papr_eight3dinsert(m_2d,m_3d,num_subcarrier)

时间: 2023-12-03 11:00:42 浏览: 18
`papr_eight3dinsert(m_2d, m_3d, num_subcarrier)` 是一个函数,用于将2D的信号转换为3D的信号。函数的输入参数为`m_2d`(2D的信号矩阵)、`m_3d`(输出的3D信号矩阵)和`num_subcarrier`(子信道的数量)。 函数的功能是通过将原始的2D信号分割成多个子信道,然后在垂直方向上复制这些子信道,以形成3D信号。具体的步骤如下: 1. 首先,获取2D信号矩阵的行数和列数,并计算出每个子信道的行数。 2. 在`m_3d`中创建一个新的矩阵,行数为`num_subcarrier`,列数与2D信号的列数相同。 3. 使用循环遍历子信道的数量,并进行以下操作: - 在`m_3d`中选择第`i`个子信道,并将其与`m_2d`中的对应的子信道复制。 - 复制完成后,就可以在垂直方向上形成3D信号的主体部分。 4. 最后,返回经过转换的3D信号矩阵`m_3d`。 这个函数的作用在于将2D信号转换为3D信号,使得信号可以在不同的维度上进行处理和分析。这在一些通信和图像处理应用中,能够更好地利用信号的空间相关性,提高信号处理的效果。
相关问题

将下面的代码中的QPSK调制改为16QAM调制 : function PAPR_QPSK_Clipping Num_Loop=30000; Num_Subcarrier=64; Mapper=[ 1+1i -1+1i 1-1i -1-1i]/sqrt(2);%QPSK %Mapper=[-3+3j,-1+3j,1+3j,3+3j,... % -3+1j,-1+1j,1+1j,3+1j,... % -3-1j,-1-1j,1-1j,3-1j,... % -3-3j,-1-3j,1-3j,3-3j];%16QAM % J=5;%Oversampling factor CR=4;%Clipping Ratio PAPR_Original=zeros(1,Num_Loop); PAPR_Clipping=zeros(1,Num_Loop); for n=1:Num_Loop InputSymbolIndex=randi([1 4],1,Num_Subcarrier); OFDM_Freq=Mapper(InputSymbolIndex); OFDM_Time=sqrt(J*Num_Subcarrier)*ifft([OFDM_Freq(1:Num_Subcarrier/2) zeros(1,(J-1)*Num_Subcarrier) OFDM_Freq(Num_Subcarrier/2+1:Num_Subcarrier)]); PAPR_Original(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).*2)); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Clipping Method for p=1:J*Num_Subcarrier if abs(OFDM_Time(p))>CR OFDM_Time(p)= CR*cos(angle(OFDM_Time(p)))+1i*CR*sin(angle(OFDM_Time(p))); end end PAPR_Clipping(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).^2)); end Pr_Ori=[]; Pr_Clip=[]; PAPRO_Start=2; PAPRO_End=12; step=0.2; count=1; for m=PAPRO_Start:step:PAPRO_End temp_Ori=sum(PAPR_Original(:)>m)/Num_Loop; temp_Clip=sum(PAPR_Clipping(:)>m)/Num_Loop; Pr_Ori(count)=temp_Ori; Pr_Clip(count)=temp_Clip; count=count+1; end semilogy(PAPRO_Start:step:PAPRO_End,Pr_Ori,' -b*',PAPRO_Start:step:PAPRO_End,Pr_Clip,'-r*'); axis([PAPRO_Start PAPRO_End 10^-4 1]); grid on; hold on;

