经典论文网 加入收藏  -  设为首页
您的位置:经典论文网 > 知识百科 > 正文
BSS的结构
BSS的结构
提示:

BSS的结构

在采用段式内存管理的架构中(比如intel的80x86系统),bss段(Block Started by Symbol segment)通常是指用来存放程序中未初始化的全局变量的一块内存区域,一般在初始化时bss 段部分将会清零。bss段属于静态内存分配,即程序一开始就将其清零了。比如,在C语言之类的程序编译完成之后,已初始化的全局变量保存在.data 段中,未初始化的或初始化为0全局变量保存在.bss 段中。text和data段都在可执行文件中(在嵌入式系统里一般是固化在镜像文件中),由系统从可执行文件中加载;而bss段不在可执行文件中,由系统初始化。

bss是什么意思
提示:

bss是什么意思

bss是基站子系统。 基站子系统(BSS)是移动通信系统中与无线蜂窝网络关系最直接的基本组成部分。在整个移动网络中基站主要起中继作用。 基站与基站之间采用无线信道连接,负责无线发送、接收和无线资源管理。而主基站与移动交换中心(MSC)之间常采用有线信道连接,实现移动用户之间或移动用户与固定用户之间的通信连接。 说得更通俗一点,基站之间主要负责手机信号的接收和发送,把收集到的信号简单处理之后再传送到移动交换中心,通过交换机等设备的处理,再传送给终端用户,也就实现了无线用户的通信功能。所以基站系统能直接影响到手机信号接收和通话质量的好坏。 基站收发信台(BTS)提供GSM规范所要求的无线信道,与MS进行无线通信。我们的基站产品具有一定的基站控制功能,如小区资源管理、无线信道的激活等。 基站控制器的主要功能是对下属基站进行控制,其功能包括呼叫处理、切换控制、实现陆地电路和空中信道的动态连接/交换、操作和维护管理等,并提供A接口。 无线操作维护中心提供基站设备配置管理、故障和事件管理、数据统计管理、操作和维护管理、软件和数据库下载、数据库上装、远程登陆BSS等功能。 工作原理: 在接力跑比赛中,接力棒通过参赛队员的传递最终传到终点。如果把一次手机通话比作接力赛的话,那么接力棒就相当于打电话的内容,而基站子系统则相当于运动员。只是参与这种接力赛的运动员类型有点复杂,可能有男也有女,或者有黑人还有白人。 当基站子系统接收到手机发送的信息后,将该信息传送给另外一个基站子系统,或者将信息传送给无线通信网络中的移动交换中心,移动交换中心将信息处理后,继续传送给另外一个移动交换中心,或者再次传送给基站子系统,经过这样的层层传送,直到将信息传动到目的地。

盲源分离的概述
提示:

盲源分离的概述

盲源信号分离是一种功能强大的信号处理方法,在生物医学信号处理,阵列信号处理,语音信号识别,图像处理及移动通信等领域得到了广泛的应用。盲源分离(BSS:Blind source separation),是信号处理中一个传统而又极具挑战性的问题,BSS指仅从若干观测到的混合信号中恢复出无法直接观测的各个原始信号的过程,这里的“盲”,指源信号不可测,混合系统特性事先未知这两个方面。在科学研究和工程应用中,很多观测信号都可以看成是多个源信号的混合,所谓鸡尾酒会问题就是个典型的例子。其中独立分量分析ICA(Independent component analysis)是一种盲源信号分离方法,它已成为阵列信号处理和数据分析的有力工具,而BSS比ICA适用范围更宽。目前国内对盲信号分离问题的研究,在理论和应用方面取得了很大的进步,但是还有很多的问题有待进一步研究和解决。

盲源分离的盲源分离的发展及发展趋势
提示:

盲源分离的盲源分离的发展及发展趋势

目前国际国内对盲源分离问题的研究工作仍处于不断发展阶段,新理论、新方法还在源源不断地涌现。 1986年,法国学者Jeanny Herault和Christian Jutten提出了递归神经网络模型和基于Hebb学习律的学习算法,以实现2个独立源信号混合的分离。这一开创性的论文在信号处理领域中揭开了新的一章,即盲源分离问题的研究。其后二十几年来,对于盲信号分离问题,学者们提出了很多的算法,每种算法都在一定程度上取得了成功。从算法的角度而言,BSS算法可分为批处理算法和自适应算法;从代数函数和准则而言,又分为基于神经网络的方法、基于高阶统计量的方法、基于互信息量的方法、基于非线性函数的方法等。尽管国内对盲信号分离问题的研究相对较晚,但在理论和应用方面也取得很大的进展。清华大学的张贤达教授在其1996年出版的《时间序列分析——高阶统计量方法》一书中,介绍了有关盲分离的理论基础,其后关于盲分离的研究才逐渐多起来。近年来国内各类基金支持了盲信号处理理论和应用的项目,也成立了一些研究小组。 虽然盲源分离理论方法在最近20年已经取得了长足的发展,但是还有许多问题有待进一步研究和解决。首先是理论体系有待完善。实际采用的处理算法或多或少都带有一些经验知识,对于算法的稳定性和收敛性的证明不够充分。盲源分离尚有大量的理论和实际问题有待解决,例如多维ICA问题、带噪声信号的有效分离方法、如何更有效地利用各种先验知识成功分离或提取出源信号、一般性的非线性混合信号的盲分离、如何与神经网络有效地结合、源信号的数目大于观察信号的数目时ICA方法等。另外,盲源分离可同其他学科有机结合,如模糊系统理论在盲分离技术中的应用可能是一个有前途的研究方向;盲源分离技术与遗传算法相结合,可以减少计算复杂度,提高收敛速度。如何有效提高算法对源信号统计特性的学习和利用也需要进行深入研究。在硬件实现方面,盲分离问题也存在着极大的发展空间,例如用FPGA实现等。经过人们将近20年的共同努力,有关盲分离的理论和算法得到了较快发展,包括盲分离问题本身的可解性以及求解原理等方面的基本理论问题在一定程度上得到了解决,并提出了一些在分离能力、内存需求、计算速度等方面性能各异的算法。由于该问题的理论研究深度和算法实现难度都较大,目前对于盲分离的研究仍然很不成熟,难以满足许多实际应用需求,许多理论问题和算法实现的相应技术也有待进一步探索。