排序方式: 共有73条查询结果,搜索用时 27 毫秒
11.
基于PCNN的小波域超声医学图像去噪方法 总被引:2,自引:1,他引:1
在分析小波去噪和脉冲耦合神经网络(pulse coupled neural networks,简称为PCNN)去噪优缺点的基础上,提出一种基于PCNN的小波域超声医学图像去噪方法(a method of medical ultrasonicimage de-noising based on PCNN in the Wavelet Domain,简称为PCNN-WD).该方法先对小波系数进行相应的预处理,然后应用PCNN在小波域中修改小波系数,以达到去噪的目的,并且该方法能够自动地设定阈值和修改小波系数的步长.实验结果表明,该方法可以有效地去除斑点噪声,并很好地保留图像细节和图像边缘. 相似文献
12.
13.
以基带传输系统为例,给出码间干扰的概念,并推导出系统无码间干扰的条件——奈奎斯特第一准则,并通过算例探讨了奈奎斯特准则的应用。 相似文献
14.
分析了高校电气信息类各专业开设“科技文献检索”课程的必要性,就开设该课程的时间安排、教学大纲制定、教材选取、师资队伍建设、教学方法和考核方式等问题进行了探讨。 相似文献
15.
水声信道混合型常数模盲均衡新算法 总被引:10,自引:0,他引:10
为了克服常数模算法(constantmodulusalgorithm,CMA)收敛速度慢、符号误差常数模算法(signerrorcon stantmodulusalgorithm,SECMA)收敛后剩余干扰大的缺点,利用常数模代价函数和符号误差常数模代价函数定义了一个混合常数模新代价函数,并从理论上分析了该代价函数的特性,构造了具有常数模代价函数梯度矢量与符号误差常数模代价函数梯度矢量联合更新的混合常数模新算法(mixedconstantmodulusalgorithm,MCMA)。调整该算法中两个梯度矢量的比例系数,可提高该算法收敛速度、减少收敛后的均方误差。通过对水声信道均衡的计算机仿真,证明了该算法的有效性。 相似文献
16.
基于最大比合并空间分集判决反馈盲均衡算法 总被引:2,自引:0,他引:2
信道的多径传播和衰落特性常在接收端引起码间干扰,严重影响了通信质量.为了减少码间干扰,提高通信质量,在分析空间分集技术和判决反馈盲均衡性能的基础上,提出了一种基于最大比合并空间分集的判决反馈盲均衡算法(MRC-DFE),该算法利用了空间分集来减少衰落的影响,利用判决反馈盲均衡器来克服码间干扰,具有收敛速度快、均方误差小的特点.计算机仿真结果,验证了该算法的有效性. 相似文献
17.
基于归一化常数模算法的级联自适应盲均衡算法 总被引:1,自引:0,他引:1
为了克服常数模算法收敛速度慢.稳态误差大的缺点,利用分数间隔盲均衡器的优点,分析了过采样的分数间隔盲均衡器理论,提出了一种基于归一化常数模算法的级联自适应盲均衡算法.该算法以分数间隔盲均衡器为第一级,以波特间隔盲均衡器为第二级,由归一化常数模算法对两级均衡器权向量进行更新,用水声信道对算法的性能进行了仿真研究.结果表明,分数间隔盲均衡器的性能优于波特间隔盲均衡器;高采样率的分数间隔盲均衡器与波特间隔盲均衡器级联后的性能优于低采样率的分数间隔盲均衡器与波特间隔盲均衡器级联后的性能,而且级联盲均衡器总是优于单级的分数间隔盲均衡器. 相似文献
18.
基于可变分段误差函数的常数模盲均衡新算法 总被引:3,自引:0,他引:3
为了克服常数模算法(CMA)收敛速度慢,稳态误差大的缺点,提出了基于可变分段误差函数的常数模盲均衡新算法.该算法可通过调节分段点位置来改变误差函数特性,并得到适合信道均衡的具有奇对称性的误差函数,从而具有收敛速度快或稳态误差小的特点.用两径水声信道和负声速梯度水声信道对算法的性能进行仿真研究,结果表明:对于前一信道均衡,新算法的收敛速度明显快于CMA;对于后一信道均衡,新算法的稳态误差明显小于CMA. 相似文献
19.
为了克服常数模算法(Constant Modulus Algorithm,CMA)收敛速度慢、稳态误差大及复信道引起相位旋转的缺点,提出了结合数字锁相环的等增益合并空间分集判决反馈盲均衡算法。该算法利用空间分集技术来提高信噪比,利用判决反馈盲均衡器来克服码间干扰,利用二阶锁相环来跟踪信道的时变特性,具有纠正相位旋转、收敛速度较快、稳态误差小的优点。时变多普勒频移水声信道的仿真结果,验证了该算法的有效性。 相似文献
20.
为了获得更为精确逼近卫星信道非线性特性的解析式模型,综合考虑卫星内部行波管放大器和群时延所引起的非线性效应,在分析信道特性的基础上,构建了一种引入信道先验信息的卫星信道模型。与维纳模型相比,该模型能够更好地从结构上反映卫星信道的非线性特征。由于充分利用了信道的先验信息,该模型在对卫星信道进行逼近的时候,收敛速度更快,稳态误差更小。仿真结果证明了该模型的优越性。 相似文献