23、5G PDSCH物理层处理与MATLAB仿真分析

5G PDSCH物理层处理与MATLAB仿真分析

1. 5G DLSCH解码流程

DLSCH解码过程包含多个子过程,旨在恢复接收端的传输块,具体子过程如下:
- 速率恢复 :该过程包含码块解连接、比特解交织和反向比特选择。
- 码块解连接 :将接收到的码块 $G_a$ 拆分为多个速率匹配段 $F_x^a$。接收器根据传输块大小和gNodeB传达的PDSCH目标码率确定要生成的段数,然后使用公式计算每段的长度。
- 比特解交织 :在每个段中执行比特解交织,将比特重新排序到原始位置,步骤如下:
1. 将码字 $F_x^a$ 重塑为矩阵:
[
M_{f_{x}^{a}}=\left(\begin{array}{cccc}
f_{x}^{a}(0) & f_{x}^{a}(1) & \cdots & f_{x}^{a}(Q_{m}-1) \
f_{x}^{a}(Q_{m}) & f_{x}^{a}(Q_{m}+1) & \cdots & f_{x}^{a}(2Q_{m}-1) \
\vdots & \vdots & \ddots & \vdots \
f_{x}^{a}((N_{Q}-1)Q_{m}) & f_{x}^{a}((N_{Q}-1)Q_{m}+1) & \cdots & f_{x}^{a}(N_{Q}Q_{m}-1)
\end{array}\right)
]
2. 对矩阵进行转置:
[
M_{f_{x}^{a}}^{T}=\left(\begin{array}{cccc}
f_{x}^{a}(0) & f_{x}^{a}(Q_{m}) & \cdots & f_{x}^{a}((N_{Q}-1)Q_{m}) \
f_{x}^{a}(1) & f_{x}^{a}(Q_{m}+1) & \cdots & f_{x}^{a}((N_{Q}-1)Q_{m}+1) \
\vdots & \vdots & \ddots & \vdots \
f_{x}^{a}(Q_{m}-1) & f_{x}^{a}(2Q_{m}-1) & \cdots & f_{x}^{a}(N_{Q}Q_{m}-1)
\end{array}\right)
]
3. 按列顺序排列转置矩阵的元素以获得 $E_x^a$:
[
E_{x}^{a}=\left[f_{x}^{a}(0), f_{x}^{a}(Q_{m}), \cdots, f_{x}^{a}((N_{Q}-1)Q_{m}), f_{x}^{a}(1), f_{x}^{a}(Q_{m}+1), \cdots\right]^T
]
- 反向比特选择 :对段 $E_x^a$ 执行反向比特选择过程以获得段 $D_x^a$。在此过程中,将填充比特(值为0)添加回输入码块段,以便进行LDPC解码。此外,根据传输的冗余版本,将比特放置在适当的索引处。

可以使用MATLAB的5G Toolbox中的 nrRateRecoverLDPC 函数执行速率恢复,语法如下:

Raterecovered = nrRateRecoverLDPC(rxSoftBits,trblklen,R,rv,mod,nLayers,numCB,Nref)

输入参数说明:
| 参数 | 说明 |
| ---- | ---- |
| rxSoftBits | 接收到的解扰软比特 |
| trblklen | 传输块长度 |
| r | 目标码率 |
| rv | 冗余版本 |
| mod | 调制方案 |
| nLayers | 传输层数 |
| numCB | 调度的码块段数 |
| Nref | 有限缓冲区速率匹配 |

该函数以矩阵 raterecovered 的形式返回速率恢复后的码块段。

  • LDPC解码 :在5G NR DLSCH中,使用诸如置信传播算法(BPA)等算法对每个段 $D_x^a$ 进行LDPC解码,以获得LDPC解码段 $C_x^a$。
    • 置信传播算法步骤 :
      1. 计算比特的对数似然比(LLR):
        [
        LLR(\theta|w)=\log\frac{P(w|\theta = 0)}{P(w|\theta = 1)}
        ]
        对于加性高斯白噪声(AWGN)信道,接收噪声向量 $y$ 的LLR近似为:
        [
        LLR(y)=-\frac{2y}{\sigma^2}
        ]
        其中,$\sigma^2$ 是噪声向量的方差。
      2. 初始化与 $H$ 大小相同的矩阵 $M$,使其在 $H$ 中为1的所有位置包含所有LLR值。从矩阵 $H$ 中获得矩阵 $A$ 和 $B$,其中 $A$ 存储每个校验节点连接的每个变量节点的位置,$B$ 存储每个变量节点连接的每个校验节点的位置。
      3. 计算包含外部消息的矩阵 $E$:
        [
        E_{j,i}=\tanh\left(\frac{1}{2}\prod_{i’\in B(i)\setminus j}\tanh\left(\frac{M_{j,i’}}{2}\right)\right)
        ]
      4. 计算第 $i$ 个比特的总LLR $L_i$:
        [
        L_i = r_i+\sum_{j\in A(i)}E_{j,i}
        ]
      5. 使用每个比特的总LLR的符号进行硬判决来解码码字。总LLR为正的比特解码为0,总LLR为负的比特解码为1。
      6. 计算综合征以检查是否满足所有奇偶校验约束:
        [
        s = Hz^T
        ]
        其中,$z$ 是解码后的LDPC码字。如果综合征为零,则意味着所有奇偶校验约束都得到满足,解码过程结束;否则,更新矩阵 $M$ 并继续下一次迭代。

可以使用MATLAB的5G Toolbox中的 nrLDPCDecode 函数执行LDPC解码,语法如下:

[decoded,actNumIter,finalParityChecks] = nrLDPCDecode(raterecoveredD,bgn,maxNumIter,Name,Value)

输入参数说明:
| 参数 | 说明 |
| ---- | ---- |
| raterecoveredD | 速率恢复后的双精度数值类型软比特 |
| bgn | 基础图编号 |
| maxNumIter | 最大解码迭代次数 |
| Name-Value对 | 允许用户指定输出格式、决策类型、算法、缩放因子、偏移量和终止条件等 |

该函数返回解码后的LDPC码字、实际迭代次数(可选输出)和最终奇偶校验结果(可选输出)。

  • 码块解分段 :将段 $C_x^a$ 组合回包含信息比特和CRC比特的码字 $B_a$,并提取和检查在分段过程中包含在每个段中的CRC比特。

可以使用MATLAB的5G Toolbox中的 nrCodeblockDesegmentLDPC 函数执行码块解分段,语法如下:

[desegmented,err] = nrCodeblockDesegmentLDPC(decoded,bgn,blklen)

输入参数说明:
| 参数 | 说明 |
| ---- | ---- |
| decoded | 码块段 |
| bgn | 基础图编号 |
| blklen | 输出块长度 |

