针对基于特征空间(EigenSpace-BasedAlgorithm)的自适应波束形成算法在小信号条件下会出现的主瓣偏移，波束畸变，输出性能急剧下降的现象，提出了一种投影子空间重构的方法。
该方法利用噪声在时间上不相关的特性，对投影空间进行重构，在此过程中削弱噪声能量，从而有效维持信号、噪声子空间的正交性，改善了传统EBS算法在低信噪比下的性能。
实际计算机仿真结果表明了本文算法的有效性和优越性。
该方法利用噪声在时间上不相关的特性，对投影空间进行重构，在此过程中削弱噪声能量，从而有效维持信号、噪声子空间的正交性，改善了传统EBS算法在低信噪比下的性能。
实际计算机仿真结果表明了本文算法的有效性和优越性。
2024/9/22 2:54:13
1.82MB
1
利用MATLAB软件仿真二进制相对移相调制系统，实现二进制相对移相调制和相关解调，要求信道为加性高斯白噪声，给出调制信号、载波信号以及已调信号的波形图和频谱图。
改变基带信号，对产生的波形进行分析。
在不同信噪比的情况下，求二进制相对移相系统的误码率，并画出误码率与信噪比的关系图。
改变基带信号，对产生的波形进行分析。
在不同信噪比的情况下，求二进制相对移相系统的误码率，并画出误码率与信噪比的关系图。
2024/9/19 6:03:49
3KB
1
编写一个Matlab程序，实现基于DCT的图像变换编码。
编码过程：将原始图像划分成8×8的图像块，采用离散余弦变换（DCT）对图像块进行变换。
解码过程：对于每个图像块，使用一定比例的最低频DCT系数（被舍弃的高频DCT系数设为0）做逆离散余弦变换（IDCT），得到重构的图像块。
最后，将所有重构的图像块按顺序拼接成完整的解码图像。
分别取32、16、8个最低频DCT系数（如图1所示）进行反变换得到重构的图像，比较图像的质量，计算这三种情况下的峰值信噪比。
峰值信噪比的计算公式：PSNR=10log10(2552/MSE)其中，MSE（MeanSquaredError）指原始图像和重构图像之间的均方误差。
编码过程：将原始图像划分成8×8的图像块，采用离散余弦变换（DCT）对图像块进行变换。
解码过程：对于每个图像块，使用一定比例的最低频DCT系数（被舍弃的高频DCT系数设为0）做逆离散余弦变换（IDCT），得到重构的图像块。
最后，将所有重构的图像块按顺序拼接成完整的解码图像。
分别取32、16、8个最低频DCT系数（如图1所示）进行反变换得到重构的图像，比较图像的质量，计算这三种情况下的峰值信噪比。
峰值信噪比的计算公式：PSNR=10log10(2552/MSE)其中，MSE（MeanSquaredError）指原始图像和重构图像之间的均方误差。
2024/9/16 0:17:38
2KB
1
【实验目的】（1）用LABVIEW产生随机数。
（2）统计随机数的概率分布密度函数及相关函数特性。
（3）模拟产生AWGN及ISI信道，添加到数字通信仿真系统中，以便观察信噪比改变对误码率等的影响。
（4）产生m序列信号源，验证m序列的伪随机性以及伪随机序列的自相关函数的双值特性。
（5）产生误码检测模块，观察平均误码率随信噪比的改变，绘制相应的曲线。
（2）统计随机数的概率分布密度函数及相关函数特性。
（3）模拟产生AWGN及ISI信道，添加到数字通信仿真系统中，以便观察信噪比改变对误码率等的影响。
（4）产生m序列信号源，验证m序列的伪随机性以及伪随机序列的自相关函数的双值特性。
（5）产生误码检测模块，观察平均误码率随信噪比的改变，绘制相应的曲线。
2024/9/8 12:22:55
1.72MB
1
以前的分散式认知媒体访问控制（DC-MAC）协议允许次要用户（SU）独立搜索频谱访问机会，而无需中央协调员。
DC-MAC假定检测方案在物理（PHY）层是理想的。
实际上，在分布式频谱共享方案中，更复杂的检测算法是不切实际的。
由于PHY层的能量检测（ED）计算和实现复杂度较低，因此已成为最常用的方法。
因此，至关重要的是在PHY层将DC-MAC与ED集成在一起。
但是，ED需要最低采样时间（MST）持续时间才能在低信噪比（SNR）环境中实现目标检测概率。
否则，将无法达到预期的检测性能。
在本文中，我们推导了在低SNR环境中ED的MST的准确表达。
然后，我们提出了一种基于MST的优化DC-MAC（ODC-MAC）协议，该协议对上述带有ED的DC-MAC问题进行了修正。
此外，对于DC-MAC和ODC-MAC都导出了不可靠的数据传输概率的闭式表达式。
我们表明，仿真结果与理论分析吻合良好。
与传统的DC-MAC相比，所提出的ODC-MAC可以提高数据传输的可靠性并提高吞吐量。
DC-MAC假定检测方案在物理（PHY）层是理想的。
实际上，在分布式频谱共享方案中，更复杂的检测算法是不切实际的。
由于PHY层的能量检测（ED）计算和实现复杂度较低，因此已成为最常用的方法。
因此，至关重要的是在PHY层将DC-MAC与ED集成在一起。
但是，ED需要最低采样时间（MST）持续时间才能在低信噪比（SNR）环境中实现目标检测概率。
否则，将无法达到预期的检测性能。
在本文中，我们推导了在低SNR环境中ED的MST的准确表达。
然后，我们提出了一种基于MST的优化DC-MAC（ODC-MAC）协议，该协议对上述带有ED的DC-MAC问题进行了修正。
此外，对于DC-MAC和ODC-MAC都导出了不可靠的数据传输概率的闭式表达式。
我们表明，仿真结果与理论分析吻合良好。
与传统的DC-MAC相比，所提出的ODC-MAC可以提高数据传输的可靠性并提高吞吐量。
2024/9/7 4:30:45
2.62MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB