搜索资源列表
kalman
- KALMAN滤波源程序,已知条件是给出状态方程和量测方程,过程噪声和量测噪声都是零均值的高斯白噪声
QAM_AWGN_Fading
- 加性高斯白噪声衰减信道的QAM调制源代码,包含误码率仿真
fm-meilin
- 数字图像矩阵数据的显示及其傅立叶变换 P0302:二维离散余弦变换的图像压缩 P0303:采用灰度变换的方法增强图像的对比度 P0304:直方图均匀化 P0305:模拟图像受高斯白噪声和椒盐噪声的影响 P0306:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307:采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308:图像的自适应魏纳滤波 P0309:运用5种不同的
RLS_RF3
- 应用自适应的干扰对消法去除高斯白噪声,程序中给出两种相关噪声产生的方法,第一种只有一个噪声是随机产生的,第二种两个噪声都是随机产生的。程序中给出了去噪后信噪比和均方差的增益。
LMS
- 应用LMS算法去除噪声,纯净信号为各种数字调制信号,本程序中选的是数字调幅信号8ASK,噪声是高斯白噪声,信噪比可以任意指定。
2113f
- 在DS-spread spectrum系统中,噪声为加性高斯白噪声,传统单用户检测,线性解相关多用户检测和最小均方误差多用户检测的性能比较
ofdm_qpsk_awgn
- 在高斯白噪声信道下,采用qpsk调制的ofdm系统的源码。
someImageProcessSourcecode
- 几种图像处理源码 程序代码说明 P0301:数字图像矩阵数据的显示及其傅立叶变换 P0302:二维离散余弦变换的图像压缩 P0303:采用灰度变换的方法增强图像的对比度 P0304:直方图均匀化 P0305:模拟图像受高斯白噪声和椒盐噪声的影响 P0306:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307:采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308:
shifen
- 实现了时分复用,并在信道中加入高斯白噪声
matlab-dsb
- DSB调制解调,并且加入了高斯白噪声和带通滤波器,模拟了完整的系统
cma_16QAM_blind_equalization
- 此代码产生一个16QAM信号,通过高斯白噪声信道后,对其使用常模盲均衡算法,最后输出星座图和收敛图。
CDMAchannelsimulation(AWGN)
- 仿真CDMA系统的信道,在输入所需用户序列和其他干扰用户序列后在信号上叠加高斯白噪声,干扰用户多径干扰和所需用户的多径干扰和衰落。并根据输入延时曲线产生信道延时,输出mul_fad_sequence为信道信号输出,max_delay为信道最大延迟,fade_sign为瑞利信道中最大幅度分量的衰落量,mpath_amp为信道多径的幅度因子
AWGN-BPSK
- 这个Matlab程序计算在高斯白噪声(Additive White Gaussian Channel )下BPSK调制中的错误概率。
ULA
- 已知:信号中心波长为2,天线阵元的间距为1米,快拍数为2000,空中有四个 源信号,假设它们的频率 四个源信号的方向分别为: 求: 1)在不加入噪声的情况下,观察并计算协方差矩阵特征值,并对它的特点 加以说明 2)分别采用MUSIC算法,CAPON算法, ESPRIT算法在下面四种情况下,对 上述四个信号源的波达方向进行估计,并画出它们的空间谱图; ①在不加入噪声的情况下, ②在加入高斯白噪声的情况下,假设信噪比为10dB 3)在信噪比变化范围
chap3
- P0304:直方图均匀化P0305:模拟图像受高斯白噪声和椒盐噪声的影响P0306:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波P0309:运用5种不同的梯度增强法进行图像锐化
TurboCode
- 信道编解码中的turbo编解码程序,采用了多种解码算法,进行了性能比较,信道模拟高斯白噪声信道
ber
- 模拟直扩系统中加性高斯白噪声信道环境下接受机误码率的计算
chap3
- 程序代码说明 P0301:数字图像矩阵数据的显示及其傅立叶变换 P0302:二维离散余弦变换的图像压缩 P0303:采用灰度变换的方法增强图像的对比度 P0304:直方图均匀化 P0305:模拟图像受高斯白噪声和椒盐噪声的影响 P0306:采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307:采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308:图像的自适应魏纳滤波
zonghe
- matlab环境下的高斯白噪声生成,设计,及说明
RecoveryofSignalfromTransientScatteredResponseCont
- 本文分析了用经验模态分解( Empirical Mode Decomposition ,EMD) 方法处理非平稳噪声信号的基本原理 , 并利用 EMD 方法有效地消除了高斯白噪声对瞬态散射回波的干扰. 文中以一人工合成瞬态回波为例 ,对本方法的有 效性作了检验.