CN107870608A - 智能家居装饰设计系统 - Google Patents
智能家居装饰设计系统 Download PDFInfo
- Publication number
- CN107870608A CN107870608A CN201610848488.2A CN201610848488A CN107870608A CN 107870608 A CN107870608 A CN 107870608A CN 201610848488 A CN201610848488 A CN 201610848488A CN 107870608 A CN107870608 A CN 107870608A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mtd
- mtr
- mfrac
- 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
Links
- 238000013461 design Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000004378 air conditioning Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 230000008054 signal transmission Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005562 fading Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 20
- 238000004891 communication Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 241000972155 Moschus Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/41855—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by local area network [LAN], network structure
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了智能家居装饰设计系统,包括摄像头、智能监控、智能控制系统、电力系统、控制柜、多媒体计算机、家庭网络、无线网、打印机、扫描仪、USB接口、室内视屏、智能电视、温度调节器、智能灯和空调。本发明的智能家居系统是人们的一种居住环境,其以住宅为平台安装有智能家居系统,实现家庭生活更加安全,节能,智能,便利和舒适。以住宅为平台,利用综合布线技术、网络通信技术、智能家居‑系统设计方案安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统,提升家居安全性、便利性、舒适性、艺术性,并实现环保节能的居住环境。
Description
技术领域
本发明涉及一种控制系统,更确切地说,是智能家居装饰设计系统。
背景技术
智能家居系统是利用先进的计算机技术、网络通讯技术、综合布线技术、医疗电子技术依照人体工程学原理,融合个性需求,将与家居生活有关的各个子系统如安防、灯光控制、窗帘控制、煤气阀控制、信息家电、场景联动、地板采暖、健康保健、卫生防疫、安防保安等有机地结合在一起,通过网络化综合智能控制和管理,在我国香港和台湾等地区,还有数码家庭、数码家居等称法。我国将住宅小区智能化定义为:利用计算机、通讯与网络、自控、IC卡技术,通过有效的传输网络,将多元信息服务与管理、物业管理与安防、住宅智能化系统集成,为住宅小区的服务与管理提供高技术的智能化手段,以期实现快捷高效的超值服务与管理,提供安全舒适的家居环境。
现有的一些房屋装饰的不够智能,使用起来不方便,智能化的程度较低,因此针对上述问题,提出了智能家居装饰设计系统。
发明内容
本发明主要是解决现有技术所存在的技术问题,从而提供智能家居装饰设计系统。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
智能家居装饰设计系统,包括摄像头、智能监控、智能控制系统、电力系统、控制柜、多媒体计算机、家庭网络、无线网、打印机、扫描仪、USB接口、室内视屏、智能电视、温度调节器、智能灯和空调;所述智能控制系统连接智能监控,所述智能监控连接摄像头,所述智能控制系统连接电力系统,所述电力系统连接控制柜,所述智能控制系统连接温度调节器,所述智能控制系统和智能电视以及室内视屏电性连接,所述智能控制系统连接智能灯,所述温度调节器连接空调。
优选的,所述智能控制系统连接多媒体计算机。
优选的,所述多媒体计算机连接家庭网络。
优选的,所述家庭网络连接无线网,所述家庭网络连接有打印机、扫描仪和USB接口。
所述智能控制系统设置有安装在客户端中的中央控制单元,以及安装在智能家电中的电器控制端;
所述的客户端用于显示控制菜单和家电设备工作状态以及根据显示的控制菜单发出控制信号;
所述中央控制单元用于将控制信息通过无线网发送给所述电器控制端,所述电器控制端用于根据所述控制信息设置运行参数以控制所述智能家电;所述控制信息包括对所述智能家电的运行参数和功能的设定信息。
优选的所述中央处理单元的控制方法,包括:
设定中央处理单元的一温度临界值;
根据温度临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将中央处理单元由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将中央处理单元设为休眠模式;
中央处理单元的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及温度临界值决定一第一操作频率;
以及当中央处理单元切换至操作模式时,将中央处理单元的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
中央处理单元控制方法还包括:
当第一连续工作任务处理完成并且中央处理单元进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将中央处理单元由休眠模式切换至操作模式;
将中央处理单元的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将中央处理单元设为休眠模式;
其中第一操作频率的工作频率高于正常操作频率的工作频率;中央处理单元使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
优选的,所述智能灯设置有照明灯数据采集模块,所述照明灯数据采集模块包括:
电记忆体,用于存储及记忆信号代码和灯控信息;所述电记忆体包括左电极、主存储器、辅助存储器、右电极;所述的左电极设置在电记忆体的前侧,所述的主存储器连接在左电极和右电极之间,所述的辅助存储器设置在主存储器的上侧,所述的右电极设置在主存储器的后侧;
电流检测单元,用于跟踪检测LED光源的电流信号;
电流控制单元,用于根据电流检测单元反馈得到的电流信号控制反激式开关单元自动调整LED光源的工作电流;
用电量检测单元,用于检测不同控制点的光源的耗电量。
优选的,所述数据采集模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;然后,对量化后的信号x(i)进行降维;最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序;
对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),...,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中b1,...,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,...,T,则ΦF满足RIP,并通过求解最优化问题来重构原信号为:
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,如语音或图像信号的采集,则修改ΦF为如下形式:
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下l1最优化问题,精确重构出原信号:
其中Φ与Ψ不相关,Ξ称为CS矩阵。
优选的,中央处理单元还设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hi,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdi≥pth,i=1,2...k
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2;
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
所以Problem 2的拉格朗日对偶优化问题为:
其中表示拉格朗日对偶函数;证明优化问题Problem 2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
SP1:
SP2:
看出SP1和SP2分别是关于P0 P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
其中:
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
其中:
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
本发明的智能家居装饰设计系统具有以下优点:智能家居系统是人们的一种居住环境,其以住宅为平台安装有智能家居系统,实现家庭生活更加安全,节能,智能,便利和舒适。以住宅为平台,利用综合布线技术、网络通信技术、智能家居-系统设计方案安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统,提升家居安全性、便利性、舒适性、艺术性,并实现环保节能的居住环境。
本发明利用电记忆体、记忆用户对照明系统所设定的光照颜色或亮度的切换设定,使照明系统颜色和亮度调节兼容于同一灯具;设置主存储器,提高了存储记忆功能;设置信号采集模块,增强了对信号收集的范围;多媒体计算机可与手机通过无线网络连接后,利用手机对灯具进行调光调色,与现有的机械式开关相比,更方便、更智能化。
本发明的求解方法进一步提高了信号的处理精确度,可适用于电子、医学、农业技术领域。
附图说明
图1为本发明实施例提供的智能家居装饰设计系统示意图;
图2为本发明实施例提供的照明灯数据采集模块示意图;
图中:1、摄像头;2、智能监控;3、智能控制系统;4、电力系统;5、控制柜;6、多媒体计算机;7、家庭网络;8、无线网;9、打印机;10、扫描仪;11、USB接口;12、室内视屏;13、智能电视;14、温度调节器;15、智能灯;16、空调。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1所示,智能家居装饰设计系统,包括摄像头1、智能监控2、智能控制系统3、电力系统4、控制柜5、多媒体计算机6、家庭网络7、无线网8、打印机9、扫描仪10、USB接口11、室内视屏12、智能电视13、温度调节器14、智能灯15和空调16;所述智能控制系统3连接智能监控2,所述智能监控2连接摄像头1,所述智能控制系统3连接电力系统4,所述电力系4统连接控制柜5,所述智能控制系统3连接温度调节器14,所述智能控制系统3和智能电视13以及室内视屏12电性连接,所述智能控制系统3连接智能灯15,所述温度调节器14连接空调16。
作为本发明的一种技术优化方案,所述智能控制系统3连接多媒体计算机6。
作为本发明的一种技术优化方案,所述多媒体计算机6连接家庭网络7。
作为本发明的一种技术优化方案,所述家庭网络7连接无线网8,所述家庭网络7连接有打印机9、扫描仪10和USB接口11。
所述智能控制系统设置有安装在客户端中的中央控制单元,以及安装在智能家电中的电器控制端;
所述的客户端用于显示控制菜单和家电设备工作状态以及根据显示的控制菜单发出控制信号;
所述中央控制单元用于将控制信息通过无线网发送给所述电器控制端,所述电器控制端用于根据所述控制信息设置运行参数以控制所述智能家电;所述控制信息包括对所述智能家电的运行参数和功能的设定信息。
优选的所述中央处理单元的控制方法,包括:
设定中央处理单元的一温度临界值;
根据温度临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将中央处理单元由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将中央处理单元设为休眠模式;
中央处理单元的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及温度临界值决定一第一操作频率;
以及当中央处理单元切换至操作模式时,将中央处理单元的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
中央处理单元控制方法还包括:
当第一连续工作任务处理完成并且中央处理单元进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将中央处理单元由休眠模式切换至操作模式;
将中央处理单元的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将中央处理单元设为休眠模式;
其中第一操作频率的工作频率高于正常操作频率的工作频率;中央处理单元使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
优选的,所述智能灯设置有照明灯数据采集模块,所述照明灯数据采集模块包括:
电记忆体,用于存储及记忆信号代码和灯控信息;所述电记忆体包括左电极、主存储器、辅助存储器、右电极;所述的左电极设置在电记忆体的前侧,所述的主存储器连接在左电极和右电极之间,所述的辅助存储器设置在主存储器的上侧,所述的右电极设置在主存储器的后侧;
电流检测单元,用于跟踪检测LED光源的电流信号;
电流控制单元,用于根据电流检测单元反馈得到的电流信号控制反激式开关单元自动调整LED光源的工作电流;
用电量检测单元,用于检测不同控制点的光源的耗电量。
