搜索资源列表
PCMcodedecode_matlab
- 产生一正态分布序列 经过pcm编码、PCM解码、计算量化信噪比、设置信道误码率 -Generating a normal sequence after pcm encoding, PCM decoding, computing quantization noise ratio, set the channel error rate x = randn (1,1000) generating a normal sequence xf = fft (x, 256) 1024 da
add_nosie_awgn_randn
- 对matlab通信仿真中噪声添加进行了定量分析，分别对awgn和randn加噪进行了编程实现，对于初学者掌握matlab噪声定量添加非常有帮助。-Communication Simulation of matlab noise addition quantitative analysis, respectively awgn and randn plus noise was programming for beginners to master matlab noise dosing very
ber_summarize
- 对于EbN0\ESN0\SNR,AWGN\RANDN进行了分析，指出了其定量规律，对于通信初学者进行ber分析研究很有帮助，此处，与bettool工具箱进行了对比分析。-For EbN0 \ ESN0 \ SNR, AWGN \ RANDN analyzed, pointing out its quantitative laws for beginners ber communication analysis is helpful here, and bettool toolbox compar
1-netwo
- a wrong watermark (it should not be revealed) [z,Sz] = wm_detection(corrupted_image,randn(size(x)),L,alfa) results: the corruped image is the watermarked image? disp( Test results: ) if z >= Sz disp( Watermarked imag
uniform_distr
- 均匀分布rand函数和unifrnd函数的比较，正态分布randn函数和normrnd函数的比较。-Uniform distribution rand function and unifrnd function comparison, normal distribution randn function and normrnd function comparison.
ada
- Demo of adaBoost (adaptive boosting) Xu Cui 2009/05/12 clear training data (1000 samples, 2 dimensions, can be seen as 1000 people, each people have 2 variable: weight and age) data = randn(1000,2) 1000 number (x,y) 2d label
庞中华系统辨识程序说明
- 设有色噪声序列{e(k)}为 1 1 2 1 1 2 3 ( ) ( ) ( ) 1 0.5 0.2 ( ) ( ) 1 1.5 0.7 0.1 e k C z k z z k D z z z z ξ ξ ? ? ? ? ? ? ? + + = = ? + + 式中，ξ (k)为方差为 1的白噪声。 注意：仿真程序中，白噪声在MATLAB 中由randn 函数产生，randn 函数前 面的系数表示白噪声的均方差，而非方差。(Set colored noise seq
awgn白噪声添加方法
- 在matlab中无论是wgn还是awgn函数，实质都是由randn函数产生的噪声。即：wgn函数中调用了randn函数，而awgn函数中调用了wgn函数。(The principle of AWGN adding white noise)
$R8SOOS0
- 随机产生一次数据x=randn（1，1024*8） 对这个序列进行FFT然后求功率谱密度 。应用MATLAB画出来横坐标为频率（Frequency(hz)））纵坐标为功率谱密度（Power Spectrum Density） (dB))的图形(Randomly generate a data x=randn (11024*8) to carry out FFT for this sequence and then obtain power spectral density. Drawing th
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate
L4_1
- a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上和分别属于+1类和-1类，请在上述数据集的两类中各随机抽取150个样本作为训练集，运用Logistic regression算法得到的分类面，然后对余下的各5