该函数返回连接的数据块和段中的CRC错误。

  • CRC解码 :使用码字 $B_a$ 中的CRC比特检查是否已无错误解码,并输出DLSCH码字 $out_a$。如果重新计算的CRC比特与通过传输获得的CRC比特不匹配,则意味着接收到的码字存在错误。

可以使用MATLAB的5G Toolbox中的 nrCRCDecode 函数执行CRC解码,语法如下:

[blk,err] = nrCRCDecode(desegmented,poly)

输入参数说明:
| 参数 | 说明 |
| ---- | ---- |
| desegmented | CRC编码数据 |
| poly | CRC多项式 |

该函数返回CRC解码后的数据和CRC错误数据。

下面是DLSCH解码流程的mermaid流程图:

graph TD;
    A[速率恢复] --> B[LDPC解码];
    B --> C[码块解分段];
    C --> D[CRC解码];
2. 5G PDSCH处理链的MATLAB仿真

可以使用Mathworks MATLAB对5G PDSCH处理链进行建模,仿真模型基于MATLAB的5G Toolbox(版本1.1)构建。以下是仿真的主要步骤:

  • 定义仿真参数 :
clear all
rng(200); % Set Random Number Generator state for repeatability
simParameters=[]; % Clear simParameters structure array
simParameters.NFrames=1000; % Set number of 10ms frames to simulate
EbN0=[-5:15];
TargetCodeRate=40/1024; % PDSCH code rate
bps=2; % bits per symbol, 1 for BPSK, 2 for QPSK
EsNo=EbN0 + 10*log10(bps);
snrdB=EsNo + 10*log10(R); % SNR in dB
simParameters.SNRIn=snrdB; % Set SNR range
maxThroughput=zeros(length(simParameters.SNRIn),1);
simThroughput=zeros(length(simParameters.SNRIn),1);
numerrcombined=zeros(length(simParameters.SNRIn),1);
numblkerr=zeros(length(simParameters.SNRIn),1);
  • 定义波形参数 :
simParameters.NRB=24; % Number of resource blocks as per selected bandwidth
simParameters.SubcarrierSpacing=30; % Set subcarrier spacing (kHz)
simParameters.CyclicPrefix='Normal'; % Specify cyclic prefix type
  • 定义DL - SCH/PDSCH参数 :
simParameters.PDSCH.PRBSet=0:simParameters.NRB-1; % PDSCH PRB allocation
simParameters.PDSCH.SymbolSet=0:11; % PDSCH symbol allocation in each slot
simParameters.PDSCH.EnableHARQ=true; % Enable/disable HARQ
simParameters.PDSCH.NLayers=2; % Set number of PDSCH layers
simParameters.NTxAnts=2; % Set number of PDSCH transmission antennas
ModOrder= 'QPSK'; % Set modulation order: 'QPSK', '16QAM', '64QAM' or '256QAM'
if simParameters.PDSCH.NLayers > 4
    simParameters.NumCW=2; % Number of code-words
    simParameters.PDSCH.TargetCodeRate=[TargetCodeRate TargetCodeRate]; % Set PDSCH code rate for each code-word
    simParameters.PDSCH.Modulation={ ModOrder, ModOrder }; % Set modulation order for each code-word
    simParameters.NRxAnts=8; % Number of UE receive antennas
else
    simParameters.NumCW=1; % Number of code-words
    simParameters.PDSCH.TargetCodeRate=TargetCodeRate; % Set PDSCH code rate
    simParameters.PDSCH.Modulation=ModOrder; % Set modulation order: 'QPSK', '16QAM', '64QAM', '256QAM'
    simParameters.NRxAnts=2; % Number of UE receive antennas
end
  • 定义DM - RS参数 :
simParameters.PDSCH.PortSet=0:simParameters.PDSCH.NLayers-1; % DM-RS ports to use for the layers
simParameters.PDSCH.PDSCHMappingType='A'; % Set DM-RS mapping type ('A'(slot-wise),'B'(non slot-wise))
simParameters.PDSCH.DMRSTypeAPosition=2; % For mapping type A only, set first DM-RS symbol position (2,3)
simParameters.PDSCH.DMRSLength=1; % Set number of front-loaded DM-RS symbols (1(single symbol),2(double symbol))
simParameters.PDSCH.DMRSAdditionalPosition=0; % Set additional DM-RS symbol positions (max range 0...3)
simParameters.PDSCH.DMRSConfigurationType=2; % Set DM-RS configuration type (1,2)
simParameters.PDSCH.NIDNSCID=1; % Set DM-RS scrambling identity (0...65535)
simParameters.PDSCH.NSCID=0; % DM-RS Scrambling initialization (0,1)
  • 定义保留PRB模式 :
simParameters.PDSCH.Reserved.Symbols=[]; % Define no Reserved PDSCH symbols
simParameters.PDSCH.Reserved.PRB=[]; % Define no Reserved PDSCH PRBs
simParameters.PDSCH.Reserved.Period=[]; % Periodicity of reserved resources set to null
pdsch=simParameters.PDSCH;
  • 定义信道模型 :
simParameters.ChannelType='CDL'; % Specify channel model: 'CDL' or 'TDL'
nTxAnts=simParameters.NTxAnts;
nRxAnts=simParameters.NRxAnts;
if strcmpi(simParameters.ChannelType,'CDL')
    channel=nrCDLChannel; % Create CDL channel object
    channel.DelayProfile='CDL-C'; % Specify CDL delay profile: 'CDL-A', 'CDL-B', 'CDL-C', 'CDL-D' or 'CDL-E'
    channel.DelaySpread=300e-9; % Set Delay Spread in seconds
    [channel.TransmitAntennaArray.Size, channel.ReceiveAntennaArray.Size]=...
        hArrayGeometry(nTxAnts,nRxAnts);
elseif strcmpi(simParameters.ChannelType,'TDL')
    channel=nrTDLChannel; % Create TDL channel object
    channel.DelayProfile='TDL-C'; % Specify TDL delay profile: 'TDL-A', 'TDL-B', 'TDL-C', 'TDL-D' or 'TDL-E'
    channel.DelaySpread=300e-9; % Set Delay Spread in seconds
    channel.NumTransmitAntennas=nTxAnts;
    channel.NumReceiveAntennas=nRxAnts;
end
  • 定义SS突发参数 :
simParameters.SSBurst.BlockPattern='Case B'; % Specify SSB block pattern
simParameters.SSBurst.SSBTransmitted=[0 1 0 1]; % Specify SSB bitmap
simParameters.SSBurst.SSBPeriodicity=20; % SSB periodicity in ms (5, 10, 20, 40, 80, 160)
  • 设置信道模型的采样率 :
gnb=simParameters;
waveformInfo=hOFDMInfo(gnb); % Generate OFDM waveform information
channel.SampleRate=waveformInfo.SamplingRate; % Include sampling rate information in channel system object
  • 初始化HARQ :
if pdsch.EnableHARQ
    rvSeq=[0 2 3 1]; % Set up Redundancy Version (RV) sequence
else
    rvSeq=0;
end
NHARQProcesses=16; % Specify the number of HARQ processes
harqSequence=1:NHARQProcesses; % Specify the sequence in which the HARQ processes are used
  • 创建DLSCH编码器和解码器系统对象 :
encodeDLSCH=nrDLSCH; % Create DLSCH encoder system object
encodeDLSCH.MultipleHARQProcesses=true; % Enable multiple HARQ processes
encodeDLSCH.TargetCodeRate=pdsch.TargetCodeRate;

