一.模拟通信系统性能分析 1.系统框图 2.信噪比定义 (1)输入信噪比: (2)输出信噪比: (3)调制制度增益: 3.模拟通信系统分析等价模型 即自己产生一个高斯白噪声,加入到调制信号,然后在送入解调器. 4.通信系统新能分析 (1) AM 解调器      AM 信号可用相干解调或者包络检波两种方法解调.对于100% 调制,且调制信号m(t) 是正弦波情况下,相干解调的调制制度增益为GAM = 2/3.对于包络检波来说,在大信噪比情况下它的性能与相干解调器的性能几乎一样.小信噪比的情况下,

一.FM调制 1.代码如下: clc,clear; fm = ; % 调制信号频率(Hz) Am = 0.5; % 调制信号幅度 fc = 5e3; % 载波频率(Hz) Ac = ; % 载波幅度 mf = ; % 调频指数 %% %firstly kf = mf * * pi * fm / Am diatf = kf * Am B = * (mf + ) * fm %% %secondly fs = 64e3; % 采样率 N = ; % 样点总数 t = (:N-)'/fs; % 时间t

现在常用的SPICE仿真软件为方便用户使用都提供了较好的用户界面,在用仿真库中的元器件连成原理图后就可以进行仿真(当然要设置必要的仿真参数),但实际上只是用原理图自动产生了SPICE的格式语句,还是要通过读取语句来进行仿真,这是历史的遗留问题.在当时的技术条件下,不能用图形方式输入电路结构,只能通过文本文件来描述,也就是所谓网表.SPICE软件的设计者规范了要进行仿真的电路对应的SPICE网表文件格式,还定义了许多仿真描述语句和分析控制语句等,使仿真软件能通过读取这些特殊信息来进行相关计算和运行

1. 决策树 一般的,一棵决策树包含一个根结点.若干内部结点和若干叶子结点,叶子节点对应决策结果,其他每个结点对应一个属性测试,每个结点包含的样本集合根据属性测试结果被划分到子结点中,而根结点包含样本全集,从根结点到每个叶子结点的路径对应了一个判定测试序列.其基本流程如下所示: 输入:训练集D={(x1,y1), (x2, y2), ......, (xm, ym)} 属性集A={a1, a2, ......, ad} 过程:函数TreeGenerate(D, A),传入参数为训练集D与属性集A

我们眼中的世界就像皮影戏的大幕布,幕布的后面有无数的齿轮,大齿轮带动小齿轮,小齿轮再带动更小的. 在最外面的小齿轮上有一个小人——那就是我们自己. 我们只看到这个小人毫无规律的在幕布前表演,却无法预测他下一步会去哪. 而幕布后面的齿轮却永远一直那样不停的旋转,永不停歇. ——这就是对傅里叶世界观的描述. 你眼中看似落叶纷飞变化无常的世界,实际只是躺在上帝怀中一份早已谱好的乐章. 下面进入正式环节↓↓↓↓↓↓ 傅里叶公式: 其中: 这就是鼎鼎大名的傅里叶公式! 简单的理解: 每一个信号,在某个特定

在此动手实践中,我们将在Azure机器学习Studio中一步步地开发预测分析模型,首先我们从UCI机器学习库的链接下载普查收入数据集的样本并开始动手实践: http://archive.ics.uci.edu/ml/datasets/Census+Income. 然后我们在此数据集上开发和训练预测分析模型,并将预测分析模型作为web服务发布至云端给其他程序调用,整个过程大致包含下几个步骤: 下载.处理和上传收入普查的数据集: 创建一个新的Azure机器学习实验: 训练和评价一个预测模型: 从公共

文献中的recall rate(查全率或召回率) and precision(精度)是很重要的概念.可惜很多中文网站讲的我都稀里糊涂,只好用google查了个英文的,草翻如下:召回率和精度定义: 从一个大规模数据集合中检索文档的时,可把文档分成四组 - 系统检索到的相关文档(A) - 系统检索到的不相关文档(B) - 相关但是系统没有检索到的文档(C) - 相关但是被系统检索到的文档(D) 相关 不相关 检索到 A B 未检索到 C D 直观的说,一个好的检索系统检索到的相关文档越多越好,不相关

1决策树(Decision Trees)的优缺点 决策树的优点: 一. 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义. 二. 对于决策树,数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化,比如去掉多余的或者空白的属性. 三. 能够同时处理数据型和常规型属性.其他的技术往往要求数据属性的单一. 四. 决策树是一个白盒模型.如果给定一个观察的模型,那么根据所产生的决策树很容易推出相应的逻辑表达式. 五. 易于通过静态测试来对模型进行评测.表示有可能测量该

True Positive (真正, TP)被模型预测为正的正样本: True Negative(真负 , TN)被模型预测为负的负样本 : False Positive (假正, FP)被模型预测为正的负样本: False Negative(假负 , FN)被模型预测为负的正样本: True Positive Rate(真正率 , TPR)或灵敏度(sensitivity)     TPR = TP /(TP + FN)     正样本预测结果数 / 正样本实际数 True Negative

