份认证和资源授权技术的系统分析,提出了一个开放标准的车联网车辆身份认证模型,该模型不但将认证和授权进行了有机结合,而且具有很好的系统兼容性、结构开放性和功能可扩展性。在此基础上,设计了一个对车辆平台身份进行可信远程匿名认证和对平台完整性进行远程验证的方案,并对主要实现步骤进行了详细描述。
二、ADSL技术在公安计算机联网中的应用（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、ADSL技术在公安计算机联网中的应用（论文提纲范文）
（1）基于多维数据智能感知的公安信息化应用研究（论文提纲范文）
| 1 国内外相关研究 |
| 2 建设的必要性 |
| 3 多维智能感知的公安信息化建设 |
| 4 总结展望 |
（2）物联网数据在侵财案件侦防中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 2 物联网数据概述 |
| 2.1 物联网 |
| 2.2 物联网数据类型 |
| 2.2.1 状态数据 |
| 2.2.2 测量数据 |
| 2.2.3 位置数据 |
| 2.2.4 标识数据 |
| 2.2.5 图像数据 |
| 2.2.6 指令数据 |
| 2.3 物联网数据特点 |
| 2.3.1 时序性 |
| 2.3.2 实效性 |
| 2.3.3 异构性 |
| 2.3.4 现实关联性 |
| 2.3.5 隐匿性 |
| 2.3.6 碎片性 |
| 3 物联网数据在侵财案件侦防工作中的应用基础及实现路径 |
| 3.1 现实基础 |
| 3.1.1 侵财案件现状及特点 |
| 3.1.2 侵财案件的勘验对象 |
| 3.1.2.1 物品和痕迹 |
| 3.1.2.2 生物检材 |
| 3.1.2.3 网络数据 |
| 3.1.3 侵财案件的物联网数据来源 |
| 3.1.3.1 作案目标数据 |
| 3.1.3.2 作案工具数据 |
| 3.1.3.3 案发地点周边设施数据 |
| 3.1.3.4 作案人伴随设备数据 |
| 3.2 技术理论基础 |
| 3.2.1 数据形成过程 |
| 3.2.2 数据传输方式 |
| 3.2.3 数据寻址原理 |
| 3.3 数据应用实现路径 |
| 3.3.1 数据提取内容 |
| 3.3.1.1 轨迹数据 |
| 3.3.1.2 设备唯一识别码 |
| 3.3.1.3 日志数据 |
| 3.3.1.4 元数据 |
| 3.3.2 数据应用实操 |
| 3.3.3 应用分析方法 |
| 4 物联网数据在侵财案件侦查中的应用 |
| 4.1 应用模式 |
| 4.1.1 数据预处理 |
| 4.1.2 问题建模 |
| 4.1.3 数据挖掘 |
| 4.1.4 可视化呈现和验证结果 |
| 4.2 主要应用场景 |
| 4.2.1 查明作案时空 |
| 4.2.2 查明作案人身份 |
| 4.2.3 查明赃物流向 |
| 5 物联网数据在侵财案件防控中的应用 |
| 5.1 应用模式 |
| 5.1.1 数据融合 |
| 5.1.2 提取侵财案件数据特征 |
| 5.1.3 建立侵财案件模型 |
| 5.1.4 数据运行与校验 |
| 5.1.5 可视化呈现 |
| 5.2 主要应用场景 |
| 5.2.1 侵财案件态势感知 |
| 5.2.2 侵财案件高危人群管控 |
| 5.2.3 侵财案件智能巡控 |
| 5.2.3.1 物联网数据智能巡控线下应用方法 |
| 5.2.3.2 物联网数据智能巡控线上应用方法 |
| 结论 |
| 参考文献 |
| 在学研究成果 |
| 一、 在学期间发表的论文 |
| 致谢 |
（3）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（5）车联网中基于多源数据融合的道路交通速度预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通预测研究现状 |
| 1.2.2 车联网中的数据融合研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第2章 相关技术基础 |
| 2.1 多源数据融合 |
| 2.1.1 多源数据融合层次 |
| 2.1.2 多源数据融合方法 |
| 2.1.3 多源数据融合在车联网中的应用 |
| 2.2 面向服务的中间件 |
