第1章 用于可靠數字傳輸和存儲的編碼 第2章 代數引論 第3章 線性分組碼 第4章 重要的線性分組嗎 第5章 循環碼 第6章 二進制BCH碼 第7章 非二進制BCH碼、RS碼及其譯碼算法 第8章 大數邏輯可譯碼有限幾何碼 第9章 線性分組碼的網絡 第10章 基于可靠性的線性分組碼軟判決譯碼算法 第11章 卷積碼 第12章 卷積碼的最優譯碼 第13章 卷積碼的次優譯碼 第14章 基于網絡的軟判決譯碼算法 第15章 級聯編碼、碼分解與多階段譯碼 第16章 Turbo編碼 第17章 低密度單奇偶校驗碼 第18章 網絡編碼調制 第19章 分組編碼調制 第20章 糾突發錯誤碼 第21章 糾突發錯誤卷積碼 第22章 自動請求重傳（ARQ）策略 附錄A 伽羅華域的表 附錄B GF（2m）中元素的最小多項式 附錄C 長度至2 10-1的二進制本原BCH碼的生成多項式 9.6 卷積碼
上傳時間： 2014-01-10
上傳用戶：fnhhs
摘要:為了提高圖像復原算法的性能 ,提出了一種改進的奇異值分解法估計圖像的點擴散函數。從圖像的退化離散模型 出發 ,對圖像進行逐層分塊奇異值分解 ,并自動選取奇異值重組階數以減少噪聲對估計的影響。利用理想圖像奇異值向 量平均能譜指數模型 ,估計點擴散函數奇異值向量的頻譜 ,再反傅里葉變換得到其時域結果。實驗結果表明 ,該方法能 在不同信噪比情況下估計成像系統的點擴散函數 ,估計結果比原有估計方法有所提高 ,有望為圖像復原算法的預處理提 供一種有效的手段。
上傳時間： 2014-08-06
上傳用戶：litianchu
數字水印算法中常用的 MATLAB 函數，應用MATLAB語言實現了一個空間域數字水印算法的嵌入、提取和攻擊過程，并給出了程序運行的結果。
上傳時間： 2017-04-09
上傳用戶：ippler8
該程序對ofdm系統中mmsnr的信道縮短算法的誤碼率性率進行了仿真，而且與沒有信道縮短的只加cp的ofdm的系統進行了對比.程序包可以完整實現仿真，并得到理想的效果圖，相信對做信道時域均衡的人會有所幫助！
上傳時間： 2014-01-16
上傳用戶：semi1981
頻域實現圖像的濾波是一種比較好的濾波辦法，采用了求平均值等算法
上傳時間： 2013-12-25
上傳用戶：縹緲
提出了一種用于矢量量化的改進的聚類算法,該算法在MKM(Modified K-Means)算法的框架的基礎上,對初始碼本的生成、失真測度的選擇、非典型胞腔的處理等方面進行了改進,從而減少了原算法在能量和增益上對聚類結果的影響.并將該算法應用于波形編輯孤立字識別器,這種識別器直接對語音樣本的時域波形進行訓練和聚類,不需要提取語音參數,算法復雜度較低,加上提出的聚類算法失真測度簡單易實現,對芯片的運算能力要求不高,非常適用于有低成本要求的語音識別器場合.通過中文元音字識別的實驗證明,在相同碼本尺寸下,運用改進后的聚類算法的識別器的識別率有所提高.
上傳時間： 2017-05-30
上傳用戶：tianjinfan
獨立成分分析( I C A) 是一項把混合信號分解成具有統計獨立性成分的新技術 。I C A近年已在生物醫 域的信號分離中展示 了很好的應用前景 。 我們比較系統地介紹了 I C A的基本原理 、 主要算法 、 應用和 究的發展方向，旨在進一步推動有關的理論與應用研究工作。
上傳時間： 2017-06-13
上傳用戶：erkuizhang
自己編的lms算法，用于擴頻通信抑制窄帶干擾的時域預測仿真
上傳時間： 2014-12-08
上傳用戶：Ants
本課題研究的主要內容是在空間域直接處理圖像的基礎上，幾種典型的變 換域快速算法分析與研究及這些快速算法的程序設計實現。還研究了圖像增強 中的變換域處理方法，主要針對幾種典型變換域濾波器及其程序實現；最后對 小波變換的算法分析及在圖像壓縮中的應用進行了理論研究。
標簽： 圖像
上傳時間： 2013-12-27
上傳用戶：zhaoq123
遺傳算法為群體優化算法，也就是從多個初始解開始進行優化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優化時先要將實際問題轉換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應注意將染色體解碼到問題可行域內。 遺傳算法模擬“適者生存，優勝劣汰”的進化機制，染色體適應生存環境的能力用適應度函數衡量。對于優化問題，適應度函數由目標函數變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數或者加負號處理。SGA要求適應度函數>0，對于<0的問題，要通過加一個足夠大的正數來解決。這樣，適應度函數值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據一定的扇形區域，扇形區域的面積大小和染色體的適應度大小成正比。如果輪盤中心裝一個可以轉動的指針的話，旋轉指針，指針停下來時會指向某一個區域，則該區域對應的染色體被選中。顯然適應度高的染色體由于所占的扇形區域大，因此被選中的幾率高，可能被選中多次，而適應度低的可能一次也選不中，從而被淘汰。算法實現時采用隨機數方法，先將每個染色體的適應度除以所有染色體適應度的和，再累加，使他們根據適應度的大小分布于0-1之間，適應度大的占的區域大，然后隨機生成一個0-1之間的隨機數，隨機數落到哪個區域，對應的染色體就被選中。重復操作，選出群體規模規定數目的染色體。這個操作就是“優勝劣汰，適者生存”，但沒有產生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據選擇概率來確定是否進行交叉（生成0-1之間隨機數，看隨機數是否小于規定的交叉概率），否則直接進入變異操作。這個操作是產生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變為1，1變為0就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數，看是否小于規定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現象，所以采用最佳個體保留法，也就是曾經出現的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現的最優個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導致過早收斂。 由于是基本遺傳算法，所以優化能力一般，解決簡單問題尚可，高維、復雜問題就需要進行改進了。 下面為代碼。函數最大值為3905.9262，此時兩個參數均為-2.0480，有時會出現局部極值，此時一個參數為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優模式保留，結果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現象也會有所減少，但最終尋得的解不一定是本次執行中曾找到過的最好解。
標簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
