排序方式: 共有166条查询结果,搜索用时 0 毫秒
11.
12.
13.
本文研究了一种正交中继信道的信道容量及资源分配问题。其中,源节点到中继节点之间的信道与源节点和中继节点到目的节点之间的信道在时间上相互正交。论文首先求出了系统的信道容量上界及下界,且中继策略为部分译码-转发时,上界和下界相等,从而给出了信道容量。对于高斯正交中继信道,为了最大化信道容量,论文还研究了各种系统资源的优化问题,包括时间、功率等。仿真结果表明,仅对信道的时间分配参数进行优化与优化所有的参数相比,信道容量损失很小,且给出了此时最优时间分配的解析解。 相似文献
14.
为了提高立体摄影测量的精度,对航天三线阵光学遥感成像的运动模糊模型进行推导和分析。根据引起运动模糊的方式,将三线阵光学遥感成像运动模糊分为前向运动模糊和姿态运动模糊。利用坐标系旋转来研究三线阵相机曝光瞬间前向飞行和姿态变化对运动模糊的影响,对俯仰、滚转和偏航姿态运动引起的模糊分别进行建模。仿真实验表明:(1)曝光瞬间航天三线阵遥感成像运动模糊是空间变化的,俯仰和滚转比偏航运动对三线阵相机的影响更严重;(2)对于直视线阵CCD而言,偏航引起的运动模糊可以忽略不计,但是对前视和后视线阵CCD的影响不能忽略;(3)航天三线阵相机的前视和后视线阵CCD比直视线阵CCD更容易受到航天器姿态运动的影响。 相似文献
15.
多次散射的卷云激光雷达比反演方法研究 总被引:3,自引:3,他引:0
提出了一种Mie散射激光雷达在考虑多次散射影响时求解卷云激光雷达比的新方法。首先,根据多次散射激光雷达方程,构建关于气溶胶消光系数边界值和卷云有效激光雷达比的非线性方程组;其次,采用非线性粒子群算法求解方程组,同时得到气溶胶消光系数边界值和卷云的有效激光雷达比;然后,使用Platt的多次散射因子方程,结合邱金桓参数化的多次散射对一次散射比,计算多次散射因子,进而求得卷云的激光雷达比。使用Mie散射激光雷达真实回波信号进行了实验验证,结果表明,方法收敛速度快,精度较高,具有很好的应用价值。 相似文献
16.
提出了一种基于粒子群优化算法(PSO)和多重信号分类(MUSIC)算法的分布式目标波达方向(Direction of Arrival,DOA)估计方法。在空间欠采样情况下,该方法首先利用粒子群优化算法优化阵列阵元间距,得到阵列天线方向图高旁瓣电平最小情况下的阵元间距,阵列阵元间距决定了阵列流形,然后在该阵列流形下构造分布式目标信号模型,最后结合分布式目标导向矢量和MUSIC算法获得空间欠采样情况下分布式目标中心DOA的准确估计。仿真结果表明了该方法的有效性。 相似文献
17.
X波段天气雷达的回波信号经过降雨区时会存在偏振参量的衰减现象,偏正参量的衰减对雨量估计和气象天气分类等会产生影响,针对这一问题,本文提出一种结合了粒子滤波和卡尔曼滤波的方法(P-K滤波)。该方法首先对天气雷达回波数据中的差分传播相移参量利用P-K滤波算法进行滤波处理,进而利用订正的结果采用自适应算法对水平反射率因子进行衰减订正。利用P-K滤波算法和其他算法对相同的雷达数据进行处理对比,其结果表明,P-K滤波算法能够更有效地对差分传播相移进行衰减订正,其处理结果的平滑性和准确性更高,进而对水平反射率因子的衰减订正效果更好。 相似文献
18.
19.
由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。 相似文献
20.
基于双通道卷积神经网络的航班延误预测模型 总被引:1,自引:0,他引:1
针对航班延误预测数据量大、特征提取困难而传统算法处理能力有限的问题,提出一种基于双通道卷积神经网络(DCNN)的航班延误预测模型。首先,该模型将航班数据和气象数据进行融合,应用DCNN进行自动特征提取,采用批归一化(BN)和Padding策略优化,提升到港延误等级的分类预测性能;然后,在卷积神经网络(CNN)基础上加入直通通道,以保证特征矩阵的无损传输,增强深度网络的畅通性;同时引入卷积衰减因子对卷积通道的特征矩阵进行稀疏性限制,控制不同网络深度的特征叠加比例,维持模型的稳定性。实验结果表明,所提模型与传统模型相比,具有更强的数据处理能力。通过数据融合,航班延误预测准确率可提高1个百分点;加深网络深度后,该模型能保证梯度的稳定,从而训练更深的网络,使准确率提升至92.1%。该基于DCNN算法的模型特征提取充分,预测性能优于对比模型,可更好地服务于民航决策。 相似文献