| 2.3 本章小结 |
| 第3章 中间件设计与交通状态特征提取 |
| 3.1 多源数据融合中间件设计 |
| 3.1.1 总体框架设计 |
| 3.1.2 核心模块介绍 |
| 3.2 交通状态特征提取 |
| 3.2.1 交通状态基本特征参数 |
| 3.2.2 交通数据集 |
| 3.2.3 轨迹数据预处理与特征提取 |
| 3.3 本章小结 |
| 第4章 多源数据融合的单路段交通速度预测算法研究 |
| 4.1 交通速度趋势分析 |
| 4.2 融合特征划分 |
| 4.3 基于LSTM预测模型的构建 |
| 4.4 算法流程 |
| 4.5 实验分析 |
| 4.5.1 建立实验 |
| 4.5.2 误差评价指标 |
| 4.5.3 实验结果和分析 |
| 4.6 本章小结 |
| 第5章 面向高峰期的交通速度组合预测算法研究 |
| 5.1 近邻路段数据提取 |
| 5.2 基于近邻路段特征融合的交通速度预测模型 |
| 5.2.1 深度信念网络 |
| 5.2.2 最小二乘支持向量回归模型 |
| 5.2.3 DBN-LSSVR预测算法 |
| 5.3 多源数据时空关联的高峰期交通速度组合预测 |
| 5.4 实验分析 |
| 5.4.1 建立实验 |
| 5.4.2 实验结果和分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 A攻读学位期间所发表的学术论文和专利 |
| 附录 B攻读学位期间所参与的科研活动 |
（6）面向城市交通的智能图像处理关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 问题的提出 |
| 1.3 本文的主要内容 |
| 1.4 本文的组织结构 |
| 第2章 相关基础理论与技术 |
| 2.1 压缩感知理论基础 |
| 2.2 基于滤波的图像去噪 |
| 2.3 小波变换 |
| 2.4 小波变换图像的实现 |
| 2.5 图像自适应传输策略 |
| 2.6 图像编码策略 |
| 2.7 基于像素的图像合成机制 |
| 2.8 图像的特征提取 |
| 2.9 本章小结 |
| 第3章 压缩感知图像采集与智能去噪新方法 |
| 3.1 物联网压缩感知图像采集方法分析 |
| 3.2 压缩感知图像采集新方法 |
| 3.2.1 压缩感知图像采集的基本原理 |
| 3.2.2 压缩感知图像采集的新方法 |
| 3.3 智能图像去噪技术简介 |
| 3.4 图像智能去噪基本策略 |
| 3.5 噪声去除过程中的自适应非线性收缩函数的设计 |
| 3.6 噪声去除过程中的模积设计 |
| 3.7 基于压缩感知技术的新图像智能去噪方法 |
| 3.8 实验结果 |
| 3.9 本章小结 |
| 第4章 基于自适应传输的图像编码新方法 |
| 4.1 图像自适应传输方法分析 |
| 4.2 图像自适应传输策略的设计 |
| 4.2.1 相关定义 |
| 4.2.2 新方法的原理 |
| 4.2.3 图像自适应传输策略的设计 |
| 4.3 图像智能编码的基本原理 |
| 4.4 图像编码的基本原理 |
| 4.5 图像智能编码新方法 |
| 4.5.1 图像智能编码的主体操作方法 |
| 4.5.2 图像智能编码的主要步骤 |
| 4.5.3 图像智能编码的详细搜索匹配算法 |
| 4.6 实验测试与结果分析 |
| 4.6.1 编码后相关参数的实验结果对比 |
| 4.6.2 编码后自适应传输效果对比 |
| 4.7 本章小结 |
| 第5章 基于模糊神经网络学习策略的图像合成新方法 |
| 5.1 图像合成方法分析 |
| 5.2 基于模糊神经网络的学习策略 |
| 5.2.1 基本原理 |
| 5.2.2 基于模糊神经网络的学习新方法 |
| 5.3 图像合成新方法的设计与实现 |
| 5.3.1 图像合成过程与步骤 |
| 5.3.2 基于模糊神经网络学习机制的图像合成新算法 |
| 5.4 实验结果 |
| 5.4.1 图像合成实验 |
| 5.4.2 图像合成算法对比 |
| 5.5 本章小结 |
| 第6章 城市交通量动态采集应用场景验证与分析 |
| 6.1 测试案例背景 |
| 6.1.1 营口道路交通概况 |
| 6.1.2 营口市交通指挥控制系统 |
| 6.2 营口市交通量动态采集系统应用场景验证案例 |
| 6.2.1 验证系统组成与功能 |
