- 博客(825)
- 资源 (100)
- 收藏
- 关注
RSS订阅
原创 FPGA源码说明/项目开发
FPGA（Field Programmable Gate Array）是在PAL （可编程阵列逻辑）、GAL（通用阵列逻辑）等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。FPGA设计不是简单的芯片研究，主要是利用 FPGA 的模式进行其他行业产品的设计。与 ASIC 不同，FPGA在通信行业的应用比较广泛。
2023-03-15 22:06:37
1046
原创 matlab源码说明
这些工具箱都是由该领域内的学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，就能够直接进行高、精、尖的研究。同时,Matlab具有很强的开放性和适应性,在保持内核不变的情况下,Matlab推出了适合不同学科的工具箱,如图像处理工具箱,小波分析工具箱、信号处理工具箱、神经网络工具箱等,极大地方便了不同学科的研究工作。它用更直观的、符合人类思维习惯的代码代替了C和Fortran语言的冗长代码，给用户带来的是最直观、最简洁的程序开发环境。各种工具箱中的函数可以互相调用，也可以由用户更改。
2022-12-22 18:25:44
23334
2
原创 m基于GA-GRU遗传优化门控循环单元网络的电力负荷数据预测算法matlab仿真
将GRU网络的超参数作为遗传算法的染色体，目标是最小化预测误差。
2024-05-20 00:52:04
425
原创 m基于Qlearning强化学习工具箱的网格地图路径规划和避障matlab仿真
Q-Learning是强化学习中的一种重要算法，它属于无模型（model-free）学习方法，能够使智能体在未知环境中学习最优策略，无需环境的具体模型。将Q-Learning应用于路线规划和避障策略中，智能体（如机器人）能够在动态变化的环境中，自主地探索并找到从起点到终点的最安全路径，同时避开障碍物。智能体的目标是最大化长期奖励，通过不断更新Q值，最终学会在任何状态下采取最佳行动的策略。在路线规划和避障问题中，状态s可以定义为智能体的位置坐标或环境的特征描述，动作a则可以是移动的方向（上、下、左、右等）。
2024-05-20 00:47:18
404
原创 m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码率
它基于概率论中的贝叶斯理论，通过迭代的方式传播信息，逐步修正对每个码字位的估计。：高码率LDPC码意味着较少的校验位，校验矩阵稀疏度降低，这可能导致校验约束力度减弱，从而影响错误纠正能力。在BP译码中，信息传递的路径可能减少，导致收敛速度加快，但同时也可能因校验能力不足而难以纠正严重的错误。：低码率LDPC码含有较多校验位，校验矩阵更稀疏，提供了更强的纠错能力。在BP译码过程中，更多的校验节点参与信息传递，增强了对错误位的定位和修正能力，但这也可能导致迭代次数增加，译码延迟增大。
2024-05-17 02:53:55
231
原创 m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
长码具有更高的编码增益，能够提供更强的纠错能力，但相应地，其BP译码的迭代次数需增多才能达到稳定状态，且存在迭代复杂度增加的问题。长码的稀疏度较低，迭代过程中信息传递更充分，有助于提高解码性能，但也可能遇到“陷井”问题，即局部最优而非全局最优解。设码长为n，校验节点数为m，则 H 为m×n 矩阵。：短码由于其结构相对简单，迭代次数较少便能较快收敛，但其纠错能力受限，可能不足以应对复杂信道条件下的通信需求。在BP译码中，短码由于校验矩阵稀疏度较高，可能在迭代初期就出现信息饱和，限制了性能的进一步提升。
2024-05-15 04:50:21
430
原创 m基于Q-Learning强化学习的路线规划和避障策略matlab仿真
Q-Learning是强化学习中的一种重要算法，它属于无模型（model-free）学习方法，能够使智能体在未知环境中学习最优策略，无需环境的具体模型。将Q-Learning应用于路线规划和避障策略中，智能体（如机器人）能够在动态变化的环境中，自主地探索并找到从起点到终点的最安全路径，同时避开障碍物。在路线规划和避障问题中，状态s可以定义为智能体的位置坐标或环境的特征描述，动作a则可以是移动的方向（上、下、左、右等）。智能体的目标是最大化长期奖励，通过不断更新Q值，最终学会在任何状态下采取最佳行动的策略。
2024-05-09 05:07:55
493
原创 m基于遗传优化的LDPC码OMS译码算法最优偏移参数计算和误码率matlab仿真
有序统计译码(Ordered Statistics Decoding, OSD)是一种基于概率译码准则的软输入软输出译码方法，它通过排序接收符号的概率值来估计最可能的错误位置，进而纠正错误。基于遗传优化的LDPC码OSD译码算法最优偏移参数计算，就是利用遗传算法的全局搜索能力来寻找最佳的ΔΔ值，以优化译码性能。基于遗传优化的LDPC码OSD译码算法最优偏移参数计算，通过模拟自然选择过程，自动寻优，避免了传统方法中耗时的手动调整和遍历，能有效提升译码性能，尤其是在复杂和高维参数空间中。
2024-05-09 04:56:54
245
原创 m基于FPGA的MPPT最大功率跟踪算法verilog实现,包含testbench
在太阳能光伏系统中，最大功率点跟踪（Maximum Power Point Tracking, MPPT）是提高能量转换效率的关键技术之一。爬山法的基本思想是：从任意工作点出发，通过逐步调整光伏电池的工作点，使输出功率逐渐增大，直到无法继续增加为止，此时即认为达到了最大功率点。算法核心在于如何确定每次调整的方向和幅度。假设光伏电池的输出功率P与其工作电压V之间存在关系P=f(V)，在大多数情况下，此函数在低电压和高电压区域单调递减，在中间某区间内有一个最大值点，即最大功率点Vmpp。
2024-05-07 02:03:50
245
原创 m基于遗传优化的LDPC码NMS译码算法最优归一化参数计算和误码率matlab仿真
而基于遗传优化的NMS译码算法最优归一化参数计算，旨在通过进化计算策略自动寻找最佳的归一化参数，进一步提升译码性能。在基于遗传优化的NMS译码参数搜索中，归一化因子R被视为一个需要优化的基因，通过不断迭代的“选择”、“交叉”和“变异”操作，寻找使译码性能最优的R值。NMS算法是基于最小和(Min-Sum, MS)算法的改进版本，旨在减小最小和算法的过估计问题。值得注意的是，归一化因子R的取值范围通常限制在(0, 1]区间内，因为过大的R可能导致消息放大失真，而过小的R则可能无法有效抑制过估计。
2024-05-01 23:47:40
293
原创 m基于Q-Learning强化学习的迷宫路线规划策略matlab仿真
Q-Learning属于值函数方法，其核心思想是通过迭代更新一个动作价值函数Q(s,a)，该函数评估在状态s采取动作a后，预期的长期奖励。更新过程遵循贝尔曼方程，同时利用了探索（Exploration）和利用（Exploitation）的概念，以平衡对未知状态的探索和已知有利路径的利用。为了平衡探索与利用，通常采用ε-greedy策略，即以概率ε随机选择一个动作，以1-ε的概率选择当前状态下Q值最大的动作。在迷宫路线规划中，迷宫被建模为一个状态空间，每个格子（或状态）代表代理可以到达的位置。
2024-04-28 00:38:43
366
原创 m基于Yolov2深度学习网络的螺丝检测系统matlab仿真,带GUI界面
基于YOLOv2（You Only Look Once version 2）深度学习网络的螺丝检测系统，是一种高效的目标检测方法，它在计算机视觉领域被广泛应用，尤其适合于实时检测和定位图像中的螺丝等小型物体。YOLOv2相较于初代YOLO，在速度与精度上都有显著提升，主要通过引入了一些关键的改进措施，如批标准化（Batch Normalization）、高分辨率分类器、多尺度预测、以及使用新网络架构Darknet-19等。
2024-04-28 00:34:03
290
原创 m基于LDPC编译码的matlab误码率仿真,对比SP,MS,NMS以及OMS四种译码算法