decodeDLSCH=nrDLSCHDecoder; % Create DLSCH decoder system object
decodeDLSCH.MultipleHARQProcesses=true; % Enable multiple HARQ processes
decodeDLSCH.TargetCodeRate=pdsch.TargetCodeRate;
  • 处理循环 :
for snrIdx=1:numel(simParameters.SNRIn)
    rng('default'); % Set the random number generator settings to default values
    reset(decodeDLSCH); % Reset object's properties to default values
    SNRdB=simParameters.SNRIn(snrIdx); % Pick SNR value from range to be simulated
    % Initialize counters to be used in the simulation
    bitTput=[]; % Number of successfully received bits per transmission
    txedBlkNum=0; % Number of transmitted blocks
    txedTrBlkSizes=[]; % Number of transmitted info bits per transmission
    txedAlpBlkSizes=[]; % Number of transmitted alphabets per transmission
    % Initialize the state of all HARQ processes
    harqProcesses=hNewHARQProcesses(NHARQProcesses,rvSeq,gnb.NumCW);
    harqProcCntr=0; % HARQ process counter
    % Reset the channel so that each SNR point will experience the same channel realization
    reset(channel);
    % Calculate total number of OFDM symbols in the simulation period
    NSymbols=gnb.NFrames * 10 * waveformInfo.SymbolsPerSubframe;
    % Initialize OFDM symbol pointer at the start of each PDSCH transmission
    gnb.NSymbol=0;
    % Initialize slot pointer
    pdsch.NSlot=0;
    % Initialize index to the start of the current set of SS burst samples to be transmitted
    ssbSampleIndex=1;
    % Obtain a precoding matrix (wtx) to be used in the transmission of the
    % first transport block
    estChannelGrid=getInitialChannelEstimate(gnb,nTxAnts,channel);
    newWtx=getPrecodingMatrix(pdsch.PRBSet,pdsch.NLayers,estChannelGrid);
    while gnb.NSymbol < NSymbols % Move to next slot, gnb.NSymbol increased in steps of one slot
        % Generate a new SS burst when necessary
        if (ssbSampleIndex==1)
            nSubframe=gnb.NSymbol / waveformInfo.SymbolsPerSubframe; % Calculate number of subframes
            ssburst.NFrame=floor(nSubframe / 10); % Calculate number of frames
            ssburst.NHalfFrame=mod(nSubframe / 5,2); % Calculate number of half-frames
            [ssbWaveform,~,ssbInfo]=hSSBurst(ssburst); % Create SSB waveform
        end
        % Get HARQ process index for the current PDSCH transmission from HARQ index table
        harqProcIdx=harqSequence(mod(harqProcCntr,length(harqSequence))+1);
        % Update current HARQ process information based on CRC results
        % in the previous transmission for this HARQ process
        harqProcesses(harqProcIdx)=hUpdateHARQProcess(harqProcesses(harqProcIdx),gnb.NumCW);
        % Calculate the transport block sizes for the code-words in the slot
        [pdschIndices,dmrsIndices,dmrsSymbols,pdschIndicesInfo]=hPDSCHResources(gnb,pdsch); % Find RE indices of PDSCH and DMRS data
        trBlkSizes=hPDSCHTBS(pdsch,pdschIndicesInfo.NREPerPRB);
        % HARQ: check CRC from previous transmission per code-word
        for cwIdx=1:gnb.NumCW
            if harqProcesses(harqProcIdx).blkerr(cwIdx) % If CRC failed
                if (harqProcesses(harqProcIdx).RVIdx(cwIdx)==1) % If end of rvSeq
                    resetSoftBuffer(decodeDLSCH,cwIdx-1,harqProcIdx-1); % Reset HARQ soft buffer
                end
            else % If no error
                trBlk{cwIdx}=randi([0 1],trBlkSizes(cwIdx),1); %Generate new transport block
                setTransportBlock(encodeDLSCH,trBlk{cwIdx},cwIdx-1,harqProcIdx-1); % Load transport block on DLSCH
            end
        end
        % DLSCH Encoding
        codedTrBlock=encodeDLSCH(pdsch.Modulation,pdsch.NLayers,pdschIndicesInfo.G,harqProcesses(harqProcIdx).RV,harqProcIdx-1);
        % PDSCH Encoding
        pdsch.RNTI=1; % Set RNTI
        pdschSymbols=nrPDSCH(codedTrBlock,pdsch.Modulation,pdsch.NLayers,gnb.NCellID,pdsch.RNTI);
        % Precoding
        wtx=newWtx; % Get wtx (precoding matrix) calculated in previous slot
        pdschSymbols=pdschSymbols*wtx; % Apply precoding matrix to PDSCH symbols
        % Resource Grid Mapping
        pdschGrid=zeros(waveformInfo.NSubcarriers,waveformInfo.SymbolsPerSlot,nTxAnts); % Create resource grid
        [~,pdschAntIndices]=nrExtractResources(pdschIndices,pdschGrid); % Find PDSCH symbol indices on all transmit antennas
        pdschGrid(pdschAntIndices)=pdschSymbols; % Map PDSCH symbols on resource grid on all transmit antennas
        % PDSCH DM-RS precoding and mapping
        for p=1:size(dmrsSymbols,2)
            [~,dmrsAntIndices]=nrExtractResources(dmrsIndices(:,p),pdschGrid); % Find DMRS symbols' indices
            pdschGrid(dmrsAntIndices)=pdschGrid(dmrsAntIndices) + dmrsSymbols(:,p)*wtx(p,:); % Map DMRS symbols on resource grid
        end
        % CP-OFDM Modulation
        txWaveform=hOFDMModulate(gnb, pdschGrid); %Perform OFDM Modulation
        % Add SS-burst waveform to transmitted waveform
        Nt=size(txWaveform,1);
        txWaveform=txWaveform + ssbWaveform(ssbSampleIndex + (0:Nt-1),:); % Add SSB to transmitted waveform
        ssbSampleIndex=mod(ssbSampleIndex + Nt,size(ssbWaveform,1)); % Set next SSB sample index
        % Pass through Channel Model
        txWaveform=[txWaveform; zeros(maxChDelay, size(txWaveform,2))];
