初识MIMO（六）：MU-MIMO的仿真

最新推荐文章于 2024-07-09 22:51:38 发布
最新推荐文章于 2024-07-09 22:51:38 发布
阅读量2.3k 收藏 36
点赞数 6
分类专栏： MIMO 文章标签： matlab dsp开发 网络协议 ofdma 硬件工程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44863193/article/details/124580335
版权

初识MIMO（六）：MU-MIMO的仿真

零 代码地址

https://github.com/liu-zongxi/MIMO_simulation

请大家看完觉得有用别忘了点赞收藏，github项目给star哦

一.基本概念

多用户MIMO主要是希望实现一对多，这要求对于每一个ＭＳ，要去除掉发送给其他MS的信号，这也就是这一章的核心了，在接下来所有的仿真中，我们都更关注下行广播，而我感觉到所有仿真里都隐含了一个条件就是
N T = N R × N u s e r NT = NR \times N_{user} NT=NR×Nuser​
image-20220504223857351

image-20220504223916370

二. 信道传播方式一——信道反转

1.理论

image-20220504224649784

image-20220504224706302

信道反转就是所谓的预编码均衡，没有任何区别，但注意，此时NR=1，直接去掉信道的影响来看代码吧

2. 代码

%------------------MU-MIMO的信道反转方式---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:2022年5月3日15点50分-----------------%
%% 参数设置
clear;clf;
L_frame = 100;      % 一个帧里多少符号
N_packet = 2000;    % 一个包里多少帧
Nmod = 2;           % 调制阶数
NT = 4;             % 发射天线数
N_user = 20;        % 用户数
N_user_active = NT;  % 当前使用的用户数
I = eye(NT,NT);     
Ncase = 4;

SNRs_dB = 0:2:20;
SNRs = 10.^(SNRs_dB/10);
N_SNR = length(SNRs);
BERs = zeros(Ncase, N_SNR);
gss = ["-kx" "-b^" "-ro" "-m+"];   % 画图图像，注意使用双引号
%% 主函数
for icase = 1:Ncase
    gs = gss(icase);
    if icase ==1
        W_formula = @(H, sigma, I) H'*inv(H*H');
        flag_select = 0;
    elseif icase ==2
        W_formula = @(H, sigma, I) H'*inv(H*H'+sigma*I);
        flag_select = 0;
    elseif icase ==3
        W_formula = @(H, sigma, I) H'*inv(H*H');
        flag_select = 1;
    elseif icase ==4
        W_formula = @(H, sigma, I) H'*inv(H*H'+sigma*I);
        flag_select = 1;
    end 
    for isnr = 1:N_SNR
        SNR = SNRs(isnr);
        n_biterror = 0;
        sigma = sqrt(NT/(2*SNR));
        for ipacket = 1:N_packet
            % 生成信号
            frame_origin = randi([0,1],L_frame,N_user_active*Nmod);
            frame_mod = QPSKMod(frame_origin,L_frame, N_user_active);
            frame_reshape = reshape(frame_mod, N_user_active, L_frame);
            % 生成信道
            if flag_select == 0
                H_DL = (randn(N_user_active,NT)+1j*randn(N_user_active,NT))/sqrt(2);
            elseif flag_select ==1
                H = zeros(N_user, NT);
                Channel_norm = zeros(1, N_user);
                for iuser = 1:N_user
                    H(iuser,:) = (randn(1,NT)+1j*randn(1,NT))/sqrt(2);
                    Channel_norm(iuser)=norm(H(iuser,:));
                end
                [Ch_norm,Index]=sort(Channel_norm,'descend');
                H_DL = H(Index(1:N_user_active),:);
            end
            W = W_formula(H_DL, sigma, I);
            beta = sqrt(NT/trace(W*W'));
            W_pre = beta*W;
            frame_trnasmit = W_pre*frame_reshape;
            noise = sigma*(randn(N_user_active,L_frame)+1j*randn(N_user_active,L_frame));
            y = H_DL * frame_trnasmit + noise;
            % 接收
            frame_re = y/beta;
            frame_pre_demod = reshape(frame_re, L_frame, N_user_active);
            frame_demod = QPSKDemod(frame_pre_demod,L_frame,N_user_active);
            % 计算误码率
            n_biterror_tmp = sum(sum(abs(frame_demod - frame_origin)))
            n_biterror = n_biterror + n_biterror_tmp;
        end
        BERs(icase, isnr) = n_biterror/(N_packet*L_frame*Nmod);
    end
    semilogy(SNRs_dB,BERs(icase,:),gs);
    hold on;
end
%% 画图
title('MU-MIMO BER inv');
xlabel('SNR[dB]');
ylabel('BER') 
grid on;
set(gca,'fontsize',9)
legend('ZF','MMSE','ZF with select', 'MMSE with select')

