lms源码
Ⅰ C++课 没听··· 不懂··· 关于什么类啊 对象的~求详细解释
//修改后的程拿誉序如下：烂凯
#include <iostream>
using namespace std;
class stud
{
public: //增加public 定义，VS2010在未使用此定义时默认为 private
void setscore(int sc);
void inscore();
void getscore();
int score;
};
stud s;
int main()
{
s.setscore(0); // 增加 s. , 调用 s 的成员函数 ， 下同
s.inscore();
s.getscore();
}
void stud::setscore(int sc) // 修改 函数类型，与类定义一致，增加stud::， 表示是 stud的消历段成员函数
{ score=sc; }
void stud::inscore()
{ cin>>score; } // 去掉s. , 下同。
void stud::getscore()
{
cout<<score<<endl;
}
// 建议不在类的 成员函数中 使用 CIN，COUT等，否则失去封闭的意义了
Ⅱ 四川网校系统多少钱
014年是在线教育蓬勃发展的一年，对于线下机构来说，拥有一颗“互联网+”的心还不够，一条能够迅速线上化的便捷通道可能更加迫切，四川网校系统多少钱，四川网校系统多少钱，如何快速完成互联网的转身，线下机构想要跨出的第一步，可能就是在万维网上拥有一方天地——网校。同一时期，Eline上线了1.0版本，到现在，过去了两个年头，Eline已经在一次次的迭代中成为了可以为用户提供一站式解决方案的产品，Eline以自主研发的ThinkSNS框架为基础，为机构和个人提供创建网校的一站式解决方案，四川网校系统多少钱，从很基础的LMS工具出发，提供直播、点播（即录播）、社区互动、线上约课等多项功能。目前Eline在线教育系统可应用于慕课、K12、内训等，满足不同类型用户在教育细分领域中的多样需求。在线教育系统目前处于新事物阶段，每一种新事物都会有它的价值，关键是我们用怎样的形式去实现它。四川网校系统多少钱
在线教育系统平台可以实现：
在线互动交流
在线教育系统，可实现用户在线互动，并分享一些学习经验，或上传一些学习课程和信息交流和共同学习然后再跟其他用户。
上传教学视频
在线进行教育管理系统设计软件上有很多企业大量的线上教育学生学习视频资料，用户只要连上WiFi就可以在线看教学活动视频资料了。如果不从计算机下载到网络驱动器，但不要期待每个视频格式播放教学视频！非常方便可靠！
线上的课件
在线教育系统软件上有学习课件。 如果你在网上观看教学视频，你也可以在网上下载课件，这样你就可以随时随地学习。 只要您拿出手机，打开在线教育系统的应用程序，您就可以查看然后的教学内容。浙江企业内训系统方案在线培训系统通过网络跨越了距离的限制，使学校的教育成为可以超出校园向更广的地区辐射的开放式教育。
在线教育平台系统还有一个更先天的优势，即可以摆脱高成本。在线教育系统平台免除了高昂的场地租金和运营成本，线下教育机构在保持原有线下开班的情况下，只需少许的人力投入，经过专业系统的培训，就可以快速上道。
在许多师资不足的地方，这真是一个好办法，一个老师轻松可以搞定几个班的课，尤其是小课——今后改作业也有办法，扫描上交。
其实许多高校，还有一些学生素质较高的城市学校常这样做。孩子上在线教育，独自在家上课，相对于在学校里，上课环境更安静，更有利于孩子思考。对于自控能力差的孩子，我上面也提到了，不注意听讲的部分，还可以看课程回放。家长更容易掌握孩子的学习情况和进度。但是如果在学校里上课，孩子不注意听讲，没听进去的部分也就“坐飞机”，再补课相对来说有点小困难。对于经常给孩子报线下培训班的家长，也用不着来回接送，省了一些麻烦，不必因此头疼了，家长孩子免于奔命。就像这场突如其来的一样，孩子们在家里照样可以“停课不不停学”，什么都不耽误！线上教育系统平台可以让更多的孩子接触到前列的教育名师，什么教育资源各省市分配不均，什么优良教师所带班级名额难求等等，这一下子全都迎刃而解了，会让教育显得更公平些，这也是在线教育系统的优势之一。
这时学生素质问题就明显了（两极分化，家长从小的教育理念就起效果了）。在线教育系统平台可以做到随时上课，时间自由安排，不耽误你花上路上的时间。
随着4G网络的普及，2015年前后，通过网络直播系统进行网络直播也在企业的远程培训中逐渐盛行，直播的时效性高，互动性强，学员的体验性更好。获得场景视频在直播培训中，增加了签到、抽奖、虚拟打赏等可以增加学员参与度的功能，来不及观看直播的学员可以后续看视频回放，巩固学习效果。互动直播系统起源于视频会议，区别在于互动直播支持的人数和扩张性要比视频会议好，成本也相对较低。VR培训起源于虚拟现实，被很广的应用安全领域和设备操作的培训项目，受虚拟设备计算能力的限制，真实还原度还有待提高。网校系统的搭建可以让你无需打开网页即可学习你想学到的知识，更有高清的录播课程，直观清晰。广东教育系统培训系统源码
相比于传统，在线教育系统有内容优势，如果用流行的一个词来说，就是在线教育是具有富媒体的性质。四川网校系统多少钱
网络视频直播系统应用流媒体技术在网络上进行直播，同时支持进行录播(系统自动录制，方便用户随时点播)，用户访问指定的直播网站页面(URL)，其访问请求导向发布服务器节点，获得流媒体数据，通过网页浏览器直接观看直播视频内容。节目/频道管理 为用户传送不同码率的视频提供了方便，用户可以给不同的频道设定不同的视频码率进行直播或者存储。根据用户的需求提供对音视频采集的选择。定时存储 在视频采集频道中，可以在进行直播的同时保存视频节目。系统还给用户提供一套更完善的自动保存机制。用户可以控制某一频道进行不同时间段进行保存。四川网校系统多少钱
可靠的技术保障、良好的售后服务和灵活的问题处理办法，让赛新科技成为您值得信赖的伙伴。
我们的使命是为互联网创造更优良的模式，为企业创造持续的价值，基于团队丰富的经验创造优越的产品平台服务社会。
我们只做在线教育，所以我们专业！
我们追求很好，提供前列的在线教育解决方案；我们追求创新，不断创造在线教育新模式！