        [rxWaveform,pathGains,sampleTimes]=channel(txWaveform);
        % For AWGN, normalize noise power to take account of sampling rate, which is
        % a function of the IFFT size used in OFDM modulation. The SNR
        % is defined per RE for each receive antenna (TS 38.101-4).
        SNR=10^(SNRdB/20); % Calculate linear noise gain
        N0=1/(sqrt(2.0*nRxAnts*double(waveformInfo.Nfft))*SNR);
        noise=N0*complex(randn(size(rxWaveform)),randn(size(rxWaveform)));
        rxWaveform=rxWaveform + noise; % Add AWGN to the received time domain waveform
        % Perfect Synchronization
        pathFilters=getPathFilters(channel); % Get path filters for perfect channel estimation
        [offset,mag]=nrPerfectTimingEstimate(pathGains,pathFilters); % Perform perfect timing estimate
        rxWaveform=rxWaveform(1+offset:end, :); % Synchronized signal
        % CP-OFDM Demodulation
        rxGrid=hOFDMDemodulate(gnb, rxWaveform);
        % Channel Estimation
        estChannelGrid=nrPerfectChannelEstimate(pathGains,pathFilters,gnb.NRB,gnb.SubcarrierSpacing,pdsch.NSlot,offset,sampleTimes,gnb.CyclicPrefix);
        % Get perfect noise estimate (from the noise realization)
        noiseGrid=hOFDMDemodulate(gnb,noise(1+offset:end ,:));
        noiseEst=var(noiseGrid(:));
        % PDSCH Decoding
        newWtx=getPrecodingMatrix(pdsch.PRBSet,pdsch.NLayers,estChannelGrid);
        K=size(estChannelGrid,1);
        estChannelGrid=reshape(estChannelGrid,K*waveformInfo.SymbolsPerSlot*nRxAnts,nTxAnts);
        estChannelGrid=estChannelGrid*wtx.';
        estChannelGrid=reshape(estChannelGrid,K,waveformInfo.SymbolsPerSlot,nRxAnts,pdsch.NLayers);
        [pdschRx,pdschHest]=nrExtractResources(pdschIndices,rxGrid,estChannelGrid);
        [pdschEq,csi]=nrEqualizeMMSE(pdschRx,pdschHest,noiseEst);
        [dlschLLRs,rxSymbols]=nrPDSCHDecode(pdschEq,pdsch.Modulation,gnb.NCellID,pdsch.RNTI,noiseEst);
        % DLSCH Decoding
        csi=nrLayerDemap(csi); % CSI layer demapping
        for cwIdx=1:gnb.NumCW
            Qm=length(dlschLLRs{cwIdx})/length(rxSymbols{cwIdx}); % Calculate number of bits per symbol
            csi{cwIdx}=repmat(csi{cwIdx}.',Qm,1); % Expand by each bit per symbol
            dlschLLRs{cwIdx}=dlschLLRs{cwIdx} .* csi{cwIdx}(:); % Scale LLRs
        end
        decodeDLSCH.TransportBlockLength=trBlkSizes; % Input transport block size information to DLSCH decoder system object
        [decbits,harqProcesses(harqProcIdx).blkerr]=decodeDLSCH(dlschLLRs,pdsch.Modulation,pdsch.NLayers,harqProcesses(harqProcIdx).RV,harqProcIdx-1);
        % Store Values for throughput, BER and BLER calculations
        if(any(trBlkSizes) ~= 0)
            bitTput=[bitTput trBlkSizes.*(1-harqProcesses(harqProcIdx).blkerr)];
            txedTrBlkSizes=[txedTrBlkSizes trBlkSizes];
            txedBlkNum=txedBlkNum+gnb.NumCW;
            for cwIdx=1:gnb.NumCW %Store values for all PDSCH code-words
                if gnb.NumCW==1
                    numerr=numel(find(double(decbits)~=trBlk{1}));
                else
                    numerr(cwIdx)= numel(find(double(decbits{cwIdx})~=trBlk{cwIdx}));
                end
                numerrcombined(snrIdx)=numerrcombined(snrIdx)+sum(numerr);
                numblkerr(snrIdx)=numblkerr(snrIdx)+sum(harqProcesses(harqProcIdx).blkerr);
            end
        end
        % Preparation for next PDSCH transmission
        gnb.NSymbol=gnb.NSymbol + size(pdschGrid,2);
        pdsch.NSlot=pdsch.NSlot + 1;
        harqProcCntr=harqProcCntr + 1;
    end
    % Throughput, BER and BLER calculation
    maxThroughput(snrIdx)=sum(txedTrBlkSizes); % Maximum possible throughput
    simThroughput(snrIdx)=sum(bitTput,2); % Simulated throughput
    simThroughputmbps(snrIdx)=1e-6*simThroughput(snrIdx)/(gnb.NFrames*10e-3); % Simulated throughput (Mbps)
    BER(snrIdx)=numerrcombined(snrIdx)/sum(txedTrBlkSizes); % Calculate BER
    BLER(snrIdx)= numblkerr(snrIdx)/txedBlkNum; % Calculate BLER
    % Display the results dynamically in the command window
    fprintf(['\nAt Eb/N0=', num2str(EbN0(snrIdx))]);
    fprintf([['\nThroughput(Mbps) for ', num2str(gnb.NFrames),' frame(s) '],...
        '= %.4f\n'], simThroughputmbps(snrIdx));
    fprintf([['BER for ', num2str(gnb.NFrames),' frame(s) '],...
        '= %.4e\n'], BER(snrIdx));
    fprintf([['BLER for ', num2str(gnb.NFrames),' frame(s) '],...
        '= %.4e\n'], BLER(snrIdx));
    % Do not simulate next SNR if BER is 0
    if BER(snrIdx)==0
        simParameters.SNRIn=simParameters.SNRIn(1:snrIdx);
        EbN0=EbN0(1:snrIdx);
        break;
    end
end
  • 显示结果 :
figure;
plot(EbN0,simThroughputmbps,'-x','Linewidth',2)
xlabel('Eb/N0'); ylabel('Throughput (Mbps)'); grid on;
title(sprintf('PDSCH Throughput (%dx%d) / NRB=%d / SCS=%dkHz',...
    nTxAnts,nRxAnts,gnb.NRB,gnb.SubcarrierSpacing));
figure;
semilogy(EbN0,BER,'r-x','Linewidth',2)
xlabel('Eb/N0'); ylabel('BER'); grid on;
title(sprintf('BER (%dx%d) / NRB=%d / SCS=%dkHz',...
    nTxAnts,nRxAnts,gnb.NRB,gnb.SubcarrierSpacing));
figure;
semilogy(EbN0,BLER,'c-x','Linewidth',2)
xlabel('Eb/N0'); ylabel('BLER'); grid on;
title(sprintf('BLER (%dx%d) / NRB=%d / SCS=%dkHz',...
    nTxAnts,nRxAnts,gnb.NRB,gnb.SubcarrierSpacing));

