![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
信息论
文章平均质量分 65
信息论内容
Stockholm_Sun
这个作者很懒,什么都没留下…
展开
-
Reed-Muller(RM)码的编码(含举例,非推导向)
RM码(里德-穆勒码)的编码1.参数及其性质RM码由(r,m)(r,m)(r,m)两个参数定义,记作RM(r,m)。其中满足0≤r≤m0\le r\le m0≤r≤m,含义为:码长:n=2mn=2^mn=2m维数:k(r,m)=∑i=0i=rC(m,i)k(r,m)=\sum_{i=0}^{i=r}C(m,i)k(r,m)=∑i=0i=rC(m,i)最小(汉明)距离:dmin=2m−rd_{min}=2^{m-r}dmin=2m−r2.举例说明以RM(2,3)为例,设计如下m+1=3+1m原创 2022-01-13 10:58:45 · 3977 阅读 · 0 评论 -
MKL只会矩阵运算?快来看看它的FFT和IFFT!
MKL的FFT和IFFT实现MKL是Intel公司推出的一项数学库,其功能主要是用于加速矩阵运算等。最近的工作中接触到了MKL。但你以为MKL除了加速处理矩阵就啥也不会了么?非也!它甚至可以进行快速傅里叶及其逆运算!简直是CS和EE领域的一大福音!那么它究竟怎么去完成呢?在这里我仿了一个C语言的代码,主要是做了一次FFT,再做一次IFFT,那么它的结果应该和一开始一样的。值得一提的是Nfft一定要是2的幂次,具体原因详见任意DSP教材(然而我并没有修过辣)。代码如下:#include <原创 2021-03-18 23:43:27 · 2380 阅读 · 1 评论 -
如何推导MMSE检测公式?
如何推导MMSE检测公式?这两天用到MMSE检测,对于它的推导,我前期只是在“知其然”,今天就来“知其所以然”,来证明一下MMSE检测公式。MMSE检测用来求解什么?首先,要知道信道的基本模型:y=Hx+n\textbf{y}=\textbf{H}\textbf{x}+\textbf{n}y=Hx+nH\textbf{H}H是信道矩阵,x\textbf{x}x是发送信号向量,n\textbf{n}n是噪声向量。目标是用MMSE(最小化均方误差)的方法,求得使得x^\hat\textbf{x}x^原创 2021-03-13 23:25:57 · 4257 阅读 · 2 评论 -
MIMO信道容量推导(奇异值分解法)
MIMO信道容量推导(奇异值分解法)Massive MIMO,目前是5G的一项关键技术。那么求解它的信道容量,对于我们研究它的属性尤为重要。今天,我们就求算一下信道容量。在通信系统中我们学到信道容量的一个计算式:C=Blog2(1+SNR)C=Blog_2(1+SNR)C=Blog2(1+SNR)其中BBB是带宽,SNRSNRSNR是信噪比,CCC是信道容量。那么其实我们就是需要求解SNRSNRSNR。假设M个接收天线,N个发送天线,那么MIMO模型的表达式如下:y=Hx+n\textbf原创 2021-02-02 10:29:32 · 5392 阅读 · 5 评论 -
熵和互信息
熵和互信息读文献想要算信道容量的时候,遇到了需要用到熵和互信息相关的推导,所以找纪佬要来信息论的课件拿来看了看,在这里也是一个记录。定义先搬上来两个定义。熵的定义:互信息量的定义:(E: Expectation; p:possibility)Venn图理解——低阶接下来我们从Venn图开始了解熵的概念。H(·)表示熵,那么它有类似于如下所示的关系。H(X,Y)为联合熵,可以用并集来理解;H(X|Y)为条件熵,可以用补集来理解;I(X;Y)为互信息量,可以用交集来理解。通过Venn原创 2021-01-30 22:42:52 · 2139 阅读 · 0 评论