利用Gibbs采样的同频混合信号单通道盲分离

针对非合作接收的单通道同频数字调制混合信号,提出一种基于Gibbs采样的分离算法。该算法利用统计的方法获得未知符号序列概率密度的随机样本,运算复杂度随信道阶数的增加不呈指数增长。重点研究了基于单符号对、多符号对的分离算法和信道响应的跟踪,并对Gibbs分离算法和PSP分离算法的性能进行了详细的分析比较。仿真结果表明,针对2路QPSK调制的混合信号,在与L=4时的PSP算法具有近似分离性能的同时,Gibbs分离算法可使复杂度降低近17倍。

基于深度学习的公共充电桩故障预测模型

充电桩运行的稳定性直接影响整体充电网络的运行效率,预测充电桩的故障可以为相关的运营管理提供有力的数据支撑,为此提出一种基于深度学习的公共充电桩故障预测模型。给出受限玻尔兹曼机模型,通过Gibbs采样法求得隐层单元的具体数值,归一化处理后将其加入逐层预训练中,得到深度受限玻尔兹曼机模型,以运维处理及时率、充电桩硬件质量、维修及时率、充电区停电时长计算运维影响指数,结合天气因素计算环境影响指数,二者融合实现综合预测模型的构建。仿真实验结果表明,所提模型的预测能力强且准确率高,具有一定的实际应用价值。