論文元數(shù)據(jù)搜索，找到相關(guān)信息共 7 條：
1998, 20(2): 199-205.
刊出日期：1998-03-19
關(guān)鍵詞:
En-In噪聲模型; 同相放大器; 反相放大器; 電壓負(fù)反饋
本文通過分析和比較同相和反相放大器En-In噪聲的特點(diǎn),給出了若干新結(jié)果。本文方法在低噪聲運(yùn)放電路設(shè)計和運(yùn)放噪聲參數(shù)提取中都具有十分重要的意義。
2008, 30(7): 1666-1670.
doi: 10.3724/SP.J.1146.2006.01872
刊出日期：2008-07-19
關(guān)鍵詞:
陣列信號處理; 二維測向; 非圓信號; MUSIC
該文利用雙平行線陣的陣列結(jié)構(gòu),提出了用于非圓信號二維方向和初相聯(lián)合估計的擴(kuò)展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估計得到的方位角、俯仰角與初相一一對應(yīng),自動配對,其可測向信號數(shù)大于子陣陣元數(shù),方位及俯仰測角精度與非圓信號二維測向酉ESPRIT(2D-NC-UESPRIT)算法大致相當(dāng),優(yōu)于波達(dá)方向矩陣法(DOAM)。
1999, 21(3): 296-301.
刊出日期：1999-05-19
關(guān)鍵詞:
帶通信號; 正交采樣; 復(fù)包絡(luò); 多相濾波器組
提出了一種在基帶采樣率內(nèi)對任意帶通信號的正交采樣技術(shù)。載頻位于ADC(模/數(shù)轉(zhuǎn)換器)基帶采樣率內(nèi)的任意帶通信號,經(jīng)1/2抽取和(-1)n調(diào)制,再由全通線性多相濾波器內(nèi)插后,得到其復(fù)包絡(luò)的調(diào)制輸出XI(n)和XQ(n)。
2004, 26(11): 1787-1791.
刊出日期：2004-11-19
關(guān)鍵詞:
流密碼;周期序列;線性復(fù)雜度;-錯復(fù)雜度
密碼學(xué)意義上強(qiáng)的序列不僅應(yīng)該具有足夠高的線性復(fù)雜度,而且當(dāng)少量比特發(fā)生改變時不會引起線性復(fù)雜度的急劇下降,即具有高的-錯復(fù)雜度.該文以多項式的因式分解為主要工具研究了任意有限域GF(q)上,周期N與p互素以及N=v這兩種情況下,計數(shù)函數(shù)NN,0(c)的值,并給出了線性復(fù)雜度的數(shù)學(xué)期望EN,0的值以及-錯復(fù)雜度的數(shù)學(xué)期望EN,的一個有用的下界,這里p是有限域GF(q)的特征.
1992, 14(3): 281-285.
刊出日期：1992-05-19
關(guān)鍵詞:
圖論及其應(yīng)用; 偶圖; 完備匹配; 許配樹
求給定偶圖的所有完備匹配問題在LSI/VLSI的布圖設(shè)計方面有著重要的應(yīng)用。本文提出了一種求解這一問題的算法。(1)提出了許配樹的概念并討論了其性質(zhì);(2)證明了任意一棵許配樹T(xi)對應(yīng)于給定偶圖的所有完備匹配的定理;(3)給出了求給定偶圖的所有完備匹配的算法。本算法已在BST 386 CAD工作站上用C語言實(shí)現(xiàn)。運(yùn)行結(jié)果證明了算法的正確性。算法已作為正在研充的VLSI積木塊布圖設(shè)計系統(tǒng)中的一個模塊。
2016, 38(8): 1894-1900.
doi: 10.11999/JEIT151207
刊出日期：2016-08-19
海量機(jī)器類終端(或MTC終端)同步入網(wǎng)時，其業(yè)務(wù)呈現(xiàn)瞬時突發(fā)性，這使得基于齊次或復(fù)合泊松假設(shè)的多信道S-ALOHA穩(wěn)態(tài)性能分析辦法難以直接應(yīng)用。該文以第i個隨機(jī)接入時隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)Mi(j)作為狀態(tài)變量，提出了一種沿Mi(j) 的j方向迭代進(jìn)行多信道S-ALOHA暫態(tài)性能分析的辦法及其近似形式。該迭代辦法可建立第i個隨機(jī)接入時隙內(nèi)第j次進(jìn)行隨機(jī)接入的用戶數(shù)與第x個隨機(jī)接入時隙內(nèi)新到用戶數(shù)的直接關(guān)系(其中xi)，也可給出接入時延概率密度函數(shù)、概率分布函數(shù)和均值的求解辦法。以3GPP MTC業(yè)務(wù)參考模型進(jìn)行數(shù)值仿真，驗(yàn)證了所提迭代辦法及其近似形式的有效性。相關(guān)研究可為承載網(wǎng)絡(luò)的優(yōu)化設(shè)計提供參考。
2024, 46(1): 195-203.
doi: 10.11999/JEIT221517
刊出日期：2024-01-17
由于數(shù)據(jù)量激增而引起的信息爆炸使得傳統(tǒng)集中式云計算不堪重負(fù)，邊緣計算網(wǎng)絡(luò)(ECN)被提出以減輕云服務(wù)器的負(fù)擔(dān)。此外，在ECN中啟用聯(lián)邦學(xué)習(xí)(FL)，可以實(shí)現(xiàn)數(shù)據(jù)本地化處理，從而有效解決協(xié)同學(xué)習(xí)中邊緣節(jié)點(diǎn)(ENs)的數(shù)據(jù)安全問題。然而在傳統(tǒng)FL架構(gòu)中，中央服務(wù)器容易受到單點(diǎn)攻擊，導(dǎo)致系統(tǒng)性能下降，甚至任務(wù)失敗。本文在ECN場景下，提出基于區(qū)塊鏈技術(shù)的異步FL算法(AFLChain)，該算法基于ENs算力動態(tài)分配訓(xùn)練任務(wù)，以提高學(xué)習(xí)效率。此外，基于ENs算力、模型訓(xùn)練進(jìn)度以及歷史信譽(yù)值，引入熵權(quán)信譽(yù)機(jī)制評估ENs積極性并對其分級，淘汰低質(zhì)EN以進(jìn)一步提高AFLChain的性能。最后，提出基于次梯度的最優(yōu)資源分配(SORA)算法，通過聯(lián)合優(yōu)化傳輸功率和計算資源分配以最小化整體網(wǎng)絡(luò)延遲。仿真結(jié)果展示了AFLChain的模型訓(xùn)練效率以及SORA算法的收斂情況，證明了所提算法的有效性。
