标签分类 热门分类
当前位置:首页 > 其它计算机电子书 > MATLAB电子书网盘下载
全面详解LTE:MATLAB建模、仿真与实现 全面详解LTE:MATLAB建模、仿真与实现
Terrence921

Terrence921 提供上传

资源
24
粉丝
5
喜欢
130
评论
7

    全面详解LTE:MATLAB建模、仿真与实现 PDF 完整扫描版

    MATLAB电子书
    • 发布时间:

    给大家带来的一篇关于MATLAB相关的电子书资源,介绍了关于全面详解LTE、MATLAB建模、仿真方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小91.1 MB,Houman Zarrinkoub编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.6,更多相关的学习资源可以参阅 其它计算机电子书、等栏目。

  • 全面详解LTE:MATLAB建模、仿真与实现 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1rBkkVmTjTbdSAe-8FCjxj
  • 分享码:q2x5
  • 全面详解LTE:MATLAB建模、仿真与实现 PDF

    《全面详解LTE:MATLAB建模、仿真与实现》是第一本LTE与MATLAB完美结合的图书,以实用、高效、直观的方式详解LTE,学习4G技术。 详解LTE物理层及相关协议,包含MATLAB源代码,从事LTE领域,你会需要《全面详解LTE:MATLAB建模、仿真与实现》。 MathWorks公司通信和LTE软件工具负责人权威之作。 MATLAB中文论坛鼎力支持,为读者提供全面、超值的配套服务

    《全面详解LTE:MATLAB建模、仿真与实现》通过关键核心技术的理论概览、简明扼要地讨论LTE标准规范和用于仿真LTE标准所需的MATLAB算法这三个部分审视了LTE标准的物理层,并通过一系列的程序,展现了每一种LTE的核心技术,通过一步步综合这些核心技术,最终建立LTE物理层的系统模型并评价系统性能。通过这一循序渐进的过程,读者将会在仿真中深入理解LTE的技术构思和标准规范。本书适合通信、电子工程和计算机专业的学生、研究者和教授阅读、也可供通信系统的工程师、设计师和配置人员参考。

