- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习——利用神经网络进行微波图像分类
本来以为写一个神经网络训练模型的代码很困难，毕竟我是电子信息出身，这方面实在知之甚少。但是多亏了pytorch，现在可以直接调用这些网络模型。前两者准确率均在70%左右，考虑调整网络参数或者增强数据集，但都没有很好的效果，遂放弃，进而选择AlexNet，达到了至少。（已分类），利用这些数据集训练好网络后，对测试集（未分类）进行分类，将分类结果上传到。与正确结果对比得到准确率。总共测试了三个经典的图像分类网络模型：LeNet、VGG和。如题，利用神经网络进行微波图像分类，数据集是。1）数据提取、转换和增强。
2024-07-22 16:32:00
543
原创 信道编码——极化码Matlab编译码实现与性能分析及信道极化现象仿真
极化码最早在2009年由土耳其教授在其论文中提出，被证明达到了，在3GPP会议上被规定和LDPC码共同作为5G编码技术的标准，这或许是21世纪信息论最大的发展之一。此前逼近香农极限的两个编码分别是LDPC码和Turbo码，有关Turbo码已经在上一篇博客中做了介绍，。这篇大作的原文链接如下，值得拜读。但是这篇论文比较理论，证明过程也较多。为了深入浅出地理解极化码原理，我参考了B站UP的硬核科普视频。
2024-06-26 19:59:02
995
原创 信道编码——Turbo码Matlab编译码实现与性能分析
Turbo码的性能真是让人惊叹，在较高信噪比下误码率呈现“瀑布式”下降，虽然在较低信噪比下比未编码差，但是瑕不掩瑜，在对可靠性要求高的通信系统里将被优先考虑。突然理解了在Turbo被两位名不见经传的科学家提出时，IEEE的一些专家甚至怀疑信噪比算错了。对比线性分组码和卷积码，Turbo抗噪声能力稍弱，但是只要信噪比达标，性能将急剧提升，真是给一点光就灿烂。
2024-06-21 19:15:59
880
2
原创 玩转示波器——显示任意图片和特定视频
这是因为视频是动态的，也就是说你需要不断地将每一帧图片的X、Y向量输入示波器中，并且保证在这一帧图片的显示时间内，不允许下一帧的X、Y向量进来，然而在数字示波器中这是不可能的（也可能是博主没有发现）。所以，对于任意灰度图，我们如果将其中“比较黑”的点的坐标[X, Y]记录下来，再将X、Y转为示波器能够读取的电压值，将其输入示波器的两个通道，则原灰度图中“比较黑”的点将会反映在示波器X-Y显示的亮点上，两者将具有同样的相对位置。我将下载的资源输入示波器，调整时间窗长度，的确实现了视频的播放，如开头所示。
2024-06-01 01:45:29
1529
12
原创 信道编码——卷积码Matlab编译码实现与性能分析
大二时和同学聊天，他说“通信领域开源很糟糕，大家各干各的”，于是不禁想起做项目时搜一个PM解调找不到一个可供参考的例子，那一刻起就想着至少把我的东西开源出去，并且有机会的话也会邀请同行业的人与我一起开源，为通信人提供微小的帮助；，这也是最关键的因素吧，大三前很贪玩，觉得玩游戏能玩一天，学习学不进去一点，后来又实在觉得玩游戏没什么意思，还是技术有吸引力，想一门心思把技术做好，敬畏它就想把它画下来，裱起来，瞻仰瞻仰。这与归零卷积码对比，在更复杂的编码时是否会有更低的性能，这有待考究。
2024-05-31 21:20:16
1880
14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人