排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
为解决多天线最佳接收下的多维非高斯噪声参数估计问题,提出了基于群蒙特卡洛的大气噪声二维模型参数估计方案,通过联合设计蒙特卡洛马尔科夫链和优化重要性重采样算法,实现噪声模型的全局最优参数估计。针对该算法高强度运算需求,在GPU平台上对核心运算作细粒度并行计算处理并优化设计,使运算速度大幅提升,以满足实时处理要求。仿真实验结果表明,该算法迭代收敛快,精度高,各参数估计相对误差普遍小于0.02,最大相对误差可控制在0.05以内,运算速度较传统计算有大幅度的提高,可充分满足低频通信系统中实时计算的要求。 相似文献
3.
针对低频合成孔径声纳系统中的侧摆运动误差,提出一种基于冗余阵元回波数据的运动误差补偿方法。该方法首先沿距离向对相邻重叠相位中心的数据求统计平均获得缠绕的平均相位误差,然后通过滑动累加得到解缠绕的相位误差,运用估计的相位误差就能实现多子阵合成孔径声纳回波数据的运动误差补偿。仿真结果表明,该方法能够准确地估计侧摆误差,估计偏差均小于0.002 m;误差补偿后能够取得与无误差情况基本一致的成像结果,极大地改善了目标聚焦质量,能满足低频合成孔径声纳系统的运动误差补偿要求。实测数据处理结果进一步验证了该方法的有效性。 相似文献
4.
5.
6.
7.
8.
针对通信信号调制识别的特征提取问题,为进一步提高识别准确率,提出了一种基于嵌套式跳跃连接结构的残差网络(ResNet of Nested Shortcut Connection Structure,ResNet_NSCS)调制识别算法。该算法在残差神经网络(Residual Neural Network,ResNet)基础上,通过借鉴ResNet多通路选择思路,引入嵌套式恒等跳跃连接结构,利用提取的特征实现不同调制方式的分类。仿真结果表明,面向RadioML2016.10a数据集,较卷积神经网络(Convolutional Neural Network,CNN)算法和卷积神经网络_长短时记忆网络(Convolutional Neural Network_Long Short Term Memory Network,CNN_LSTM)算法,以增加网络复杂度为代价,ResNet_NSCS算法收敛速度快,识别准确率高。 相似文献
1