- 博客(15)
- 资源 (11)
- 收藏
- 关注
原创 信号测量
测量过程主要包括以下三个步骤: 测量配置:由eNB通过RRCConnectionReconfigurtion消息携带的measConfig信元将测量配置消息通知给UE,即下发测量控制。 测量执行:UE会对当前服务小区进行测量,并根据measConfig信元中的信息来执行测量。 测量报告:测量报告触发方式分为周期性和事件触发。当满足测量报告条件时,UE将测量结果填入MeasurementReport消息,发送给eNB。由eNB通过RRCConnectionRec
2021-04-12 16:56:17
969
转载 十大经典排序算法(C语言实现)
原文链接:https://www.cnblogs.com/onepixel/articles/7674659.html1、冒泡排序(Bubble Sort)冒泡排序是一种简单的排序算法。它重复地走访过要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”...
2019-08-24 10:27:01
3397
原创 子载波间隔
(1)Ericsson在R1-163227:Numerology for NR中提到,但对于给定的频段,相位噪声和多普勒频移决定了最小子载波间隔(SCS)。采用较小的SCS,会导致较高的相位噪声从而影响EVM,也对本地振荡器产生较高的要求,还会使多普勒频移较高时的性能降低。而在使用带有锁相环(PLL)的压控振荡器(VCO)的系统中,相位噪声对载波间干扰的影响并不大。只要子载波间隔在10kHz以上...
2019-08-02 20:58:22
27946
转载 三张图读懂机器学习 :基本概念、五大流派与九种常见算法
引用:http://www.sohu.com/a/148370933_453160机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展仍还在继续,甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗?四大会计师事务所之一的普华永道(PwC)近日发布了多份...
2019-06-04 14:38:38
295
转载 通信系统仿真中SNR,Eb/N0,Es/N0的区别与联系
摘自:https://www.cnblogs.com/hmzhang/p/4342145.html首先要明白这三个信噪比的概念。1)SNR:每个采样点上的信噪比,也是MATLAB中AWGN函数需要输入的信噪比;2)Eb/N0:比特信噪比,指的是每bit的能量与噪声功率谱密度之比,也是BER差错性能曲线的横轴;3)Es/N0:符号信噪比,指的是每个符号的能量与噪声功率谱密度之比。接下来就要...
2019-05-29 15:39:27
3738
转载 矩阵的极分解
矩阵的极分解定理,最常见的版本对任何n×n可逆复矩阵A,可以被唯一分解成正定(自伴)矩阵P与酉矩阵U的积,即A=PU,同时有A是正规矩阵 iff PU=UP. 事实上,这里是P=(AA*)^1/2, U=P^(-1)A. 这个分解与矩阵的奇异值分解密切相关,其中的矩阵P又称为A的极矩阵,矩阵P的特征值被称为A的奇异值。对于实矩阵的情形,也有类似的结论,只要把酉矩阵U换成正交矩阵O就行了。对于一般n×
2016-04-18 12:44:02
16953
5
转载 拉格朗日乘数法
本文是对前人研究的一些总结,内容来源于网络和一些相关研究的文献,再加上自己的一些愚见,算是对自己学习的一些总结和备忘,希望同时能帮助他人更好的理解拉格朗日乘数法求极值问题。在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最优值;如果含有不等式约束,可以应用KKT条件去求取
2016-03-05 13:02:38
1369
原创 瑞利衰落信道
定义:瑞利衰落信道(Rayleigh fading channel)是一种无线电信号传播环境的统计模型。这种模型假设信号通过无线信道之后,其信号幅度是随机的,即“衰落”,并且其包络服从瑞利分布。这一信道模型能够描述由电离层和对流层反射的短波信道,以及建筑物密集的城市环境。瑞利衰落只适用于从发射机到接收机不存在直射信号(LoS,Line of Sight)的情况,否则应使用莱斯衰落信道作
2016-02-22 22:34:59
29425
1
原创 求伪逆的三种方法:直接,SVD,QR及具体的应用
最近在做波达方向的估计的研究,其中涉及到了奇异矩阵的逆,直接通过matlab中的pinv()和inv()计算得到的结果误差较大,于是就诞生了这篇文章,当然,全文并非全部原创。奇异矩阵的求逆主要有三种方法:直接求解;SVD分解;QR分解,下面分别看看这三种方法的具体实现。并附上自己解决的问题,仅供大家参考。① 直接求解:求导,令导数为0,结果如下: InvA=(ATA)-1AT
2015-12-28 10:13:29
48448
2
原创 Maltab画图
(1)生成不同范围的坐标值 %% 求sinc函数的频谱 fs=10; K = 4096; fw=[-K/2:K/2-1]/K*fs; %画图时生成坐标轴,改变系数和fs生成不同坐标轴范围的值。
2015-12-11 09:30:53
1182
翻译 稀疏傅里叶变换(频率降采样)
设复信号 x(n) 长度为 N,X(k) 为其 DFT 结果。参数 B 整除 N,想要以等间隔 N/B对信号频域进行降采样,即求Y(K)=X(K*N/B) K∈[0,B-1]. 可以断言,Y(k) 是以下构造信号的 B 点 DFT 结果: 参考文献的公式推导: 参考文献:Simple and Practical Algorithm for Sparse Fourier Transf
2015-12-09 13:07:26
4917
转载 高斯函数以及在图像处理中的应用总结
1、一维高斯函数:a表示得到曲线的高度,b是指曲线在x轴的中心,c指width(与半峰全宽有关),图形如下:、2、根据一维高斯函数,可以推导得到二维高斯函数:在图形上,正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。计算平均值的时候,我们只需要将"中心点"作为原点,其他点按照其在正态曲线上的位置,分配权重,
2015-12-08 21:12:17
5022
原创 ubuntu下cvs的安装、配置与使用
cvs的安装方式大致有两种 一种是cvs+cvsd,另一种是cvs+xinetd,我选择的是cvs+xinetd,这种做法比较节省资源,xinetd是一个后台服务管理程序,除了管理cvs之外还可以管理其它的后台服务,理论上讲会比较节省资源一些。环境os:ubuntu 12.04 cvs:(CVS) 1.12.13 (client/server) xinietd:2.3.14安装过程如下1.安装
2015-04-11 08:35:21
1250
转载 C++项目中的extern "C" {}
在用C++的项目源码中,经常会不可避免的会看到下面的代码:123456789#ifdef __cplusplusextern "C" {#endif /*...*/ #ifdef __cplusplus}#end
2014-10-26 14:39:19
427
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人