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
|
1天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
2天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
20小时前
|
算法
基于HASM模型的高精度建模matlab仿真
本课题使用HASM进行高精度建模,介绍HASM模型及其简化实现方法。HASM模型基于层次化与自适应统计思想,通过多层结构捕捉不同尺度特征,自适应调整参数,适用于大规模、高维度数据的分析与预测。MATLAB2022A版本运行测试,展示运行结果。
|
3天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
1天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
2天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
2天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
15 3
|
3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。
189 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
|
3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。
122 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
|
3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。
87 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