排序方式: 共有36条查询结果,搜索用时 15 毫秒
21.
小波建模在时变信道盲识别中的应用 总被引:1,自引:0,他引:1
当前的信道盲均衡与盲识别算法主要考虑的是线性时不变信道,而对于时变的信道,传统的自适应技术常忽略考虑相关的信道时变信息,从而不能很好地对信道进行均衡与识别,本文在考虑信道时变信息的同时,采用时变信道多分辨率分解小波模型对时变信道进行建模,并依此模型给出变信道的盲识别算法。 相似文献
22.
本文主要研究语音信号的分段离散Fourier变换(DFT)波形编码。提出新的信号分析工具——非线性DFT,它不仅表征了时间序列的局部线性信息,而且也包含有时间序列的全局大范围的二阶(平方)非线性特征,因此它具有比线性DFT更强的信号分析能力。利用该DFT对一长分段(如,512或者1024个样点)语音信号进行波形编码,在获得较高的压缩比(压缩比为8或16)的情况下,能很好地保持原语音信号波形的细节特征。 相似文献
23.
本文主要研究基于级联形式实现的自适应IIR滤波器,分别讨论预测误差算法和利用预测误差及新的收敛梯度对AIIRF参数估计算法的级联AIIRF。与直接形式实现的AIIRF相比,级联AIIRF可直接对其极点估计检测,从而确保AIIRF的稳定性,新算法的参估计可以收敛于全局最优解,解决了输出误差算法中的多局部极小点问题。 相似文献
24.
基于累积量极值的非线性系统盲反卷积 总被引:2,自引:0,他引:2
提出一种新的基于累积量极值的非线性系统盲反卷积算法.通过引入中间变量作为隐含观测量,反卷积系统估计转化为两个子系统估计问题.第一个子系统估计是一具有完备指导信号训练集的后非线性系统(post nonlinear system)辨识,第二个子系统的估计则是一般基于累积量极值的线性系统盲反卷积.与其它算法比较,新算法具有明确的收敛性质和快速的收敛速度. 相似文献
25.
26.
27.
28.
研究统计回馈神经网络(SRNN)的非线性自适应预测控制.基于混合统计模型,利用信息几何的处理方法,将SRNN的参数估计转化为一般的线性ARMA系统的最小均方误差参数估计算法,最终获得SRNN参数估计.获得RNN预测的参数估计以后,可以十分方便地利用线性ARMA系统的控制规律来设计SRNN的预测控制规律,解决了非线性SRNN预测参数估计、复杂非线性系统控制规律设计等问题.在研究单隐元SRNN的基础上,进一步探讨了多隐元SRNN的自适应预测控制问题. 相似文献
29.
计算机方法识别转录因子结合位点(TFBS,也称“模式”)是目前生物信息学的一个很有吸引性和挑战性的课题。吉布斯采样识别模式的算法本质上是一个启发式搜索方法,容易陷入非全局最优的局部最大值。为此,提出了一种改进的吉布斯采样策略YGMS(Yeast Gibbs Motif Sampler)采识别酿酒酵母共表达基因调控区域转录因子结合位点。在酵母的共调控基因序列的数据集测试中,YGMS比其他几个基于吉布斯采样算法更有效地识别出真实模式序列,在一定程度上提高了算法的性能。 相似文献
30.