导读:本文包含了边缘频率论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:边缘,渐近,频率,插值,多普勒,误差,密度。
边缘频率论文文献综述
张璐,姜毅,刘金虎[1]（2019）在《提高边缘吞吐量的软频率复用改进方案研究》一文中研究指出对于固定软频率复用算法在小区边缘用户分布不均匀时,无法动态地分配频率资源而造成系统整体频谱资源浪费的问题,提出一种动态软频率复用算法。在此算法中,以边缘用户在相邻小区间的分布为依据,将小区边缘频段进一步划分,将频率资源动态地分配给用户,分布较多边缘用户的小区将会分配到较多的频率资源,而分布较少边缘用户的小区就会分配到较少的资源。通过仿真可知,与固定软频率复用算法相比,动态软频率复用算法在几乎不影响中心用户吞吐量的同时提高了边缘用户的吞吐量。因此,动态软频率复用算法能够在小区边缘用户分布不均匀时,有效解决系统整体频谱资源浪费的问题。(本文来源于《测控技术》期刊2019年11期）
陈鑫,严晓铭,柯开富[2]（2018）在《不同昏迷量表和95%频谱边缘频率对急性昏迷患者近期死亡的预测价值》一文中研究指出目的评估不同昏迷量表和中央区95%频谱边缘频率(SEF)预测急性昏迷患者近期死亡的价值。方法研究对象为2014年8月至2016年10月南通大学附属医院神经内科重症监护病房收治的52例急性昏迷患者。在患者发病72 h内进行格拉斯哥昏迷量表(GCS)、格拉斯哥匹兹堡昏迷量表(GCS-P)、全面无反应性量表(FOUR)评分,同时行脑电图(EEG)监测,记录中央区95%SEF数据。随访1个月,患者分为生存组和死亡组,比较两组年龄、性别、既往史、GCS评分、GCS-P评分、FOUR评分和中央区95%SEF,采用单因素和多因素Logistic回归分析影响近期死亡的相关因素。采用受试者工作特征(ROC)曲线比较GCS评分、GCS-P评分、FOUR评分和中央区95%SEF对近期死亡的预测价值。采用Mc Nemarχ2检验对GCS评分、GCS-P评分、FOUR评分联合中央区95%SEF与单独使用上述评分在预测近期死亡的敏感性和特异性方面进行比较。结果 52例患者中,生存组39例,死亡组13例。与生存组相比,死亡组的GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均明显降低(P<0.05,P<0.01,P<0.01和P<0.01)。多因素Logistic回归分析显示,GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均为近期死亡的独立预测因素。ROC曲线分析显示,GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF对近期死亡均具有中等预测价值。与单独用昏迷量表预测相比,联合GCS评分、GCS-P评分、FOUR评分和中央区95%SEF预测在敏感性上差异无显着性(均P>0.05),而特异性明显提高(均P<0.05)。结论 GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均可用于急性昏迷患者近期死亡的预测,联合昏迷量表和中央区95%SEF能更有效地预测急性昏迷患者的近期死亡。(本文来源于《解剖学报》期刊2018年04期）
何琳,杨善朝[3]（2018）在《α-混合随机域边缘频率插值的渐近方差性》一文中研究指出本文在研究频率插值估计的基础上,对α-混合随机域边缘频率插值估计的性质进行研究。主要通过对空间样本进行有效地划分,在满足一定的条件下,证得方差的渐近性。渐近方差在实际生活中具有广泛的应用,可以在经济金融、环境科学等领域为高维数据初步分析和判断提供重要依据。(本文来源于《广西师范大学学报(自然科学版)》期刊2018年01期）