通过上述步骤,可以完成5G PDSCH处理链的MATLAB仿真,并分析不同信噪比下的吞吐量、比特错误率(BER)和块错误率(BLER)。

下面是5G PDSCH处理链仿真流程的mermaid流程图:

graph TD;
    A[定义仿真参数] --> B[定义波形参数];
    B --> C[定义DL - SCH/PDSCH参数];
    C --> D[定义DM - RS参数];
    D --> E[定义保留PRB模式];
    E --> F[定义信道模型];
    F --> G[定义SS突发参数];
    G --> H[设置信道模型的采样率];
    H --> I[初始化HARQ];
    I --> J[创建DLSCH编码器和解码器系统对象];
    J --> K[处理循环];
    K --> L[显示结果];

5G PDSCH物理层处理与MATLAB仿真分析

3. 仿真结果分析

通过上述MATLAB仿真,可以得到不同信噪比($E_b/N_0$)下5G PDSCH的吞吐量、比特错误率(BER)和块错误率(BLER)。以下是两组不同参数设置下的仿真结果:

3.1 第一组参数仿真结果
  • 参数设置 :

    • 仿真帧数:1000帧
    • 带宽:10 MHz
    • 子载波间隔(SCS):30 kHz
    • PDSCH目标码率:40/1024
    • 调制方式:QPSK
    • 发射天线数:2
    • 接收天线数:2
  • 仿真结果数据 :
    | $E_b/N_0$ (dB) | 吞吐量 (Mbps) | BER | BLER |
    | ---- | ---- | ---- | ---- |
    | -5 | 0.6914 | 2.2968e-01 | 3.4525e-01 |
    | -4 | 0.8121 | 1.4976e-01 | 2.3100e-01 |
    | -3 | 0.9122 | 8.4471e-02 | 1.3615e-01 |
    | -2 | 0.9890 | 3.7603e-02 | 6.3400e-02 |
    | -1 | 1.0331 | 1.2453e-02 | 2.1700e-02 |
    | 0 | 1.0501 | 3.0246e-03 | 5.5500e-03 |
    | 1 | 1.0551 | 4.4261e-04 | 8.5000e-04 |
    | 2 | 1.0560 | 0.0000e+00 | 0.0000e+00 |

从这些数据可以看出,随着信噪比的增加,吞吐量逐渐接近最大值,BER和BLER则迅速下降。当信噪比达到2 dB时,BER和BLER均为0,说明此时系统的传输性能非常好,几乎没有错误发生。

3.2 第二组参数仿真结果
  • 参数设置 :

    • 仿真帧数:100帧
    • 带宽:20 MHz
    • 子载波间隔(SCS):30 kHz
    • PDSCH目标码率:616/1024
    • 调制方式:64 - QAM
    • 发射天线数:8
    • 接收天线数:2
    • 传输块大小:34,816 bits
  • 仿真结果数据 :
    | $E_b/N_0$ (dB) | 吞吐量 (Mbps) | BER | BLER |
    | ---- | ---- | ---- | ---- |
    | -10 | 31.3344 | 0.3324 | 0.5500 |
    | -9 | 33.5278 | 0.3005 | 0.5185 |
    | -8 | 38.5413 | 0.2509 | 0.4465 |
    | -7 | 45.6438 | 0.1884 | 0.3445 |
    | -6 | 52.8855 | 0.1268 | 0.2405 |
    | -5 | 61.6591 | 0.0597 | 0.1145 |
    | -4 | 66.3245 | 0.0244 | 0.0475 |
    | -3 | 68.0653 | 0.0116 | 0.0225 |
    | -2 | 68.9009 | 0.0054 | 0.0105 |
    | -1 | 69.3187 | 0.0023 | 0.0045 |
    | 0 | 69.5624 | 0.0005 | 0.0010 |
    | 1 | 69.5972 | | |

同样,随着信噪比的增加,吞吐量不断提高,BER和BLER持续降低。由于提高了带宽、目标码率和调制阶数,这组参数下的吞吐量明显高于第一组,但在低信噪比下,BER和BLER也相对较高。

4. 关键技术点总结

在5G PDSCH物理层处理和MATLAB仿真过程中,涉及到多个关键技术点,以下是对这些技术点的总结:

4.1 DLSCH解码技术
  • 速率恢复 :通过码块解连接、比特解交织和反向比特选择,将接收到的码块恢复到适合LDPC解码的形式。
  • LDPC解码 :使用置信传播算法(BPA)等算法对码块进行解码,通过迭代计算和奇偶校验来提高解码的准确性。
  • 码块解分段和CRC解码 :将解码后的码块段组合成完整的码字,并通过CRC校验来检测传输错误。
4.2 MATLAB仿真技术
  • 参数设置 :合理设置仿真参数,包括帧数、带宽、子载波间隔、目标码率、调制方式等,以模拟不同的通信场景。
  • 信道模型 :使用nrCDLChannel或nrTDLChannel系统对象来模拟信道特性,考虑多径衰落和噪声的影响。
  • HARQ机制 :通过HARQ机制实现重传,提高传输的可靠性。
  • 信号处理流程 :包括编码、调制、预编码、资源映射、OFDM调制和解调、信道估计、均衡和解码等一系列信号处理步骤。
5. 结论

通过对5G PDSCH物理层处理的MATLAB仿真,我们可以深入了解5G通信系统在不同信噪比下的性能表现。随着信噪比的增加,系统的吞吐量逐渐提高,比特错误率和块错误率显著降低。同时,合理选择系统参数,如带宽、目标码率和调制方式等,可以在不同的应用场景中实现最佳的性能平衡。

在实际应用中,可以根据具体的需求和环境条件,调整这些参数,以满足不同的通信要求。此外,通过不断优化解码算法和信号处理流程,还可以进一步提高系统的性能和可靠性。

下面是关键技术点与仿真流程的关系mermaid流程图:

graph LR;
    A[DLSCH解码技术] --> B[MATLAB仿真技术];
    B --> C[仿真结果分析];
    C --> D[结论与优化建议];
    E[速率恢复] --> A;
    F[LDPC解码] --> A;
    G[码块解分段和CRC解码] --> A;
    H[参数设置] --> B;
    I[信道模型] --> B;
    J[HARQ机制] --> B;
    K[信号处理流程] --> B;