我们致力于中国在线教育事业加速度，为中国的教育发展做出贡献！
成都市高新区天府大道北街1700号 环球中心S2 7-1-739
Ⅲ 自己写的信道编码的程序，SNR在0到6误码率越来越小，但是6以后反倒是随着SNR的增大BER也越大。
要注意这两个都是带引号的，是字符串，这是matlab自带函数中常用的给定参数SNR,'fsk',M,1,'coherent');%这个表示相关检测估计应该就可以解决你这个d
拿去把 信道估计，有BER曲线
clear all;
close all;
fprintf( '\n OFDM仿真\n \n') ;
% --------------------------------------------- %
% 参数定义 %
% --------------------------------------------- %
IFFT_bin_length = 1024;
carrier_count = 200;
bits_per_symbol = 2;
symbols_per_carrier = 50;
% 子载波数 200
% 位数/ 符号 2
% 符号数/ 载波 50
% 训练符号数 10
% 循环前缀长度 T/4（作者注明） All-zero CP
% 调制方式 QDPSK
% 多径信道数 2、3、4（缺省）
% 信道最大时延 7 (单位数据符号)
% 仿真条件 收发之间严格同步
%SNR=input('SNR='); % 输入信噪比参数
SNR=3:14;%定义信噪比范围
BER=zeros(1,length(SNR));
baseband_out_length = carrier_count * symbols_per_carrier * bits_per_symbol;% 计算发送的二进制序列长度
carriers = (1: carrier_count) + (floor(IFFT_bin_length/4) - floor(carrier_count/2)); % 坐标： (1 to 200) + 156 , 157 -- 356
conjugate_carriers=IFFT_bin_length-carriers+2; % 坐标 ：1024 - (157:356) + 2 = 1026 - (157:356) = (869:670)
% 构造共轭时间－载波矩阵，以便应用所谓的RCC，Reced Computational Complexity算法，即ifft之后结果为实数
% Define the conjugate time-carrier matrix
% 也可以用flipdim函数构造对称共轭矩阵
% --------------------------------------------- %
% 信号发射 %
% --------------------------------------------- %
%out = rand(1,baseband_out_length);
%baseband_out1 = round(out) ;
%baseband_out2 = floor(out*2) ;
%baseband_out3 = ceil(out*2)-1 ;
%baseband_out4 = randint(1,baseband_out_length);
% 四种生成发送的二进制序列的方法，任取一种产生要发送的二进制序列
%if (baseband_out1 == baseband_out2 & baseband_out1 == baseband_out3 )
% fprintf('Transmission Sequence Generated \n \n');
% baseband_out = baseband_out1 ;
%else
% fprintf('Check Code!!!!!!!!!!!!!!!!!!!!! \n \n');
%end
% 验证四种生成发送的二进制序列的方法
baseband_out=round( rand(1,baseband_out_length));
convert_matrix = reshape(baseband_out,bits_per_symbol,length(baseband_out)/bits_per_symbol);
for k = 1length(baseband_out)/bits_per_symbol),
molo_baseband(k) = 0;
for i = 1:bits_per_symbol
molo_baseband(k) = molo_baseband(k) + convert_matrix(i,k)* 2^(bits_per_symbol - i);
end
end
% 每2个比特转化为整数 0至3
% 采用'left-msb'方式
%-------------------------------------------------------------------------
% Test by lavabin
% A built-in function of directly change binary bits into decimal numbers
%-------------------------------------------------------------------------
%convert_matrix1 = zeros(length(baseband_out)/bits_per_symbol,bits_per_symbol);
%convert_matrix1 = convert_matrix' ;
%Test_convert_matrix1 = bi2de(convert_matrix1,bits_per_symbol,'left-msb');
%Test_convert_matrix2 = bi2de(convert_matrix1,bits_per_symbol,'right-msb');
% 函数说明：
% BI2DE Convert binary vectors to decimal numbers.