function PAPR_16QAM_Clipping Num_Loop=30000; Num_Subcarrier=64; Mapper=[-3+3j,-1+3j,1+3j,3+3j,... -3+1j,-1+1j,1+1j,3+1j,... -3-1j,-1-1j,1-1j,3-1j,... -3-3j,-1-3j,1-3j,3-3j];%16QAM J=5;%Oversampling factor CR=4;%Clipping Ratio PAPR_Original=zeros(1,Num_Loop); PAPR_Clipping=zeros(1,Num_Loop); for n=1:Num_Loop InputSymbolIndex=randi([1 16],1,Num_Subcarrier); OFDM_Freq=Mapper(InputSymbolIndex); OFDM_Time=sqrt(J*Num_Subcarrier)*ifft([OFDM_Freq(1:Num_Subcarrier/2) zeros(1,(J-1)*Num_Subcarrier) OFDM_Freq(Num_Subcarrier/2+1:Num_Subcarrier)]); PAPR_Original(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).*2)); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Clipping Method for p=1:J*Num_Subcarrier if abs(OFDM_Time(p))>CR OFDM_Time(p)= CR*cos(angle(OFDM_Time(p)))+1i*CR*sin(angle(OFDM_Time(p))); end end PAPR_Clipping(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).^2)); end Pr_Ori=[]; Pr_Clip=[]; PAPRO_Start=2; PAPRO_End=12; step=0.2; count=1; for m=PAPRO_Start:step:PAPRO_End temp_Ori=sum(PAPR_Original(:)>m)/Num_Loop; temp_Clip=sum(PAPR_Clipping(:)>m)/Num_Loop; Pr_Ori(count)=temp_Ori; Pr_Clip(count)=temp_Clip; count=count+1; end semilogy(PAPRO_Start:step:PAPRO_End,Pr_Ori,' -b*',PAPRO_Start:step:PAPRO_End,Pr_Clip,'-r*'); axis([PAPRO_Start PAPRO_End 10^-4 1]); grid on; hold on; end

将下面的代码中的QPSK调制改为8QPSK调制 : function PAPR_QPSK_Clipping Num_Loop=30000; Num_Subcarrier=64; Mapper=[ 1+1i -1+1i 1-1i -1-1i]/sqrt(2);%QPSK %Mapper=[-3+3j,-1+3j,1+3j,3+3j,... % -3+1j,-1+1j,1+1j,3+1j,... % -3-1j,-1-1j,1-1j,3-1j,... % -3-3j,-1-3j,1-3j,3-3j];%16QAM % J=5;%Oversampling factor CR=4;%Clipping Ratio PAPR_Original=zeros(1,Num_Loop); PAPR_Clipping=zeros(1,Num_Loop); for n=1:Num_Loop InputSymbolIndex=randi([1 4],1,Num_Subcarrier); OFDM_Freq=Mapper(InputSymbolIndex); OFDM_Time=sqrt(JNum_Subcarrier)ifft([OFDM_Freq(1:Num_Subcarrier/2) zeros(1,(J-1)Num_Subcarrier) OFDM_Freq(Num_Subcarrier/2+1:Num_Subcarrier)]); PAPR_Original(n)=10log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).2)); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%Clipping Method for p=1:JNum_Subcarrier if abs(OFDM_Time(p))>CR OFDM_Time(p)= CRcos(angle(OFDM_Time(p)))+1iCRsin(angle(OFDM_Time(p))); end end PAPR_Clipping(n)=10log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).^2)); end Pr_Ori=[]; Pr_Clip=[]; PAPRO_Start=2; PAPRO_End=12; step=0.2; count=1; for m=PAPRO_Start:step:PAPRO_End temp_Ori=sum(PAPR_Original(:)>m)/Num_Loop; temp_Clip=sum(PAPR_Clipping(:)>m)/Num_Loop; Pr_Ori(count)=temp_Ori; Pr_Clip(count)=temp_Clip; count=count+1; end semilogy(PAPRO_Start:step:PAPRO_End,Pr_Ori,' -b*',PAPRO_Start:step:PAPRO_End,Pr_Clip,'-r*'); axis([PAPRO_Start PAPRO_End 10^-4 1]); grid on; hold on;

