Python numpy:没有给出正确的负幂

我正在尝试用numpy转换一个matlab代码来计算误码率，一段代码给我带来了麻烦 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=arange（6,23,1）

方差的答案应该是0.063 bt，在python中它给出了0.01

---

plzz帮助

SNR是默认的数据类型

int32

。在Python2中，将

int

除以

int

会得到

int

（或引发

ZeroDivisionError

）。所以

SNR[ii]/10

给出了错误的结果：

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，请将

from __future__ import division

在python代码的开头（在导入语句之前），或者使用

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

通过此更改，最终结果是

0.06309573448

注意：在Python3中，

int

除以

int

将默认返回浮点值

---

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循环替换为对整个NumPy数组的操作。 您的代码将这样编写：

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])

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])