关于如何求PAPR的CCDF以及ecdf函数的使用

CCDF :互补累计分布函数,可以这么理解,横坐标为X,纵轴表示概率,对应CCDF上的点值表示大于这个X的PAPR的概率。

ecdf函数,是求经验分布函数,它与CCDF正好相反,是小于X的PAPR的概率。在文件SLM.m中,有这样一句代码:[cdf1, PAPR1] = ecdf(PAPR_Orignal);这里面,cdf1保存的是各个PAPR点处,小于PAPR的所有值的概率,所以,最终想要得到CCDF图,需要进行这样一步操作,即semilogy(PAPR1,1-cdf1),这里,要用1-cdf1这句代码,即可得到CCDF图了。

 

所以,求PAPR的过程可以总结为:

1,对N个OFDM符号进行分析,分别求出每一个符号的PAPR,值存在一个矢量中,可以记为PAPR_Original;

2,利用代码:[cdf1, PAPR1] = ecdf(PAPR_Orignal);

3,作图:semilogy(PAPR1,1-cdf1),到这里,就OVER了。

  • 12
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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