您好,游客 登录 注册 站内搜索
背景颜色:
阅读论文

通信信息模糊一致算法在计算机通信当中优化使用

来源:论文联盟  作者: [字体: ]

通信信息模糊一致算法在计算机通信当中优化使用

引言
  计算机通信技术由于在很多热门领域都得到了广泛的应用,一直以来就是科研工作者的重要的研究课题。计算机在通信的过程当中受到通信热点周围的干扰信号的干扰,其抗干扰能力的直接决定了通信的质量。在计算机的应用当中,大功率的窄带信号往往会随机的部署在其周围,此时如果单纯的依靠窄带滤波器等器件则不足以滤除干扰信用,这就很容易造成计算机信号的失真,因此需要对通信算法进行优化,从而来确保计算机通信的准确无误[1]。本文因此提出一种基于通信信息模糊一致的计算机通信算法,充分利用了模糊矩阵具有的一致性特点,在变化域当中,完成对干扰信号的识别和滤除,从而最终能够保证原始的信号无失真的恢复。
  一、通信数据模糊一致矩阵的建立
  模糊控制就是采用模糊数学的基本的思想和理论的控制方法。传统的控制领域,控制系统的动态模式的准确性是影响控本文由论文联盟http://www.LWlm.cOM收集整理制结果的关键,系统里具有的动态信息详细程度也决定了精确控制的成果。然而在复杂的系统当中,变量太多往往难以正确描述系统,因此尝试采用模糊数学优化算法来处理这些控制问题。
  优化算法首先进行模糊一致性矩阵的构建,步骤具体如下:模糊矩阵S=(Sij)n×n满足下列公式:
  那么,我们可以将该矩阵称为模糊一致性矩阵[2]。在采用该模糊一致矩阵对计算机的通信干扰信号进行划分的过程当中,矩阵当中的元素Sij可以用来对第i个评判指标Si对于第j个评判指标Sj的重要的程度[3]:
  (1)当Sij=0.5的时候,说明Si和Sj具有一致的重要度。
  (2)当0≤Sij<0.5的时候,则说明Sj的重要性强于Si。
  (3)当0.5≤Sij<1的时候,说明Si的重要性要大于Sj。
  我们通过分析模糊一致矩阵的可以得出:
  (a)通信模糊一致矩阵的每个指标对于自身而言,其重要性是一致的,因此能够得出该对角线的数值为0.5[4]。
  (b)处于模糊一致矩阵当中不同两行的相互对应的位置的数值差值是一个常数。
  2 信息熵值和模糊一致性的判断
  2.1 计算干扰信号的信息熵值
  信息熵值被用来描述通信系统当中某个指标对于整个系统的重要的程度。首先量化指标数据,从而得到每个指标在整个系统当中的重要性,然后再利用这些数据指标构建出模糊一致性矩阵[5]。大量的数据在完成重要程度分析后形成训练集,然后用来构建模糊一致矩阵。如果训练集用字母W来表示,用{E1,E2,E3...}来表示类别集用,此时选择合理的属性P完成不同子集的划分。如果P集有相互独立的值{P1,P2......Pn},那么就能够将训练集W划分成为E1,E2.....Ei这i个子集[6]。我们有:

欢迎浏览更多论文联盟首页计算机文计算机通信论文文章
收藏 & 分享 推荐 打印 | 录入:yjiemm

本文评论   查看全部评论 (0)
表情: 评论表情符号选择 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款