信号处理
文章平均质量分 61
Better Bench
CS博士;研究领域:类脑计算、连续学习、AI、数据挖掘、自然语言处理、数学建模,特长网球4.0
展开
-
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
在本程序中,通过MATLAB仿真了OFDM的发射、信道、接收解调的过程。支持的BPSK、QPSK、多种QAM的解调方式,并计算了不同信噪比下的误比特率。高斯白噪声信道下,不需要信道估计和信道均衡,但是在衰落信道中必须要信道估计或信道均衡,或者两个都使用,才能正确的解调。以下在衰落信道中的解调只实现了信道均衡。原创 2024-01-31 18:24:25 · 2674 阅读 · 1 评论 -
Python 绘制误码率对比折线图,纵坐标是10次幂,即求对数
在通信中,需要对比解调的精度,纵坐标是误码率,且单位是10次幂,横坐标是信噪比,可视化程序如下。原创 2023-02-27 09:10:35 · 911 阅读 · 0 评论 -
Python计算误码率,输入是0-1比特流矩阵和小数矩阵
由chatGPT 生成,第二维度输入矩阵,是模型预测出来的概率,是小数值,大于0.5 的判断为1,小于0.5的判断为0.原创 2023-02-27 08:01:00 · 614 阅读 · 0 评论 -
Matlab 实现二进制比特流汉明编码(Hanminencoder)
参考:https://www.cnblogs.com/yhm138/articles/14856610.html。原创 2023-02-16 20:18:35 · 561 阅读 · 0 评论 -
MATLAB-Simulink仿真实现OFDM通信系统
MATLAB-Simulink仿真实现OFDM通信系统OFDM通信系统,发送机、信道、接收机设计及simulink实现,BPSK、QAM多种调制方式。包括rician信道、AWGN、Rayleigh信道。https://github.com/BetterBench/OFDM-Simulink-MATLAB原创 2022-12-07 16:46:59 · 3027 阅读 · 8 评论 -
【2022年无线通信和与物联网专场】东南大学尤肖虎教授-超高可靠、超低时延5G/6G移动通信基础理论研究与发展
【2022年无线通信和与物联网专场】肖教授主要讲解了MIMO系统中,高可靠、低时延、高容量三者之间的关系基础以及分享了一篇最近的研究,MIMO系统中空间和时间上同时编码的方法,实现了不降低容量和速率的情况下,实现了超低时延...原创 2022-01-11 20:39:58 · 2202 阅读 · 0 评论 -
【2022年无线通信和与物联网专场】中国工程院张平院士-AI使能6G演进与应用
中国工程院张平院士-2022年无线通信和与物联网专场学术报告我截图晚了,以下是部分截图,之后有回放,我会补充完整,供大家学习参考。院士的格局认知太强大了,仰慕、Respect!!!!2022年1月11号...原创 2022-01-11 19:58:18 · 2597 阅读 · 1 评论 -
【Python】Python 实现破零(ZF)和最小均方误差(MMSE)信道均衡
目录1 理论2 ZF均衡实现3 MMSE均衡1 理论在无线通信中。 无线信道由各种类型的损伤组成,例如延迟扩展、衰落和多普勒扩展等。信道中的多径传播引入延迟扩展,导致 ISI、ICI等等问题,在信号接收端,我们需要进行均衡以减少失真,减轻 ISI 和噪声的综合影响。 因此为了恢复原始信号,使用滤波器,常用基本的滤波器有破零(Zero Forcing,ZF) 和最小均方误差( Minimum Mean Square Error,MMSE)算法。ZF算法使用一个加权矩阵W消除信道的干扰,根据估计的信道响应原创 2021-11-24 20:21:28 · 3929 阅读 · 5 评论 -
【Python】Python 仿真OFDM发射机、信道和接收机-实现多种调制方式
目录1 引言2 Python实现2.1 初始化和定义函数2.1.1 初始化参数2.1.2 可视化导频插入的格式2.1.3 定义调制和解调方式2.1.4 定义信道2.2 OFDM仿真过程2.2.1 发送端2.2.2 信道2.2.3 接收端1 引言OFDM的通信系统仿真,Matlab实现的版本比比皆是,Python版本的底层详细的仿真过程缺少之又少,本人根据Commpy工具包,实现了OFDM的信号发射、经过信道、接收端接收的过程。并可视化了导频的插入方式、信道冲击响应、信号解调前的星座映射和解调后的星座映射原创 2021-11-18 18:58:37 · 8595 阅读 · 8 评论 -
【信号处理】Python实现BPSK、QPSK、8PSK、8QAM、16QAM、64QAM的调制和解调
