1) Bootstrap filter
自举滤波器
2) bootstrap
自举
1.
Research on the Bootstrap Method for Ontology Learning in the Web Environment;
Web环境下自举本体学习方法研究
2.
This paper uses a high-performance SHE-PWM control chip and with the bootstrap circuit driver chips,combined constitute the IGBT inverter bridge,composed of a highly cost-effective inverter design.
本文采用高性能的SHE-PWM控制芯片及带自举电路的驱动芯片,结合IGBT构成的逆变桥,组成了一种性价比极高的逆变电源的设计方案。
3.
The SVPWM technology was applied and the driving circuit with bootstrap function was proposed.
系统采用电压空间矢量脉宽调制(SVPWM)技术并设计了具有自举功能的驱动电路。
3) boot
自举
1.
Multi-DSP based multi-model boot system;
多DSP的混合模式自举系统
2.
In this paper,the boot processing of TMS320C6000 series Dsps is discussed The detailed ROM boot processing is presented taking TMS320C6701 as an exampl
以 C6 70 1为例详细介绍了 TMS32 0 C6 0 0 0系列 DSP的 ROM自举过
4) assembling & disassembling
自举升
5) Bootstrap
自举法
1.
Develop Bootstrap method for model validation.
目的 建立健康志愿者口服环孢素A(cyclosporinA ,CsA)微乳制剂药时曲线下面积 (AUC0 -12 )与药物不同时间浓度点之间的多元回归模型 ,以自举法 (Bootstrap)对该多元回归模型进行验证。
2.
Based on the study on data distribution characteristics, a new robust statistics method,kernel density estimation, coupled with bootstrap method is introduced to acquire the representative values of silica dioxide content and the standard deviations for imported iron ores.
对我国近两年490批次、23个进口国的进口铁矿中SiO2含量进行了总体统计分析,在数据统计分布特征研究基础上,使用内核密度估计对进口铁矿SiO2含量进行数据多态性分析,使用自举法对原始数据样本值重复取样以获得稳健的SiO2含量代表值估计及标准偏差,并证明以自举法重新取样样本分布的均值与标准偏差作为有限单次样本代表值是合理、有效的。
3.
For studying which one is more effective for the statistical power between the MonteCarlo Asymptotic Test and the Bootstrap Test, the power and scale of different nonlinear models are compared in this paper based on simulation, and the generalized linear test BDS, is also included.
本文基于模拟方法比较了不同非线性时序模型的LM检验的功效和规模,同时也考虑一般化线性检验BDS检验参与比较,目的在于探讨蒙特卡洛渐近法检验与自举法(bootstrap)检验的两类临界值的统计功效何者更为有效。
6) bootstrap current
自举电流
1.
The alignment of bootstrap current in tokamak;
Tokamak中自举电流的剖面准直性
2.
The bootstrap current produced by fusion born alpha particles is investigated.
本文对聚变产生的α粒子自举电流进行了研究,研究中采用了简便的Pade近似形式,同时考虑了回旋角散射效应和慢化过程中牵引作用的影响,给出了α粒子自举电流计算的理论表达式。
3.
This simulation takes into account of the plasma bootstrap current,ion cyclotron resonance heating and fast wave current drive.
模拟中考虑了自举电流,并加入了离子回旋共振加热ICRH和快波电流驱动FWCD,得到了中心电子温度4。
参考词条
补充资料:自适应滤波器
