搜索资源列表
package_emd
- 经验模态分解(Empirical Mode Decomposition,EMD)法是黄锷(N. E. Huang)在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法,特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换,就组成了大名鼎鼎的“希尔伯特—黄变换”(HHT)。由于脑电信号处理很少在EMD之后接上希尔伯特变换,在这里仅介绍EMD的相关基础知识。 EMD其实就是一种对信号进行分解的方法,与傅里叶变换、小波变换的核心思想一致,大家
MIMO1
- 实现基于STBC的MIMO_OFDM通信系统在不同信噪比情况下接收端的误比特率的仿真。发射端包括基于基带调制、空时编码、导频插入、IFFT、串并合并以及添加循环前缀;接收端包括去除循环前缀、取出导频估计信道、FFT运算以及并串合并,空时解码等。仿真中采用QPSK、空时编码采用4*3的复正交空时编码矩阵。OFDM子载波数为100,每个子载波传输66个符号,每个符号2比特。IFFT长度为512个符号。发射天线为3个接收天线为2个。(The BER simulation of MIMO_OFDM co
emd
- 经验模态分解(Empirical Mode Decomposition,EMD)是由 Huang等人于1998年提出的一种针对非线性、非平稳信号的自适应信号分解算法。自该方法提出以后便得到了学术界的广泛关注与研究,经过十几年的研究与发展,在理论方面EMD算法取得了进一步的完善。许多国内外学者也将该方法应用到了地球物理领域,并做了深度的研究与探索。与传统的基于Fourier变换的信号分析方法相比,EMD不仅突破了Fourier变换的局限性,而且不存在如小波变换一样需要预选小波基函数的问题,具有良好
FFT变换的matlab实现
- 此代码为基2时间抽取的快速傅里叶变换,可实现将信号从时域转换到频域。
spatially_sparse_precoding
- 可以用来实现论文中的OMP算法产生基带预编码矩阵和射频预编码矩阵(Can be used to implement the OMP algorithm in the paper to generate baseband precoding matrix and radio frequency precoding matrix)