一种新的基于PCA的集成学习算法

给出了主成分分析法(PCA)的数学描述及解释,提出了基于PCA的分类器提取方法及基于PCA的集成学习算法.在UCI的6个公用数据集上,对提出的算法进行了较全面的实验研究和分析,实验表明在多项指标上所提出的算法优于表现良好的传统集成学习算法.     

多入多出超宽带信道建模与仿真

在IEEE802.15.3a超宽带(UWB)信道模型的基础上,利用平行波近似理论,根据天线阵列的结构和多径的传播方向,提出了一种新的多入多出(MIMO)超宽带统计信道模型。各个子信道的多径幅度、相位和波达时间被引入了信道模型。子信道的信道特征参数满足超宽带信道的特征。实际测量的统计结果表明,波离角(AOD)和波达角(AOA)服从拉普拉斯分布。空间相关性、信道容量和天线间距、角度扩展之间的关系表明,该信道模型满足实际的空间相关统计特性。该模型对MIMOUWB系统的研究具有重要意义。     

基于差分对数交叉熵的信噪比盲估计算法

针对盲估计算法复杂度高、运算量大等问题，研究了Turbo译码器中译码器输出的外部信息与信息信噪比的关系，引入差分对数交叉熵的概念。提出一种基于差分对数交叉熵的信噪出盲估计算法。仿真结果说明，采用此信噪比盲估计算法，在较小的系统性能恶化的前提下，大大简化了信道估计器的复杂度。对基于差分对数交叉熵的信噪比盲估计算法的误差性能的理论分析结果表明，采用此算法发生误判的概率很低，可以认为信噪比估计值十分可靠。