排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
宽带频谱感知一般要求对高达数 GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。 相似文献
2.
3.
4.
针对传统认知决策引擎仅优化物理层参数,提出一种融合粒子群和差分进化的跨层认知决策引擎(IPSO-DE)。首先对PSO引入自适应惯性权重机制,使得每个个体随各自的适应度自适应进化,提高其探索能力。然后改进DE的交叉概率,从而提高DE算法的开发能力。最后在认知引擎模型中,将经过PSO进化的种群分为优等种群和劣等种群,劣等种群利用改进DE进行优化变异,增加粒子群个体的差异性。仿真表明IPSO-DE增强了种群开发和探索能力,多载波系统的跨层参数优化决策实验证明了其有效性。 相似文献
1