Forse si potrebbe anche condividere l'espressione utilizzata per calcolare la curva di BER teorica ci sono stati molti casi in cui la curva derivata dall'espressione teorica per la probabilità simbolo di errore è stata confrontata con la curva simulata per la probabilità di errore di bit (e viceversa) risultante in molta confusione e angoscia. Errori nel calcolo SNR, o tradurre un dato SNR per segnalare ampiezze, sono comuni anche. ndash Dilip Sarwate 19 gennaio 12 alle 22:18 La semplice spiegazione è che c'è un errore nella vostra simulazione. Heres uno che lavora in MATLAB: Si noti che l'espressione teorica per bit error rate per BPSKQPSK modulazione è: tenendo presente che Mib è l'energia per bit di informazioni. Il po 'sottile distinzione tra Eb ed Es, l'energia per simbolo. è qualcosa che spesso viaggi su persone nuove al soggetto. Questa differenza spiega anche perché QPSK e BPSK hanno lo stesso tasso di errore quando espresso in funzione del frac non si ottengono alcun beneficio prestazioni Bit Error passando a QPSK, anche se è possibile raggiungere un determinato bit rate con larghezza di banda inferiore occupata. risposto 20 gennaio 12 in 15:15 Come ho sottolineato nel mio commento sulla questione principale, un'altra fonte di confusione è che il tasso di errore è simbolo Ps 2Qleft (sqrt a destra) - leftQleft (sqrt destra) RIGHT2 dal momento che il simbolo è corretto se a almeno un bit viene demodulato non correttamente, gli errori di bit nella fase rami e quadratura sono indipendenti, e P (Acup B) P (a) P (B) - P (Acap B) P (a) P (B) - P (a) P (B) 2p-P2 per eventi indipendenti di probabilità p ndash Dilip Sarwate 20 gennaio 12 alle 17:53 Posso fare una domanda Come si calcola l'energia per bit Voglio dire, in realtà, doesn39t uguale a 1. Così si può spiegare, in realtà, come faccio a caculate l'energia per bit Grazie molto ndash Khanh Nguyen 25 settembre 13 alle 11: 45A semplice (ad hoc) modo è quello di prendere solo una media ponderata (sintonizzabile da alpha) in ogni punto con i suoi vicini: o qualche variazione della stessa. Sì, per essere più sofisticati di Fourier è possibile trasformare i dati, poi tagliare le alte frequenze. Qualcosa di simile a: Questo taglia fuori i più alti 20 frequenze. Fare attenzione a tagliarli fuori simmetricamente altrimenti la trasformazione inversa non è più vero. È necessario scegliere con attenzione la frequenza di taglio per il giusto livello di lisciatura. Questo è molto semplice tipo di filtro (filtraggio scatola nel dominio della frequenza), in modo da poter provare attenuanti delicatamente frequenze di ordine superiore se la distorsione è inaccettabile. risponde 4 9 ottobre alle 9:16 FFT è neanche una cattiva idea, ma la sua probabilmente eccessivo qui. In esecuzione o medie mobili forniscono risultati generalmente scarsa e dovrebbe essere evitato per nulla oltre a tarda compiti a casa (e rumore bianco). uso Id filtraggio Savitzky-Golay (in Matlab sgolayfilt (.)). Questo vi darà i migliori risultati per quello che stai cercando - un po 'di smoothing locale, pur mantenendo la forma del codice sorgente curve. Advanced. Com. Clicca qui per scaricare. riconoscimento ottico dei caratteri (OCR) è la traduzione di bitmap otticamente scansionate di caratteri di testo stampati o scritti in codici di carattere, come ad esempio ASCII. Questo è un modo efficace per trasformare i materiali cartacei in file di dati che possono essere modificati e manipolati altrimenti su un computer. Questa è la tecnologia a lungo utilizzato dalle biblioteche e agenzie governative per fare lunghi documenti in modo rapido disponibili in formato elettronico. I progressi della tecnologia OCR hanno stimolato il suo uso crescente da parte delle imprese. Per molti compiti documento-input, OCR è il