CN107426543A - 一种基于物联网的新能源汽车远程监控系统 - Google Patents

一种基于物联网的新能源汽车远程监控系统 Download PDF

Info

Publication number
CN107426543A
CN107426543A CN201710681525.XA CN201710681525A CN107426543A CN 107426543 A CN107426543 A CN 107426543A CN 201710681525 A CN201710681525 A CN 201710681525A CN 107426543 A CN107426543 A CN 107426543A
Authority
CN
China
Prior art keywords
mrow
msub
msup
mfrac
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710681525.XA
Other languages
English (en)
Inventor
许海华
陈斗雪
王红梅
王云飞
童杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Institute of Science and Technology
Original Assignee
Guangdong Institute of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Institute of Science and Technology filed Critical Guangdong Institute of Science and Technology
Priority to CN201710681525.XA priority Critical patent/CN107426543A/zh
Publication of CN107426543A publication Critical patent/CN107426543A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/12—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths with one sensor only
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/78—Television signal recording using magnetic recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/10—Connection setup
    • H04W76/15—Setup of multiple wireless link connections

Abstract

本发明公开了一种基于物联网的新能源汽车远程监控系统，设置有监控器主体；监控器主体设置内置有移动网络接收器和信号发生器；车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器主体的五个接线口上。本发明将监控器固定在汽车框架上，将螺栓拧入螺栓孔，车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器的五个接线口上，网络接收器用于接收网络信号，信号发生器用于将监控器收集的数据以电信号的形式传送出去。本发明通过将汽车上的多种传感器集中收集在一起，实时发送，使得汽车的远程监控更加的简单快捷，有效解决了监控器单一化的问题。

