基于罚函数优化的最大似然空时码模式盲识别方法

    公开(公告)号:CN103501207B

    公开(公告)日:2018-10-09

    申请号:CN201310397425.6

    申请日:2013-09-04

    Abstract: 本发明公开了一种基于罚函数优化的最大似然空时码模式盲识别方法,具体步骤为:提取空时码集合;得到码参数集合;计算并联矩阵;利用并联矩阵构造分组相关矩阵;利用分组相关矩阵得到特征值向量;计算每种码参数组合的罚函数值,进而得到似然函数值;重复得到码参数组合对应的似然函数值向量;选择似然函数值向量中取值最小的码型为判决码型。通过求解接收信号的协方差矩阵,得到矩阵的特征值和特征向量;根据空时码参数构造似然函数;对可能的码型计算罚函数值,进而得到似然函数值,选择使似然函数值最小的码型为识别码型。从而对似然函数进行修正,达到提高计算精度,从而提高编码模式的盲识别正确率的,增强了系统的稳定性。

    基于罚函数优化的最大似然空时码模式盲识别方法

    公开(公告)号:CN103501207A

    公开(公告)日:2014-01-08

    申请号:CN201310397425.6

    申请日:2013-09-04

    Abstract: 本发明公开了一种基于罚函数优化的最大似然空时码模式盲识别方法,具体步骤为:提取空时码集合;得到码参数集合;计算并联矩阵;利用并联矩阵构造分组相关矩阵;利用分组相关矩阵得到特征值向量;计算每种码参数组合的罚函数值,进而得到似然函数值;重复得到码参数组合对应的似然函数值向量;选择似然函数值向量中取值最小的码型为判决码型。通过求解接收信号的协方差矩阵,得到矩阵的特征值和特征向量;根据空时码参数构造似然函数;对可能的码型计算罚函数值,进而得到似然函数值,选择使似然函数值最小的码型为识别码型。从而对似然函数进行修正,达到提高计算精度,从而提高编码模式的盲识别正确率的,增强了系统的稳定性。

    虚拟化云环境下GPU-CPU混合资源分配系统和方法

    公开(公告)号:CN106293947B

    公开(公告)日:2020-11-06

    申请号:CN201610681905.9

    申请日:2016-08-17

    Abstract: 本发明提供了一种虚拟化云环境下GPU‑CPU混合资源分配系统和方法包括注入模块、分配器;注入模块负责设置钩子,并通过睡眠方式限制进程占用资源;分配器负责调用资源分配算法得到资源分配目标值,并将资源分配目标值发送给注入模块。本发明提供了FEA算法与资源分配框架,用以高效地进行多重异构混合资源的动态资源分配。通过这个资源分配的操作,提升资源分配的公平性,同时保证其效率。本发明能够显著提升多个CPU‑GPU多重混合资源需求任务运行时资源分配的公平性与效率。任务在使用分配算法时的公平性,最高有45%的提升。本发明在提升公平性的同时,也通过FEA算法的约束条件,以保证任务运行的效率质量。

    虚拟化云环境下GPU-CPU混合资源分配系统和方法

    公开(公告)号:CN106293947A

    公开(公告)日:2017-01-04

    申请号:CN201610681905.9

    申请日:2016-08-17

    Abstract: 本发明提供了一种虚拟化云环境下GPU-CPU混合资源分配系统和方法包括注入模块、分配器;注入模块负责设置钩子,并通过睡眠方式限制进程占用资源;分配器负责调用资源分配算法得到资源分配目标值,并将资源分配目标值发送给注入模块。本发明提供了FEA算法与资源分配框架,用以高效地进行多重异构混合资源的动态资源分配。通过这个资源分配的操作,提升资源分配的公平性,同时保证其效率。本发明能够显著提升多个CPU-GPU多重混合资源需求任务运行时资源分配的公平性与效率。任务在使用分配算法时的公平性,最高有45%的提升。本发明在提升公平性的同时,也通过FEA算法的约束条件,以保证任务运行的效率质量。

Patent Agency Ranking