常模信號是一類非常重要的信號,而專門應用于常模信號的常模算法[1]具有復雜度較低、實現起來比較簡單、對陣列模型的偏差不敏感等顯著的優點。因此,常模算法引起了眾多學者的廣泛關注。近年來,常模算法在多用戶檢測領域[2]的研究越來越受到諸多學者的關注。不僅如此,常模算法在其他領域也是備受矚目,如常模算法在盲均衡以及波束形成等領域的應用也是目前研究的熱點。除此之外,常模算法已經不僅僅局限在應用于常模信號,也可應用于多模信號[3]等。 本文對常模算法在多用戶檢測領域的應用以及FPGA[4]實現作了較多的研究工作,共分六章進行闡述。第一章為緒論,介紹了論文相關背景和本文的結構;第二章首先對常模算法作了理論分析,并改進了傳統的2-2型常模算法,我們稱之為M2-2CMA,它在誤碼率性能上有一些改善;之后在MATLAB平臺上搭建了仿真平臺,分析了常模算法在多用戶檢測中的應用;第三章研究了相關文獻,簡單介紹了FPGA概念及其設計流程和設計方法,并對VerilogHDL以及Quartus軟件做了簡要介紹;第四章則詳細介紹了常模算法的FPGA實現,用一種基于統計數據的方法確定了數據位長及精度,提出了其實現的系統框圖,并詳細闡述了各主要模塊的設計與實現,同時給出了最后的報告文件以及最高數據處理速度;第五章則在MATLAB平臺和QuartuslI的基礎上搭建了一個仿真平臺,借助于平臺分析了2-2型常模算法移植到FPGA平臺后的性能,對不同的精度對系統性能的影響做了討論,也統計了不同信噪比、多址干擾下的誤碼率性能。最后一章是對全文的總結和對未來的展望。
上傳時間: 2013-06-23
上傳用戶:hzy5825468
采用現場可編程門陣列(FPGA)可以快速實現數字電路,但是用于生成FPGA編程的比特流文件的CAD工具在編制大規模電路時常常需要數小時的時間,以至于許多設計者甚至通過在給定FPGA上采用更多的資源,或者以犧牲電路速度為代價來提高編制速度。電路編制過程中大部分時間花費在布線階段,因此有效的布線算法能極大地減少布線時間。 許多布線算法已經被開發并獲得應用,其中布爾可滿足性(SAT)布線算法及幾何查找布線算法是當前最為流行的兩種。然而它們各有缺點:基于SAT的布線算法在可擴展性上有很大缺陷;幾何查找布線算法雖然具有廣泛的拆線重布線能力,但當實際問題具有嚴格的布線約束條件時,它在布線方案的收斂方面存在很大困難。基于此,本文致力于探索一種能有效解決以上問題的新型算法,具體研究工作和結果可歸納如下。 1、在全面調查FPGA結構的最新研究動態的基礎上,確定了一種FPGA布線結構模型,即一個基于SRAM的對稱陣列(島狀)FPGA結構作為研究對象,該模型僅需3個適合的參數即能表示布線結構。為使所有布線算法可在相同平臺上運行,選擇了美國北卡羅來納州微電子中心的20個大規模電路作為基準,并在布線前采用VPR399對每個電路都生成30個布局,從而使所有的布線算法都能夠直接在這些預制電路上運行。 2、詳細研究了四種幾何查找布線算法,即一種基本迷宮布線算法Lee,一種基于協商的性能驅動的布線算法PathFinder,一種快速的時延驅動的布線算法VPR430和一種協商A
上傳時間: 2013-05-18
上傳用戶:ukuk
交換式以太網網絡的拓撲結構設計是一個帶約束的優化問題,需要同時考慮多種約束條件。本文中定義了兩個主要的準則:交換機負載均衡和流量最短路徑。根據設計目標而衡量每條準則的權重,對拓撲進行評分而進行網絡的拓撲結構設計。該方法以終端節點間網絡流量需求矩陣和終端設備間流量優先級矩陣為輸入,利用遺傳算法從所有的拓撲結構中找出最優拓撲,決定交換機生成樹拓撲和終端節點的分布位置。通過網絡仿真,可以證明此方法的有效性。
上傳時間: 2013-10-18
上傳用戶:stewart·
摘要:采用表面組裝技術(surface mountt echnology,SMT)進行印制板級電子電路組裝是當代組裝技術發展的主流。典型的SMT生產線是由高速機和多功能機串聯而成,印制電路板(printed circuit board,PCB)上的元器件在貼片機之間的負荷均衡優化問題是SMT生產調度的關鍵問題。以使貼片時間與更換吸嘴時間之和最大的工作臺生產時間最小化為目標構建了負荷均衡模型,開發了相應的遺傳算法,并進行了數值實驗與算法評價。與生產時間理論下界和現場機器自帶軟件調度方案的對比表明了模型及其算法的有效性。關鍵詞:印制電路板;表面組裝生產線;負荷分配;生產線優化
