基于Walsh信号空间分解的CPM序列检测算法

来源 :计算机应用研究 | 被引量 : 7次 | 上传用户:wanghua8503
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
给出了基于Walsh信号空间分解的序列检测算法,将接收机前端大量的匹配滤波器替换为两个低通滤波器加子区间采样器,有效地降低了CPM解调器前端复杂度,并通过对最小投影距离损失的分析,得出了一个关于接收机使用Walsh信号空间维数所遵循的最低限准则,并通过仿真验证了这个准则是有效的。
其他文献
针对Ad hoc网络低功耗无线通信的链路不确定性、链路质量不稳定性以及节点失效等问题,基于AODV路由协议提出了不相关节点路由算法。该算法使用简单的数字标志来搜寻不相关节点路径,并通过设置节点的阈值判断链路质量和失效节点来确定可靠的路由链路。仿真实验表明,该算法有很好的报文投递率,并能有效地减少网络链路中断的数量,降低端到端的延迟。
常用文本分类特征选择算法主要通过某种评价函数来计算单个特征对类别的区分能力,由于仅考虑了特征和类别之间的关联性,忽略了特征与特征之间的相关性,从而导致特征集存在冗余。针对这一问题,提出了一种新的用于文本分类的特征选择算法,该算法可以帮助选出类别区分能力强、特征之间关联性弱的特征。实验证实,该算法的性能要优于传统的特征选择算法。
针对现有的局部信任度计算方法忽视了交互经验的时效性及充分性等问题,提出一种证据理论框架下的局部信任度计算方法,该方法采用了时效因子计算函数来区分不同时间内的交互经验在局部信任度计算中的重要性;同时,采用了半梯形函数来区分基于不同交互经验计算得到的局部信任度的有效性。实验分析表明,该方法对实体行为改变有较强的敏感性,能有效地降低对各种恶意实体的局部信任度。
针对支持向量机在训练大规模数据集时出现的速度瓶颈问题,提出一种新的减样方法,称为双层减样法。数据减样时,双层减样法从粗、细粒度两个层次削减样本。粗粒度约减时,利用核空间距离聚类法,以簇为单位削减冗余子集;细粒度约减时,以点为单位挑选剩余点集中的支持向量。实验表明,双层减样法能有效地压缩样本数据,同时还能放大数据集的分类特征,提高分类器的分类精度。将此法应用于大规模SVM垃圾标签检测模型的训练集优化
P2P网络的匿名性、自组织性及高度动态性,使得基于P2P网络的病毒、木马大量流行,威胁网络安全,而信任机制能够有效缓解多种安全问题。针对现有信任模型的不足,提出在具有时间特性的DyTrust信任模型基础上,将空间特性纳入考虑,建立基于时空相关性的信任模型。理论分析及仿真实验结果显示:本模型具有较好的动态适应能力,能够有效防止各种恶意行为。
研究不同尺寸工件单机批调度问题,将蚁群算法与模拟退火算法相结合,引入自适应状态转移概率,提出了一种自适应蚁群退火算法AACSA(adaptive ant colony simulated annealing)。该算法利用模拟退火算法实现了一种新的混合信息素更新策略,此外根据停滞次数,动态改变状态转移概率,有效地避免算法陷入停滞以及局部最优,提高算法的性能。仿真实验结果表明,AACSA与蚁群优化算法
在许多实际应用(如电子选举、电子商务、软件的许可认证)中,任何人都可以验证签名有效性的要求是没有必要的,也是签名者不希望的。研究了司光东等人的短签名方案,发现他们的方案在应用于其他网络环境时容易遭受重放攻击。在原方案基础上,提出了一个高效的应用范围更广的方案,该方案具有指定验证者的性质,并在随机预言机模型和CDH问题困难假设下证明了该方案的安全性。
针对基本粒子群优化算法的早熟收敛问题,提出了一种基于逻辑自映射的变尺度混沌粒子群优化算法。该算法在粒子群优化算法每次寻优结束时,采用逻辑自映射函数产生混沌序列,在已搜索到的精英粒子附近尝试搜索更优解并动态收缩搜索范围,在防止算法过早陷入局部最优的同时提高了算法搜索的精度。仿真结果表明,新算法在寻优成功率和平均最优值方面有很大提高,在求解包括欺骗性函数和高维函数在内的多种函数优化问题方面具有良好的效
分析并行机Job-Shop调度问题的特点并建立其约束满足优化模型,结合约束满足与变邻域搜索技术设计了一个求解该问题的混合优化算法。该算法采用变量排序方法和值排序方法选择变量并赋值,利用回溯和约束传播消解资源冲突,生成初始可行调度,然后应用局部搜索技术增强收敛性,并通过结合问题特点设计的邻域结构的多样性提高求解质量。数据实验表明,提出的算法与其他两种算法相比,具有一定的可行性和有效性。
为了减小共享缓存管理分组交换系统的丢包率和流破坏率,提出了一种基于短包优先的动态阈值共享缓存管理策略(sharing buffer managing strategy of dynamic threshold based o