婚庆网站设计,搜索引擎优化哪些方面,一般使用的分辨率的显示密度是多少dpi?,怎么优化网站关键词的方法目录
1.算法仿真效果
2.算法涉及理论知识概要
3.MATLAB核心程序
4.完整算法代码文件获得 1.算法仿真效果
matlab2022a仿真结果如下#xff08;完整代码运行后无水印#xff09;#xff1a;
GA优化过程#xff1a; 优化前后星座图对比#xff1a; #xff08;优化后…目录
1.算法仿真效果
2.算法涉及理论知识概要
3.MATLAB核心程序
4.完整算法代码文件获得 1.算法仿真效果
matlab2022a仿真结果如下完整代码运行后无水印
GA优化过程 优化前后星座图对比 优化后边缘的星座点会聚集到中心所以整体看星座点边缘区域会变小或者消失
优化前后误码率对比 仿真操作步骤可参考程序配套的操作视频。
2.算法涉及理论知识概要 64QAM 是一种高阶调制方式星座图中有 64 个星座点每个星座点对应 6 比特信息。传统的 64QAM 采用均匀分布。通过改变改变星座图不同位置符号出现的概率让外圈星座点出现频率降低有利于减小平均功率相当于增加了最小欧氏距离从而有更好的传输性能。这就是我们所说的概率星座整形PCS了。它究竟有什么好处呢
1. 具有整形增益。
2. 有望达到更高的传输容量显著提升频谱效率。
3. 传输速率可以灵活调整以完美适配不同的传输信道。
4. 无须多种支持多种QAM映射仅使用方形QAM调制需调整整形系数 PCS的关键在于如何对均匀概率的输出映射成非均匀概率幅度分布而且该概率分布还应该是最优的。理论上可以证明Maxwell-Boltzman分布对于方形QAM整形是最优的概率分布。概率星座整形一般使用如下的公式完成 参数v为整形因子。在本课题中将通过GA优化算法搜索最佳的参数v进一步提升概率整形后的系统性能。以 64QAM 的误码率BER作为适应度函数。误码率越低表明该概率整形因子 对应的星座点概率分布越优。在实际计算时可通过蒙特卡罗仿真来估计误码率。具体步骤为依据当前的 计算每个星座点的发送概率生成大量发送符号经过加性高斯白噪声AWGN信道传输接收符号并进行解调统计错误比特数进而计算误码率。 通过GA算法获得最优的参数v以降低 64QAM 的误码率。
3.MATLAB核心程序
................................................................
MAXGEN 15;
NIND 20;
Nums 1;
Chrom crtbp(NIND,Nums*10);%sh
Areas [];
for i 1:NumsAreas [Areas,[0;0.25]];% 优化概率整形参数v
end
FieldD [rep([10],[1,Nums]);Areas;rep([0;0;0;0],[1,Nums])];gen 0;
for a1:1:NIND %计算对应的目标值X rand(1,Nums)/10;%初始值[epls] func_obj(X);E epls;Js(a,1) E;
endObjv (Jseps);
gen 0; %%
while gen MAXGEN genPe0 0.998;pe1 0.002; FitnVranking(Objv); Selchselect(sus,Chrom,FitnV); Selchrecombin(xovsp, Selch,Pe0); Selchmut( Selch,pe1); phen1bs2rv(Selch,FieldD); for a1:1:NIND X phen1(a,:);%计算对应的目标值[epls] func_obj(X);E epls;JJ(a,1) E;end Objvsel(JJ); [Chrom,Objv]reins(Chrom,Selch,1,1,Objv,Objvsel); gengen1; %保存参数收敛过程和误差收敛过程以及函数值拟合结论Error(gen) mean(JJ) ;[V,I] min(JJ);VVV(gen) phen1(I,:);VVV2(gen) mean2(phen1) ;
end figure;
plot(Error,linewidth,2);
grid on
xlabel(迭代次数);
ylabel(遗传算法优化过程);
legend(Average fitness);[V,I] min(JJ);
VV phen1(I,:);save GA_OPT.mat Error VV
0X_076m
4.完整算法代码文件获得
V