3. 一些思考

啊，没有什么好思考的，上一张都思考过了，看不懂这个代码的可以看我的前一个博客~

三. 信道传播方式二——块对角化

1.理论

image-20220504230645054

image-20220504230827535

image-20220504230841616

image-20220504230853055

2.代码

%------------------MU-MIMO的对角块化---------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:2022年5月3日15点50分-----------------%
%% 设置
clear;
clf;
L_frame = 100;
N_packet = 2000;
Nmod = 2;
NT = 4;
NR = 2;
N_user = 2;

gss = ["-kx" "-^" "-ro" "-b>" "-g<" "-m+"];
SNRs_dB = 0:2:20;
SNRs = 10.^(SNRs_dB/10);
N_SNR = length(SNRs_dB);
BERs = zeros(5, N_SNR);
%% 主函数
for isnr = 1:N_SNR
    SNR = SNRs(isnr);
    n_biterror = 0;
    sigma = sqrt(NT/(2*SNR));
    for ipacket = 1:N_packet
        % 生成信号
        frame_origin = randi([0,1],L_frame,NT*Nmod);
        frame_mod = QPSKMod(frame_origin,L_frame, NT);
        frame_reshape = reshape(frame_mod, NT, L_frame);
        % 信道
        noise = sigma* (randn(NR,L_frame)+1j*randn(NR,L_frame));
        H1 = (randn(NR,NT)+1j*randn(NR,NT))/sqrt(2);
        H2 = (randn(NR,NT)+1j*randn(NR,NT))/sqrt(2);
        H = (randn(NR,NT, N_user)+1j*randn(NR,NT, N_user))/sqrt(2);
        % 对角化处理
        for iuser = 1:N_user
            if iuser == 1
                region_tilde = [2:N_user];
            elseif iuser == N_user
                region_tilde = [1:N_user - 1];
            else
                region_tilde = [1:iuser-1 iuser+1:N_user];
            end
            H_tilde_temp = [];
            for ii = region_tilde
                H_tilde_temp = [H_tilde_temp H(:,:,ii)'];
            end
            H_tilde = H_tilde_temp';
            [U,S,V] = svd(H_tilde);
            index_zero = size(S,2)-rank(S);
            W(:,:,iuser) = V(:,end-index_zero+1:end);
        end
        frame_transmit = 0;
        for iuser = 1:N_user
            frame_transmit = frame_transmit+W(:,:,iuser)*frame_reshape(NR*(iuser-1)+1:NR*(iuser-1)+NR,:);
        end
%         [U1,S1,V1] = svd(H1);
%         W2 = V1(:,3:4);
%         [U2,S2,V2] = svd(H2); 
%         W1 = V2(:,3:4);
%         frame_transmit = W1*frame_reshape(1:2,:) + W2*frame_reshape(3:4,:);
        for iuser = 1:N_user
            y(:,:,iuser) = H(:,:,iuser)*frame_transmit+noise;
        end
%         y1 = H1*frame_transmit+noise;
%         y2 = H2*frame_transmit+noise;
%         HV1 = H1*W1;
%         EQ1 = HV1'*inv(HV1*HV1'); % Equalizer for the 1st user
%         HV2 = H2*W2;
%         EQ2 = HV2'*inv(HV2*HV2'); % Equalizer for the 2nd user
        y_re=[];
        for iuser = 1:N_user
            HV =  H(:,:,iuser)*W(:,:,iuser);
            EQ = HV'*inv(HV*HV');
            y_re_temp = EQ*y(:,:,iuser);
            y_re = [y_re;y_re_temp];
        end
        % y = [EQ1*y1; EQ2*y2];
        % frame_pre_demod = reshape(y,L_frame,NT);
        frame_pre_demod = reshape(y_re,L_frame,NT);
        frame_demod = QPSKDemod(frame_pre_demod,L_frame,NT);
        % 计算误码率
        n_biterror_tmp = sum(sum(abs(frame_demod - frame_origin)))
        n_biterror = n_biterror + n_biterror_tmp;
    end
    BERs(1, isnr) = n_biterror/(N_packet*L_frame*Nmod);
end
%% 画图
BERs(2,:) = [1.40608250000000	1.27856000000000	1.12480750000000	0.941037500000000	0.738272500000000	0.582960000000000	0.417507500000000	0.287120000000000	0.197902500000000	0.115562500000000	0.0775400000000000];
BERs(3,:) = [0.892967500000000	0.736142500000000	0.576275000000000	0.428812500000000	0.306602500000000	0.212430000000000	0.143212500000000	0.0964100000000000	0.0644250000000000	0.0476550000000000	0.0363025000000000];
BERs(4,:) = [1.16728000000000	1.02494250000000	0.830452500000000	0.641750000000000	0.481362500000000	0.320395000000000	0.211695000000000	0.144177500000000	0.0884050000000000	0.0634100000000000	0.0345100000000000];
BERs(5,:) = [0.679290000000000	0.521507500000000	0.376435000000000	0.253155000000000	0.160840000000000	0.102062500000000	0.0656150000000000	0.0394150000000000	0.0272925000000000	0.0190700000000000	0.0148800000000000];
for i = 1:5
    semilogy(SNRs_dB,BERs(i,:), gss(i));
    hold on;
end

