排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
针对短时小样本条件下相干信号的波达方向(Direction Of Arrival, DOA)估计问题,该文提出了一种基于相干积累矩阵重构的快速解相干方法。首先利用相干积累技术对阵列接收快拍进行处理,得到累积快拍矢量,提高了数据信噪比。再依据累积快拍矢量的结构特点构造一个非降维等效协方差矩阵,理论分析可知,该矩阵的秩仅与信源个数相等,与信号间相关性无关,即实现了相干信源完全解相干。相较于空间平滑类算法,该方法避免了阵列孔径损失,估计精度高、计算量小。仿真结果验证了算法的有效性。 相似文献
2.
基于红外光谱的烟叶自动分级研究 总被引:1,自引:0,他引:1
烟叶的自动分级一直是国内外学者智能化研究的一个重要方向。通过分析烟叶的主要组成成分和烟叶光谱信息特征,发现烟叶红外光谱可作为烟叶分级特征,并通过神经网络模型验证了红外光谱作为其分级特征的可行性,通过对比分析选取最佳红外光谱间隔、光谱范围以及最必要的光谱预处理方法。利用概率神经网络对9个等级的烟叶进行分组分级,首先对选光谱数据进行减均值的预处理以消除基线漂移,然后将其作为神经网络的输入模式,相应的等级或组分作为理想输出训练网络。选择近半数的样本作为训练样本,其余为测试样本;网络对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率91%以上。结果表明烟叶的红外光谱可以作为烟叶的分级特征,概率神经网络可以用于烟叶自动分级,为烟叶的自动分级提供了新方法。 相似文献
3.
4.
6.
基于SVM的烟叶光谱分级 总被引:3,自引:0,他引:3
文中将基于统计学理论的支持向量机SVM(Support Vector Machine)与红外光谱分析技术结合,以50个烟叶样本作为实验材料,对两类烟叶进行分级。为了获得更好的定性分析结果并且简化网络输入维数,首先利用小波压缩对复杂光谱数据进行预处理。然后通过SVM建立烟叶分级模型。实验中采用高斯径向基函数(RBF)为核函数,根据SVM的不同输入量调整核参数建立最佳SVM模型,实验表明:对训练样本的正确识别率为100%,测试样本正确识别率为93.10%。 相似文献
7.
8.
提出利用聚类方法对光谱数据进行特征筛选。通过分析类内参数γ1和类间参数γ2对筛选结果的影响,选择较好的γ1和γ2进行有用光谱特征筛选。利用烤烟叶的近红外反射光谱(1500~2400 nm间隔2 nm),选用SVM方法进行部位和颜色分组识别,训练样本的识别率为100%,测试样本的识别率分别是96.22%和92.79%。然后利用聚类方法对初始光谱进行特征筛选,选用相同的 SVM 方法及相同的学习样本和测试样本进行部位和颜色分组识别。在删减部分不相干光谱后,识别率分别提高到97.23%和95.52%;继续删除相关度不高的光谱,在识别率略有下降时,光谱特征数可减少到200个以下。结果表明:利用聚类方法进行特征筛选,不仅可提高识别率,且可大大减少光谱数据,因而极大地减少了数据采集时间,简化了分组模型,提高了系统的实时和快速处理能力。 相似文献
9.
软交换系统话务量模型研究 总被引:2,自引:0,他引:2
分析了软交换与PSTN在话务特性上的区别,建立了软交换的话务模型。该模型将呼叫的排队过程与语音包的排队过程合并起来,建立了完整的系统状态图。最后推导出软交换话务量计算的数学公式,为软交换系统的分析与设计提供了理论上的依据。 相似文献
10.