目录1 引言2 实现2.1 调制2.2 解调3 完整编码和解码的例子1 引言本文不涉及原理讲解,只提供实现方法。需要借助Commpy开源包去实现通信中的各种处理。安装方法,源码下载地址Commpy源码下载方法一pip install scikit-commpy方法二git clone https://github.com/veeresht/CommPy.gitcd CommPypython setup.py install2 实现2.1 调制import commpy as cpy原创 2021-10-03 17:20:06 · 7977 阅读 · 2 评论 -
OFDM系统中的信号检测算法分类和详解
1 引言在接收端经过信道估计得到信道的增益矩阵H后,然后就是信号检测和信号恢复,获得恢复的比特流。OFDM 系统模型OFDM 中信号检测算法总体分为三类,线性检测、非线性检测、最优检测。常用的算法有迫零ZF检测、均方误差MMSE、V-BLAST 检测和最大似然检测算法。在最优检测中的最大似然(ML)检测算法虽然性能是这几类中最好的,但其复杂度是随着天线数和信号调制阶数的逐渐的增加而成指数量级快速增加。当在实际应用中天线数目过多时,该检测算法的计算量将非常大,所以不适合实际使用。线性检测中最小均方误差原创 2021-05-24 10:14:35 · 10554 阅读 · 5 评论 -
【文献学习】Deep Learning for Audio Signal Processing
2019 IEEE Journal of Selected Topics in Signal Processing1 引言是一篇深度学习处理音频信号的综述(1)对神经网络应用到音频信号处理领域的技术点进行了介绍,包括即音频识别(自动语音识别,音乐信息检索,环境声音检测,定位和跟踪)以及合成和转换(源分离,音频增强,语音,声音和音乐合成的生成模型)(2)对深度学习应用到的音频信号处理领域的网络模型进行了介绍,包括卷积神经网络,长期短期记忆体系结构的变体以及更多音频特定的神经网络模型。2 介绍2.1原创 2021-05-02 17:58:00 · 1070 阅读 · 0 评论 -
【文献汇总】2019-2021最新应用深度学习到OFDM通信系统中的论文汇总(实时更新)
【Learning for Detection: MIMO-OFDM Symbol Detection Through Downlink Pilots】2020 IEEE Transactions on Wireless Communications【Deep Learning-Based Detector for OFDM-IM】2019 IEEE Wireless Communications Letters【Learning to Demodulate from Few Pi.原创 2021-03-24 21:41:05 · 3251 阅读 · 2 评论 -
【信号处理】python按原理实现BPSK、QPSK、QAM信号调制
1 BPSK调制# -*- coding:utf-8 -*- import numpy as npfrom math import piimport matplotlib.pyplot as pltimport matplotlibimport math #码元数 size = 10sampling_t = 0.01t = np.arange(0, size, sampling_t) # 随机生成信号序列a = np.random.randint(0, 2, siz原创 2021-03-20 21:56:05 · 5876 阅读 · 1 评论 -
Python实现rician莱斯衰落和rician莱斯信道
基本概念Example来自Github-Rician-Fading-Python2.1 Rician衰落类# -*- coding: utf-8 -*-"""Created on Wed Nov 4 18:55:46 2020@author: Jonathan Browning"""import numpy as npfrom scipy.stats import gaussian_kde as kdffrom scipy import special as spclass原创 2021-03-10 22:58:26 · 7307 阅读 · 4 评论 -
【2021年更新】面向通信技术的机器学习和深度学习文献汇总
目录综述信号检测、信号分类和比较信道编码和解码端到端通信的学习定位、传感和本地化安全性和鲁棒性毫米波通信资源分配其他类参考IEEE的Library附带源码的文献汇总综述• C. Jiang, H. Zhang, Y. Ren, Z. Han, K.-C. Chen and L. Hanzo, “Machine learning paradigms for next-generation wireless networks,” IEEE Wireless Communications, vol. 24原创 2021-01-19 15:21:32 · 13590 阅读 · 6 评论 -