优选的,所述数据采集模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;然后,对量化后的信号x(i)进行降维;最后,对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序;
对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),...,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中b1,...,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,...,T,则ΦF满足RIP,并通过求解最优化问题来重构原信号为:
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,如语音或图像信号的采集,则修改ΦF为如下形式:
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下l1最优化问题,精确重构出原信号:
其中Φ与Ψ不相关,Ξ称为CS矩阵。
优选的,中央处理单元还设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hi,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdi≥pth,i=1,2...k
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2;
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
所以Problem 2的拉格朗日对偶优化问题为:
其中表示拉格朗日对偶函数;证明优化问题Problem 2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
SP1:
SP2:
看出SP1和SP2分别是关于P0 P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
其中:
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
其中:
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
本发明在使用时,智能控制系统3连接智能监控2,进行智能控制,智能监控2连接摄像头1,能够进行麝香,智能控制系统3连接电力系统4,电力系统会为智能控制系统提供电能,电力系4统连接控制柜5,智能控制系统3连接温度调节器14,温度调节器会调节温度,智能控制系统3和智能电视13以及室内视屏12电性连接,室内显示屏会进行播放,智能控制系统3连接智能灯15,能够对智能灯进行控制,温度调节器14连接空调16。智能控制系统3连接多媒体计算机6,多媒体计算机6连接家庭网络7,多媒体计算机能够对家庭网络进行调节。家庭网络7连接无线网8,家庭网络7连接有打印机9、扫描仪10和USB接口11,家庭网络能够对打印机和扫描仪进行联网操作。
本发明的智能家居系统是人们的一种居住环境,其以住宅为平台安装有智能家居系统,实现家庭生活更加安全,节能,智能,便利和舒适。以住宅为平台,利用综合布线技术、网络通信技术、智能家居-系统设计方案安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成,构建高效的住宅设施与家庭日程事务的管理系统,提升家居安全性、便利性、舒适性、艺术性,并实现环保节能的居住环境。
不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (5)
1.智能家居装饰设计系统,包括摄像头(1)、智能监控(2)、智能控制系统(3)、电力系统(4)、控制柜(5)、多媒体计算机(6)、家庭网络(7)、无线网(8)、打印机(9)、扫描仪(10)、USB接口(11)、室内视屏(12)、智能电视(13)、温度调节器(14)、智能灯(15)和空调(16);其特征在于:所述智能控制系统(3)连接智能监控(2),所述智能监控(2)连接摄像头(1),所述智能控制系统(3)连接电力系统(4),所述电力系(4)统连接控制柜(5),所述智能控制系统(3)连接温度调节器(14),所述智能控制系统(3)和智能电视(13)以及室内视屏(12)电性连接,所述智能控制系统(3)连接智能灯(15),所述温度调节器(14)连接空调(16);
所述智能控制系统(3)连接多媒体计算机(6);
所述多媒体计算机(6)连接家庭网络(7);
所述家庭网络(7)连接无线网(8),所述家庭网络(7)连接有打印机(9)、扫描仪(10)和USB接口(11);
所述智能控制系统设置有安装在客户端中的中央控制单元,以及安装在智能家电中的电器控制端;
所述的客户端用于显示控制菜单和家电设备工作状态以及根据显示的控制菜单发出控制信号;
所述中央控制单元用于将控制信息通过无线网发送给所述电器控制端,所述电器控制端用于根据所述控制信息设置运行参数以控制所述智能家电;所述控制信息包括对所述智能家电的运行参数和功能的设定信息。
2.如权利要求1所述的智能家居装饰设计系统,其特征在于,所述中央处理单元的控制方法,包括:
设定中央处理单元的一温度临界值;
根据温度临界值判断一最大可处理负载量;
根据汇集平台电源管理技术将多个第一工作任务结合为一第一连续工作任务;
判断第一连续工作任务的一负载量是否大于最大可处理负载量;
当第一连续工作任务的负载量大于最大可处理负载量时,将第一连续工作任务中之一超载部分的第一工作任务移出第一连续工作任务;
当接收到第一连续工作任务时,将中央处理单元由一休眠模式切换至一操作模式,以及处理第一连续工作任务;以及当第一连续工作任务处理完成后,将中央处理单元设为休眠模式;
中央处理单元的操作频率在一般操作下具有一正常操作频率,以及方法还包括:
根据第一连续工作任务的负载量以及温度临界值决定一第一操作频率;
以及当中央处理单元切换至操作模式时,将中央处理单元的操作频率由正常操作频率提升至第一操作频率,并通过第一操作频率处理第一连续工作任务;
其中第一操作频率的工作频率高于正常操作频率的工作频率;
中央处理单元控制方法还包括:
当第一连续工作任务处理完成并且中央处理单元进入休眠模式后,根据汇集平台电源管理技术将多个第二工作任务以及超载部分的第一工作任务结合为一第二连续工作任务;
当接收到第二连续工作任务时,将中央处理单元由休眠模式切换至操作模式;
将中央处理单元的操作频率由正常操作频率提升至一第二操作频率,通过第二操作频率处理第二连续工作任务;以及当第二连续工作任务处理完成后,将中央处理单元设为休眠模式;
其中第一操作频率的工作频率高于正常操作频率的工作频率;中央处理单元使用第一操作频率将第一连续工作任务处理完成的时间点与开始接收到第二连续工作任务的时间点之间具有一第一间隔时间,而使用正常频率将第一连续工作任务处理完成与接收到第二连续工作任务之间具有一第二间隔时间,其中第一间隔时间小于第二间隔时间。
3.如权利要求1所述的智能家居装饰设计系统,其特征在于,所述智能灯设置有照明灯数据采集模块,所述照明灯数据采集模块包括:
电记忆体,用于存储及记忆信号代码和灯控信息;所述电记忆体包括左电极、主存储器、辅助存储器、右电极;所述的左电极设置在电记忆体的前侧,所述的主存储器连接在左电极和右电极之间,所述的辅助存储器设置在主存储器的上侧,所述的右电极设置在主存储器的后侧;
