CDMA向量内积的计算[通俗易懂]

CDMA向量内积的计算[通俗易懂]CDMA向量内积的计算在平面坐标上,有A点和B点,A点坐标是(x1,y1),B点坐标是(x2,y2)。![图1](https://img-blog.csdnimg.cn/20200303134826109.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNz…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

CDMA向量内积的计算

在平面坐标上,有A点和B点,A点坐标是 ( x 1 , y 1 ) (x_{1}, y_{1}) (x1,y1),B点坐标是 ( x 2 , y 2 ) (x_{2}, y_{2}) (x2,y2)

Alt


图2


A B → = ( x 2 − x 1 , y 2 − y 1 ) \overrightarrow{AB}=(x_{2}-x_{1},y_{2}-y_{1}) AB
=
(x2x1,y2y1)

  那么 A B → \overrightarrow{AB} AB
向量的模是
   ∣ A B ∣ = ( x 2 − x 1 ) 2 + ( y 2 − y 1 ) 2 \left|AB\right|=\sqrt{(x_{2}-x_{1})^2+(y_{2}-y_{1})^2} AB=(x2x1)2+(y2y1)2

即是线段AB的长度。
  若A点在原点,即 x 1 = 0 x_{1}=0 x1=0 y 1 = 0 y_{1}=0 y1=0,则 A B → = ( x 2 , y 2 ) \overrightarrow{AB}=(x_{2},y_{2}) AB
=
(x2,y2)
,如图2所示。
CDMA向量内积的计算[通俗易懂]


图2

三维空间的向量就是在三维空间的两个点之间的带有方向和大小的量。在三维空间中有A和B点两,A点坐标是 ( x 1 , y 1 , z 1 ) (x_{1}, y_{1},z_{1}) (x1,y1,z1),B点坐标是 ( x 2 , y 2 , z 2 ) (x_{2}, y_{2},z_{2}) (x2,y2,z2)。则
A B → = ( x 2 − x 1 , y 2 − y 1 , z 2 − z 1 ) \overrightarrow{AB}=(x_{2}-x_{1},y_{2}-y_{1},z_{2}-z_{1}) AB
=
(x2x1,y2y1,z2z1)

其他同理。
  如图3所示,在二维平面上有两个向量 a ⃗ = ( a 1 , a 2 ) \vec{a}=(a_{1},a_{2})
=
(a1,a2)
b ⃗ = ( b 1 , b 2 ) \vec{b}=(b_{1},b_{2}) b
=
(b1,b2)
,则内积 a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ cos ⁡ θ ( 1 ) \vec{a} \cdot \vec{b}=\left|\vec{a}\right|\left| \displaystyle\vec{b}\right|\cos\theta\qquad\qquad\qquad\qquad\qquad(1)
b
=

b
cosθ(1)

CDMA向量内积的计算[通俗易懂]


图3

a ⃗ \vec{a}
b ⃗ \vec{b} b
垂直,则 cos ⁡ θ = 1 \cos\theta=1 cosθ=1
a ⃗ ⋅ b ⃗ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ cos ⁡ θ = ∣ a ⃗ ∣ ∣ b ⃗ ∣ ( 2 ) \displaystyle\vec{a} \cdot \vec{b}=\left|\vec{a}\right|\left|\vec{b}\right|\cos\theta=\left|\vec{a}\right|\left|\vec{b}\right|\qquad\qquad\quad(2)
b
=

b
cosθ=

b
(2)

由(1)式可得
a ⃗ ⋅ b ⃗ = a 1 b 1 + a 2 b 2 ( 3 ) \vec{a} \cdot \vec{b}=a_{1}b_{1}+a_{2}b_{2}\qquad\qquad\qquad\qquad\qquad(3)
b
=
a1b1+a2b2(3)

例1

如图4所示,图中有两个向量 a ⃗ \vec{a}
b ⃗ \vec{b} b
,A,B,C三点的坐标分别为A(1,2),B(2,4),C(3,1)。则
a ⃗ = ( a 1 , a 2 ) = ( 2 − 1 , 4 − 2 ) = ( 1 , 2 ) \vec{a}=(a_{1},a_{2})=(2-1,4-2)=(1,2)
=
(a1,a2)=(21,42)=(1,2)

b ⃗ = ( b 1 , b 2 ) = ( 3 − 1 , 1 − 2 ) = ( 2 , − 1 ) \vec{b}=(b_{1},b_{2})=(3-1,1-2)=(2,-1) b
=
(b1,b2)=(31,12)=(2,1)

所以
a ⃗ ⋅ b ⃗ = a 1 b 1 + a 2 b 2 = ( 1 × 2 + 2 × ( − 1 ) ) = 0 \vec{a} \cdot \vec{b}=a_{1}b_{1}+a_{2}b_{2}=(1×2+2×(-1))=0
b
=
a1b1+a2b2=(1×2+2×(1))=0

因此,向量 a ⃗ \vec{a} a
b ⃗ \vec{b} b
正交,且两向量垂直。
规格化内积
a ⃗ ⋅ b ⃗ = 1 2 ( a 1 b 1 + a 2 b 2 ) \vec{a} \cdot \vec{b}=\frac12(a_{1}b_{1}+a_{2}b_{2})
b
=
21(a1b1+a2b2)