NMS和OMS通过不同机制改进了MS算法的性能，NMS通过归一化提升了低SNR下的性能，而OMS通过偏置项优化了高SNR下的性能。MS算法是对SP算法的一种简化，它放弃了乘法运算，转而使用最小值操作来近似概率乘积，降低了计算复杂度，但牺牲了一定的性能。NMS算法是对MS算法的改进，通过引入归一化因子来补偿由于最小值操作导致的性能损失，提高了算法的准确性。OMS算法通过引入偏置项（offset）来解决MS算法在高信噪比条件下性能下降的问题，提高了算法的稳健性。在对性能要求极高的场合，NMS或SP可能更合适。
2024-04-28 00:27:30
732
原创 m基于CCSDS标准的LDPC编码器的FPGA实现,包含testbench,码长1024,码率0.5
变量节点对应于消息比特，而校验节点则对应于对变量节点的线性约束。对于CCSDS-LDPC(1024,512)码，其特点是使用准循环结构，确保了良好的纠错性能和较低的实现复杂度。在实际编码过程中，CCSDS LDPC编码器通常采用一种高效的硬件友好的编码算法，例如累积和编码（Accumulate-Repeat-Jagged-Edge，ARJ）或其他适合于准循环结构的算法。2).对于每一个校验节点对应的子矩阵块，计算其线性组合，如果结果不符合偶校验条件，则相应地翻转变量节点比特，直至满足所有校验关系。
2024-04-21 00:52:37
540
原创 m基于Yolov2深度学习网络的智能零售柜商品识别系统matlab仿真,带GUI界面
当部署在零售柜时，摄像头拍摄的实时画面会被送入YOLOv2网络，网络将整幅图像划分为多个网格，每个网格负责预测一定数量的边界框及其所属商品的类别概率。YOLOv2采用了端到端的方式直接从整幅图像预测边界框和类别概率，极大地提高了检测速度。55代表每个边界框的坐标信息（x,y,w,h,confidence），其中(x,y)是边界框的中心相对于网格单元的位置比例，w,h是边界框的宽度和高度相对于整幅图像的比例，confidence是包含物体且预测框正确的置信度；B是每个网格单元预测的边界框数量（默认为2）；
2024-04-21 00:43:07
352
原创 m考虑时偏影响的根升余弦滤波器matlab仿真
考虑时偏影响的根升余弦滤波器在设计时需要兼顾符号间隔离度与频谱利用率，通过合理选择滚降系数α，确保在一定范围内的时偏条件下，系统的误码率仍然维持在较低水平。根升余弦滤波器（Root-Raised Cosine Filter, RRC Filter）是一种广泛应用在通信系统中的脉冲整形滤波器，特别是在数字调制传输系统中，用于消除码间干扰（Inter-Symbol Interference, ISI），确保符号边界清晰，实现最佳的频谱利用率和信道效率。对于每一个有效输入样本。
2024-04-21 00:33:15
356
原创 m基于Yolov2深度学习网络的人体喝水行为视频检测系统matlab仿真,带GUI界面
构建基于YOLOv2深度学习网络的人体喝水行为视频检测系统涉及多个关键技术环节，包括目标检测模型架构设计、特征提取、锚框机制、边界框预测及损失函数优化等。YOLOv2（You Only Look Once v2）是由Joseph Redmon和Ali Farhadi等人提出的实时目标检测框架，它具有高效、快速的特点，并且适用于人体喝水行为这类特定场景下的行为识别。这通常需要构建包含大量标注有人体喝水动作的视频帧数据集，模型通过学习这些样本，逐渐学会从复杂的背景和人体姿态中抽取出喝水这一特定行为的关键特征。
2024-04-13 03:07:53
424
原创 m基于FPGA的多功能信号发生器verilog实现,包含testbench,可以调整波形类型,幅度,频率,初始相位等
DDS多功能信号发生器可以输出正弦波、方波、锯齿波、三角波等多种波形，并能够方便地调整波形类型、幅度、频率和初始相位。DDS多功能信号发生器利用高速累加器、波形存储器和数模转换器，通过调整频率控制字、波形存储器的内容以及累加器的初始值，可以灵活地生成各种波形，并精确控制其幅度、频率和初始相位。其中，fout 是所需的输出频率，fclk 是DDS的时钟频率，Nacc 是累加器的位数。其中，N(t) 是在时间t 时刻的累加器输出，FCW 是频率控制字，决定了输出信号的频率。输出方波，并改变幅度，频率等。
2024-04-13 02:58:08
744
原创 m基于FPGA的多通道FIR滤波器verilog实现,包含testbench测试文件
多通道FIR（Finite Impulse Response）滤波器是一种在数字信号处理中广泛应用的线性时不变滤波技术，尤其适用于多通道音频、视频、图像等多维数据的处理。每个通道都有独立的FIR滤波器，且各通道间可能存在不同的滤波特性或相互关联的处理机制。：选择合适的窗函数（如矩形窗、汉明窗、海明窗等）与所需频率响应（如低通、高通、带通、带阻等）相结合，生成各通道的滤波器系数。：利用梯度下降、粒子群优化、遗传算法等优化方法，根据特定的性能指标（如最小均方误差、最大信噪比等）迭代求解滤波器系数。
2024-04-05 23:37:55
439
原创 m基于深度学习的QPSK调制解调系统频偏估计和补偿算法matlab仿真
基于深度学习的频偏估计和补偿算法通常采用神经网络模型，如卷积神经网络（CNN）或循环神经网络（RNN），对输入的接收信号片段进行分析，输出估计的频偏值。QPSK调制将每两位二进制信息映射到四个可能的相位状态之一，其相位角为{0,π/2,π,3π/2}，对应的复数表示为{1,i,−1,−i}。：设计适当的网络层数、类型（如卷积层、全连接层、循环层等）和参数（如滤波器大小、步长、激活函数等），以捕获频偏相关特征。：将接收信号转换为适合神经网络处理的形式，如IQ样本序列、时频谱图等。
2024-04-05 23:22:08
489
原创 m基于yolov2深度学习的细胞检测系统matlab仿真,带GUI操作界面
基于YOLOv2的细胞检测系统是一种利用深度学习技术，特别是卷积神经网络（CNN），对显微镜图像中的细胞进行自动定位和识别的计算机视觉应用。YOLO（You Only Look Once）是一种单阶段的目标检测算法，其第二版（YOLOv2）在原版的基础上进行了诸多改进，提高了检测精度和速度。：在主干网络后添加一个空间金字塔池化层，提取不同尺度的特征，增强模型对不同大小细胞的检测能力。：YOLOv2通过上采样主干网络的深层特征并与浅层特征融合，构建特征金字塔，实现多尺度目标检测。
2024-04-05 23:10:40
410
原创 m基于FPGA的217卷积编码维特比译码verilog实现,包含testbench不使用IP核
维特比译码是用于最大似然序列估计的一种动态规划算法，广泛应用于卷积编码以及其他序列编码的译码过程中。在卷积编码中，维特比译码器通过构造一棵称为“状态转移图”或“trellis”的树状结构来寻找最有可能的原始信息序列路径。它主要通过卷积算子将信息序列映射成冗余度更高的码字序列。假设维特比译码器面对的是接收到的带有噪声的码字序列y(n)，其目标是最小化汉明距离或最大化似然性。其中，prev(Sk) 表示状态Sk 的前驱状态集合，P(y(n)∣Sk) 是给定当前状态Sk 下观测到y(n) 的概率。
2024-03-29 01:47:13
612
原创 m基于深度学习的16QAM调制解调系统频偏估计和补偿算法matlab仿真
上述简化了频偏估计和补偿的实际操作，真实的深度学习模型可能会更复杂，并且会考虑到噪声、多径效应等因素的影响。此外，实际应用中可能会利用卷积神经网络结合循环神经网络（RNN）或是长短时记忆网络（LSTM）等架构，以捕捉信号的时间动态特性。在通信系统中，载波频率偏差（频偏）会导致接收信号与本地参考载波之间的相位差变化，严重影响调制信号的正确解调。对于16-QAM这类高级调制方案而言，频偏补偿至关重要。深度学习技术能够通过学习信号特性来实现精准的频偏估计。
2024-03-29 01:30:23
402
原创 m基于yolov2深度学习的车辆检测系统matlab仿真,带GUI操作界面
对于每个网格单元，网络输出T个类别概率（C类物体+C类背景）、B个边界框的坐标(x, y, w, h)以及每个框的置信度(confidence score)，表示框内存在物体且预测框准确的程度。Localization Loss: 对于每个网格单元，只有当它包含ground truth box的中心时，才对其负责预测的边界框计算定位误差，通常采用L1或L2损失。Confidence Loss: 包含物体的网格单元，其置信度损失是预测的置信度与真实IOU的交叉熵损失；
2024-03-29 01:12:37