电流检测单元,用于跟踪检测LED光源的电流信号;
电流控制单元,用于根据电流检测单元反馈得到的电流信号控制反激式开关单元自动调整LED光源的工作电流;
用电量检测单元,用于检测不同控制点的光源的耗电量。
4.如权利要求3所述的智能家居装饰设计系统,其特征在于,所述照明灯数据采集模块的信号采集方法包括:
首先,用感知设备在独立的采样周期内对目标信号x(t)进行采集,并用A/D方式对信号进行数字量化;然后,对量化后的信号x(i)进行降维;最后对降维后的信号进行重构;其中t为采样时刻,i为量化后的信号排序;
对量化后的信号进行降维,具体是对量化后的信号通过有限脉冲响应滤波器的差分方程其中h(0),…,h(L-1)为滤波器系数,设计基于滤波的压缩感知信号采集框架,构造如下托普利兹测量矩阵:
则观测其中bi,…,bL看作滤波器系数;子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)=Φ′FTΦFT特征值的算术根,验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i=1,…,T,则ΦT满足RIP,并通过求解最优化问题来重构原信号为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mi>min</mi>
<mi>x</mi>
</munder>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>&Phi;</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
即通过线性规划方法来重构原信号,亦即BP算法;
针对实际压缩信号,如语音或图像信号的采集,则修改ΦF为如下形式:
<mrow>
<msub>
<mi>&Phi;</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mi>L</mi>
</msub>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mi>L</mi>
</msub>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>b</mi>
<mi>L</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
如果信号在变换基矩阵Ψ上具有稀疏性,则通过求解如下最优化问题,精确重构出原信号:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>&alpha;</mi>
</munder>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<mi>&alpha;</mi>
<mo>|</mo>
<msub>
<mo>|</mo>
<mn>1</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>&Phi;</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mi>&Phi;</mi>
<mi>&Psi;</mi>
<mi>&alpha;</mi>
<mo>=</mo>
<mi>&Xi;</mi>
<mi>&alpha;</mi>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中Φ与Ψ不相关,Ξ称为CS矩阵。
5.如权利要求2所述的智能家居装饰设计系统,其特征在于,中央处理单元还设置有求解模块,所述求解模块的信号处理方法包括:
第一步,保证次级用户网络能长时间工作,需对次级用户的发射功率进行限制,保证次级用户网络的平均发射功率低于限定值:
E{α0P0+α1P1+β0P0+β1P1}≤Pav
式中Pav是次级用户发射机SU-Tx的最大平均发射功率,这的平均是指信道衰减系数hl,gss,gsp随机变量的期望;
第二步,认知无线电网络的首要任务是保护主用户网络的服务质量,故对网络的干扰功率进行了限制;根据基于合作感知的频谱共享网络模型,知道干扰只在主用户PU处于忙状态时发生,所以平均干扰功率约束写成如下形式:
E{gsp(β0P0+β1P1)}≤Qav
第三步,确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率,关于检测概率的限制条件如下:
Pd≥Pth,Pdt≥pth,i=1,2…k
第四步,根据上述限制条件下,建立以最大化次级网络的平均吞吐量为目标函数的最优化问题:
<mrow>
<mtable>
<mtr>
<mtd>
<munder>
<mi>max</mi>
<mrow>
<mo>{</mo>
<msub>
<mi>&tau;</mi>
<mi>s</mi>
</msub>
<mo>,</mo>
<mi>&epsiv;</mi>
<mo>,</mo>
<mo>{</mo>
<msub>
<mi>&epsiv;</mi>
<mi>i</mi>
</msub>
<mo>}</mo>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>}</mo>
</mrow>
</munder>
</mtd>
<mtd>
<mi>R</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>b</mi>
<mi>j</mi>
<mi>e</mi>
<mi>c</mi>
<mi>t</mi>
<mi> </mi>
<mi>t</mi>
<mi>o</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
<mo>,</mo>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>,</mo>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>&tau;</mi>
<mi>s</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>Pr</mi>
<mi>o</mi>
<mi>b</mi>
<mi>l</mi>
<mi>e</mi>
<mi>m</mi>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
第五步,求解所建立的最优化问题,选择使得次级网络的吞吐量最大的合作感知的感知周期和次级用户的信号发射功率作为该频谱感知模型的感知参数;
具体包括以下的步骤:
1),对不等式约束条件组(4)取等号,简化Problem 1为Problem 2:
<mrow>
<mtable>
<mtr>
<mtd>
<munder>
<mi>max</mi>
<mrow>
<mo>{</mo>
<msub>
<mi>&tau;</mi>
<mi>s</mi>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>}</mo>
