m基于16QAM的自适应波束形成matlab仿真

简介: m基于16QAM的自适应波束形成matlab仿真

1.算法描述

   16QAM全称正交幅度调制是英文Quadrature Amplitude Modulation的缩略语简称,意思是正交幅度调制,是一种数字调制方式。产生的方法有正交调幅法和复合相移法。

波束形成是阵列信号处理中非常重要的任务,基本处理过程为:

1.采用空间分布的传感器阵列采集场数据

2.对所采集的阵列数据进行线性加权组合处理得到一个标量波束输出。

自适应阵列天线具有抗干扰的作用,他的基本原理是利用算法,在保证信号大增益接收的前提下,自适应的使天线的方向图零陷对准干扰方向,从而抑制干扰或者降低干扰信号的强度,使有用接收信号的增益最大,干扰的增益最小。自适应波束形成通过不同的准则确定自适应加权,主要准则有:1.MSE(最小均方误差)2.SNR(最大信噪比)3.LH(最大似然比)

这些准则都是采用一定的算法,调整波束方向图,从而实现自适应控制。

    QAM调制中,数据信号由相互正交的两个载波的幅度变化表示。QAM是一种矢量调制,将输入比特先映射(一般采用格雷码)到一个复平面(星座)上,形成复数调制符号,然后将该符号的I、Q分量(即该复数的实部和虚部)采用幅度调制,分别对应调制在相互正交(时域正交)的两个载波coswt和sinwt上。

   正交振幅调制可以表示为:

1.png

      

   式中:两个相互正交的载波分量中,每个载波被一组离散的振幅{Am}、{Bm}所调制,故称这种方式为正交振幅调制;Ts是码元宽度,m=1、2、...、M,M为Am和Bm的电平数。振幅Am和Bm可以表示成:

2.png

                                                                             式中:A是固定振幅,dm、em由输入信号确定。dm、em决定已调QAM信号在星座图中的坐标点。QAM是幅度、相位联合调制的技术,它同时利用载波的幅度和相位来传递信息比特,因此在最小距离相同的条件下可实现更高的频带利用率。
    根据802.11a规定,16QAM编码表如表4-14所示。经过表4-14映射后得到的I/Q数据再乘上1/sqrt(10)进行归一化,即得到调制后的I/Q值。I/Q数据分别进行A/D变换,得到两路模拟电平信号,用于和coswt、-sinwt相乘,从而实现调制。
        

3.png

2.仿真效果预览
matlab2022a仿真如下:

4.png
5.png
6.png

3.MATLAB核心程序

    N0          = 1/(10^(SNR/10));
    delta2      = N0;
    deltab      = 0.5;
    error_count = 0;
    bit_count   = 0;
    index       = 0;
    ERR_NUM     = [];
    tmps        = 0;
    while error_count < 1000
        index = index+1;
        for kk=1:nTx
            bits(kk,:)    = round(rand(1,frame_length));
            symbols(kk,:) = qammod(bits(kk,:),16);
        end
        %transmit signal
        s        = symbols; 
        u        = reshape(s,nTx,nRx,length(s)/nRx);
        %Channel
        h        = 1/sqrt(2)*[randn(nRx,nTx,length(s)/nRx) + j*randn(nRx,nTx,length(s)/nRx)];
        for ij = 1:nTx
            p(:,ij,:) = h(:,ij,:).*exp(j*alpha(ij)*pi/180);
        end
        %mmse beamforming
        LMS = zeros(1,length(s)/nRx);
        for i=1:length(s)/nRx
            for ii = 1:length(SIR)
                u2(:,ii) = u(:,ii,i)*10^(SIR(ii)/20); 
            end
            
            XN(:,:,i)   = awgn(u2,SNR,'measured');
            %定义接收信号
            w(:,:,i)    = inv(p(:,:,i)*p(:,:,i)'+2*delta2/deltab*eye(nRx))*p(:,1,i);
            WK          = w(:,:,i)'*p(:,:,i); 
            WK2         = WK/max(abs(WK));
            yhat(:,:,i) = WK2*XN(:,:,i);
            R1          = real(yhat(:,:,i));
            I1          = imag(yhat(:,:,i));
            s_hat(:,:,i)= qamdemod(R1+sqrt(-1)*I1,16);
        end
        s_hat1               = squeeze(s_hat);
        recovered_bits       = reshape(s_hat1,1,length(s));
        ERR_NUM              = sum(recovered_bits ~= bits(1,:));
        if index <= 50
           tmps     = tmps + ERR_NUM; 
        else
           if ERR_NUM/(tmps/50) < 10
              SNR
              error_count
              error_count    = error_count + ERR_NUM;
              bit_count      = bit_count + frame_length;
           end
        end
    end
    %Calculate the BER
    BER  = error_count/bit_count;
    Bers = [Bers,BER];
end
01_104m
相关文章
|
2天前
|
算法
基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面
本程序基于小波变换和峰值搜索技术,实现光谱检测的MATLAB仿真,带有GUI界面。它能够对CO2、SO2、CO和CH4四种成分的比例进行分析和提取。程序在MATLAB 2022A版本下运行,通过小波分解、特征提取和峰值检测等步骤,有效识别光谱中的关键特征点。核心代码展示了光谱数据的处理流程,包括绘制原始光谱、导数光谱及标注峰值位置,并保存结果。该方法结合了小波变换的时频分析能力和峰值检测的敏锐性,适用于复杂信号的非平稳特性分析。
|
1天前
|
传感器 算法
基于GA遗传算法的多机无源定位系统GDOP优化matlab仿真
本项目基于遗传算法(GA)优化多机无源定位系统的GDOP,使用MATLAB2022A进行仿真。通过遗传算法的选择、交叉和变异操作,迭代优化传感器配置,最小化GDOP值,提高定位精度。仿真输出包括GDOP优化结果、遗传算法收敛曲线及三维空间坐标点分布图。核心程序实现了染色体编码、适应度评估、遗传操作等关键步骤,最终展示优化后的传感器布局及其性能。
|
1天前
|
监控 算法 数据安全/隐私保护
基于扩频解扩+turbo译码的QPSK图传通信系统matlab误码率仿真,扩频参数可设置
本项目基于MATLAB 2022a实现图像传输通信系统的仿真,涵盖QPSK调制解调、扩频技术和Turbo译码。系统适用于无人机图像传输等高要求场景,确保图像质量和传输稳定性。通过仿真,验证了系统在不同信噪比下的性能,展示了图像的接收与恢复效果。核心代码实现了二进制数据到RGB图像的转换与显示,并保存不同条件下的结果。
16 6
|
6月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
272 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
6月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
162 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
6月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
138 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
9月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
9月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
9月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)

热门文章

最新文章