AI 助理
备案控制台
开发者社区 人工智能 文章 正文

【信道估计】基于LS和MMSE算法导频信道估计（误差率对比）附Matlab代码

2023-07-09 883
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 【信道估计】基于LS和MMSE算法导频信道估计（误差率对比）附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

基于最小二乘（Least Squares, LS）和最小均方误差（Minimum Mean Square Error, MMSE）的导频信道估计是常用的信道估计方法之一，用于估计无线通信系统中的信道响应。下面将介绍LS和MMSE算法的基本原理和步骤。

  1. 最小二乘（LS）算法： a. 发送导频序列：在发送端，周期性地插入已知导频序列到待传输的数据序列中。 b. 接收导频序列：接收端接收到包含导频序列的信号，并进行采样和解调。 c. 估计信道响应：使用接收到的导频序列和已知导频序列进行相关运算，得到信道响应的估计值。 d. 插值和外推：对于非导频位置，可以通过插值或外推方法获得信道响应的估计值。
  2. 最小均方误差（MMSE）算法： a. 发送导频序列：同样在发送端周期性地插入已知导频序列到待传输的数据序列中。 b. 接收导频序列：接收端接收到包含导频序列的信号，并进行采样和解调。 c. 估计协方差矩阵：使用接收到的导频序列计算信道响应的协方差矩阵。 d. 计算MMSE估计：通过计算信道响应的协方差矩阵的逆矩阵与接收导频序列的乘积，得到信道响应的MMSE估计值。

LS算法是一种简单直接的信道估计方法，但在噪声较大或导频序列有限的情况下，其估计精度较低。而MMSE算法考虑了信道噪声的影响，可以提供更准确的信道估计结果。

需要注意的是，LS和MMSE算法都需要已知导频序列，因此在实际应用中，需要事先设计好导频序列并在发送端进行插入。此外，为了提高信道估计的准确性，可以采用多径信道模型、时频域插值等技术进行进一步优化。

