登录
首页 » PDF » CODED-OFDM-PTS-SLM

CODED-OFDM-PTS-SLM

于 2014-11-24 发布 文件大小:800KB
0 198
下载积分: 1 下载次数: 17

代码说明:

  PAPR ODFM PTS SLM TURBO CODED OFDM

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • DFT
    信号与系统试验报告 离散傅立叶变换(DFT)和频谱分析 一、实验内容 1、实验题目 (1)编写DFT、IDFT程序,并验证其正确性(提示:可利用冲激函数进行验证)。 (2)计算信号f(t)=e-at2sin(2∏ft)的离散傅立叶变换(DFT),求其振幅谱,相位谱、振幅最大值对应的频谱(检测主频)以及对发f(t)进行DFT变换的结果实现IDFT变换,并画出图形。 参数选择如下:频率f =30HZ,a=f 2㏑(M),M=2.5 2、通过实验理解信号振幅谱、相位谱的物理意义,掌握DFT、IDFT算法的实现方法。()
    2008-05-07 10:38:59下载
    积分:1
  • zxecf
    一种应用牛顿迭代法的MATLAB源程序 解决的是方程求根的问题(A MATLAB application of Newton iteration method to solve the source problem of finding roots of equations)
    2010-12-25 11:33:00下载
    积分:1
  • QPSK
    编程实现QPSK调制解调,计算其误码率;(QPSK modulation and demodulation programmed to calculate the bit error rate )
    2010-12-30 12:38:35下载
    积分:1
  • round
    说明:  确定图像中的圆形目标,并标示出来。版本R2008B以上(Determine the image of the circular target, and marked. Version of the above R2008B)
    2010-03-16 20:53:10下载
    积分:1
  • maplebooks
    maple教程-科学出版社 强大的符号计算引擎(maple tutorial- Science Press powerful symbolic computation engine)
    2010-06-01 15:58:55下载
    积分:1
  • newNetwork
    mobile user location matlab coding
    2014-09-10 06:13:43下载
    积分:1
  • GaussHermite
    在数值方法中,用Matlab实现Gaussian Hermite, 此方法用来计算数值积分(Gaussian Hermite)
    2011-11-06 05:58:59下载
    积分:1
  • FastICA_25
    芬兰作者提出的FastICA算法,用以解决盲源分离问题,我编写了一个主程序,调用其已经编写好的功能函数,可以查看仿真结果。(Finland FastICA algorithm proposed by the authors to solve the blind source separation problem, I wrote a main program, calling its already written performance function, you can view the simulation results.)
    2013-10-31 20:03:30下载
    积分:1
  • SOSTOOLS.204
    平方和分解的半正定规划构造Lyapunov函数的工具箱,多多交流,嘿嘿!(Sum of squares decomposition of the semi-definite Lyapunov function construction planning toolbox, interact more, hey!)
    2011-11-23 10:20:11下载
    积分:1
  • sinorder
    为sinudoidal模型的AIC阶估计.AIC信息准则即Akaike information criterion,是衡量统计模型拟合优良性的一种标准,又由于它为日本统计学家赤池弘次创立和发展的,因此又称赤池信息量准则。它建立在熵的概念基础上,可以权衡所估计模型的复杂度和此模型拟合数据的优良性。 在一般的情况下,AIC可以表示为: AIC=2k-2ln(L) 其中:k是参数的数量,L是似然函数。 假设条件是模型的误差服从独立正态分布。 让n为观察数,RSS为剩余平方和,那么AIC变为: AIC=2k+nln(RSS/n) 增加自由参数的数目提高了拟合的优良性,AIC鼓励数据拟合的优良性但是尽量避免出现过度拟合(Overfitting)的情况。所以优先考虑的模型应是AIC值最小的那一个。赤池信息准则的方法是寻找可以最好地解释数据但包含最少自由参数的模型。(AIC order estimation for sinudoidal model)
    2013-12-05 13:18:54下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载