视频讲座 视频讲座:看,听,学!!! 序列号#主题视频讲座链接 1高级矩阵理论查看讲座 2数字通信查看讲座 三Alan V.Oppenheim的数字信号处理查看讲座 4离散随机过程查看讲座 5电磁学与应用查看讲座 6公钥体制查看讲座 7傅里叶变换与应用——斯坦福大学查看讲座 8GPS技术查看讲座 9信息论、熵与推理查看讲座 10线性代数查看讲座 11低功耗VLSI电路和系统查看讲座 12Alan V.Oppenheim的《信号与系统》查看讲座 13斯坦福大学X班-互动课†查看讲座† 14无线通信查看讲座 15麻省理工学院开放课程在线课程† 16每个人的贝叶斯定理——纳特·拿破仑查看视频 17卡尔曼滤波器简介查看讲座 †链接将带您访问外部站点 免责声明:本节中发布的所有材料均来自不同来源。GaussianWaves无法保证这些视频讲座内容的准确性。对于任何疑问/如果您想添加您选择的视频讲座,请使用反馈表。
当谈到实际正态分布时,它是一维的。同样的概念可以扩展到多维情况,其中多维分布是联合高斯分布。复正态分布是多元正态分布的子集,其中考虑的维数仅为2(也是二元正态分布)。我们将这两个维度称为实部和虚部。 复杂正态分布有许多应用。例如,QPSK调制是一种二维调制,其中每个传输的符号都表示为两个基函数——正弦和余弦。因此,这些符号表示为复数。实际上,您不能传输复数。实际发生的情况是,您正在基于两个基函数调制输入消息——正弦和余弦具有相同的频率,但相位之间相互偏移90*。 如果我想在QPSK调制系统中引入噪声,其中传输的符号表示为形式为S=s1+js2的复数,那么我需要形式为N=n1+jn2的复高斯噪声。接收到的信号表示为Y=S+N,其中一切都很复杂。 是的,可以在matlab中生成复杂的分布。例子N=兰登(1100)+i1*兰登(110);%给出了复杂的正态分布样本 更多应用程序:瑞利衰落:https://www.gaussianwaves.com/2010/02/fading-channels-rayleigh-fading-2/Rician衰落:https://www.gaussianwaves.com/2012/07/ebn0-vs-ber-for-bpsk-over-rician-fading-channel网站/AWGN噪音(复杂情况):https://www.gaussianwaves.com/2015/06/how-to-generate-awgn-noise-in-matlaboctave-without-using-in-built-awgn-function/将白噪声模拟为多元高斯随机向量:https://www.gaussianwaves.com/2013/11/simulation-and-analysis-of-white-noise-in-matlab/
你好,Mathuranathan,如果我使用多个基函数(比如4)进行调制,并且在其中引入噪声,则产生的噪声为N=n1+jn2+kn3+ln4?我代表噪音对吗?或者应该是N=n1+j(n2+k(n3+l n4))?
对。噪声可以表示为n1+j n2+k n3+l n4的四维。 为了在Matlab或任何编程语言中实现,每个维度都表示为Nx 4矩阵中的列向量,其中N表示所需的噪声样本数 例子:为了生成10个遵循高斯分布的I.I.D 4维噪声样本,每列代表一个维度。 噪声=[randn(10,1);randn 为了理解,考虑二维噪声(复杂噪声)的情况噪声=[randn(10,1);randn噪声=randn(10,1)+i1*randn(10,1)
两篇与你的问题相关的帖子。希望这有帮助 https://www.gaussianwaves.com/2012/10/likelihood-function-and-maximum-likihood-estimation-mle/ https://www.gaussianwaves.com/2010/01/maximum-likelihood-destimation-2/