【文献学习】Demodulation of Faded Wireless Signals using Deep Convolutional Neural Networks
目录1 参数介绍2 综述2.1 基于学习的解调方法2.2 基于非学习的解调方法3 作者研究思路4 实验模型4.1 信号的产生4.2 信号的计算4.3 结果分析4.4 训练要求1 参数介绍最佳信噪比10dB信噪比范围10-20dB瑞利衰落+高斯噪声调制方式BFSK比较的分类器:SVM、MLP、LDA(线性判别分析,误码率是0.021-0.02)、QDA(二次判别分析,误码率是0.027-0.03)传统解调的误码率是0.0025-0.025之间把调制和解调分为基于学习的和不急于学习的两种方式原创 2020-12-29 11:40:21 · 524 阅读 · 0 评论 -
【MATLAB代码解析】莱斯信道下的OFDM-QPSK仿真--并存储发送数据帧为深度学习中训练模型的训练集、测试集、验证集
这里写目录标题源码下载1 OFDM参数2 数据集参数3 莱斯信道的参数4 数据存储的思路4 运行源码下载github:OFDM_ricianchannel_simulation下载1 OFDM参数调制方式QPSK子载波数量256一个OFDM有2个符号循环前缀子载波的1/4,为642 数据集参数发送端产生的一帧数据是2×225 = 450 ,作为数据集的标签接受端一帧数据就是2×(256+64)=2*320 = 640,2表示IQ两个信号,640长度的帧数据作为数据集的每帧训练数据3 莱原创 2020-12-28 21:41:32 · 4135 阅读 · 4 评论 -
【Simulink 仿真】SISO Fading Channel模块介绍
1 简介SISO衰落通道模块使用单输入/单输出(SISO)多径衰落通道对输入信号进行滤波。该模块可以模拟瑞利(rayleigh)或莱斯(Rician)衰落。可以根据选择选项rayleigh/rician变成响应的衰落模拟块。MathWork原英文网址介绍2 Rayleigh Fading channel参数(1)Discrete path delays (s)—每个离散路径的延迟默认0。每个离散路径的延迟(以秒为单位),指定为非负标量或行向量。将“离散路径延迟”(s)设置为标量时,SISO通道原创 2020-11-17 20:42:53 · 5809 阅读 · 0 评论 -
无线信道模型分类和建模方法介绍--附思维导图
目录1 统计性模型(经验模型)1.1 模型分类(1)按衰落分类(2)按路径损耗和延迟拓展分类1.2 建模方法(1)方法一分类(2)方法二分类2 确定模型2.1 建模方法3 半确定模型3.1 建模方法4 思维导图PDF、xmind格式下载5 参考文献1 统计性模型(经验模型)1.1 模型分类(1)按衰落分类小尺度传播衰落模型描述小范围内信号的幅度和相位的快速衰落,在电波传播过程中,信号场强在短短(几个信号波长)或短时(秒级)上呈现出快速波动的状况,包括由移动台和基站相对运动造成多普勒频移引起的时间原创 2020-11-16 16:32:18 · 29021 阅读 · 4 评论 -
信号处理simulink仿真-DSP系统工具箱
目录1 工具箱优点(1)流信号处理和现行代数模块(2)单素律、多速率、FIR、IIR和自适应滤波器设计(3)可用于对流信号进行可视化和测量的示波器、频谱分析仪和逻辑分析仪(4)对信号处理算法进行定点建模和仿真(5)支持C和C++代码生成(6)支持HDL代码生成2 信号处理相关的库2.1 simulink2.2 DSP System Toolbox3 Simulink信号处理简介3.1 配置信号处理模型的Simulink环境(1)在New的下面有三种模板• DSP Syst原创 2020-11-11 21:13:14 · 11474 阅读 · 1 评论 -
通信理论+深度学习相关文献、代码及阅读笔记汇集
1 通信相关文献和代码点击跳转到大佬整理的GitHub2 文献阅读笔记见本人的语雀知识库原创 2020-11-01 17:54:06 · 699 阅读 · 0 评论 -
【学习笔记】OFDM中信道估计技术分析与实现
目录一、信道估计概念二、信道估计作用三、信道估计技术分类(一)非盲信道估计(二)半盲信道估计(三)忙信道估计四、信道估计算法(一)小二乘算法(Least Squares,LS)(二)离散傅里叶算法(Discrete Fourier Transform,DFT)(三)离散余弦变换算法(Discrete Cosine Transform,DCT)(四)最小均方算法(Least Mean Square Algorithm,LMS)(五)线性最小均方误差估计(Linear minimum mean square e原创 2020-08-23 12:30:23 · 9254 阅读 · 13 评论 -
