Advertisement

NOMA_OFDM_2017_SIC.rar_NOMA with SIC_OFDM-NOMA_matlab_noma

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该资源为2017年版本的非正交多址接入（NOMA）与正交频分复用（OFDM）结合技术的Simulink模型，包含干扰抵消（SIC）功能，适用于Matlab环境。 NON ORTHOGONAL MULTIPLE ACCESS WITH SIC

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • NOMA_OFDM_2017_SIC.rar_NOMA with SIC_OFDM-NOMA_matlab_noma
    优质
    该资源为2017年版本的非正交多址接入（NOMA）与正交频分复用（OFDM）结合技术的Simulink模型，包含干扰抵消（SIC）功能，适用于Matlab环境。 NON ORTHOGONAL MULTIPLE ACCESS WITH SIC
  • Video Encoding with GStreamer: Playing with GStreamer
    优质
    本视频教程介绍如何使用GStreamer进行视频编码，并演示了GStreamer的基本操作和应用技巧。适合初学者快速上手。 视频编码使用GStreamer进行处理。有关GStreamer的教程是用C++编写的。我将这些资料上传到我的网站上，以便于参考。
  • yolov5-with-deepsort
    优质
    YOLOv5-with-DeepSort是一款结合了先进目标检测模型YOLOv5和数据关联算法DeepSORT的技术方案，用于实现高效的实时目标跟踪系统。 yolov5-deepsort是一款结合了YOLOv5目标检测模型和DeepSORT跟踪算法的工具。它能够高效地进行视频中的对象追踪与识别，在多个应用场景中展现出强大的性能。
  • SayLove with VBS
    优质
    《Say Love with VBS》是一档充满活力和创意的爱情表达节目，通过各种有趣的方式帮助人们传达爱意，增进情感交流。 程序员表白用的VBS代码集合！
  • CLLC with plecs
    优质
    CLLC with PLECS是一款集成了电流模式控制器设计与仿真功能的软件工具。它利用PLECS强大的电路建模和仿真能力，帮助工程师优化和验证连续导电模式（CCM）或临界导电模式（CRM）下的LLC谐振变换器性能，从而加快电力电子产品的开发流程。 本段落件基于PLECS仿真软件对非对称式CLLC进行开环仿真，并可用于验证在mathCAD中计算出的cllc增益结果。如有需要，可以下载查看。
  • DeepSORT with PyTorch
    优质
    本项目采用PyTorch实现深度学习目标跟踪算法DeepSORT，结合了卡尔曼滤波和关联策略优化，适用于视频中的多目标追踪。 DeepSORT是一种广泛使用的目标跟踪算法，它结合了深度学习与传统目标跟踪技术的优点。其核心理念在于将深度学习得到的目标检测结果与传统的追踪方法相结合，以实现对连续帧中目标的持续追踪。该算法主要由两部分组成：目标检测和目标跟踪。 在进行目标检测时，DeepSORT采用现有的先进算法如YOLO或Faster R-CNN等来识别图像中的对象。而对于目标跟踪过程，则利用卡尔曼滤波器预测每个先前已标记的目标的位置，并通过匈牙利算法将这些位置与当前帧中新的检测结果相匹配。 具体而言，在处理每一幅新输入的视频帧时，DeepSORT首先使用上述提到的目标检测技术来识别图像中的所有对象。接着，对于每一个已被追踪的对象，系统会运用卡尔曼滤波器预测其在该时刻的位置。随后，通过匈牙利算法将这些位置与新的检测结果进行匹配，并为每个已知跟踪目标分配一个新检测到的对应物。 如果某些未被先前标记的目标出现在当前帧中，则它们会被视为全新的追踪对象并启动相应的卡尔曼滤波器预测流程；而那些长时间内没有出现的新旧目标则会从系统中移除。
  • GeoProcessing-With-Python.pdf
    优质
    《GeoProcessing-With-Python.pdf》是一本关于使用Python进行地理空间数据处理和分析的手册，涵盖了从基础到高级的各种地理处理技术。 尽管我在大学期间修了很多编程课程，但我直到在一份涉及大量重复性工作的工作中才真正体会到编程的魅力。通过编写程序来自动化这些任务让我感到非常有趣，并促使我决定回校攻读生物学学位，在此过程中我选修了第一门GIS课程并立即爱上了它。最终，凭借为ArcView GIS（对于Esri的粉丝来说，这是ArcGIS的一个前身）开发一个扩展模块的表现，我成功说服了一位教授授予我生物学位。 毕业后我在犹他州立大学的遥感与地理信息系统实验室工作。我的第一个项目涉及一些网络地图制作任务，并很快成为了开源UMN MapServer软件的支持者。这让我首次接触到了包括GDAL在内的开源空间数据处理工具包。 起初，我对GDAL/OGR库的强大功能并没有充分的认识，但当我开始在C++和C#代码中使用它时就意识到了它的强大之处。在我所在的自然资源学院里，并没有太多人对编程感兴趣，但我经常向他人推荐GDAL命令行实用程序的用法。然而当Esri引入Python作为ArcGIS脚本语言后，情况发生了变化：尽管在此之前我并没有大量接触过Python，但通过使用arcgisscripting（当时Esri提供的一个原始模块）与之互动让我意识到自己多么喜欢编写Python代码，并自然地开始将其应用到GDAL中。 对于这本书而言更重要的转折点来自我的同事John Lowry建议我们共同教授一门面向GIS的Python课程。他负责讲授如何使用ArcGIS中的Python，而我则讲解关于GDAL的知识内容。这门课很受欢迎，我们一起连续几年授课直到John搬离该地为止。之后我自己接手了整个课程，并以各种形式继续教学至今。 由于从未想过撰写书籍的缘故，在Manning出版社询问是否愿意为使用Python和GDAL编写一本书时，我花了些时间才被说服参与其中。最终是自己对教育的热情让我决定接受这个挑战——因为我发现教书是一件非常愉快的事情：尤其是看到学生将所学知识应用到他们的工作中时感到特别满足；特别是对于那些研究生来说，如果他们没有学会编程的话可能无法及时完成研究工作（甚至根本完不成）。我知道这些技能会伴随他们整个职业生涯，并希望这本书能够为读者提供同样的帮助——无论你是学生、专业人士还是业余爱好者。这是一段非常有趣的过程，我希望你们能像我一样享受其中！
  • Programming with Bluetooth.zip
    优质
    本资料包提供关于使用蓝牙进行编程的基础知识和高级技巧，涵盖多种编程语言和应用场景，适合开发者深入学习蓝牙技术。 蓝牙基础技术的文档第43页提供了RFCOMM和L2CAP通讯的C++实现代码，在Linux环境下测试成功。请注意该文档为英文版，即使不懂英语也可以直接查看代码。
  • CANopen with CODESYS
    优质
    本简介介绍如何使用CODESYS开发环境进行CANopen协议的编程和网络配置，适用于工业自动化领域的设备通信。 关于在CODESYS中进行CANOPEN编程的示例以及如何使用CODESYS构建CANOPEN通讯的方法。
  • AODnet-with-pytorch.zip
    优质
    AODnet-with-pytorch 是一个基于 PyTorch 实现的 AODNet 模型项目，用于大气环境感知和去雾处理。代码开源便于研究与学习。 AOD-Net：一款全功能去雾网络程序代码，基于Pytorch框架重新编写。该程序支持CUDA，在Anaconda环境中打开当前目录后可以直接使用以下命令调用：python test.py --input_image 文件名.jpg --model .\model_pretrained\AODnet.pth --output_filename .\result\*_AODnet.jpg --cuda。