3.一些思考

  1. 代码我做了推广，可以适用于任意的NT和NR，但都要满足NT=NR*N_user 是严格按照书本公式来的，不过随着NT增大，效果越差这，这也很好理解，因为干扰越来越难以消除
  2. 我们可以看到，块对角化最大的特点是（13.17），他考虑了不属于当前MS的信号对当前MS的影响，并尝试消除他，就是说专门的NT服务专门的MS。

四. 信道传播方式三——DPC和TH

image-20220504233017488

image-20220504233041869

image-20220504233052099

image-20220504233106267

image-20220504233137585

image-20220504233147014

image-20220504233156184

image-20220504233205786

2.代码

%------------------------DPC和TH编码-------------------%
%-----------------------author:lzx-------------------------%
%-----------------------date:2022年5月4日10点38分-----------------%
%% 参数设置
clear;clf;
L_frame =100;
N_packet = 2000;
Nmod = 2;
NT = 4;
N_user = 10;
N_user_ative = 4;
I=eye(NT,NT);

SNRs_dB = 0:2:20;
SNRs = 10.^(SNRs_dB/10);
N_SNR = length(SNRs);

BERs = zeros(2, N_SNR);

Ncase = 2;
gss = ["-kx" "-b^" "-ro" "-m+"];   % 画图图像，注意使用双引号
%% 主函数
for icase = 1:Ncase
    gs = gss(icase);
    for isnr = 1:N_SNR
        SNR = SNRs(isnr);
        n_biterror = 0;
        sigma = sqrt(NT/(2*SNR));
        for ipacket = 1:N_packet
            % 生成数据
            frame_origin = randi([0,1],L_frame,NT*Nmod);
            % QPSK调制
            frame_mod=QPSKMod(frame_origin,L_frame, NT);
            frame_reshape = reshape(frame_mod,NT,L_frame);
            % 信道
            H = (randn(N_user,NT)+1j*randn(N_user,NT))/sqrt(2);
            % 选出四个最好的信道
            Types = nchoosek([1:N_user],N_user_ative);
            for itype = 1:size(Types, 1)
                H_sel = H(Types(itype,:)',:);
                [Q_H, R_H] = qr(H_sel);
                L_min(itype) = min(diag(R_H));
            end
            % 最大的最小值就是最好的四个
            [val_max_L_min,index_max_L_min] = max(L_min);
            H_selected = H(Types(index_max_L_min,:)',:);
            % Matlab没有LQ分解，要这样曲线救国
            [Q_temp,R_temp] = qr(H_selected');
            L=R_temp';
            Q=Q_temp';
            % 预编码
            frame_prepre = frame_reshape;
            if icase == 1
                for ipre = 2:4
                    frame_prepre(ipre,:) = frame_prepre(ipre,:) - L(ipre,1:ipre-1)/L(ipre,ipre)*frame_prepre(1:ipre-1,:);