    目录

    • 推荐序一
    • 推荐序一(译文)
    • 推荐序二
    • 译者序
    • 原书前言
    • 专业词汇缩略语表
    • 1导论1
    • 1.1无线通信标准速览1
    • 1.2数据速率的历史4
    • 1.3IMT-Advanced要求4
    • 1.43GPP和LTE标准化5
    • 1.5LTE要求5
    • 1.6理论策略6
    • 1.7 LTE关键技术7
    • 1.7.1OFDM7
    • 1.7.2SC-FDM8
    • 1.7.3MIMO8
    • 1.7.4Turbo 信道编码8
    • 1.7.5链路自适应9
    • 1.8LTE 物理层建模9
    • 1.9LTE(R8版和R9版)10
    • 1.10LTE-Advanced (R10版)11
    • 1.11MATLAB和无线系统设计11
    • 1.12本书组织结构11
    • 参考文献12
    • 2LTE物理层概览13
    • 2.1空中接口13
    • 2.2频带14
    • 2.3单播和组播服务15
    • 2.4带宽分配16
    • 2.5时间帧17
    • 2.6时-频分布18
    • 2.7OFDM多载波传输20
    • 2.7.1循环前缀20
    • 2.7.2子载波间隔21
    • 2.7.3资源块尺寸21
    • 2.7.4频域调度22
    • 2.7.5接收端典型操作22
    • 2.8单载波频分复用23
    • 2.9资源网格的内容23
    • 2.10物理信道24
    • 2.10.1下行链路物理信道25
    • 2.10.2下行链路信道功能26
    • 2.10.3上行链路物理信道29
    • 2.10.4上行链路信道功能30
    • 2.11物理信号30
    • 2.11.1参考信号30
    • 2.11.2同步信号32
    • 2.12下行链路帧结构32
    • 2.13上行链路帧结构33
    • 2.14MIMO34
    • 2.14.1接收分集34
    • 2.14.2发射分集34
    • 2.14.3空分复用36
    • 2.14.4波束赋形37
    • 2.14.5循环延迟分集38
    • 2.15MIMO模式38
    • 2.16物理层数据处理39
    • 2.17下行链路数据处理39
    • 2.18上行链路数据处理40
    • 2.18.1SC-FDM41
    • 2.18.2MU-MIMO42
    • 2.19本章小结43
    • 参考文献43
    • 3MATLAB通信系统设计44
    • 3.1系统开发流程44
    • 3.2挑战和能力44
    • 3.3关注点45
    • 3.4目标45
    • 3.5MATLAB的物理层模型46
    • 3.6MATLAB46
    • 3.7MATLAB工具箱47
    • 3.8Simulink组件47
    • 3.9建模与仿真48
    • 3.9.1DSP系统工具箱48
    • 3.9.2通信系统工具箱48
    • 3.9.3并行计算工具箱49
    • 3.9.4定点型设计器49
    • 3.10原型建模与实现49
    • 3.10.1MATLAB 代码生成器50
    • 3.10.2硬件实现50
    • 3.11系统对象介绍51
    • 3.11.1通信系统工具箱的系统对象51
    • 3.11.2系统对象的测试平台52
    • 3.11.3系统对象函数54
    • 3.11.4字符误码率仿真56
    • 3.12MATLAB信道编码实例57
    • 3.12.1纠错与检错57
    • 3.12.2卷积码58
    • 3.12.3硬判决Viterbi译码58
    • 3.12.4软判决Viterbi译码60
    • 3.12.5Turbo编码62
    • 3.13本章小结64
    • 参考文献65
    • 4调制和编码66
    • 4.1LTE调制方案66
    • 4.1.1MATLAB实例68
    • 4.1.2BER测量72
    • 4.2比特级绕码74
    • 4.2.1MATLAB实例75
    • 4.2.2BER测量78
    • 4.3信道编码79
    • 4.4Turbo编码79
    • 4.4.1Turbo 编码器80
    • 4.4.2Turbo译码器81
    • 4.4.3MATLAB实例81
    • 4.4.4BER测量83
    • 4.5早期终止机制87
    • 4.5.1MATLAB实例87
    • 4.5.2BER测量88
    • 4.5.3计时测量91
    • 4.6码率匹配91
    • 4.6.1MATLAB实例92
    • 4.6.2BER测量95
    • 4.7码块分段97
    • 4.7.1MATLAB实例97
    • 4.8LTE传输信道处理99
    • 4.8.1MATLAB实例99
    • 4.8.2BER测量101
    • 4.9本章小结103
    • 参考文献103
    • 5OFDM104
    • 5.1信道建模104
    • 5.1.1大尺度和小尺度衰落104
    • 5.1.2多径衰落效应105
    • 5.1.3多普勒效应105
    • 5.1.4MATLAB实例105
    • 5.2讨论范围110
    • 5.3工作流程110
    • 5.4OFDM和多径衰落110
    • 5.5OFDM和信道响应估计111
    • 5.6频域均衡112
    • 5.7LTE资源网格112
    • 5.8配置资源网格114
    • 5.8.1CSR符号114
    • 5.8.2DCI符号115
    • 5.8.3BCH符号115
    • 5.8.4同步符号116
    • 5.8.5用户数据符号116
    • 5.9参考信号生成118
    • 5.10资源元素映射120
    • 5.11OFDM信号生成124
    • 5.12信道建模125
    • 5.13OFDM接收端127
    • 5.14资源元素反映射129
    • 5.15信道估计131
    • 5.16均衡器增益计算133
    • 5.17信道可视化134
    • 5.18下行链路传输模式1135
    • 5.18.1SISO模型135
    • 5.18.2SIMO模型142
    • 5.19本章小结150
    • 参考文献151
    • 6MIMO152
    • 6.1MIMO定义152
    • 6.2MIMO的动机153
    • 6.3MIMO的种类153
    • 6.3.1接收端合并技术153
    • 6.3.2发射分集154
    • 6.3.3空分复用154
    • 6.4MIMO的覆盖范围154
    • 6.5MIMO信道154
    • 6.5.1MATLAB实现155
    • 6.5.2LTE特征信道模型157
    • 6.5.3MATLAB实现159
    • 6.5.4MIMO信道初始化160
    • 6.5.5添加AWGN161
    • 6.6MIMO的一般特征161
    • 6.6.1MIMO资源网格结构162
    • 6.6.2资源元素映射163
    • 6.6.3资源元素反映射166
    • 6.6.4基于CSR的信道估计170
    • 6.6.5信道估计函数171
    • 6.6.6信道估计扩展173
    • 6.6.7理想信道估计177
    • 6.6.8信道响应提取179
    • 6.7MIMO的特殊特征180