何琳[4]（2017）在《α-混合随机域边缘频率插值估计》一文中研究指出在未知总体分布类型,总体信息已知较少,样本不一定独立的情况下,非参数密度估计则是非常好的选择.在实际数据统计分析中,由于种种原因,不能随意地假定数据的总体分布,所以我们就需要借助非参数模型来估计密度函数f(x).非参数密度估计已经广泛应用在环境科学、电子物理、生物医学、地质学、经济金融、区域经济等领域.非参数密度估计的方法主要有直方图估计、Rosenblatt估计、核密度估计、最近邻密度估计、频率插值估计等等.其中频率插值密度估计应用极为广泛,而且估计效果良好.频率插值密度估计的积分均方误差(IMSE)与非负核密度估计的收敛速度相同,均可达到n-4/5,且快于直方图密度估计的收敛速度n-2/3.但是在数值计算中,频率插值估计的计算量相对少,所以这相对于核密度估计更有计算优势.因此,研究频率插值估计具有很重要的意义.自Scott(1985)提出频率插值密度估计后,吸引了不少学者对其进行研究.后来Jones(1998)对频率插值估计进行了优化,他提出了边缘频率插值估计,在独立样本下,证明其渐近均方误差(AMSE)比频率插值估计的小,并证明了这种新的估计方法(即边缘频率插值密度估计)比传统的频率插值密度估计具有更好的理论性质.因此,本文选择理论性更好的边缘频率插值密度估计的方法.但是迄今为止.在空间数据(即随机域)下对频率插值密度估计的研究却甚少,仅有Carbon等、Bensaid和Dabo-Niang以及EI Machkouri等少数学者在随机域样本下,研究了频率插值密度估计的积分均方误差、最优窗宽、渐近方差性、渐近正态性以及一致强相合性等性质.然而,目前仍未有学者在随机域样本下,研究边缘频率插值密度估计的渐近性质.因此本文将在α-混合随机域样本下研究边缘频率插值密度估计的性质.首先证明α-混合随机域在满足一定条件下,边缘频率插值密度函数具有渐近方差性.其次证明随机域样本在满足一定条件下,当n→∞时,((?)bn)1/2[fn(x)-Efn(x)]σ-1(x)具有渐近标准正态分布,以及证明α-混合随机域边缘频率插值的强相合性.最后用数值模拟的方法分别对不同样本量和窗宽来进行讨论,进一步验证和说明结论的合理性和正确性.(本文来源于《广西师范大学》期刊2017-06-01）
廖林,高强[5]（2016）在《提高边缘吞吐量的动态软频率复用算法》一文中研究指出对于已有固定软频率复用算法无法根据相邻小区边缘用户的分布动态地调整频率资源分配导致边缘用户吞吐量下降的问题,提出了一种动态软频率复用算法。该算法能够根据相邻小区边缘用户的分布,动态地调整频率资源的分配,从而使边缘用户较多小区的边缘用户分配更多的频率资源,边缘用户较少小区的边缘用户分配较少的频率资源。仿真结果表明,同已有的固定软频率复用算法相比,在相邻小区边缘用户分布均匀时,动态软频率复用算法能够在总吞吐量下降2%的同时将边缘吞吐量提升12.5%;在相邻小区边缘用户分布不均时,动态软频率复用算法能够在总吞吐量下降3%的同时将边缘吞吐量提升25%。因此动态软频率复用算法能够有效地解决相邻小区边缘用户分布不均时边缘用户吞吐量下降问题。(本文来源于《计算机应用》期刊2016年S1期）
张金玲[6]（2016）在《加权边缘频率插值密度估计》一文中研究指出由直方图衍生出来的频率插值估计,因为其计算方法简单,在许多不同领域得到了广泛的应用.关于频率插值估计的研究,也一直都是学者们比较关注的研究主题,出版了很多相关的着作成果,并得到了不断的发展.1998年,Jones[1]等人为了优化频率插值估计,提出了一种边缘频率插值密度估计(?)其中x∈[(2k-1)bn/2,(2k+1)bn/2),bn表示窗宽.Jones等人在独立样本的情况下给出了相应的边缘频率直方图密度估计的最优窗宽、均方误差.边缘频率直方图密度估计对两边频率采取了等权处理,本文将采用非等权方法,通过引入一个权重系数λ,提出了一类新的加权边缘频率插值密度估计在独立样本序列条件下,本文对这个新的加权边缘频率插值密度估计的相关渐近性质进行研究.首先,研究加权边缘频率插值密度估计在独立样本条件下的方差项、偏差和均方误差,并在此基础上给出最优权重与最优窗宽的选择方法.其次,证明加权边缘频率插值密度估计渐近无偏性和一致强相合性.最后,选取了正态分布模型,运用数值模拟的思想,对加权边缘频率插值密度估计进行模拟,模拟结果表明加权边缘频率插值密度估计的估计效果良好.同时选取2017位考生成绩进行验证,结果进一步说明加权边缘频率插值密度估计的估计效果理想.(本文来源于《广西师范大学》期刊2016-04-01）