% D = BI2DE(B) converts a binary vector B to a decimal value D. When B is
% a matrix, the conversion is performed row-wise and the output D is a
% column vector of decimal values. The default orientation of thebinary
% input is Right-MSB; the first element in B represents the least significant bit.
%if (molo_baseband == Test_convert_matrix1')
% fprintf('molo_baseband = Test_convert_matrix1 \n\n\n');
%else if (molo_baseband == Test_convert_matrix2')
% fprintf('molo_baseband = Test_convert_matrix2 \n\n\n');
% else
% fprintf('molo_baseband ~= any Test_convert_matrix \n\n\n');
% end
%end
% we get the result "molo_baseband = Test_convert_matrix1".
%-------------------------------------------------------------------------
carrier_matrix = reshape(molo_baseband,carrier_count,symbols_per_carrier)';
% 生成时间－载波矩阵
% --------------------------------------------- %
% QDPSK调制 %
% --------------------------------------------- %
carrier_matrix = [zeros(1,carrier_count); carrier_matrix]; % 添加一个差分调制的初始相位，为0
for i = 2symbols_per_carrier + 1)
carrier_matrix(i, = rem(carrier_matrix(i, + carrier_matrix (i-1,, 2^bits_per_symbol) ; % 差分调制
end
carrier_matrix = carrier_matrix*((2*pi)/(2^bits_per_symbol)) ; % 产生差分相位
[X, Y]=pol2cart(carrier_matrix, ones(size(carrier_matrix,1),size(carrier_matrix,2))); % 由极坐标向复数坐标转化 第一参数为相位 第二参数为幅度
% Carrier_matrix contains all the phase information and all the amplitudes are the same‘1’.
complex_carrier_matrix = complex(X, Y) ;
% 添加训练序列 `
training_symbols = [ 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 ...
-j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 ...
1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 ...
-1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j ...
-1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 1 j j 1 -1 -j -j -1 ]; % 25 times "1 j j 1" , 25 times "-1 -j -j -1", totally 200 symbols as a row
training_symbols = cat(1, training_symbols, training_symbols) ;
training_symbols = cat(1, training_symbols, training_symbols) ; % Proction of 4 rows of training_symbols
complex_carrier_matrix = cat(1, training_symbols, complex_carrier_matrix) ; % 训练序列与数据合并
% block-type pilot symbols
IFFT_molation = zeros(4 + symbols_per_carrier + 1,IFFT_bin_length) ;
% Here a row vector of zeros is between training symbols and data symbols!!!
% 4 training symbols and 1 zero symbol
% every OFDM symbol takes a row of "IFFT_molation"
IFFT_molation(: , carriers) = complex_carrier_matrix;
IFFT_molation(: , conjugate_carriers) = conj(complex_carrier_matrix) ;
%-------------------------------------------------------------------------
% Test by lavabin -- Find the indices of zeros
%index_of_zeros = zeros(symbols_per_carrier,IFFT_bin_length - 2*carrier_count);
%IFFT_molation1 = zeros(4 + symbols_per_carrier + 1,IFFT_bin_length);
%IFFT_molation2 = zeros(4 + symbols_per_carrier + 1,IFFT_bin_length);
%IFFT_molation1(6:symbols_per_carrier+5, = IFFT_molation(6:symbols_per_carrier+5,==0 ;
%for i = 1:symbols_per_carrier
%index_of_zeros(i, = find(IFFT_molation1(i+5,==1);
%end
%-------------------------------------------------------------------------
time_wave_matrix = ifft(IFFT_molation') ; % 进行IFFT操作
time_wave_matrix = time_wave_matrix'; % If X is a matrix, ifft returns the inverse Fourier transform of each column of the matrix.