⛄ 代码

%====================================================%  Cobayashi Laboratory , Mie University, Japan%%                   Last Modified by  tao,2001/05/17 %====================================================function out = f_GetPoints(M)BPSKTable = f_EnGray(2);BPSKTable1 = [1+0i -1+0i];QPSKTable = f_EnGray(4);QPSKTable1 = [1 -1i 1i -1];QAM8Table7 = f_EnGray(8);QAM8Table = [    ...      -1 + 1j*-1    ...      -3 + 1j*0     ...      -1 + 1j*1     ...       0 + 1j*3     ...       1 + 1j*-1    ...       0 + 1j*-3    ...       1 + 1j*1     ...       3 + 1j*0  ]* sqrt(4/11);QAM8Table0 = [    ...      3  + 1j   ...      1  + 1j    ...      -3 + 1j   ...      -1 + 1j   ...      3  + 1j*-1 ...      1  + 1j*-1 ...      -3 + 1j*-1   ...      -1 + 1j*-1];QAM8Table6 = [    ...      2          ...      2+2j       ...      -2+2j  ...      2j         ...      2+1j*-2 ...      1j*-2      ...      -2         ...      -2 + 1j*-2];QAM8Table5 = [    ...      3+1j*1      ...      1+1j*3      ...      -3+1j*1      ...      -1+1j*3      ...      3+1j*-1      ...      1+1j*-3      ...      -3+1j*-1      ...      -1+1j*-3 ];QAM8Table4 = [    ...      1+1j*1      ...      1+1j*-1      ...      -1+1j*1      ...      3+1j*-1      ...      -3+1j*1      ...      -1+1j*-3      ...      1+1j*3      ...      -1+1j*-1 ];QAM8Table3 = [    ...      3          ...      1+1j       ...      -1 + 1j  ...      3j         ...      1 + 1j*-1 ...      1j*-3      ...      -3         ...      -1 + 1j*-1];QAM8Table2 = [    ...      1          ...      0.5+1j*0.5       ...      -0.5 + 1j*0.5  ...      1j         ...      0.5 + 1j*-0.5 ...      1j*-1      ...      -1         ...      -0.5 + 1j*-0.5];QAM8Table1 = [    ...      1          ...      1+1j       ...      -1 + 1j  ...      1j         ...      1 + 1j*-1 ...      1j*-1      ...      -1         ...      -1 + 1j*-1];QAM16Table = f_EnGray(16);QAM16Table1 = [ ...      1  + 1j*1 ...      1  + 1j*3 ...      3  + 1j*1 ...      3  + 1j*3 ...      -1 + 1j*1 ...      -1 + 1j*3 ...      -3 + 1j*1 ...      -3 + 1j*3 ...      1 + 1j*-1 ...      1 + 1j*-3 ...      3  + 1j*-1 ...      3  + 1j*-3 ...      -1 + 1j*-1 ...      -1 + 1j*-3 ...      -3 + 1j*-1 ...      -3 + 1j*-3];QAM32Table2 = f_EnGray(32);QAM32Table = [   ...       1 + 1j*1  ...       3 + 1j*1  ...       3 + 1j*5  ...       5 + 1j*1  ...       1 + 1j*3  ...       3 + 1j*3  ...       1 + 1j*5  ...       5 + 1j*3  ...       1 + 1j*-1  ...       1 + 1j*-3  ...       5 + 1j*-3  ...       1 + 1j*-5  ...       3 + 1j*-1  ...       3 + 1j*-3  ...       5 + 1j*-1  ...       3 + 1j*-5  ...       -1 + 1j*1  ...       -1 + 1j*3  ...       -5 + 1j*3  ...       -1 + 1j*5  ...       -3 + 1j*1  ...       -3 + 1j*3  ...       -5 + 1j*1  ...       -3 + 1j*5  ...       -1 + 1j*-1  ...       -3 + 1j*-1  ...       -3 + 1j*-5  ...       -5 + 1j*-1  ...       -1 + 1j*-3  ...       -3 + 1j*-3  ...       -1 + 1j*-5  ...       -5 + 1j*-3  ...   ] * sqrt(1/10);QAM32Table1 = [   ...      -3 + 1j*5  ...      -5 + 1j*1  ...      1 + 1j*5  ...      5 + 1j*3  ...      3 + 1j*-5  ...      5 + 1j*-1  ...      -1 + 1j*-5  ...      -5 + 1j*-3  ...      1 + 1j*1  ...      -1 + 1j*5  ...      5 + 1j*1  ...      1 + 1j*-1  ...      -1 + 1j*-1  ...      1 + 1j*-5  ...      -5 + 1j*-1  ...      -1 + 1j*1  ...      -3 + 1j*-3  ...      -1 + 1j*-3  ...      -3 + 1j*1  ...      -3 + 1j*3  ...      3 + 1j*3  ...      1 + 1j*3  ...      3 + 1j*-1  ...      3 + 1j*-3  ...      5 + 1j*-3  ...      3 + 1j*1  ...      1 + 1j*-3  ...      -3 + 1j*-5  ...      -5 + 1j*3  ...      -3 + 1j*-1  ...      -1 + 1j*3  ...      3 + 1j*5  ...   ];QAM64Table = f_EnGray(64);QAM64Table1 = [ ...      1  + 1j*1 ...      1  + 1j*3 ...      3  + 1j*1 ...      3  + 1j*3 ...      7  + 1j*1 ...      5  + 1j*1 ...      7  + 1j*3 ...      5  + 1j*3 ...      1  + 1j*7 ...      3  + 1j*7 ...      1  + 1j*5 ...      3  + 1j*5 ...      7  + 1j*7 ...      