侯培[7]（2016）在《强混合样本下广义边缘频率插值密度估计的渐近性质》一文中研究指出非参数密度估计是一种重要的估计方法.因为现实中多数总体的分布类型是未知的,所以非参数密度估计方法常常被使用,在经济,人文,医学等领域中都得到了广泛应用.非参数密度估计的方法很多,主要有直方图估计、Rosenblatt估计、频率差值估计、核密度估计、最近邻密度估计等等.其中频率插值密度估计与非负的核密度估计在积分均方误差方面有相同的收敛速度.但是在数值计算中,频率插值估计的计算量相对少,所以这相对于核密度估计更有计算优势.因此,研究频率插值估计具有很重要的意义.Scott(1985)提出频率插值密度估计,后来Jones(1998), Dong和Zheng(2001)分别对频率插值估计进行了优化Jones(1998)提出了边缘频率插值估计,并给出了独立样本下的积分均方误差Dong和Zheng(2001)沿用边缘频率插值估计的思想,把边缘两个区间频率求平均的方法推广到边缘2k个区间频率求平均,给出了一类广义边缘频率插值估计,同时在独立样本下给出了广义边缘频率插值估计的积分均方误差,并证明广义边缘频率插值估计的最小均方误差小于边缘频率插值估计的最小均方误差.然而,到目前为止还未有学者在相依样本下研究广义边缘频率插值估计的渐近性质.本文将在强混合样本下研究广义边缘频率插值密度估计的渐近性质.首先研究广义边缘频率插值估计在强混合序列下的均方误差,并且通过均方误差给出了最优窗宽和最小均方误差.在此基础之上又给出了k=2,3的最优权数.其次又证明广义边缘频率估计在强混合序列下的渐近无偏性和一直强相合性.最后,选择平稳AR(1)时间序列模型对广义边缘频率插值估计进行数值模拟,模拟结果表明广义边缘频率插值估计的估计效果很好.(本文来源于《广西师范大学》期刊2016-04-01）
沈法华,夏益祺,于爱爱,刘成林[8]（2014）在《基于法布里-珀罗标准具四边缘技术的双频率多普勒激光雷达研究》一文中研究指出对基于法布里-珀罗(F-P)标准具四边缘技术的双频率多普勒测风激光雷达进行研究。简要分析了F-P标准具四边缘双频率风速测量原理。详细介绍了基于F-P标准具四边缘双频率多普勒激光雷达系统结构。对发射激光双频率间隔、入射光束发散角、标准具有效口径和标准具干涉平板反射率等参数进行了详细的优化设计。根据选取的系统参数,对多普勒激光雷达系统的探测性能进行了仿真。仿真结果表明:晴天天气条件下,在±25m/s的径向风速测量动态范围内,在满足径向风速误差小于2m/s的情况下,当发射激光仰角为60°、距离和时间分辨率分别为60m和1min时,系统在晚间和白天的探测高度分别可达到8km和6.5km。系统在晚间的整体探测性能明显要优于基于F-P标准具双边缘技术的多普勒测风激光雷达系统。同时,系统的探测性能受天空背景噪声的影响较大,系统在白天工作时应采用窄带宽的滤光片以提高系统的探测性能。(本文来源于《光学学报》期刊2014年10期）
王天启[9]（2014）在《强混合样本下边缘频率插值密度估计的渐近性质》一文中研究指出非参数密度估计是一类重要的密度估计,它在实际生活中有着广泛的应用.在自然界中,大多数总体还是未知分布以及样本不一定是独立的,所以非参数密度函数估计的问题在数理统计的研究中备受关注.非参数密度函数的估计从最初的直方图密度估计,经过不断地探索逐步有了Rosenblatt密度估计、Parzen核估计、核密度估计、最近邻密度估计、移动平均直方图密度估计和频率插值密度估计等等.Jones等(1998)在直方图的基础上引入了边缘频率插值密度估计The Edge Frequency Polygons Density Estimator)的概念,并在独立样本下证明了该估计的均方误差小于频率插值密度估计的均方误差.在后来的研究中发现边缘频率插值密度估计在计算量上与直方图基本相同,但它的收敛速度却比直方图更快.此外,α混合序列在时间序列模型、可靠性理论、生态系统研究等领域具有广泛的应用,因此统计学家对α混合序列的研究有着广泛关注和兴趣.Jones等在1998年提出了边缘频率插值密度估计,且在独立样本下得到了该估计的均方误差.然而,目前还没有文献对该估计的性质进行更多的研究.因此,在a混合相依样本下对边缘频率插值密度估计渐近性质的研究是有意义的.本文在Ｐ混合样本下,主要是对边缘频率插值密度估计渐近性质的研究.首先,按照渐近无偏性的定义证明了边缘频率插值密度估计的渐近无偏性.其次,利用Carbon(1997)研究频率插值密度估计的方法来研究边缘频率插值密度估计的性质,得到了在α混合样本下边缘频率插值的最优窗宽、渐近方差、相合性及相应的收敛速度.最后,利用矩不等式和指数不等式为基础来证明α混合样本下边缘频率插值的渐近正态性.(本文来源于《广西师范大学》期刊2014-05-01）
