タグ付けされた質問 「equalization」

そこで最近、最急降下法を使用して最小コストに収束するCMAイコライザーをMATLABに実装しました。（私はイコライザーの実装のどんちゃん騒ぎです）。 私の質問は次のとおりです。 1）CMAアルゴリズムは、比較的「フラット」なチャネルにのみ適しているように思えます。言い換えれば、深いフェード/ヌルのあるチャンネルでは機能しないのですか？これは一般的に本当ですか？ 2）私はBPSK信号を使用しています。ここの最初の図から、マルチパス効果の後、BPSK信号の複雑な平面にスミアが発生していることがわかります。代わりに、4つの赤いクラスターが表示されます。CMAイコライザー私は後に私の質問はどのように来ている、まだ 4つのクラスタを持っていますか？（私はそれらを青に着色しました）。CMAはエンベロープを1に強制するだけで、どのクラスターについて話しているのかを気にしないので、それはある程度理にかなっていると思います。しかし、CMAは極小問題に悩まされる可能性があると聞いています。これはその例でしょうか？（つまり、これはBPSKであるため、2つではなく4つのクラスターを取得します）。そうでない場合、それについて何ができますか？ 3）質問2に答えるように、私は先に進み、エラーを最小限に抑えるために求めている定数係数を変更しました。（BPSKの場合に想定されるように）1を選択する代わりに、係数として0.25を選択しました。これは私が得た星座です： 問題は、これが「解決策」であったとしても、どの係数をどのように選択するかをアプリオリにどのようにして知るのでしょうか。問題と考える理由は、2つではなく4つのクラスターがある場合、特にBPSKシグナリングのために2つのクラスターが予想される場合、シンボル後の位相/周波数オフセットの推定/修正がより複雑になるためです。 （完全を期すために、同じプロットを添付しましたが、周波数オフセットを追加したとき） このイコライザーに与えることができる洞察を事前に感謝します！

10 equalization 

長さNのDFTベクトルがあるとします。これは、その中間点の周りに複素共役対称性を示します。つまり、、など。 およびは、それぞれDCおよびナイキスト周波数であるため、実数です。残りの要素は複雑です。XX\mathbf{X}X(1)=X(N−1)∗X(1)=X(N−1)∗X(1) = X(N-1)^*X(2)=X(N−2)∗X(2)=X(N−2)∗X(2) = X(N - 2)^*X(0)X(0)X(0)X(N/2)X(N/2)X(N/2) ここで、ベクトルXを乗算するサイズ行列とします。TT\mathbf{T}N×NN×NN \times N Y=TXY=TX\begin{align} \mathbf{Y} = \mathbf{T}\mathbf{X} \end{align} 質問は： どのような条件で、行列に対して、結果のベクトルの中間点の周りの複素共役対称性が保持されますか？TT\mathbf{T}YY\mathbf{Y} この質問の動機は、IFFTが実数である事前にコード化された（事前に等化された）シンボルをもたらすプリコーダー行列を考え出そうとすることです。TT\mathbf{T}YY\mathbf{Y} 編集： @MattLに感謝します。と@niaren。この質問の難しさは、必要な条件を見つけることです。マットの答えは確かに十分です。次の変更を加えるだけでも十分です。 最初の行と最初の列はゼロである必要はありません。代わりに、それらはゼロ以外の値である可能性があります。その値が中間点の周りに複雑な共役対称性を示す限り、そのシンボルのように、最初の値は実数で、番目の値は実数です。同じことは、番目の列、番目の行、および主対角線についても言えます。(N/2+1)(N/2+1)(N/2+1)(N/2+1)(N/2+1)(N/2+1)(N/2+1)(N/2+1)(N/2+1) 次に、左上隅と右下隅のマトリックス間の同じ対応を右上隅と左下隅の間で行うことができます。つまり、t 2 、N / 2 + 2から t N / 2 、Nまでの行列。左から右に反転し、逆さまに反転して共役を取り、左下隅に配置します。MATLABでは、次のようになります。(N/2−1)×(N/2−1)(N/2−1)×(N/2−1)(N/2 -1)\times(N/2-1)t2,N/2+2t2,N/2+2t_{2,N/2 + 2}tN/2,NtN/2,Nt_{N/2,N} T(N/2+2:N,2:N/2) = conj(fliplr(flipud(Tisi(2:(N/2),N/2+2:N)))) この構造は、DFT行列の構造に似ています。それは必要条件でしょうか？ 編集（2）： 次のコードは、任意の実数値行列Aに対してこのような有効な演算子を実装します。N×NN×NN \times NAA\mathbf{A} N = 8; A = …

10 dft  equalization  linear-algebra 

私はopencvチュートリアルを読んでいて、ヒストグラムの等化について詳しく説明しています。私はウィキペディアで調べました、問題を正確に要約する良い例があります： 元の： 均等化： しかし、この結果を得るために私は別のアプローチをとります： オリジナルの最小値と最大値を見つける その上ですべてを正規化（リマップ）します。 ヒストグラムなし、累積分布関数なし。確かにもっと愚かなアプローチですが、違いがわかりません。なぜヒストグラム等化を使用するのですか？誰かが理由を明らかにするのを手伝ってくれる？

7 equalization  histogram