排序方式: 共有13条查询结果,搜索用时 15 毫秒
2.
单载波频域均衡(Single-Carrier Frequency-Domain Equalization,SC-FDE)是一种有效的抗码间干扰的算法,在无线通信系统中得到了广泛的应用。传统线性SC-FDE算法主要包括信道估计、噪声功率估计和信道均衡三个模块,其中每个模块都是单独优化的。为了联合优化这三个模块,本文提出了一种基于深度学习的SC-FDE算法。为了减少网络收敛所需的训练数据量,本文为SC-FDE中的三个模块分别设计了一个子网络。此外,本文还提出了一种训练机制,通过平等地对待每条无线路径,提高了所提算法的信道泛化能力。仿真结果表明,所提算法可以在较小的训练数据集下收敛,且具有鲁棒的信道泛化能力,与基于最小二乘信道估计和最小均方误差信道均衡的SC-FDE算法相比,所提算法具有更优的误码率性能。 相似文献
3.
在前期试验研究基础上,根据梁—墙平面内偏心连接节点非线性有限元分析,分析了此类节点梁纵筋的锚固性能。分析结果表明,梁—墙平面内偏心连接节点偏心一侧梁纵筋锚固性能低于不偏心一侧,节点宏观受力和梁纵筋局部锚固环境是影响节点纵筋锚固性能的关键因素,应通过合理设计保证梁纵筋锚固性能以满足节点传力要求。 相似文献
4.
文章分析了当前影响水利工程质量监督职能发挥的主要因素,并就加强政府质量监督、提高工程质量监督水平等方面提出了建议。 相似文献
5.
频域插值是一种广泛应用于多音信号频率估计的方法。为了提高相邻单音分量频率间隔较小时的频率估计性能,该文提出了一种基于两阶段加窗插值的频率估计算法。该算法采用一种新的支持任意窗函数的插值器来估计频率,通过在不同的阶段选择不同的窗函数,可以在不损失信噪比的前提下减少多个单音分量之间的相互干扰。数值结果表明,该算法具有比现有算法更好的估计性能,特别是在相邻单音分量频率间隔较小的情况下。 相似文献
6.
为了满足大行程、高精度旋转运动的需求,以尺蠖型累积步进角位移为原理,设计了尺蠖型超磁致伸缩旋转驱动器。以超磁致伸缩棒为动力源、直角柔性铰链为回弹元件,通过施加特定时序的激励信号,使钳紧机构和驱动机构有效配合,实现了转子的步进式角位移输出。将直角柔性铰链简化为超静定梁进行了静动态特性分析,并建立了空间力学模型。搭建了实验测试系统,对超磁致伸缩旋转驱动器的输出性能、钳紧稳定性和输出角位移稳定性进行了实验测试。实验结果表明:在驱动电压为4.5V、频率为2Hz的条件下,平均单步角位移为278.81μrad,最大误差为7.92μrad,最大相对误差为2.83%;系统钳紧机构的径向跳动小于1.35μm,驱动器工作状态稳定可靠,输出精度高,可实现360°转动;模型计算结果与实验结果基本一致,最大误差为12.11μrad,最大相对误差为4.34%。 相似文献
7.
在正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)系统中,当每次处理的OFDM符号较少时,OFDM数据子载波上的调制符号将严重影响单音干扰的参数估计。针对这个问题,本文提出一种利用频域检索的单音干扰消除算法。该算法首先利用离散傅里叶变换(DFT,Discrete Fourier Transform)粗估计单音干扰频点,然后通过检索干扰频点附近子载波的调制符号,消除其对单音干扰频域主瓣的影响,提高干扰参数估计精度,从而实现精确的单音干扰重构与消除。仿真结果表明,新算法可以有效地提高单音干扰参数估计精度,并可以降低OFDM系统误码率。 相似文献
8.
当对单载波多进制数字相位调制(Multiple Phase Shift Keying,MPSK)和多进制正交幅度调制(Multiple Quadrature Amplitude Modulation,MQAM)等星座类调制信号进行盲解调时,首先须进行频偏和符号速率的盲估计,传统的多次方谱频偏估计算法与二次小波符号速率估计算法具有较好的估计性能,但由于离散傅里叶变换(Discrete Fourier Transform,DFT)的栅栏效应以及噪声的影响,其估计精度和可靠性有限。针对这些问题,本文采用了新的频率估计方法从而减小栅栏效应的影响提高了频偏和符号速率的估计精度,并提出一种基于信噪比(Signal to Noise Ratio,SNR)和谱峰指数的置信度准则,增强了频偏估计的可靠性。以QPSK和16QAM为例,进行了仿真分析,仿真结果表明,改进算法复杂度略高于传统算法,但其性能优于传统算法性能,可以有效提高频偏以及符号速率的估计精度及其可靠性,16QAM和QPSK具有类似的性能趋势,但需要更高的信噪比才能达到和QPSK相同的性能。本文算法鲁棒性强,具有很好的应用价值。 相似文献
9.
10.
窄带干扰(Narrowband Interference,NBI),作为一种敌意的频域干扰,会严重地恶化最小频移键控(Minimum Shift Keying,MSK)非相干检测的误码率(Bit Error Rate,BER)性能。为降低窄带干扰对BER性能的影响,MSK非相干接收机一般首先对接收信号进行干扰抑制。然而现有MSK非相干检测算法并未考虑干扰抑制对MSK信号造成的畸变,这制约了窄带干扰下非相干检测的MSK通信系统的BER性能。为了解决这个问题,本文提出了一种基于深度学习的MSK非相干接收机(Deep Learning-Based MSK Noncoherent Receiver,DL-MSKNCR)。该接收机包含一个干扰抑制子网络和一个MSK非相干检测子网络。通过联合训练与优化,MSK非相干检测子网络可以有效地应对干扰抑制子网络对MSK信号造成的畸变。仿真结果表明,DL-MSKNCR显著地提高了NBI下非相干检测的MSK通信系统的BER性能。 相似文献