期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
具有异步时延的网络化控制系统故障检测 被引量:5
1
作者 谢林柏 纪志成 方华京 《系统仿真学报》 EI CAS CSCD 北大核心 2005年第11期2717-2720,2740,共5页
针对具有异步信号时延的离散系统,研究了在异步时延下基于观测器的故障检测及其设计问题。首先提出了一个存在异步时延下系统的故障检测模型,该模型保持了系统的定常性和时不变特性。同时在此模型上构造了异步时延系统的状态观测器,并... 针对具有异步信号时延的离散系统,研究了在异步时延下基于观测器的故障检测及其设计问题。首先提出了一个存在异步时延下系统的故障检测模型,该模型保持了系统的定常性和时不变特性。同时在此模型上构造了异步时延系统的状态观测器,并依据系统观测误差通过合理地选择湮灭加权矩阵的方法构建了频域内的故障检测残差发生器。最后通过一个摆式列车试验模型的仿真检验了设计方法的有效性。 展开更多
关键词 故障检测 异步时延 观测器 网络化控制系统
下载PDF
满速率满分集优化的单频网发射信号
2
作者 沈莹 唐友喜 《电子科技大学学报》 EI CAS CSCD 北大核心 2010年第5期676-679,705,共5页
针对分布式发射天线单频网,设计了3种发射信号及针对第一种发射信号的优化方案。首先通过误对概率分析,推导出满速率单频网能获得的分集度,设计了一种能达到该分集度的发射信号和具有满分集度的2种发射信号。然后针对第一种发射信号,提... 针对分布式发射天线单频网,设计了3种发射信号及针对第一种发射信号的优化方案。首先通过误对概率分析,推导出满速率单频网能获得的分集度,设计了一种能达到该分集度的发射信号和具有满分集度的2种发射信号。然后针对第一种发射信号,提出了基于异步时延的子载波交织分组的信号优化方法,在接收机位置与性能之间建立了一种折中关系。仿真结果表明,设计的满分集发射信号能获得8dB左右增益,优化后的发射信号能获得5~9dB增益。 展开更多
关键词 异步时延 分集度 误对概率 单频网
下载PDF
一种粗粒度可重构体系结构多目标优化映射算法 被引量:4
3
作者 陈乃金 江建慧 《电子学报》 EI CAS CSCD 北大核心 2015年第11期2151-2160,共10页
针对多约束下的行流水粗粒度可重构体系结构的硬件任务划分映射问题,提出了一种多目标优化映射算法.该算法根据运算节点执行时延、依赖度等因素构造了累加概率权值函数,在满足可重构单元面积和互连等约束下,通过该函数值动态调整就绪节... 针对多约束下的行流水粗粒度可重构体系结构的硬件任务划分映射问题,提出了一种多目标优化映射算法.该算法根据运算节点执行时延、依赖度等因素构造了累加概率权值函数,在满足可重构单元面积和互连等约束下,通过该函数值动态调整就绪节点的映射调度次序,当一块可重构单元阵列当前行映射完毕后,就自动换行,当一块阵列被填满,就切换到下一块,当一个数据流图映射完毕后,就自动计算划分块数等参数.实验结果表明,与层贪婪映射算法相比,文中算法平均执行总周期降低了8.4%(RCA4×4)和5.3%(RCA6×6),与分裂压缩内核映射算法相比,文中算法平均执行总周期降低了20.6%(RCA4×4)和21.0%(RCA6×6),从而验证了文中提出算法的有效性. 展开更多
关键词 可重构单元阵列 时域映射 累加概率权值 异步计算时延 资源约束
下载PDF
面向异步多时延基因调控网络建模的高阶动态贝叶斯网络模型及其结构学习算法 被引量:1
4
作者 王广云 邹志康 +2 位作者 季秀才 田燕 牛天慧 《现代生物医学进展》 CAS 2014年第25期4958-4961,共4页
目的:由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络。方法:提出了一种高阶动态贝叶斯网络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多时... 目的:由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络。方法:提出了一种高阶动态贝叶斯网络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多时延特性。结果:由酵母基因调控网络一个子网络人工生成了加入10%含噪声的表达数据用于调控网络结构学习。在75%的后验概率下,本文提出的高阶动态贝叶斯网络模型能够正确建模实际网络中全部的异步多时延调控关系,而经典动态贝叶斯网络仅能够正确建模实际网络中1/3的调控关系;ROC曲线对比表明在各个后验概率水平上高阶动态贝叶斯网络模型的效果均优于经典动态贝叶斯网络。结论:本文提出的高阶动态贝叶斯网络模型能够精确学习建模具有异步多时延表达调控关系的基因调控网络。 展开更多
关键词 基因调控网络 异步时延 高阶动态贝叶斯网络 学习算法
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部