1) evolutionary spectral density
进化谱密度
1.
At first we introduce the theory of Priestly evolutionary spectral, and get one expression ofPriestly evolutionary spectral density which is easy to calculate.
本文首先阐述了Priestly进化谱理论,得到了Priestly进化谱密度的一个易于计算的表达式,然后基于对Wold-Cra-mer进化谱的数据——自适应进化谱估计法,给出了连续非平稳随机信号进化谱估计法。
2) density evolution
密度进化
1.
In this paper,the basic elements of Density Evolution(DE) is described in detail firstly.
详细描述了密度进化(DE)方法的基本原理,比较和分析了离散密度进化(DDE)、对称傅立叶变换(SFT)和高斯近似(GA)等三种具体算法的特点,并求出AWGN信道下一些度分布的门限值。
2.
Density evolution (DE) is one of the most powerful tools for analyzing the performance of low-density parity- check (LDPC) codes.
密度进化理论是分析低密度校验码的迭代译码性能的有效工具。
3.
In this paper a normalized factor is optimized using Gaussian approximation density evolution algorithm.
通过高斯逼近密度进化算法对在Min-Sum算法中引入的规范化因子进行寻优后发现,改进的算法基本不增加复杂度,却能达到与Log-BP算法非常接近的性能,最后在AD公司的DSP上实现了这一算法。
3) normalized spectral density
标准化谱密度
4) reduced spectral density mapping
约化谱密度映射
5) Discrete density evolution
离散密度进化
6) density evolution theory
密度进化理论
1.
The performance of this new algorithm is systematically analyzed via the density evolution theory.
密度进化理论分析和计算机仿真结果表明,与置信传播算法相比,串行级联译码算法可获得更快的收敛速度和较好的译码性能。
补充资料：功率谱密度估计
随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系。功率谱密度简称为功率谱，是自相关函数的傅里叶变换。对功率谱密度的估计又称功率谱估计。平稳随机信号x(t)的（自）功率谱Sxx(ω)定义为
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
(1)
式中rxx(τ)为平稳随机信号的自相关函数。
对于离散情况，功率谱表示为
(2)
式中T为离散随机信号的抽样间隔时间。
当利用随机信号的 N个抽样值来计算其自相关估值时，即可得到功率谱估计为
(3)
可见，随机信号的功率谱与自相关函数互为傅里叶变换的关系，这两个函数分别从频率域和时间域来表征随机信号的基本特征。按上式计算功率谱估值，其运算量往往很大，通常采用快速傅里叶变换算法，以减少运算次数。
计算信号功率谱的方法可以分为两类：一为线性估计方法，有自相关估计、自协方差法及周期图法等。另一类为非线性估计方法，有最大似然法、最大熵法等。线性估计方法是有偏的谱估计方法，谱分辨率随数据长度的增加而提高。非线性估计方法大多是无偏的谱估计方法，可以获得高的谱分辨率。
参考书目
何振亚：《数字信号处理的理论与应用》，人民邮电出版社，北京，1983。
A. V. Oppenheim, R. W. Schafer, Digital Signal Processing Prentice-Hall, Inc., Englewood Cliffs,New Jersey,1975.
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