[其它] 具有循环前缀的认知无线电OFDM系统中用于旁瓣抑制的扩展有源干扰消除

说明：在认知无线电（CR）系统中，要求在许可用户的频带中深度抑制非连续正交频分复用（OFDM）信号的旁瓣。 为此，我们提出了一种添加扩展的有源干扰消除（EAIC）信号以抑制旁瓣并以循环前缀（CP）成形CR-OFDM信号频谱的新颖方法。 为简单起见，我们将提议的方案称为EAIC-CP。 所提出的EAIC-CP的主要思想是采用一些抵消信号，这些信号由音调组成，这些音调的间隔比OFDM副载波的间隔更近，以抵消OFDM信号的旁瓣。 此外，我们推导了最佳消除信号，以最小化受自干扰约束的总旁瓣功率。 数值结果表明
<weixin_38545117> 上传 | 大小：759kb

[其它] park-rllib：公园（https：github.compark-projectpark）和rllib（https：github.comray-projectraytreemasterrllib）-源码

说明：park-rllib Park（ ）和rllib（ ）集成 完成 所有环境的check_envs，但是有些不起作用 学习脚本 待办事项 开始为check_env工作所有环境 check_learned脚本
<weixin_42097967> 上传 | 大小：377mb

[其它] ProyectoFBD-源码

说明：ProyectoFBD
<weixin_42101237> 上传 | 大小：958kb

[其它] github上传-源码

说明：这是您的模板存储库！ 您将在changes分支中进行所有更改。 该存储库已获得 （c）2019 GitHub，Inc.的许可。
<weixin_42099176> 上传 | 大小：140kb

[其它] hope-player-server：Hope Music Player Python服务器-源码

说明：希望玩家服务器 Hope Music Player Python服务器。 该服务器公开了Hope Player的某些API（最好在本地使用）。 前端组件是使用React.js制作的。 使用的库： 烧瓶 SQL对象 YouTube的dl 免责声明 该代码涉及使用Youtube-dl执行YouTube数据解析。 该工具的动机纯粹是非商业性的，并且是出于教育目的。 使用存储库的人员必须了解YouTube数据是专有的，并且在受版权保护的视频上使用此工具可能会引起法律诉讼。 因此，我对您造成的任何损失不
<weixin_42104366> 上传 | 大小：5kb

[其它] 无需带外频谱同步的认知无线电系统的非连续OFDM符号检测

说明：对于基于非连续OFDM（NC-OFDM）的认知无线电系统，一项挑战是建立频谱在空闲信道上传输数据之前进行同步。 在本文中，我们提出了两种新颖的检测方案，即基于硬决策的检测（HDD）和基于软决策的检测（SDD）方案，以在没有带外频谱信息的情况下检测NC-OFDM符号同步。 所提出的方案的关键思想是采用接收到的训练符号来计算每个子信道被激活的后验概率（APP）。 具体地，对于所提出的HDD方案，辅接收机检测子信道是否为是否基于其APP处于活动状态。 当子通道的APP大于预设阈值时，将用于数据检测。
<weixin_38574132> 上传 | 大小：762kb

[其它] ReactNavigationTypeScript：作为备忘单的源代码-源码

说明：ReactNavigationTypescr ipt Typescr ipt中用于React Navigation的代码示例。 （ Drawer navigation尚未包括在内。） 设置 （1）按照安装软件包和类型 （2）按照安装此示例中使用的。 还包括一些故障排除信息。 运行 cd yarn ios yarn android （第一次使用yarn android ，您可能会遇到一些环境问题。如果是这样，请尝试在中进行故障排除，并以(Fix 'yarn android' issue
<weixin_42144604> 上传 | 大小：376kb

[其它] Kaggle_disaster_tweets-源码

说明：Kaggle_disaster_tweets
<weixin_42126668> 上传 | 大小：9kb

[其它] 认知无线电网络中通过协作频谱感应获得的最大信道吞吐量

说明：在认知无线电网络中，次要（未经许可）用户需要通过频谱感测找到空闲信道为他们的传播。 合作频谱感测（CSS）是一种具有令人称赞的性能的频谱感测技术。 在CSS中，多个辅助用户分别感知空闲信道并将其决定发送到网络中心，然后中心将做出最终决定。 在本文中，我们将重点放在CSS的最佳感测设置上，以在对认知无线电网络造成干扰的某些约束下最大化信道吞吐量。 特别是，我们考虑了本文中的两种情况。 在第一种情况下，只有一个频道一次感测到，我们的目标是最大化单个通道的容量。 还导出了一些简单算法来计算第一种情况的
<weixin_38540819> 上传 | 大小：446kb

[其它] KampIntro-源码

说明：KampIntro
<weixin_42108054> 上传 | 大小：11kb

[其它] 代码出现：用于代码解决方案出现的仓库-源码

说明：代码Golang的出现 回购Golang代码解决方案。 年： 添加解决方案 运行： hygen solution new --year --day --name ""
<weixin_42122340> 上传 | 大小：72kb

[其它] 基于OFDM的认知无线电系统的基于EM的噪声加干扰估计

说明：在本文中，我们考虑了基于正交频分多路复用（OFDM）的认知无线电（CR）系统的窄带干扰问题，其中部分OFDM子载波和部分数据帧会受到严重干扰，从而导致性能显着下降。 我们提出了一种基于期望最大化（EM）算法的迭代噪声加干扰估计和解码（IED）方案，以缓解由窄带干扰引起的性能下降。 为了减少提出的方案中所需的用于时域平均的OFDM符号数量，并使提出的方案适应快速变化的窄带干扰条件，我们还提出了一种具有频域部分平均（IED-FPA）的IED方案。 此外，我们导出了无偏噪声加干扰方差估计的Cram´e
<weixin_38625599> 上传 | 大小：201kb