根据支持向量域的性质,建立了混沌信道的向量域预测模型以及非线性映射的混沌相位轨迹,基于Takens相空间时延重构理论建立了混沌衰落信道模型。 自学习使误差最小化泛化模型的上限最小。 非线性高维图是通过平方支持向量域实现的。 从训练数据集中预测了未来的衰落信道数据。 预测误差随嵌入尺寸的增加而变化为常数。 实验结果表明,支持向量域几乎不需要支持向量,收敛速度快。 由于样本量少且概率密度未知,因此多径快速衰落信道中的多径预测序列由真值序列组成。 在小样本条件下,预测序列与信道真实值一致。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~