論文元數(shù)據(jù)搜索,找到相關(guān)信息共 12 條:
2006, 28(1): 80-85.
刊出日期:2006-01-19
關(guān)鍵詞:
Bent序列; Gold-like序列; Hadamard變換
該文研究Bent序列和Gold-like序列, 設(shè)計(jì)了3類快速生成的Bent序列, 此外, 基于Klapper(1993)對(duì)幾何序列相關(guān)性的分析, 遞歸地構(gòu)造了一類Gold-like序列, 所得的Gold-like序列涵括了Khoo, Gong和Stinson(2002)遞歸生成的Gold-like序列。 根據(jù)Olsen, Scholtz和Welch(1982)給出的Bent序列簇的構(gòu)造方法, 該文得到的Bent序列可以迅速地構(gòu)造Bent序列簇。此外, 該文得到的Gold-like序列可以用來設(shè)計(jì)大周期的擴(kuò)頻序列簇。
2008, 30(12): 2947-2950.
doi: 10.3724/SP.J.1146.2007.00844
刊出日期:2008-12-19
該文提出了一種新的基于分塊迭代(BI)和自適應(yīng)分塊迭代(ABI)的部分傳輸序列算法,能夠有效地降低正交頻分復(fù)用(OFDM)系統(tǒng)的峰均功率比(PAPR),與原始部分傳輸序列(OPTS)和Iterative Flipping(IF)算法相比,該算法能夠獲取更好的性能與復(fù)雜度的折衷,并且該算法可以看作OPTS和IF算法的一般化形式。
1991, 13(1): 57-64.
刊出日期:1991-01-19
關(guān)鍵詞:
光陰極; 非晶硅; 量子效率; 漂移場(chǎng); 電荷放大效應(yīng)
本文分析了擴(kuò)散型或漂移型或具有電荷放大效應(yīng)的光陰極的量子效率。提出了具有內(nèi)場(chǎng)或外場(chǎng)的-Si∶H光電發(fā)射模型。其結(jié)構(gòu)是p-i-n -Si∶H/Bi2S3或SnO2--Si∶H-Al∶Cs∶O。估算了它們的量子效率和積分靈敏度。二者的量子效率為1-10,靈敏度為103-105A/lm。外場(chǎng)模型的實(shí)驗(yàn)表明,結(jié)構(gòu)設(shè)計(jì)是正確的。
1993, 15(4): 367-374.
刊出日期:1993-07-19
關(guān)鍵詞:
自由電子激光; 等離子體; 離子通道; 群聚; 增益
離子通道激光(ICL)是一種可工作在紫外和X射線區(qū)的新型自由電子激光。本文對(duì)低增益情況下ICL的輻射放大機(jī)制進(jìn)行了研究。利用Madey理論導(dǎo)出了ICL的增益公式;通過群聚參量Bi對(duì)ICL中電子的兩種不同的群聚機(jī)制進(jìn)行了討論;由諧振條件得出了ICL的輸出頻率,并與回旋自諧振脈塞(CARM)和常規(guī)自由電子激光(FEL)進(jìn)行了比較。
2021, 43(5): 1282-1288.
doi: 10.11999/JEIT200038
刊出日期:2021-05-18
為了解決混合類型數(shù)據(jù)與專家知識(shí)等異質(zhì)信息的融合決策問題,該文提出了基于信任區(qū)間的交互式多屬性識(shí)別(BI-TODIM)方法。完善了混合類型數(shù)據(jù)的距離測(cè)度,根據(jù)信任區(qū)間的構(gòu)建定理和灰關(guān)聯(lián)方法構(gòu)建了未知目標(biāo)混合類型數(shù)據(jù)的信任區(qū)間,闡明了信任區(qū)間與直覺模糊數(shù)之間的等價(jià)關(guān)系,創(chuàng)建了混合類型數(shù)據(jù)和專家知識(shí)的識(shí)別決策模型,實(shí)現(xiàn)了特征層信息和決策層信息的統(tǒng)一表達(dá);分析了基于信度函數(shù)的逼近理想解(BF-TOPSIS)方法的反轉(zhuǎn)現(xiàn)象及算法的復(fù)雜度,定義了區(qū)間數(shù)的序關(guān)系,提出了BI-TODIM識(shí)別決策方法,及基于直覺模糊熵的未知權(quán)重計(jì)算方法。結(jié)合算例和目標(biāo)識(shí)別案例,驗(yàn)證了該文方法在解決排序反轉(zhuǎn)和異質(zhì)信息融合方面的有效性,突出了該方法時(shí)間復(fù)雜度低、穩(wěn)定性好、識(shí)別準(zhǔn)確度高的優(yōu)點(diǎn)。
2010, 32(10): 2479-2484.
doi: 10.3724/SP.J.1146.2009.01208
刊出日期:2010-10-19
為研究一維分層介質(zhì)粗糙面之間金屬目標(biāo)的復(fù)合電磁散射特性,該文提出了一種結(jié)合前后向迭代算法(FBM)和雙共軛梯度法(Bi-CG)的快速互耦迭代算法(CCIA)。推導(dǎo)了分層粗糙面與金屬目標(biāo)的耦合邊界積分方程組,采用FBM和Bi-CG分別求解分層粗糙面與目標(biāo)的邊界積分方程,目標(biāo)和分層粗糙面的相互作用通過更新兩方程的激勵(lì)項(xiàng)來實(shí)現(xiàn)。計(jì)算了雙層介質(zhì)高斯粗糙面及無限長(zhǎng)金屬圓柱的復(fù)合電磁散射特性,當(dāng)目標(biāo)尺寸趨于零時(shí)與只有分層粗糙面的散射系數(shù)相吻合,驗(yàn)證了該算法的正確性;分析了不同粗糙面情況下該算法的收斂性;討論了目標(biāo)尺寸與位置變化對(duì)復(fù)合散射系數(shù)的影響。結(jié)果表明,金屬目標(biāo)的存在明顯影響了分層粗糙面的散射特性。
2012, 34(4): 898-903.
