排序方式： 共有2条查询结果，搜索用时 78 毫秒
1
1.
为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度.仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能. 相似文献
2.
基于Lü系统设计了一个新型三维连续混沌系统,详细分析了此系统的动力学特性.系统的重要特性是在给定系统参数值,且不改变系统状态方程中的任何非线性项或线性项的情形下,系统具有一个稳定平衡点、一个不稳定平衡点和线平衡点;同时存在混沌吸引子、周期吸引子和稳定点吸引子共存,拟周期吸引子与周期吸引子共存,周期吸引子与周期吸引子共存等多稳定性现象.设计并仿真了此系统基于Multisim的模拟电路和基于FPGA的数字电路,表明了系统的可实现性.此外,用系统产生伪随机序列,并通过了实验验证. 相似文献
1