CYZWWZYC的专栏

阮奇桢 我和LabVIEW 相当好 深刻，确实很深刻 适合有一定基础想提高的人！ 一起加油！！！！！！！

感谢美女 zfbipt提供资料 以数字信号处理器(DSP)为核心的实时数字信号处理技术正在迅猛发展，各种类型的DSP分别适应了不同领域的应用要求。本书根据当今最新的DSP和外围器件技术水平，着重介绍了国内外最常用的4种定点和浮点DSP的原理和应用；全面介绍了DSP的结构特点、指令体系、软件编程、硬件设计和软硬件调试方法；结合具体实例讲述了如何针对不同应用场合，设计DSP的软硬件。 本书面向通信、电子、电气工程领域的工程设计人员以及相关专业的研究生和高年级本科生，也可以兼作工程设计指导和DSP学习教程。 PS:据说市面上已经绝版，大家下了看看吧，该资料需要用超星阅览器打开！

关于通信原理的一点总结，写的还不错，适合学了一定阶段后的学习与思考

Quartus_II官方教程-中文版 还不错，比你直接看那些教材要好，是ALTER公司发布的

1、 计算真实的自相关值时，采用逆Levinson-Durbin递归方法，由a、b参数得到 ， ， ， ，其中 为滤波器的阶数，再采用公式 外推得到 的自相关值； 2、 实际功率谱 ， 可调用Matlab中的FFT算法得到； 3、 自相关序列的估计值采用公式 得到； 4、 采用各种功率谱估计方法对功率谱进行估计。

Matlab功率谱估计的详尽分析——绝对原创 功率谱估计是信息学科中的研究热点,在过去的30多年里取得了飞速的发展。现代谱估计主要是针对经典谱估计(周期图和自相关法)的分辨率低和方差性能不好的问题而提出的。其内容极其丰富,涉及的学科和领域也相当广泛,按是否有参数大致可分为参数模型估计和非参数模型估计,前者有AR模型、MA模型、ARMA模型、PRONY指数模型等;后者有最小方差方法、多分量的MUSIC方法等。 ARMA谱估计叫做自回归移动平均谱估计,它是一种模型化方法。由于具有广泛的代表性和实用性,ARMA谱估计在近十几年是现代谱估计中最活跃和最重要的研究方向之一。 二： AR参数估计及其SVD—TLS算法。 谱分析方法要求ARMA模型的阶数和参数以及噪声的方差已知.然而这类要求在实际中是不可能提供的,即除了一组样本值x(1),x(2),…,x(T)以供利用(有时会有一定的先验知识)外,再没有其它可用的数据.因此必须估计有关的阶数和参数,以便获得谱密度的估计.在ARMA定阶和参数之估计中,近年来提出了一些新算法，如本文介绍的SVD—TLS算法便是其中之一。 三：实验结果分析和展望 1，样本数多少对估计误差的影响。（A=[1,0.8,-0.68,-0.46]） 图1 上部分为N=1000；下部分为取相同数据的前N=50个数据产生的结果。 图1 N数不同：子图一N=1000,子图二N=200，子图三 N=50 由图可知，样本数在的多少，在对功率谱估计的效果上有巨大的作用，特别在功率谱密度函数变化剧烈的地方，必须有足够多的数据才能完整的还原原始功率谱密度函数。 2，阶数大小对估计误差的影响。 A=[1,-0.9,0.76] A=[1,-0.9,0.76,-0.776] 图二 阶数为二阶和三阶功率密度函数图 A=[1,-0.9,0.86,-0.96,0.7] A=[1,-0.9,0.86,-0.96,0.7,-0.74] 图三 阶数为三阶和四阶功率密度函数图 如图所示，阶数相差不是很大时，并不能对结果产生较大的影响。但是阶数太低，如图二中二阶反而不能很好的估计出原始值。 3，样本点分布对估计误差 对于相同的A=[1,-0.9,0.86,-0.96,0.7]；样本的不同，在估计时的误差是不可避免的。因此，我们在取得样本时，应该尽可能的减少不必要的误差。 图四：不同的样本得到不同的估计值 4，奇异值的阈值判定范围不同对结果的影响。 上图是取奇异值的阈值大于等于0.02，而下图是取阈值大于等于0.06，显然在同种数据下，阈值的选取和最终结果有密切关系。由于系数矩阵和其真实值的逼近的精确度取决于被置零的那些奇异值的平方和。所以选取太小，导致阶数增大，选取太大会淘汰掉真实的系数。根据经验值，一般取0.05左右为最佳。