搜索资源列表
enhancement
- 可以了解图象插值方面的知识,包括线性插植, 非线性插值,bicubic插值,三次立方卷积
digitalfiltercode
- 圆周卷积滤波器,可清晰见到实际滤波器的算法
Advances.of.Research.in.Independent.Component.Anal
- :介绍了独立成分分析(ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程。讨论了目前ICA 的几个研究方向的发展现状和面临的问题,分析了ICA 基本模型和几种扩展模型的求解算法,包括盲反卷积、卷积混和的盲分离、非线性瞬时混合的盲分离。提出了ICA 未来理论和应用研究中的开放课题。
图象处理
- 图象的卷积处理,线形拉伸,几何缩放,格式转换等
拉普拉斯和变换
- 回顾一下连续时间和离散时间卷积,以及拉普拉斯和Z 变换。在本科 生课程中,你可能已经看到了这些概念,在这里我们处理单个信号和。这些概念 可以扩展到信号向量的情况,例如,但是现在,我们更应该注 意乘法的次序。例如,下面所描述的卷积中包括向量或矩阵时,是不可交换的,但是当x 和h 是单个信号时,是可以交换的。
MATLAB 数值计算
- 科研和工程计算可分为数值计算和符号计算两类。数值计算具有适应性强、应用广泛的优点。MATLAB凭借其卓越的数值计算能力而称雄世界。随着科研领域、工程实践的数字化进程的深入,具有数字化本质的数值计算显得愈益重要。 今天计算机几乎已经普及到每个从事工程和科研的从业人员,普及到每个正在接受理工科培养的学生。计算机软硬件的普及使人们拥有了前所未有的计算潜能,激发了人们质疑旧方法尝试新算法的欲望,鼓舞了人们用新计算能力试探解决实际问题的雄心。 本章内容显著不同于常见的数值计算教科书。本章的讨论围绕
OFDM
- 数,都需要通过导频序列来获取同步信息,而且为了达到更好的均衡效果,OFDM 系统也要进行简单的频域均衡。此外,OFDM与SC.FDE的帧格式也十分相似,都 需要添加CP(SC.FDE采用UW)来吸收前面帧的干扰并满足循环卷积特性。 由于OFDM在结构和原理上都与SC.FDE十分相近,可以设计一种双模式系统。 双模式系统仅仅改变IFFT模块在发送端和接收端的位置就可以同时支持两种系统传 输。两种系统都可以通过编码、自适应调制和空间分集提高性能。而且,
mmse仿真
- MMse信道估计数,都需要通过导频序列来获取同步信息,而且为了达到更好的均衡效果,OFDM 系统也要进行简单的频域均衡。此外,OFDM与SC.FDE的帧格式也十分相似,都 需要添加CP(SC.FDE采用UW)来吸收前面帧的干扰并满足循环卷积特性。 由于OFDM在结构和原理上都与SC.FDE十分相近,可以设计一种双模式系统。 双模式系统仅仅改变IFFT模块在发送端和接收端的位置就可以同时支持两种系统传 输。两种系统都可以通过编码、自适应调制和空间分集提高性能。而且,
Convolutional-code-codec-matlab
- 卷积码(2,1,3)编译码matlab程序,简单易懂-Convolutional code (2,1,3) codec matlab
juanjima
- simulink实现卷积码的编译码功能,以及误码率分析.-BER simulink
fft-ifft-conv
- fft和ifft以及卷积算法,c语言开发
69491753mentos_fs
- GSM信道中卷积码编码以及相应的维特比译码的全部Matlab代码-GSM channelcross code vitibi decode all matlab program
shiyan
- 数字信号处理 信号与系统响应(1) 熟悉连续信号经理想采样前后的频谱变化关系,加深对时域采样定理的理解。 (2) 熟悉时域离散系统的时域特性 (3) 利用卷积方法观察分析系统的时域特性 (4) 掌握序列傅里叶变换的计算机实现方法,利用序列的傅里叶变换对连续信号、离散信号及系统响应进行频域分析。 -Digital Signal Processing Signals and Systems in response to (1) familiar with the continuous
卷积的意义
- 卷积的意义
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果,深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域,在工业界和学术界掀起了神经网络研究的浪潮,促进了人工智能的发展。卷积神经网络直接以原始数据作为输入,从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel
concode1
- 实现卷积码凿孔性能比较 硬判决 多进制调制(Comparison of the performance of punctured convolutional M-ary modulation of hard decision)
卷积核工作原理动态图
- 采用动图的方式,生动形象的展示了不同卷积核的特征提取过程
基于卷积神经网络的道路目标检测算法
- 针对实际交通场景下道路目标检测时存在检测精度低、检测速度慢以及难以检测小目标的问题,faster R-CNN的快速、精确道路目标检测算法。该算法包括一个精确目标区域网络 和一个目标属性学习网络通过引入反卷积结构,设计网络的损失函数,提高小目标的检测性能,为加快算法的计算速度。