Description

一种基于物联网的新能源汽车远程监控系统
技术领域
本发明属于车载安防领域，尤其涉及一种基于物联网的新能源汽车远程监控系统。
背景技术
远程监控装置是汽车上经常安装的装置，在使用的过程中把开关打开就能自动对摄像头前方进行录制视频，然后储存在硬盘中，这种方法有一定的局限性，不光只能单纯的记录位置和录像，在路况不好车辆颠簸的情况下，装置非常容易受损，因此，急需一种能够动态传输实时监控可以轻易使用的基于物联网的新能源汽车远程监控系统，而且可以同时记录汽车多种指标的监控装置。
综上所述，现有汽车远程监控装置监控指标单一，尤其在路况不好车辆颠簸的情况下，装置非常容易受损。
发明内容
针对现有技术存在的问题，本发明提供了一种基于物联网的新能源汽车远程监控系统。
本发明是这样实现的，一种基于物联网的新能源汽车远程监控系统，所述基于物联网的新能源汽车远程监控系统设置有：
监控器主体；
所述监控器主体的底部设置有五个接线口；
所述监控器主体的侧面设置有安装U盘的槽；
所述监控器主体的四个角各开有一个螺栓孔；
所述监控器主体的内置有移动网络接收器和信号发生器；
所述移动网络接收器建立的模型为非合作的博弈模型的最优服务质量，网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示：
式中，Q＝(Q1,...,Qi,…,QM)为M个接入网络的服务质量，Pi表示网络i单位服务质量的价格，ρ(0≤ρ≤1)表示不同网络之间的竞争因子，当ρ＝0时表示网络竞争激烈，它们所提供的服务无法替代，当ρ＝1时表示网络之间不存在竞争，网络提供的服务完全可以替代，当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度；
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现，即将U(Q)对Pi求一阶偏导数然后置0：
联合求解式中的Qi(i＝1,2，…，N)，可得到最优服务质量函数：
非合作博弈模型的求解，由收益函数Ri＝Qi-αQiPi和最优服务质量函数的关系可知，α表示成本因子，Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格。接入网判决函数可表示为价格的函数：
其中，
最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到：
整理得：
求解出网络i的最佳价格策略Pi *，以此类推可以计算出因为各接入网络的最佳价格函数是线性的，所以各个网络的最佳价格是确定且唯一的，此时，用户接入各个网络的利益达到均衡值；
所述信号发生器的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
两边同时除以混合信号的二阶矩k/2次方：
进一步变形为：
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
由此，构建归一化高阶累积量方程组：
进一步，车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器主体的五个接线口上；
所述摄像头截取分数低阶模糊函数的多普勒频移为零的切面，并将该切面转化为二维图像且填充该图像边缘下方，使其成为具有颜色的彩色图像按以下步骤进行：
数字调制信号MASK、MFSK、MPSK的分数低阶模糊函数的多普勒频移为零的切面可表示为：
其中，是宽度为Tb-τ的门函数。
在MASK信号中，an＝0，1，2，…，M-1，不恒为1；在MFSK信号中，不恒为1，因此MASK、MPSK和MFSK的分数低阶模糊函数的多普勒频移为零的切面轮廓不同。对于2ASK信号，an＝0,1；对于4ASK信号，an＝0,1，2，3，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同。对于2FSK信号，fm＝-Δf,Δf；对于4FSK信号，fm＝-3Δf,-Δf,Δf,3Δf，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同。
由于2ASK、4ASK、2FSK、4FSK、BPSK信号的分数低阶模糊函数的多普勒频移为零的切面的轮廓形状不同，因此可将其形状特征作为信号识别的特征向量。
将分数低阶模糊函数的多普勒频移为零的切面转化为二维图像并设置小于切面最大值的像素点(s,z)的像素值为其中ξ和λ分别为图像红、绿、蓝三原色的值，使图像成为具有颜色的彩色图像。
进一步，所述监控器主体为方形外形。
进一步，所述监控器主体为铝合金材料压制成型。
进一步，所述监控器主体采用U盘存储与网络实时传输双重设计。
与现有技术相比，本发明的有益效果是：将监控器主体固定在汽车框架上，将螺栓拧入螺栓孔，车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器主体的五个接线口上，移动网络接收器用于接收网络信号，信号发生器用于将监控器收集的数据以电信号的形式传送出去，U盘也可以作为实时存储介质，彻底解决硬盘不抗震的问题，实现监控的双重保障，有效的防止碰瓷和监控汽车的各项指标。
附图说明
图1是本发明实施例提供的基于物联网的新能源汽车远程监控系统结构示意图；
图2是本发明实施例提供的监控器主体的结构示意图；
图中：1、监控器主体；2、摄像头；3、车载电池；4、油压传感器；5、温度传感器；6、GPS定位器；7、专用导线；8、移动网络接收器；9、信号发生器；10、U盘槽；11、螺栓孔。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的结构作详细的描述。
如图1、图2和图所示，本发明实施例提供的基于物联网的新能源汽车远程监控系统包括：监控器主体1、摄像头2、车载电池3、油压传感器4、温度传感器5、GPS定位器6、专用导线7、移动网络接收器8、信号发生器9、U盘槽10、螺栓孔11。
监控器主体1固定在汽车框架上，将螺栓12拧入螺栓孔11，车载电池3、摄像头2、油压传感器4、温度传感器5、GPS定位器6分别通过专用导线7连接到监控器主体1的五个接线口上。
U盘插在U盘槽10内。
监控器主体1采用铝合金压制成型。
所述移动网络接收器建立的模型为非合作的博弈模型的最优服务质量，网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示：
式中，Q＝(Q1,...,Qi,…,QM)为M个接入网络的服务质量，Pi表示网络i单位服务质量的价格，ρ(0≤ρ≤1)表示不同网络之间的竞争因子，当ρ＝0时表示网络竞争激烈，它们所提供的服务无法替代，当ρ＝1时表示网络之间不存在竞争，网络提供的服务完全可以替代，当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度；
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现，即将U(Q)对Pi求一阶偏导数然后置0：
联合求解式中的Qi(i＝1,2，…，N)，可得到最优服务质量函数：
非合作博弈模型的求解，由收益函数Ri＝Qi-αQiPi和最优服务质量函数的关系可知，α表示成本因子，Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格。接入网判决函数可表示为价格的函数：
其中，
最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到：
整理得：
求解出网络i的最佳价格策略Pi *，以此类推可以计算出因为各接入网络的最佳价格函数是线性的，所以各个网络的最佳价格是确定且唯一的，此时，用户接入各个网络的利益达到均衡值；
所述信号发生器的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
两边同时除以混合信号的二阶矩k/2次方：
进一步变形为：
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv。由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
由此，构建归一化高阶累积量方程组：
所述摄像头截取分数低阶模糊函数的多普勒频移为零的切面，并将该切面转化为二维图像且填充该图像边缘下方，使其成为具有颜色的彩色图像按以下步骤进行：
数字调制信号MASK、MFSK、MPSK的分数低阶模糊函数的多普勒频移为零的切面可表示为：
其中，是宽度为Tb-τ的门函数。
在MASK信号中，an＝0，1，2，…，M-1，不恒为1；在MFSK信号中，不恒为1，因此MASK、MPSK和MFSK的分数低阶模糊函数的多普勒频移为零的切面轮廓不同。对于2ASK信号，an＝0,1；对于4ASK信号，an＝0,1，2，3，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同。对于2FSK信号，fm＝-Δf,Δf；对于4FSK信号，fm＝-3Δf,-Δf,Δf,3Δf，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同。
由于2ASK、4ASK、2FSK、4FSK、BPSK信号的分数低阶模糊函数的多普勒频移为零的切面的轮廓形状不同，因此可将其形状特征作为信号识别的特征向量。
将分数低阶模糊函数的多普勒频移为零的切面转化为二维图像并设置小于切面最大值的像素点(s,z)的像素值为其中ξ和λ分别为图像红、绿、蓝三原色的值，使图像成为具有颜色的彩色图像。
本发明的工作原理：
本发明在使用时，首先将螺栓拧入螺栓孔11，车载电池3、摄像头2、油压传感器4、温度传感器5、GPS定位器6分别通过专用导线7连接到监控器主体1的五个接线口上，将U盘插在U盘槽10内，将控器主体1固定在车体上。
