Entradas

PySDR: una guía para SDR y DSP usando Python by Dr. Marc Lichtman. Introducciòn.

Imagen
 Fuente: https://pysdr.org/content/intro.html     1. Introduction Propósito y público objetivo Primero y más importante, un par de términos importantes: Radio definida por software (SDR): Como concepto , se refiere al uso de software para realizar tareas de procesamiento de señales que tradicionalmente se realizaban mediante hardware, específico para aplicaciones de radio/RF. Este software se puede ejecutar en una computadora de uso general (CPU), FPGA o incluso GPU, y se puede usar para aplicaciones en tiempo real o procesamiento fuera de línea de señales grabadas. Términos análogos incluyen “radio software” y “procesamiento de señales digitales de RF”. Como cosa (p. ej., “un SDR”), normalmente se refiere a un dispositivo al que se puede conectar una antena y recibir señales de RF, y las muestras de RF digitalizadas se envían a una computadora para su procesamiento o grabación (p. ej., a través de USB, Ethernet , PCI). Muchos SDR también tienen capacidades de transmi

Introducciòn a la libreria Scikit-learn

Imagen
  1. Aprendizaje supervisado 1.1. Modelos lineales 1.2. Análisis discriminante lineal y cuadrático 1.3. Regresión de la cresta del núcleo 1.4. Máquinas de vectores de soporte 1.5. Descenso del gradiente estocástico 1.6. Vecinos más cercanos 1.7. Procesos gaussianos 1.8. Descomposición cruzada 1.9. Bayes ingenuo 1.10. Árboles de decisión 1.11. Conjuntos: aumento de gradiente, bosques aleatorios, embolsado, votación, apilamiento 1.12. Algoritmos multiclase y multisalida 1.13. Selección de características 1.14. Aprendizaje semisupervisado 1.15. regresión isotónica 1.16. Calibración de probabilidad 1.17. Modelos de redes neuronales (supervisados) 2. Aprendizaje no supervisado 2.1. Modelos de mezcla gaussiana 2.2. Aprendizaje múltiple 2.3. Agrupación 2.4. Biclusterización 2.5. Descomponer señales en componentes (problemas de factorización matricial) 2.6. Estimación de covarianza 2.7. Detección de novedades y valores atípicos 2.8. Estimación d