939
原创 m基于深度学习的32QAM调制解调系统频偏估计和补偿算法matlab仿真
深度学习方法引入了新的频偏估计思路，它可以通过训练神经网络来直接从接收到的已调制信号中学习并预测频偏。基于深度学习的32-QAM频偏估计和补偿方法，能够充分利用神经网络强大的非线性拟合能力，有效应对复杂的无线环境变化。其中，x 是接收信号向量，H(⋅) 是特征提取网络，f 是提取出的特征向量。：通过反向传播算法更新网络权重，最小化损失函数，使网络能更准确地估计频偏。对于离散信号，在执行解调前，可以通过频域校正或时域插值的方式完成频偏补偿。这里，g(⋅) 是频偏预测网络，fest 是估计出的频偏值。
2024-03-23 02:31:27
619
原创 m基于深度学习的肉类新鲜度检测系统matlab仿真,带GUI操作界面
一个基本的Inception模块可以包括1x1、3x3和5x5卷积层，以及一个最大池化层，所有层的输出都会进行线性组合。传统的卷积层在同一层面上使用固定大小的滤波器，而Inception模块则在一个模块内部集成多种大小的卷积核以捕获多尺度信息。在应用于肉类新鲜度检测时，首先将肉类图像输入到GoogLeNet模型中，通过多个层级的特征提取，模型最终会在顶层生成一个表示新鲜度等级的概率分布。数据采集：获取肉类样品在不同新鲜度阶段的图像数据，通常使用高分辨率相机拍摄并标注对应的新鲜度等级。
2024-03-23 02:23:09
402
原创 m基于OFDM系统的PAPR性能matlab仿真,对比LFDMA,IFDMA,DFDMA
DFDMA（有时也称为SC-FDMA，Single Carrier Frequency Division Multiple Access）是一种更接近单载波传输的技术，通过在频域进行预处理（如通过IFFT），然后在时域上进行分段传输，从而达到类似OFDM的频谱效率，但能显著降低PAPR。它的原理是将数据在一个较长的符号周期内均匀分布，减少了单个符号内的峰值。其中dk[] 是用户的基带数据符号，Ts 是采样间隔，Δf 是子载波间隔，t 是时间索引，G 是子载波交织步长，Tc 是总的子载波数目。
2024-03-23 02:10:08
587
原创 m基于深度学习的64QAM调制解调系统频偏估计和补偿算法matlab仿真
考虑一个基于64QAM调制的单载波通信系统,其中发送端将输入比特流映射为复数符号,经过上变频、信道传输和下变频等过程后,接收端对接收到的符号进行解调和判决,得到输出比特流。基于深度学习的64QAM调制解调系统的频偏估计和补偿算法主要通过构建并训练神经网络模型来实现精确的频偏感知，并结合传统的数字信号处理技术完成补偿，从而提高通信链路的整体性能。基于深度学习的频偏估计和补偿算法利用深度神经网络来建立接收信号与频偏之间的非线性映射关系,通过训练网络模型来实现频偏的估计和补偿。
2024-03-16 03:43:27
1069
原创 m基于yolov2网络的火焰烟雾检测系统matlab仿真,包含GUI界面
YOLOv2 是一个实时目标检测系统，由 Joseph Redmon 和 Ali Farhadi 在 2016 年提出。在火焰烟雾检测任务中，YOLOv2 能够快速准确地定位到火源或烟雾区域。利用大量标注数据集训练YOLOv2模型，通过反向传播优化损失函数，更新网络参数，使其能够更准确地预测火焰和烟雾的位置和类别。总结来说，基于YOLOv2的火焰烟雾检测系统运用深度学习技术，通过端到端的学习方式实现对火灾初期迹象的实时定位和识别。
2024-03-09 23:35:56
387
原创 m基于深度学习网络的中药识别系统matlab仿真,包含GUI界面
中药作为我国传统的医学瑰宝，其种类繁多，形态各异，识别难度较大。传统的中药识别方法主要依赖药师的视觉判断和经验积累，但受到个人知识水平和主观因素的影响，识别准确率难以保证。随着计算机视觉和深度学习技术的发展，基于深度学习网络的中药识别系统成为研究的热点，其能够通过学习大量的中药图像数据，自动提取特征并进行分类识别，有效提高了识别的准确性和效率。基于深度学习网络的中药识别系统通过构建层次化的特征提取网络结构，从原始图像中抽取高级抽象特征，进而通过全连接层和softmax层进行分类预测。