本发明通过移动网络接收器8接收网络信号，信号发生器9监控器收集的数据以电信号的形式传送出去，U盘也可以作为实时存储介质，实现监控的双重保障，将汽车上的多种传感器集中收集在一起，并且实时发送，使得汽车的远程监控更加的简单快捷，有效解决了监控器单一化的问题，有效的保障了汽车与驾驶人员的安全。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于物联网的新能源汽车远程监控系统，其特征在于，所述基于物联网的新能源汽车远程监控系统设置有：
监控器主体；
所述监控器主体的底部设置有五个接线口；
所述监控器主体的侧面设置有安装U盘的槽；
所述监控器主体的四个角各开有一个螺栓孔；
所述监控器主体的内置有移动网络接收器和信号发生器；
所述移动网络接收器建立的模型为非合作的博弈模型的最优服务质量，网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示：
<mrow> <mi>U</mi> <mrow> <mo>(</mo> <mi>Q</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>Q</mi> <mi>i</mi> </msub> <msub> <mi>e</mi> <mi>i</mi> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msubsup> <mi>Q</mi> <mi>i</mi> <mn>2</mn> </msubsup> <mo>+</mo> <mn>2</mn> <mi>&amp;rho;</mi> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <msub> <mi>Q</mi> <mi>i</mi> </msub> <msub> <mi>Q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>P</mi> <mi>i</mi> </msub> <msub> <mi>Q</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow>
式中，Q＝(Q1,...,Qi,…,QM)为M个接入网络的服务质量，Pi表示网络i单位服务质量的价格，ρ(0≤ρ≤1)表示不同网络之间的竞争因子，当ρ＝0时表示网络竞争激烈，它们所提供的服务无法替代，当ρ＝1时表示网络之间不存在竞争，网络提供的服务完全可以替代，当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度；
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现，即将U(Q)对Pi求一阶偏导数然后置0：
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <mi>U</mi> <mrow> <mo>(</mo> <mi>Q</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>Q</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>=</mo> <msub> <mi>e</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>Q</mi> <mi>i</mi> </msub> <mo>-</mo> <mi>&amp;rho;</mi> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <msub> <mi>Q</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
联合求解式中的Qi(i＝1,2，…，N)，可得到最优服务质量函数：
<mrow> <msub> <mi>Q</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>P</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>&amp;lsqb;</mo> <mi>&amp;rho;</mi> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> <mo>+</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> <mo>-</mo> <mi>&amp;rho;</mi> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <mo>(</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;rho;</mi> <mo>)</mo> <mo>&amp;lsqb;</mo> <mi>&amp;rho;</mi> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>+</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>;</mo> </mrow>
非合作博弈模型的求解，由收益函数Ri＝Qi-αQiPi和最优服务质量函数的关系可知，α表示成本因子，Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格，接入网判决函数可表示为价格的函数：
<mrow> <msub> <mi>R</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>P</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>F</mi> <mn>2</mn> </msub> <mo>&amp;rsqb;</mo> <mo>;</mo> </mrow>
其中，
<mrow> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mi>&amp;rho;</mi> <mrow> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;rho;</mi> <mo>)</mo> <mo>&amp;lsqb;</mo> <mi>&amp;rho;</mi> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>+</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>;</mo> </mrow>
<mrow> <msub> <mi>F</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mi>&amp;rho;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;rho;</mi> <mo>)</mo> <mo>&amp;lsqb;</mo> <mi>&amp;rho;</mi> <mo>(</mo> <mi>N</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> <mo>+</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>;</mo> </mrow>
最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到：
<mrow> <mfrac> <mrow> <mo>&amp;part;</mo> <msub> <mi>R</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>P</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>&amp;part;</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <msub> <mi>e</mi> <mi>i</mi> </msub> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>F</mi> <mn>2</mn> </msub> <mo>-</mo> <mn>2</mn> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mi>i</mi> </msub> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
整理得：
<mrow> <msubsup> <mi>P</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <msub> <mi>e</mi> <mi>i</mi> </msub> <msub> <mi>F</mi> <mn>1</mn> </msub> <mo>-</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;NotEqual;</mo> <mi>j</mi> </mrow> </munder> <mrow> <mo>(</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <msub> <mi>F</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>2</mn> <msub> <mi>F</mi> <mn>1</mn> </msub> </mrow> </mfrac> <mo>;</mo> </mrow>