通过以上的分析和总结,我们对5G PDSCH物理层处理和MATLAB仿真有了更全面的认识,为进一步研究和优化5G通信系统提供了有力的支持。

相关推荐

PDSCH在4G/5G中的作用及其Matlab仿真分析

物理下行共享信道(PDSCH)是无线通信系统中的关键组成部分,主要用于无线网络中基站向移动终端发送数据。PDSCH能够支持各种服务和应用的传输,是实现移动互联网数据下载的核心载体。多输入多输出(MIMO)技术是指在发送端和接收端使用多个天线的通信系统。其基本原理是在通信链路的两端设置多副天线,通过多条无线信道进行数据的发送和接收,从而提高数据传输速率和系统容量。MIMO技术的核心优势在于可以同时传输多个独立的数据流,增加系统的频谱利用率。

weixin_35835030的博客 1089

基于 Qt 6 / C++17 的多算法加解密工具(学习研究用途) 涵盖编码、古典密码、对称/非对称加密、哈希摘要共 24 种算法,全部纯 C++ 自实现,不依赖 OpenSSL/GmSSL

基于 Qt 6 / C++17 的多算法加解密工具(学习研究用途)。涵盖编码、古典密码、对称/非对称加密、哈希摘要共 24 种算法,全部纯 C++ 自实现,不依赖 OpenSSL/GmSSL。含图形界面、批量文件加解密、密钥管理、性能测试与操作日志。提供标准测试向量自测。

Delphi 13.2控件之SoloMD-5.0.21-x64-en-US.msi

Delphi 13.2控件之SoloMD_5.0.21_x64_en-US.msi

数字工厂AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

数字工厂AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

考虑一次调频以及二次调频和各机组调频特性的双目标风光水火储动态调度研究(Matlab代码实现)

考虑一次调频以及二次调频和各机组调频特性的双目标风光水火储动态调度研究(Matlab代码实现)内容概要:本文研究了一种考虑一次调频、二次调频以及各机组调频特性的双目标优化模型,用于风光水火储多能互补系统的动态调度问题。该模型以系统运行成本最小化和新能源消纳最大化为双重优化目标,综合考虑了各类电源的出力特性、储能系统的充放电行为及电网频率响应要求。通过Matlab编程实现了完整的求解流程,采用多目标优化算法对复杂约束条件下的调度方案进行求解,并对不同场景下的调度结果进行仿真分析,验证了所提模型在提升系统经济性与稳定性方面的有效性。研究还探讨了储能系统在平抑新能源波动、参与频率调节中的关键作用,为高比例可再生能源接入下的电力系统调度提供了理论支持和技术路径。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事新能源调度、电力系统优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决含多种能源形式的复杂电力系统在实际运行中的动态调度问题;②研究储能系统在调频和促进新能源消纳中的协同机制;③掌握多目标优化在电力系统调度中的建模与实现方法; 阅读建议:建议读者结合Matlab代码深入理解模型构建与求解过程,重点关注目标函数设计、约束条件处理及多目标折衷分析方法,同时可通过修改参数进行不同场景的仿真实验,以加深对系统动态行为的理解。

图腾柱无桥PFC变换器+平均电流控制+PI电压双闭环前馈控制设计(Simulink仿真实现)

内容概要:本文系统研究了图腾柱无桥PFC变换器的高性能控制策略,采用平均电流控制与PI电压双闭环前馈控制相结合的方法,并基于Simulink平台构建了完整的仿真模型进行验证。文章深入剖析了控制系统的结构设计,重点阐述了电压外环与电流内环的协同工作机理,其中前馈控制的引入显著增强了系统对输入扰动的抑制能力和动态响应速度。通过仿真结果表明,该复合控制策略能够有效实现单位功率因数运行,大幅降低输入电流的总谐波畸变率(THD),同时确保直流母线电压具有优异的稳态精度和快速跟踪能力。本研究为高效率、高功率密度的PFC变换器设计提供了坚实的理论支撑和可靠的实践范例。; 适合人群:从事电力电子、电气自动化、新能源变换器研发的高校研究生、科研人员及企业工程师。; 使用场景及目标:①掌握图腾柱无桥PFC变换器的工作原理与建模方法;②深入理解平均电流控制、PI双闭环及前馈控制在电力电子系统中的综合应用;③学习使用Simulink进行电力电子变换器的系统级仿真与性能分析。; 阅读建议:建议读者结合文中提供的仿真模型,分模块(主电路、控制逻辑、调制环节)进行参数设置与仿真调试,重点关注电压环与电流环的动态响应、稳态精度以及THD指标的变化,以深化对控制策略的理解。

基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文系统研究了基于序贯蒙特卡洛模拟法的配电网可靠性评估方法,重点聚焦于其在含分布式电源的复杂配电网中的应用。文章深入阐述了该方法的理论基础与实现流程,通过建立配电网元件的故障与修复过程的时间序列模型,模拟系统在长期运行中的状态演变,进而精确统计系统及负荷点的关键可靠性指标,如系统平均停电频率(SAIFI)、系统平均停电持续时间(SAIDI)、用户平均停电时间(CAIDI)等。研究依托Matlab平台完成了完整的仿真程序开发,并通过典型算例验证了所提方法的有效性与工程实用性。该方法能够充分考虑系统的时序特性与元件间的相关性,尤其适用于高比例分布式电源接入后带来的随机性与波动性较强的新型配电网可靠性分析。; 适合人群:具备电力系统分析基础知识和一定Matlab编程能力的高校研究生、科研机构研究人员,以及从事配电网规划、运行维护与风险管理的工程技术人员。; 使用场景及目标:①掌握序贯蒙特卡洛模拟法在电力系统可靠性评估中的核心原理与具体实施步骤;②学习如何利用Matlab进行配电网时序仿真建模与可靠性指标的自动化计算;③为含分布式电源的现代配电网的规划设计、运行风险评估及韧性提升提供科学的量化分析工具与技术支撑。; 阅读建议:建议读者结合文中提供的Matlab代码实现,逐行调试并运行仿真程序,深入理解状态抽样、时间推进、故障遍历、指标累加等关键算法环节,并鼓励尝试将其应用于不同的网络拓扑结构或引入更多类型的分布式电源模型,以深化对方法适应性与扩展性的理解。

基于多策略改进蜣螂算法(MSDBO)的多无人机协同三维避障路径规划研究(Matlab代码实现)

