在三条径的瑞利信道中，对于直接序列扩频： (1) 请设计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，请解释在误码率为0.01时，两种合并方式所表现的不同的物理意义。 (2) 设频率已经同步，请设计DS-CDMA一种具体的单停顿滑动相关时间同步方法，用Simulink进行仿真(自己编写代码S-Function方式)，分析所设计方案的时间同步精度，画出比特信噪比与捕获概率的关系曲线。 (3) 设时间已经同步，请设计DS-CDMA一种具体的频率方法，用Simulink进行仿真(自己编写代码S-Function方式)，画出比特信噪比与频率同步误差的关系曲线。
标签： 信道
上传时间： 2017-01-25
上传用户：ruan2570406
稀疏最小二乘算法文档，通过寻求特征向量的最大无关组构造稀疏算法
上传时间： 2014-01-14
上传用户：cc1
选取windows系统自带的ding.wav信号作为分析对象，在Matlab软件平台下，利用函数wavread对音频信号进行采样，记住采样频率和采样点数，听一下原始声音sound(y, fs, bits)。 （2）音频信号的频谱分析，先画出音频信号的时域波形；然后对音频号进行快速傅里叶变换fft(y,N)，N取32768，画出信号的频谱特性，加深对频谱特性的理解。 （3）根据频谱，反演时域特性，画出时域波形。寻找幅值最大的两个频率，此频率除以fft点数在乘以采样频率就是信号的主频，即可合成信号的时域图形，听一下声音。 （4）对原音频信号进行1024点的分段付立业分析meshgrid （5）根据主要频线合成音频，并画出时域图形，试听合成效果。 （6）采用线性插值（linspace）和傅立业反变换(fliplr, ifft)分别合成音频，并画出时域图形，试听效果。
上传时间： 2013-12-16
上传用户：dengzb84
自适应控制，自校正控制系统参数估计matlab程序，利用递推最小二乘法进行系统参数估计
标签： 自适应控制
上传时间： 2017-06-02
上传用户：xiaoyunyun
将一个数进行阶乘结果会是一个很大的数，在c语言里double型也最大只能存一个两位数的整数的阶乘。本算法是对大数进行阶乘计算。
标签：
上传时间： 2013-12-15
上传用户：ggwz258
最长公共子序列(LCS)算法 求两个字符串的最长公共子序列。 X的一个子序列是相应于X下标序列{1, 2, …, m}的一个子序列，求解两个序列的所有子序列中长度最大的，例如输入：pear, peach输出：pea。
上传时间： 2017-09-24
上传用户：zgu489
遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。 优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码，因为优化后要进行评价，所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；解码时应注意将染色体解码到问题可行域内。 遗传算法模拟“适者生存，优胜劣汰”的进化机制，染色体适应生存环境的能力用适应度函数衡量。对于优化问题，适应度函数由目标函数变换而来。一般遗传算法求解最大值问题，如果是最小值问题，则通过取倒数或者加负号处理。SGA要求适应度函数>0，对于<0的问题，要通过加一个足够大的正数来解决。这样，适应度函数值大的染色体生存能力强。 遗传算法有三个进化算子：选择（复制）、交叉和变异。 SGA中，选择采用轮盘赌方法，也就是将染色体分布在一个圆盘上，每个染色体占据一定的扇形区域，扇形区域的面积大小和染色体的适应度大小成正比。如果轮盘中心装一个可以转动的指针的话，旋转指针，指针停下来时会指向某一个区域，则该区域对应的染色体被选中。显然适应度高的染色体由于所占的扇形区域大，因此被选中的几率高，可能被选中多次，而适应度低的可能一次也选不中，从而被淘汰。算法实现时采用随机数方法，先将每个染色体的适应度除以所有染色体适应度的和，再累加，使他们根据适应度的大小分布于0-1之间，适应度大的占的区域大，然后随机生成一个0-1之间的随机数，随机数落到哪个区域，对应的染色体就被选中。重复操作，选出群体规模规定数目的染色体。这个操作就是“优胜劣汰，适者生存”，但没有产生新个体。 交叉模拟有性繁殖，由两个染色体共同作用产生后代，SGA采用单点交叉。由于SGA为二进制编码，所以染色体为二进制位串，随机生成一个小于位串长度的随机整数，交换两个染色体该点后的那部分位串。参与交叉的染色体是轮盘赌选出来的个体，并且还要根据选择概率来确定是否进行交叉（生成0-1之间随机数，看随机数是否小于规定的交叉概率），否则直接进入变异操作。这个操作是产生新个体的主要方法，不过基因都来自父辈个体。 变异采用位点变异，对于二进制位串，0变为1，1变为0就是变异。采用概率确定变异位，对每一位生成一个0-1之间的随机数，看是否小于规定的变异概率，小于的变异，否则保持原状。这个操作能够使个体不同于父辈而具有自己独立的特征基因，主要用于跳出局部极值。 遗传算法认为生物由低级到高级进化，后代比前一代强，但实际操作中可能有退化现象，所以采用最佳个体保留法，也就是曾经出现的最好个体，一定要保证生存下来，使后代至少不差于前一代。大致有两种类型，一种是把出现的最优个体单独保存，最后输出，不影响原来的进化过程；一种是将最优个体保存入子群，也进行选择、交叉、变异，这样能充分利用模式，但也可能导致过早收敛。 由于是基本遗传算法，所以优化能力一般，解决简单问题尚可，高维、复杂问题就需要进行改进了。 下面为代码。函数最大值为3905.9262，此时两个参数均为-2.0480，有时会出现局部极值，此时一个参数为-2.0480，一个为2.0480。算法中变异概率pm=0.05，交叉概率pc=0.8。如果不采用最优模式保留，结果会更丰富些，也就是算法最后不一定收敛于极值点，当然局部收敛现象也会有所减少，但最终寻得的解不一定是本次执行中曾找到过的最好解。
标签： 遗传算法
上传时间： 2015-06-04
上传用户：芃溱溱123
健康是全部是去加空姐大你们 好好地 还i 啊喝水都会 啊积极扩大 阿含经 阿霍德 哈吉 大家卡卡 奥 啊
标签： 餐饮
上传时间： 2015-11-05
上传用户：huxin
通过相关运算计算MTF，计算Hilbert空间角，计算最大离焦处和0离焦处MTF的差值等
上传时间： 2016-10-24
上传用户：healthzhou
遗传算法已经成为组合优化问题的近似最优解的一把钥匙。它是一种模拟生物进化过程的计算模型，作为一种新的全局优化搜索算法，它以其简单、鲁棒性强、适应并行处理以及应用范围广等特点，奠定了作为21世纪关键智能计算的地位。 背包问题是一个典型的组合优化问题，在计算理论中属于NP-完全问题， 其计算复杂度为，传统上采用动态规划来求解。设w是经营活动 i 所需要的资源消耗，M是所能提供的资源总量，p是人们经营活动i得到的利润或收益，则背包问题就是在资源有限的条件下， 追求总的最大收益的资源有效分配问题。
上传时间： 2018-04-26
上传用户：jiazhe110125