2024-03-09 23:28:38
540
原创 m基于log-MPA检测算法的SCMA通信链路matlab误码率仿真
因此，采用近似算法，如Log-MAP（Logarithmic Maximum A Posteriori）或Loopy Message Passing Algorithm (Log-MPA)，它们能在一定程度上降低复杂性的同时保持良好的性能。在SCMA系统中，多用户共享相同的时频资源，每个用户从自己的码本中选择一个码字进行发送。每个用户都有一个预定义的码本，码本中的每个码字都是一个K维的稀疏向量。log-MPA算法将概率域的计算转换到对数域进行，利用对数域的加法运算来代替概率域的乘法运算，从而减少了计算量。
2024-03-09 23:20:10
327
原创 m基于深度学习的64QAM调制解调系统相位检测和补偿算法matlab仿真
该网络的输入是接收到的信号样本，输出是估计的相位偏移量。相位检测的目标是从接收到的信号中估计出相位偏移量。相位补偿的目标是根据估计出的相位偏移量对接收到的信号进行校正，以消除相位偏移的影响。传统的补偿方法通常是通过旋转接收到的信号来实现的。具体来说，可以在神经网络的输出端添加一个旋转矩阵，该矩阵根据估计出的相位偏移量对接收到的信号进行旋转校正。这样，神经网络的输出就是经过相位补偿后的信号，可以直接用于后续的解调处理。在得到较为准确的相位估计后，利用该信息对原始接收到的信号进行相位补偿。
2024-03-02 23:12:57
1041
原创 m基于FPGA的电子钟verilog实现,可设置闹钟,包含testbench测试文件
基于FPGA的电子钟设计不仅具有灵活的可定制性，还能通过集成其他功能（如闹钟）来增强实用性。Verilog作为一种广泛使用的硬件描述语言，为FPGA设计提供了强大的描述和仿真能力。计数器则根据分频后的信号进行累加，实现时间的计量。闹钟功能的实现需要额外的存储器和比较器。存储器用于保存用户设置的闹钟时间，比较器则不断比较当前时间和闹钟时间。在实际设计中，由于时间信号是连续变化的，而闹钟设置是静态的，因此需要使用边缘触发或定时检查的方式来检测时间匹配条件。其中，(A) 是当前时间，(B) 是设置的闹钟时间。
2024-03-02 23:06:19
688
原创 m基于OFDM+QPSK和LDPC编译码以及MMSE信道估计的无线图像传输matlab仿真,输出误码率,并用图片进行测试
为了满足高质量、高可靠性的传输需求，研究者们不断探索各种先进的编码、调制和信道估计技术。OFDM、QPSK、LDPC和MMSE信道估计就是其中的佼佼者，它们各自在无线通信领域具有广泛的应用。QPSK是一种将两比特信息编码在一个载波符号上的数字调制方式，它利用四个相位点（0°，90°，180°，270°）来分别代表二进制序列“00”，“01”，“10”，“11”。OFDM是一种多载波调制技术，通过将高速数据流分割成多个低速子数据流，然后在不同的子载波上进行并行传输，从而有效对抗频率选择性衰落和提高频谱效率。
2024-03-02 22:59:00
1195
原创 m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
手势识别是指通过计算机视觉技术，对图像或视频中的人手姿态进行自动检测和识别。手势识别系统通常包括手势检测、手势跟踪和手势分类三个主要步骤。手势跟踪则对检测到的手势进行连续帧间的跟踪，以获取手势的动态信息；手势分类则根据提取的手势特征对其进行分类识别。随着人工智能和机器学习技术的飞速发展，手势识别技术在人机交互、虚拟现实、智能家居等领域的应用越来越广泛。基于深度学习网络的手势识别系统凭借其强大的特征提取和分类能力，成为了研究热点。手势识别系统利用深度学习技术对从图像或视频中提取的手势特征进行自动学习与分类。
2024-03-02 22:50:18
449
原创 m基于FPGA的Alamouti编码verilog实现,包含testbench测试文件