上傳時間: 2013-10-09
上傳用戶:亞亞娟娟123
在某系統碼相關測距中,每一個飛機的詢問信號都可能會成為其他飛機的干擾。在有限的可用功率下,就需要一個可靠和高效的功率控制策略。納什博弈(非合作博弈)理論是適合于功率控制問題的一種理論,是飛機在信噪比和功率利用之間選擇一種均衡。文獻[1]研究了這個問題的納什博弈論策略,得到了一個非線性系統代數方程,并提出了一種定點迭代的功率控制算法。文中研究了一種新的基于牛頓迭代的功率控制策略來解決此類代數方程。仿真結果說明了牛頓迭代算法的效率明顯提高。
上傳時間: 2013-10-13
上傳用戶:AISINI005
模擬退火算法 模擬退火算法(Simulated Annealing,簡稱SA算法)是模擬加熱熔化的金屬的退火過程,來尋找全局最優解的有效方法之一。 模擬退火的基本思想和步驟如下: 設S={s1,s2,…,sn}為所有可能的狀態所構成的集合, f:S—R為非負代價函數,即優化問題抽象如下: 尋找s*∈S,使得f(s*)=min f(si) 任意si∈S (1)給定一較高初始溫度T,隨機產生初始狀態S (2)按一定方式,對當前狀態作隨機擾動,產生一個新的狀態S’ S’=S+sign(η).δ 其中δ為給定的步長, η為[-1,1]的隨機數
標簽: Simulated Annealing 模擬退火算法 模擬
上傳時間: 2014-01-02
上傳用戶:gengxiaochao
算法ebook(10部算法經典著作的合集) 算法ebook> 10部算法經典著作的合集 chm格式 (1)Fundamentals of Data Structures by Ellis Horowitz and Sartaj Sahni (2)Data Structures, Algorithms and Program Style Using C by James F. Korsh and Leonard J. Garrett (3)Data Structures and Algorithm Analysis in C by Mark Allen Weiss (4)Data Structures: From Arrays to Priority Queues by Wayne Amsbury (5)Information Retrieval: Data Structures & Algorithms edited by William B. Frakes and Ricardo Baeza-Yates (6)Introduction to Algorithms by Thomas H. Cormen, Charles E. Leiserson, and Ronald L. Rivest (7)Practical Data Structures in C++ by Bryan Flamig (8)Reliable Data Structures in C by Thomas Plum (9)Data Structures and Algorithms Alfred V. Aho, Bell Laboratories, Murray Hill, New Jersey John E. Hopcroft, Cornell University, Ithaca, New York Jeffrey D. Ullman, Stanford University, Stanford, California (10)DDJ Algorithms and Data Structures Articles
標簽: ebook Fundamentals Structures Ellis
上傳時間: 2015-04-04
上傳用戶:tfyt
模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽: 模擬退火算法
上傳時間: 2015-04-24
上傳用戶:R50974
模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽: 模擬退火算法
上傳時間: 2015-04-24
上傳用戶:ryb
模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。
標簽: 模擬退火算法
上傳時間: 2014-12-19
上傳用戶:TRIFCT