for i = 1: 4 + symbols_per_carrier + 1
windowed_time_wave_matrix( i, : ) = real(time_wave_matrix( i, : )) ;
end
% get the real part of the result of IFFT
% 这一步可以省略，因为IFFT结果都是实数
% 由此可以看出，只是取了IFFT之后载波上的点，并未进行CP的复制和添加end
ofdm_molation = reshape(windowed_time_wave_matrix',1, IFFT_bin_length*(4 + symbols_per_carrier + 1) ) ;
% P2S operation
%-------------------------------------------------------------------------
% Test by lavabin
% Another way of matrix transition
%ofdm_molation_tmp = windowed_time_wave_matrix.';
%ofdm_molation_test = ofdm_molation_tmp(';
%if (ofdm_molation_test == ofdm_molation)
% fprintf('ofdm_molation_test == ofdm_molation \n\n\n');
%else
%fprintf('ofdm_molation_test ~= ofdm_molation \n\n\n');
%end
% We get the result "ofdm_molation_test == ofdm_molation" .
%-------------------------------------------------------------------------
Tx_data=ofdm_molation;
% --------------------------------------------- %
% 信道模拟 %
% --------------------------------------------- %
d1= 4; a1 = 0.2; d2 = 5; a2 = 0.3; d3 = 6; a3 = 0.4; d4 = 7; a4 = 0.5; %信道模拟
1 = zeros(size(Tx_data)) ;
for i = 1 + d1: length(Tx_data)
1(i) = a1*Tx_data( i - d1) ;
end
2 = zeros(size(Tx_data) ) ;
for i = 1 + d2: length( Tx_data)
2(i) = a2*Tx_data( i - d2) ;
end
3 = zeros(size(Tx_data) ) ;
for i = 1 + d3: length(Tx_data)
3(i) = a3*Tx_data ( i - d3) ;
end
4 = zeros(size(Tx_data) ) ;
for i = 1 + d4: length( Tx_data)
4(i) = a4*Tx_data(i - d4) ;
end
Tx_data = Tx_data + 1 + 2 + 3 + 4; % 4 multi-paths
Tx_signal_power = var(Tx_data);
for idx=1:length(SNR)%monte carlo 仿真模拟
linear_SNR = 10^( SNR(idx) /10) ;
noise_sigma = Tx_signal_power / linear_SNR;
noise_scale_factor = sqrt(noise_sigma) ;
noise = randn(1, length(Tx_data) )*noise_scale_factor;
Rx_Data = Tx_data + noise;
% --------------------------------------------- %
% 信号接收 %
% --------------------------------------------- %
Rx_Data_matrix = reshape(Rx_Data, IFFT_bin_length, 4 + symbols_per_carrier + 1) ;
Rx_spectrum = fft(Rx_Data_matrix) ;
% Suppose precise synchronazition between Tx and Rx
Rx_carriers = Rx_spectrum( carriers, : )';
Rx_training_symbols = Rx_carriers( (1: 4) , : ) ;
Rx_carriers = Rx_carriers((5: 55), : ) ;
% --------------------------------------------- %
% 信道估计 %
% --------------------------------------------- %
Rx_training_symbols = Rx_training_symbols./ training_symbols;
Rx_training_symbols_deno = Rx_training_symbols.^2;
Rx_training_symbols_deno = Rx_training_symbols_deno(1,+Rx_training_symbols_deno(2,+Rx_training_symbols_deno(3,+Rx_training_symbols_deno(4, ;
Rx_training_symbols_nume = Rx_training_symbols(1, : ) +Rx_training_symbols(2, : ) + Rx_training_symbols(3, : ) +Rx_training_symbols(4, : ) ;
Rx_training_symbols_nume = conj(Rx_training_symbols_nume) ;
% 取4个向量的导频符号是为了进行平均优化
% 都是针对 “行向量”即单个的OFDM符号 进行操作
% 原理：寻求1/H，对FFT之后的数据进行频域补偿
% 1/H = conj(H)/H^2 because H^2 = H * conj(H)
Rx_training_symbols = Rx_training_symbols_nume./Rx_training_symbols_deno;
Rx_training_symbols = Rx_training_symbols_nume./Rx_training_symbols_deno;
Rx_training_symbols_2 = cat(1, Rx_training_symbols,Rx_training_symbols) ;
Rx_training_symbols_4 = cat(1, Rx_training_symbols_2,Rx_training_symbols_2) ;
Rx_training_symbols_8 = cat(1, Rx_training_symbols_4,Rx_training_symbols_4) ;
