数字信号处理实验大作业，QAM，）设计一种16-QAM 调制解调方案，设信源为串行码，内容自定，码元数，512、码宽10μs、调制频率2MHz、采样频率10MHz，设信道噪声为AWGN，均值0，方差1。分别完成0dB 和-10dB 信噪比条件下的调制和解调计算机仿真，给出调制器输出、解调器主要节点信号波形和误码率等仿真结果，并做必要的分析说明。
2022-06-12 22:50:22
2KB
1
实验一 系统响应及系统稳定性。
实验二 时域采样与频域采样。
实验三 用FFT对信号作频谱分析。
实验四 IIR数字滤波器设计及软件实现。
实验五 FIR数字滤波器设计与软件实现
实验六 应用实验——数字信号处理在双音多频拨号系统中的应用
2022-06-11 19:52:36
326KB
1
包含matlab代码以及基于此代码的论文一篇。
代码主要实现对数据的多维特征提取，包括峰值裕度等多个时频域特征。然后将提取到的特征输入到BP神经网络中，从而将故障轴承数据与正常轴承数据分类。
2022-06-11 18:09:16
1.21MB
easySFS
TL; DR-easySFS是用于有效选择人口规模投影以构建站点频谱的工具。 它可以用于将VCF转换为dadi / fastsimcoal / momi2样式的SFS，以进行人口统计分析。
为什么需要这个？
站点频谱不能以连贯的方式构造在缺少值的数据矩阵上。 数据丢失是类似于RADSeq的数据集的显着特征，仅删除缺失的站点将彻底丢弃大部分数据。 一个人也可以估算缺失的值，有些人这样做，但是如果您有很多缺失的数据，则估算将是不可靠的。 向下投影方法是这两个极端之间的一种折衷。 您可以“投影”到较小的样本大小，并“平均”所有可能的重采样以构建完整的数据矩阵。 需要明确的是，我没有发明这种向下投影的策略，我相信Marth等人2004年在这里得到了赞誉，我只是制作了这个用于自动探索投影值的python程序。
选择投影值
关于如何选择投影值，Gutenkunst等人2009提供了
2022-06-11 13:40:30
102KB
1
脑电（EEG）的节律（即主要频率）：
节律：<4Hz 的成分；
节律：4Hz～8Hz 的成分；
节律：8Hz～13Hz 的成分；
节律：>13Hz 的成分。
（深睡）
（浅睡）
（清醒）
（受刺激或思考）
2022-06-11 09:14:50
1.07MB
1