</mrow>
</munder>
</mtd>
<mtd>
<mi>R</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>b</mi>
<mi>j</mi>
<mi>e</mi>
<mi>c</mi>
<mi>t</mi>
<mi> </mi>
<mi>t</mi>
<mi>o</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
<mo>,</mo>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>&tau;</mi>
<mi>s</mi>
</msub>
<mo>&le;</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>Pr</mi>
<mi>o</mi>
<mi>b</mi>
<mi>l</mi>
<mi>e</mi>
<mi>m</mi>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
2),弱化对感知周期τs的求解,重点求解使平均吞吐量最大化的信号发射功率P0,P1;关于发射功率P0和P1的拉格朗日函数如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>&lambda;</mi>
<mo>,</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>E</mi>
<mo>{</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mover>
<mi>&tau;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>s</mi>
</msub>
</mrow>
<mi>T</mi>
</mfrac>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>r</mi>
<mn>00</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mn>01</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>r</mi>
<mn>10</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mn>11</mn>
</msub>
<mo>&rsqb;</mo>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>&lambda;</mi>
<mo>&lsqb;</mo>
<mi>E</mi>
<mo>{</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mi>1</mi>
</msub>
<msub>
<mi>P</mi>
<mi>1</mi>
</msub>
<mo>}</mo>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>&mu;</mi>
<mo>&lsqb;</mo>
<mi>E</mi>
<mo>{</mo>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>p</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>a</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
<mo>.</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
所以Problem 2的拉格朗日对偶优化问题为:
<mrow>
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>min</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
</mrow>
<mrow>
<mi>&lambda;</mi>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mi>&mu;</mi>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</munder>
</mtd>
<mtd>
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>,</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mi>r</mi>
<mi>o</mi>
<mi>b</mi>
<mi>l</mi>
<mi>e</mi>
<mi>m</mi>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中表示拉格朗日对偶函数;证明优化问题Problem 2与Problem 3的最优值差值为零,说明优化问题Problem 2与其拉格朗日对偶优化问题Problem 3之间是等价的,故只需求Problem 3的最优解即可;该问题是一个关于双变量P0P1的联合规划问题,为此将分解成两个子优化问题:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>P</mi>
<mn>1</mn>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mrow>
<mi>max</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</munder>
<mi>E</mi>
<mo>{</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mover>
<mi>&tau;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>s</mi>
</msub>
</mrow>
<mi>T</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>r</mi>
<mn>00</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>r</mi>
<mn>10</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;g</mi>
<mrow>
<mi>s</mi>
<mi>p</mi>
</mrow>
</msub>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>P</mi>
<mn>2</mn>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mrow>
