高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
排序:
相关度
发表时间
每页显示:
10
20
30
50
OFDM系统中一种新的分块迭代的部分传输序列算法
吴交, 杨鸿文, 张欣, 杨大成
2008, 30(12): 2947-2950. doi: 10.3724/SP.J.1146.2007.00844  刊出日期:2008-12-19
关键词: 正交频分复用, 部分传输序列, 峰均比, 分块迭代
该文提出了一种新的基于分块迭代(BI)和自适应分块迭代(ABI)的部分传输序列算法,能够有效地降低正交频分复用(OFDM)系统的峰均功率比(PAPR),与原始部分传输序列(OPTS)和Iterative Flipping(IF)算法相比,该算法能够获取更好的性能与复杂度的折衷,并且该算法可以看作OPTS和IF算法的一般化形式。
-Si∶H光电发射的漂移场模型
海宇涵, 陈远星, 臧宝翠
1991, 13(1): 57-64.  刊出日期:1991-01-19
关键词: 光阴极; 非晶硅; 量子效率; 漂移场; 电荷放大效应
本文分析了扩散型或漂移型或具有电荷放大效应的光阴极的量子效率。提出了具有内场或外场的-Si∶H光电发射模型。其结构是p-i-n -Si∶H/Bi2S3或SnO2--Si∶H-Al∶Cs∶O。估算了它们的量子效率和积分灵敏度。二者的量子效率为1-10,灵敏度为103-105A/lm。外场模型的实验表明,结构设计是正确的。
离子通道激光
刘濮鲲, 杨中海
1993, 15(4): 367-374.  刊出日期:1993-07-19
关键词: 自由电子激光; 等离子体; 离子通道; 群聚; 增益
离子通道激光(ICL)是一种可工作在紫外和X射线区的新型自由电子激光。本文对低增益情况下ICL的辐射放大机制进行了研究。利用Madey理论导出了ICL的增益公式;通过群聚参量Bi对ICL中电子的两种不同的群聚机制进行了讨论;由谐振条件得出了ICL的输出频率,并与回旋自谐振脉塞(CARM)和常规自由电子激光(FEL)进行了比较。
用于异质信息的信任区间交互式多属性识别方法
李双明, 关欣, 衣晓, 吴斌
2021, 43(5): 1282-1288. doi: 10.11999/JEIT200038  刊出日期:2021-05-18
关键词: 信任区间, 交互式多属性, 异质信息, 距离测度, 关联系数
为了解决混合类型数据与专家知识等异质信息的融合决策问题,该文提出了基于信任区间的交互式多属性识别(BI-TODIM)方法。完善了混合类型数据的距离测度,根据信任区间的构建定理和灰关联方法构建了未知目标混合类型数据的信任区间,阐明了信任区间与直觉模糊数之间的等价关系,创建了混合类型数据和专家知识的识别决策模型,实现了特征层信息和决策层信息的统一表达;分析了基于信度函数的逼近理想解(BF-TOPSIS)方法的反转现象及算法的复杂度,定义了区间数的序关系,提出了BI-TODIM识别决策方法,及基于直觉模糊熵的未知权重计算方法。结合算例和目标识别案例,验证了该文方法在解决排序反转和异质信息融合方面的有效性,突出了该方法时间复杂度低、稳定性好、识别准确度高的优点。
快速计算一维分层粗糙面之间金属目标复合散射的互耦迭代算法
姬伟杰, 童创明
2010, 32(10): 2479-2484. doi: 10.3724/SP.J.1146.2009.01208  刊出日期:2010-10-19
关键词: 电磁散射, 分层粗糙面与金属目标, 前后向迭代算法, 双共轭梯度法
为研究一维分层介质粗糙面之间金属目标的复合电磁散射特性,该文提出了一种结合前后向迭代算法(FBM)和双共轭梯度法(Bi-CG)的快速互耦迭代算法(CCIA)。推导了分层粗糙面与金属目标的耦合边界积分方程组,采用FBM和Bi-CG分别求解分层粗糙面与目标的边界积分方程,目标和分层粗糙面的相互作用通过更新两方程的激励项来实现。计算了双层介质高斯粗糙面及无限长金属圆柱的复合电磁散射特性,当目标尺寸趋于零时与只有分层粗糙面的散射系数相吻合,验证了该算法的正确性;分析了不同粗糙面情况下该算法的收敛性;讨论了目标尺寸与位置变化对复合散射系数的影响。结果表明,金属目标的存在明显影响了分层粗糙面的散射特性。
基于深度布隆过滤器的NDN网络三级名字查找方法
吴庆涛, 师君如, 张明川, 王倩玉, 朱军龙, 张宏科
2021, 43(12): 3597-3604. doi: 10.11999/JEIT200766  刊出日期:2021-12-21
关键词: 命名数据网络, 内容名字查找, 深度布隆过滤器, 内存消耗
