共查询到20条相似文献,搜索用时 202 毫秒
1.
采用预失真技术对功率放大器的记忆非线性失真进行补偿的关键是预失真器建模的准确性,尤其是模型对功率放大器逆记忆特性的描述能力。针对目前预失真器模型对功率放大器逆记忆效应描述不充分的问题,提出了将查找表(LUT)级联一个具有并联结构的有限长单位冲激响应(FIR)滤波器组作为实现形式的Hammerstein预失真器,以提高传统Hammerstein预失真器的补偿性能,并采用一种两步算法对其参数进行辨识。仿真实验表明,提出的Hammerstein预失真器能更好地补偿带强记忆效应的功率放大器的非线性失真。 相似文献
2.
3.
4.
5.
6.
在平均Mel倒谱基础上提取随时间变化的特征频率,由此得到了由各个语音信号特征频率倒谱值序列构成的时间序列。运用时间序列预处理和数理统计的方法,分离时间序列的趋势量和波动量。波动量是零均值自协方差非平稳的时间序列,利用满阶时变参数自回归TVPAR(Time—Varying Parameter Autoregressive)模型对波动量序列进行分析,进一步提取说话人语音信号的特征参数。在波动量序列和用满阶TVPAR模型分析的基础上分别进行说话人识别。实验表明,用满阶TVPAR模型进行识别,识别率比波动量序列上的识别率有较大提高,一个特征频率上平均识别率达到99.68%,取两个特征频率时达到100%。 相似文献
7.
本文针对功率放大器的数字预失真技术进行了研究,主要的内容包括:分析了数字预失真技术的国内外发展现状,衡量功放线性化程度的主要技术指标,描述了功率放大器的无记忆效应和有记忆效应情况下的行为模型.基于16QAM的数据系统,对多种项式的预失真,采用间接学习结构来实现,并基于最小递归二乘RLS算法分别对有记忆多项式预失真进行了仿真分析.仿真的结果表明基于Volterra级数的记忆多项式预失真收敛速度虽一般,却能很有效的改善PA的ACPR值几个dB左右.最后,通过Matlab软件仿真,验证了所设计的数字预失真技术的正确性. 相似文献
8.
研究了一种改善射频功放记忆效应的方法并对所设计的低记忆功放进行了行为级建模.设计了10W峰值功率的射频功放,通过加载漏级低阻抗终端并结合最佳电流偏置的方法来减少功放的记忆效应.在建模过程中应用了Cao方法估计功放的记忆长度并进行了验证.基于上述技术,文中所设计的低记忆射频功放能够用简单模型精确描述.实验结果表明,对设计的低记忆功放,采用仅包含7个复系数的Hammerstein模型就可以得到-48.5dB的归一化均方误差(NMSE)指标. 相似文献
9.
给出一种由正交多尺度函数构造其相应正交多小波的新方法,该方法具有计算简单且不受多小波重数限制的特点,不用求解关于多元未知矩阵的非线性方程组或进行相应的多项式矩阵的因子分解。与已有的通过选取参数来确定多小波系统的方法相比,因为他由尺度序列直接确定小波序列,不必考虑改变参数时这两个序列之间相关的变化,所以更便于灵活地设计出具有各种所需特性的多小波系统。用该方法重新导出了GHM多小波。 相似文献
10.
《电子技术与软件工程》2016,(6)
应用小波变换对通信流量数据进行分析,首先对数据序列进行小波分解,将其分解为高频部分和低频部分。对低频部分利用相空间重构法进行混沌时间序列处理,得出其最大Lyapunov指数,验证通信流量的混沌性。利用相空间重构过程中得到的参数对各部分进行预测,最后将全部预测结果小波重构,得到原始序列的预测结果。实测数据预测结果表明,本文建立的通信流量数据预测模型效果良好。 相似文献
11.
基于小波分析的导弹装备备件需求组合预测 总被引:1,自引:0,他引:1
针对导弹装备备件需求呈现非线性、非平稳的特征,提出了把小波分析理论应用于导弹装备备件需求预测的构想.首先根据总体评价指标来确定小波最佳分解级数,将备件需求时间序列分解到不同尺度上以减少原始序列的随机性和波动性;然后对具有平稳特性的高频信息用改进动态自适应隔代映射遗传算法和阻尼最小二乘法优化的ARMA模型进行预测,而对反映整体趋势的低频信息用GM(1,1)模型进行预测;再将各模型的预测结果进行叠加,从而得到原始序列的预测值.最后通过导弹装备备件需求的实例,验证了本方法的有有效性和可行性. 相似文献
12.
为了提高网络流量预测的准确性,提出一种小波分解和组合模型相融合的网络流量预测预测模型。首先采用小波分析对网络流量进行分解,得到网络流量的趋势序列和波动序列,然后分别采用自回归差分滑动平均模型和极限学习机对它们进行建模和预测,最后采用仿真实验测试组合模型的性能。仿真结果表明,相对于其它网络流量预测模型,组合预测模型提高了网络流量预测精度,降低了预测误差更小。 相似文献
13.
在工业互联网的环境下,自动有效的异常检测方法对工业系统的安全、稳定生产具有重要的意义。传统的异常检测方法存在需要大量标注样本、不适应高维度时序数据等不足,提出一种基于LSTM自动编码机的工业系统异常检测方法。为克服现有方法依赖标注样本的不足,提出采用自动编码机,通过无监督的方式学习大量正常样本的特征和模式,在此基础上通过对样本进行重构和计算重构误差的方式进行异常检测。其次,为克服现有方法不适应高维度时序数据的不足,提出采用双向LSTM作为编码器,进而挖掘多维时序数据的潜在特征。基于一个真实造纸工业的数据集的实验表明,所提方法在各项指标上都对现有无监督异常检测方法有一定的提升,检测的总体精度达到了93.4%。 相似文献
14.
针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理后的SAR图像变换到小波域,得到可充分表征目标特征信息的低频成分。然后提取低频子图像的两向二维主分量分析低维特征作为训练样本和测试样本的目标特征,最后由概率神经网络分类器完成目标识别。MSTAR数据实验结果表明,在特征矩阵维数低至6×3(原始图像128×128)的情况下平均识别率高达99.32%,且最高可达99.83%,该方法不但能够有效压缩目标特征维数和提高识别率,还对目标的方位信息具有很强的鲁棒性,可有效应用于SAR图像目标特征提取和识别。 相似文献
15.
16.
17.
18.
19.
20.
中长期负荷预测是电力系统规划运行的重要基础。针对经济转型阶段多样化负荷呈现的强波动性致其预测精度难以保障的问题,利用电力负荷历史统计数据建立ARIMA-TARCH模型,对负荷时间序列的非平稳性、自相关性和非对称波动特性进行分析,并结合BP神经网络理论对负荷拟合残差值进行修正,进而对目标规划年的负荷进行预测。最后,以我国某地区的实际电网负荷为算例,预测未来五年的负荷变化趋势,验证所提预测方法的可行性和有效性。 相似文献