<mi>max</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</munder>
<mi>E</mi>
<mo>{</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mover>
<mi>&tau;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>s</mi>
</msub>
</mrow>
<mi>T</mi>
</mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mn>11</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>r</mi>
<mn>01</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;g</mi>
<mrow>
<mi>s</mi>
<mi>p</mi>
</mrow>
</msub>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>}</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
看出SP1和SP2分别是关于P0P1的无约束凸优化问题,此时运用拉格朗日函数以及KKT条件,便得到当检测到主用户PU处于闲状态时次级用户发射机SU-Tx的最优发射功率:
<mrow>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>A</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msqrt>
<msub>
<mi>&Lambda;</mi>
<mn>0</mn>
</msub>
</msqrt>
</mrow>
<mn>2</mn>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
</mrow>
其中:
<mrow>
<msub>
<mi>&Lambda;</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>A</mi>
<mn>0</mn>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mfrac>
<mn>4</mn>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>{</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>4</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<msub>
<mi>P</mi>
<mi>p</mi>
</msub>
</mrow>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>e</mi>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<msub>
<mi>P</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&mu;&beta;</mi>
<mn>0</mn>
</msub>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>}</mo>
</mrow>
当检测到主用户PU处于忙状态时,次级用户发射机SU-Tx的最优发射功率为:
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msqrt>
<msub>
<mi>&Lambda;</mi>
<mn>1</mn>
</msub>
</msqrt>
</mrow>
<mn>2</mn>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mo>+</mo>
</msup>
</mrow>
其中:
<mrow>
<msub>
<mi>&Lambda;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<msubsup>
<mi>A</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mfrac>
<mn>4</mn>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>{</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>4</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<msub>
<mi>P</mi>
<mi>p</mi>
</msub>
</mrow>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>s</mi>
</mrow>
</msub>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>log</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>e</mi>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<msub>
<mi>P</mi>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>&sigma;</mi>
<mi>u</mi>
<mn>2</mn>
</msubsup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&mu;&beta;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>g</mi>
<mrow>
<mi>s</mi>
<mi>p</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>}</mo>
</mrow>
式中[x]+=max{0,x};λ≥0,μ≥0是式(2)(3)的拉格朗日乘子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610848488.2A CN107870608A (zh) | 2016-09-26 | 2016-09-26 | 智能家居装饰设计系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610848488.2A CN107870608A (zh) | 2016-09-26 | 2016-09-26 | 智能家居装饰设计系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107870608A true CN107870608A (zh) | 2018-04-03 |