而规格化内积
a ⃗ ⋅ a ⃗ = 1 2 ( a 1 a 1 + a 2 a 2 ) = 1 2 ( 1 × 1 + 2 × 2 ) = 2.5 ≠ 1 \vec{a} \cdot \vec{a}=\frac12(a_{1}a_{1}+a_{2}a_{2})=\frac12(1×1+2×2)=2.5≠1
a
=
21(a1a1+a2a2)=21(1×1+2×2)=2.5=1

假设码片向量是2维的,这个2维的向量是不能作为发送站的码片向量的。
CDMA向量内积的计算[通俗易懂]


图4

当两个m维向量有两个向量 a ⃗ = ( a 1 , a 2 , ⋯ a m ) \vec{a}=(a_{1},a_{2},{\cdots}a_{m})
=
(a1,a2,am)
b ⃗ = ( b 1 , b 2 , ⋯ b m ) \vec{b}=(b_{1},b_{2},{\cdots}b_{m}) b
=
(b1,b2,bm)
,则规格化内积为
a ⃗ ⋅ b ⃗ = 1 m ∑ i = 0 m a i b i = 1 m ( a 1 b 1 + a 2 b 2 + ⋯ + a m b m ) ( 4 ) \vec{a} \cdot \vec{b}=\frac1m\displaystyle \sum^{m}_{i=0}{a_{i}b_{i}}=\frac1m(a_{1}b_{1}+a_{2}b_{2}+\cdots+a_{m}b_{m})\qquad\qquad\qquad(4)
b
=
m1i=0maibi=m1(a1b1+a2b2++ambm)(4)

例2在这里插入图片描述

S站的码片序列S是(-1 -1 -1 +1 +1 -1 +1 +1)
T站的码片序列T是(-1 -1 +1 -1 +1 +1 +1 -1)
当数据码元比特为1时,发送信号 S x + T x S_{x}+T_{x} Sx+Tx是(-2 -2 0 0 2 0 2 0)
因为 S → ⋅ ( S x → + T x → ) = S → ⋅ S x → + S → ⋅ T x → \overrightarrow{S}\cdot (\overrightarrow{S_{x}}+\overrightarrow{T_{x}})=\overrightarrow{S}\cdot \overrightarrow{S_{x}}+\overrightarrow{S}\cdot \overrightarrow{T_{x}} S
(Sx
+
Tx
)=
S
Sx
+
S
Tx

且规格化内积
S → ⋅ S x → = 1 8 [ ( − 1 ) × ( − 1 ) + ( − 1 ) × ( − 1 ) + ( − 1 ) × ( − 1 ) + ( + 1 ) × ( + 1 ) + ( + 1 ) × ( + 1 ) + ( − 1 ) × ( − 1 ) + ( + 1 ) × ( + 1 ) + ( + 1 ) × ( + 1 ) ] = 1 \overrightarrow{S}\cdot \overrightarrow{S_{x}}=\frac{1}{8}[(-1)×(-1)+(-1)×(-1)+(-1)×(-1)+(+1)×(+1)+ (+1)×(+1)+(-1)×(-1)+(+1)×(+1)+(+1)×(+1)]=1 S
Sx
=
81[(1)×(1)+(1)×(1)+(1)×(1)+(+1)×(+1)+(+1)×(+1)+(1)×(1)+(+1)×(+1)+(+1)×(+1)]=1

规格化内积
S → ⋅ T x → = 1 8 [ ( − 1 ) × ( − 1 ) + ( − 1 ) × ( − 1 ) + ( − 1 ) × ( + 1 ) + ( + 1 ) × ( − 1 ) + ( + 1 ) × ( + 1 ) + ( − 1 ) × ( + 1 ) + ( + 1 ) × ( + 1 ) + ( + 1 ) × ( − 1 ) ] = 0 \overrightarrow{S}\cdot \overrightarrow{T_{x}}=\frac{1}{8}[(-1)×(-1)+(-1)×(-1)+(-1)×(+1)+(+1)×(-1)+(+1)×(+1)+(-1)×(+1)+(+1)×(+1)+(+1)×(-1)]=0 S
Tx
=
81[(1)×(1)+(1)×(1)+(1)×(+1)+(+1)×(1)+(+1)×(+1)+(1)×(+1)+(+1)×(+1)+(+1)×(1)]=0

所以
S → ⋅ ( S x → + T x → ) = S → ⋅ S x → + S → ⋅ T x → = 1 + 0 = 1 \overrightarrow{S}\cdot (\overrightarrow{S_{x}}+\overrightarrow{T_{x}})=\overrightarrow{S}\cdot \overrightarrow{S_{x}}+\overrightarrow{S}\cdot \overrightarrow{T_{x}}=1+0=1 S
(Sx
+
Tx
)=
S
Sx
+
S
Tx
=
1+0=1

所以S站发出的数据码元为1。
若计算的结果为-1,则说明S站发出的数据码元为0,若计算结果为0,则说明S站没有发送数据。

例3

在这里插入图片描述

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/189728.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号