在无线通信领域，多天线技术是提高系统容量和可靠性的关键手段之一。Alamouti编码是空时编码（STC）的一种，它为两发射天线的系统提供了一种全速率、全分集的简单编码方案。而空频分组编码（SFBC）则是Alamouti编码在频域的一种扩展，用于在正交频分复用（OFDM）等系统中获得类似的分集增益。SFBC是一种扩展至多载波通信系统（如OFDM）的空间编码技术，它结合了空域和频域的分集增益。在多天线、多子载波的场景下，SFBC通过对同一组数据符号在不同天线以及相邻或非相邻的子载波上重复或交织编码实现分集。
2024-02-26 03:29:26
407
原创 m基于深度学习的32QAM调制解调系统相位检测和补偿算法matlab仿真
该网络的输入是接收到的信号样本，输出是估计的相位偏移量。相位检测的目标是从接收到的信号中估计出相位偏移量。相位补偿的目标是根据估计出的相位偏移量对接收到的信号进行校正，以消除相位偏移的影响。传统的补偿方法通常是通过旋转接收到的信号来实现的。具体来说，可以在神经网络的输出端添加一个旋转矩阵，该矩阵根据估计出的相位偏移量对接收到的信号进行旋转校正。这样，神经网络的输出就是经过相位补偿后的信号，可以直接用于后续的解调处理。在得到较为准确的相位估计后，利用该信息对原始接收到的信号进行相位补偿。
2024-02-26 03:23:09
795
原创 m基于深度学习网络的花朵种类识别系统matlab仿真,包含GUI界面
花朵种类识别作为植物分类学的一个子领域，具有广泛的应用前景，如生态保护、园艺设计、植物教育等。基于深度学习网络的花朵种类识别系统能够自动学习花朵图像的高层次特征，有效提升了识别的准确性和鲁棒性。该系统通过训练一个深度学习模型，使其能够从输入的花朵图像中提取特征并进行分类，最终实现对不同种类花朵的自动识别。：数据预处理是深度学习中的重要步骤，包括图像缩放、裁剪、归一化等操作，以使得输入数据符合网络的要求。这些特征对于不同种类的花朵具有很好的区分性，能够有效提升识别的准确性。
2024-02-26 03:18:06
1037
原创 m基于深度学习的16QAM调制解调系统相位检测和补偿算法matlab仿真
调制过程就是将输入的比特流按照一定规则映射到这些点上，而解调过程则是从接收到的信号中恢复出原始的比特流。该网络的输入是接收到的信号样本，输出是估计的相位偏移量。相位补偿的目标是根据估计出的相位偏移量对接收到的信号进行校正，以消除相位偏移的影响。具体来说，可以在神经网络的输出端添加一个旋转矩阵，该矩阵根据估计出的相位偏移量对接收到的信号进行旋转校正。这样，神经网络的输出就是经过相位补偿后的信号，可以直接用于后续的解调处理。在得到较为准确的相位估计后，利用该信息对原始接收到的信号进行相位补偿。
2024-02-18 22:51:51
1294
原创 m基于深度学习网络的瓜果种类识别系统matlab仿真,带GUI界面
GoogleNet，又名Inception网络，是Google公司研发的一种深度学习模型，其通过增加网络深度和宽度来提升性能，同时采用了一些创新性的技术来减少计算量和参数数量。GoogleNet核心创新在于“ inception模块”的设计。构建瓜果种类识别系统时，首先需要准备大量的瓜果图像数据集，包括各种瓜果种类的不同姿态、光照条件下的样本。其中，xxx 表示输入的瓜果图像经过一系列Inception模块处理后的特征向量 z，W 和 b 分别是全连接层的权重矩阵和偏置项，y 是瓜果种类标签的概率分布。
2024-02-18 22:45:39
458
二维图像的原子匹配追踪投影算法的图像重建matlab仿真+程序操作视频
2022-07-11
基于双目相机拍摄图像的深度信息提取和目标测距matlab仿真+程序操作视频
2022-07-10
基于PSO优化的多目标最优值求解matlab仿真+程序操作视频
2022-07-10
ESP三相SVPWM控制器的simulink仿真+程序操作视频
2022-07-10
基于simulink的双闭环矢量控制的电压型PWM整流器仿真+程序操作视频
2022-07-10
基于matlab的BOC调制解调的同步性能仿真,输出跟踪曲线以及不同超前滞后码距下的鉴别曲线+程序操作视频
2022-07-10
基于matlab的CBOC信号调制解调仿真,输出其相关性,功率谱以及频偏跟踪+程序操作视频
2022-07-10
基于matlab的BOC调制信号捕获仿真+程序操作视频
2022-07-10
turbo编译码误码率性能matlab仿真+word版说明文档+程序操作视频
2022-07-10
RS+BCH级联编译码误码率性能matlab仿真+简要说明文档+程序操作视频
2022-07-10
BCH编码译码误码率性能matlab仿真+word版说明文档+程序操作视频
2022-07-05
RS编码译码误码率性能matlab仿真+程序操作视频
2022-07-05
基于CEM算法的三维人脸模型贴图matlab仿真+程序操作视频
2022-07-05
m基于中继协助的认知无线电频谱切换机制的matlab仿真分析+word版lun文
2022-07-05
m基于rbf神经网络和遗传算法优化的MIMO-OFDM系统信道估计算法matlab仿真+程序操作视频
2022-07-05
m在ISE平台下使用verilog开发基于FPGA的GMSK调制器+word版说明文档
2022-07-05
mOFDM系统下对比SC算法，Minn算法，PARK算法同步性能matlab仿真分析+程序操作视频+word版说明文档
2022-07-05
m在simulink进行DS-CDMA建模,然后通过MATLAB调用simulink模型进行误码率仿真+程序操作视频
2022-07-05
m基于光纤光栅传感网接入GPON的光纤通信系统matlab性能仿真,包括解码,解封装,分接,码率恢复,解帧,拆包,译码
2022-07-05
m基于matlab的IEEE802.15.4家庭网络高效节能的有效接入方法+程序操作视频
2022-07-05
m分集2跳OFDM系统中基于功率分配和子载波配对算法的信道容量matlab仿真+程序操作视频+参考文献
2022-07-05
m基于QPSK调制解调的无线图像传输matlab仿真,包括扩频解扩均衡等模块+程序操作视频+word版说明文档
2022-07-05
m基于PTS+TR的OFDM系统PAPR联合抑制算法matlab仿真+程序操作视频+word版说明文档
2022-07-05
mTD-SCDMA与TD-LTE双网络垂直切换matlab仿真+word版说明文档+程序操作视频
2022-07-05
m基于matlab的无线光通信CDMA闭环链路功率控制算法仿真,对比了OOK,2PPM,4PPM,8PPM,16PPM调制方式
2022-07-05
leach协议性能对比仿真,包括死亡节点数,数据传输,网络能量消耗,簇头产生数以及负载均衡度+程序操作视频
2022-07-02
huffman编译码+程序操作视频
2022-07-02
基于matlab的最小支配集CDS仿真+程序操作视频
2022-07-02
基于matlab的球形译码的理论原理和仿真结果,对比2norm球形译码,无穷范数球形译码,ML检测+程序操作视频+理论文档
2022-07-02
Viterbi维特比译码误码率仿真,调制为QPSK,信道为高斯白噪声,含实验报告+程序操作视频
2022-07-02
基于simulink的直升机控制系统+程序操作视频
2022-07-02
基于Qlearning强化学习的倒立摆控制系统matlab仿真+程序操作视频
2022-07-02
运用滤波反投影的方法对图像进行重建matlab仿真+程序操作视频
2022-07-02
对滤波反投影重建算法的研究以phantom图进行matlab仿真，构建滤波器，重建图像+程序操作视频
2022-07-02
基于matlab的医学成像技术滤波反投影仿真,包括直接反投影,S-L滤波,R-L滤波,Lewitt滤波+程序操作视频
2022-07-02
m基于Simulink的高速跳频通信系统抗干扰性能分析+程序操作视频+word版说明文档
2022-07-01
m在VBLAST协作MIMO系统分部使用LDPC,Turbo,卷积三种信道编译码进行误码率matlab仿真+程序操作视频
2022-07-01
m基于Lorenz混沌自同步的混沌数字保密通信系统的FPGA实现,verilog编程实现,带MATLAB混沌程序+程序操作视频
2022-07-01
m基于matlab的BTS天线设计,带GUI界面+程序操作视频
2022-07-01
m基于matlab的DQPSK调制解调技术的仿真+程序操作视频
2022-07-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人