共查询到20条相似文献，搜索用时 343 毫秒
1.
针对多模辅助算法均方误差高的缺点,提出了两种基于星座图改进的盲均衡算法.首先利用16QAM星座图信息,增加多模辅助算法代价函数中信号点的均衡数目,得到改进的多模辅助算法,与多模辅助算法相比,改进后的算法稳态均方误差更低,而且收敛速度略有提高;其次将改进的多模辅助算法和判决引导算法相结合,根据均方误差调整两种算法的比例,得到的混合算法进一步降低了稳态均方误差.水声信道仿真结果表明:提出的两种算法都可以有效地降低均方误差,适用于对精度要求较高的场合. 相似文献
2.
利用Lyapunov稳定性理论,积分不等式和Halanay不等式,研究了具分布参数的高阶随机时滞 Hopfield神经网络的均方指数稳定性,得到了保证系统指数稳定且与扩散项相关的充分性条件,并给出了指数收敛率,同时放松了现有文献中对变时滞的要求,因而在一定程度上了改进了现有文献的结果.最后给出了数值算例验证所得结果的有效性. 相似文献
3.
本文研究了欺骗攻击环境下带有传感器故障的大规模电网分布式状态估计问题.通过引入拓扑关系来描述分布式传感器节点之间的相互关系,使用随机Bernoulli序列描述欺骗攻击模型及其随机特性.基于Lyapunov方法证明了带有传感器故障的系统在遭受欺骗攻击环境下的均方稳定及H∞稳定的充分条件,并基于LMI设计了满足H∞性能指标的分布式状态估计器.最后通过数值仿真验证了所设计估计器的有效性. 相似文献
4.
程克明 《南京气象学院学报》1979,(2)
本文介绍双比分析方法,以确定人工降水所影响的范围(有效区域的范围)。还对1975年,1977年和1978年4—7月份在福建古田水库地区进行的101次随机人工降水试验的资料,作双比分析。分析表明:雨量增值大于20%的区域位于作业点下风方10公里到40公里,宽度约10公里,与500毫巴风向一致。分类双比分析表明:积状云人工增雨大于20%的范围较小,位于作业点下风方10公里到40公里,宽度约5公里;层状云的增雨大于20%的范围较大,自作业点下风方10公里延伸到东和东南60公里处。均与500毫巴风向吻合。而且得出一个较有兴趣的现象,对积状云进行人工催化,使得水库以东地区的雨量,部分调节到水库上游地区,增加了进库水量。 相似文献
5.
研究了面向网络攻击的无线传感器网络的分布式目标估计问题.由于测量范围有限,网络中只有部分传感器能测量到目标,而且节点受到随机的攻击从而使得测量值被注入虚假信息.在此背景下,本文提出了基于攻击检测识别策略的改进分布式卡尔曼滤波算法.在该算法中,节点首先基于设计给出的攻击识别阈值来判断其是否受到攻击,生成识别因子;然后以估计误差协方差的迹最小为信息融合原则来设计一致性卡尔曼滤波算法,对处于监测域内的运动目标进行分布式状态估计.同时,分析了算法的收敛性,明确给出了网络估计误差均方有界的随机攻击概率的充分条件.最后用数值仿真验证了算法的有效性和优越性. 相似文献
6.
为了克服常数模算法(CMA)收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法.该算法利用均方误差(MSE)来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点.分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明:对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当. 相似文献
7.
在使用 APPLE-Ⅱ机时,随机而来的系统盘(Syster Master 盘)巾的程序,除了一部分是有趣的游戏程序外其余部分则是能进一步开发、应用磁盘操作系统,使用户更方便地使用机器的系统程序,下面分别介绍这几个系统文件的功能和使用方 相似文献
8.
9.
最小方差准则的判别分析 总被引：1，自引：0，他引：1
从引入判别参数的概念出发,导出了在最小均方误差准则下的线性判别函数,证明了在二类问题中等价于Fisher准则的判别,且作了实例计算和讨论。 相似文献
10.
