原创 現代通信原理9.1：數字系統通用模型
數字通信系統模型如圖1所示。我們按照信號流向，對其中的各個模塊逐一進行解釋。 圖1 數字通信系統模型 信源 【百度百科】所謂信源就是信息的來源，可以是人、機器、自然界的物體等等。信源發出信息的時候，一般以某種訊息的方式
2020-06-17 08:22:23
原创 模擬幅度調製系統抗干擾性能仿真分析[模板]
文章目錄1、引言2、系統模型3、抗干擾性能理論分析4、仿真實現與仿真結果5、小結6、參考文獻 1、引言 包括研究目的，研究方法，主要內容等。 2、系統模型 注意事項： （1）給出模型圖，以及時域頻譜分析等。 （2）所有圖都要有
2020-06-17 08:22:12
原创 月考（一）答案
設模擬基帶信號爲m(t)m(t)m(t)，其傅里葉變換爲M(f)M(f)M(f)。現用m(t)m(t)m(t)對載波信號c(t)=Accos2πfctc(t)=A_c\cos2\pi f_ctc(t)=Accos2πfct
2020-06-17 08:22:12
原创 現代通信原理6.2：單邊帶(SSB)調製
文章目錄1、濾波法產生SSB信號2、相移法產生SSB信號 AM調製和DSB-SC調製都屬於雙邊帶調製，因此已調信號帶寬爲基帶信號帶寬的兩倍。那麼，我們有沒有可能使得調製之後的信號，帶寬與基帶信號相同呢？這就是所謂的單邊帶(si
2020-06-17 07:22:08
8
原创 現代通信原理5.2：帶通信號的（復包絡）低通表示
文章目錄1、解析信號2、復包絡3、帶通信號的等效低通表示 1、解析信號 對於實信號x(t)x(t)x(t)，我們定義其解析信號爲 zx(t)=x(t)+jx^(t),(1)\tag{1} z_x(t)=x(t)+j\hat x
2020-06-17 07:22:08
原创 頻譜感知3：合作頻譜檢測中的硬合併與軟合併
文章目錄1、硬合併2、軟合併 1、硬合併 我們先來考慮硬判決的情況。假定我們一共有KKK個次用戶，第kkk個次用戶採用能量檢測器得到本地判決 LDk={0:H01:H1,(1.1)\tag{1.1} {\rm LD}_k=\l
2020-06-17 06:26:37
原创 現代通信原理9.2：數字基帶傳輸系統模型
文章目錄1、發射機：脈衝調製1.1 線路編碼1.2 窄脈衝生成1.3 發送濾波器2、信道：AWGN信道2.1 帶寬無限AWGN信道2.2 帶寬有限AWGN信道3、接收機：檢測 數字基帶傳輸系統模型如圖1所示。我們把它分成三個模
2020-06-17 06:26:37
原创 仿真作業3：噪聲通過DSB-SC解調器
如下圖所示，白噪聲ni(t)n_i(t)ni(t)經過帶通濾波器後與接收機本地載波相乘，隨後進入低通濾波器。具體說明如下： ni(t)n_i(t)ni(t)爲AWGN且單邊功率譜密度爲n0=10−6n_0=10^{-6}
2020-06-17 06:26:37
原创 現代通信原理：目錄
第1講：緒論 第2講：確定信號 2.1 談談信號 2.2 信號時間平均算子與信號物理參數 2.3 爲什麼我們這麼關注傅立葉變換？ 2.4 常用信號的傅立葉變換 2.5 確定信號的能量譜密度、功率譜密度與自相關函數 第3講：系統 3
2020-06-17 06:26:37
原创 現代通信原理7.1：模擬角度調製的基本概念
正弦載波 c(t)=Accos(2πfct+θ0)(1)\tag{1} c(t)=A_c\cos (2\pi f_ct+\theta_0) c(t)=Accos(2πfct+θ0)(1)有三個參量：幅度、頻率和相位。前
2020-06-17 06:26:26
原创 現代通信原理6.1 常規調幅調製(AM)與抑制載波雙邊帶(DSB-SC)調製
文章目錄1、引言2、常規調幅調製(AM)調製器模型3、AM信號的傅立葉變換4、AM信號功率與調製效率5、抑制載波雙邊帶(DSB-SC)調製 1、引言 考慮我們用麥克風採集語音信號，完成聲-電轉換，得到的電信號頻率範圍在20Hz
2020-06-17 06:26:26
原创 《統計信號處理基礎》第2章：最小方差無偏估計
本文爲《Steven M. Kay, Fundamentals of Statistical Signal Processing:Estimation Theory》一書的第2章。 文章目錄1、無偏估計量2、最小方差準則3、最小方
2020-06-10 20:33:45
原创 【從線性迴歸到BP神經網絡】第四部分：BP神經網絡
文章目錄1、2層前饋神經網絡模型(1) 單個樣本(2) 多個樣本時的矩陣表示2、2層前饋NN的誤差反向傳播（BP）算法(1) 單個樣本(2) 多個樣本時的矩陣表示3、BP多層前饋網絡 本文主要參考文獻如下： 1、吳恩達《深度學習》
2020-04-26 02:25:08
原创 【從線性迴歸到BP神經網絡】第二部分：線性迴歸
文章目錄1、代價函數2、梯度下降法3、線性迴歸的梯度下降4、矩陣形式表示mmm個樣本5、線性迴歸的閉式解6、從概率的角度來理解代價函數 本文主要參考文獻如下： 1、吳恩達CS229課程講義。 2、（美）S.Chatterjee等，
2020-04-26 02:25:08
原创 【從線性迴歸到BP神經網絡】第一部分：協方差與相關係數
文章目錄1、樣本均值2、樣本方差3、協方差4、相關係數5、 示例：數據集的相關係數計算 本文主要參考文獻如下： 1、吳恩達CS229課程講義。 2、（美）S.Chatterjee等，《例解迴歸分析》（第2章），機械工業出版社。 3
2020-04-26 02:25:08