5  + 1j*7 ...      7  + 1j*5 ...      5  + 1j*5 ...      1  + 1j*-1 ...      1  + 1j*-3 ...      3  + 1j*-1 ...      3  + 1j*-3 ...      7  + 1j*-1 ...      5  + 1j*-1 ...      7  + 1j*-3 ...      5  + 1j*-3 ...      1  + 1j*-7 ...      3  + 1j*-7 ...      1  + 1j*-5 ...      3  + 1j*-5 ...      7  + 1j*-7 ...      5  + 1j*-7 ...      7  + 1j*-5 ...      5  + 1j*-5 ...      -1+ 1j*1 ...      -1+ 1j*3 ...      -3+ 1j*1 ...      -3+ 1j*3 ...      -7+ 1j*1 ...      -5+ 1j*1 ...      -7+ 1j*3 ...      -5+ 1j*3 ...      -1+ 1j*7 ...      -3+ 1j*7 ...      -1+ 1j*5 ...      -3+ 1j*5 ...      -7+ 1j*7 ...      -5+ 1j*7 ...      -7+ 1j*5 ...      -5+ 1j*5 ...      -1+ 1j*-1 ...      -1+ 1j*-3 ...      -3+ 1j*-1 ...      -3+ 1j*-3 ...      -7+ 1j*-1 ...      -5+ 1j*-1 ...      -7+ 1j*-3 ...      -5+ 1j*-3 ...      -1+ 1j*-7 ...      -3+ 1j*-7 ...      -1+ 1j*-5 ...      -3+ 1j*-5 ...      -7+ 1j*-7 ...      -5+ 1j*-7 ...      -7+ 1j*-5 ...      -5+ 1j*-5];QAM128Table1 = f_EnGray(128);QAM128Table = [ ...      1 + 1j*1  ...      3 + 1j*1  ...      1 + 1j*3  ...      3 + 1j*3  ...      7 + 1j*1  ...      5 + 1j*1  ...      7 + 1j*3  ...      5 + 1j*3  ...      7 + 1j*9  ...      5 + 1j*9  ...      7 + 1j*11 ...      5 + 1j*11 ...      9 + 1j*1  ...      11 + 1j*1 ...      9 + 1j*3  ...      11 + 1j*3 ...      1 + 1j*7  ...      3 + 1j*7  ...      1 + 1j*5  ...      3 + 1j*5  ...      7 + 1j*7  ...      5 + 1j*7  ...      7 + 1j*5  ...      5 + 1j*5  ...      1 + 1j*9  ...      3 + 1j*9  ...      1 + 1j*11 ...      3 + 1j*11 ...      9 + 1j*7  ...      11 + 1j*7 ...      9 + 1j*5  ...      11 + 1j*5 ...      -1 + 1j*1  ...      -1 + 1j*3  ...      -3 + 1j*1  ...      -3 + 1j*3  ...      -1 + 1j*7  ...      -1 + 1j*5  ...      -3 + 1j*7  ...      -3 + 1j*5  ...      -9 + 1j*7  ...      -9 + 1j*5  ...      -11 + 1j*7 ...      -11 + 1j*5 ...      -1 + 1j*9  ...      -1 + 1j*11 ...      -3 + 1j*9  ...      -3 + 1j*11 ...      -7 + 1j*1  ...      -7 + 1j*3  ...      -5 + 1j*1  ...      -5 + 1j*3  ...      -7 + 1j*7  ...      -7 + 1j*5  ...      -5 + 1j*7  ...      -5 + 1j*5  ...      -9 + 1j*1  ...      -9 + 1j*3  ...      -11 + 1j*1 ...      -11 + 1j*3 ...      -7 + 1j*9  ...      -7 + 1j*11 ...      -5 + 1j*9  ...      -5 + 1j*11 ...      -1 + 1j*-1  ...      -3 + 1j*-1  ...      -1 + 1j*-3  ...      -3 + 1j*-3  ...      -7 + 1j*-1  ...      -5 + 1j*-1  ...      -7 + 1j*-3  ...      -5 + 1j*-3  ...      -7 + 1j*-9  ...      -5 + 1j*-9  ...      -7 + 1j*-11 ...      -5 + 1j*-11 ...      -9 + 1j*-1  ...      -11 + 1j*-1 ...      -9 + 1j*-3  ...      -11 + 1j*-3 ...      -1 + 1j*-7  ...      -3 + 1j*-7  ...      -1 + 1j*-5  ...      -3 + 1j*-5  ...      -7 + 1j*-7  ...      -5 + 1j*-7  ...      -7 + 1j*-5  ...      -5 + 1j*-5  ...      -1 + 1j*-9  ...      -3 + 1j*-9  ...      -1 + 1j*-11 ...      -3 + 1j*-11 ...      -9 + 1j*-7  ...      -11 + 1j*-7 ...      -9 + 1j*-5  ...      -11 + 1j*-5 ...      1 + 1j*-1  ...      1 + 1j*-3  ...      3 + 1j*-1  ...      3 + 1j*-3  ...      1 + 1j*-7  ...      1 + 1j*-5  ...      3 + 1j*-7  ...      3 + 1j*-5  ...      9 + 1j*-7  ...      9 + 1j*-5  ...      11 + 1j*-7 ...      11 + 1j*-5 ...      1 + 1j*-9  ...      1 + 1j*-11 ...      3 + 1j*-9  ...      3 + 1j*-11 ...      7 + 1j*-1  ...      7 + 1j*-3  ...      5 + 1j*-1  ...      5 + 1j*-3  ...      7 + 1j*-7  ...      7 + 1j*-5  ...      5 + 1j*-7  ...      5 + 1j*-5  ...      9 + 1j*-1  ...      9 + 1j*-3  ...      11 + 1j*-1 ...      11 + 1j*-3 ...      7 + 1j*-9  ...      7 + 1j*-11 ...      5 + 1j*-9  ...      5 + 1j*-11] * sqrt(1/41);QAM256Table = f_EnGray(256);switch M,case 0,   table = [0];case 2,   table = BPSKTable;case 4,   table = QPSKTable;case 8,   table = QAM8Table;case 16,  table = QAM16Table;case 32,  table = QAM32Table;case 64,  table = QAM64Table;case 128, table = QAM128Table;case 256, table = QAM256Table;otherwise, error('No such MQAM!');endout = table;

