tf.double)
temp_Y = [[0] * symbol_num for i in range(4)] # 임시 심볼 값을 담을 4xn 배열
# Matrix = [[0]*5 for i in range(7)] 열 행
# 인덱스로 접근해서 값 변경
for count in range(Count_Total):
print(count)
symbol = sym.Gensymbol(QAM, symbol_num) # 초기 심볼
data_s = de.Demode(QAM, symbol) # 초기 심볼 위치 rsc err count
for snr in range(SNR):
symbol_y = sym.Addnoise(snr, symbol) # 초기 심볼 + 노이즈
# 초기화 부분
position = np.zeros(symbol_num, int) # 심볼의 사분면 위치를 담을 배열
rsc_TakeCenter = [[0] * 4 for i in range(3)]
# 계산을 위해 담음
symbol_y = np.array(symbol_y) # real imag 배열을 나누기 위해 array로 담음
# symbol_real = tf.constant(symbol_y.real)
# symbol_imag = tf.constant(symbol_y.imag)
start = timeit.default_timer()
with tf.device('/GPU:0'):
temp_real = tf.pow(tf.subtract(symbol_y.real, init_center_real), 2)
temp_imag = tf.pow(tf.subtract(symbol_y.imag, init_center_imag), 2)
dist_temp = tf.sqrt(tf.add(temp_real, temp_imag))
dist = dist_temp.numpy()
for count in range(Count_Total):
print(count)
symbol = sym.Gensymbol(QAM, symbol_num) # 초기 심볼 생성
data_s = de.Demode(QAM, symbol) # 초기 심볼 위치
ch = sym.Gen_ch() # 채널 생성
symbol = sym.MultyCh(symbol, ch) # 채널 입력
for snr in range(SNR):
if QAM == 4 or QAM == 16:
tap = snr
else:
tab = snr * 2
symbol_y = sym.Addnoise(tab, symbol) # 초기 심볼 + 노이즈
# 초기화 부분
if QAM == 4:
center, temp_Y = kc.Kmeans(Cluster, symbol_y, QAM, ch)
est_ch, mse = est.Est_Ch(center, ch)
else:
center, temp_Y = kc.Kmeans_16QAM(Cluster, symbol_y, QAM, ch)
hk_center = kc.Ch_Est_Center(center, QAM)
est_ch, mse = est.Est_Ch(hk_center, ch)
# print(snr)
# print(ch)
# print(est_ch)
# print("------")
symbol_r = sym.DividCh(symbol_y, est_ch)