内容概要:本文研究基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同三维避障路径规划中的应用,旨在解决复杂环境下多无人机安全、高效飞行的路径规划问题。通过引入多种优化策略对传统蜣螂算法进行改进,显著增强了算法的全局搜索能力、收敛速度与避障性能,并结合三维空间建模与多无人机协同机制,构建以路径成本(如距离、高度、威胁、转角等)为目标函数的优化模型。文中系统阐述了算法设计原理、路径规划建模方法及仿真实验过程,通过多场景对比实验验证了MSDBO算法在路径安全性、规划效率和多机协同性方面的优越性与鲁棒性。; 适合人群:具备一定算法基础和MATLAB编程能力,从事无人机控制、路径规划、智能优化算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决城市、山区等复杂环境下的多无人机协同飞行路径规划问题;②提升无人机集群在动态障碍物环境中的自主避障与协同能力;③为智能交通、应急救援、军事侦察等领域的多智能体路径规划提供技术支持。; 阅读建议:建议结合提供的Matlab代码进行仿真实践,深入理解算法实现细节与参数调优方法,同时可尝试在不同场景下测试算法性能,进一步掌握其适用边界与优化潜力。

阅读档案 低年级版.docx

阅读档案 低年级版.docx

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开研究,提出了一种基于电容电压差值补偿的中点电位平衡策略。通过构建电压外环与电流内环的双闭环PI控制系统,实现直流母线电压的稳定与输入电流的快速跟踪;在此基础上,引入上下电容电压差值作为反馈信号,结合SVPWM调制中冗余小矢量的时间分配机制,实现对中点电位的主动调节。仿真结果表明,该策略能有效抑制中点电位波动,显著提升电容电压均衡度,同时保持较低的输入电流THD,验证了“电压稳定—电流低谐波—中点均衡”多目标协同控制的可行性与有效性。; 适合人群:从事电力电子变换器控制、新能源发电、电动汽车充电等领域的科研人员及工程技术人员,尤其是具备一定MATLAB/Simulink仿真基础的研究生和电气工程专业高年级本科生。; 使用场景及目标:① 掌握三电平VIENNA整流器的工作原理与控制难点;② 学习双闭环PI控制器的设计与参数整定方法;③ 理解并应用基于SVPWM冗余矢量的中点电位主动平衡控制策略;④ 实现高性能整流器的仿真建模与性能验证。; 阅读建议:此资源以理论分析与Simulink仿真相结合的方式呈现,建议读者在阅读时同步搭建仿真模型,重点关注双闭环结构搭建、SVPWM调制模块实现以及中点平衡补偿环节的集成,通过对比投入与未投入补偿策略的仿真结果,深入理解控制策略的作用机理与性能边界。

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

内容概要:本文详细介绍了全桥LLC谐振变换器在变频控制(PFM)与移相控制相结合的混合控制策略下的闭环仿真模型构建过程,基于Simulink平台实现。该变换器通过融合两种控制方式的优势,实现了高效、稳定的电压调节与软开关特性,适用于中高功率DC-DC转换应用场景。文档系统阐述了系统建模、控制环路设计(包括电压外环与电流内环)、谐振腔关键参数计算、PWM信号生成及闭环反馈机制的实现方法,并通过仿真验证了在不同负载条件下输出电压的稳定性、动态响应性能以及零电压开关(ZVS)的实现效果。同时,文中探讨了该模型与PFC、CLLC、DAB等其他电力电子系统的协同仿真潜力,凸显其在现代电力电子系统设计与研究中的重要价值。; 适合人群:具备扎实的电力电子技术理论基础,熟悉Simulink/Matlab仿真环境,从事开关电源、新能源变换器、电力电子系统设计及相关领域研发工作的工程师与高校研究生。; 使用场景及目标:①用于高校教学与科研项目中,帮助学生深入理解LLC谐振变换器的工作原理、谐振特性及混合控制策略的实现逻辑;②为工业界全桥LLC电源产品的开发提供高保真的仿真原型与设计参考,加速产品迭代;③支持研究人员对变频-移相混合控制下的系统效率优化、动态响应提升、软开关范围拓展等关键技术问题进行深入探究。; 阅读建议:建议读者结合所提供的Simulink仿真模型文件进行实操学习,重点关注控制环路中PI参数的整定过程与谐振元件(如谐振电感、励磁电感、谐振电容)设计之间的强耦合关系,并通过主动调整输入电压、负载大小等工况条件,观察系统的启动过程、稳态性能和抗干扰能力,从而深刻掌握LLC变换器的非线性动态行为与控制规律。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

内容概要:本文针对包含风能、光伏、火电、储能系统、电力转气(P2G)及需求响应的多能源系统,提出了一种基于NSGA-II多目标优化算法的调度模型,并通过Matlab代码实现了仿真求解。该模型综合考虑了系统运行的经济性、环保性以及能源利用效率等多个优化目标,旨在实现多能源系统在复杂约束条件下的协调优化与高效调度。研究详细构建了各类能源单元的数学模型,阐述了P2G技术的工作机理与需求响应机制,建立了完整的多目标优化问题框架,并利用NSGA-II算法求解获得Pareto最优解集,为决策者提供了多样化、权衡明确的调度方案选择。; 适合人群:具备一定电力系统、能源系统或优化理论基础,熟悉Matlab编程与基本优化算法(如遗传算法)的科研人员、研究生及工程技术人员。; 使用场景及目标:① 掌握多能源系统集成建模方法,理解风光火储与P2G、需求响应的协同机制;② 学习NSGA-II等多目标进化算法在复杂工程优化问题中的应用流程与实现技巧;③ 获取可用于科研复现、课题研究或工程方案设计的Matlab代码参考与仿真框架。; 阅读建议:建议读者结合Matlab代码逐步理解模型构建与算法实现细节,重点关注目标函数设计、约束条件处理及Pareto前沿的分析方法,有条件者可进一步扩展模型规模或引入新的优化算法进行对比研究。

优快云首页 发布文章 优快云同步助手 有限元悬臂梁-含一维和二维多种单元类型研究(Matlab代码实现) 34 100 摘要:会在推荐、列表等场景外露,帮助读者快速了解内容,支持一键将