⛄ 运行结果

⛄ 参考文献

[1] 朱竞.基于导频的MB-LSF算法的OFDM系统信道估计研究[D].华东理工大学,2014.

[2] 王宏宇.快时变信道下OFDM系统频率同步与信道估计技术研究[D].西南交通大学,2014.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料

🍅 仿真咨询

1.卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长
文章标签：
计算机视觉
机器学习/深度学习
传感器
定位技术
数据安全/隐私保护
机器人
安全
算法
调度
开发者
关键词：
算法matlab
信道MATLAB
算法代码
MATLAB ls
ls MATLAB
Matlab科研工作室
目录
相关文章
我爱matlab
|
23天前
|
算法 5G 数据安全/隐私保护
大规模MIMO通信系统信道估计matlab性能仿真,对比LS,OMP,MOMP以及CoSaMP
本文介绍了大规模MIMO系统中的信道估计方法，包括最小二乘法（LS）、正交匹配追踪（OMP）、多正交匹配追踪（MOMP）和压缩感知算法CoSaMP。展示了MATLAB 2022a仿真的结果，验证了不同算法在信道估计中的表现。最小二乘法适用于非稀疏信道，而OMP、MOMP和CoSaMP更适合稀疏信道。MATLAB核心程序实现了这些算法并进行了性能对比。以下是部分
我爱matlab
170 84
可编程芯片开发
|
23天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形，并通过鱼群算法（FSA）优化浴盆曲线参数，以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为，实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
可编程芯片开发
43 20
我爱matlab
|
15天前
|
算法 5G 数据安全/隐私保护
SCM信道模型和SCME信道模型的matlab特性仿真,对比空间相关性,时间相关性,频率相关性
该简介展示了使用MATLAB 2022a进行无线通信信道仿真的结果，仿真表明信道的时间、频率和空间相关性随间隔增加而减弱，并且宏小区与微小区间的相关性相似。文中介绍了SCM和SCME模型，分别用于WCDMA和LTE/5G系统仿真，重点在于其空间、时间和频率相关性的建模。SCME模型在SCM的基础上进行了扩展，提供了更精细的参数化，增强了模型的真实性和复杂度。最后附上了MATLAB核心程序，用于计算不同天线间距下的空间互相关性。
我爱matlab
20 0
我爱matlab
|
17天前
|
算法 5G 数据安全/隐私保护
3D-MIMO信道模型的MATLAB模拟与仿真
该研究利用MATLAB 2022a进行了3D-MIMO技术的仿真，结果显示了不同场景下的LOS概率曲线。3D-MIMO作为5G关键技术之一，通过三维天线阵列增强了系统容量和覆盖范围。其信道模型涵盖UMa、UMi、RMa等场景，并分析了LOS/NLOS传播条件下的路径损耗、多径效应及空间相关性。仿真代码展示了三种典型场景下的LOS概率分布。
我爱matlab
44 1
软件算法开发
|
8天前
|
算法
基于ACO蚁群优化的UAV最优巡检路线规划算法matlab仿真
该程序基于蚁群优化算法（ACO）为无人机(UAV)规划最优巡检路线，将无人机视作“蚂蚁”，巡检点作为“食物源”，目标是最小化总距离、能耗或时间。使用MATLAB 2022a版本实现，通过迭代更新信息素浓度来优化路径。算法包括初始化信息素矩阵、蚂蚁移动与信息素更新，并在满足终止条件前不断迭代，最终输出最短路径及其长度。
软件算法开发
20 0
可编程芯片开发
|
11天前
|
机器学习/深度学习 算法
基于心电信号时空特征的QRS波检测算法matlab仿真
本课题旨在通过提取ECG信号的时空特征并应用QRS波检测算法识别心电信号中的峰值。使用MATLAB 2022a版本实现系统仿真，涵盖信号预处理、特征提取、特征选择、阈值设定及QRS波检测等关键步骤，以提高心脏疾病诊断准确性。预处理阶段采用滤波技术去除噪声，检测算法则结合了一阶导数和二阶导数计算确定QRS波峰值。
可编程芯片开发
24 0
简简单单做算法
|
11天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了一种结合粒子群优化（PSO）与分组卷积神经网络（GroupCNN）的时间序列预测算法。该算法通过PSO寻找最优网络结构和超参数，提高预测准确性与效率。软件基于MATLAB 2022a，提供完整代码及详细中文注释，并附带操作步骤视频。分组卷积有效降低了计算成本，而PSO则智能调整网络参数。此方法特别适用于金融市场预测和天气预报等场景。
简简单单做算法
27 0
软件算法开发
|
15天前
|
算法
基于极大似然算法的系统参数辨识matlab仿真
本程序基于极大似然算法实现系统参数辨识，对参数a1、b1、a2、b2进行估计，并计算估计误差及收敛曲线，对比不同信噪比下的误差表现。在MATLAB2022a版本中运行，展示了参数估计值及其误差曲线。极大似然估计方法通过最大化观测数据的似然函数来估计未知参数，适用于多种系统模型。
软件算法开发
29 0
软件算法开发
|
17天前
|
机器学习/深度学习 算法
基于小波神经网络的数据分类算法matlab仿真
该程序基于小波神经网络实现数据分类，输入为5个特征值，输出为“是”或“否”。使用MATLAB 2022a版本，50组数据训练，30组数据验证。通过小波函数捕捉数据局部特征，提高分类性能。训练误差和识别结果通过图表展示。
软件算法开发
29 0
BetterBench
|
1月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题，包括问题分析、数学模型建立和MATLAB代码实现，旨在优化养殖场的生产计划和空间利用效率。
BetterBench
116 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码