Family
ID=61751676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610848488.2A Pending CN107870608A (zh) | 2016-09-26 | 2016-09-26 | 智能家居装饰设计系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107870608A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422647A (zh) * | 2017-09-12 | 2017-12-01 | 芜湖凡达机械科技有限公司 | 一种智能家居装饰设计系统 |
CN108873724A (zh) * | 2018-08-01 | 2018-11-23 | 合肥阅辞科技有限公司 | 无线智能家电 |
CN109442685A (zh) * | 2018-10-26 | 2019-03-08 | 安城甫 | 一种基于Android智能终端的人体舒适度控制系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023681A (zh) * | 2011-09-22 | 2013-04-03 | 北京天成信宇科技有限责任公司 | 智能家居控制设备、更新方法 |
CN103036573A (zh) * | 2012-12-03 | 2013-04-10 | 南京工业大学 | 基于滤波的压缩感知信号采集方法 |
CN103543811A (zh) * | 2012-07-10 | 2014-01-29 | 宏碁股份有限公司 | 中央处理器控制方法 |
US20150372485A1 (en) * | 2013-02-01 | 2015-12-24 | Telecom Italia S.P.A. | Automatic system for controlling appliances |
CN105717798A (zh) * | 2016-03-16 | 2016-06-29 | 宁波市江东精诚自动化设备有限公司 | 一种智能家居立体卫士 |
CN105764184A (zh) * | 2016-03-17 | 2016-07-13 | 宁波市江东精诚自动化设备有限公司 | 一种无线智能调光开关 |
CN105812728A (zh) * | 2016-03-10 | 2016-07-27 | 洛阳理工学院 | 一种图像采集和无线传输系统 |
-
2016
- 2016-09-26 CN CN201610848488.2A patent/CN107870608A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023681A (zh) * | 2011-09-22 | 2013-04-03 | 北京天成信宇科技有限责任公司 | 智能家居控制设备、更新方法 |
CN103543811A (zh) * | 2012-07-10 | 2014-01-29 | 宏碁股份有限公司 | 中央处理器控制方法 |
CN103036573A (zh) * | 2012-12-03 | 2013-04-10 | 南京工业大学 | 基于滤波的压缩感知信号采集方法 |
US20150372485A1 (en) * | 2013-02-01 | 2015-12-24 | Telecom Italia S.P.A. | Automatic system for controlling appliances |
CN105812728A (zh) * | 2016-03-10 | 2016-07-27 | 洛阳理工学院 | 一种图像采集和无线传输系统 |
CN105717798A (zh) * | 2016-03-16 | 2016-06-29 | 宁波市江东精诚自动化设备有限公司 | 一种智能家居立体卫士 |
CN105764184A (zh) * | 2016-03-17 | 2016-07-13 | 宁波市江东精诚自动化设备有限公司 | 一种无线智能调光开关 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422647A (zh) * | 2017-09-12 | 2017-12-01 | 芜湖凡达机械科技有限公司 | 一种智能家居装饰设计系统 |
CN108873724A (zh) * | 2018-08-01 | 2018-11-23 | 合肥阅辞科技有限公司 | 无线智能家电 |
CN109442685A (zh) * | 2018-10-26 | 2019-03-08 | 安城甫 | 一种基于Android智能终端的人体舒适度控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103138395B (zh) | 楼宇智能用电管理系统 | |
CN202551079U (zh) | 一种智能家居监控系统 | |
CN103812525B (zh) | 一种多元信息采集与传输的电力通信一体化系统 | |
CN106972997A (zh) | 一种智能家居控制系统 | |
CN104076790A (zh) | 一种智能家居控制系统及方法 | |
CN102981491A (zh) | 基于云平台的智能家居系统 | |
CN107870608A (zh) | 智能家居装饰设计系统 | |
CN106851912A (zh) | 一种应用电子式变压器驱动高效能灯具的方法及装置 | |
CN108337655A (zh) | 医疗室环境智能监控系统 | |
CN110119094A (zh) | 一种基于地面传感控制智能家居系统 | |
CN110191432A (zh) | 基于物联网的智能监测系统 | |
CN204215175U (zh) | 一种多开关模式的智能插座 | |
CN206975427U (zh) | 一种基于wifi通信技术的智能家居系统 | |
CN205176631U (zh) | 智能家居系统 | |
CN203732954U (zh) | 一种智能家居控制系统 | |
CN206270708U (zh) | 一种可自动组网的智能插座系统及其智能插座 | |
CN104240475A (zh) | 智能家居监控系统及监控方法 | |
CN108064702A (zh) | 一种猪舍智能控制系统 | |
CN106302053A (zh) | 一种基于物联网的智能家居数据采集系统 | |
CN208209981U (zh) | 一种节能用电系统 | |
CN207720192U (zh) | 一种基于can总线智能建筑监控系统 | |
CN1512719A (zh) | 一种交互式网络遥控系统及智能无线遥控器 | |
CN212136812U (zh) | 一种高集成智能插座及智能家居系统 | |
CN107728487A (zh) | 一种基于无线传感器网络的智能家居系统 | |
CN203909574U (zh) | 基于有线和无线混合通信方式的数字家庭家电控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180403 |