                end
            else
                for ipre = 2:4
                    frame_prepre(ipre,:) = ModTH(frame_prepre(ipre,:) - L(ipre,1:ipre-1)/L(ipre,ipre)*frame_prepre(1:ipre-1,:), 2);
                end
            end
            frame_pre = Q'*frame_prepre;
            % 信道
            noise = sigma*(randn(N_user_ative,L_frame)+1j*randn(N_user_ative,L_frame));
            y = H_selected*frame_pre+noise;
            % 接收
            frame_re = inv(diag(diag(L)))*y;
            frame_recieved = reshape(frame_re,NT*L_frame,1);
            if icase==2 % in the case of TH precoding
                frame_recieved = ModTH(frame_recieved,2);
            end
            frame_pre_demod = reshape(frame_recieved,L_frame,NT);
            frame_demod = QPSKDemod(frame_pre_demod,L_frame,NT);
            % 计算误码率
            n_biterror_tmp = sum(sum(abs(frame_demod - frame_origin)))
            n_biterror = n_biterror + n_biterror_tmp;
        end
        BERs(icase, isnr) = n_biterror/(N_packet*L_frame*Nmod);
    end
    semilogy(SNRs_dB,BERs(icase,:),gs);
    hold on;
end

3.一些思考

  1. % 选出四个最好的信道
    Types = nchoosek([1:N_user],N_user_ative);
    for itype = 1:size(Types, 1)
    H_sel = H(Types(itype,:)‘😅;
    [Q_H, R_H] = qr(H_sel);
    L_min(itype) = min(diag(R_H));
    end
    % 最大的最小值就是最好的四个
    [val_max_L_min,index_max_L_min] = max(L_min);
    H_selected = H(Types(index_max_L_min,:)’😅;

这里在做什么呢？

这里是在选出最好的四个信号

排序后最小的最大的就是四个最大的啦

  1. % Matlab没有LQ分解，要这样曲线救国
    [Q_temp,R_temp] = qr(H_selected’);
    L=R_temp’;
    Q=Q_temp’;

image-20220504234528003

  1. frame_prepre(ipre,:) = frame_prepre(ipre,:) - L(ipre,1:ipre-1)/L(ipre,ipre)*frame_prepre(1:ipre-1,:);

这是

image-20220504234753058

  1. inv(diag(diag(L)))

这里是matlab的特性，diag(L)得到的是一个数组，diag(diag(L))则提取出对角元素

  1. 为什么叫脏纸编码？

image-20220504235039976

这是非常好的比喻，因为编码正是挨个解决问题的

image-20220504235121757

总结

其实MU-MIMO最终都是希望得到一个易于分解的对角矩阵，为此有各种方法，其实每种方法都对应着一种分解，对角化对应着SVD，DPC则对应着LQ分解，如果还有分解方法，一定还有更多的分解方法

MIMO-OFDM的matlab仿真到此就结束了，后续如果有需要会更新之前没有看懂的内容，非常感谢这本书以及陈老湿的博客带我入门了通信！我后续也会继续学习，更新！

