导读:本文包含了分布式管理技术论文开题报告文献综述及选题提纲参考文献，主要关键词:毫米波,混合波束成形,遮挡,波束对齐
分布式管理技术论文文献综述
鄢浩[1]（2019）在《基于毫米波分布式天线阵的波束管理技术研究》一文中研究指出毫米波通信和大规模天线是5G系统的两大关键技术。毫米波频段能够提供丰富的通信频谱资源,基于毫米波的大规模天线系统则采用混合波束成形结构,以同时获得高频谱效率和高波束成形增益。然而使用毫米波窄波束通信时,波束容易被遮挡。另一方面,为了保证收发双方通信链路的质量,双方波束应该指向最佳传播路径的离开和到达方向,因此需要考虑波束的对齐。基于此,本文主要研究毫米波窄波束通信系统中的抗遮挡问题和波束对齐问题。为了解决毫米波窄波束的遮挡问题以及移动毫米波系统中的波束对齐问题,本文提出一种基于分布式天线阵结构的快速波束切换算法。分布式天线阵结构能够有效对抗遮挡并增强覆盖;基于该结构,本文进一步设计了一种基于用户位置信皂、的快速波束切换算法。这种算法利用视距径存在时最佳波束对保持不变的特点,在系统部署阶段测量最佳子阵和波束对以及备用子阵和波束对,从而建立位置-波束映射表。在实际通信阶段,用户基于位置信息和运动速度预测下一切换点和切换信息。仿真结果验证了分布式天线阵结构的抗遮挡和增强覆盖特性以及快速波束切换算法的合理性。其次,为了降低波束搜索算法的时间复杂度,本文提出多射频链路辅助的并行波束搜索算法和波束编码辅助的并行波束搜索算法。其中,多射频链路辅助的并行波束搜索算法考虑利用基站侧的多个射频链路同时发出承载正交序列的多个波束,用户侧通过互相关运算分辨同时发出的多个波束,从而实现并行波束搜索。该算法能够有效降低波束搜索的时间复杂度,而复杂度降低导致的性能损失也在可接受的范围之内。波束编码辅助的并行波束搜索算法改进了现有的波束编码算法,考虑对发端波束和收端波束进行编码,同时发送发端码本中的所有波束并且使用收端码本中的所有波束接收;接收端通过互相关运算分辨正交的发送波束和接收波束,从而实现并行波束搜索。该算法以很小的性能损失为代价,将波束搜索算法的时间复杂度降为了1。(本文来源于《北京邮电大学》期刊2019-04-18）
肖涛[2]（2019）在《基于深度学习的3DIC分布式热管理技术研究》一文中研究指出随着集成电路工艺的发展,集成电路的特征尺寸减小了,集成电路的核心数量变多了,并且开始从普通集成电路发展到了叁维集成电路,这些因素共同导致了集成电路的功耗密度越来越大,集成电路的热可靠性问题成为业界内的一大难题。传统的集总式热建模和热管理,在核心数较少时,可以发挥比较好的性能,但在核心数比较多的时候,其热模型尺寸过大,热管理的开销过大,会严重影响集成电路的性能。采用分布式热管理方法可以缓解这个问题,利用分布式热建模可以有效降低模型的尺寸。然而,传统的分布式热管理,采取的是对每个核只建立一个热点,但同一个核心不同位置的温度,相差可以高达4℃,这会导致,核心热点位置的温度被管理得很好,满足要求,而核心其他位置的温度却管理得不好,从而导致集成电路可靠性降低。本文提出了基于深度学习的分布式热管理方法。该方法对每个核都建立一个细颗粒的热模型,每个核心建立了64个热点,这样就能保证核上的最高温度能够比较好地稳定在目标温度附近。通过观察发现,该热模型对应着一个模式识别问题,因此本文用深度学习来拟合这个热模型,本文使用了卷积神经网络和循环神经网络这两种常用的网络,并对其做了简要的介绍。然后利用这些热模型,来进行分布式热管理,其中又用到了扩展卡尔曼滤波器来估计每个核的状态值,也用到了功耗调整器,它通过划分等级来调节功耗值。还提出了迭代算法来解决各核热管理模块之间的信息交换问题。最终的实验表明,本文所提出的基于深度学习的分布式热建模方法,有效地减小了热模型的尺寸,并且利用卷积神经网络和循环神经网络所搭建的热模型有较高的精度,同时,本文所提出的基于深度学习的3D IC分布式热管理方法有较好的控制效果和较高的控制精度,能够提供准确的控制策略。(本文来源于《电子科技大学》期刊2019-04-01）
