【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(dǎo)讀】采用OFDM和MIMO作為其無線網(wǎng)絡(luò)演。進的唯一標(biāo)準(zhǔn)，被視作從3G向4G演進的主流技術(shù)。LTE項目的研究意義。此舉對加快LTE技術(shù)的商用化進程，推。為使UE完成上述三個任務(wù)，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(yīng)3個小區(qū)組內(nèi)號。相應(yīng)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(quán)平均臉?biāo)惴?，參?shù) 1 加權(quán)平均臉?biāo)惴?，參?shù) 2 加權(quán)平均臉?biāo)惴?，參?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(quán)平均臉?biāo)惴?，參?shù) 1 加權(quán)平均臉?biāo)惴?，參?shù) 2 加權(quán)平均臉?biāo)惴?，參?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(jié)論一： 加權(quán)平均臉?biāo)惴ㄌ岣吡怂惴ǖ淖R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(jié)論二： 選擇 4個或 5個訓(xùn)練樣本組成平均臉有最好的結(jié)果 結(jié)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(xué)碩士論文答辯 42 主要工作二：加權(quán)平均臉?biāo)惴ǖ淖R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(quán)平均臉?biāo)惴? 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(quán)平均臉?biāo)惴▎⒌瞎芾碚n程 重慶郵電大學(xué)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(jié)及未來工作 四、致謝 啟迪管理課程 重慶郵電大學(xué)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(yù)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(xué)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(yù)處理 ? 用結(jié)合線性判別法則的 2DPCA算法進行特征提取 ? 用加權(quán)平均臉?biāo)惴ǚ诸愖R別 啟迪管理課程 重慶郵電大學(xué)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(jié) 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(quán) 平 均 臉融 合 融 合 算 法圖 像 預(yù) 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(xué)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(jié)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(jié)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(yù)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(xué)碩士論文答辯 48 主要工作三：融合算法的訓(xùn)練時間和測試時間 表 3 使用 ORL人臉庫時融合算法的訓(xùn)練時間和測試時間 表 4 使用 YALE人臉庫時融合算法的訓(xùn)練時間和測試時間 啟迪管理課程 重慶郵電大學(xué)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(jié)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(xùn)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(xué)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(jié)及未來工作 四、致謝 啟迪管理課程 重慶郵電大學(xué)碩士論文答辯 51 全文 總結(jié) ? 本文提出了 結(jié)合線性判別法則的 2DPCA算法 ? 本文提出了 加權(quán)平均臉?biāo)惴? ? 本文提出了 融合算法 啟迪管理課程 重慶郵電大學(xué)碩士論文答辯 52 全文總結(jié)：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(jié)合線性判別法則的2DPCA算法 % % 加權(quán)平均臉?biāo)惴? % % 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(xué)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(fù)雜度 啟迪管理課程 重慶郵電大學(xué)碩士論文答辯 54 致謝 ? 感謝我的導(dǎo)師毛期儉老師三年來無微不至的關(guān)懷和悉心的指導(dǎo)。 ? 感謝光纖通信重點實驗室的全體老師、同學(xué)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(xué)課件相關(guān)推薦
鄂ICP備17016276號-1