DMC信道容量迭代计算的matlab实现

合集下载

mimo信道容量matlab代码

mimo信道容量matlab代码

【概述】MIMO(Multiple-Input Multiple-Output)技术在无线通信领域具有广泛的应用,通过利用多个天线,MIMO技术可以显著提高无线信道的传输容量和可靠性。

而信道容量则是衡量无线信道性能的重要指标,它表示在给定的无线信道条件下,信道可以支持的最大数据传输速率。

本文将以matlab代码为例,通过对MIMO信道容量进行仿真分析,来深入探讨MIMO技术在无线通信中的应用和性能。

【1. MIMO信道容量的基本原理】MIMO系统通过利用多个天线进行信号的传输和接收,可以有效地提高无线信道的传输容量。

其基本原理是,利用了空间分集技术,通过将数据分别送入多个天线,并在接收端进行合并处理,从而提高了系统的传输速率和稳定性。

MIMO系统的信道容量受到信道质量、天线数目和信号调制方式等多个因素的影响,因此需要通过仿真分析来进行评估。

【2. MIMO信道容量的matlab代码实现】在matlab中,可以通过编写相应的MIMO信道容量仿真代码,来实现对MIMO系统性能的分析。

以下是一个简化的MIMO信道容量计算的matlab代码示例:```matlab定义MIMO系统参数Nt = 2; 发射天线数Nr = 2; 接收天线数SNR_dB = 0:5:30; 信噪比范围生成随机信道矩阵H = (randn(Nr, Nt) + 1i*randn(Nr, Nt)) / sqrt(2);计算MIMO信道容量capacity = zeros(1, length(SNR_dB));for i = 1:length(SNR_dB)SNR = 10^(SNR_dB(i)/10);capacity(i) = log2(det(eye(Nr) + SNR/Nt*H*H'));end绘制MIMO信道容量曲线plot(SNR_dB, capacity, 'b-o')xlabel('SNR (dB)')ylabel('Capacity (bps/Hz)')title('MIMO Channel Capacity')grid on```以上代码中,首先定义了MIMO系统的参数,包括发射天线数Nt、接收天线数Nr和信噪比范围SNR_dB。

无线通信原理-基于matlab的ofdm系统设计与仿真

无线通信原理-基于matlab的ofdm系统设计与仿真

无线通信原理-基于matlab的ofdm系统设计与仿真基于matlab的ofdm系统设计与仿真摘要OFDM即正交频分复用技术,实际上是多载波调制中的一种。

其主要思想是将信道分成若干正交子信道,将高速数据信号转换成并行的低速子数据流,调制到相互正交且重叠的多个子载波上同时传输。

该技术的应用大幅度提高无线通信系统的信道容量和传输速率,并能有效地抵抗多径衰落、抑制干扰和窄带噪声,如此良好的性能从而引起了通信界的广泛关注。

本文设计了一个基于IFFT/FFT算法与802.11a标准的OFDM系统,并在计算机上进行了仿真和结果分析。

重点在OFDM系统设计与仿真,在这部分详细介绍了系统各个环节所使用的技术对系统性能的影响。

在仿真过程中对OFDM信号使用QPSK 调制,并在AWGN信道下传输,最后解调后得出误码率。

整个过程都是在MATLAB环境下仿真实现,对ODFM系统的仿真结果及性能进行分析,通过仿真得到信噪比与误码率之间的关系,为该系统的具体实现提供了大量有用数据。

- 1 -第一章 ODMF系统基本原理1.1多载波传输系统多载波传输通过把数据流分解为若干个子比特流,这样每个子数据流将具有较低的比特速率。

用这样的低比特率形成的低速率多状态符号去调制相应的子载波,构成了多个低速率符号并行发送的传输系统。

在单载波系统中,一次衰落或者干扰就会导致整个链路失效,但是在多载波系统中,某一时刻只会有少部分的子信道会受到衰落或者干扰的影响。

图1,1中给出了多载波系统的基本结构示意图。

图1-1多载波系统的基本结构多载波传输技术有许多种提法,比如正交频分复用(OFDM)、离散多音调制(DMT)和多载波调制(MCM),这3种方法在一般情况下可视为一样,但是在OFDM中,各子载波必须保持相互正交,而在MCM则不一定。

