💥💥💥💞💞💞歡迎來到本部落格❤️❤️❤️💥💥💥
🏆部落客優勢:🌞🌞🌞部落格内容盡量做到思維缜密,邏輯清晰,為了友善讀者。
⛳️座右銘:行百裡者,半于九十。
目錄
💥1 概述
📚2 運作結果
🎉3 參考文獻
🌈4 Matlab代碼實作
文獻來源,然後複現之:
💥1 概述
移動通信産業一直以驚人的速度迅猛發展,已成為帶動全球經濟發展的主要高科技産業之一,并對人類生活及社會發展産生巨大影響。在移動通信中,發送端和接收端之間通過電磁波來傳輸信号,我們可以想象兩者之間有一些看不見的電磁通路,并把這些電磁通路稱為無線信道。無線信道與周圍的環境密切相關,不同環境下的無線信道具有一些差異化的特征。如何發現并提取這些特征并将其應用于優化無線網絡,是目前的一個研究熱點。類比人類指紋,我們将上述無線信道的差異化的特征稱為無線信道“指紋”。無線信道“指紋”特征模組化,就是在先驗模型和測試資料的基礎上,提取不同場景或不同區域内無線信道的差異化的特征,進而分析歸納出“指紋”的“數學模型”,并給出清晰準确的“數學描述”。
📚2 運作結果
>> main
測試資料的識别結果:
c =
1 0 0
該資料和場景1比對
測試資料的識别結果:
c =
0 1 0
該資料和場景2比對
第一組待測資料與各場景總相對誤差分别為:0.86,12.25,15.37
第一組待測資料最接近的場景為:場景1
第二組待測資料與各場景總相對誤差分别為:4.60,0.90,1.91
第二組待測資料最接近的場景為:場景2
function [ partvec,partn,err,erryindex] = part_self( S,tol,k )
% Inupts:
% S : 樣本矩陣
% tol : 終止标準(一個很小的數)
% k : 最小步數(多少行),最小機關是1米對應118行% Outputs:
% partvec: 分割節點向量(分割處行号所組成的向量)
% partn : 分割所得的場景數(分割成了幾個場景)partn=Length(partvec)
% err : 相對誤差向量
% erryindex: 分割處相對誤差的下标
partvec=1;
count=k;Sp=S([1:count],:);
feavec=feature_self(Sp);
count=count+k;
[row,col]=size(S);
n=floor(row/k)-2;
erryindex=[];for i=1:n
feavec_old=feavec;
Sp=S([partvec(end):count],:); % 加上新一段
feavec=feature_self(Sp);
err(i,1)=sum(abs(feavec-feavec_old)./abs(feavec_old));
if (err(i,1)>tol)
partvec=[partvec;count-k+1]; %誤差大就添加新的分割點
Sp=S([partvec(end):count],:);
feavec=feature_self(Sp);
erryindex=[erryindex;i];
end
count=count+k;
end
partn=length(partvec);