求解出网络i的最佳价格策略Pi *，以此类推可以计算出因为各接入网络的最佳价格函数是线性的，所以各个网络的最佳价格是确定且唯一的，此时，用户接入各个网络的利益达到均衡值；
所述信号发生器的时频重叠信号的归一化高阶累积量方程组构建方法包括：
接收信号的信号模型表示为：
r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)
<mrow> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mi>k</mi> </munder> <msub> <mi>A</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> <mo>+</mo> <msub> <mi>&amp;theta;</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <msub> <mi>kT</mi> <mrow> <mi>s</mi> <mi>i</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；
混合信号的高阶累积量公式如下：
<mrow> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <mo>+</mo> <mo>...</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <mo>+</mo> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <mo>;</mo> </mrow>
两边同时除以混合信号的二阶矩k/2次方：
<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>;</mo> </mrow>
进一步变形为：
<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>v</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>v</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <mfrac> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>v</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> </mrow>
其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv；由于高斯白噪声的高阶累积量为0，所以上式可以表示为：
<mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <mo>...</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mi>k</mi> <mo>,</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>n</mi> </msub> </msub> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> <mo>;</mo> </mrow>
由此，构建归一化高阶累积量方程组：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>2</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>2</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>4</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mi>k</mi> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>3</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>3</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>6</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>3</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>3</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <mi>r</mi> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <mi>r</mi> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>=</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>1</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>1</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>1</mn> </msub> </msub> <mn>4</mn> </msup> <mo>+</mo> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mn>2</mn> </msub> </msub> <mn>4</mn> </msup> <mo>+</mo> <mn>...</mn> <mfrac> <msub> <mi>C</mi> <mrow> <mn>8</mn> <mo>,</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mrow> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>,</mo> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>4</mn> </msup> </mfrac> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>&amp;lambda;</mi> <msub> <mi>x</mi> <mi>N</mi> </msub> </msub> <mn>4</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>...</mn> </mtd> </mtr> </mtable> </mfenced> <mo>.</mo> </mrow>
2.如权利要求1所述的基于物联网的新能源汽车远程监控系统，其特征在于，车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器主体的五个接线口上；
所述摄像头截取分数低阶模糊函数的多普勒频移为零的切面，并将该切面转化为二维图像且填充该图像边缘下方，使其成为具有颜色的彩色图像按以下步骤进行：
数字调制信号MASK、MFSK、MPSK的分数低阶模糊函数的多普勒频移为零的切面可表示为：
其中，是宽度为Tb-τ的门函数；
在MASK信号中，an＝0，1，2，…，M-1，不恒为1；在MFSK信号中，不恒为1，因此MASK、MPSK和MFSK的分数低阶模糊函数的多普勒频移为零的切面轮廓不同；对于2ASK信号，an＝0,1；对于4ASK信号，an＝0,1，2，3，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同；对于2FSK信号，fm＝-Δf,Δf；对于4FSK信号，fm＝-3Δf,-Δf,Δf,3Δf，两者不同，因此分数低阶模糊函数的多普勒频移为零的切面轮廓也不同；
由于2ASK、4ASK、2FSK、4FSK、BPSK信号的分数低阶模糊函数的多普勒频移为零的切面的轮廓形状不同，因此可将其形状特征作为信号识别的特征向量；
将分数低阶模糊函数的多普勒频移为零的切面转化为二维图像并设置小于切面最大值的像素点(s,z)的像素值为其中ξ和λ分别为图像红、绿、蓝三原色的值，使图像成为具有颜色的彩色图像。
3.如权利要求1所述的基于物联网的新能源汽车远程监控系统，其特征在于，所述监控器主体为方形外形。
4.如权利要求1所述的基于物联网的新能源汽车远程监控系统，其特征在于，所述监控器主体为铝合金材料压制成型。
5.如权利要求1所述的基于物联网的新能源汽车远程监控系统，其特征在于，所述监控器主体采用U盘存储与网络实时传输双重设计。
CN201710681525.XA 2017-08-10 2017-08-10 一种基于物联网的新能源汽车远程监控系统 Pending CN107426543A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710681525.XA CN107426543A (zh) 2017-08-10 2017-08-10 一种基于物联网的新能源汽车远程监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710681525.XA CN107426543A (zh) 2017-08-10 2017-08-10 一种基于物联网的新能源汽车远程监控系统

