搜索资源列表
Mobile-Radio-Channel
- 通信无线信道仿真-阴影衰落，对数正态分布-Communication radio channel emulation- the shadow fading, lognormal
film
- 根据对真空蒸发镀膜的分析，在40×40的范围内分别蒸 发：1000、5000、10000、20000、30000个粒子。 利用2维数组记录每个点的粒子数。 初始粒的横纵坐标为0～40的均匀分布。 能量为（15，3）的正态分布。 在基体表面自由行走时损失1的能量。 若该点有粒子，即与其他粒子相遇时损失3的能量。 由低处向高处扩散，每扩散一层，损失4的能量，由高处 向低处扩
perceptron
- 4. 试将感知机学习算法用C语言编成程序，并做下述的 维随机矢量 的二值分类的模拟实验： （1） 用程序产生M个均值为0，方差为1的正态随机矢量（取维数 ，即 ， ；每个 为服从N(0,1) 分布的随机变量）。要求产生三组矢量（分别取M=10,20,30）, 分别用每组矢量训练一个感知机模型。对于每个训练矢量 ，给定其理想输出为 。在每组训练收敛后，再产生30个新矢量，用来检验所得到的感知机的分类性能。对每一组结果要给出收敛时所用的迭代次数 ，收敛时的权矢量值 ，和检验时所达到的正确分类率
progream
- Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If a noise, its amplitude distribution obeys the gaussian distribution, and its power spectral density is uniformly distributed, has des
ASD
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
qwe
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
wer
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。 -Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise.
GGD_paramter
- 基于反高斯正态分布的模型参数估计matlab-Matlab anti-Gaussian distribution is estimated model parameters based on
PCMcodedecode_matlab
- 产生一正态分布序列 经过pcm编码、PCM解码、计算量化信噪比、设置信道误码率 -Generating a normal sequence after pcm encoding, PCM decoding, computing quantization noise ratio, set the channel error rate x = randn (1,1000) generating a normal sequence xf = fft (x, 256) 1024 da
正态分布详解
- 正态分布的一个很好的课件，非那种艰涩的纯抽象讲解，有各种具体的案例，比较适合初学者深刻理解正态分布的内涵(This is a very good courseware handouts to the normal distribution. Instead of common pure abstract explanation, there are a variety of specific cases, more suitable for beginners to understand the
正态分布函数实现
- 调用该函数可以实现正态分布函数，首先产生(min,max)之间均匀分布的随机数，再计算正态分布概率密度函数，最后产生产生正态分布随机数