使用MATLAB语言仿真实现OFDM基带信号在频率选择性衰落信道条件下的发送与接收。
仿真系统构成：信号输入（为随机比特流）、OFDM调制、仿真信道传输、OFDM解调、信号输出（可能存在误码的比特率）；
仿真分析内容：根据输入、输出比特流计算不同信噪比条件下的误码率，并绘制曲线。
对调制的要求：OFDM调制的子载波间隔为15KHz，循环前缀长度及子载波数目可调，各子载波使用QPSK调制。
其它要求： 信道采用3GPPTS36.101给出的ETU300Hz多径信道，并在其上叠加一个信噪比可调的白噪声。
在附录中表2.1-1~表2.1-4和表2.2-1给出的ETU300Hz多径信道了参数。
能够查看并解释从输入到输出沿路各点信号的时域波形和频域特性图；
能够绘制误码率随信噪比变化的曲线。
设计梳妆或者块状导频并在接收端完成信道估计与补偿，并与没有信道估计情况下的性能进行分析比较。
仿真系统构成：信号输入（为随机比特流）、OFDM调制、仿真信道传输、OFDM解调、信号输出（可能存在误码的比特率）；
仿真分析内容：根据输入、输出比特流计算不同信噪比条件下的误码率，并绘制曲线。
对调制的要求：OFDM调制的子载波间隔为15KHz，循环前缀长度及子载波数目可调，各子载波使用QPSK调制。
其它要求： 信道采用3GPPTS36.101给出的ETU300Hz多径信道，并在其上叠加一个信噪比可调的白噪声。
在附录中表2.1-1~表2.1-4和表2.2-1给出的ETU300Hz多径信道了参数。
能够查看并解释从输入到输出沿路各点信号的时域波形和频域特性图；
能够绘制误码率随信噪比变化的曲线。
设计梳妆或者块状导频并在接收端完成信道估计与补偿，并与没有信道估计情况下的性能进行分析比较。
2023/9/27 10:25:49
7KB
1
基于深度神经网络的时域信道估计算法，张丁水，林家儒，本文介绍了一种基于深度神经网络（DNN）的无线信道估计算法，可应用于低信噪比下单载波频域均衡（SC-FDE）系统中对衰落信道的估计。
2023/9/24 13:38:30
850KB
1
海思提供的媒体处理软件平台(MediaProcessPlatform,简称MPP)，可支持应用软件快速开发。
该平台对应用软件屏蔽了芯片相关的复杂的底层处理，并对应用软件直接提供MPI（MPPProgramInterface）接口完成相应功能。
该平台支持应用软件快速开发以下功能：输入视频捕获、H.265/H.264/JPEG编码、H.265/H.264/JPEG解码、视频输出显示、视频图像前处理（包括去噪、增强、锐化）、图像拼接、图像几何矫正、智能、音频捕获及输出、音频编解码等功能。
该平台对应用软件屏蔽了芯片相关的复杂的底层处理，并对应用软件直接提供MPI（MPPProgramInterface）接口完成相应功能。
该平台支持应用软件快速开发以下功能：输入视频捕获、H.265/H.264/JPEG编码、H.265/H.264/JPEG解码、视频输出显示、视频图像前处理（包括去噪、增强、锐化）、图像拼接、图像几何矫正、智能、音频捕获及输出、音频编解码等功能。
2023/9/23 21:38:29
11.23MB
1
随着卫星导航系统在军事上的广泛应用，研究导航系统的抗干扰技术已经成为当务之急。
文中创新的将跳时技术与现有导航系统相结合，提出基于直扩/跳时（DS/TH）混合扩频的导航卫星系统方案。
并分别在4种卫星导航干扰模式下，对此方案进行了抗干扰性能仿真及分析。
结果表明在信噪比为-33dB误码率为10-4时，该方案抗干扰性能比传统导航信号至少提高17dB，尤其对于抗脉冲干扰，其性能可以改善20dB左右。
文中创新的将跳时技术与现有导航系统相结合，提出基于直扩/跳时（DS/TH）混合扩频的导航卫星系统方案。
并分别在4种卫星导航干扰模式下，对此方案进行了抗干扰性能仿真及分析。
结果表明在信噪比为-33dB误码率为10-4时，该方案抗干扰性能比传统导航信号至少提高17dB，尤其对于抗脉冲干扰，其性能可以改善20dB左右。
2023/9/22 1:48:47
1.5MB
1
信号源：数字基带信号、根升余弦脉冲成型（上采样8倍，即每个符号8个采样点，滚降：0.2）；
传输：AWGN信道（信噪比范围可调）接收器：匹配滤波，相关解调，判决画出接收信号的眼图、星座图；
计算误码率并与理论值比较。
传输：AWGN信道（信噪比范围可调）接收器：匹配滤波，相关解调，判决画出接收信号的眼图、星座图；
计算误码率并与理论值比较。
2023/9/21 14:28:30
54KB
1
介绍了自适应滤波器去除噪声的原理和从强噪声背景中采用自适应滤波提取有用信号的方法，并对最小均方(LMS,LeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)两种基本自适应算法进行了算法原理、算法性能分析。
计算机模拟仿真结果表明，这两种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号。
检测特性相比之下，RLS算法具有良好的收敛性能，除收敛速度快于LMS算法和NLMS算法以及稳定性强外，而且具有更高的起始收敛速率、更小的权噪声和更大的抑噪能力。
计算机模拟仿真结果表明，这两种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号。
检测特性相比之下，RLS算法具有良好的收敛性能，除收敛速度快于LMS算法和NLMS算法以及稳定性强外，而且具有更高的起始收敛速率、更小的权噪声和更大的抑噪能力。
2023/9/20 22:36:54
194KB
1
1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。
2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。
3.再单击轮廓提取菜单项，提取车辆轮廓。
4.最后单击车型识别菜单项，对车辆进行识别。
2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。
3.再单击轮廓提取菜单项，提取车辆轮廓。
4.最后单击车型识别菜单项，对车辆进行识别。
2023/9/16 19:35:18
2.38MB
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