本文考虑了热带海洋对大气进行非绝热加热过程中海温起伏的随机效应,建立了朗之万方程形式的描写大气热量变化的发展方程。由该随机微分方程的定态解,给出了加热势函数和概率密度函数。在确定的热力学参数下,利用实际海温起伏方差值,计算求得了加热势函数的分布及概率密度分布曲线。文中还进一步计算了概率密度流,得到了在两种稳定状态之间穿透势垒的弛豫时间。计算结果表明,海温异常的随机效应是一个长周期过程,时间尺度约为140天,可以用实际测得的拖曳系数CD和海温起伏方差q2值对它进行预测。 相似文献
11.
讨论了一类具反应扩散项的脉冲变时滞Cohen-Grossberg神经网络在Neu-mann边界条件下的稳定性.通过构造分片连续的Lyapunov函数,结合Neumann特征值问题,并利用Gronwall-Bellman脉冲积分不等式,得到了新的与反应扩散项和时滞有关的保证平衡点全局指数稳定性的代数判据. 相似文献
12.
月降水量的年际变化具有显著的非线性变化特征,预测难度大,历来是重大气象灾害预测的重点难点问题。BP(back propagation)神经网络在月降水量预测业务中的研究和应用中,取得了较好的成果,其中应用较广泛的是PCA-BP神经网络模型、遗传算法优化神经网络、RBF神经网络预测模型、小波神经网络模型、粒子群-神经网络模型等,这些方法也在广西月降水量预测业务中得到很好的应用,对提高月降水量预测能力有较大帮助。因此,有必要对目前神经网络在月降水量预测中的优势和不足进行综述,提出未来研究需要关注的重点关键问题。 相似文献
13.
14.
利用BP神经网络提高奥运会空气质量实时预报系统预报效果 总被引：5，自引：3，他引：2
将BP(Back Propagation)神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现:BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。 相似文献
15.
通过对大同市2011-2012年PM10质量浓度、有关气象要素和参数进行随机抽样、分组,建立单隐含层BP神经网络、多隐含层BP神经网络以及RBF网络对以上数据进行调试和训练,得出：就2011-2012年预测PM10日均质量浓度样本而言,按预测效果好坏排序,多隐含层最佳BP神经网络＞单隐含层最佳BP神经网络＞RBF神经网络;从网络最小误差总和来看,三种网络对夏秋两季的预报效果最好;从预测值和实测值的拟合效果来看,RBF网络对春季和冬季PM10质量浓度的预测效果最好;多隐含层BP网络对秋季PM10质量浓度的预测效果最好;三种神经网络对夏季PM10质量浓度的预测效果都很好,优劣性差异不大. 相似文献
16.
针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法. 相似文献
17.
研究了一种常用的模式分类器——BP神经网络,分析了BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值. 相似文献
18.
环型结构在神经网络中普遍存在,目前对环型神经动力学分岔研究大多数局限于单环情形.值得注意的是,神经网络由成千上万个神经元耦合而成,这些复杂的神经元网络结构不可能只由一个环形结构来准确表述,因此研究具多环拓扑的神经网络模型更具实际意义.本文提出了一种非对称双环神经元网络模型,选择单环的时滞和为分岔参数,分析了双环模型的稳定性和Hopf分岔.最后给出数值仿真对结论进行了验证. 相似文献
19.
20.
Abstract We examine Arctic sea‐ice concentration (SIC) and sea‐level pressure (SLP) data using principal oscillation pattern (POP) and neural network methods. The POP method extracts oscillating patterns from multivariate time series, each pattern being characterized by an oscillation period and a decay time. Predictions can be made for patterns whose decay time is comparable with the period. For both the SIC and SLP, however, the decay times are much shorter than the oscillation periods, and therefore the forcast skill is poor. A neural network is a model of the learning behaviour of a living neural system. Presented with training data, a neural network can learn the linear or non‐linear rules embedded in the data. We trained neural networks with sea‐ice and sea‐level pressure data, and estimated the forecast skill using a cross‐validation technique. The neural networks did not exhibit forecast skill significantly better than that of persistence. We contrast the Arctic situation with previous studies in which POP and neural networks were successfully used to forecast El Niño at lead times up to 6 months. Reasons for the lack of skill in both methods are discussed. 相似文献