模拟退火混沌粒子群算法的盲检测

来源 :计算机技术与发展 | 被引量 : 0次 | 上传用户:softzheng1
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
考虑到基本粒子群算法在初始化时具有盲目性,收敛速度慢,在进化过程中会出现早熟现象,文中给出了MIMO系统的盲均衡模型,在对基本粒子群优化算法的MIMO系统盲检测研究基础上,分别引入了模拟退火机制和混沌机制,据此基础上提出一种改进的算法:基于模拟退火混沌粒子群优化的盲检测算法,并对这几种算法和改进算法的性能进行仿真。仿真结果表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够很好地解决盲检测盲均衡问题。
其他文献
景象匹配是精确制导武器精确定位目标的重要方法,景象匹配算法决定了精确制导武器系统的作战性能。论文介绍了景象匹配算法实现的关键要素,详细综述了具有代表性的基于区域、基于特征、基于变换域以及基于模型的四类匹配算法的不同原理、适用性及其改进算法,探讨了景象匹配算法中有待进一步研究的问题和未来发展的方向,为未来的景象匹配制导研究工作提供技术参考和依据。景象匹配制导技术正朝着更稳定可靠、更智能、更快捷、更精
RFID利用无线射频技术来自动识别标签物品,它能快速、实时、准确地采集和处理信息。防碰撞技术是RFID系统的一项关键技术。现有的防碰撞算法可分为两类:基于ALOHA的防碰撞算法和基于二叉树的防碰撞算法。基于ALO-HA的防碰撞算法存在标签饥饿的问题;基于二进制树的防碰撞算法其算法性能受标签识别码长度的影响。文中提出了一种基于自适应分组的帧时隙ALOHA算法——ASFSA。仿真结果表明,当标签数目非
隐马尔可夫模型训练算法是一种局部搜索算法,对初值敏感。传统方法采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于Web挖掘效果不佳。遗传算法具有较强的全局搜索能
(大连理工大学 物理与光电工程学院,辽宁 大连 116023)  摘 要:研究生培养质量的提高,不仅取决于研究生本身的素质及研究生培养体系的建设,研究生培养的外部环境也十分重要。培育和营造优良的整体育人环境,可以促进研究生培养条件的优化,提高培养研究生的能力,在一流的培养环境生长点上培养出世界一流的研究生。  关键词:研究生培养;环境建设;培养条件;培养能力  中图分类号:G643 文献标志码:A