True Positive (真正, TP)被模型预测为正的正样本: True Negative(真负 , TN)被模型预测为负的负样本 : False Positive (假正, FP)被模型预测为正的负样本: False Negative(假负 , FN)被模型预测为负的正样本: True Positive Rate(真正率 , TPR)或灵敏度(sensitivity)    TPR = TP /(TP + FN)    正样本预测结果数 / 正样本实际数 True Negative Ra

一.决策树 决策树是用于分类和预测的主要技术之一,决策树学习是以实例为基础的归纳学习算法,它着眼于从一组无次序.无规则的实例中 推理出以决策树表示的分类规则.构造决策树的目的是找出属性和类别间的关系,用它来预测将来未知类别的记录的类别.它采用自顶向下的递归方式,在决策树的 内部节点进行属性的比较,并根据不同属性值判断从该节点向下的分支,在决策树的叶节点得到结论. 主要的决策树算法有ID3.C4.5(C5.0).CART.PUBLIC.SLIQ和SPRINT算法等.它们在选择测试属性采用的技术.生

语音识别简介 语音识别(speech recognition)技术,也被称为自动语音识别(英语:Automatic Speech Recognition, ASR).计算机语音识别(英语:Computer Speech Recognition)或是语音转文本识别(英语:Speech To Text, STT),其目标是以计算机自动将人类的语音内容转换为相应的文字. 按照不同纬度如下分类: 按词汇量(vocabulary)大小分类: 小词汇量:几十个词: 中等词汇量:几百个到上千个词 大词汇量:几

BER全称Bit Error Ratio,比特出错概率,是衡量通信系统性能的最根本指标. 采用纠错编码,只要纠前BER小于某个门限值(BER容限点),纠错编码后就能实现纠后误码率为零的传输. 一般情况下BER都是指纠错编码前的误码率(纠前BER).

前一章主要是FM的自动调频, 接下来我们就看看FM手动调频是如何进行的.如果不清楚FM自动调频的过程,请打开超链接查看FM搜索频率流程. 首先来看一下流程图: 2.滑动刻度盘HorizontalNumberPicker控件在监听事件里使用方法valueToFrequency(newVal) 1.长按左右箭头居中的频率字符串,弹出FrequencyPickerDialog调频对话框确定调用tuneRadio(frequency)调频. 获取到频率 protected int valueToFreq

本文档以 iMX6UL 为例,简单介绍 cpufreq 的 5 种模式. 在 imx6ul 的 menuconfig 中,进入 CPU Power Management ---> CPU Frequency scaling ---> Default CPUFreq governor (ondemand) ---> 中,如下图所示,可以看到有 5 个选项. 这 5 个选项,可以将 cpu 的频率设置为不同的 管理模式,默认设置的是 ondemand 模式.   cpufreq 是一个动态调

iTOP-4418/6818开发板 支持动态调频,AXP228电源管理, 系统支持:Android4.4/5.1.1.Linux3.4.39.QT2.2/4.7/5.7.Ubuntu12.04 内存:1GB DDR3(2GB)存储:16GB存储EMMC:4MB的EEPROM用来存储关键数据 底板:125mm * 190mm:核心板:50mm*60mm CPU:四核 Cortex-A9-八核 Cortex-A53 支持全网通4G模块.GPS模块.WIFI模块.AD.千兆以太网.重力加速度计.CAM

iTOP-6818开发板与4418开发板共兼容同一底板: 核心板:::::: 尺寸 50mm*60mm 高度 核心板连接器组合高度1.5mm PCB层数 6层PCB沉金设计 4418 CPU ARM Cortex-A9 四核 S5P4418处理器 1.4GHz 6818 CPU ARM Cortex-A53 八核 S5P6818处理器 1.4GHz 内存 1GB DDR3(2GB可选) 存储 16GB EMMC 电源管理 AXP228(官方推荐最佳匹配),支持动态调频,超低功耗 工作电压 直流5

安装Pi-FM-RDS 安装依赖.sudo apt-get install libsndfile1-dev 克隆Pi-FM-RDS到本地.git clone https://github.com/ChristopheJacquet/PiFmRds.git 进入到目录.cd PiFmRds/src 编译.make clean && make 编译后会在目录生成可执行文件pi_fm_rds. 拷贝文件到系统命令文件夹.sudo cp pi_fm_rds /usr/local/bin/ 使用Pi

经常听“飞鱼秀”,但是由于时间的原因,只能听回放,但是轻松调频的APP做的有点儿... 听回放的时候经常会中断,还不能拖动进度条,就决定把录音下载下来听. 1.反编译apk(Android反编译过程见这里) cn.cri_gghl.easyfm.apk   2.找到   可以找到对应的网址: MAINURL = http://123.56.91.34/index.php?m=index&a=recommend SHITINGurl = http://123.56.91.34/index.php?

AM:amplitude modulation,幅度调制: FM:Frequency Modulation,频率调制: 1. 为什么要调制 MW:Medium Wave,中波,SW:Short Wave,短波 声音的频率是 20HZ-20KHZ,转变成电磁波后也是这个频率,属于低频,电磁波的频率越高越容易传送得更远.所以音频需搭载在高频信号上才能传输得更远,音频搭载上高频信号的过程就叫调制.调制的目的是为了把音频传送到更远的地方.目前常用的方法有调幅和调频两种方法. "调幅"就是调制幅