共查询到19条相似文献,搜索用时 453 毫秒
1.
针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测。提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力。在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性。在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能。 相似文献
2.
3.
4.
5.
6.
目的:对发酵乳中乳酸菌计数不确定度的来源进行分析。方法:依据GB4789.35-2016《食品安全国家标准食品微生物学检验乳酸菌检验》进行测定,根据JJF1056.1-2012《测量不确定度评定与表示》与SN/T4091-2015《食品微生物学测量不确定度评估指南》对不确定度来源进行分析和评定。结果:乳酸菌计数过程中发散是引起不确定度的主因,同一样品重复测定结果的扩展不确定度为0.051 5(p=95%,k=2.26),一组样品重复测定结果的扩展不确定度为0.070 9(p=95%,k=2.23)。结论:合理选择评定方法,采用合并样本标准差的方法来评定乳酸菌检验的不确定度。 相似文献
7.
8.
9.
10.
针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。 相似文献
11.
针对传统时差定位算法在量测噪声较大情况下定位性能不佳的缺点,提出了一种基
于二阶锥规划的新时差定位算法。该算法通过凸松弛和引入惩罚项,将难以求解的用户位置
最大似然估计问题转换为一个易于求解的二阶锥规划问题,并将松弛问题的最优解作为用户
位置的初始估计,利用传统的泰勒级数展开法得到最终定位结果。仿真给出了不同基站数目
及量测噪声下算法的定位性能。仿真结果表明,在量测噪声较大的情况下,新算法的定位精
度
仍可以逼近理论克拉美罗下限, 而且算法中惩罚因子的选取范围易于确定。 相似文献
12.
针对基于频域多重信号分类(MUSIC)的波达方向(DOA)估计方法在有效快拍数较少情况下的不稳定问题,提出了一种基于两次傅里叶变换的时域MUSIC波达方向估计方法。首先,通过傅里叶变换将各阵元接收数据转换为频域数据,并按扫描角度对各阵元数据进行相位补偿;然后,再通过傅里叶变换将补偿后的频域共轭数据转换为时域复解析数据,在时域构建相移后的协方差矩阵;最后利用特征分解求取具有正交特性的噪声子空间,获得扫描方位空间谱,实现对波达方向估计。数值仿真及实测数据处理结果均表明,相比频域MUSIC方法,在一次有效快拍条件下,所提方法可稳定获得具有正交特性的噪声子空间,实现对波达方向估计;稳定性得到了5 dB的改善,背景噪声级和旁瓣级得到了3 dB以上的改善,因此该方法可明显提高目标检测和方位估计性能。 相似文献
13.
14.
15.
针对最小值控制递归平均(Minima Controlled Recursive Averaging,MCRA)算法不能快速跟踪突变噪声的问题,提出了一种基于频谱排序和筛选的突变噪声快速估计方法。该方法在MCRA算法的基础上对带噪语音的功率谱进行排序,筛选出不含语音信号的频点来估计噪声的平均功率谱;当检测到噪声突变时,对当前的平滑参数和状态变量进行校正。仿真结果表明,该方法可以将突变噪声的跟踪时间缩短90%以上;用于语音降噪处理时,音质可以提升约0.4分。该方法具有一定的工程应用价值。 相似文献
16.
17.
针对恶劣环境中电台话音质量差这一难题,提出了一种有效的解决方法。首先在最小值控制的递归平均Ⅱ型(MCRA-2)算法基础上,提出了一种改进的MCRA-2算法。该算法采用自适应平滑参数和双检测门限,能有效减小音乐噪声,提高噪声估计准确性;然后将该噪声估计算法与对数最小均方误差估计器相结合,实现话音降噪,提高恶劣环境下电台话音质量;最后利用噪声估计结果和降噪后的话音信号,采用信噪比判决算法,自适应估计静噪门限,实现自适应静噪,进一步提高话音舒适度。实验表明,采用该方法的电台在大噪声、强干扰等恶劣环境中使用时,能明显改善话音质量,有效减轻收听者听觉疲劳。 相似文献
18.