焦利,孙松周,刘天须,张雪扬,王振基[3]（2019）在《元数据驱动的分布式数据资源管理技术》一文中研究指出采用元数据驱动方法,研究分布式数据资源管理,实现数据的统一组织,提供高效数据共享服务。在对数据进行分类分析基础上,基于元数据定义和管理,开展分布式数据管理的数据检索和缓存。突破分布式数据资源管理关键技术瓶颈,构建分布式资源全局目录,实现目录服务,进行高效传输的数据缓存管理,减少处理、采集、分发的延时。提供基于多副本的动态自适应数据调度方案,解决分布式数据资源管理的数据选择和动态变化问题。(本文来源于《计算机与现代化》期刊2019年03期）
阮开智,刘红明,程婷,王晓科[4]（2019）在《基于预约机制的分布式资源统筹管理技术研究》一文中研究指出文中对基于预约机制的资源统筹管理技术进行了研究,重点研究了参考社会化组织事件响应机制的资源统筹技术,以分布协同事件需求为牵引,给出了分布式系统协同工作的相关要素和操作过程,并建立了简单的事件响应对象选择模型。通过仿真实例,较直观地展示了分布式协同事件的工作过程。取得的研究成果可以应用于防空制导领域,具有较高的实用参考价值。(本文来源于《信息技术》期刊2019年01期）
卿昕[5]（2018）在《电力通信网络分布式管理技术分析》一文中研究指出随着我国经济的飞速发展,电力通信网络也得到了前所未有的突破,电力通信网络是电网的重要组成部分之一,电力通信网络的稳定运行与整个电网稳定运行息息相关。因其在电网发展上有着重要的地位,对电力通信网络的发展和管理也投入了很高的重视。虽然我国的电力通信系统运行已经趋于稳定,但还是存在着一系列的问题。针对电力通信网络系统的管理所存在的问题,相关研究人员进行了分析,对于如何提高通信网络的管理技术并且确保网络的稳定运行,是研究的重点。本文主要从电力通信网络分布式管理技术上来进行分析,对不同的管理技术对比探究。(本文来源于《通讯世界》期刊2018年12期）
焦改英[6]（2018）在《分布式移动管理技术在无线网络管理中的应用研究》一文中研究指出伴随着移动互联需求的不断增加,无线网络的管理将面临越来越繁重的负荷压力,以保证无线通信的畅通。而由于集中式的移动网络架构,传统的移动管理技术无法高效处理网络环境,面对爆炸性增长的移动数据,提出了采用分布式移动管理技术应用于第五代移动通信技术中(5G),处理在核心流量大和密度极高的无线接入网的需求。本文讨论了采用分布式移动管理技术实现对移动的管理方法,就解决方案进行了详细的描述,并基于Linux系统实现了对所提出的原型进行了评估。(本文来源于《微型电脑应用》期刊2018年08期）
杨婷婷[7]（2018）在《分布式光纤振动传感系统数据处理与管理技术研究》一文中研究指出分布式光纤振动传感系统具有灵敏度高、空间范围大、定位精度高等特点,被广泛应用于周界安防、管道安全保障、通信光纤故障检测等领域。本文在课题组自主研发的分布式光纤振动传感端机与工程应用系统的基础上,研究数据处理与管理技术。本文首先介绍了光时域反射技术,讨论了基于瑞利散射的分布式光纤振动传感技术机理,分析了分布式光纤振动传感系统的动态范围、空间分辨率、系统灵敏度、定位精度等性能。简要介绍了基于非线性散射的分布式光纤传感机理和性能。接着,本文分析了分布式光纤振动传感系统背向散射信号扰动脉冲特征,实验探究了扰动点空间分布规律,发现扰动点位置服从正态分布。在此基础上提出了扰动点定位算法,实验结果表明,该算法将定位精度提高了5倍,由原±20 m提升到±4 m;扰动点定位的标准差由6降低至1.5,定位离散度降低了3/4。然后,本文设计了数据处理与管理软件,确定了总体架构和功能模块,明确了各模块功能。基于Visual Studio的.NET Framework开发平台和C#编程语言,采用MySQL关系型数据库,完成了软件开发。采用等级划分和优先级排序的方法,提出了基于分布式光纤振动传感系统的综合传感网中数据汇聚与管理算法,实现了海量数据的汇聚与管理,保证了数据处理的实时性和数据量完整性。最后,本文基于分布式光纤振动传感测试平台和工程应用系统,对数据处理与管理软件进行了实验验证。结果表明,数据处理与管理软件各功能正常,可实时检测整个传感长度上的扰动信号,准确确定扰动点的位置,可对报警信息进行管理,满足分布式光纤振动传感系统数据处理与管理的要求。(本文来源于《东南大学》期刊2018-05-01）