热门文章

最新文章

  • 1
    深度 ｜ 大数据算法应用的测试发展之路
  • 2
    《c程序设计》的算法归纳
  • 3
    javascript 一个关于时间排序的算法（一个页面多个倒计时排序）
  • 4
    前端代码是怎样智能生成的-布局算法篇
  • 5
    SAP Cloud for Customer客户主数据的重复检查-Levenshtein算法
  • 6
    数据结构：递增排列的数组 union all 算法 2.1
  • 7
    1.[数据结构和算法分析笔记]数组
  • 8
    单链表_JAVA描述《数据结构与算法分析》
  • 9
    即时通讯安全篇（十三）：信创必学，一文读懂什么是国密算法
  • 10
    ffmpeg中的sws_scale算法性能测试
  • 1
    基于深度学习网络的十二生肖图像分类matlab仿真
    59
  • 2
    m基于LDPC编译码的matlab误码率仿真,对比SP,MS,NMS以及OMS四种译码算法
    213
  • 3
    基于直方图的图像曝光量分析FPGA实现,包含tb测试文件和MATLAB辅助验证
    66
  • 4
    MATLAB热传导方程模型最小二乘法模型、线性规划对集成电路板炉温优化
    43
  • 5
    基于DCT变换的彩色图像双重水印嵌入和提取算法matlab仿真
    76
  • 6
    Matlab决策树、模糊C-均值聚类算法分析高校教师职称学历评分可视化
    52
  • 7
    基于直方图的图像阈值计算和分割算法FPGA实现,包含tb测试文件和MATLAB辅助验证
    68
  • 8
    m基于Yolov2深度学习网络的智能零售柜商品识别系统matlab仿真,带GUI界面
    81
  • 9
    MATLAB改进模糊C均值聚类FCM在电子商务信用评价应用：分析淘宝网店铺数据|数据分享
    48
  • 10
    MATLAB模糊C均值聚类FCM改进的推荐系统协同过滤算法分析MovieLens电影数据集
    83

    • 相关课程

    更多
  • 智能运维赛（复赛）：利用数据和算法，快速定位系统异常并进行根因分析
  • 智能创作赛（复赛）：相册应用中的视频故事生成算法介绍
  • 智能创作赛（初赛）：相册应用中的故事生成算法介绍
  • 相册服务中的故事生成算法介绍
  • Go语言核心编程 - 数据结构和算法
  • 神经网络概览及算法详解

    • 相关电子书

    更多
  • 数据+算法定义新世界
  • 袋鼠云基于实时计算的反黄牛算法
  • Alink：基于Apache Flink的算法平台

    • 相关实验场景

    更多
  • 使用Swing算法实现商品推荐
  • RSA密码算法设计与实现
  • 欧拉图的构造性证明与算法实现
  • 推荐系统入门之使用ALS算法实现打分预测
    • 下一篇
    使用OSS上传下载文件