1.2正交频分复用OFDM就是在FDM的原理的基础上,子载波集采用两两正交的正弦或余弦函sinm,tcosn,t数集。

matlab中的迭代算法

matlab中的迭代算法

matlab中的迭代算法迭代算法在matlab中的应用迭代算法是一种通过多次重复计算来逼近解的方法,它在matlab中得到了广泛的应用。

在本文中,我们将介绍一些常见的迭代算法,并探讨它们在matlab中的实现和应用。

1. 二分法二分法是一种简单而直观的迭代算法,它通过将问题的解空间一分为二,并根据中间点的取值来确定解所在的子空间。

在matlab中,可以使用while循环来实现二分法。

首先,需要指定解空间的上下界,然后通过计算中间点的值来判断解所在的子空间,并更新解空间的上下界。

重复这个过程,直到解的精度满足要求为止。

2. 牛顿迭代法牛顿迭代法是一种用于求解方程的迭代算法,它利用函数的局部线性近似来逼近方程的解。

在matlab中,可以使用while循环来实现牛顿迭代法。

首先,需要给定一个初始点,然后根据函数的一阶和二阶导数来计算下一个点的值。

重复这个过程,直到解的精度满足要求为止。

3. 高斯-赛德尔迭代法高斯-赛德尔迭代法是一种用于求解线性方程组的迭代算法,它通过不断更新近似解来逼近方程的解。

在matlab中,可以使用while循环和矩阵运算来实现高斯-赛德尔迭代法。

首先,需要给定一个初始解向量,然后根据方程组的系数矩阵和常数向量来计算下一个解向量的值。

重复这个过程,直到解的精度满足要求为止。

4. 迭代法求特征值迭代法也可以用于求解矩阵的特征值和特征向量。

在matlab中,可以使用while循环和矩阵运算来实现迭代法求特征值。

首先,需要给定一个初始特征向量,然后根据矩阵的幂来计算下一个特征向量的值。

重复这个过程,直到特征向量的变化小于某个阈值为止。

5. 迭代法求最优化问题除了求解方程和矩阵相关的问题,迭代算法还可以用于求解最优化问题。

在matlab中,可以使用while循环和梯度计算来实现迭代法求最优化问题。

首先,需要给定一个初始解向量,然后根据目标函数的梯度来计算下一个解向量的值。

重复这个过程,直到解的精度满足要求为止。

MIMO通信系统的信道容量分析及MATLAB仿真实现

MIMO通信系统的信道容量分析及MATLAB仿真实现

3 MI MO 系 统 信 道 模 型
研 究 MI MO系统 必 须考虑 信 道模 型 , 设研 究 的信道 为基 于瑞 利衰 落 的随机信 道 , MI 设 MO系统 信道模 型有 J V根发 射 天线 和 M 根接 收天 线 ,信道矩 阵 H( J 表 示第 i 发射 天线 到第 7 接 收天线 的信道 衰落 系 i) , 根 根 数 ,每根 发射 天线 的功 率为 P Ⅳ,每 根接 收天 线 的噪声 功率 为 ,故 信 噪 比 S R为 : =P/ I.通过分 / N 4 】
21 0 2年 4月
Apr 201 . 2
MI MO通信系统 的信道容 量分析及 MA L B仿真实现 TA
朱琳璐
( 丽水广播 电视 大 学 ,浙 江 丽水 3 3 0 2 0 0)

要 :在 多入 多 出( MO) MI 系统原 理和模 型 的基础 上 ,分析 了基 于单入 单 出(I O 、单入 多 出( I SS ) SMO) 、多
解信道特征矩阵 Q的特征值 ,由香农公式导出 MI MO信道容量 C= o:el +P( ̄) } Wl dt 【/ r 】 ,其中威沙 g { N Q
特矩 阵 Q=HH“,M <N ;Q=日“ , M ≥N ; I 是 mi( n M,N) 阶单位 矩 阵 ;W 为 每个子 信道 的带宽 ,
还是 提高 频谱 的资源 利用率 .在无线 通信 中,使 用 多输入 、多输 出( MO:Mut l Ip t lpeOup t MI lpe n u— t l— tu) i — Mu i
技术 既能增 加 系统容量 ,也 能增强 系统 性能 ,在其 他条 件相 同 的前 提下 ,可 以成倍地 提 高频谱 效率 .
‘4 1 5‘

