搜索资源列表
mse
- 使用程序实现mse函数的三维设计实现，可以表现出不同的最小均方误差的各种情况
MSE_calculation
- 最小二乘算法，最小均方误差等算法的MSE的计算，MATLAB代码
RAKE
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
UWB
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
jiyun
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
decode
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
fsm8051
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
oc8051_defines
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
pc
- ：首先介绍了DS--UWB系统的的发射与接收模型，然后分析了利用滑动相关法对信道进行估讣，并巾此给出 了不同RAKE接收机RAKE合成权系数选取方案。对接收机采用最大比(MRC)、最小均方误差(MM SE)及带均衡 器的(MRC)合并系数选取的误码性能进行了仿真和对比。结果表明了带均衡器的MRC—RAKE只用较少的分支 就可以达到接收性能明显优于MMSE—RAKE的程度。尤其在信噪比比较大时。这种优势更加明显。
matlabcompress
- 使用二维离散余弦变换(DCT)进行图象压缩。原始图象被转换成为8*8大小的块进行压缩和重构。 Cnum:为压缩时保留的系数的个数 MSM:均方误差压缩应该做到在最合理的近似原图象的情况下使用最少的系数。函数：dctmtx:返回一个n*n阶DCT变换 blkproc:对图象进行不同的块处理。 im2col:重排图象块为矩阵列。注意：只适用于灰度图象。
haarWaveletCoding
- 完成对输入图像Fig8.23.jpg利用Haar小波进行图像小波变换，变换系数量化，小波逆变换完成图像重构，并计算其重构图像的均方误差和信噪比来评估图像的重构误差
zishiyinglcbo
- 如何设计和制造最佳的或最优的滤波器。 最佳滤波器是指能够根据某一最佳准则进行滤波的滤波器。 维纳滤波器 最小均方误差准则 （滤波器的输出信号与需要信号之差的均方值最小） 最大输出信噪比准则最佳滤波器 最小二乘准则最佳滤波器 统计检测准则最佳滤波器 在一定条件下，这些最佳滤波器与维纳滤波器是等价的。
mathworks
- 基于均方误差参数比较OFDM系统中LS和MMSE两种自适应信道估计算法的性能，程序开头都有英文注释，可以直接运行的~个人认为写得比较好，跟大家一起分享~
LMSMATLAB3
- 书上的lms算法的输出为估计量（滤波结果）和均方误差阵 而这个程序的输出结果是滤波器系数和误差系数 实际使用的时候，这样给出的结果应该更实用
ls_mmse_updated
- 是用matlab对信道估计得到的估计信道与真实信道的最小均方误差的仿真实现程序
kalman
- 卡尔曼滤波的源程序，卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法。它适合于实时处理和计算机运算。
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想
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
ls_mmse_updated
- 2种信道估计算法LS和MMSE的仿真 以均方误差为指标
Kalman
- 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人 的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去 的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论， 并导出了一套递推估计算法，后人称之为卡尔曼滤波理论。卡尔曼滤波是以最小均方误差为估计 的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利 用前一