    • 6.7.1 发射分集180
    • 6.7.2收发器启动函数188
    • 6.7.3下行链路传输模式2197
    • 6.7.4空分复用204
    • 6.7.5空分复用中的MIMO操作207
    • 6.7.6下行链路传输模式4215
    • 6.7.7开环空分复用229
    • 6.7.8下行链路传输模式3233
    • 6.8本章小结240
    • 参考文献241
    • 第7章链路自适应242
    • 7.1系统模型243
    • 7.2LTE中的链路自适应244
    • 7.2.1信道质量估计244
    • 7.2.2预编码矩阵估计245
    • 7.2.3秩估计245
    • 7.3MATLAB实例245
    • 7.3.1CQI估计245
    • 7.3.2PMI估计248
    • 7.3.3RI估计249
    • 7.4子帧间的链路自适应252
    • 7.4.1收发端模型结构253
    • 7.4.2更新收发端参数结构体254
    • 7.5自适应调制255
    • 7.5.1无自适应255
    • 7.5.2随机变更调制方案256
    • 7.5.3基于CQI的自适应256
    • 7.5.4收发端性能验证257
    • 7.5.5结论259
    • 7.6自适应调制与编码率260
    • 7.6.1无自适应260
    • 7.6.2随机变更调制方案261
    • 7.6.3基于CQI的自适应261
    • 7.6.4收发端性能验证262
    • 7.6.5结论262
    • 7.7自适应预编码264
    • 7.7.1基于PMI的自适应266
    • 7.7.2收发端性能验证267
    • 7.7.3结论268
    • 7.8自适应MIMO268
    • 7.8.1基于RI的自适应270
    • 7.8.2收发端性能验证271
    • 7.8.3结论272
    • 7.9下行链路控制信息272
    • 7.9.1MCS272
    • 7.9.2自适应率275
    • 7.9.3DCI处理275
    • 7.10本章小结279
    • 参考文献280
    • 8系统级建模281
    • 8.1系统模型281
    • 8.1.1发射端模型282
    • 8.1.2发射端模型的MATLAB模型283
    • 8.1.3信道模型285
    • 8.1.4信道模型的MALTAB模型285
    • 8.1.5接收端模型286
    • 8.1.6接收端模型的MATLAB模型287
    • 8.2用MATLAB构建的系统模型289
    • 8.3定量评估291
    • 8.3.1传输模式的影响291
    • 8.3.2BER与SNR的函数关系293
    • 8.3.3信道估计技术的影响295
    • 8.3.4信道模型的影响295
    • 8.3.5信道时延扩散与循环前缀的影响296
    • 8.3.6MIMO接收器算法的影响297
    • 8.4吞吐量分析298
    • 8.5用Simulink进行系统建模299
    • 8.5.1构建一个Simulink模型301
    • 8.5.2Simulink集成MATLAB算法302
    • 8.5.3参数初始化309
    • 8.5.4运行仿真311
    • 8.5.5引入参数对话框313
    • 8.6定量评估321
    • 8.6.1声音信号传输321
    • 8.6.2主观声音质量测试322
    • 8.7本章小结323
    • 参考文献323
    • 9仿真324
    • 9.1提升MATLAB仿真速度324
    • 9.2工作流程325
    • 9.3实例研究:LTE PDCCH处理326
    • 9.4基准算法327
    • 9.5MATLAB代码剖析329
    • 9.6MATLAB代码优化331
    • 9.6.1向量化331
    • 9.6.2预分配337
    • 9.6.3系统对象340
    • 9.7使用加速功能351
    • 9.7.1MATLAB—C代码生成352
    • 9.7.2并行运算353
    • 9.8使用Simulink模型355
    • 9.8.1创建Simulink模型355
    • 9.8.2验证数值等价性356
    • 9.8.3Simulink基准模型357
    • 9.8.4优化Simulink模型358
    • 9.9GPU辅助运算366
    • 9.9.1在MATLAB中启动GPU功能367
    • 9.9.2GPU优化系统对象367
    • 9.9.3使用单一GPU系统对象368
    • 9.9.4GPU参与并行计算370
    • 9.10实例研究:在GPU上进行Turbo编码374
    • 9.10.1基于CPU处理基准算法374
    • 9.10.2基于GPU处理Turbo译码器377
    • 9.10.3基于GPU处理多个系统对象378
    • 9.10.4多帧和大数据长度380
    • 9.10.5使用单精度数据类型383
    • 9.11本章小结385
    • 10基于C/C++代码的原型构建387
    • 10.1应用范围387
    • 10.2 动机388
    • 10.3 要求388
    • 10.4 MATLAB代码的构思389
    • 10.5 如何创建代码389
    • 10.5.1实例研究:频域均衡389
    • 10.5.2使用MATLAB命令390
    • 10.5.3使用MATLAB代码转换器工程392
    • 10.6转换的C代码的结构397
    • 10.7 支持的MATLAB子集398
    • 10.7.1代码转换准备398
    • 10.7.2实例研究:插入导频信号399
    • 10.8复数和本地C类型400
    • 10.9 系统工具箱支持403
    • 10.9.1实例研究:FFT和反FFT403
    • 10.10 定点型数据支持408
    • 10.10.1实例研究:FFT函数409
    • 10.11可变长度数据支持412
    • 10.11.1实例研究:自适应性调制412
    • 10.11.2 定长代码转换413
    • 10.11.3有界变长数据417
    • 10.11.4 无界变长数据419
    • 10.12集成外部C/C++代码421
    • 10.12.1 算法421
    • 10.12.2执行MATLAB测试平台423
    • 10.12.3 生成C代码425
    • 10.12.4接口函数C代码426
    • 10.12.5主函数C代码429
    • 10.12.6编译和连接430
    • 10.12.7执行C测试平台432
    • 10.13 本章小结433
    • 参考文献433
    • 11总结434
    • 11.1 建模434
    • 11.1.1 理论构思434
    • 11.1.2标准规范435
    • 11.1.3 MATLAB算法435
    • 11.2 仿真436
    • 11.2.1 仿真加速437
    • 11.2.2 加速方法437
    • 11.2.3实现437
    • 11.3 未来工作的方向438
    • 11.3.1 用户层面438
    • 11.3.2 控制层面处理439
    • 11.3.3 混合自动重传请求439
    • 11.3.4 系统接入模型439
    • 11.4结语440
    • 译后记441
    • 专业词汇缩略语表专业词汇缩略语表

