基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)是一种新的机器学习方法.介绍了支持向量机的基本原理,通过使用SVM对接收信号的数据处理,得到波束形成器的最佳权向量解,达到存在干扰的情况下波束形成的理想效果.利用SVM求解AR模型中的系数,对波达方向的估计具有良好的稳健性.
推荐文章
智能算法在稀布阵列天线中的应用研究
粒子群算法
遗传算法
差分进化算法
基于智能天线技术的TD-SCDMA系统应用研究
TD-SCDMA
智能天线
自适应算法
波束形成
短波宽带全向天线应用研究
短波授时
宽带全向天线
线栅型扇锥结构
矩量法
VSWR
软件无线电在智能天线中的应用
软件无线电
智能天线
无线通信
FPGA
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 智能天线中的SVM应用研究
来源期刊 电视技术 学科 工学
关键词 支持向量机 智能天线 波束形成 波达方向 AR模型
年,卷(期) 2011,(4) 所属期刊栏目
研究方向 页码范围 70-72
页数 分类号 TN911.72
字数 1981字 语种 中文
DOI 10.3969/j.issn.1002-8692.2011.04.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周围 重庆邮电大学移动通信重点实验室 96 326 9.0 13.0
2 李志林 重庆邮电大学移动通信重点实验室 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (5)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
支持向量机
智能天线
波束形成
波达方向
AR模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电视技术
月刊
1002-8692
11-2123/TN
大16开
北京市朝阳区酒仙桥北路乙7号(北京743信箱杂志社)
2-354
1977
chi
出版文献量(篇)
12294
总下载数(次)
21
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导