这是关于：OFDM系统LS与MMSE信道估计算法仿真分析文献及仿真程序，，希望对你有帮助，，欢迎下载。
。
。
。
。
2024/9/23 3:54:14
201KB
1
阵列信号处理相关文献参考，共9篇文章，关于MIMO雷达、波达角估计算法等，收集整理了阵列信号DOA估计的几种算法的MATLAB程序，亲测无误，可直接运行。
2024/9/22 21:14:25
20.36MB
1
这是专著“Kalman滤波器理论与应用——基于Matlab实现，金学波著，科学出版社”的配套程序。
具体包括室内移动目标轨迹的仿真、非线性估计方法EKF、UKF的介绍及仿真函数，RFID室内跟踪系统的Matlab仿真程序。
具体包括室内移动目标轨迹的仿真、非线性估计方法EKF、UKF的介绍及仿真函数，RFID室内跟踪系统的Matlab仿真程序。
2024/9/16 7:20:03
273KB
1
设一个时隙Aloha系统的时隙长度为1，所有节点的数据包均等长且等于时隙长度。
网络中的节点数为，各节点数据包以泊松过程到达。
1、假设每个节点的数据包到达强度为，在不同的下，使用计算机仿真时隙Aloha系统数据包传送的成功概率，绘制呼入强度和成功概率的曲线，与理论结果进行对照。
注意：节点个数要足够多。
2、选取合理的等待重传的节点在每一个时隙重传的概率、每个节点有新数据包到达的概率，以及节点数，采用延时的下界，仿真时隙Aloha系统数据传输过程，统计在不同积压节点数的情况下，到达率及离开率，绘制到达率和离开率随的分布情况，和理论值进行对照。
3、仿真时隙Aloha系统下的伪贝叶斯算法，通过仿真结果验证在的估计误差较大情况下的收敛特性及到达率小于下的稳定性。
网络中的节点数为，各节点数据包以泊松过程到达。
1、假设每个节点的数据包到达强度为，在不同的下，使用计算机仿真时隙Aloha系统数据包传送的成功概率，绘制呼入强度和成功概率的曲线，与理论结果进行对照。
注意：节点个数要足够多。
2、选取合理的等待重传的节点在每一个时隙重传的概率、每个节点有新数据包到达的概率，以及节点数，采用延时的下界，仿真时隙Aloha系统数据传输过程，统计在不同积压节点数的情况下，到达率及离开率，绘制到达率和离开率随的分布情况，和理论值进行对照。
3、仿真时隙Aloha系统下的伪贝叶斯算法，通过仿真结果验证在的估计误差较大情况下的收敛特性及到达率小于下的稳定性。
2024/9/13 1:15:56
323KB
1
这个Matlab工具箱实现32种维数降低技术。
这些技术都可以通过COMPUTE_MAPPING函数或trhoughGUI。
有以下技术可用： -主成分分析（'PCA'） -线性判别分析（'LDA'） -多维缩放（'MDS'） -概率PCA（'ProbPCA'） -因素分析（'因子分析'） -Sammon映射（'Sammon'） -Isomap（'Isomap'） -LandmarkIsomap（'LandmarkIsomap'） -局部线性嵌入（'LLE'） -拉普拉斯特征图（'Laplacian'） -HessianLLE（'HessianLLE'） -局部切线空间对准（'LTSA'） -扩散图（'DiffusionMaps'） -内核PCA（'KernelPCA'） -广义判别分析（'KernelLDA'） -随机邻居嵌入（'SNE'） -对称随机邻接嵌入（'SymSNE'） -t分布随机邻居嵌入（'tSNE'） -邻域保留嵌入（'NPE'） -线性保持投影（'LPP'） -随机接近嵌入（'SPE'） -线性局部切线空间对准（'LLTSA'） -保形本征映射（'CCA'，实现为LLE的扩展） -最大方差展开（'MVU'，实现为LLE的扩展） -地标最大差异展开（'地标MVU'） -快速最大差异展开（'FastMVU'） -本地线性协调（'LLC'） -歧管图表（'ManifoldChart'） -协调因子分析（'CFA'） -高斯过程潜变量模型（'GPLVM'） -使用堆栈RBM预训练的自动编码器（'AutoEncoderRBM'） -使用进化优化的自动编码器（'AutoEncoderEA'）此外，工具箱包含6种内在维度估计技术。
这些技术可通过INTRINSIC_DIM函数获得。
有以下技术可用： -基于特征值的估计（'EigValue'） -最大似然估计器（'MLE'） -基于相关维度的估计器（'CorrDim'） -基于最近邻域评估的估计器（'NearNb'） -基于包装数量（'PackingNumbers'）的估算器 -基于测地最小生成树（'GMST'）的估计器除了这些技术，工具箱包含用于预白化数据（函数PREWHITEN），精确和估计样本外扩展（函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST）的函数以及生成玩具数据集（函数GENERATE_DATA）的函数。
工具箱的图形用户界面可通过DRGUI功能访问
这些技术都可以通过COMPUTE_MAPPING函数或trhoughGUI。
有以下技术可用： -主成分分析（'PCA'） -线性判别分析（'LDA'） -多维缩放（'MDS'） -概率PCA（'ProbPCA'） -因素分析（'因子分析'） -Sammon映射（'Sammon'） -Isomap（'Isomap'） -LandmarkIsomap（'LandmarkIsomap'） -局部线性嵌入（'LLE'） -拉普拉斯特征图（'Laplacian'） -HessianLLE（'HessianLLE'） -局部切线空间对准（'LTSA'） -扩散图（'DiffusionMaps'） -内核PCA（'KernelPCA'） -广义判别分析（'KernelLDA'） -随机邻居嵌入（'SNE'） -对称随机邻接嵌入（'SymSNE'） -t分布随机邻居嵌入（'tSNE'） -邻域保留嵌入（'NPE'） -线性保持投影（'LPP'） -随机接近嵌入（'SPE'） -线性局部切线空间对准（'LLTSA'） -保形本征映射（'CCA'，实现为LLE的扩展） -最大方差展开（'MVU'，实现为LLE的扩展） -地标最大差异展开（'地标MVU'） -快速最大差异展开（'FastMVU'） -本地线性协调（'LLC'） -歧管图表（'ManifoldChart'） -协调因子分析（'CFA'） -高斯过程潜变量模型（'GPLVM'） -使用堆栈RBM预训练的自动编码器（'AutoEncoderRBM'） -使用进化优化的自动编码器（'AutoEncoderEA'）此外，工具箱包含6种内在维度估计技术。
这些技术可通过INTRINSIC_DIM函数获得。
有以下技术可用： -基于特征值的估计（'EigValue'） -最大似然估计器（'MLE'） -基于相关维度的估计器（'CorrDim'） -基于最近邻域评估的估计器（'NearNb'） -基于包装数量（'PackingNumbers'）的估算器 -基于测地最小生成树（'GMST'）的估计器除了这些技术，工具箱包含用于预白化数据（函数PREWHITEN），精确和估计样本外扩展（函数OUT_OF_SAMPLE和OUT_OF_SAMPLE_EST）的函数以及生成玩具数据集（函数GENERATE_DATA）的函数。
工具箱的图形用户界面可通过DRGUI功能访问
2024/9/5 12:27:19
1.06MB
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