排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对基于稀疏表示（Sparse representation,SR）的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。 相似文献
2.
数字电路的亚稳态现象会导致数据发生误码,同步寄存器链常常被用于降低亚稳态发生的概率.为了量化由亚稳态导致的数据误码发生概率,本文从亚稳态产生的本质出发分析了亚稳态在同步寄存器链中传递的原因;推导了考虑线延迟与逻辑门延迟影响的精确亚稳态稳定时间公式;设计了一种新亚稳态测试电路计算三种亚稳态输出结果发生的概率.在平均故障时间参数的基础上,计算了因为亚稳态而造成的同步寄存器链误码率和整个系统的误码率,给出了降低系统误码率的措施. 相似文献
1