clear-sceern

说明：  此程序主要用于实现OFDM通信系统的同步，采用线性调频的方法可以克服信道的频率选择性衰落。(The programme is to realize synchronization in OFDM systems)

灰色预测模型能够通过以往的数据预知未来的数据，准确率高，鲁棒性强(Gray prediction model can predict the future through the past data of data, high accuracy and robustness)

这个是对于ofdm衰落的一个仿真，里面的程序较全，并且难度不大，对于初学者来说具有借鉴意义。(This is a simulation for ofdm fading, inside the program than the whole, and not difficult for beginners with a reference.)

基于Matlab的MSK调制与解调仿真实现。(MSK modulation and demodulation based simulation Matlab implementation.)

matlab code for GA SVM

matlab实现橡皮线的简单程序 用于学习matlab交互(matlab program to achieve a simple rubber band used for interactive learning matlab)

高动态 GPS 自适应 抗干扰 算法研究 (High Dynamic GPS jamming Adaptive Algorithm)

说明：  %inverstable inverse_tb = gf(zeros(1, t+1), m); for i=1:t+1, inverse_tb(i) = alpha^(-i+1); end; %chien's search lambda_v = zero; accu_tb=gf(ones(1, t+1), m); for i=1:n, lambda_v=lambda*accu_tb'; accu_tb = accu_tb.*inverse_tb; if(lambda_v==zero) error(1,n-i+1)=1; else error(1,n-i+1)=0; end end found = find(error(1,:)~=0)

智能天线技术是第三代移动通信系统的关键技术之一，也是国内外热门的研究课题。由于无线移动通信的信道传输环境具有复杂性和不确定性，存在多径衰落和时延扩展，因此造成了符号间串扰、同信道干扰、多址干扰等，这些干扰降低了链路性能和系统容量，智能天线技术是解决以上问题的方法之一。 本文首先阐述了智能天线和白适应波束形成的基本理论，然后对自适应算法进行了研究。对一些基本的自适应算法最小均方算法、恒模算法及递推最小均方算法进行了分析讨论，用计算机仿真的结果论证了算法的性能。针对相干干扰介绍了空间平滑技术，对传统的相干干扰抑制方法-空间平滑法进行了分析，采用改进算法有效降低了空间平滑算法的运算量。对信号波达方向(DOA)的估计是智能天线研究的另一关键问题。第四章在介绍了阵列信号处理方法的基础上，先简单介绍了Bartlett、Capon、MUSIC等空间谱估计算法，分析了信源数目过估计与欠估计情况下的MUSIC算法性能，提出一种改进算法，在信源数目有误差的情况下该算法的性能良好。第五章针对多径干扰环境，在分析MMUSIC算法的基础上，本文提出了基于低秩矩阵逼近法的改进MUSIC算法(In this paper, firstly, the author illustrates the principles of smart antenna and adaptive beam forming, and then introduces some typical adaptive algorithms, the LMS ,CMA and RLS algorithms are analyzed and discussed and simulate them in the computer to prove their capability. but they have the disadvantage of high complexity, so they are not fit for practice. The paper analyses the conventional method rejecting spatial smoothing coherent interfering signals, which is spatial smoothing technique)

face recognition using pca.