    上一篇:引爆社群:移动互联网时代的新4C法则  下一篇:Node.js区块链开发

    展开 +

    收起 -

    MATLAB 相关电子书
    关于MATLAB的学习笔记
    网友NO.723666

    python和matlab的区别

    Python 是一种面向对象的解释型计算机程序设计语言。Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议 。Python语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。 Python的优势: (推荐学习:Python视频教程) Python相对于Matlab最大的优势:免费。但既然你已经能用上Matlab,想必不在乎这个了。 Python次大的优势:开源。你可以大量更改科学计算的算法细节。 可移植性,Matlab必然不如Python。但你主要做Research,这方面需求应当不高。 第三方生态,Matlab不如Python。比如3D的绘图工具包,比如GUI,比如更方便的并行,使用GPU,Functional等等。长期来看,Python的科学计算生态会比Matlab好。 语言更加优美。另外如果有一定的OOP需求,构建较大一点的科学计算系统,直接用Python比用Matlab混合的方案肯定要简洁不少。 毕竟是通用的编程语言,做做Web,搞个爬虫,编个脚本,写个小工具啥的用处广。 MATLAB 是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。 Matlab的优势: Community. 既然你们实验室用Matlab,说明搞你们这个领域的大部分学者可能都用Matlab。交流起来必然更加方便。 Si……

