检索结果-内蒙古大学图书馆

低温条件下光学厚度对Tm^(3+):YAG材料光谱烧孔孔深的影响（英文）

红外与激光工程 2015年第3期44卷 964-968页

作者：马秀荣王夏洋天津理工大学计算机与通信工程学院光电器件与通信技术教育部通信研究中心天津300384 天津理工大学电子信息学院天津理工大学薄膜电子与通信器件重点实验室天津300384

通过理论与实验研究了光学厚度对Tm3+:YAG材料光谱烧孔孔深的影响。提出了一种用于分析光学厚度对光谱烧孔孔深影响的新模型。该模型从理论上推导了烧孔孔深与光学厚度的关系。根据提出的理论模型,当温度大于4 K时,通过选择合适的光学... 详细信息

通过理论与实验研究了光学厚度对Tm3+:YAG材料光谱烧孔孔深的影响。提出了一种用于分析光学厚度对光谱烧孔孔深影响的新模型。该模型从理论上推导了烧孔孔深与光学厚度的关系。根据提出的理论模型,当温度大于4 K时,通过选择合适的光学厚度可以使光谱烧孔孔深得到最大值。最后通过使用合适的激光与Tm3+:YAG材料所形成的光谱烧孔实验证明了实验结果与理论分析是相一致的。

关键词：光谱烧孔孔深光学厚度Tm^3+:YAG 温度

来源：评论

学校读者我要写书评

暂无评论

一种ELMMSE信道估计算法的简化计算方法

引用

科学技术与工程 2014年第17期22卷 210-215页

作者：李奇马秀荣史清响高培方天津理工大学计算机与通信工程学院光电器件与通信技术教育部工程研究中心、薄膜电子与通信器件天津市重点实验室天津300384

提出一种ELMMSE信道估计算法的简化计算方法。为简化ELMMSE信道估计算法的复杂度,首先利用信道自相关矩阵的固有特性,简化了信道自相关矩阵求解;然后利用算法中逆矩阵满足共轭对称Toeplitz特性,简化了矩阵求逆。结果表明:当OFDM子载波数... 详细信息

提出一种ELMMSE信道估计算法的简化计算方法。为简化ELMMSE信道估计算法的复杂度,首先利用信道自相关矩阵的固有特性,简化了信道自相关矩阵求解;然后利用算法中逆矩阵满足共轭对称Toeplitz特性,简化了矩阵求逆。结果表明:当OFDM子载波数为128时,提出的ELMMSE算法简化计算方法的复乘、复加次数分别减小为ELMMSE算法的5.84%和5.79%。其中,信道自相关矩阵求解的复乘、复加次数分别减少了33.14%和16.64%;矩阵求逆的复乘、复加次数均由原来的o(N3)变为o(N2)。

关键词：正交频分复用信道估计等价线性最小均方误差信道自相关矩阵

来源：评论

学校读者我要写书评

暂无评论

一种改进的双对角阵线性最小均方误差信道估计算法

引用

科学技术与工程 2014年第35期22卷 232-236页

作者：白媛高培方马秀荣李奇天津理工大学计算机与通信工程学院光电器件与通信技术教育部工程研究中心天津300384 天津理工大学薄膜电子与通信器件天津市重点实验室天津300384 桂林电子科技大学广西可信软件重点实验室桂林541004

提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不... 详细信息

提出一种不同宽度的双对角阵线性最小均方误差(dual-diagonal linear-minimum-mean-square-error,DDLMMSE)信道估计算法。该算法在DDLMMSE信道估计算法的基础上,利用相邻子载波间的相关性,将DDLMMSE算法中的对角阵扩展为K重对角阵,在不显著增加算法复杂度的前提下,提高了DDLMMSE信道估计算法的估计精度。仿真结果表明,与DDLMMSE算法相比,当正交频分复用(orthogonal frequency division multiplexing,OFDM)子载波数为128时,获得相同的误码率BER=10-1时,宽度为3的DDLMMSE算法所需的信噪比约有0.5 d B的减小,可以根据性能要求选择合适的宽度。

关键词： OFDM 信道估计DDLMMSE 不同宽度DDLMMSE

来源：评论

学校读者我要写书评

暂无评论

基于多普勒辅助和门限定阶的LMMSE信道估计算法

引用

天津理工大学学报 2014年第1期30卷 15-20页

作者：于日方李奇马秀荣姜凯天津光电集团有限公司天津300211 天津理工大学计算机与通信工程学院光电器件与通信技术教育部工程研究中心薄膜电子与通信器件天津市重点实验室天津300384

基于门限定阶的LMMSE信道估计方法在高速时变环境下均方误差(MSE)较大,因此本文提出一种基于多普勒辅助和门限定阶的LMMSE信道估计算法.该方法将一种多普勒辅助的插值方法应用到基于门限定阶的LMMSE信道估计算法中,以此来降低多普勒频... 详细信息

基于门限定阶的LMMSE信道估计方法在高速时变环境下均方误差(MSE)较大,因此本文提出一种基于多普勒辅助和门限定阶的LMMSE信道估计算法.该方法将一种多普勒辅助的插值方法应用到基于门限定阶的LMMSE信道估计算法中,以此来降低多普勒频移对信道估计的影响,减小了MSE且并不明显增加运算量.仿真实验表明,在移动台速度达到300 km/h,信噪比为10时,本文算法比自适应定阶的MMSE算法的MSE减小26.5%;当移动台速度迭到300 km/h,误码率性能为10^(-2)时,本文算法与自适应定阶的MMSE信道估计算法相比输入信噪比有1dB的改善.

关键词：信道估计线性最小均方误差门限定阶插值算法

来源：评论

学校读者我要写书评

暂无评论

基于时间卷积脉冲神经网络的超表面信号识别

引用

天津理工大学学报 2024年第6期40卷 87-93页

作者：孙娜李毅天津理工大学计算机科学与工程学院 “学习型智能系统”教育部工程研究中心天津300384 天津理工大学集成电路科学与工程学院光电器件与通信技术教育部工程研究中心天津市薄膜电子与通信器件重点实验室天津300384

近年来,随着人工智能的发展,研究人员逐渐尝试将超表面信号与深度学习相结合进行研究。为了准确高效地完成超表面信号的识别任务,提出了一种基于时间卷积脉冲神经网络(temporal convolutional spiking neural network,TCSNN)的超表面信... 详细信息

近年来,随着人工智能的发展,研究人员逐渐尝试将超表面信号与深度学习相结合进行研究。为了准确高效地完成超表面信号的识别任务,提出了一种基于时间卷积脉冲神经网络(temporal convolutional spiking neural network,TCSNN)的超表面信号识别方法。TCSNN是通过在浅层全连接的脉冲神经网络上,加入时间卷积和残差结构两个模块进行构建的,然后基于超表面信号数据集,与全连接的脉冲神经网络和脉冲卷积神经网络(convolutional spiking neural network,CSNN)两个网络模型进行对比实验,对本模型的性能进行评估。实验结果表明:相较于其他两种常用的脉冲神经网络模型,提出的TCSNN可以取得最优的识别效果。总之,提出的方法不仅为光学信号识别领域的研究提供了一种新思路,而且可以对脉冲神经网络的发展起到一定推动作用。

关键词：脉冲神经网络时间卷积残差结构超表面

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：