胥雷[8]（2018）在《众核芯片分布式热建模与热管理技术研究》一文中研究指出为了解决众核芯片热可靠性问题,众核芯片热建模与热管理技术的研究日趋活跃。相较于核心数目较少的芯片,众核芯片热管理技术的难点在于芯片热模型尺寸大导致的热管理开销过大。本文以众核芯片以分布式热建模与热管理技术作为研究课题。在众核热管理的各个阶段中,重点研究了众核芯片分布式热模型的搭建方法和用于热管理的分布式模型预测控制方法。主要内容包含以下叁个方面。在分布式热建模中,本文针对分布式热建模处理局部模块之间的热交换的难点,提出了边界缓冲层设计和边界等效热源的双重解决办法,并实际应用到分布式热建模中去。在对芯片热系统封装建模中,本文以传统集总式热建模的架构为依据,结合HotSpot紧凑型热建模的思想,保持芯片封装主要散热路径畅通的同时减小了模型尺寸。最后对分布式热模型的验证方法和其在热管理中的应用进行了说明。在分布式模型预测控制中,对分布式模型预测控制设计的难点进行了研究,得出了局部模块控制器必须知道相邻核心温度和相邻模块未来控制策略的结论。针对这两个难点,本文采用了考虑相邻核心温度的、新提出的分布式热模型,并且运用了迭代算法计算出了相邻模块预测温度以作为相邻模块未来控制策略的信息。最后把上述两个措施应用在分布式模型预测控制中,展现为分布式模型预测控制新的状态空间方程。最后对本文提出的众核芯片分布式热建模和分布式模型预测控制进行实验验证。通过和现有的基于众核芯片的分布式热建模和分布式模型预测控制方案进行对比。实验结果充分说明本文提出的分布式热模型的搭建方法有效地减小了众核芯片的热模型尺寸,且采用本文方法搭建的分布式热模型具有较高的精度,同时新方法支持局部模块的多种划分方式,因而还具有一定的灵活性;对分布式模型预测控制方法的验证结果说明,本文提出的分布式模型预测控制方法具有较高的控制精度和控制效果,能够为众核芯片分布式热管理提供准确的控制策略。(本文来源于《电子科技大学》期刊2018-03-30）
倪英杰[9]（2018）在《一种分布式存储系统中的元数据管理技术研究与实现》一文中研究指出随着网络和信息技术的飞速发展,全球数据日益增长。面对当前PB级的海量数据存储需求,传统的存储系统在容量和性能的扩展上存在瓶颈。分布式存储系统因为具有海量数据存储、高扩展性、高性能、高可靠性、高可用性的特点,目前得到广泛研究和应用。据统计,海量存储系统中有超过一半以上的系统操作是元数据操作。元数据操作成为制约分布式存储系统的性能和扩展性的一个严重的瓶颈,因此对于分布式存储系统中元数据管理的研究不仅紧跟目前发展的趋势,而且具有重要的应用价值。本文在研究和分析了现有的元数据管理模型的基础上,研究并实现了一种分布式存储系统中的元数据管理技术,取得的成果如下:1.对现有的元数据管理技术进行概述,将元数据管理模型分成集中式元数据管理模型、分布式元数据管理模型和无元数据管理模型叁种,分别对其阐述原理并给出相应的元数据管理模型图,列举若干对应的存储系统,分析各个模型存在的性能缺陷,同时也分析了分布式存储系统中的两种容错机制,分析了各自的优缺点。2.设计了 一种面向运营商领域、具有高可靠性和高可扩展性的分布式存储系统ZettastorDBS,将其总体架构分成两大模块:数据通路模块和控制通路模块,给出数据通路模块和访问关系图,以及控制通路模块和基本控制流构成图,并根据元数据管理需求研究了元数据管理基本流程所包含的内容。3.实现了 ZettastorDBS系统中的元数据管理功能。首先,给出元数据的组织形式和元数据库中表结构的设计;其次,详细介绍了元数据的各个状态设计以及各个状态之间的迁移实现过程;最后,对于元数据管理程序中的核心程序给出设计与实现过程,包括两个定时器和一个元数据重构接口。同时,在Linux环境下部署整个系统并对其进行功能性测试。测试结果表明,元数据管理部分可以充分满足用户对存储服务在元数据管理各方面的需求。(本文来源于《南京师范大学》期刊2018-03-27）
