信道估计是正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术数据解调与均衡的基础,文章在分析电力线信道特性的基础上,分析了采用离散导频技术的信道估计算法的性能,针对其抗噪声干扰能力弱的特点,提出了通过截短...信道估计是正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术数据解调与均衡的基础,文章在分析电力线信道特性的基础上,分析了采用离散导频技术的信道估计算法的性能,针对其抗噪声干扰能力弱的特点,提出了通过截短时域冲击响应长度来提高估计精度的算法。在电力线信道环境下的仿真计算证明了该算法具有良好的估计性能。展开更多
提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量,而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软...提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量,而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软件和硬件都能实现。与已有的融合方法相比,文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识。将此方法应用于图像融合,结果显示这种方法能增强输出结果的质量。展开更多
最小二乘支持向量机(least squares support vector machine,LS-SVM)具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS-SVM的逆模型辨识方法。仿真结果表明基于LS-SVM的逆模型辨识方法在处理非线性对象时,辨...最小二乘支持向量机(least squares support vector machine,LS-SVM)具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS-SVM的逆模型辨识方法。仿真结果表明基于LS-SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。展开更多
文摘信道估计是正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术数据解调与均衡的基础,文章在分析电力线信道特性的基础上,分析了采用离散导频技术的信道估计算法的性能,针对其抗噪声干扰能力弱的特点,提出了通过截短时域冲击响应长度来提高估计精度的算法。在电力线信道环境下的仿真计算证明了该算法具有良好的估计性能。
文摘提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量,而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软件和硬件都能实现。与已有的融合方法相比,文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识。将此方法应用于图像融合,结果显示这种方法能增强输出结果的质量。
文摘最小二乘支持向量机(least squares support vector machine,LS-SVM)具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS-SVM的逆模型辨识方法。仿真结果表明基于LS-SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。