排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
针对认知网络中各低信噪比环境下主用户信号检测率偏低的问题,提出一种基于主成分分析和主动学习AdaBoost的主用户信号频谱感知算法.该算法首先采用主成分分析算法对信号特征参数进行提取,获得信号的主成分,之后利用主动学习算法通过多次迭代抽样,获取有利于提高分类性能的样本,并对AdaBoost分类器进行训练,最后利用训练完成的AdaBoost分类器对待测信号进行分类检测.仿真实验表明,在各低信噪比情况下与ANN和MME算法相比较,所提算法具有较高的分类感知性能,有效地实现了对主用户信号的频谱感知. 相似文献
2.
3.
针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。 相似文献
4.
5.
6.
7.
以籼稻为原料,采用超声波、蒸煮、超高压等一系列辅助处理,通过单因素和正交实验优化,得到慢消化蒸谷米的最优工艺参数为:超声波大小550 W、蒸煮时间30 min、超高压功率450 MPa,最终产品GI值为46,属于低GI食品。并通过GC-MS、电子鼻、傅里叶红外光谱对其消化特性和品质特性进行分析。结果表明,电子鼻主成分分析总贡献率高达97.9%,GC-MS实验中得出慢消化蒸谷米出现了反式-2-癸烯醛、2-丁基-2-辛烯醛、苯甲酸乙烯酯以及2-己基-1-癸醇等特征性香气成分,傅里叶红外光谱数据表明超高压、超声波等一系列处理促进了淀粉糊化。其模糊综合感官评分为86.3,由此可知慢消化蒸谷米品质较好,气味、外观品质、软硬度、弹性、黏性均具有良好的感官品质。 相似文献
8.
9.
10.