马军,滑维鑫[10]（2018）在《分布式云平台架构及管理技术》一文中研究指出云计算程序的核心功能是对单独云数据中心问题进行处理与解决,而对于多个云数据之间的资源共享与管理问题,仍需进行针对性解决。因此,分布式云平台系统与架构的建设极为重要,同时,应当积极探讨数据中心相关管理服务的关键性技术。分布式云平台有别于传统的数据中心,是全新的架构与管理模式,以扁平式的方式存在,强化对数据中心信息资源的统一化管控,对处于不同地域与阶段的单体云数据资源进行分享,达到对资源的统一化、高效管理;云数据更显高效性、全面性与安全性。(本文来源于《数字通信世界》期刊2018年02期）
分布式管理技术论文开题报告
（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：
随着集成电路工艺的发展,集成电路的特征尺寸减小了,集成电路的核心数量变多了,并且开始从普通集成电路发展到了叁维集成电路,这些因素共同导致了集成电路的功耗密度越来越大,集成电路的热可靠性问题成为业界内的一大难题。传统的集总式热建模和热管理,在核心数较少时,可以发挥比较好的性能,但在核心数比较多的时候,其热模型尺寸过大,热管理的开销过大,会严重影响集成电路的性能。采用分布式热管理方法可以缓解这个问题,利用分布式热建模可以有效降低模型的尺寸。然而,传统的分布式热管理,采取的是对每个核只建立一个热点,但同一个核心不同位置的温度,相差可以高达4℃,这会导致,核心热点位置的温度被管理得很好,满足要求,而核心其他位置的温度却管理得不好,从而导致集成电路可靠性降低。本文提出了基于深度学习的分布式热管理方法。该方法对每个核都建立一个细颗粒的热模型,每个核心建立了64个热点,这样就能保证核上的最高温度能够比较好地稳定在目标温度附近。通过观察发现,该热模型对应着一个模式识别问题,因此本文用深度学习来拟合这个热模型,本文使用了卷积神经网络和循环神经网络这两种常用的网络,并对其做了简要的介绍。然后利用这些热模型,来进行分布式热管理,其中又用到了扩展卡尔曼滤波器来估计每个核的状态值,也用到了功耗调整器,它通过划分等级来调节功耗值。还提出了迭代算法来解决各核热管理模块之间的信息交换问题。最终的实验表明,本文所提出的基于深度学习的分布式热建模方法,有效地减小了热模型的尺寸,并且利用卷积神经网络和循环神经网络所搭建的热模型有较高的精度,同时,本文所提出的基于深度学习的3D IC分布式热管理方法有较好的控制效果和较高的控制精度,能够提供准确的控制策略。
（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。
分布式管理技术论文参考文献
[1].鄢浩.基于毫米波分布式天线阵的波束管理技术研究[D].北京邮电大学.2019
[2].肖涛.基于深度学习的3DIC分布式热管理技术研究[D].电子科技大学.2019
[3].焦利,孙松周,刘天须,张雪扬,王振基.元数据驱动的分布式数据资源管理技术[J].计算机与现代化.2019
[4].阮开智,刘红明,程婷,王晓科.基于预约机制的分布式资源统筹管理技术研究[J].信息技术.2019
[5].卿昕.电力通信网络分布式管理技术分析[J].通讯世界.2018
[6].焦改英.分布式移动管理技术在无线网络管理中的应用研究[J].微型电脑应用.2018
[7].杨婷婷.分布式光纤振动传感系统数据处理与管理技术研究[D].东南大学.2018
[8].胥雷.众核芯片分布式热建模与热管理技术研究[D].电子科技大学.2018
[9].倪英杰.一种分布式存储系统中的元数据管理技术研究与实现[D].南京师范大学.2018
[10].马军,滑维鑫.分布式云平台架构及管理技术[J].数字通信世界.2018