岳庆伟,朱德晓,吴金涛,刘海莉,张静[10]（2014）在《甲基苯丙胺对中脑边缘投射多巴胺神经元自发动作电位频率和I_h电流的影响》一文中研究指出目的检测高浓度甲基苯丙胺(MA)对中脑边缘多巴胺神经元自发动作电位频率和超极化激活阳离子电流(Ih)的影响。方法应用立体定位仪将逆行示踪剂注入伏隔核区(NAc),标记投射到该区域的中脑边缘多巴胺神经元,并进行酪氨酸羟化酶(TH)染色鉴定;制备中脑脑片,应用膜片钳技术在全细胞模式下检测MA(10μmol/L)对标记神经元自发动作电位频率及Ih的作用。结果中脑边缘投射多巴胺神经元可被准确示踪标记,呈TH阳性,位于腹侧被盖区(VTA);MA可明显降低其自发动作电位频率(P<0.05),并抑制Ih电流(P<0.05)。结论甲基苯丙胺可抑制中脑边缘多巴胺神经元的自发动作电位频率和Ih电流。(本文来源于《山东大学学报(医学版)》期刊2014年05期）
边缘频率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的评估不同昏迷量表和中央区95%频谱边缘频率(SEF)预测急性昏迷患者近期死亡的价值。方法研究对象为2014年8月至2016年10月南通大学附属医院神经内科重症监护病房收治的52例急性昏迷患者。在患者发病72 h内进行格拉斯哥昏迷量表(GCS)、格拉斯哥匹兹堡昏迷量表(GCS-P)、全面无反应性量表(FOUR)评分,同时行脑电图(EEG)监测,记录中央区95%SEF数据。随访1个月,患者分为生存组和死亡组,比较两组年龄、性别、既往史、GCS评分、GCS-P评分、FOUR评分和中央区95%SEF,采用单因素和多因素Logistic回归分析影响近期死亡的相关因素。采用受试者工作特征(ROC)曲线比较GCS评分、GCS-P评分、FOUR评分和中央区95%SEF对近期死亡的预测价值。采用Mc Nemarχ2检验对GCS评分、GCS-P评分、FOUR评分联合中央区95%SEF与单独使用上述评分在预测近期死亡的敏感性和特异性方面进行比较。结果 52例患者中,生存组39例,死亡组13例。与生存组相比,死亡组的GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均明显降低(P<0.05,P<0.01,P<0.01和P<0.01)。多因素Logistic回归分析显示,GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均为近期死亡的独立预测因素。ROC曲线分析显示,GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF对近期死亡均具有中等预测价值。与单独用昏迷量表预测相比,联合GCS评分、GCS-P评分、FOUR评分和中央区95%SEF预测在敏感性上差异无显着性(均P>0.05),而特异性明显提高(均P<0.05)。结论 GCS评分、GCS-P评分、FOUR评分以及中央区95%SEF均可用于急性昏迷患者近期死亡的预测,联合昏迷量表和中央区95%SEF能更有效地预测急性昏迷患者的近期死亡。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
边缘频率论文参考文献
[1].张璐,姜毅,刘金虎.提高边缘吞吐量的软频率复用改进方案研究[J].测控技术.2019
[2].陈鑫,严晓铭,柯开富.不同昏迷量表和95%频谱边缘频率对急性昏迷患者近期死亡的预测价值[J].解剖学报.2018
[3].何琳,杨善朝.α-混合随机域边缘频率插值的渐近方差性[J].广西师范大学学报(自然科学版).2018
[4].何琳.α-混合随机域边缘频率插值估计[D].广西师范大学.2017
[5].廖林,高强.提高边缘吞吐量的动态软频率复用算法[J].计算机应用.2016
[6].张金玲.加权边缘频率插值密度估计[D].广西师范大学.2016
[7].侯培.强混合样本下广义边缘频率插值密度估计的渐近性质[D].广西师范大学.2016
[8].沈法华,夏益祺,于爱爱,刘成林.基于法布里-珀罗标准具四边缘技术的双频率多普勒激光雷达研究[J].光学学报.2014
[9].王天启.强混合样本下边缘频率插值密度估计的渐近性质[D].广西师范大学.2014
[10].岳庆伟,朱德晓,吴金涛,刘海莉,张静.甲基苯丙胺对中脑边缘投射多巴胺神经元自发动作电位频率和I_h电流的影响[J].山东大学学报(医学版).2014
论文知识图