| 6.2.2 系统部署方案 |
| 6.3 验证步骤和方法 |
| 6.3.1 准备阶段 |
| 6.3.2 单项功能验证阶段 |
| 6.3.3 整体验证阶段 |
| 6.4 验证分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 分析与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（7）第四代移动通信技术在车联网中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 第一章 绪论 |
| 第二章 第四代移动通信技术概述及车联网研究现状和发展趋势 |
| 2.1 第四代移动通信技术基本介绍 |
| 2.2 第四代移动通信技术的关键技术 |
| 2.2.1 OFDM技术 |
| 2.2.2 MIMO技术 |
| 2.2.3 智能天线技术 |
| 2.2.4 软件无线电技术 |
| 2.2.5 多用户检测及移动定位技术 |
| 2.3 第四代移动通信技术标准化及发展趋势 |
| 2.3.1 支持更多的业务应用 |
| 2.3.2 更高数据速率及新频段支持 |
| 2.4 车联网概念、结构和特点 |
| 2.5 车联网关键技术 |
| 2.5.1 多传感器融合技术 |
| 2.5.2 语音识别技术 |
| 2.5.3 云计算 |
| 2.5.4 通信及互联网技术 |
| 2.5.5 关联应用技术 |
| 2.6 车联网发展趋势 |
| 2.7 本章小结 |
| 第三章 4G通信技术在车联网系统中的应用方案设计 |
| 3.1 车联网系统的基本架构 |
| 3.1.1 车联网感知层 |
| 3.1.2 车联网网络层 |
| 3.1.3 车联网应用层 |
| 3.2 4G通信技术在车联网中的应用 |
| 3.2.1 LTE通讯技术 |
| 3.2.2 频率复用技术 |
| 3.2.3 MIMO技术 |
| 3.2.4 车联网的主要技术特点 |
| 3.2.5 LTE通信技术在车联网中的应用策略 |
| 3.3 基于4G通信技术的车联网改造方案 |
| 3.4 车联网应用案例 |
| 3.5 创新应用及面临的问题 |
| 3.6 本章小结 |
| 第四章 应用案例-吉利4G车联网项目 |
| 4.1 项目背景 |
| 4.2 项目需求简述 |
| 4.2.1 车载设备需求简述 |
| 4.2.2 4G多APN传输需求简述 |
| 4.2.3 客户手机APP管理需求简述 |
| 4.3 解决方案及车联网系统实现 |
| 4.3.1 系统组网架构 |
| 4.3.2 4G车载通信服务-物联网卡 |
| 4.3.3 4G车栽通信服务-通信模组 |
| 4.3.4 4G车载通信服务-车载通信实现 |
| 4.3.5 4G多APN传输服务 |
| 4.3.6 4G车载T-BOX设备 |
| 4.3.7 4G车,载通信服务-路测数据 |
| 4.3.8 客户手机 APP |
| 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）移动通信技术在物联网中的应用初探（论文提纲范文）
| 一、物联网概述 |
| 1.1概念分析 |
| 1.2功能与特点分析 |
| 1.2.1功能 |
| 1.2.2特点 |
| 二、移动通信技术发展现状分析 |
| 三、移动通信技术在物联网中的应用 |
| 3.1主要应用方式 |
| 3.1.1移动通信终端 |
| 3.1.2移动通信传输网络 |
| 3.1.3移动通信网络管理平台 |
| 3.2应用改进措施 |
| 3.2.1移动通信终端的改进 |
| 3.2.2网络管理的改进 |
| 3.3移动通信技术在物联网中应用的展望 |
| 四、结束语 |
（9）浅析云计算在物联网中的应用（论文提纲范文）
| 1 云计算的概述 |
| 1.1 云计算的定义 |
| 1.2 云计算技术的优点 |
| 1) 对数据信息的存储方面 |
| 2) 对数据信息的管理方面 |
| 2 云计算在物联网中的应用分析 |
| 1) 云计算和物联网的结合方式 |
| 2) 云计算对物联网的意义 |
| 3) 云计算与物联网的结合优势 |
| 3云计算与物联网的应用实例 |
| 1) 在电网方面的应用 |
| 2) 在交通方面的应用 |
| 3) 在公安系统中的应用 |
| 4 结论 |
