搜索资源列表
OFDM3
- 摘 要: 该文从OF DM信号的特性出发， 采用单一训练帧， 将OF DM 系统的载波频率捕获等效为单 载波频差估计.该文提出的算法仅使用一帧辅助数据 具有较高的精度，较少的计算量和较大的捕获范围、 且不受多径信道，时偏及帧同步误差的影响.- Orthogonal Frequency Division Mul tipl e x i n g ( O F D M) , Mu l t i c a r r i e r , C a r r i e r f r e q u e n
ofdm
- ofdm符号定时，选择ofdm符号帧前导字的长训练序列64位数据做相关-ofdm long traning
OFDM
- 首先根据短训练字的特性进行相关运算，进行信号到达检测，当检测到相关值大于门限一定次数后，认为有信号到达。然后根据长训练字的特性，进行相关运算，进行OFDM符号FFT窗口起始位置的估计。估计出FFT窗口的位置后，先在时域进行小频偏的估计，将两个长训练字进行小频偏补偿后，进行FFT运算，根据FFT运算的结果进行整数倍频偏的估计。这些参数估计完成后，就可以进行数据解调了。先对数据部分进行完整的频偏补偿，然后根据估计的FFT窗口位置进行FFT运算得到频域的数据，进行解调。然后在对应于导频的子载波位置上提
CPFSK
- 该工程是有关CPFSK（连续相位调制）的完整工程。帧结构包含训练序列、前导码、同步码、数据长度等信息，使用正交调制方式产生CPFSK的信号，生成基带IQ数据。接收端包含帧同步、滤波、解算长度等算法。可实现任意长度字符串的无线发送与接收。工程十分完整喝强大，可直接用于各大SDR平台的验证。(The project is a complete project of CPFSK (continuous phase modulation). The frame structure contains tr
第一次作业_基于分类算法的雷达状态识别
- 第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别，数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响；数据降维后使用神经网络算法最优，支持向量机算法其次，朴素贝叶斯算法较差。此外，训练样本越多，分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms For radar state recognition
GPS Trajectory
- GPS轨迹数据集，用于深度学习的模型训练，数据集里有GPS轨迹数据和标签。(The GPS trajectory data set is used for deep learning model training. The data set contains GPS trajectory data and tags.)