针对于盒子球模型的前向算法+后向算法+Viterbi算法python实现

LTE采用下行正交频分多址（OFDM、上行单载波频分多址（SC-FDMA）的方式。OFDM是LTE系统的主要特点，其基本思想是把高速数据流分散到多个正交的子载波上传输，从而使子载波上的符号速率大大降低，符号持续时间大大加长，因而对时延扩展有较强的抵抗力，减小了符号间干扰的影响。在OFDM系统中，为了获得正确无误的数据传输，需要采用差错控制编码技术。卷积编码和Viterbi译码就是一种有效的前向纠错方法，它具有一定的克服突发错误的能力。LTE中采用Viterbi和Turbo加速器实现前向纠错。 　　1 Viterbi算法简介 　　Viterbi译码算法是由Viterbi于1967年提出的降低计算

维特比解码matlab代码CS5114维特比项目 2014年夏天，我在VT参加了CS5114，算法理论。 我们的第一个项目是分析动态编程算法，我选择研究用于解码卷积码的Viterbi算法。 该存储库包括该项目的结果。 内容 该存储库包含几个MATLAB函数和几个脚本。 这些脚本可用于轻松测试各种卷积解码器算法的功能。 第一个脚本simple_test将简单地生成一个随机的位序列，然后使用每个解码器对其进行解码，并打印出结果。 每个解码器都应输出原始的输入位序列，而不会出现任何错误。 然后，脚本将向编码的比特中添加一些随机比特错误，以模拟有损传输，然后再次尝试解码。 这次，解码器应该可以通过输出原始位而没有任何错误来成功，但是偶尔它们会失败 第二个脚本Timing_test将在不同长度的位上运行解码器以测量其运行时间，然后绘制结果。 这有助于验证我对本文的运行时估计。 该存储库还包含我所做的论文和演示文稿。

Viterbi编解码的Verilog实现

viterbi维特比译码的verilog实现，硬判决输出，含实验报告

Robot_localization_HMM 目的是将隐马尔可夫模型应用于定位问题。 考虑一个具有定位任务（从可用数据推断出它在哪里）的机器人，该机器人给出了世界地图以及一系列感知和动作。 如图所示，机器人被放置在迷宫般的环境中。 该机器人配备了四个声纳传感器，可以在每个罗盘方向（NSEW）上指示是否存在障碍物（图中的外墙还是正方形）。 我们假设机器人具有正确的地图。 机器人执行动作“移动”以移动到相邻或相邻的正方形之一。 X t ：状态变量，表示机器人在离散网格上的位置。 dom （ X t ）= {s 1 ，...，s n }： X t的域为空正方形的集合。 NEIGHBOURS（s）：相邻的空正方形的集合，并让N（s）为该集合的大小。 移动动作的过渡模型为： 假设所有正方形的分布均匀； P（ X o = i）= 1 / n 。 E t ：传感器变量，可以有16个可

卷积码基础理论及Viterbi译码算法.doc

中文分词：采用二元词图以及viterbi算法.docx

此函数创建 Matlab 通信工具箱函数 convenc 和 vitdec（卷积编码器、维特比解码器）所需的格状结构，用于维特比编码和解码。 用户提供约束长度，g1 taps 和 g2 taps，函数返回格状结构。

介绍并用VHDL语言实现了卷积编码和维特比译码。根据编码器特征设计了一种具有针对性的简洁的维特比译码器结构，并通过ModelSim平台验证了该设计的正确性。