m基于MATLAB的通信系统仿真,包括信号源,载波信号,放大器,带宽滤波器,接收端包括放大器,带宽滤波器,载波解调,低通滤波器等

简介: m基于MATLAB的通信系统仿真,包括信号源,载波信号,放大器,带宽滤波器,接收端包括放大器,带宽滤波器,载波解调,低通滤波器等

1.算法概述
Interference : 200KHz

Signal source: 需要在给出的一个excel 文档里调用,我对应的信号是第二竖栏,就是从B1到B60

里面所有的filter(滤波器)都是自己来选值,但必须和图里要求的一样,band-pass filter 只能用带通滤波器,不可用其他代替。Low-pass filter(低通滤波器)是同样的道理。

Scaling factor为-20,

Noise为随机向量*0.3,

Interference为200khz。

这个部分主要分为放大器,带宽滤波器,载波解调,原始的信号。

2.仿真效果预览
matlab2022a仿真

1.png
2.png
3.png
4.png
5.png
6.png
7.png
8.png

3.MATLAB部分代码预览

%STEP1 发送端
%信号源
SINGNALS=xlsread('Signals.xls','Sheet1','B1:B600');
figure(1)
subplot(511),plot(SINGNALS),title('原始的信号');
 
%乘以载波
N = 20                       % Set the number of signal samples
Freq = 250000;                 % 250k
dt = 1/(N*Freq);               % Set the sample time
SimTime = 600/Freq;              % Set simulation time to 3 periods of the signal
t = dt:dt:SimTime;              % Create Time vector(from 0 upto SimTime)
Carrier= sin(2*pi*Freq*t);  
subplot(512),plot(Carrier),title('调制载波');
 
%信号采样化
for i = 1 : length(Carrier)-1
SINGNALS1(i) = SINGNALS(floor(i/20)+1);
end
SINGNALS1(length(Carrier)) = SINGNALS1(length(Carrier)-1);
 
SINGNALS2=SINGNALS1.*Carrier;
% SINGNALS2=SINGNALS1.*Carrier + SINGNALS1.*Carrier.*Carrier;
subplot(513),plot(SINGNALS2),title('信号调制信号');
 
%放大
SINGNALS3=15*SINGNALS2;
subplot(514),plot(SINGNALS3),title('模拟放大信号');
 
%带通滤波器
order = 4;
wn = [0.01 0.1];
[B,A]=butter(order,wn);
SINGNALS4 = filter(B,A,SINGNALS3);
subplot(515);plot(SINGNALS4),title('带通滤波后的信号');
 
 
 
%STEP2 信道
figure(2)
 
alpha = -20;                               % scaling factor
noise = 0.3*randn(1,length(SINGNALS4));    % Generate a random number
subplot(211);plot(noise);
 
N2 = N;                                    
Fre = 200000;                              % Set the frequency of the signal
dt2 = 1/(N2*Fre);                          % Set the sample time
SimTime2 = 600/Fre;                        % Set simulation time to 3 periods of the signal
t2 = dt2:dt2:SimTime2;                     % Create Time vector(from 0 upto SimTime
 
interference = sin(2*pi*Fre*t2);           % Determine the sinusoidal function for interference
output_sig   = SINGNALS4.* alpha;
 
SINGNALS5 = output_sig + noise + interference;
 
subplot(212);plot(SINGNALS5);
 
%STEP3 接收端
figure(3);
a2=6;
SINGNALS6 = a2*SINGNALS5;
order2 = 4;
wn2 = [0.01 0.1];
[B2,A2]=butter(order2,wn2);
SINGNALS7 = filter(B2,A2,SINGNALS6);
subplot(311);plot(SINGNALS7),title('接收端后的低通滤波信号');
SINGNALS8=-SINGNALS7.*Carrier;  
% SINGNALS8= SINGNALS7.*Carrier;
subplot(312);plot(SINGNALS8),title('解调信号');
wn1 = 0.1;
order1 = 10; % Filter Order
[C,D] = butter(order1,wn1,'low'); % create the fourth order butterworth filter
SINGNALS9 = filter(C,D,SINGNALS8);
subplot(313);plot(SINGNALS9),title('还原后的信号');
figure(4)
subplot(211);plot(SINGNALS);title('系统发送接收信号的对比');
subplot(212);plot(SINGNALS9);axis([0,length(Carrier),0,5000]);
01-29m
相关文章
|
6天前
|
机器学习/深度学习 算法 机器人
基于QLearning强化学习的较大规模栅格地图机器人路径规划matlab仿真
本项目基于MATLAB 2022a,通过强化学习算法实现机器人在栅格地图中的路径规划。仿真结果显示了机器人从初始位置到目标位置的行驶动作序列(如“下下下下右右...”),并生成了详细的路径图。智能体通过Q-Learning算法与环境交互,根据奖励信号优化行为策略,最终学会最优路径。核心程序实现了效用值排序、状态转换及动作选择,并输出机器人行驶的动作序列和路径可视化图。
138 85
|
5天前
|
算法 Serverless
基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
本项目基于魏格纳函数和焦散线方法,使用MATLAB 2022A模拟自加速光束。通过魏格纳函数法生成多种自加速光束,并设计相应方法,展示仿真结果。核心程序包括相位和幅度的计算、光场分布及拟合分析,实现对光束传播特性的精确控制。应用领域涵盖光学成像、光操控和光束聚焦等。 关键步骤: 1. 利用魏格纳函数计算光场分布。 2. 模拟并展示自加速光束的相位和幅度图像。 3. 通过拟合分析,验证光束加速特性。 该算法原理基于魏格纳函数描述光场分布,结合数值模拟技术,实现对光束形状和传播特性的精确控制。通过调整光束相位分布,可改变其传播特性,如聚焦或加速。
|
5天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
6天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
2天前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,对比BP,RBF,LSTM
本项目基于MATLAB2022A,利用CNN卷积神经网络对金融数据进行预测,并与BP、RBF和LSTM网络对比。核心程序通过处理历史价格数据,训练并测试各模型,展示预测结果及误差分析。CNN通过卷积层捕捉局部特征,BP网络学习非线性映射,RBF网络进行局部逼近,LSTM解决长序列预测中的梯度问题。实验结果表明各模型在金融数据预测中的表现差异。
|
6天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。
|
4天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
3天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
9天前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
9天前
|
算法
基于RRT优化算法的机械臂路径规划和避障matlab仿真
本课题基于RRT优化算法实现机械臂路径规划与避障。通过MATLAB2022a进行仿真,先利用RRT算法计算避障路径,再将路径平滑处理,并转换为机械臂的关节角度序列,确保机械臂在复杂环境中无碰撞移动。系统原理包括随机生成树结构探索空间、直线扩展与障碍物检测等步骤,最终实现高效路径规划。