Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((郭文强[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
认知无线电中基于多址接入信道的多用户联合频谱感知算法
王思秀, 郭文强, 汪晓洁
计算机应用 2017, 37 (
4
): 960-964. DOI:
10.11772/j.issn.1001-9081.2017.04.0960
摘要
(
561
)
PDF
(684KB)(
637
)
可视化
收藏
针对多用户联合感知场景问题,考虑次用户至决策中心之间有损信道的情况,提出了基于多址接入信道(MAC)的联合频谱感知算法。在系统结构和数学建模基础上,分析了传统MAC算法渐近性、中断概率等性能。在次用户平均发射功率约束下,以最大化检测概率为目标,对基于MAC算法中的发射增益进行优化;并考虑了一定服务质量情况下最小化次用户数目的问题。仿真结果表明,MAC算法能够保证良好的检测性能,以决策中心错误概率为例,提出的优化算法取得了指数级的性能提升。
参考文献
|
相关文章
|
多维度评价
Select
2.
无线光接入网中光源阵列简化的适用性分析
徐春, 郭文强, 古力米热·阿吾旦
计算机应用 2016, 36 (
10
): 2675-2679. DOI:
10.11772/j.issn.1001-9081.2016.10.2675
摘要
(
491
)
PDF
(708KB)(
489
)
可视化
收藏
针对光源阵列简化处理在无线光接入网信道建模中的适用程度进行了量化评估,具体讨论了发端阵列简化操作在不同光源阵列配置、接收端视场角、光源辐射特性下的适用表现。量化结果显示,简化处理的适用表现对视场角有很强的依赖性,仅当视场角不低于60°时,简化对关键指标路径损耗和时延扩展特性的偏差分别被限制在1.53 dBo和0.77 ns以内。
参考文献
|
相关文章
|
多维度评价
Select
3.
基于频域相位方差加权的线性调频信号检测方法
王思秀, 郭文强, 汤建国, 汪晓洁
计算机应用 2015, 35 (
12
): 3352-3356. DOI:
10.11772/j.issn.1001-9081.2015.12.3352
摘要
(
1219
)
PDF
(906KB)(
306
)
可视化
收藏
针对未知线性调频信号的检测问题,依据线性调频信号相位比较稳定这一特征,提出一种基于频域相位方差加权的线性调频信号检测方法。该方法利用线性调频信号频率单元对应相位比较稳定,背景噪声频率单元对应相位比较随机的特点,对各频率单元进行相位方差加权,可以进一步抑制背景噪声能量干扰,增强线性调频信号检测信噪比增益,实现对未知线性调频信号的检测。仿真条件下,在输入平均谱级比大于-10 dB时,相比相位差分对齐法,该方法所得最终线性调频信号频率单元与噪声频率单元的平均谱级比得到了进一步提高,且随着输入平均谱级比越高,输出线性调频信号频率单元与噪声频率单元的平均谱级比提高越多。理论分析和实验结果表明:该方法可以有效增强信号能量,抑制噪声,提高信噪比。
参考文献
|
相关文章
|
多维度评价
Select
4.
复杂系统的图模型多智能体协同故障诊断
郭文强 高晓光 高晓光
计算机应用 2010, 30 (
11
): 2906-2909.
摘要
(
1729
)
PDF
(621KB)(
1150
)
可视化
收藏
为解决复杂、不确定系统的故障诊断实时推理问题,提出了基于图模型-多连片贝叶斯网络架构下多智能体协同推理的故障诊断方法。该方法将一个复杂贝叶斯网分割成若干有重叠的贝叶斯子网,使监控网络的单个智能体被抽象为一个拥有局部知识的贝叶斯网,利用成熟的贝叶斯网推理算法可完成智能体的自主推理。随后,通过重叠的子网接口进行多智能体间消息的传播,实现了多智能体协同故障诊断推理。实验结果表明了基于图模型多智能体的协同故障诊断方法的正确性和有效性。
相关文章
|
多维度评价
Select
5.
基于RBF神经网络辅助的自适应UKF算法研究
郭文强 秦志光
计算机应用
摘要
(
1476
)
PDF
(687KB)(
959
)
可视化
收藏
卡尔曼滤波能在测量噪声干扰下对系统状态进行无偏估计。但无论是扩展卡尔曼滤波(EKF)算法,还是无轨迹卡尔曼滤波(UKF)算法,都无法避免滤波发散现象。给出利用径向基函数(RBF)神经网络的自适应调整能力来对卡尔曼滤波输出进行校正,从而避免输出发散的算法。计算机模拟和实际应用表明,基于RBFNN的卡尔曼滤波算法可以有效防止输出发散。
相关文章
|
多维度评价