    网友NO.277539

    详解python和matlab的优势与区别

    Python是一种面向对象的解释型计算机程序设计语言。Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议 。Python语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。 Python的优势: Python相对于Matlab最大的优势:免费。但既然你已经能用上Matlab,想必不在乎这个了。 Python次大的优势:开源。你可以大量更改科学计算的算法细节。 可移植性,Matlab必然不如Python。但你主要做Research,这方面需求应当不高。 第三方生态,Matlab不如Python。比如3D的绘图工具包,比如GUI,比如更方便的并行,使用GPU,Functional等等。长期来看,Python的科学计算生态会比Matlab好。 语言更加优美。另外如果有一定的OOP需求,构建较大一点的科学计算系统,直接用Python比用Matlab混合的方案肯定要简洁不少。 毕竟是通用的编程语言,做做Web,搞个爬虫,编个脚本,写个小工具啥的用处广。 MATLAB是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。 Matlab的优势: Community. 既然你们实验室用Matlab,说明搞你们这个领域的大部分学者可能都用Matlab。交流起来必然更加方便。 Simulink, 只能说这是个良心作品,不……

    网友NO.122604

    实例详解Matlab 与 Python 的区别

    一、Python简介 Python是一种面向对象的解释型计算机程序设计语言。Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议[2] 。Python语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。 Python执行: Python在执行时,首先会将.py文件中的源代码编译成Python的byte code(字节码),然后再由Python Virtual Machine(Python虚拟机)来执行这些编译好的byte code。这种机制的基本思想跟Java,.NET是一致的。然而,Python Virtual Machine与Java或.NET的Virtual Machine不同的是,Python的Virtual Machine是一种更高级的Virtual Machine。这里的高级并不是通常意义上的高级,不是说Python的Virtual Machine比Java或.NET的功能更强大,而是说和Java 或.NET相比,Python的Virtual Machine距离真实机器的距离更远。或者可以这么说,Python的Virtual Machine是一种抽象层次更高的Virtual Machine。 基于C的Python编译出的字节码文件,通常是.pyc格式。除此之外,Python还可以以交互模式运行,比如主流操作系统Unix/Linux、Mac、Windows都可以直接在命令模式下直接运行Python交互环境。直接下达操作指令即可实现交互操作。 Python的优势: Python相对于Matlab最大的优势:免费。但既然你已经能用上Matlab,想必不在乎这个了。 Python次大的优势:开源。你可以大量更改科……

    网友NO.997500

    基于MATLAB和Python实现MFCC特征参数提取

    1、MFCC概述 在语音识别(Speech Recognition)和话者识别(Speaker Recognition)方面,最常用到的语音特征就是梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients,简称MFCC)。根据人耳听觉机理的研究发现,人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响较大。两个响度不等的声音作用于人耳时,则响度较高的频率成分的存在会影响到对响度较低的频率成分的感受,使其变得不易察觉,这种现象称为掩蔽效应。由于频率较低的声音在内耳蜗基底膜上行波传递的距离大于频率较高的声音,故一般来说,低音容易掩蔽高音,而高音掩蔽低音较困难。在低频处的声音掩蔽的临界带宽较高频要小。所以,人们从低频到高频这一段频带内按临界带宽的大小由密到疏安排一组带通滤波器,对输入信号进行滤波。将每个带通滤波器输出的信号能量作为信号的基本特征,对此特征经过进一步处理后就可以作为语音的输入特征。由于这种特征不依赖于信号的性质,对输入信号不做任何的假设和限制,又利用了听觉模型的研究成果。因此,这种参数比基于声道模型的LPCC相比具有更好的鲁邦性,更符合人耳的听觉特性,而且当信噪比降低时仍然具有较好的识别性能。 梅尔倒谱系数是在Mel标度频率域提取出来的倒谱……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明