【碩士論文】lte-tdd系統(tǒng)enodeb端空閑狀態(tài)-資料下載頁
2025-04-21 05:11本頁面
【導讀】采用OFDM和MIMO作為其無線網(wǎng)絡演。進的唯一標準，被視作從3G向4G演進的主流技術。LTE項目的研究意義。此舉對加快LTE技術的商用化進程，推。為使UE完成上述三個任務，成功駐留可提。在空閑狀態(tài)下eNodeB端主要工作是。信息，向某個UE或某組UE發(fā)送特定控制信息?？臻e狀態(tài)是LTE-TDD系統(tǒng)最重要的過程之一，空閑狀態(tài)eNodeB端物理層流程：。帶信號進行發(fā)送。擇方案，分別對應3個小區(qū)組內(nèi)號。相應u帶入公式計算生成長度為62比特的ZC序列。PSS的數(shù)據(jù)量不大，但計。每次開機時，開機指示原語會配置小區(qū)鑒別。物理層計算小區(qū)組
【正文】 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 81 .0 0識別率人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法，參數(shù) 1 加權平均臉算法，參數(shù) 2 加權平均臉算法，參數(shù) 32 4 6 8 10 12 14 160 .7 80 .8 00 .8 20 .8 40 .8 60 .8 80 .9 00 .9 2識別率人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法，參數(shù) 1 加權平均臉算法，參數(shù) 2 加權平均臉算法，參數(shù) 3圖 13 使用 ORL人臉庫的識別率 圖 14 使用 YALE人臉庫的識別率 結論一： 加權平均臉算法提高了算法的識別率，在使用 ORL人臉庫 和 YALE人臉庫的實驗中，平均識別率分別為 %和 %。 結論二： 選擇 4個或 5個訓練樣本組成平均臉有最好的結果 結論三： 和改進的 2DPCA算法相同，光照變化同樣影響了識別 率的提高。 啟迪管理課程 重慶郵電大學碩士論文答辯 42 主要工作二：加權平均臉算法的識別時間 圖 15 使用 ORL人臉庫實驗所用時間 圖 16 使用 YALE人臉庫實驗所用時間 0 5 10 15 20 25 30 35 40 450 .00 .51 .01 .52 .02 .53 .03 .54 .04 .55 .05 .56 .06 .5識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法2 4 6 8 10 12 14 160 .10 .20 .30 .40 .50 .60 .70 .80 .91 .01 .11 .21 .31 .41 .51 .61 .71 .81 .9識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權平均臉算法啟迪管理課程 重慶郵電大學碩士論文答辯 43 內(nèi)容安排 一、研究背景 二、論文主要工作 2DPCA算法 三、總結及未來工作 四、致謝 啟迪管理課程 重慶郵電大學碩士論文答辯 44 主要工作三：融合算法的理論分析 ? 融合算法的思路 ■ 在特征提取環(huán)節(jié)和分類識別環(huán)節(jié)同時改進算 法 ■ 通過圖像預處理補償光照變化對人臉識別的 影響 啟迪管理課程 重慶郵電大學碩士論文答辯 45 主要工作三：算法步驟 ? 通過直方圖均衡化和小波變化，對原始圖像進行預處理 ? 用結合線性判別法則的 2DPCA算法進行特征提取 ? 用加權平均臉算法分類識別 啟迪管理課程 重慶郵電大學碩士論文答辯 46 主要工作三：融合算法的步驟 經(jīng) 典 的 2 D P C A 算 法 改 進結 合 線 性 判 別 法 則的 2 D P C A 算 法最 近 鄰 分 類 器 改 進 加 權 平 均 臉融 合 融 合 算 法圖 像 預 處 理圖 17 融合算法的算法步驟 啟迪管理課程 重慶郵電大學碩士論文答辯 47 主要工作三：融合算法的識別率 圖 18 使用 ORL人臉庫的識別率 圖 19 使用 YALE人臉庫的識別率 0 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 81 .0 0識別率人臉類別數(shù) 2DPCA+ 最近鄰分類器 融合算法2 4 6 8 10 12 14 160 .7 80 .8 00 .8 20 .8 40 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 8識別率人臉類別數(shù) 2D PC A+ 最近鄰分類器 融合算法結論一： 融合算法有效的提高了識別率，在使用 ORL人臉庫的 實驗中，融合算法的平均識別率分別為 %。 結論二 ：在使用 YALE人臉庫的實驗中，融合算法的識別率為 %。 這說明通過預處理補償圖像的光照變化是可行的。 啟迪管理課程 重慶郵電大學碩士論文答辯 48 主要工作三：融合算法的訓練時間和測試時間 表 3 使用 ORL人臉庫時融合算法的訓練時間和測試時間 表 4 使用 YALE人臉庫時融合算法的訓練時間和測試時間 啟迪管理課程 重慶郵電大學碩士論文答辯 49 主要工作三：融合算法的識別時間 圖 20 使用 ORL人臉庫實驗所用時間 圖 21 使用 YALE人臉庫實驗所用時間 0 5 10 15 20 25 30 35 40 45024681012141618識別時間(秒)人臉類別數(shù) 2DPCA+ 最近鄰分類器 融合算法2 4 6 8 10 12 14 16012345678識別時間(秒)人臉類別數(shù) 2DPCA+ 最近鄰分類器 融合算法結論三： 融合算法增加了運算時間，這是算法的不足之處。但我們也 要看到，融合算法的運算時間主要集中在訓練階段，因此算法 增加的運算時間是可以接受的。 啟迪管理課程 重慶郵電大學碩士論文答辯 50 內(nèi)容安排 一、研究背景 二、論文主要工作 2DPCA算法 三、總結及未來工作 四、致謝 啟迪管理課程 重慶郵電大學碩士論文答辯 51 全文 總結 ? 本文提出了 結合線性判別法則的 2DPCA算法 ? 本文提出了 加權平均臉算法 ? 本文提出了 融合算法 啟迪管理課程 重慶郵電大學碩士論文答辯 52 全文總結：三種改進算法的平均識別率 算法 使用 ORL人臉庫的平均 識別率 使用 YALE人臉庫的平均識別率 2DPCA+最近鄰分類器 % % 結合線性判別法則的2DPCA算法 % % 加權平均臉算法 % % 融合算法 % % 表 5 三種改進算法的平均識別率 啟迪管理課程 重慶郵電大學碩士論文答辯 53 未來的工作 ?提高光照變化明顯的人臉樣本的識別率 ?盡量的降低算法的復雜度 啟迪管理課程 重慶郵電大學碩士論文答辯 54 致謝 ? 感謝我的導師毛期儉老師三年來無微不至的關懷和悉心的指導。 ? 感謝光纖通信重點實驗室的全體老師、同學給予我?guī)椭? ? 感謝答辯委員會的各位專家能于百忙之中參加我的論文答辯。
教學課件相關推薦
鄂ICP備17016276號-1