m基于16QAM的自适应波束形成matlab仿真

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
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
|
9月前
|
5G
基于IEEE 802.11a标准的物理层MATLAB仿真
基于IEEE 802.11a标准的物理层MATLAB仿真
481 0
|
9月前
|
算法
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
1124 30
|
9月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
9月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
770 0
|
9月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
1094 0
|
9月前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
287 0
|
9月前
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
286 0
|
9月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
394 8
|
9月前
|
机器学习/深度学习 编解码 算法
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
386 8
|
9月前
|
机器学习/深度学习 数据采集 测试技术
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
341 8

热门文章

最新文章