MATLAB科学计算使用教程

MATLAB科学计算使用教程

MATLAB科学计算使用教程第一章:MATLAB入门MATLAB(Matrix Laboratory)是一种用于科学计算和技术计算的强大软件工具。

本章将介绍如何安装MATLAB,并进行初步的配置和设置。

同时还将介绍MATLAB的基本操作,如变量的定义和使用、基本数学运算、矩阵的创建和操作等。

第二章:数据处理与分析本章将介绍MATLAB在数据处理与分析方面的强大功能。

涵盖了数据的导入和导出、数据预处理、常用统计分析方法、数据可视化等内容。

具体包括:使用MATLAB读取和写入常见数据格式,例如Excel、CSV、TXT等;数据清洗和处理的常用方法,如缺失值处理、异常值检测等;常用统计分析方法的实现,如假设检验、方差分析等;数据可视化方法和技巧,如统计图表的绘制和优化。

第三章:信号处理与滤波本章将介绍MATLAB在信号处理和滤波方面的应用。

包括信号生成和操作、常用信号处理方法、数字滤波器设计等内容。

具体包括:使用MATLAB生成各类常用信号,如正弦信号、方波信号等;对信号进行时域和频域的分析;常用的信号处理方法,如时域滤波、频域滤波、小波变换等;数字滤波器的设计和实现。

第四章:图像处理与计算机视觉本章将介绍MATLAB在图像处理和计算机视觉方面的应用。

涵盖图像读取和显示、图像处理和增强、计算机视觉算法等内容。

具体包括:使用MATLAB读取和显示图像文件,如JPEG、PNG 等;图像的基本处理和增强,如灰度变换、滤波器应用、颜色空间转换等;图像分割和特征提取方法;计算机视觉算法的实现,如目标检测、图像识别等。

第五章:数学建模与优化本章将介绍MATLAB在数学建模与优化方面的应用。

包括数学建模的基本方法、优化问题和求解方法等。

具体包括:数学建模的基本步骤和实现思路,如问题分析、建立数学模型等;常见数学建模问题的解决方法,如线性规划、非线性规划等;优化问题的MATLAB求解方法,如线性规划求解器、遗传算法优化等。

如何在Matlab中进行迭代优化和迭代求解

如何在Matlab中进行迭代优化和迭代求解

如何在Matlab中进行迭代优化和迭代求解引言:Matlab是一种非常强大和流行的数值计算软件,广泛应用于工程、科学和数学等领域。

在问题求解过程中,迭代优化和迭代求解是常常使用的技术。

本文将介绍如何在Matlab中利用迭代方法进行优化和求解,以及相关的技巧和应用。

一、什么是迭代优化和迭代求解迭代优化指的是通过多次迭代,逐步接近优化问题的最优解。

常用的迭代优化方法包括梯度下降法、牛顿法、拟牛顿法等。

迭代求解则是通过多次迭代,逐步逼近方程或问题的解,常用的迭代求解方法有牛顿迭代法、弦截法、二分法等。

二、迭代优化的基本原理与方法1. 梯度下降法(Gradient Descent):梯度下降法是一种常用的迭代优化方法,用于寻找函数的极小值点。

其基本原理是通过计算函数对各个变量的偏导数,从当前点开始沿着负梯度的方向迭代更新,直至达到最小值。

在Matlab中,可以利用gradient函数计算梯度向量,并通过循环迭代实现梯度下降法。

2. 牛顿法(Newton's Method):牛顿法是一种迭代优化方法,用于求解非线性方程的根或函数的极值点。

其基本思想是利用函数的局部线性近似,通过求解线性方程组来得到函数的极值点。

在Matlab中,可以使用fminunc函数来实现牛顿法。

3. 拟牛顿法(Quasi-Newton Methods):拟牛顿法是一类迭代优化方法,主要用于求解无约束非线性优化问题。

其基本思想是通过构造逼近目标函数Hessian矩阵的Broyden-Fletcher-Goldfarb-Shanno(BFGS)公式或拟牛顿方法中的其他公式,来估计目标函数的梯度和Hessian矩阵。