内容概要:本文针对无线传感器网络(WSN)中因节点能量受限而导致网络寿命缩短的问题,提出了一种改进型LEACH协议,旨在有效延长网络生命周期。该协议在传统LEACH协议基础上,通过优化簇头选举机制、均衡节点剩余能量分布、改进数据聚合与传输策略等方式,显著缓解了部分节点因过度负载而过早死亡的现象。文中系统阐述了改进协议的设计原理、算法流程及关键参数设置,并基于Matlab平台构建仿真环境,通过与原始LEACH协议的对比实验,验证了该改进方案在延长网络生存时间、提升能量利用效率和增强数据传输稳定性方面的优越性能。; 适合人群:具备无线传感器网络基础知识和Matlab编程能力的高校研究生、科研人员以及从事物联网、边缘计算等相关领域技术研发的工程师。; 使用场景及目标:①作为教学案例用于讲授WSN路由协议设计与优化方法;②为实际物联网系统开发提供可借鉴的能量高效型通信协议解决方案;③支撑学术研究中对LEACH类协议性能评估与改进策略验证的需求,助力相关论文撰写与课题研究。; 阅读建议:建议读者结合文中的Matlab代码实现部分进行仿真实验,通过调整网络规模、节点分布、能量参数等变量,深入理解协议运行机制与性能影响因素,并可在现有基础上进一步探索引入分簇优化、多跳传输或机器学习辅助决策等高级改进策略。

基于粒子群优化算法的三方三层的主从博弈能源系统优化模型研究(Matlab代码实现)

内容概要:本文研究了一种基于粒子群优化算法的三方三层主从博弈能源系统优化模型,旨在实现综合能源系统的多目标优化调度。该模型综合考虑了风能、太阳能、火电、压缩空气储能、抽水蓄能及电化学储能等多种能源形式的联合调度问题,通过构建主从博弈架构协调不同利益主体间的决策行为,以实现系统经济性、稳定性与低碳化的协同优化。研究采用粒子群优化算法求解该复杂非线性优化问题,并结合IEEE 39节点系统进行潮流计算与电能质量分析,验证了所提模型在降低运行成本、削减负荷峰谷差、减少碳排放等方面的综合效益。; 适合人群:具备电力系统分析、优化算法或博弈论基础知识的科研人员、电气工程及相关专业的研究生,以及从事能源系统规划与运行管理的技术人员。; 使用场景及目标:①应用于综合能源系统(IES)的容量配置与多主体协同运行优化;②适用于高比例可再生能源接入下的电网调度与多类型储能协同控制;③为多利益主体参与的分布式能源交易、市场竞价及博弈决策提供算法支持与建模框架。; 阅读建议:读者应重点关注模型的三层架构设计、主从博弈的数学建模过程以及粒子群算法的实现细节,结合提供的Matlab代码进行仿真复现,深入理解算法在多目标优化中的收敛特性与工程适用性。

别再手动改颜色了!用这个Word宏,一键搞定Zotero参考文献超链接的蓝色样式

本文介绍如何利用Word宏一键修改Zotero参考文献的超链接颜色,解决手动调整的繁琐问题。通过详细的VBA代码解析和高级定制方案,帮助科研人员快速实现文献引用的自动化格式优化,提升论文排版效率。特别适合需要批量处理APA等标准格式蓝色超链接的用户。

weixin_30875157的博客 515

固件测试工具选型需要考察的功能点汇总

通过专业的固件测试工具可以帮助我们提高测试效率、提升测试的覆盖度、确保测试的准确性,保障产品的安全和质量。本文我们讲固件测试工具的功能点进行梳理和汇总,方便大家在采购固件测试工具时进行选型比对。

daopuyun的博客 2113

噪声整形与过采样实战:从N-bit ADC到DSM的SQNR优化指南

本文深入探讨了噪声整形与过采样技术在DSM(Delta-Sigma调制器)中的应用,重点分析了量化器位数(N)、滤波器阶数(L)和过采样率(OSR)对SQNR优化的影响。通过实战案例和参数协同优化策略,帮助工程师在音频处理和通信系统设计中实现更优的信号质量。

weixin_42561040的博客 340

Mplus—交叉滞后面板模型(Cross-Lagged Panel Model, CLPM)

本文介绍交叉滞后模型相关知识,以及显变量模型与潜变量模型在Mplus中的语法。

m0_54401011的博客 1万+

微信小程序 - 超详细小程序接入腾讯地图的完整流程,提供地图显示、IP 属地定位、地理位置名称、获取经纬度等超多功能示例(可一键复制并运行的功能源代码,详细的注释及常见问题汇总)小白直接上手!

微信小程序腾讯地图怎么接入,小程序项目中使用腾讯地图sdk,小程序中使用腾讯地图,微信小程序集成腾讯地图功能,微信小程序通过ip获取其地址、经纬度、详细地址,小程序使用腾讯地图跨域解决方法,微信小程序引入腾讯地图详细教程,原生小程序引入腾讯地图,微信小程序如何植入腾讯地图,微信小程序腾讯地图配置及使用详细教程,小程序植入腾讯地图SDK,微信小程序项目怎么用腾讯地图,微信小程序IP属地定位,获取当前用户位置名称,微信小程序如何使用腾讯地图获取用户的定位位置,在小程序中使用腾讯地图,实现定位,距离计算,实时搜索

🏆 前端领域优质创作者 8810

Aurix TC3xx系列MCU ResourceM模块配置(多核资源分配)

为减轻主核的负载率或者平衡各个核的资源分配,通常需要把一些MCU内部资源分配到从核上,在EB tresos工具中,通过ResourceM模块实现多核资源分配。

m0_38045338的博客 1389

TI单芯片毫米波雷达1642代码走读(〇)——总纲

前言 近年来,自动驾驶行业发展如火如荼,雷达技术也逐渐从军工封闭圈走向了开放的市场。 毫米波雷达具有全天候探测能力,特别是在雨雪雾天气以及夜间都能可靠工作,并且探测距离相对其他车载传感器非常远,对运动目标非常敏感,价格还低廉,这些特性都使其成为自动驾驶感知层面不可或缺的一环。 现如今的雷达已经不仅仅局限于测距测速测角等传统的功能,雷达技术正在从感知走向认知、从宽带走向超宽带、从二维走向三维四维、从相控阵走向数字阵列、从单通道走向MIMO、从独立工作走向分布式协同、从分立组件走向射频数字一体化。MIMO

3万+

在群辉(NAS)中安装虚拟机套件(Virtual Machine Manager)

一、在群辉中下载虚拟机套件Virtual Machine Manager ①启用Open vSwitch(网络-->管理--启用Open vSwitch) ②打开“套件中心” ③查找到Virtual Machine Manager套件点击“安装套件” 二、安装虚拟机套件(Virtual Machine Manager) ①打开虚拟机套件运行设置向导 ②选择存储空间...

提供C#相关开发 、云计算、运维测试、网络安全相关技术分享与服务,有意向可联系。 2万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

上一篇: 13、儿童数字产品设计的交互与专注策略
下一篇: 8、基于深度学习算法的农业机械驾驶安全系统
python9snake
博客等级 码龄1天 0粉丝 1724原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值