function PAPR_8QPSK_Clipping Num_Loop=30000; Num_Subcarrier=64; Mapper=[-1/sqrt(2)-1/sqrt(2)*1i -1/sqrt(2)+1/sqrt(2)*1i 1/sqrt(2)-1/sqrt(2)*1i 1/sqrt(2)+1/sqrt(2)*1i -1/sqrt(2)-1/sqrt(2)*1i 1/sqrt(2)-1/sqrt(2)*1i -1/sqrt(2)+1/sqrt(2)*1i 1/sqrt(2)+1/sqrt(2)*1i]/sqrt(2); % 8QPSK J=5;%Oversampling factor CR=4;%Clipping Ratio PAPR_Original=zeros(1,Num_Loop); PAPR_Clipping=zeros(1,Num_Loop); for n=1:Num_Loop InputSymbolIndex=randi([1 8],1,Num_Subcarrier); OFDM_Freq=Mapper(InputSymbolIndex); OFDM_Time=sqrt(J*Num_Subcarrier)*ifft([OFDM_Freq(1:Num_Subcarrier/2) zeros(1,(J-1)*Num_Subcarrier) OFDM_Freq(Num_Subcarrier/2+1:Num_Subcarrier)]); PAPR_Original(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).^2)); % Clipping Method for p=1:J*Num_Subcarrier if abs(OFDM_Time(p))>CR angle_OFDM_Time = angle(OFDM_Time(p)); if angle_OFDM_Time > -pi/8 && angle_OFDM_Time <= pi/8 OFDM_Time(p) = CR/sqrt(2) + 1i*CR/sqrt(2); elseif angle_OFDM_Time > pi/8 && angle_OFDM_Time <= 3*pi/8 OFDM_Time(p) = 1/sqrt(2) + 1i*CR; elseif angle_OFDM_Time > 3*pi/8 && angle_OFDM_Time <= 5*pi/8 OFDM_Time(p) = -CR/sqrt(2) + 1i*CR/sqrt(2); elseif angle_OFDM_Time > 5*pi/8 && angle_OFDM_Time <= 7*pi/8 OFDM_Time(p) = -1/sqrt(2) + 1i*CR; elseif angle_OFDM_Time > 7*pi/8 || angle_OFDM_Time <= -7*pi/8 OFDM_Time(p) = -CR/sqrt(2) - 1i*CR/sqrt(2); elseif angle_OFDM_Time > -7*pi/8 && angle_OFDM_Time <= -5*pi/8 OFDM_Time(p) = -1/sqrt(2) - 1i*CR; elseif angle_OFDM_Time > -5*pi/8 && angle_OFDM_Time <= -3*pi/8 OFDM_Time(p) = CR/sqrt(2) - 1i*CR/sqrt(2); elseif angle_OFDM_Time > -3*pi/8 && angle_OFDM_Time <= -pi/8 OFDM_Time(p) = 1/sqrt(2) - 1i*CR; end end end PAPR_Clipping(n)=10*log10(max(abs(OFDM_Time)).^2./mean(abs(OFDM_Time).^2)); end Pr_Ori=[]; Pr_Clip=[]; PAPRO_Start=2; PAPRO_End=12; step=0.2; count=1; for m=PAPRO_Start:step:PAPRO_End temp_Ori=sum(PAPR_Original(:)>m)/Num_Loop; temp_Clip=sum(PAPR_Clipping(:)>m)/Num_Loop; Pr_Ori(count)=temp_Ori; Pr_Clip(count)=temp_Clip; count=count+1; end semilogy(PAPRO_Start:step:PAPRO_End,Pr_Ori,' -b*',PAPRO_Start:step:PAPRO_End,Pr_Clip,'-r*'); axis([PAPRO_Start PAPRO_End 10^-4 1]); grid on; hold on;

相关推荐

最新推荐

recommend-type

毕业设计基于STC12C5A、SIM800C、GPS的汽车防盗报警系统源码.zip

STC12C5A通过GPS模块获取当前定位信息,如果车辆发生异常震动或车主打来电话(主动请求定位),将通过GSM发送一条定位短信到车主手机,车主点击链接默认打开网页版定位,如果有安装高德地图APP将在APP中打开并展示汽车当前位置 GPS模块可以使用多家的GPS模块,需要注意的是,当前程序对应的是GPS北斗双模芯片,故只解析 GNRMC数据,如果你使用GPS芯片则应改为GPRMC数据即可。 系统在初始化的时候会持续短鸣,每初始化成功一部分后将长鸣一声,如果持续短鸣很久(超过20分钟),建议通过串口助手查看系统输出的调试信息,系统串口默认输出从初始化开始的所有运行状态信息。 不过更建议你使用SIM868模块,集成GPS.GSM.GPRS,使用更加方便
recommend-type

基于tensorflow2.x卷积神经网络字符型验证码识别.zip

基于tensorflow2.x卷积神经网络字符型验证码识别 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

使用vue3+elementsplus封装一个提示确认框的组件,要求将请求地址和确认框展示信息作为参数暴露出去

好的,下面是使用 Vue3 和 ElementPlus 封装一个提示确认框的组件,同时将请求地址和确认框展示信息作为参数暴露出去。 ```vue <template> <el-dialog title="确认提示" :visible.sync="dialogVisible" width="30%" :before-close="handleClose" > <p>{{ message }}</p> <span slot="footer" class="dialog-footer"> <el-button @click="di