在Matlab中,可以利用fminunc函数,并设置算法参数来实现拟牛顿法。

三、迭代求解的基本原理与方法1. 牛顿迭代法(Newton's Method):牛顿迭代法是一种常用的迭代求解方法,用于求解方程或问题的根。

一般离散无记忆信道容量的迭代计算

一般离散无记忆信道容量的迭代计算

一般离散无记忆信道容量的迭代计算信道容量的迭代算法1信道容量的迭代算法的步骤一、用了matlab 实现DMC 容量迭代的算法如下:第一步:首先要初始化信源分布:.0deta 10,1,0,1)(>>=⋯==,选置,,k r i rP k i 即选取一个精度,本次中我选deta=0.000001。

第二步:}{,)()()()(k ij i ji k i jik i k ij t p pp p t 得到反向转移概率矩阵根据式子∑=。

第三步:第四步:第五步: 若a C C C k k k det )1()()1(>-++,则执行k=k+1,然后转第二步。

直至转移条件不成立,接着执行下面的程序。

第六步:输出迭代次数k 和()1+k C 和1+k P ,程序终止。

()()()()(){}111]log exp[]log exp[+++==∑∑∑k i k i j ij k ji j ij k ji k i p P t pt p p 计算由式()()()()()()。

C t p t P I C k r i s j k ij ji k k k 10011log exp log ,+==++⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡==∑∑计算由式2. Matlab实现clear;r=input('输入信源个数:');s=input('输入信宿个数:');deta=input('输入信道容量的精度: ');Q=rand(r,s); %形成r行s列随机矩阵QA=sum(Q,2); %把Q矩阵每一行相加和作为一个列矩阵AB=repmat(A,1,s); %把矩阵A的那一列复制为S列的新矩阵%判断信道转移概率矩阵输入是否正确P=input('输入信道转移矩阵P:')%从这句话开始将用下面两句代替可自动生成信道转移矩阵[r,s]=size(P);for i=1:rif(sum(P(i,:))~=1) %检测概率转移矩阵是否行和为1.error('概率转移矩阵输入有误!!')return;endfor j=1:sif(P(i,j)<0||P(i,j)>1) %检测概率转移矩阵是否负值或大于1error('概率转移矩阵输入有误!!')return;endendend%将上面的用下面两句代替可自动生成信道转移矩阵%disp('信道转移概率矩阵:')%P=Q./B 信道转移概率矩阵(每一个原矩阵的新数除以所在行的数总和)i=1:1:r; %设置循环首项为1,公差为1,末项为r(Q的行数)的循环p(i)=1/r; %原始信源分布r个信源,等概率分布disp('原始信源分布:')p(i)E=repmat(p',1,s);%把r个等概率元素组成一列,复制为s列for k=1:1:1/detam=E.*P; % m=p.*E; %后验概率的分子部分a=sum(m); %把得到的矩阵m每列相加之和构成一行su1=repmat(a,r,1);%把得到的行矩阵a复制r行,成一新矩阵sul,后验概率的分母部分t=m./su1; %后验概率矩阵n=exp(sum(P.*log(t),2)); %信源分布的分子部分su2=sum(n); %信源分布的分母部分p=n/su2; %信源分布E=repmat(p,1,s);C(k+1)=log(sum(exp(sum(P.*log(t),2))))/log(2);kk=abs(C(k+1)-C(k))/C(k+1);if(kk<=deta)break;enddisp('迭代次数:k='),disp(k)enddisp('最大信道容量时的信源分布:p='),disp(p')disp('最大信道容量:C='),disp(C(k+1))3.运行结果及分析结果分析:这两组数据都是我随机选的,都是选的信源个数为2,信宿的个数为3,选用的精度为0.000001。

不同调制编码方式的信道容量matlab

不同调制编码方式的信道容量matlab

不同调制编码方式的信道容量matlab【不同调制编码方式的信道容量matlab】1. 引言调制编码是数字通信系统中非常重要的一部分,它将数字信号转换为模拟信号,以便在信道中传输。