为提高命名数据网络(Name Data Networking, NDN)路由过程中内容名字查找的效率,该文提出一种基于深度布隆过滤器的3级名字查找方法。该方法使用长短记忆神经网络(Long Short Term Memory, LSTM)与标准布隆过滤器相结合的方法优化名字查找过程;采用3级结构优化内容名字在内容存储器(Content Store, CS)、待定请求表(Pending Interest Table, PIT)中的精确查找过程,提高查找精度并降低内存消耗。从理论上分析了3级名字查找方法的假阳性率,并通过实验验证了该方法能够有效节省内存、降低查找过程的假阳性。
信号DOA和极化信息联合估计的降维四元数MUSIC方法
李京书, 陶建武
2011, 33(1): 106-111. doi: 10.3724/SP.J.1146.2010.00242  刊出日期:2011-01-19
关键词: 简化矢量传感器, 降维Q-MUSIC, 波达方向, 四元数
基于简化电磁矢量传感器阵列,该文提出了一种新的降维四元数MUSIC估计方法。文中引用了四元数的概念,利用四元数的正交特性能够很好地描述矢量传感器阵元的正交结构这一优点,建立了电磁矢量传感器阵列的四元数模型,利用降维Q-MUSIC (Quaternion-MUSIC)方法先对极化信号DOA进行估计,通过已经估计出来的DOA信息,再借助传统的V-MUSIC (long-MUSIC)方法估计极化信息。从而依次获得极化信号的4个参数。仿真实验验证了算法的可行性。
LTE上行链路中基于探测参考信号的信噪比估计
田浩, 杨霖, 李少谦
2014, 36(2): 353-357. doi: 10.3724/SP.J.1146.2013.00445  刊出日期:2014-02-19
关键词: 无线通信, 信噪比估计, 噪声估计, 长期演进, 探测参考信号
信噪比是衡量信道质量的一个重要参数,该文主要研究LTE(Long Term Evolution)系统中基于探测参考信号(Sounding Reference Signal, SRS)的信噪比估计方法。针对DASS(Difference of Adjacent Subcarrier Signal)算法在高信噪比下噪声估计误差较大的这一缺点,该文提出一种适用于SRS的改进DASS方法。该方法通过重新定义子载波的差分方式,减小了噪声估计的误差,并且由于对连续的3个SRS频点,仅需要估计一次噪声,使得该文方法的复杂度仅为原DASS方法的1/3。仿真结果表明,所提方法的估计性能优于其余的方法,特别是在低时延和中等时延信道下,高信噪比时的估计精度提高了约10倍。
基于小区覆盖增强技术的Macro-Pico异构网络上行干扰识别与干扰协调机制
李林, 洪佩琳, 薛开平, 唐浩
2012, 34(12): 2823-2829. doi: 10.3724/SP.J.1146.2012.00744  刊出日期:2012-12-19
关键词: LTE(Long Term Evolution)异构网络, 小区覆盖增强, 上行干扰识别, 上行干扰协调
在LTE (Long Term Evolution)异构网络中,由于宏基站(Macro)与微微(Pico)基站的发射功率相差较大,一些离Pico基站较近的用户因为接收到的宏基站下行信号质量好于Pico基站而选择接入宏小区。然而,因为这些用户距离Pico基站较近,因此上行通信会对Pico基站产生严重的上行干扰。小区覆盖增强(Range Expansion, RE)技术能够减少此类干扰,但同时又可能引入新的下行干扰。该文提出一种基于RE技术的上行干扰识别与协调机制(UIICRE),能够准确识别上行干扰源及其强度,并进行相应的干扰协调处理。仿真结果表明,该文提出的方案能够解决Pico小区的上行干扰问题,提升用户的上行通信质量,并保证用户下行通信质量不受影响。
针对方向图综合的MIMO雷达双边自适应矩阵算法
王勇, 刘宏伟, 纠博, 杨晓超
2012, 34(4): 898-903. doi: 10.3724/SP.J.1146.2011.00861  刊出日期:2012-04-19
关键词: MIMO雷达, 方向图综合, 双边自适应矩阵算法, 半正定规划, 双迭代算法
为了降低MIMO雷达自适应矩阵算法(Adaptive Matrix Approach, AMA)的计算复杂度和样本需求,该文提出一种双边AMA(Two-Sided AMA, TS-AMA)算法。TS-AMA算法将AMA算法的权矩阵分解成两个低维权矩阵的Kronecker积,从而将AMA算法的代价函数转化为一个双二次的代价函数。新的代价函数可以通过结合半正定规划(Semi-Definite Programming, SDP)和双迭代算法(Bi-Iterative Algorithm, BIA)有效地求解。相比AMA算法,TS-AMA算法的收敛速度更快,样本需求更低,运算量更小。仿真结果说明了该算法的有效性。
  • 首页
  • 上一页
  • 1
  • 2
  • 末页
  • 共:2页