这是2020年版最新无线电规则， 总共有4卷， 这个是第1卷。 第1卷是条款内容， 包含有术语， 频率，频率指配和干扰等共有59条款， 具体条款及内容请参照本无线电规则-第1卷。

这是2020年版最新无线电规则， 总共有4卷， 这个是第1卷及Word格式。 第1卷是条款内容， 包含有术语， 频率，频率指配和干扰等共有59条款， 具体条款及内容请参照本无线电规则-第1卷。

这是2020年版最新无线电规则， 总共有4卷， 这个是第2卷及英文Word格式。 第2卷是附录内容， 包含有发射类别和必要带宽、发射机频率容限一览表、有害干扰的报告等共有24个附录， 具体条款及内容请参照本无线电规则-第2卷。

完整英文电子版 Radio Regulations（RR）：2020 Volume 3 - Resolutions and Recommendations（无线电规则：2020 第3卷 - 决议和建议）。这是2020年版最新无线电规则， 总共有4卷， 这个是第3卷及英文Word格式。 第3卷是决议和建议内容， 包含有频率指配的通知，关于国内无线电频率管理的发展情况等180个决议和电台的自动识别、频段划分的原则、认知无线电系统的部署和使用等24个建议， 具体条款及内容请参照本无线电规则-第3卷。

包含1~4卷是： 1，Radio Regulations（RR）：2020 Volume 1 - Articles(无线电规则 第1卷-条款） - 完整英文电子Word版（440页） 2，Radio Regulations：2020 Volume 2 - Appendices(无线电规则 第2卷 - 附录 ）- 完整英文电子Word版（737页） 3，Radio Regulations（无线电规则）：2020 第3卷 - 决议和建议 - 完整英文电子Word版（703页） 4，无线电规则：2020 第4卷 - 引证归并的ITU-R建议书 - 完整英文电子Word版本.zip

软件无线电，Simulink 文档类型：电子书 页数：674 2015年新书

radio chung 是一个收听在线电台网址的桌面应用程序，带有插件 plugin2 plugin3 plugin4 plugin5 plugin6 dsp 效果支持兼容 midipiano_chung freemp3_chung dsp_chung（与 baxandall_chung 和共振 _chung 和decay_chung 一起提供）它使用bass dll 和gui_chung 并用easy快速编译的 freebasic . 还可以播放音频（ * ,mp3,ogg,wav,...）文件 - 通用路径 * 或单个文件。

PyBOMBS PyBOMBS擅长从源代码构建GNU Radio，UHD和各种Out of Tree（OOT）模块，然后将其安装到指定的用户目录中，而不是系统文件中。 PyBOMBS会检测用户的操作系统，并在构建的第一阶段加载所有先决条件。 对于那些打算直接进入的人，以下命令应将PyBOMBS和GNU Radio版本3.8（从源代码）安装到名为〜/ prefix-3.8的目录中，并已验证可在全新的Ubuntu 18和20下安装。 sudo apt-get install python3-pip sudo pip3 install pybombs pybombs auto-config pybombs recipes add-defaults pybombs prefix init ~/prefix-3.8 -R gnuradio-default source ~/prefix-3.8

LimeSDR公司荣誉出品-开源SDR集成软件”PothosSDR”-内置“gqrx”(包括windows版本)，GNU radio以及CubicSDR。

软件定义无线电matlab源代码使用深度学习架构的无线电调制分类 添加一名作者 该笔记本包含我在 2020/2021 学年的代码。 抽象的 学士学位论文的重点是使用深度学习方法进行无线电调制分类。 论文中提出了四种深度学习架构。 其中三个使用卷积和循环神经网络，第四个使用变压器架构。 在设计阶段考虑了每个模型的最终参数数量，因为它会对部署模型的内存占用产生很大影响。 这些架构是用 Keras 编写的，这是一个软件库，为神经网络提供 Python 接口。网络。 此外，还将这些架构的结果与有关该主题的其他研究论文的结果进行了比较。 代码结构如下： 导入- 导入所需的库 定义的函数-定义函数以便以后更容易地处理数据 访问数据集- 如果您愿意，您可以跳过这一部分并在其他地方下载数据集 加载数据- 加载数据并将它们划分为训练、验证和测试集 深度学习部分- 包含准备进行训练和评估的架构 加载训练模型- 您可以选择下载 CGDNN 模型并查看它在相应数据集上的表现 层可视化- 为可视化卷积层和循环层的激活图而编写的一部分代码 绘图- 您可以在这部分绘制混淆矩阵 这段代码在 Google Colab