共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
FLEX技术是美国摩托罗拉公司为增加无线寻呼倍道的容量而提出的一种高速编码的寻呼协议,它适应了当前无线寻呼向高速度大容量发展的需要。无线寻呼所传送的信息是一组经过编码的数字信息。当寻呼信息被输入计算机后,计算机将寻呼内容按一定的格式进行编码,形成一串数字信号,然后经高频调制后由无线发射机发射出去。这种经过编码的数字信号是按照一个统一的规则进行组合排列的,我们把这个规则称为寻呼协议。目前我国大多数寻呼台采用的编码格式是POCSAG码,这是英国提出的称为标准码的寻呼协议,它的传呼速率为1200bit/S。POCSA… 相似文献
4.
有穷自动机,一种计算能力极其有限的计算模型,具有解决素性测试的能力通过构造法得到了证明。既而提出了一种基于有穷自动机的测试一个整数是否为素数的DNA算法,并且详细描述了该有穷自动机的构造方法,将有穷自动机的状态用DNA单链分子来编码,而输入则用DNA双链分子编码,用带环的双链DNA分子来编码状态转移规则,通过限制性内切酶的切割实现状态的转移。该算法的创新之处在于它是基于有穷自动机这种计算能力极其有限的计算模型的,并且该算法不仅能判断一个整数是否是素数,还能用于素因子分解。该算法的优点是实验实现容易,所需的时间是输入的多项式函数而不是指数函数。 相似文献
5.
6.
7.
8.
9.
本文介绍了一种用于比较和分类两个模拟输入电压的新方法,利用该电路作为一个基本单元设计了一个四输入的分类器,同时也提出了一种确定与某一个输出量相对应的输入量地址编码的方法,应用这种方法也可以设计更多输入量的分类器。 相似文献
10.
针对多用户多输入多输出(MIMO,Multiple Input Multiple Output)系统下行链路,提出了一种基于特定矩阵结构的低复杂度线性预编码方法。该方法利用规则块对角化(RBD,Regularized Block Diagonalization)方法的预编码矩阵具有的内在结构设计预编码矩阵,通过最小化总的干扰与噪声功率之和得到预编码矩阵的最终形式。等效性证明和复杂度分析表明,该方法能够获得与规则块对角化方法相同的"和速率"性能,同时大幅度降低了运算复杂度。仿真实验结果验证了这一结论。 相似文献
11.
12.
本文强调了汉字输入方法的重要性。随着汉字信息处理技术的发展,已输入到计算机系统中的各种文字信息,一般不需要再通过打字输入就可以加以利用,因此在大多数情况下,需要输入到汉字信息处理机中的信息,往往就是操作者产生的原始信息。联想式人机对话输入方法特别适用于这一用途,其原理是:利用人机对话简化编码规则;利用上下文信息使大部分汉字不必进行编码即可输入。这种计算机辅助的输入方法使输入每个汉字的平均按键次数减少到1.5次,且等效键数仅为40。文中说明了实现人机对话和利用上下文的自适应特性的硬件和软件技术,也概述了利用微处理机控制的对话式汉字信息处理机研制工作的近况。 相似文献
13.
我国计算机中文信息处理又增添一种新的输入方法——“两笔编码输入法”。 据《广西日报》报道,这种具有“符合汉字书写规则、不需记忆、见字编码、重码率低、输入简单”等特点的汉字输入方法,是广西玉林市教师杨桂复和其助手杨文新发明的。1993年12月,“两笔编码”输入法一经中国专利局公布以后,立即引起国内外微电子技术界的关注,一举获得“’93当代爱迪生杯”、“’93当代中国专利·科技成果转让博览会“、“’93全国专利科技成 相似文献
14.
15.
提出了一种基于自编码神经网络重构的车牌数字识别方案.首先对车牌图像进行预处理,利用车牌字符的原图和Gabor特征作为自编码神经网络的输入进行识别实验.然后对每个车牌字符构造一个自编码神经网络,利用训练样本进行图像的重构训练,并根据训练得到的网络权值重构出训练样本集中的各个字符图像或特征.最后,将测试样本输入到每个自编码... 相似文献
16.
17.
18.
19.
本文提出了一种基于双流特征融合的FMCW雷达人体连续动作识别方法。首先对人体动作雷达回波信号进行预处理得到距离时间域图与微多普勒时频谱图,之后分别对两个不同维度的图像进行主成分分析提取对应特征并选取相同时间段的主成分分析结果进行融合得到双流融合特征,最后将双流融合特征输入到Bi-LSTM网络中训练与测试,网络对每个时间段的输入特征产生与之对应的动作类别输出从而实现连续人体动作识别。实验结果表明,当采用双流融合特征作为Bi-LSTM网络的输入时平均识别准确率要高于只采用距离时间特征或微多普勒特征作为网络输入时的平均识别准确率。 相似文献
20.
传统的基于雷达的人体动作识别主要采用微多普勒原理,对原始数据进行处理,生成微多普勒时频图,然后输入到基于分类的深度学习网络中进行识别,只能对单个动作进行识别。本文提出一种FMCW雷达光学字符识别技术的连续动作识别方法,首先对采集的雷达数据采用RDM(Range?Doppler Map)向速度维投影的方法逐帧获取微多普勒时频图,然后将处理得到的时频图输入一个特别定制的,由卷积神经网络、inception_resnet、最大池化层和Bi?LSTM的网络组成,使用联结主义时间分类(CTC)作为损失函数进行训练的网络。实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这5种动作的识别准确率分别高达96.16%,95.34%,88.49%,89.37%,96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果,时间上的识别准确率整体令人满意。 相似文献