Rx_training_symbols_16 = cat(1, Rx_training_symbols_8, Rx_training_symbols_8) ;
Rx_training_symbols_32 = cat(1, Rx_training_symbols_16, Rx_training_symbols_16) ;
Rx_training_symbols_48 = cat(1, Rx_training_symbols_32, Rx_training_symbols_16) ;
Rx_training_symbols_50 = cat(1, Rx_training_symbols_48, Rx_training_symbols_2) ;
Rx_training_symbols = cat(1, Rx_training_symbols_50,Rx_training_symbols) ;
Rx_carriers = Rx_training_symbols.*Rx_carriers; % 进行频域单抽头均衡
Rx_phase = angle(Rx_carriers)*(180/pi) ;
phase_negative = find(Rx_phase < 0) ;
%----------------------Test of Using "rem"---------------------------------
%Rx_phase1 = Rx_phase;
%Rx_phase2 = Rx_phase;
%Rx_phase1(phase_negative) = rem(Rx_phase1(phase_negative) + 360, 360) ;
%Rx_phase2(phase_negative) = Rx_phase2(phase_negative) + 360 ;
%if Rx_phase2(phase_negative) == Rx_phase1(phase_negative)
%fprintf('\n There is no need using rem in negative phase transition.\n')
%else
% fprintf('\n We need to use rem in negative phase transition.\n')
%end
%-------------------------------------------------------------------------
Rx_phase(phase_negative) = rem(Rx_phase(phase_negative) + 360, 360) ; % 把负的相位转化为正的相位
Rx_decoded_phase = diff(Rx_phase) ;
% 这也是为什么要在前面加上初始相位的原因
% “Here a row vector of zeros is between training symbols and data symbols!!!”
phase_negative = find(Rx_decoded_phase < 0) ;
Rx_decoded_phase(phase_negative)= rem(Rx_decoded_phase(phase_negative) + 360, 360) ; % 再次把负的相位转化为正的相位
% --------------------------------------------- %
% QDPSK解调 %
% --------------------------------------------- %
base_phase = 360 /2^bits_per_symbol;
delta_phase = base_phase /2;
Rx_decoded_symbols = zeros(size(Rx_decoded_phase,1),size(Rx_decoded_phase,2)) ;
for i = 1: (2^bits_per_symbol - 1)
center_phase = base_phase*i;
plus_delta = center_phase + delta_phase; % Decision threshold 1
minus_delta = center_phase - delta_phase; % Decision threshold 2
decoded = find((Rx_decoded_phase <= plus_delta)&(Rx_decoded_phase > minus_delta)) ;
Rx_decoded_symbols(decoded) = i;
end
% 仅仅对三个区域进行判决
% 剩下的区域就是零相位的空间了
% 这个区域在定义解调矩阵时已经定义为零
Rx_serial_symbols = reshape(Rx_decoded_symbols',1,size(Rx_decoded_symbols, 1)*size(Rx_decoded_symbols,2)) ;
for i = bits_per_symbol: -1: 1
if i ~= 1
Rx_binary_matrix(i, : ) = rem(Rx_serial_symbols, 2) ;
Rx_serial_symbols = floor(Rx_serial_symbols/2) ;
else
Rx_binary_matrix( i, : ) = Rx_serial_symbols;
end
end
% Integer to binary
baseband_in = reshape(Rx_binary_matrix, 1,size(Rx_binary_matrix, 1)*size(Rx_binary_matrix, 2) ) ;
% --------------------------------------------- %
% 误码率计算 %
% --------------------------------------------- %
%bit_errors(idx) = find(baseband_in ~= baseband_out) ;
% find的结果 其每个元素为满足逻辑条件的输入向量的标号，其向量长度也就是收发不一样的bit的个数
%bit_error_count(idx) = size(bit_errors, 2) ;
%total_bits = size( baseband_out, 2) ;
%bit_error_rate = bit_error_count/ total_bits;
%fprintf ( '%f \n',bit_error_rate) ;
[number_err(idx),BER(idx)] = biterr(baseband_out,baseband_in ) ;
end
semilogy(SNR,BER,'r*');
legend('OFDM BER-SNR');
xlabel('SNR (dB)'); ylabel('BER');
title('OFDM');
grid on;
% --------------------------------------------- %
% The END %
% --------------------------------------------- %
%
% 1. 该程序进行了简单的LMS信道估计，没有加入与MMSE等其他信道估计算法的比较；
%
%2. 仿真条件为系统处于理想同步情况下。