版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、南京郵電大學(xué)碩士學(xué)位論文粒子群優(yōu)化算法及在盲均衡中的應(yīng)用姓名：王京申請學(xué)位級(jí)別：碩士專業(yè)：電路與系統(tǒng)指導(dǎo)教師：于舒娟201101南京郵電大學(xué)碩士研究生學(xué)位論文ABSTRACTIIABSTRACTParticleswarmoptimizationalgithmisoneofswarmintelligentalgithmsthatimitatethefagingflyingbehaviofbirds.Theconceptofthisalgi
2、thmissimple.Ithasfewparameterscanbeeasilyachieved.Itisanefficientsearchalgithmwhichisnowwidelyusedinsystemdesignmultiobjectiveoptimizationpatternrecognitionsignalprocessingdecisionmakingroboticsapplicationsetc.Inthecommu
3、nicationsystemswhichcannotgetlongenoughtrainingsequencesblindequalizationblinddetectioncanimprovesystemperfmancegreatly.Blindequalizationalgithmhasbecomeresearchfocusincommunicationsignalprocessinginrecentyears.Thispaper
4、mainlystudiesthebasicimprovedparticleswarmoptimizationalgithmtheirapplicationintheblindequalization.Thispaperisganizedasfollows.Thefirstchaptergenerallyintroducesthebackgroundthedevelopmentofblindequalizationtechnologyth
5、emainwkofthispaper.Thesecondchapterdescribesthetheyapplicationresearchdirectionsofparticleswarmoptimizationemphasizingontheinertiaweightinthealgithm.ThethirdchapterillustratesthetheyofblindequalizationMIMOtechnology.Thef
6、ourthchapterintroducessimulatesblinddetectionalgithmbasedonthebasicParticleSwarmOptimization.Thefifthchapteristhemainpointofthispaper.Inthischapterblinddetectionalgithmbasedonsimulatedannealingparticleswarmoptimizational
7、githmchaoticparticleswarmoptimizationisconstructedtheinfluenceofannealingfactdifferentchaoticmappingisanalyzed.Bycomparisonamodifiedalgithmbasedonsimulatedannealingchaoticparticleswarmoptimizationalgithmfblinddetectionis
8、proposed.Meoverindertoensuregoodperfmancelowcomplexityanotherimprovedalgithmcalledblinddetectionalgithmbasedonselfregulationparticleswarmoptimizationispresented.FinallytheBERperfmanceoftheproposedalgithmissimulatedthecom
9、plexityofthisalgithmisanalyzed.Simulationshowsthattheproposedtwoalgithmscomparedtothebasicalgithmhaslowerrratefastconvergencestableperfmancecanbeagoodsolutiontotheblinddetectionproblems.Keywds:blindequalizationblinddetec
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子群優(yōu)化算法的小波盲均衡算法仿真研究.pdf
- 粒子群算法在效用優(yōu)化中的應(yīng)用.pdf
- 粒子群算法在查詢優(yōu)化中的應(yīng)用.pdf
- 改進(jìn)粒子群優(yōu)化算法在路徑優(yōu)化中的應(yīng)用.pdf
- 粒子群優(yōu)化算法在TSP中的研究及應(yīng)用.pdf
- 粒子群算法在電機(jī)優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf
- 粒子群優(yōu)化算法在圖像檢索中的應(yīng)用.pdf
- 粒子濾波重采樣算法及其在盲均衡中的應(yīng)用.pdf
- 粒子群算法及其在布局優(yōu)化中的應(yīng)用.pdf
- 粒子群優(yōu)化算法研究及在陣列天線中的應(yīng)用.pdf
- 粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 粒子群優(yōu)化算法及其在跨層優(yōu)化中的應(yīng)用.pdf
- 粒子群優(yōu)化算法研究及其在優(yōu)化理論中的應(yīng)用.pdf
- 粒子群優(yōu)化算法在AGC機(jī)組調(diào)配中的應(yīng)用.pdf
- 粒子群算法及其在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf
- 改進(jìn)粒子群算法及其在機(jī)械優(yōu)化中的應(yīng)用.pdf
- 粒子群算法優(yōu)化研究及應(yīng)用.pdf
- 改進(jìn)粒子群優(yōu)化算法在最優(yōu)潮流計(jì)算中的應(yīng)用.pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
評(píng)論
0/150
提交評(píng)論