使用具有平坦瑞利衰落的 AWGN 信道模拟 QPSK 调制信号的 BER。 sigma = awgn_sigma 我在 2006 年秋季参加 Communication II 时做了这个简单的模拟！！ 随意修改和使用它！ G. Anbarjafari (Shahab) ..... shahab.jafari[AT]emu.edu.tr

阴影衰落(1) 阴影衰落模型由一个呈对数正态分布的随机变 量来模拟实现，由于阴影衰落的值与用户位置有关，地理上不同点的阴影衰落之间存在着一定的相关性，该相关性可用ARMA(1,1)模型表示[2]： 其中，Sn为当前点的阴影衰落值，Sn-1为上一点的阴影衰落值，ax为与Sn-1独立的符合对数正态分布的随机变量，其均值、方差根据仿真模型要求确定（平台中采用城区环境的标准方差为8dB）。ρ为Sn和Sn-1的相关系数，它是一个与两点间距离有关的函数，可以表示为： (17) (16)

function r = Tap_Rayleigh_Jakes(fd,deltaT,Ns) %使用Jakes方法产生单径Rayleigh衰落信道 % 输入: % fd ， 多普勒频移 % deltaT ， 样值之间的时间间隔 % Ns ， 输出瑞利样值序列的长度 % % 输出: % r ，Ns长的瑞利样值序列，加入多普勒频移

5改进Jakes模型/Zheng模型；

对瑞利信道相关参数和性能进行了仿真，程序经过测试，可以直接出结果。

5改进Jakes模型/Zheng模型；

对瑞利信道相关参数和性能进行了仿真，程序经过测试，可以直接出结果。

检查了瑞利信道上 BPSK 的相干和非相干调制和解调。 频道随 Jake 的模型而随时间变化。 多普勒频移设置为 Ds=200Hz，采样频率为 Fs=10KHz。 它是基于函数编写的，应该运行“main.m”来查看结果。 SNR 范围为 0 到 20dB。 对于更高的 SNR 值，需要按比例增加通道样本数。

由于人体脑血管结构复杂,空间比例小,三维分割和重构十分困难,本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先,对已有的混合模型进行了分析;然后,采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类,采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单,参数向量较少;在血管与非血管的混合区域,模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计,降低了算法对初值的依赖,同时提高了鲁棒性。实验证明,与已有双高斯模型相比,血管点数增加了27%,可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线,有效地分割脑血管主分支及周围较细小分支,泛化性较好并可应用于相似系统中。

参考资料：参见 K Vasudevan 的“数字通信和信号处理”一书中的第 5.3 节