1) Minimum Mean Square Error-Ordered Successive Interference Cancellation
MMSE-OSIC算法
2) MMSE algorithm
MMSE算法
3) MMSE-LSD-DFE algorithm
MMSE-LSD-DFE算法
5) List-OSIC
列表OSIC
1.
Simulation and comparison results of complexity show that List-OSIC algorithm evidently outperforms ZF-OSIC algorithm and is even close to ML detection performance under uncorrelated and highly correlated channels and achieves a good tradeoff between performance and complexity.
针对上述算法的问题,本文提出了一种列表OSIC检测算法,该算法在不显著增加复杂度的前提下,通过联合ML矢量搜索和排序连续干扰抵消提高了检测符号的分集,从而提高了系统的整体检测性能。
6) MMSE-SRAKE receiver
MMSE-SRAKE
1.
Due to a large number of multipath components in a typical ultra-wideband(UWB)system,a new MMSE-SRAKE receiver scheme was employed.
根据超宽带室内信道多径的特点,阐述了一种新型的MMSE-SRAKE接收机,采用基于遗传(GA)算法的路径选择方法。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条