基于查询表的数字基带预失真算法研究与改进

功率放大引起的非线性失真可以通过数字预失真技术进行补偿,在基于查询表的数字基带预失真算法研究中,可以通过二元函数微分法对非线性的输入和误差函数进行近似的线性表达,从而降低了运算的复杂度并提升了收敛效果。     

序信息系统下的程度可区分关系研究

在经典粗糙集中通常运用不可区分关系对知识进行粒化。为解决知识粒化过细带来的分类和决策困难,文章在程度不可区分关系的基础上,讨论了各种可区分关系和不可区分关系的演化机制,提出了基于序信息系统的改进程度可区分关系,进一步刻画对象属性值间的差异程度,最后建立了一种基于程度可区分关系的概率粗糙集模型。     

基于数字预失真的线性功率放大器研究

4G无线通信系统要求功率放大器具有更优秀的线性特性,为了减少带内失真和带外频谱扩展,数字预失真已经成为解决功放非线性问题的主流技术,本文详细介绍数字预失真系统,并分析预失真学习结构、行为模型和自适应算法的研究现状。     

复合决策粗糙建模与计算方法研究

经典决策粗糙集缺乏处理多种类型共存的复杂数据的能力。为解决该问题,首先通过融合的技术手段提出量化复合关系,并验证了量化复合关系是交-复合关系和并-复合关系的推广形式,然后在此基础上构建了相应的决策粗糙集模型。最后借助矩阵运算直观地描述了复合关系的融合过程,并给出了求解决策粗糙近似集的新方法。在UCI数据集上的实验结果表明该模型和方法有效且稳定。     

监督邻域粗糙集

传统单一阈值的邻域粗糙集不能有效降低信息的不确定性。考虑对象已有或预测的类别标签信息,通过引入类内和类间两种阈值,提出一种新的邻域粒化方法,并构建了一种基于监督邻域的粗糙集模型。该模型是传统邻域粗糙集的推广形式。通过分析双阈值下的邻域粒子变化规律,给出该模型的粗糙近似质量和条件熵单调性变化定理。最后通过4个UCI数据集验证了该模型的性能。实验结果显示,可以通过调节监督阈值参数来改善论域的邻域粒化效果,并降低信息的不确定性。