不同的调制编码方式具有不同的性能和信道容量。

信道容量是指在给定传输条件下,最大可支持的数据传输速率。

本文将使用Matlab来分析不同调制编码方式的信道容量。

2. 信道容量的定义和计算在理想的情况下,信道容量由香农公式给出,其计算公式为:C = B * log2(1 + SNR)其中,C是信道容量,B是信道带宽,SNR是信噪比。

3. QAM调制正交幅度调制(QAM)是一种常见的调制方式,它通过同时改变信号的振幅和相位来携带信息。

QAM调制的信道容量可以通过计算等价的高斯信道容量来估计,即:C = B * log2(1 + SNR)这里,SNR是等效高斯信道的信噪比。

4. PSK调制相位移键控(PSK)是另一种常见的调制方式,它通过改变信号的相位来传输信息。

PSK调制的信道容量也可以通过计算等效高斯信道容量来估计。

5. QPSK调制正交相移键控(QPSK)是一种常用的PSK调制方式,其采用4个不同的相位来携带信息。

QPSK调制的信道容量可以通过计算等效的高斯信道容量来估计。

6. 信道编码除了调制方式外,信道编码也可以提高数字通信系统的性能和信道容量。

常见的信道编码方式有卷积码和低密度奇偶检验码(LDPC码)。

这些编码技术可以有效地纠正传输过程中的错误,提高系统的可靠性和信道容量。

7. 基于Matlab的信道容量计算使用Matlab可以方便地计算不同调制编码方式的信道容量。

首先,可以通过生成不同调制方式的调制信号,并在AWGN信道中传输来模拟信道传输的过程。

然后,可以使用Matlab中的信道容量计算函数来计算信道容量。

这个函数通常可以根据信噪比和信道带宽计算信道容量。

8. 结论本文介绍了不同调制编码方式的信道容量计算,并使用Matlab来进行信道容量的计算。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

DMC 信道容量迭代计算的matlab 实现--通信与信息系统
一、用了matlab 实现DMC 容量迭代的算法如下:
1. 初始化信源分布:.0deta 10,1,0,1)(>>=⋯==,选置,,k r i r
P k i 一般我选deta=0.000001。

2. }{,)()()()(k ij i
ji
k i ji k i k ij t p p p p t 得反向转移概率矩阵由式∑=。

3.
()()()()(){}111]log exp[]
log exp[+++==∑∑∑k i k i j ij k ji j
ij k ji k i p P t p
t p p 计算由式。

4.
()()()()()()。

C t p t P I C k r i s j k ij ji k k k 10011log exp log ,+==++⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡==∑∑计算由式
5. 若a C C C k k k det )1()
()1(>-++,则k=k+1,转第2步
6.输出迭代次数k 和()1+k C 和1+k P ,终止。

二、了解了信道容量的定义和DMC 信道容量迭代计算方法,我用了matlab 来进行编程进行迭代计算得出信道容量。

不足之处在于每迭代一次就输出一次迭代次数直到最后一次迭代。

1)输入:输入信源个数、信宿个数和信道容量的精度,程序能任意生成随机的
信道转移概率矩阵,也可以自己输入信道转移矩阵。

2)输出:输出最佳信源分布和信道容量。

将附件里的dmc.m 文件直接run 运行
可以自主输入信道转移概率矩阵,按照程序中提示将那两句代替判
断输入矩阵是否正确的那部分,dmc1.m 运行可以随机生成信道转移
概率矩阵。