più conveniente e il metodo veloce disponibile. E ogni anno, la tecnologia libera acri di spazio di archiviazione, una volta destinate alle schedari e scatole piene di documenti cartacei. Prima OCR può essere utilizzato, il materiale di base deve essere analizzato utilizzando uno scanner ottico (e talvolta un circuito specializzato nel PC) per leggere nella pagina come bitmap (uno schema di punti). è necessario anche un software per riconoscere le immagini. Il software OCR elabora poi queste scansioni di distinguere tra immagini e testo e determinare quali lettere sono rappresentati in aree chiare e scure. vecchi sistemi OCR corrispondono queste immagini bitmap contro memorizzate sulla base di caratteri specifici. I risultati hit-or-miss di tali sistemi modello di riconoscimento ha contribuito a creare la reputazione OCR per imprecisione. motori di oggi OCR aggiungono le molteplici algoritmi di tecnologia di rete neurale per analizzare il bordo tratto, la linea di discontinuità tra i caratteri di testo, e lo sfondo. Tenendo conto delle irregolarità di inchiostro stampato su carta, ogni algoritmo medie del chiare e scure lungo il lato di un ictus, partite a conoscere i personaggi e fa un migliore ipotesi su quale personaggio è. Il software OCR poi medie o sondaggi i risultati di tutti gli algoritmi per ottenere una sola lettura. Il nostro pacchetto software si propone di risolvere la classificazione dei caratteri scritti a mano isolati e cifre dei personaggi UJI Pen Set dati utilizzando reti neurali. I dati si compone di campioni di 26 caratteri e 10 cifre scritti da 11 autori su un tablet PC. I caratteri (in formato standard UNIPEN) sono scritti sia in lettere maiuscole e minuscole e c'è un intero due set di caratteri per lo scrittore. Così l'uscita dovrebbe essere in una delle 35 classi. L'obiettivo finale è la costruzione di un modello indipendente, scrittore per ogni personaggio. La selezione delle caratteristiche di valore è fondamentale per il riconoscimento dei caratteri, quindi, una serie di nuove funzionalità e significativi, l'Uniform differenziale normalizzato Coordinate (UDNC), introdotto da C. Agell, è adottato. Queste caratteristiche sono indicati per migliorare il tasso di riconoscimento utilizzando semplici algoritmi di classificazione in modo che siano utilizzati per addestrare una rete neurale e testare le sue prestazioni sul UJI Pen personaggi set di dati. Termini: Matlab, fonte, codice, OCR, il riconoscimento ottico dei caratteri, testo digitalizzato, testo scritto, ASCII, carattere isolato. Figura 1. testo scritto un codice sorgente semplice ed efficace per riconoscimento ottico dei caratteri. codice Demo (protetti P-files) disponibile per la valutazione delle prestazioni. Matlab Image Processing Toolbox e Matlab Neural Network Toolbox sono necessari. Il riconoscimento della grafia per i caratteri isolati formato di file UNIPEN supportato Uniforme differenziali coordinate normalizzate veloce e implementazione ottimizzata facile e codice Demo intuitiva interfaccia grafica (protetti P-files) disponibile per la valutazione delle prestazioni Si consiglia di verificare la connessione sicura a PayPal, al fine di evitare eventuali frodi. Questa donazione deve essere considerato un incoraggiamento per migliorare il codice stesso. Sistema di riconoscimento ottico dei caratteri - Clicca qui per la vostra donazione. Al fine di ottenere il codice sorgente si deve pagare un po 'di somma di denaro: 200 EURO (meno di 280 Dollari USA). Una volta fatto questo, scriveteci luigi. rosatiscali. it Non appena possibile (in pochi giorni) riceverete la nostra nuova release del sistema di riconoscimento ottico dei caratteri. In alternativa, è possibile donare usando le nostre coordinate bancarie:
No comments:
Post a Comment