共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
提出一种基于协同CDMA的小波多用户检测器,来降低多址干扰对CDMA系统性能的影响. 研究了一种协同时分双工CDMA模型,并结合小波的多分辨率分析建立了协同CDMA小波多用户检测器的模型. 根据最小均方误差线性多用户检测器的要求,通过理论分析提出一种减小代价函数的最小均方误差多用户联合检测器算法,并分析了所提出的小波多用户联合检测器在协同直接序列码分多址系统中的误码率传输特性. 计算机仿真结果表明:在平坦瑞利衰落信道下,提出的小波多用户检测器能有效能降低多址干扰的影响,提高系统容量,在低信噪比情况下效果尤为显著. 相似文献
3.
在广义高斯噪声下,根据最大后验概率准则比较了多元信号的并行非线性检测和最佳并行线性检测. 在高斯噪声条件下,并行非线性检测器性能接近于最佳并行线性检测器. 若噪声是广义高斯的,特别是当噪声幅度集中于均值零附近时,并行非线性检测器的检测性能优于最佳并行线性检测器. 相似文献
4.
5.
离散粒子群算法(DPSO)是一种简单有效的随机全局优化技术.它通过粒子间的合作与竞争以实现对多维复杂空间的高效搜索.为改进其收敛速度和克服"早熟收敛"问题,将模拟退火机制引入到基本DPSO算法中,提出了SADPSO算法.并将该算法应用到多载波DS/CDMA系统的多用户检测中.仿真结果表明,该检测器在误码率性能和抗"远近"效应能力方面取得到了比较满意的结果,收敛速度和精度均好于基于DPSO算法的检测器,在相同带宽相同检测算法的条件下多载波DS/CDMA 系统误码率性能优于DS/CDMA系统. 相似文献
6.
7.
针对基于深度神经网络模型的入侵检测方法存在的梯度减弱或消失问题,提出了一种LSTM(Long-Short Term Memory,长短时记忆)神经网络改进的DNN(Deep Neural Networks,深度神经网络)模型.该模型主要包括LSTM神经网络和DNN2部分,LSTM神经网络通过记忆或遗忘进行数据流量特征提取,然后将其输入DNN进行训练、入侵检测.模型中采用优化算法,加快了网络收敛.实验表明,与LSTM模型相比,LSTM-DNN模型具有较好的性能,准确率更高,运行时间更短. 相似文献
8.
9.
多址干扰已经成为影响UWB系统性能的重要因素,将Turbo理论中的迭代思想与多用户检测技术相结合,提出了一种基于软干扰抵消的迭代多用户检测算法,为进一步降低算法复杂度,对软干扰抵消后的剩余干扰进行高斯近似。仿真实验表明,在AWGN信道条件下,经过几次迭代后多址干扰被有效抑制,使用该算法的接收机性能明显优于传统接收机。 相似文献
10.
以抑制宽带码分多址(wide code division multiple access, WCDMA)系统在快变信道中的多址干扰为目标,提出基于循环平稳周期的交织差分最小均方误差(interleaving differential minimum mean square error, IDMMSE) 多用户检测算法. 根据WCDMA系统特有的二级扩频结构,将差分最小均方误差(differential minimum mean square error, IDMMSE) 算法的权系数优化准则改为基于循环平稳周期,而不是基于简单的扩频因子. 该方法更准确地反映了多址干扰的变化规律,有利于抑制多址干扰. 另外,引入交织技术能使信源不相邻的具有相同综合扩频序列的符号在实际信道中相邻传输,从而保证DMMSE算法所需的快变信道中相邻两个符号周期内信道变化很小的假设成立. 仿真实验表明,IDMMSE算法能在一定程度上对抗多普勒频移,且误码性能优于现有自
适应MMSE算法. 相似文献
11.
12.
针对某市公安110接处警文本描述进行案件分类的需求,参考现有文本分类方法在其他行业的应用,搭建了应用于警情描述的文本分类系统.通过论证常见分类网络适用场合及其优缺点,结合对警情数据中案件描述特征的分析,提出了基于改进卷积循环神经网络的模型,该模型优化了关键特征提取过程,弥补了现有模型短文本局部特征提取不足的缺陷.实验表明,该模型的准确率比常见分类模型提升了2%~3%,且能够有效保证数据局部特征的关联性,可以对案件描述所对应的案件类型进行准确分类,从而提高公安接处警平台的自动化效率. 相似文献
13.
14.
15.
16.
本文提出了一种将特征生成和长短期记忆(long short term memory,LSTM)模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络(convolutional neural network,CNN)和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。 相似文献
17.
基于Curvelet稀疏表示的图像盲分离初始化 总被引:2,自引:0,他引:2
针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度. 相似文献
18.
利用复合特征进行模式识别的探雷研究 总被引:3,自引:0,他引:3
根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率. 相似文献
19.