搜索资源列表
RAKE
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
UWB
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
jiyun
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
decode
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
fsm8051
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
oc8051_defines
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
pc
- :首先介绍了DS--UWB系统的的发射与接收模型,然后分析了利用滑动相关法对信道进行估讣,并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。-: Firs
matlabcompress
- 使用二维离散余弦变换(DCT)进行图象压缩。原始图象被转换成为8*8大小的块进行压缩和重构。 Cnum:为压缩时保留的系数的个数 MSM:均方误差压缩应该做到在最合理的近似原图象的情况下使用最少的系数。函数:dctmtx:返回一个n*n阶DCT变换 blkproc:对图象进行不同的块处理。 im2col:重排图象块为矩阵列。注意:只适用于灰度图象。-The use of two-dimensional discrete cosine t
haarWaveletCoding
- 完成对输入图像Fig8.23.jpg利用Haar小波进行图像小波变换,变换系数量化,小波逆变换完成图像重构,并计算其重构图像的均方误差和信噪比来评估图像的重构误差-Completion of the input image Fig8.23.jpg use Haar wavelet image wavelet transform, transform coefficients quantify the inverse wavelet tr
The-parameter-design-of-the-digital-phase-lock-loo
- 对于如何设计数字PLL的参数很有帮助. 分析了在最小等效噪声带宽,最小相位均方误差,以及最短锁定时间三种意义上的参数优化设计-For how to design the parameters of the digital PLL helpful. Analysis of the minimum noise equivalent bandwidth, minimum-phase mean-square error, as well a
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度,那么可用变步长方法来缩短其自适应收敛过程,其中一个主要的方法是归一化LMS算法(NLMS算法),变步长 的更新公式可写成 W(n+1)=w(n)+ e(n)x(n) =w(n)+ (3.1) 式中, = e(n)x(n)表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的,必须合适的选择变步长 的值,一个可能策略是尽可能多地减少瞬时平方误差,即用瞬时平方
Kalman
- 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人 的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去 的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论, 并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计 的最佳准则,来寻求一套递推估计的算法,其基
bpprogram
- 本程序根据训练好的网络文件ANN.mat预测新的数据文件,得到均方误差,并画出预测数据和原数据的对比图。此程序运用到了很多Matlab编程中常用到的表达方式,还有一些神经网络编程的基本概念的表达,如归一化的表达-This procedure according to the trained network file prediction ANN.mat new data file, the mean square error, and
MDIFractal
- 第1章 分形 1.1 分形的定义 1.2 分维 第2章 迭代函数系统 2.1 压缩映射 2.2 迭代函数系统(IFS) 2.3 拼贴定理 第3章 一般图像的分形压缩方法 3.1 图像的表示方法与图像的均方误差 3.2 分形压缩的简化方法 3.3 压缩实例 3.4 问题与改进方向 -Chapter 1 Fractal 1.1 Fractal Fractal D
Mmse84
- 利用Y.Ephraim提出的短时谱幅值最小均方误差法估算的语音增强法,附有相应程序和文献。-Y. Ephraim proposed the use of short-term amplitude spectrum MMSE Speech Enhancement Estimating law, with the corresponding procedures and documentation.
Mmse85
- 利用Y.Ephraim提出的对数谱幅值最小均方误差法估算的语音增强法,附有相应程序和文献。-Y. Ephraim proposed use of spectrum amplitude MMSE Speech Enhancement Estimating law, with the corresponding procedures and documentation.
LMS
- 最小均方误差自适应算法,简称LMS算法.LMS算法自适应实现 -MMSE adaptive algorithm, or LMS algorithm. LMS adaptive algorithm to achieve
DS-CDMA
- 设计DS-CDMA一种具体的码分导引辅助的信道估计方法,接收机分别采用等均益合并、最大比合并。用Simulink进行仿真,测量BPSK的误码率性能,画出比特信噪比与信道估计均方误差的关系曲线,画出比特信噪比与误码率的关系曲线-Design of DS-CDMA code at a specific guide-assisted channel estimation method, the receiver, respectively,
wienerfilter
- 通过计算机MATLAB仿真分析和研究了维纳滤波器的阶数、信号的噪声方差、随机信号的采样点数、经过维纳滤波的均方误差之间的关系-MATLAB simulation by computer analysis and research of Wiener filter order, the signal of the noise variance, random signal sampling points, after Wiener fil