版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、稀疏貝葉斯學(xué)習(xí)方法是一種基于貝葉斯框架的函數(shù)方法,它能夠充分挖掘和利用先驗(yàn)信息,假定先驗(yàn)信息的概率分布情況,對要解決的問題進(jìn)行合理的建模,實(shí)現(xiàn)低維模型的學(xué)習(xí)。將稀疏貝葉斯學(xué)習(xí)方法用于空閑頻譜感知的難點(diǎn)在于確定貝葉斯最優(yōu)假設(shè)的計(jì)算代價(jià)比較大以及感知精度不準(zhǔn),本文圍繞這些問題展開了研究工作。
為了降低對寬帶信號進(jìn)行壓縮頻譜感知的復(fù)雜度,提出了一種基于變分稀疏貝葉斯學(xué)習(xí)的頻譜檢測方法。該算法直接利用壓縮測量值對授權(quán)用戶的位置、個(gè)數(shù)以
2、及功率傳播圖進(jìn)行了估計(jì),在先驗(yàn)知識未知的情況下,利用變分稀疏貝葉斯求解稀疏權(quán)值。在變分算法中采用簡單函數(shù)因子逼近復(fù)雜難以求解的后驗(yàn)分布,這樣大大降低了邊緣似然函數(shù)的計(jì)算難度。而且變分稀疏貝葉斯方法在推導(dǎo)圖示模型時(shí)還能夠提供一致的推導(dǎo)框架。實(shí)驗(yàn)結(jié)果表明:該方法在感知速度和精度上都有明顯提高。
為了克服深衰落、陰影效應(yīng)、隱藏終端等對認(rèn)知用戶感知精度的影響,同時(shí)在沒有融合中心的情況下,使每個(gè)認(rèn)知用戶能夠獲得全局最優(yōu)解。本文提出了基于
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏貝葉斯學(xué)習(xí)的DOA估計(jì)算法.pdf
- 基于貝葉斯推斷的認(rèn)知無線電頻譜檢測.pdf
- 快速塊稀疏貝葉斯學(xué)習(xí)算法的理論與應(yīng)用.pdf
- 基于稀疏貝葉斯學(xué)習(xí)的三維ISAR成像技術(shù).pdf
- 16669.貝葉斯網(wǎng)絡(luò)模型的變分貝葉斯學(xué)習(xí)與推理研究
- 基于稀疏貝葉斯學(xué)習(xí)和吉布斯采樣的結(jié)構(gòu)損傷識別研究.pdf
- 基于稀疏貝葉斯的相關(guān)信號DOA估計(jì).pdf
- 稀疏貝葉斯學(xué)習(xí)理論及應(yīng)用研究.pdf
- 基于貝葉斯學(xué)習(xí)的RFID室內(nèi)定位方法的研究.pdf
- 基于稀疏貝葉斯的半監(jiān)督超限學(xué)習(xí)機(jī)分類算法研究.pdf
- 基于稀疏貝葉斯學(xué)習(xí)的雷達(dá)自動(dòng)目標(biāo)識別方法研究.pdf
- 基于最小貝葉斯風(fēng)險(xiǎn)的頻譜感知技術(shù)的研究.pdf
- 基于快速稀疏貝葉斯學(xué)習(xí)算法的雷達(dá)數(shù)據(jù)融合技術(shù)研究.pdf
- 貝葉斯頻譜估計(jì)在電纜故障檢測與二維目標(biāo)定位中的應(yīng)用.pdf
- 基于圖拉普拉斯的稀疏貝葉斯分類算法研究.pdf
- 基于層次貝葉斯自適應(yīng)稀疏的高斯混合模型.pdf
- 基于ARMA-稀疏貝葉斯模型的匯率預(yù)測研究.pdf
- 基于貝葉斯分類的入侵檢測規(guī)則學(xué)習(xí)模型的研究與實(shí)現(xiàn).pdf
- 基于貝葉斯決策的智能入侵檢測系統(tǒng).pdf
- 基于貝葉斯模型的圖像顯著度檢測.pdf
評論
0/150
提交評論