以输入和输出信号的统计特性的估计为依据,采取特定算法自动地调整滤波器系数,使其达到最佳滤波特性的一种算法或装置。自适应滤波器可以是连续域的或是离散域的。离散域自适应滤波器由一组抽头延迟线、可变加权系数和自动调整系数的机构组成。附图表示一个离散域自适应滤波器用于模拟未知离散系统的信号流图。自适应滤波器对输入信号序列x(n)的每一个样值,按特定的算法,更新、调整加权系数,使输出信号序列y(n)与期望输出信号序列d(n)相比较的均方误差为最小,即输出信号序列y(n)逼近期望信号序列d(n)。
20世纪40年代初期,N.维纳首先应用最小均方准则设计最佳线性滤波器,用来消除噪声、预测或平滑平稳随机信号。60年代初期,R.E.卡尔曼等发展并导出处理非平稳随机信号的最佳时变线性滤波设计理论。维纳、卡尔曼-波色滤波器都是以预知信号和噪声的统计特征为基础,具有固定的滤波器系数。因此,仅当实际输入信号的统计特征与设计滤波器所依据的先验信息一致时,这类滤波器才是最佳的。否则,这类滤波器不能提供最佳性能。70年代中期,B.维德罗等人提出自适应滤波器及其算法,发展了最佳滤波设计理论。
以最小均方误差为准则设计的自适应滤波器的系数可以由维纳-霍甫夫方程解得
(1)式中W(n)为离散域自适应滤波器的系数列矩阵(n)为输入信号序列x(n)的自相关矩阵的逆矩阵,Φdx(n)为期望输出信号序列与输入信号序列x(n)的互相关列矩阵。
B.维德罗提出的一种方法,能实时求解自适应滤波器系数,其结果接近维纳-霍甫夫方程近似解。这种算法称为最小均方算法或简称 LMS法。这一算法利用最陡下降法,由均方误差的梯度估计从现时刻滤波器系数向量迭代计算下一个时刻的系数向量
(2)式中憕[ε2(n)]为均方误差梯度估计,
(3)ks为一负数,它的取值决定算法的收敛性。要求,其中λ为输入信号序列x(n)的自相关矩阵最大特征值。
自适应 LMS算法的均方误差超过维纳最佳滤波的最小均方误差,超过量称超均方误差。通常用超均方误差与最小均方误差的比值(即失调)评价自适应滤波性能。
抽头延迟线的非递归型自适应滤波器算法的收敛速度,取决于输入信号自相关矩阵特征值的离散程度。当特征值离散较大时,自适应过程收敛速度较慢。格型结构的自适应算法得到广泛的注意和实际应用。与非递归型结构自适应算法相比,它具有收敛速度较快等优点。人们还研究将自适应算法推广到递归型结构;但由于递归型结构自适应算法的非线性,自适应过程收敛性质的严格分析尚待探讨,实际应用尚受到一定限制。
自适应滤波器应用于通信领域的自动均衡、回波消除、天线阵波束形成,以及其他有关领域信号处理的参数识别、噪声消除、谱估计等方面。对于不同的应用,只是所加输入信号和期望信号不同,基本原理则是相同的。
参考书目
R.A.Monzingo, T.W.Miller, Introduction to Adaptive Arrays, John Wiley and Sons,New York,1980.
20世纪40年代初期,N.维纳首先应用最小均方准则设计最佳线性滤波器,用来消除噪声、预测或平滑平稳随机信号。60年代初期,R.E.卡尔曼等发展并导出处理非平稳随机信号的最佳时变线性滤波设计理论。维纳、卡尔曼-波色滤波器都是以预知信号和噪声的统计特征为基础,具有固定的滤波器系数。因此,仅当实际输入信号的统计特征与设计滤波器所依据的先验信息一致时,这类滤波器才是最佳的。否则,这类滤波器不能提供最佳性能。70年代中期,B.维德罗等人提出自适应滤波器及其算法,发展了最佳滤波设计理论。
以最小均方误差为准则设计的自适应滤波器的系数可以由维纳-霍甫夫方程解得
(1)式中W(n)为离散域自适应滤波器的系数列矩阵(n)为输入信号序列x(n)的自相关矩阵的逆矩阵,Φdx(n)为期望输出信号序列与输入信号序列x(n)的互相关列矩阵。
B.维德罗提出的一种方法,能实时求解自适应滤波器系数,其结果接近维纳-霍甫夫方程近似解。这种算法称为最小均方算法或简称 LMS法。这一算法利用最陡下降法,由均方误差的梯度估计从现时刻滤波器系数向量迭代计算下一个时刻的系数向量
(2)式中憕[ε2(n)]为均方误差梯度估计,
(3)ks为一负数,它的取值决定算法的收敛性。要求,其中λ为输入信号序列x(n)的自相关矩阵最大特征值。
自适应 LMS算法的均方误差超过维纳最佳滤波的最小均方误差,超过量称超均方误差。通常用超均方误差与最小均方误差的比值(即失调)评价自适应滤波性能。
抽头延迟线的非递归型自适应滤波器算法的收敛速度,取决于输入信号自相关矩阵特征值的离散程度。当特征值离散较大时,自适应过程收敛速度较慢。格型结构的自适应算法得到广泛的注意和实际应用。与非递归型结构自适应算法相比,它具有收敛速度较快等优点。人们还研究将自适应算法推广到递归型结构;但由于递归型结构自适应算法的非线性,自适应过程收敛性质的严格分析尚待探讨,实际应用尚受到一定限制。
自适应滤波器应用于通信领域的自动均衡、回波消除、天线阵波束形成,以及其他有关领域信号处理的参数识别、噪声消除、谱估计等方面。对于不同的应用,只是所加输入信号和期望信号不同,基本原理则是相同的。
参考书目
R.A.Monzingo, T.W.Miller, Introduction to Adaptive Arrays, John Wiley and Sons,New York,1980.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。