排序方式: 共有113条查询结果,搜索用时 31 毫秒
71.
在无线传感器网络定位的距离估计方法研究中,普遍假设到达信号强度(received signal strength indicator,RSSI)与对应通信距离的对数成线性关系,但是该假设在实际无线通信环境下几乎不能满足.针对此问题本文提出一种基于区间数聚类的RSSI-距离(RSSI-D)估计方法(distance estimation method using interval data clustering,DEMIDC),首先利用区间数表示方法结合实际定位环境中RSSI数据的统计信息表示RSSI的分布区域,然后针对不同环境中RSSI不确定性程度不同,分别采用基于区间数软聚类和硬聚类的方法对RSSI-D进行估计.最后采用3种典型通信环境下真实的RSSI测量数据完成的实验结果表明,该方法具有较高的距离估计精度,同时具备一定的实用价值. 相似文献
72.
IP(intellectual property)核复用的设计思想使得SoC(system-on-a-chip)成为当今集成电路设计的主流,但对其进行测试变得异常困难,这就是需要为SoC设计测试结构的主要原因。传统的测试结构功能是:根据自动测试设备(automatic test equip-ment,ATE)提供的某一频率,将测试数据通过测试结构依次施加到SoC内部的IP核,并获取测试响应传输到ATE中,以分析其功能正常与否。但是这种测试结构存在很多缺点,其中最主要的是未考虑测试设备提供的测试访问机制(test access mecha-nism,TAM)的宽度与SoC内各IP核的最佳测试带宽是否一致。对这一系列问题进行研究,提出一种基于带宽匹配思想的SoC测试结构设计方法,该方法主要通过一个带宽匹配转换模块,实现测试数据的宽度调整和施加频率的调整,在牺牲了芯片部分额外面积的前提下,很好地实现了测试带宽和测试频率的匹配,缩短了SoC的测试时间。最后将这种方法应用在ITC’02标准测试集上,实验结果验证了该方法的有效性。 相似文献
73.
基于观测相似性粒子滤波的纯角度目标跟踪 总被引:5,自引:3,他引:2
单站被动纯角度目标跟踪问题在理论和实际应用中一直都是被广泛研究的一个重要而困难的课题。本文提出一种重采样基于观测路径相似性的粒子滤波算法,该算法利用粒子观测路径和系统状态观测路径的相似性来修正粒子权值并使用修正后的权值进行重采样。实验结果表明当观测噪声方差小于系统噪声方差时,该算法在单站被动纯角度目标跟踪的误差均方根值和误差方差上均优于SIR粒子滤波、辅助粒子滤波和高斯粒子滤波。 相似文献
74.
航天器遥测数据是地面运管系统判断其在轨运行状态的唯一依据,其异常检测成为增强航天器在轨可靠性和安全可靠运行的重要依据。但是,遥测数据量大、维度高、参数关系复杂、专业性强的特点为高检测率、低误检率、强解释性的遥测数据异常检测实现带来严峻挑战。本文对航天器遥测数据异常检测领域进行充分的调研,阐述遥测数据异常检测内涵、方法研究及应用现状,尤其针对数据驱动的遥测数据异常检测方法体系进行了系统、详细的分析,并在此基础上归纳总体发展动态,展望未来发展方向,以此为相关研究者提供参考。 相似文献
75.
76.
一种新版本的PXI技术规范给PXI技术带来了更多的优异性能-对于今天更大且更复杂的ATE来说,减少了其研制周期和开发时间,规模和成本。 相似文献
77.
提出了一种基于自定义探针的绑定前TSV测试方法,该方法采用兼容于IEEE 1149.1测试标准的可测性设计结构,通过片上测试电路连接穿透硅通孔(TSV)前端和自定义探针连接TSV后端构成闭合回路,使得阻性故障测试不受故障位置影响,测试结果具有更高的精度。此外,与暂态过程中捕获TSV测试结果的其他测试方法不同,本方法是在稳态过程中进行,这使得寄生电容、TSV电容和生产工艺偏差对测试结果的影响更小,测试鲁棒性更高。经过HSPICE的仿真验证,证明了其有效性,根据仿真结果,对其测试精度,测试时间以及芯片占用面积进行了分析与评估。 相似文献
78.
一种新型复杂时间序列实时预测模型研究 总被引:1,自引:0,他引:1
针对复杂时间序列难以使用单一预测方法进行有效预测的问题,本文提出一种新型多分辨率增量预测模型.该模型首先使用经验模式分解方法对复杂时间序列分解,然后对各分量分别进行增量核空间独立向量组合预测建模,最后对各个分量预测结果等权求和集成为综合预测结果.该预测模型可以实现对复杂时间序列的快速实时预测,实验结果显示该模型在复杂时间序列预测上有良好的性能. 相似文献
79.
80.
针对LS-SVM应用于大样本时间序列预测时存在的计算复杂度高和泛化能力降低的问题,提出一种采用局部模型的时间序列预测方法.该方法采用K-means算法对训练样本进行聚类,并以VRC原则确定最佳聚类数,然后利用LS-SVM对聚类后样本进行局部建模;同时,针对一般LS-SVM建模过程中共轭梯度方法计算效率低的问题,采用Cholseky分解方法以实现计算效率的提升.仿真实验和应用测试表明,该方法用于大规模数据分析时,可在保持预测精度的前提下,提高训练效率5 ~ 28倍,在降低计算复杂度的同时,有效地提高了模型的泛化能力. 相似文献