离散正交多项式：Dopbox V1.8 版2014 年 3 月介绍------------ 这是一个称为 DOPbox 的独立正交多项式的工具箱。 离散正交多项式有很多应用，例如：在离散的近似值； 在阶微分方程的解中，在特殊的边值问题和初值问题。 为了生成可接受的函数等。 组织------------ 您需要在计算机上安装所有目录并设置 matlab 包含目录及其子目录的路径。 该库分为三个主要目录： 1) DOPbox：该目录包含库的中心文件。 2) SupportFns：这些是支持函数，使生成文档更简单。 它们在示例和提供的文件。 3) 文档：该目录包含 matlab 和 -pdf 文件，其中记录库函数的使用。 文档------------- 我们建议您首先查看 GettingStarted.pdf 文档。 这包含使用每个函数的示例 图书馆。 文档中没有解释图书馆背后的理

OFDM作为下一代通信系统的关键技术，亟需解决其同步问题。在ML算法的基础上，提出了基于多符号的 ML同步算法。在加性高斯白噪声条件下进行了仿真,结果表明改进的同步算法性能比ML算法要好很多。其中，基于连续符号的定时估计方法1在信噪比超过2 dB时准确率几乎可达100%，基于重复发送符号的定时估计方法2在较低信噪比条件下性能比方法1更好。信噪比为-8 dB左右时，3种优化的频偏估计方法的估计误差均在1%以内，明显好于ML频偏估计算法，证明了改进算法的优越性。

压缩感知的稀疏重构中广泛应用的正交匹配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系 沙威老师开发，代码注释详细，便于读者理解。已测试，可以正常运行。读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。

针对复杂电磁环境下的正交跳频信号分选时效不高问题，提出了一种正交跳频信号动态分选方法，首先基于滑动窗口的数据流模型，采用构造型神经网络对跳频信号频域数据和方位信息动态聚类，减少噪声等因素影响，解决方位信息和幅度关联模糊性的问题；再在相应的覆盖簇内部运用时频关联方法，实现综合跳频信号的动态分选，实验结果表明该方法是有效的

基于导频的OFDM系统信道估计技术研究，赵常昊，，正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）是一种并行的多载波传输方案，它利用相互正交的多个子载波传输信息，具有较��

matlab精度检验代码稀疏的Gauss-Hermite正交python实现 python-sghq Smolyak的稀疏网格方法[]和稀疏的Gauss-Hermite正交（SGHQ）算法[]的Python实现。 SGHQ算法用于获得一个数值规则，该规则近似于具有高斯核的函数上的积分。 安装 代码可在上找到。 从GitHub： git clone https://github.com/eirikeve/python-sghq cd python-sghq pip install -r requirements.txt pip install -e . 用法 可以通过调用函数X, W = sghq(n, L, [strategy])使用SGHQ算法，该函数在sghq.quadrature可用。 这将得出积分的评估点和权重，该评估点和权重由N（0，I）多元标准高斯加权。 通过首先将它们转换为与要积分的多变量高斯函数相匹配，可以将它们与无味变换的点和权重类似地使用-参见[]。 sghq参数： n ：网格点的维数。 例如，对于3-d状态空间，请使用n=3 。 L ：积分的精度等级。 对于阶数<

基于matlab的施密特正交化实现，理解使用

农夫 正交非负矩阵分解的两种算法

正交频分复用(OFDM)技术作为一种高速信息传输技术，具有频谱利用率高、抗频率选择性衰落和码间干扰能力强等优势，但由于OFDM信号是通过多载波调制后的合成信号，所以OFDM信号存在较高的峰均比，这会给传输系统带来许多不利因素，限制了OFDM技术的应用。文章针对OFDM系统中存在的高峰均比提出了一些相关的抑制技术，提高了系统的可靠性和有效性。在实际应用中，可根据要求和需要选择适合的方法。

该模块使用基于二阶积分器的结构生成正交信号。 它的优点是实现简单，由于基频谐振，信号滤波无延迟。 该模块在 DSP c2000 28335 上进行了代码生成实验测试，并且运行良好。 如果您喜欢请评价模型