中文文本分类中特征提取的方法

讨论了文本分类系统中的特征提取方法.探讨了文档频率(DF)、信息增益(IG)、互信息算法(MI)三种不同的特征提取方法对中文文本分类的影响,并提出了一种结合信息增益和互信息的特征提取方法.实验表明本文提出的特征提取方法一定程度上提高了中文文本分类准确性.     

基于总体最小二乘法的混合滤波器组误差补偿算法

模拟分析滤波器的实现误差以及各子带间的增益、相位失配误差的存在都将影响混合滤波器组（HFB）的完美重构效果。针对以往矫正方法对信号源稳定度要求高、调试复杂的缺点,提出一种模数混合的HFB失配误差矫正系统结构。利用伪随机噪声覆盖信号全谱且功率谱密度为常数的特点作为矫正信号源,根据其二阶统计量计算期望的补偿器频域响应。提出一种新的基于总体最小二乘（TLS）算法的IIR形式补偿器设计方法,推导了以IIR滤波器系数为未知变量的线性方程组,并利用TLS算法有效抑制设计误差以及量化噪声等扰动因素影响,优化滤波器系数,减小失配误差影响。仿真结果表明该算法的结构简单、易于实现,同时能有效改善HFB的重构效果。     

Kalman滤波预测的多小区子载波分配方法

小区间干扰协调是3G演进系统中抑制小区间干扰的重要策略, 并且在各类小区间干扰协调方案包含着不同的频率复用方法。为了在抑制干扰的同时提高频谱利用率,提出了可用频率集合的概念。如何分配可用频率集合中不同频点的子载波直接关系到小区间干扰的强弱程度,而现有的子载波分配方法往往基于当前信道状况, 导致在分配过程中因时间的滞后性而带来较大的干扰。针对这种情况,提出了一种基于Kalman滤波预测的自适应子载波分配方法。该方法通过检测获取不同子载波对用户的信道增益干扰比(GIR), 进而采用Kalman滤波估计得到下一时刻的GIR预测值大小,并以该预测值作为子载波分配的依据。仿真结果表明,与固定子载波分配方法和基于当前GIR的子载波分配方法相比,该方法能有效降低不同频率复用方法下的小区间干扰,改善小区和用户的性能,具体表现在提高了小区吞吐量,降低了用户的阻塞率,以及改善了小区边缘用户的比特丢失率。     

基于PSO的负反馈电路参数自适应优化及仿真分析

采用粒子群优化算法,以电压增益、共模抑制比、输入电阻平方根的三者乘积对输出电阻的比作为适应度函数,对差分 共射两级直接耦合电压串联负反馈放大电路中的电阻做自适应优化。结果显示,只要对电路交流指标加以约束,适应度函数值总会减小。当分别对增大电压增益和减小输出电阻进行限制后,电压增益总是尽量小,输出电阻总是尽量大,以使适应度函数在给定约束下取得最大。经EWB软件对优化参数仿真,结果满足线性放大要求。同时说明了可以调整适应度函数形式,找到最佳电路参数,以满足工程上对放大器指标的不同需求。     

Broadband high‐gain slot grid array antenna for millimeter wave applications

A broadband high‐gain slot grid array antenna (SGAA) is proposed in this paper. Based on the electromagnetic complementarity principle, the metal elements in the traditional microstrip grid array antenna (GAA) are replaced by a wide slot element. Compared with the GAA, the proposed SGAA achieves broadband and high‐gain performance. In order to demonstrate this concept, a prototype with 9‐element SGAA is designed using wide slot radiation elements and fabricated on Rogers 5880 printed circuit board (PCB) substrates, which is fed by a 50 Ω coaxial probe. The measured and simulated results show a good agreement. The proposed SGAA achieves a measured peak gain of 14.8 dBi at 26.0 GHz, a 10‐dB impedance bandwidth from 22.2 to 28.5 GHz with a fractional bandwidth of 24.9%. These results indicate that the SGAA is with high performance and it is suitable for the fifth‐generation (5G) millimeter wave (mmW) wireless communication system.     

基于OLPP符号表示的时间序列分类算法

基于符号表示的时间序列分类方法是时间序列数据挖掘的关键技术。大部分现有方法主要针对单个时间序列样本进行符号表示,没有考虑样本间的近邻关系对符号化分类的影响。对此提出一种基于正交局部保持映射(Orthogonal Locality Preserving Projection,OLPP)的时间序列符号表示方法。使用OLPP对原始数据集进行维数约减,利用信息增益寻找维数约减后数据的最佳符号投影区间,采用多重系数分箱技术(Multiple Coefficient Binning,MCB)将降维后数据表示成符号序列。该算法在20个时间序列数据集上的分类效果好于已有方法,有效利用样本间的近邻关系能够显著提高算法的分类性能。     

一种高压摆率低电压CMOS AB类放大器的设计

为了增加单位增益频率与压摆率,并能够工作在低电源电压下,同时降低偏置电流,提出了一种改进的基于0.18μm CMOS工艺的AB类放大器,其采用多级放大器结构,第一级为具有电流镜负载的NMOS差分对,第二反相级由共源放大器实现,第三极为AB类放大器,其能够在±500 m V电源下工作.电路仿真结果显示该放大器相位裕度为87°;总补偿电容为5 p F,与传统放大器相比减少了50%;单位增益频率为21.17 MHz,比传统放大器增大约10倍;压摆率为7.5和8.57 V/μs,与传统电路相比,分别增加了2.8倍和2.6倍.此外,与其他文献相比,该放大器具有较大的单位增益带宽和压摆率以及较小的功耗.     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

一种高增益多频带微带贴片单元的设计

设计了一种由圆、正八边形、矩形组合构成的微带贴片天线,其使用同轴线馈电。采用有限元法对所设计天线的电特性进行了仿真研究。同时也对天线在不同尺寸参数下的性能指标进行了对比分析。结果表明,天线兼具高增益和多频带的特性,在2.25~2.33GHz、3.51~3.7GHz、4.34~4.6GHz频带内,带内回波损耗全部小于-10d B,天线最高增益达到7.37d B,且天线的E面和H面辐射波束较好,半功率波束宽度约是60°;仿真结果证实了所设计的天线具有良好的性能指标。