共查询到20条相似文献,搜索用时 15 毫秒
1.
在采用部分功率训练序列同步的OFDM系统中[1],训练序列会对OFDM承载用户数据的检测造成严重干扰.本文针对每个无线分组包中只有一个OFDM符号,即训练序列和用户数据同时在一个OFDM符号时间内发射,提出一种抑制训练序列干扰的方法,在接收机中分离训练序列、OFDM承载的用户数据.在室内多径衰落信道的条件下,本文分析和仿真了训练序列和OFDM承载用户数据的分离性能,结果表明,分析与仿真结果相近,分离效果明显. 相似文献
2.
本文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中,提出了基于生物信息学特征的BioLZMA压缩算法.在BioLZMA算法中,DNA序列根据组成部分生物学含义的不同切分重组为四个集合:编码序列CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合.根据各集合中序列的具体生物学特征分别使用针对性的压缩策略进行预处理,并通过LZMA算法进行压缩编码.实验结果表明,BioLZMA算法在基准测试序列上的压缩性能优于原有的DNA序列压缩方法.特别是对于生物信息学特征清晰的长序列,算法能够在较短的时间内获得较高的压缩率. 相似文献
3.
在采用部分功率训练序列同步的OFDM系统中,训练序列会对OFDM承载用户数据的检测造成严重干扰.本文针对每个无线分组包中只有一个OFDM符号,即训练序列和用户数据同时在一个OFDM符号时间内发射,提出一种抑制训练序列干扰的方法,在接收机中分离训练序列、OFDM承载的用户数据.在室内多径衰落信道的条件下,本文分析和仿真了训练序列和OFDM承载用户数据的分离性能,结果表明,分析与仿真结果相近,分离效果明显。 相似文献
4.
5.
根据对非线性时间序列降噪的理论,本文采用Gradient Descent方法在CSK(Chaos shift Keying)系统的接收端对混沌时间序列进行降噪,获得一条比原来时间序列噪声更小的时间序列轨道,然后采用非相干检测技术对发射端传输的符号进行判断,理论分析和计算机仿真结果基本一致. 相似文献
6.
7.
8.
9.
10.
11.
针对正交频分复用(OFDM)水声移动通信易受时变多普勒频移影响的缺点,该文提出一种基于数据样本方差的多普勒频移估计方法。利用前序符号的信道估计值恢复当前符号的有效数据序列及其频域分集副本,计算分集副本与数据序列的比值并搜索该比值序列在不同多普勒补偿因子下的方差,选取方差最小时对应的补偿因子作为多普勒频移估计值,利用稀疏贝叶斯学习和判决反馈信道估计算法获得修正后的信道频域响应并传递给后序符号,实现对多普勒频移的实时跟踪。数值仿真验证了该方法的可行性和优越性,海上试验证明,该方法实现了基于无人水下航行器的OFDM水声移动通信,能够对时变多普勒频移进行有效估计。 相似文献
12.
13.
时间序列处理的精确性是影响现代工业控制系统发展的重要因素之一。数据预处理是时间序列处理的基础,它通过异常值辨识与修正、缺省值补充等工作,改进数据质量进一步的处理提供较为精确的目标数据和必要信息。由于工业生产过程中的时间序列多是非平稳序列,经典的平稳模型和回归分析不再适用。因此,本文通过建立ARIMA模型对时间序列进行预处理,并最终得到了较为精确的数据拟合信息。 相似文献
14.
视频流的数据量大,又是一种非结构性的数据,因此视频分类一直是视频分析工作中的一个难点。本文采用视频分割技术,将视频分割成一系列的镜头,利用这些镜头在时间上的序列特征,使用序列模式对镜头序列进行分析,并提出一个基于序列模式挖掘的视频分类系统模型。该系统中主要利用cSPADE算法来实现对镜头序列的分类,以形成分类规则库,通过该规则库匹配待分类视频的镜头序列,从而实现视频的分类。 相似文献
15.
16.
为了使用两台标定的高速相机获取点特征柔性物体的三维运动轨迹,提出了一种实用的点特征柔性物体三维运动恢复方法,包括图像空间重建、时间序列重建等步骤。其中空间和时间序列重建是三维运动恢复的核心部分,在空间重建方面,使用椭圆拟合得到图像上点的坐标,并根据马氏距离寻找匹配点,然后利用三角测量法计算空间三维点;在时间序列重建方面,利用搜索方法匹配点前后图像坐标,从而实现运动过程的三维恢复。然后利用重建结果计算运动柔性物体的速度、加速度、曲率变化等重要参数。实验结果表明,该三维运动恢复方法提高了空间序列匹配的速度和准确度,有效地实现了时间序列的匹配,减少了整个重建过程的时间。通过对目标的重建,准确地获得了物体的三维运动数据。 相似文献
17.
人的步伐信号包含着人体身体状态和健康状况等多种重要信息,因此受到越来越多的重视和研究.本文利用人体携带大量电荷这一特性,通过静电探测器对人体踏步过程中的步伐静电信号进行采集,研究人体步伐在时间尺度上的变化规律.论文提出一种自相关算法滤除信号中的噪声和干扰,通过相关系数确定步伐中的同相位点,从而获得精确步伐周期值.通过对步伐周期序列进行分解,得到步伐周期增量绝对值和变化符号两个序列,运用消除趋势波动分析对原始步伐周期序列及分解后的两个新序列进行分析,得到其长程相关性规律.通过对于实验所采集的多名测试对象的数据进行分析,发现对于所有被测人员,其步伐周期的增量绝对值序列均呈现出较强的持续正相关,而其周期变化符号呈现出明显的反相关特性. 相似文献
18.
19.
社交网络上用户发布的在线内容非常不稳定,用户对每个事件的关注度也随时变化。虽然每个事件的关注程度各不相同,但某些具有共同特征的事件会呈现出相似的流量模式,本文旨在根据社交网络事件的流量时间序列对事件进行聚类,找到事件的共性特征。首先,利用皮尔逊相关系数来确定各事件的主题标签;然后,利用各事件的主题标签获得每隔固定时间有关该事件的推文总量,即该事件的流量时间序列;最后,利用K-SC(K-Spectral Centroid)聚类算法对事件的流量时间序列进行聚类,并分析聚类结果中每一类事件的共性特征。利用推特上2020东京奥运会期间场地自行车比赛事件的推文数据,验证了本文方法对基于流量时间序列的社交网络事件进行聚类分析的有效性。 相似文献