排序方式: 共有24条查询结果,搜索用时 31 毫秒
1.
无线信道异常检测中,现有基于大尺度衰落建模的能量检测法简便、迅速,然而其在检测过程中忽略了阴影衰落的实时、随机变化的特性。马尔可夫模型在无线信道建模中具有良好的应用前景,能够有效地应用于阴影衰落的动态分析。通过统计分析先验马尔可夫模型矩阵的相似度变化阈值,计算先验与实时马尔可夫模型矩阵相似度,检测阴影衰落的变化规律是否发生变化,实现无线信道环境的异常检测。该方法作为大尺度衰落建模能量检测法的补充,能够完善检测覆盖面,提高检测的准确率。多次仿真实验结果表明,在高斯白噪声入侵时,该方法可实现准确的检测。 相似文献
2.
射频识别技术(RFID)三维定位是目前室内定位的主要技术,现有的RFID三维定位主要基于LANDMARC定位算法。针对传统的LANDMARC定位算法存在定位精度低、自适应性差的问题,提出一种基于文化双量子粒子群(CDQPSO)优化的RFID 3D-LANDMARC定位算法。该算法首先使用BP神经网络在数据拟合方面的优势对采集信号进行预处理,研究无线信号传输损耗模型,以提升LANDMARC算法的定位精度;然后引入CDQPSO算法在全局搜索与寻优方面的技术优势,求解模型,解决LANDMARC定位算法的自适应问题。实验研究表明,所提算法定位误差在0.56 m以下的标签达到75%,与基本LANDMARC算法和粒子群优化LANDMARC算法相比,定位精度和适应性均得到显著提高,而且能克服粒子群算法收敛速度慢的缺点。 相似文献
3.
针对光纤陀螺可靠性评估中需考虑多性能退化量间相关性的问题,提出一种基于 Copula 函数的光纤陀螺贮存可靠性
评估方法。 首先,采用加速应力退化试验的方式获取光纤陀螺的性能退化数据,并利用 Wiener 过程对各性能退化数据进行建
模,得到它们的退化模型和寿命分布;然后,利用 Copula 函数融合各性能参数的寿命数据,得到可靠性指标;最后,结合光纤陀
螺性能退化数据对该方法进行了验证,贮存条件为 55 ℃ ,考虑各参数间相关性时,光纤陀螺贮存寿命为 38 795 h,而假定性能
参数相互独立时,光纤陀螺贮存寿命为 17 485 h。 结果表明,考虑性能参数相关性时得到的可靠性指标更加合理,同时该方法
有效解决了产品多参数可靠性评估困难的问题,具有较好的实用性和推广性。 相似文献
4.
观测矩阵在信号压缩感知中十分重要,直接决定信号的重构质量。为保证信号的重构精度,要求观测矩阵具有很强的随机性,但随机矩阵硬件实现非常困难;确定性观测矩阵易于实现,但其重构精度不足。针对观测矩阵对随机性与确定性的双重要求,提出利用超素数产生超长周期的伪随机序列,解决确定性观测矩阵对随机性的要求;结合托普利兹观测矩阵的确定性结构特征,得到一种改进的托普利兹观测矩阵。实验仿真表明:改进的托普利兹观测矩阵与高斯随机观测矩阵和常用托普利兹观测矩阵相比,其信号重构精度得到了很好的改善,且易于硬件实现。 相似文献
5.
针对语音信号在传输和处理过程中不同程度地受周围环境噪声污染的问题,提出一种基于小波变换的改进型语音除噪算法.传统的小波语音除噪算法把信号的高频部分置零,会造成除噪后信号的失真.这里的算法,先对语音信号进行清、浊音分离,然后分别对清音和浊音部分进行不同的阈值处理,不但保留了语音中的高频信息,同时也提高了语音信息的逼真度和信噪比.仿真结果表明,与传统的小波语音除噪算法相比,该算法对含噪语音在高频部分和低频部分都具有很好的去噪效果. 相似文献
6.
针对传统S变换存在时频分辨率低且计算量大的问题,该文提出一种基于最优Bohman窗的改进S变换。该方法通过直接控制窗长获得最优时频分辨率,同时只针对主要频率点进行时频分析,实现对各类扰动信号特征的精确快速提取。首先根据所提评价标准确定最优长度参数;其次将采样信号进行快速傅里叶变换得到FFT频谱,再通过基于极大值包络的动态测度快速算法确定主要频率点;然后根据主要频率点所处频段选择对应最优长度参数进行计算处理;最后根据模时频矩阵计算时频幅值向量完成时频特征提取。仿真分析和实验结果表明,所提方法相较于传统S变换具有更高的时频分辨率和更短的计算时间,适用于电能质量扰动信号特征的精确快速提取。 相似文献
7.
8.
传感器信号传输时由于信号线间的电磁耦合产生不可避免的串扰。信号线间串扰严重影响信号线系统信号完整性。针对传感器信号线间串扰提出一种抑制方法,基于反相器防护线减小信号线间串扰方法,该防护线物理结构非常简单,从而很好地减小物理设计成本。通过PSpice软件搭建仿真电路进行仿真验证,仿真结果表明:未采用反相器防护线的受害线受到串扰严重且信号发生误码现象,而采用反相器防护线后受害线串扰现象明显改善且传输信号和原始传输信号100%吻合,从而验证了反相器防护线具有很强的抑制传感器信号线间串扰能力。 相似文献
9.
针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。 相似文献
10.
针对传统神经网络存在层次太少以及梯度扩散问题,导致基于传统神经网络的模拟电路故障诊断效果不佳,提出一种基于堆叠自动编码器-柔性最大值分类器(SAE-SOFTMAX)的模拟电路故障诊断方法。通过搭建深层次SAE和SOFTMAX分类器的深度学习框架,利用预训练与微调的方法完成整体网络的训练。为提高网络泛化能力,使用Dropout技术对网络加以改进优化,以此提取电子电路的底层稀疏特征并完成故障模式的自动识别分类。实例研究同时给出了几种传统神经网络的诊断效果作为对比实验。实验结果说明,所提方法诊断效果与相关评价参数性能优于传统神经网络。最终得到结论,基于改进SAESOFTMAX网络架构与分层训练机制的电子电路故障诊断方法,其整体性能有所提高诊断效果更好,优于传统的神经网络故障诊断方法。 相似文献