【学习笔记】移动无线信道理论
目录一、定义二、信道分类(一)瑞利(Rayleigh)信道1、定义2、适用条件3.瑞利信道使用(二)莱斯信道(三)高斯信道三、信道模型分类(一)Clarke模型(二)Jakes模型(三)改进Jakes模型(Zheng模型)一、定义各类信号从发射端发送出去以后,在到达接收端之前经历的所有路径统称为信道二、信道分类信号在传播的过程中,受各种环境的影响会产生反射、衍射和散射,这样就使得到达接收机的信号是许多路径信号的叠加,因而这些多径信号的叠加在没有视距传播情况下的包络服从瑞利分布。当多径信号中包含一条视原创 2020-08-23 12:26:16 · 4458 阅读 · 1 评论 -
OFDM中的帧(frame)、符号(symbol)、子载波(subcarriers)、导频(Pilot)、保护间隔(guard)的关系图解以及代码详解--MATLAB
一、OFDM经典框架图二、基础理论(一)导频(Pilot)本质:导频不携带信息,导频是双方已知的数据,因为所有子载波会产生一定的相位偏移,在信号中插入导频是提供相位参考,来做接收信号时候的信道估计。原理:将训练信号(导频)插入帧中,以便接收器可以根据导频和数据类似地失真的假设来估计信道响应。 设计了一种适当的导频模式来满足这种假设。 OFDM系统中的典型导频模式为:块,梳状和分散式。如下图所示。(二)保护间隔(Guard)也叫保护频带作用:多径信道会对OFDM符号造成I原创 2020-08-16 19:35:49 · 33816 阅读 · 4 评论 -
基于深度复数卷积网络(Deep Complex Convolutional Network ,DCCN)的OFDM接收机的设计和训练方法
目录一、简介二、复杂层(Complex Layers)三、基本的DCCN接收机第一部分第二部分第三部分损失函数设计四、DCCN 信道均衡器第一部分(第0-5层)第二部分(从第6层到第19层)第三部分(第20层)第四部分(最后4层)请注意五、两个阶段的训练第一阶段第二阶段六、基于DCNN的OFDM代码下载--Matlab参考文献:Deep-Waveform: A Learned OFDM Receiver Based on Deep Complex Convolutional Networks一、简介基原创 2020-08-14 11:06:22 · 5113 阅读 · 0 评论 -
【全部译文】Deep-Waveform: A Learned OFDM Receiver Based on Deep Complex Convolutional Networks
目录AbstractI. INTRODUCTIONII. RELATED WORKA. Deep Learning in PHY of Wireless CommunicationsB. OFDM System and Its EnhancementsIII. OFDM COMMUNICATION SYSTEMA. Physical LayerB. Wireless ChannelC. Channel Estimation and EqualizationIV. DCCN-BASED OFDM RECEIV原创 2020-08-13 19:18:39 · 2532 阅读 · 2 评论 -
【学习笔记】OFDM的原理和技术介绍以及仿真结果分析附代码--MATLAB
这里写目录标题一、ofdm总体概述二、基本原理(一)OFDM系统接收机的典型结构图(二)OFDM调制与解调三、过程中涉及的技术(一)信道编码(二)交织(三)扩频(四)导频(五)保护间隔(六)RF射频调制(七)信道估计四、IQ信号的解调与解调(一)IQ调制(二)IQ信号调制和解调1.调制和解调原理图2.调制原理(三)通信信号处理中为什么要分为I、Q两路(四)星座映射五、OFDM仿真结果分析(一)不同信噪比对比误码率(二)接收端解调和未解调IQ信号星座映射对比(三)发送信号和接受信号对比参考资料:OFDM完原创 2020-08-09 19:09:11 · 23670 阅读 · 116 评论 -
[学习笔记]使用机器学习和深度学习处理信号基础知识
参考学习:使用机器学习和深度学习处理信号本人只是为了了解信号处理的基础知识而做的学习笔记,涉及深度可能不够,有理解错误的地方请大胆指出,感激不尽一、信号生成和预处理(一)信号生成从数据中去除噪声、离群值和乱真内容。增强信号以对其可视化并发现模式。更改信号的采样率,或者使不规则采样信号或带缺失数据信号的采样率趋于恒定。为仿真和算法测试生成脉冲信号和 chirp 等合成信号。主要分为以下几个步骤1.创建波形创建波形的各个函数1.1周期波形Periodic Waveformssawtooth(T原创 2020-08-02 23:12:05 · 5979 阅读 · 5 评论