期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
极化阵列抗主瓣干扰性能研究 被引量:5
1
作者 罗章凯 王华力 +1 位作者 张翼鹏 董文斌 《电波科学学报》 EI CSCD 北大核心 2015年第3期504-509,共6页
为改善极化敏感阵列主瓣抗干扰性能,分析了基于特征空间投影算法的交替极化敏感阵列的主瓣干扰抑制性能,并与常规极化敏感阵列进行了比较.讨论了期望信号和干扰信号的空域和极化域匹配系数对阵列输出信干噪比的影响;分析了在期望信号导... 为改善极化敏感阵列主瓣抗干扰性能,分析了基于特征空间投影算法的交替极化敏感阵列的主瓣干扰抑制性能,并与常规极化敏感阵列进行了比较.讨论了期望信号和干扰信号的空域和极化域匹配系数对阵列输出信干噪比的影响;分析了在期望信号导向矢量失配情况下,采用特征空间投影算法改善两种极化敏感阵列的主瓣抗干扰性能.理论分析和仿真结果表明:在期望信号导向矢量存在误差情况下,基于特征空间投影算法的交替极化敏感阵列具有良好的稳健性.交替极化敏感阵列系统复杂度低、更易于工程实现. 展开更多
关键词 极化敏感阵列 主瓣干扰 导向矢量失配 特征空间投影
在线阅读 下载PDF
改进加权支持向量机回归方法器件易损性评估 被引量:4
2
作者 金焱 褚政 张瑾 《强激光与粒子束》 EI CAS CSCD 北大核心 2014年第12期171-176,共6页
加权支持向量机回归算法,几乎都是以样本输入空间中的一个重要特征量的函数来确定权值,造成了在高维特征空间中作回归可能存在较大误差。针对这一问题,提出利用高维特征空间中的欧基里德距离来确定权值的方法,构造了一种改进的加权支持... 加权支持向量机回归算法,几乎都是以样本输入空间中的一个重要特征量的函数来确定权值,造成了在高维特征空间中作回归可能存在较大误差。针对这一问题,提出利用高维特征空间中的欧基里德距离来确定权值的方法,构造了一种改进的加权支持向量机回归算法,并将其应用到电子器件高功率微波易损性评估中。仿真结果表明:该方法具有比模糊神经网络法、标准支持向量机回归算法和一般的加权支持向量机回归算法更高的预测精度。由于增加了权值的计算过程,相对于标准支持向量机回归和模糊神经网络方法,该方法的效率较低,但与一般的加权支持向量机回归算法相当。 展开更多
关键词 特征空间 欧基里德距离 加权支持向量机 回归 高功率微波 电子器件 易损性
在线阅读 下载PDF
论工科线性代数的现代化与大众化 被引量:16
3
作者 陈怀琛 《高等数学研究》 2012年第2期34-39,共6页
针对现有工科线性代数教学大纲没有明确应用需求背景的事实,给出工程学科中大量的线性代数问题,它们必须借助数学软件才能得到解决,由此说明课程现代化的必要性.指出线性代数中的一些难点对非数学系学生并无用处,将它们简化将能有利于... 针对现有工科线性代数教学大纲没有明确应用需求背景的事实,给出工程学科中大量的线性代数问题,它们必须借助数学软件才能得到解决,由此说明课程现代化的必要性.指出线性代数中的一些难点对非数学系学生并无用处,将它们简化将能有利于本课的大众化.为了课程现代化和大众化,建议把线性代数分成两门课来上,第一门是一年级的必修公共课;第二门是高年级的选修深入课. 展开更多
关键词 线性代数 数学软件 矩阵计算 行列式 向量空间 特征根 特征向量
在线阅读 下载PDF
电动机矢量控制的参数优化
4
作者 范学鑫 马伟明 +2 位作者 付立军 王刚 纪锋 《电机与控制应用》 北大核心 2013年第9期27-32,52,共7页
针对通过时域仿真或物理试验选择电动机矢量控制系统参数时,面临试错法的低效率和物理概念不清晰的困难,建立了电动机矢量控制系统的状态空间平均模型,可准确描述系统的动态响应。基于该模型利用特征结构分析提取小扰动稳定信息,可确定... 针对通过时域仿真或物理试验选择电动机矢量控制系统参数时,面临试错法的低效率和物理概念不清晰的困难,建立了电动机矢量控制系统的状态空间平均模型,可准确描述系统的动态响应。基于该模型利用特征结构分析提取小扰动稳定信息,可确定影响动态性能的主要状态变量。进一步将控制参数的确定问题转变为优化问题,提出依次优化算法实现了控制参数的优化选择。仿真试验验证了该方法的有效性。 展开更多
关键词 独立电力系统 矢量控制 状态空间平均模型 特征结构分析 控制参数优化
在线阅读 下载PDF
基于判别分类和回归计算的传感器节点定位 被引量:2
5
作者 朱东进 王婷 《无线电工程》 北大核心 2021年第11期1289-1295,共7页
为了实现自组织传感器网络中传感器节点的定位,提出了一种无需复杂测距过程基于判别分类和回归计算的定位算法。在训练阶段,选择一个合适的判别函数来使用任意构造的边界对节点位置进行分类识别,以获得位置未知节点的位置的粗粒度估计,... 为了实现自组织传感器网络中传感器节点的定位,提出了一种无需复杂测距过程基于判别分类和回归计算的定位算法。在训练阶段,选择一个合适的判别函数来使用任意构造的边界对节点位置进行分类识别,以获得位置未知节点的位置的粗粒度估计,该阶段可在少量具有足够的能量和处理能力的位置已知的传感器节点上在线或离线进行;训练阶段结束,其他位置未知的大量低功率传感器节点可以通过回归计算来局部确定自己的位置,从而实现细粒度定位。仿真实验结果表明,所提算法不仅与网络的拓扑无关,而且相比于过程复杂的测距定位算法具有更小的定位误差。 展开更多
关键词 无线传感器网络 节点定位 模式识别和分类 回归计算 核函数 特征空间向量 定位误差
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部