Question

我试图在numpy中转换一个matlab代码来计算误码率一段代码对我来说有问题这是我想转换的matlab代码

SNR=6:22;
display(SNR)
display(length(SNR))
BER=zeros(1,length(SNR));

display(BER)
display(length(BER))
Es=10;


for ii=1:length(SNR)
   variance=Es*10^(-SNR(ii)/10);
   std_dev=sqrt(variance/2);
   noise=(randn(1,length(S))+sqrt(-1)*randn(1,length(S)))*std_dev;
   S_noisy=S+noise;


end
display(variance)

python代码 SNR =人气指数（6,23,1）

BER=zeros(len(SNR))  
print(BER)
Es=10


for ii in arange(0,len(SNR)):

   variance=Es*10**(-SNR[ii]/10)
   std_dev=cmath.sqrt(variance/2)
   noise=(np.random.randn(len(S))+cmath.sqrt(-1)*np.random.randn(len(S))) *std_dev
   S_noisy=S+noise

  print(variance)

方差的答案应该是0.063 bt在python中它给出0.01 plzz帮助

Answer 1

SNR是dtype int32的默认值。将int除以int会在Python2中为您提供int（或引发ZeroDivisionError）。所以

SNR[ii]/10

给你错误的结果：

In [15]: SNR
Out[15]: array([ 6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22])

In [16]: SNR/10
Out[16]: array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2])

要修复，要么放

from __future__ import division

在python代码的开头（在import语句之前），或者使用

variance = Es*10**(-SNR[ii]/10.0)

通过此更改，最终结果为0.063095734448。

注意：在Python3中，int除以int将默认返回浮点数。

为了在使用NumPy时获得更好的性能，您可能希望在可能的情况下将Python循环替换为整个NumPy阵列上的操作。您的代码将按如下方式编写：

import numpy as np
SNR = np.arange(6, 23)
BER = np.zeros(len(SNR))
print(BER)
Es = 10

variance = Es * 10 ** (-SNR / 10.0)
std_dev = np.sqrt(variance / 2)
noise = (np.random.randn(len(SNR)) + 1j * np.random.randn(len(SNR))) * std_dev
S_noisy = SNR + noise
print(variance[-1])

numpy：没有正确的否定权力

1 个答案: