排序方式: 共有37条查询结果,搜索用时 15 毫秒
11.
基于TDOA的卫星干扰源定位方法的研究 总被引:2,自引:1,他引:1
针对到达时间差/到达频率差(time difference of arrival /frequency difference of arrival,TDOA/FDOA)卫星干扰源定位系统中卫星速度难以准确预测,导致定位精度不高,尤其是在参考站数量较少时,定位误差较大的问题,提出了采用TDOA方法实现高精度单参考站卫星干扰源定位。研究了TDOA卫星干扰源定位原理,建立了定位数学模型,采用信赖域算法计算干扰源的位置,进行了定位方法实验验证,分析了定位误差。通过对实测卫星信号的定位试验,证实了该定位方法在单参考站条件下显著提高卫星干扰源定位精度的有效性。 相似文献
12.
基于CSMA/CD协议的以太网络性能仿真技术研究 总被引:7,自引:0,他引:7
根据以太网络的随机访问方式和到达帧的突发特性 ,证明了以太网络的帧到达过程服从泊松分布 ,提出了以太网络系统的排队模型 ,并对基于 CSMA/ CD协议的以太网络系统性能进行了仿真 ,研究表明这种仿真技术在评价网络性能时是一种非常有效和简单的方法 相似文献
13.
14.
基于压缩感知的室内定位系统的定位性能分析 总被引:1,自引:1,他引:0
随着Wi-Fi技术的普及,Wi-Fi室内定位技术也越来越受到关注。压缩感知(compressive sensing, CS)技术被提出应用于Wi-Fi室内定位,为了研究各类CS算法在室内定位系统中的定位性能,构建出一套基于CS算法的室内位置指纹定位系统。在离线阶段采集数据并构建指纹库,在在线定位阶段采用不同压缩感知算法比较各类算法的定位性能。实验结果表明,设备朝向包含多方向,参考点数据量越多时定位性能更优;CS的算法参数会影响定位性能;在设定的实验环境下,压缩感知中的分段弱正交匹配追踪(stage-wise weak orthogonal matching pursuit, SWOMP)算法的定位精度比K最近邻算法(k-nearest neighbor, KNN)优21.9%;在各类压缩感知算法中,正交匹配追踪(orthogonal matching pursuit, OMP)相较于其他CS算法表现较差,并且这种差距随参考点数据量的增多而愈加明显。 相似文献
15.
为了实现智能电表的互操作性和易扩展性,提出了一种DLMS/COSEM标准协议在三相智能电表中实现的新方法.智能电表硬件以单片机和计量芯片为核心,软件采用严格的分层设计,并引入任务调度和消息处理机制,最大限度地降低了各模块间的耦合度.本智能电表作为智能电表平台进行二次开发,能有效地减少开发工作量,从而快速满足不同地区的需求.智能电表已通过DLMS的CTT测试,表明符合DLMS规范. 相似文献
16.
彩铃业务是一种可以让用户自己定制回铃音的增值服务。介绍了一种使用S3C444B0和单片机以及数字交换芯片MT8980实现彩铃功能的设计思想和实现方法,给出了详细的硬件结构图和软件代码。 相似文献
17.
在WSN提出一种非均匀多簇协作虚拟MIMO策略.以节点剩余能量、协作节点间距和节点至目的节点间距为参考依据,结合梯度搜索算法选取协作节点,以构建非均匀多簇.簇内节点通过空间分集方式协作通信,簇间通过空间复用方式并行传输,力求分集增益最大化.分析和仿真研究表明:该非均匀多簇协作策略在系统能耗和信道容量方面均有理想性能. 相似文献
18.
基于实际测量电力噪声特性参数的统计分布,推导非高斯分布的窄带电力噪声模型,主要包括背景噪声和脉冲噪声.前者应用升余弦滚降滤波法建模,其功率服从正态分布;后者利用随机分布的特性参数:脉冲的宽度、间隔和包络所构建的脉冲函数来建模.宽度、间隔和包络随机量均服从分隔马氏链.然后应用实际测量数据和马尔克夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)分析法比较评估了此模型,数值分析结果显示,模型能够很好地逼近实际的电力噪声. 相似文献
19.
针对目前公交车载设备的现状,提出了一款基于wince操作系统和GPS全球定位技术的嵌入式多功能车载播报器,并介绍其功能、组成原理和关键技术.该系统采用S3C2416为主控单元的嵌入式硬件平台,OS采用wince5.0为内校,SD卡作为存储媒介,预留3G接口,并为公交车上现存的LED显示屏、视频监控等硬件设备预留接口,实... 相似文献
20.
从特征参数提取角度出发,提出了一种基于高阶累积量和瞬时特征的信号调制识别算法。该算法从调制信号高阶累积量中提取出稳健的特征参数,并结合改进的瞬时特征参数,采用决策树的方法对信号进行调制识别。与传统决策论识别算法相比,本算法特征参数较少,识别类型多。最后仿真结果表明,该算法在较低信噪比下具有很好的识别率(〉95%)。 相似文献