举熙熙然回巧献计
关注
  • 6
    点赞
  • 踩
  • 36
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
MIMO大规模天线阵列原理与matlab仿真（含GUI）
weixin_53750855的博客
02-13 8885
本文仿真比较简单的2x2（两个发送天线，两个接收天线）多天线系统与传统1x1单天线系统的性能差异，建立MIMO系统基本概念并了解其相对单天线系统的优势所在。 A.不考虑信道编码，采用格雷映射，考虑调制方式分别为QPSK和16QAM两种情况。利用Matlab仿真得到两种情况下的SNR-BER（信噪比-误码率）性能曲线。 B.不考虑信道编码，采用格雷映射，考虑调制方式分别为BPSK和QPSK两种情况。利用Matlab仿真得到调制方式分别为BPSK和QPSK两种情况下的SNR-BER（信噪比-误码率）性能曲线。
用于多用户mimo系统的信道反转方式.rar
03-29
在BC 中，数据传输的主要困难是不能在接收机间直接进行协同信号检测，因此需要在BS消除数据间干扰。本文件考虑的是信道反转的传输方式。使用matlab实现。
【大规模 MIMO 检测】基于ADMM的大型MU-MIMO无穷大范数检测研究（Matlab代码实现）
weixin_46039719的博客
05-29 733
我们的算法被称为基于ADMM的无穷大范数（简称ADMIN），并执行无穷大范数或盒约束均衡，如果BS天线数量与用户之间的比率较小（两个或更少），则线性探测器的性能将大大优于线性探测器。ADMIN 本质上是迭代的，并在第一次迭代中执行线性 MMSE 均衡。大型（或大规模）多用户 （MU） 多输入多输出 （MIMO） 是第五代 （5G） 无线通信系统的关键技术，可处理数量级以上的数据流量。这些算法提供高吞吐量，但与基于精确反演的MMSE均衡器相比，会带来性能损失，特别是在用户数量与BS天线数量相当的系统中。
NR 大规模天线设计--1
4AM_明朝百晓生
12-07 314
天线规模影响 频段影响 多用户MIMO技术影响 系统设计灵活性的影响
初识MIMO（二）：MIMO的信道容量及其仿真
weixin_44863193的博客
04-22 1万+
初识MIMO（二）：MIMO的信道容量 一. SVD简介 SVD可以将一个矩阵分解为UΣVHU\Sigma V^HUΣVH的形式，U是大小为NRXN_{RX}NRX​的方阵，V是大小为NTXN_{TX}NTX​的方阵，Σ\SigmaΣ的大小是NRX∗NTXN_{RX}*N_{TX}NRX​∗NTX​，对角矩阵的值为矩阵的奇异值，奇异值的个数是行列的较小值。 在RX和TX不相等的情况下，可以化简H HHHHH^HHHH是一个自共轭对称矩阵，9.4表示的是对称矩阵的特征值分解的形式 非对称矩阵也是可以特征
初识MIMO(四)：MIMO的接收端检测技术及其仿真
weixin_44863193的博客
04-29 3610
初识MIMO(四)：MIMO的接收端检测技术及其仿真 零 代码地址 https://github.com/liu-zongxi/MIMO_simulation 请大家看完觉得有用别忘了点赞收藏，github项目给star哦 一. 接收端检测技术概念 我们之前的仿真已经包含了SISO，MISO，SIMO，而检测技术就是MIMO中非常重要的一个技术，他的目的是从接收端提取出每一根发射天线的信号，此时，别的信号成为了干扰，也就第一次有了信干噪比的概念。 二. 仿真 1.代码展示 %-------------
基于Matlab的MIMO通信系统仿真
热门推荐
太阳帅帅的博客
04-12 4万+
1. MIMO基本原理 MIMO技术指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。它能充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，显示出明显的优势、被视为下一代移动通信的核心技术。 2. 空时分组码 2.1 Alamouti 2发1收空时编码 （1...
探秘802.11ac 2.0：MU-MIMO技术助力解决Wi-Fi网络拥塞
01-19
多用户多重输入多重输出（MU-MIMO）技术能使信号发送存取点（AP）同时服务多个用户端装置，而采用此技术的802.11ac 2.0标准，则能藉此实现比前一代规格快三倍左右的联网速度，大幅提升Wi-Fi装置的服务品质。...
mmWave-MU-MIMO-master_massiveMIMO_MU-MIMO_MU_Massive-MIMO_mmwave
10-03