Publications (1)

Publication Number Publication Date
CN107426543A true CN107426543A (zh) 2017-12-01

Family

ID=60436950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710681525.XA Pending CN107426543A (zh) 2017-08-10 2017-08-10 一种基于物联网的新能源汽车远程监控系统

Country Status (1)

Country Link
CN (1) CN107426543A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102809962A (zh) * 2012-09-03 2012-12-05 同济汽车设计研究院有限公司 车载数据采集终端及车辆信息采集系统
CN103298076A (zh) * 2013-06-21 2013-09-11 西安邮电大学 一种异构网络中的接入网络选择的方法
CN203224912U (zh) * 2013-02-28 2013-10-02 湖南科技学院 基于物联网的校车安全监控系统
CN105978641A (zh) * 2016-04-28 2016-09-28 西安电子科技大学 一种认知无线电中时频重叠信号的信噪比估计方法
CN106067004A (zh) * 2016-05-30 2016-11-02 西安电子科技大学 一种脉冲噪声下数字调制信号的识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102809962A (zh) * 2012-09-03 2012-12-05 同济汽车设计研究院有限公司 车载数据采集终端及车辆信息采集系统
CN203224912U (zh) * 2013-02-28 2013-10-02 湖南科技学院 基于物联网的校车安全监控系统
CN103298076A (zh) * 2013-06-21 2013-09-11 西安邮电大学 一种异构网络中的接入网络选择的方法
CN105978641A (zh) * 2016-04-28 2016-09-28 西安电子科技大学 一种认知无线电中时频重叠信号的信噪比估计方法
CN106067004A (zh) * 2016-05-30 2016-11-02 西安电子科技大学 一种脉冲噪声下数字调制信号的识别方法

Similar Documents

Publication Publication Date Title
Dincer et al. Thermal management of electric vehicle battery systems
KR102123719B1 (ko) 전지, 전해질, 전지 팩, 전자 기기, 전동 차량, 축전 장치 및 전력 시스템
CN105684205B (zh) 电池、电解质、电池组、电子装置、电动车辆、电存储设备和电力系统
CN105594054A (zh) 电池、电解质、电池组、电子装置、电动车辆、电力储存装置以及电力系统
US11142073B2 (en) Analytical device, analysis method, manufacturing method, electric storage device, electric storage system, electronic device, electric vehicle and electric power system
CN202840641U (zh) 电动汽车充电设施
CN103220052B (zh) 一种认知无线电中检测频谱空洞的方法
CN105684207A (zh) 电池、隔板、电极、涂料、电池组、电子设备、电动车辆、蓄电装置以及电力系统
CN102800111B (zh) 基于颜色协调性的彩色融合图像颜色质量评价方法
CN105242294B (zh) 基于无线车联物联网的车辆定位系统
US11646416B2 (en) Secondary battery, process for preparing the same and apparatus containing the secondary battery
CN103052076A (zh) 一种离散窄带实现宽带数据传输的方法
CN107426543A (zh) 一种基于物联网的新能源汽车远程监控系统
CN108776650A (zh) 一种基于混合高斯模型的非机动车道服务水平评价方法
CN103002455B (zh) 一种基于社交网络和博弈论的认知无线电频谱共享模型
Li et al. Comparative investigation of series and parallel hybrid electric vehicle (HEV) efficiencies based on comprehensive parametric analysis
CN109878376A (zh) 一种新能源汽车用安全监控系统
CN115144680B (zh) 一种用于辅助调频的超级电容储能系统及方法
CN206945891U (zh) 铁路弓网燃弧检测系统
CN108777066A (zh) 一种基于混合线性模型的非机动车道服务水平评价方法
CN114639202A (zh) 基于互联网的校园共享电单车管理系统及方法
CN108320083A (zh) 定性和定量指标相结合的纯电动公交车运营特性评价方法
CN205248845U (zh) 一种带有摄像功能的充电桩
CN110211256A (zh) 车辆及其车辆行驶实况复显装置和车辆行驶实况复显方法
CN107742437A (zh) 基于物联云的社区车辆管控方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201

RJ01 Rejection of invention patent application after publication