信号检测与处理的一个十分重要的内容就是从噪声中提取信号，本文针对chirp信号加入不同强度的噪声的问题，采用了频域非因果的方法实现了维纳滤波。
当伴有信噪比为20的高斯白噪声的chirp信号通过维纳滤波器，它可以对信号作出了精确的估计。
最初，在MATLAB平台仿真结果显示：本文设计的滤波器达到了重现chirp信号的要求。
当伴有信噪比为20的高斯白噪声的chirp信号通过维纳滤波器，它可以对信号作出了精确的估计。
最初，在MATLAB平台仿真结果显示：本文设计的滤波器达到了重现chirp信号的要求。
2015/4/10 15:03:04
285KB
1
基本部分：1）生成单音干扰、多音干扰、宽带噪声干扰、部分频带噪声干扰、宽带梳状谱干扰、线性调频干扰等6种通信干扰信号；
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2）选择合适的特征参数，采用决策树法实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
扩展部分：选择合适的特征参数，采用NN或者SVM机器学习实现对上述干扰信号的识别，高斯白噪声信道，干噪比(JNR)为0~15dB，识别正确率大于95%。
实验次要完成了三部分工作。
1.通信干扰信号的生成。
对6种干扰信号进行了仿真。
2.特征参数的提取和讨论。
对时域和频域的参数进行了提取，分析了不同JNR下的参数变化趋势，以及不同干扰信号之间的差异。
3.基于特征参数的分类。
选择合适的特征参数，分别使用决策树法、支持向量机法以及神经网络法对干扰信号进行了分类。
2018/6/7 15:27:17
514KB
1
1、首先，Matlab产生16QAM映射方式的OFDM符号，然后在产生ACO-OFDM信号。
2、在每个ACO-OFDM符号前添加循环前缀，然后编写ACO-OFDM信号发送接收程序。
3、信道运用高斯白噪声（AWGN）信道。
4、Matlab绘出时域ACO-OFDM信号，均衡后的接收信号的星座图。
2、在每个ACO-OFDM符号前添加循环前缀，然后编写ACO-OFDM信号发送接收程序。
3、信道运用高斯白噪声（AWGN）信道。
4、Matlab绘出时域ACO-OFDM信号，均衡后的接收信号的星座图。
2019/6/9 17:31:20
2KB
1
EEMD通过添加高斯白噪声并进行平均的方法，处理了EMD的模态混叠问题。
但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。
针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(CompleteEEMDwithAdaptiveNoise，CEEMDAN)方法。
该方法特别适合ECG信号处理。
但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。
针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(CompleteEEMDwithAdaptiveNoise，CEEMDAN)方法。
该方法特别适合ECG信号处理。
2015/1/13 21:21:28
12KB
1
基于MATLABGUI设计的数字信号处理零碎，可以实现基本的信号生成，信号分析和信号滤波以及简单的语音信号处理等功能。
其中信号生成模块可实现正弦波、方波、三角波、高斯白噪声、chrip信号的生成和叠加；
信号分析模块支持基本的傅氏变换下的频域分析功能；
信号滤波模块可以实现数字低通、高通、带通、带阻下的切比雪夫、巴特沃思、椭圆滤波器的设计和滤波处理；
语音信号处理模块可以实现音频文件的读取、播放、叠加噪声、滤波等功能。
其中信号生成模块可实现正弦波、方波、三角波、高斯白噪声、chrip信号的生成和叠加；
信号分析模块支持基本的傅氏变换下的频域分析功能；
信号滤波模块可以实现数字低通、高通、带通、带阻下的切比雪夫、巴特沃思、椭圆滤波器的设计和滤波处理；
语音信号处理模块可以实现音频文件的读取、播放、叠加噪声、滤波等功能。
2019/7/1 10:53:02
193KB
1
基于MATLAB语音信号去白噪声、高斯白噪声分析的源法式，将白噪声中的1/10改成1/50就可滤除白噪声，高斯白噪声的就不用改了！
2018/8/10 8:05:48
868B
1
在本文中，首先介绍GMSK、MSK原理，并对其产生方式进行理论分析；
然后，设计了一个GMSK、MSK调制解调系统。
最后，利用SIMULINK仿真分析在信道中加入高斯白噪声与不加高斯白噪声两种情况下调制波形的异同，其中还分析了各主要参数对调制的影响，同时将仿真结果与理论相比较，使研究愈加深入。
从而，加深对GMSK、MSK的认识和理解，为解决调制技术与移动通信技术的频谱利用率问题提供基础，对今后移动通信的研究具有积极的作用。
然后，设计了一个GMSK、MSK调制解调系统。
最后，利用SIMULINK仿真分析在信道中加入高斯白噪声与不加高斯白噪声两种情况下调制波形的异同，其中还分析了各主要参数对调制的影响，同时将仿真结果与理论相比较，使研究愈加深入。
从而，加深对GMSK、MSK的认识和理解，为解决调制技术与移动通信技术的频谱利用率问题提供基础，对今后移动通信的研究具有积极的作用。
2017/10/5 1:43:23
1.08MB
1
针对准循环低密度奇偶校验(QC-LDPC)码中准循环基矩阵的移位系数确定问题,该文提出基于等差数列(AP)的确定方法。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
该方法构造的校验矩阵的围长至少为8,移位系数由简单的数学表达式确定,节省了编解码存储空间。
研究结果表明,该方法对码长和码率参数的设计具有较好的灵活性。
同时表明在加性高斯白噪声(AWGN)信道和相信传播(BP)译码算法下,该方法构造的码字在码长为1008、误比特率为510-时,信噪比优于渐进边增长(PEG)码近0.3dB。
2022/9/6 11:26:54
126KB
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