排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
正交频分复用技术(OFDM)的优点是具有较高的频谱利用率和较强的抗多径衰落的能力,被看作是B3G乃至4G系统中的核心技术之一,但是OFDM系统存在较高的峰均功率比(PAPR)。部分传输序列(PTS)方法通过选择合适的相位旋转因子序列以降低信号峰值出现的概率,从而降低OFDM信号的峰均比值,因此不会使信号发生崎变,但是传统的PTS技术计算复杂度大大,因而在保证有效降低OFDM信号峰均比的前提下大幅度降低传统PTS的复杂度就成为PTS技术实用化的关键。 相似文献
3.
该文分析了WebService优势和发展的必然性:探讨了WebService的关键技术和关心的问题。通过对XML、SOAP、WSDL和UDDI的研究,可以得出WebService作为面向组件编程的典型代表比面向对象的编程具有更好的封装性和松耦合性等特点。 相似文献
4.
该文分析了Web Service优势和发展的必然性。探讨了Web Service的关键技术和关心的问题。通过对XML、SOAP、WSDL和UDDI的研究,可以得出Web Service作为面向组件编程的典型代表比面向对象的编程具有更好的封装性和松耦合性等特点。 相似文献
5.
知识粗糙性的零等价条件 总被引:4,自引:1,他引:3
讨论了知识粗糙性的等价条件,证明了知识粗糙性与条件熵为零等价,同时还证明了互信息对知识粗糙性定义的偏序“较细”是单调下降的,从而揭示了知识粗糙性与条件熵的密切联系。 相似文献
6.
提出了一种新的室性QRS波分类方法.该方法通过提取反映QRS波形态的特征,获得QRS波形态知识库,运用粗集理论获取最小决策算法,并据此设计神经网络,最后用该网络对室性QRS波进行分类.该方法经MIT心电数据测试表明,室性QRS波正确分类率达99.8%. 相似文献
7.
雷达干扰信号准确识别是雷达抗干扰的前提,对于雷达生存至关重要。针对传统雷达干扰信号识别方法需要繁琐的分析计算提取特征,通用性差,泛化能力弱,难以适应复杂的雷达工作环境问题。本文考虑无需人工提取特征信息且具有较好的分类识别效果的深度学习网络。考虑到传统的深度学习网络由于使用点估计方式,不能够很好的衡量预测结果中的不确定性,本文提出了一种基于贝叶斯深度学习的干扰识别方法。首先,通过概率建模代替网络参数模型的点估计,解决了不确定性随机数据引起的网络过拟合问题。其次,考虑有效利用雷达回波信号的时序特性设计了LSTM层,同时解决训练过程中的梯度消失问题。基于线性调频雷达有源干扰实测数据完成了网络训练与测试,实验结果表明,引入贝叶斯方法可以在加快网络收敛速度的同时有效提高识别准确率。 相似文献
1