doi: 10.3724/SP.J.1146.2011.00861
刊出日期:2012-04-19
為了降低MIMO雷達(dá)自適應(yīng)矩陣算法(Adaptive Matrix Approach, AMA)的計(jì)算復(fù)雜度和樣本需求,該文提出一種雙邊AMA(Two-Sided AMA, TS-AMA)算法。TS-AMA算法將AMA算法的權(quán)矩陣分解成兩個(gè)低維權(quán)矩陣的Kronecker積,從而將AMA算法的代價(jià)函數(shù)轉(zhuǎn)化為一個(gè)雙二次的代價(jià)函數(shù)。新的代價(jià)函數(shù)可以通過結(jié)合半正定規(guī)劃(Semi-Definite Programming, SDP)和雙迭代算法(Bi-Iterative Algorithm, BIA)有效地求解。相比AMA算法,TS-AMA算法的收斂速度更快,樣本需求更低,運(yùn)算量更小。仿真結(jié)果說明了該算法的有效性。
2012, 34(6): 1318-1323.
doi: 10.3724/SP.J.1146.2011.01094
刊出日期:2012-06-19
針對(duì)普通積累檢測(cè)器檢測(cè)稀疏散射點(diǎn)目標(biāo)存在坍塌損失以及依賴于散射點(diǎn)密度的二元積累(SDD-BI)檢測(cè)器檢測(cè)密集散射點(diǎn)目標(biāo)存在信雜比損失的問題,該文充分利用目標(biāo)的散射點(diǎn)密度及幅度信息,提出了一種距離擴(kuò)展目標(biāo)的雙門限恒虛警檢測(cè)器(DT-CFAR),在高斯雜波背景下推導(dǎo)了DT-CFAR虛警概率和檢測(cè)概率與檢測(cè)門限關(guān)系的解析表達(dá)式,并給出了最優(yōu)第1門限的確定方法。仿真結(jié)果表明,DT-CFAR對(duì)不同散射點(diǎn)密度目標(biāo)都具有較優(yōu)的檢測(cè)性能,并且對(duì)散射點(diǎn)密度估計(jì)失配具有魯棒性。
2013, 35(4): 1001-1006.
doi: 10.3724/SP.J.1146.2012.00650
刊出日期:2013-04-19
針對(duì)動(dòng)態(tài)分支預(yù)測(cè)錯(cuò)誤率在時(shí)間上分布不均勻且高錯(cuò)誤率比較集中的特點(diǎn),該文提出一種可動(dòng)態(tài)變換預(yù)測(cè)極性的分支預(yù)測(cè)方法。該方法對(duì)未經(jīng)極性變換的原始動(dòng)態(tài)分支預(yù)測(cè)錯(cuò)誤率進(jìn)行自適應(yīng)監(jiān)測(cè),篩選出原始動(dòng)態(tài)分支預(yù)測(cè)錯(cuò)誤率高于閾值的預(yù)測(cè)錯(cuò)誤高峰期,進(jìn)而調(diào)整預(yù)測(cè)錯(cuò)誤高峰期內(nèi)分支預(yù)測(cè)器的預(yù)測(cè)極性,使經(jīng)過極性變換的最終動(dòng)態(tài)分支預(yù)測(cè)錯(cuò)誤率在程序運(yùn)行過程中始終低于設(shè)定的閾值。該文同時(shí)研究了全局監(jiān)測(cè)、按組監(jiān)測(cè)和局部監(jiān)測(cè)3種分支預(yù)測(cè)錯(cuò)誤率監(jiān)測(cè)方式。實(shí)驗(yàn)結(jié)果表明,相同硬件資源下該方法比Gshare和Bi-Mode分支預(yù)測(cè)方法具有更高的分支預(yù)測(cè)精度。
2022, 44(10): 3532-3540.
doi: 10.11999/JEIT210743
刊出日期:2022-10-19
針對(duì)網(wǎng)絡(luò)切片場(chǎng)景下時(shí)變網(wǎng)絡(luò)流量引起的虛擬網(wǎng)絡(luò)功能(VNF)遷移問題,該文提出一種基于聯(lián)邦學(xué)習(xí)的雙向門控循環(huán)單元(FedBi-GRU)資源需求預(yù)測(cè)的VNF遷移算法。該算法首先建立系統(tǒng)能耗和負(fù)載均衡的VNF遷移模型,然后提出一種基于分布式聯(lián)邦學(xué)習(xí)框架協(xié)作訓(xùn)練預(yù)測(cè)模型,并在此框架的基礎(chǔ)上設(shè)計(jì)基于在線訓(xùn)練的雙向門控循環(huán)單元(Bi-GRU)算法預(yù)測(cè)VNF的資源需求?;谫Y源預(yù)測(cè)結(jié)果,聯(lián)合系統(tǒng)能耗優(yōu)化和負(fù)載均衡,提出一種分布式近端策略優(yōu)化(DPPO)的遷移算法提前制定VNF遷移策略。仿真結(jié)果表明,兩種算法的結(jié)合有效地降低了網(wǎng)絡(luò)系統(tǒng)能耗并保證負(fù)載均衡。
- 首頁
- 上一頁
- 1
- 2
- 下一頁
- 末頁
- 共:2頁