排序方式: 共有56条查询结果,搜索用时 15 毫秒
41.
为了提高信号频率估计的精确度,提出了一种新的自适应滑动窗奇异值算法(sliding window adaptive SVD, SWASVD).该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中,从而分离信号信息与其他噪声信息的特点,推导了连续奇异值算法,产生两个辅助矩阵,在行列式处理中,采用减少秩的方法消除噪声,推导出的近似矩阵减少了复杂计算,使用matlab进行仿真,与多重信号分类谱估计法(MUSIC)进行了比较.结果表明,该新算法使用了滑动窗的概念,对陡峭信号变化有很好的鲁棒性,应用该方法可以在频率估计方面获得更准确的结果. 相似文献
42.
43.
44.
45.
46.
47.
本文初稿为教育学院研究生汪滢、教育技术中心刘玲老师对陈江老师的采访报告,由陈江老师修改定稿。陈江老师回顾了建设“电子电路”MOOC课程的心路历程和实践体验,从MOOC对教育生态与模式的影响的宏观视角,以及MOOC课程设计的微观实施和未来发展等方面提出了自己的看法。 相似文献
48.
49.
粗糙集作为一种智能工具可以用来挖掘数据依赖,数据约简近似集分类以及从数据库中提取规则.本文将粗糙集方法应用在空气质量评估中,从空气数据库中提取其规则从而对数据进行有效的分析.研究表明,在知识推理和建立专家系统方面,粗糙集理论是一种非常有效的工具. 相似文献
50.