综上所述，"mmWave-MU-MIMO-master_massiveMIMO_MU-MIMO_MU_Massive-MIMO_mmwave"是一个深入探讨毫米波与大规模MIMO结合的课题，涵盖了无线通信领域的最新技术和挑战，对于理解5G通信系统和未来6G网络的发展有着重要...
OUS：MU-MIMO WLAN中的最佳用户选择
04-16
OUS：MU-MIMO WLAN中的最佳用户选择
简单理解mu-mimo和OFDMA.docx
09-25
**MU-MIMO (Multi-User Multiple-Input Multiple-Output)** MU-MIMO 是一种无线通信技术，它允许无线接入点（AP，相当于移动通信中的基站）同时与多个用户设备（UE，用户终端，如WiFi客户端）进行数据传输。在传统...
mimo信道模型MATLAB程序.rar
03-15
直接运行examplemimo就行 MIMO(多天线技术)在LTE中的应用包括层映射和预编码。 在无线链路两端均采用多天线，分别同时接收与发射， 能够充分利用空间资源，在无需增加频谱资源和 发射功率的情况下，成倍提升通信系统的容量与可靠性。 分为SU-MIMO和MU-MIMO 单用户MIMO，可以通过空时编码技术，在不需要额外带宽的情况下 实现近距离的频谱资源重复利用，提高了传输效率， 同时增加抗干扰，抗衰落的能力。 多用户MIMO,虚拟MIMO，将两个单天线的UE配成 一对，可以组成虚拟MIMO链路，利用多天线所提供的 多个信号来复用多个UE的数据。 空间分集：接收分集和发射分集 分集优点：容易获得相对稳定的信号，可以获得分集处理增益，提高信噪比
MIMOmatlab仿真_mimo仿真_
10-02
按信源编码、信道编码、传输、解码、计算分析的过程模拟实际MIMO技术的误比特率
信道逆转和regularized 信道逆转的SEP
04-28
信道逆转和regularized 信道逆转预编码算法在多用户MIMO中的的SEP性能仿真
3D-MIMO信道模型的理论概述和matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
03-09 1441
3D MIMO技术是指在整个大规模MIMO系统中，其天线阵的水平方向和垂直方向上的不同偶极子阵之间进行动态可控的相位加权和幅度加权，然后通过相位和幅度加权结果同时实现水平和垂直两个方向上的MIMO技术，3D MIMO信道模型相对于传统的MIMO信道模型，其构建了一个基于三维空间的MIMO信道，因此被称为3D MIMO信道。从图仿真结果可知，在3D MIMO信道模型中，信道的相关性是随着天线阵元间距的增加而变弱的，对比2D MIMO信道模型，3D MIMO信道模型，其信道的相关性变化更为平稳。
【MIMO仿真】TDM-MIMO雷达信号处理仿真【含Matlab源码 2745期】
Matlab领域的博客
06-25 694
TDM-MIMO雷达信号处理仿真 完整的代码，方可运行；可提供运行操作视频！适合小白！
大规模MIMO三维信道建模算法研究及仿真分析附matlab代码
m0_57702748的博客
05-31 561
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。🍊个人信条：格物致知。更多Matlab仿真内容点击👇⛄ 内容介绍MIMO（Multiple Input Multiple Output）技术采用多个天线，在相同时频资源上传输信号，能在不增加系统带宽的前提下提高信道容量，也能在较低的发射功率情形下得以实现。因此，MIMO技术越来越多地受到无线通信研究者的关注，大规模MIMO（Massive MIMO）技术也被应用于5G系统。
基于matlab模拟集群统计MIMO毫米波信道仿真
Matlab_dashi的博客
06-28 128
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 ????个人主页：Matlab科研工作室????个人信条：格物致知。更多Matlab仿真内容点击????智能优化算法 神经网络预测 雷达通信 无线传感器 电力系统信号处理 ...
13 - matlab m_map地学绘图工具基础函数 - 介绍创建管理颜色映射的函数m_colmap和轮廓图绘制颜色条的函数m_contfbar
最新发布
weixin_43339605的博客
07-09 880
本篇介绍了用于创建和管理颜色映射函数（m_colmap）和 为轮廓图绘制颜色条的函数（m_contfbar）,通过示例展示了各函数的基本用法，对于绘制常见地学图已经够用了，后面如果发现还有其它相关函数再进行补充。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值