（10）车联网的安全机制及关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 问题的提出 |
| 1.3 论文主要研究工作 |
| 1.4 论文的组织 |
| 2 车联网的体系结构 |
| 2.1 引言 |
| 2.2 车联网体系结构的研究基础 |
| 2.2.1 物联网概念描述 |
| 2.2.2 车联网概念描述 |
| 2.2.3 车联网体系结构的相关研究 |
| 2.3 车联网体系结构 |
| 2.3.1 车联网感知层 |
| 2.3.2 车联网传送层 |
| 2.3.3 车联网应用层 |
| 2.3.4 安全和管理能力 |
| 2.4 车联网通信架构 |
| 2.4.1 车联网通信架构的组成 |
| 2.4.2 车域网 |
| 2.4.3 车载自组网 |
| 2.5 车联网关键技术 |
| 2.5.1 DSRC |
| 2.5.2 IEEE 802.11p标准和IEEE 1609协议栈 |
| 2.5.3 路由协议 |
| 2.6 本章小结 |
| 3 基于RSSI测距的车联网定位算法 |
| 3.1 引言 |
| 3.2 车联网定位和位置感知技术 |
| 3.2.1 车联网定位和位置感知的性能评价体系 |
| 3.2.2 无线测距基本原理与实现方法 |
| 3.2.3 车联网定位技术 |
| 3.2.4 车联网节点位置感知技术 |
| 3.2.5 分析与展望 |
| 3.3 RSSI测距在隧道内定位的算法实现 |
| 3.3.1 实验环境设置 |
| 3.3.2 RSSI测距和实时运动状态定位算法模型分析 |
| 3.3.3 算法的实现步骤 |
| 3.3.4 实验及分析 |
| 3.4 本章小结 |
| 4 车联网安全体系 |
| 4.1 引言 |
| 4.2 车联网安全体系结构 |
| 4.2.1 车域网安全 |
| 4.2.2 车载自组网安全 |
| 4.2.3 车载移动互联网安全 |
| 4.3 主要安全技术 |
| 4.3.1 数字签名 |
| 4.3.2 身份认证 |
| 4.3.3 数据验证 |
| 4.3.4 可信计算 |
| 4.4 车联网中车间通信的实现方法 |
| 4.4.1 车联网的车间通信 |
| 4.4.2 车间通信的实现方法 |
| 4.4.3 车间通信的仿真构造和分析 |
| 4.5 本章小结 |
| 5 可信车联网安全认证模型 |
| 5.1 引言 |
| 5.2 可信计算 |
| 5.2.1 可信计算简介 |
| 5.2.2 可信根 |
| 5.2.3 信任链 |
| 5.2.4 TPM密钥管理体系 |
| 5.2.5 TPM的证书 |
| 5.2.6 可信平台模块 |
| 5.2.7 可信计算平台 |
| 5.3 车联网的可信认证 |
| 5.3.1 车联网可信认证系统设计 |
| 5.3.2 车辆身份认证 |
| 5.3.3 车辆平台身份认证 |
| 5.3.4 车辆平台完整性验证 |
| 5.3.5 车辆平台之间的域间可信匿名认证 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、ADSL技术在公安计算机联网中的应用（论文参考文献）
- [1]基于多维数据智能感知的公安信息化应用研究[J]. 朱飑凯,刘三满,杨俊斌. 网络安全技术与应用, 2020(07)
- [2]物联网数据在侵财案件侦防中的应用[D]. 叶平. 中国人民公安大学, 2020(10)
- [3]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [4]云计算的特点与关键技术及其在物联网中的运用[J]. 朱慧泉. 科学技术创新, 2019(29)
- [5]车联网中基于多源数据融合的道路交通速度预测方法研究[D]. 曾琼钰. 湖南大学, 2019(07)
- [6]面向城市交通的智能图像处理关键技术研究[D]. 谢元芒. 东北大学, 2019(01)
- [7]第四代移动通信技术在车联网中的应用研究[D]. 缑维哲. 西安电子科技大学, 2018(03)
- [8]移动通信技术在物联网中的应用初探[J]. 杜乾. 中国新通信, 2018(07)
- [9]浅析云计算在物联网中的应用[J]. 谭雄. 电脑知识与技术, 2016(09)
- [10]车联网的安全机制及关键技术研究[D]. 王群. 南京理工大学, 2016(07)