三、检验程序
之一:
输入信源个数:2
输入信宿个数:3
输入信道容量的精度: 0.000001
输入信道转移矩阵P :[0.5000 0.3000 0.2000;0.3000 0.5000 0.2000] 之二:P :[0.4000 0.3000 0.2000;0.3000 0.5000 0.2000] 之三:P :[1.1000 -0.3000 0.2000;0.3000 0.5000 0.2000] 之四:P:[0.6 0.4;0.01 0.99]
之五:自动生成信道转移矩阵
四、程序源代码:
clear;
r=input('输入信源个数:');
s=input('输入信宿个数:');
deta=input('输入信道容量的精度:');
Q=rand(r,s); %形成r行s列随机矩阵Q
A=sum(Q,2); %把Q矩阵每一行相加和作为一个列矩阵A
B=repmat(A,1,s); %把矩阵A的那一列复制为S列的新矩阵
%判断信道转移概率矩阵输入是否正确
P=input('输入信道转移矩阵P:')%从这句话开始将用下面两句代替可自动生成信道转移矩阵[r,s]=size(P);
for i=1:r
if(sum(P(i,:))~=1) %检测概率转移矩阵是否行和为1.
error('概率转移矩阵输入有误!!')
return;
end
for j=1:s
if(P(i,j)<0||P(i,j)>1) %检测概率转移矩阵是否负值或大于1
error('概率转移矩阵输入有误!!')
return;
end
end
end
%将上面的用下面两句代替可自动生成信道转移矩阵
%disp('信道转移概率矩阵:')
%P=Q./B 信道转移概率矩阵(每一个原矩阵的新数除以所在行的数总和)
i=1:1:r; %设置循环首项为1,公差为1,末项为r(Q的行数)的循环
p(i)=1/r; %原始信源分布r个信源,等概率分布
disp('原始信源分布:')
p(i)
E=repmat(p',1,s);%把r个等概率元素组成一列,复制为s列
for k=1:1:1/deta
m=E.*P; % m=p.*E; %后验概率的分子部分
a=sum(m); %把得到的矩阵m每列相加之和构成一行
su1=repmat(a,r,1);%把得到的行矩阵a复制r行,成一新矩阵sul,后验概率的分母部分t=m./su1; %后验概率矩阵
n=exp(sum(P.*log(t),2)); %信源分布的分子部分
su2=sum(n); %信源分布的分母部分
p=n/su2; %信源分布
E=repmat(p,1,s);
C(k+1)=log(sum(exp(sum(P.*log(t),2))))/log(2);
kk=abs(C(k+1)-C(k))/C(k+1);
if(kk<=deta)
break;
end
disp('迭代次数:k='),disp(k)
end
disp('最大信道容量时的信源分布:p='),disp(p')
disp('最大信道容量:C='),disp(C(k+1))
五、运行结果如下:
检验程序之一:
输入信源个数:2
输入信宿个数:3
输入信道容量的精度:0.000001
输入信道转移矩阵P:[0.5000 0.3000 0.2000;0.3000 0.5000 0.2000]
P =
0.5000 0.3000 0.2000
0.3000 0.5000 0.2000
原始信源分布:
ans =
0.5000 0.5000
迭代次数:k=
1
最大信道容量时的信源分布:p=
0.5000 0.5000
最大信道容量:C=
0.0365
检验程序之二:P:[0.4000 0.3000 0.2000;0.3000 0.5000 0.2000]
检验程序之三:P:[1.1000 -0.3000 0.2000;0.3000 0.5000 0.2000]
检验程序之四:P:[0.6 0.4;0.01 0.99]
输入信源个数:2
输入信宿个数:2
输入信道容量的精度:0.000001
输入信道转移矩阵P:[0.6 0.4;0.01 0.99]
P =
0.6000 0.4000
0.0100 0.9900
原始信源分布:
ans =
0.5000 0.5000
迭代次数:k=
1
迭代次数:k=
2
迭代次数:k=
3
迭代次数:k=
4
迭代次数:k=
5
迭代次数:k=
6
迭代次数:k=
7
迭代次数:k=
8
迭代次数:k=
9
最大信道容量时的信源分布:p=
0.4240 0.5760
最大信道容量:C=
0.3688
检验程序之五:自动生成信道转移矩阵变为dmc1.m文件改程序如下:
结果运行如下:
输入信源个数:2
输入信宿个数:2
输入信道容量的精度:0.000001 信道转移概率矩阵:
P =
0.6102 0.3898
0.3223 0.6777
原始信源分布:
ans =
0.5000 0.5000
迭代次数:k=
1
迭代次数:k=
2
迭代次数:k=
3
迭代次数:k=
4
迭代次数:k=
5
迭代次数:k=
6
迭代次数:k=
7
迭代次数:k=
8
迭代次数:k=
9
迭代次数:k=
10
迭代次数:k=
11
迭代次数:k=
12
最大信道容量时的信源分布:p=
0.4977 0.5023
最大信道容量:C=
0.0610
YS20112508 夏笑笑通信与信息系统。

相关文档
最新文档