1.算法仿真效果
matlab2022a仿真结果如下：
统计同步
BTDT
CZT
ZOOM-FFT
频谱细化法
2.算法涉及理论知识概要
基带信号的软同步接收系统是通信系统中非常重要的一部分。在多种通信系统中，如无线通信、光纤通信等，接收到的信号一般都是基带信号。为了有效地处理这些信号，需要对其进行同步接收。这里的“同步”指的是将接收到的信号与发送端的信号在时间上对齐。在多种基带信号同步接收技术中，以下五种方法较为常见：统计同步、BTDT、CZT、ZOOM-FFT以及频谱细化法。下面我们来详细介绍这些方法的原理和数学公式。
统计同步：这种方法是基于信号统计特性的同步算法。其基本原理是：在接收到的信号序列中，通过寻找最有可能的抽样点位置来实现信号同步。具体来说，假设接收到的信号为y(t)，先对其进行滑动窗口处理（窗口长度为N），得到一系列的子序列y(n), n=tN。接着对每个子序列进行能量计算，得到En=Σ|y(n)|²。选择具有最大能量的子序列作为同步点，即选取t0使得Emax=maxEn。用t0乘以N，即可得到信号同步点的时间。
BTDT：BTDT（基于时域的自适应阈值）是一种在时域上对信号进行同步跟踪的方法。其基本原理是：通过对接收到的信号进行自适应阈值处理，得到一个时域的门限，然后利用这个门限对信号进行二值化，进而找到信号的同步点。具体来说，假设接收到的信号为y(t)，首先计算其能量E=Σ|y(t)|²，然后根据阈值公式T=αE计算阈值（其中α为常数）。接着对信号进行二值化处理，即当|y(t)|²>T时，令y(t)=1；当|y(t)|²<T时，令y(t)=0。最后通过滑动窗口（窗口长度为N）找到连续为1的子序列，该子序列的起点即为信号的同步点。
CZT：CZT（基于变换域的自适应阈值）是一种在变换域上对信号进行同步跟踪的方法。其基本原理是：通过对接收到的信号进行快速傅里叶变换（FFT），将其从时域转换到频域，然后在频域上对信号进行阈值处理，进而找到信号的同步点。具体来说，假设接收到的信号为y(t)，首先对其进行FFT处理，得到频域表示Y(f)。接着根据阈值公式T=αE(f)计算每个频率分量的阈值（其中α为常数，E(f)为每个频率分量的能量）。对每个频率分量进行二值化处理，即当|Y(f)|²>T时，令Y(f)=1；当|Y(f)|²<T时，令Y(f)=0。最后将所有频率分量的二值化结果进行逆FFT处理，得到时域上的二值化信号。通过滑动窗口找到连续为1的子序列，该子序列的起点即为信号的同步点。
ZOOM-FFT：ZOOM-FFT（变步长快速傅里叶变换）是一种加速FFT运算的方法。其基本原理是：通过对FFT运算进行变步长优化，使得在频率较高或较低的部分使用较小的窗口大小（即步长），而在频率适中的部分使用较大的窗口大小，以此来提高FFT运算的速度和精度。具体来说，假设接收到的信号为y(t)，首先对其进行分段处理，将整个信号分成若干段（每段长度为N），然后在每段上分别进行FFT运算。对于频率较低的部分（即前几段），使用较小的窗口大小（即步长），对于频率较高的部分（即后几段），使用较大的窗口大小。通过这种方式，可以在保证精度的同时提高运算速度。
频谱细化法：频谱细化法是一种通过对接收到的信号进行多次频谱分析，找到最接近真实频率的谱峰位置来实现信号同步的方法。其基本原理是：假设接收到的信号为y(t)，先对其进行傅里叶变换得到频谱Y(f)，然后在一定频率范围内对频谱进行多次细化分析（如采用FFT或其他快速算法），找到最接近真实频率的谱峰位置。该谱峰位置对应的频率即为信号的同步点。
3.MATLAB核心程序```..........................................................................
b = hanning(127);
msg = filter(b,1,msg2);
msg = msg/max(msg);
msg(1:1024) = [];
%调制
ff = cos(2pifreqcarrier.[0:length(msg)-1]/freqSample);
signalSample = msg.ff;
t = length(signalSample);
[f,sf] = T2Fv2(t,signalSample);
figure;
subplot(311);
plot(msg);
title('测试随机数');
axis([1,length(msg),-1.5,1.5]);
subplot(312);
plot(f,abs(sf));
xlabel('频率 Mhz');
subplot(313);
plot(sf);
xlabel('归一化频率 点数');
%==========================计算Fcourse========================
sf1(1) = 0;
index = find(sf== max(sf));
I = 3;
Fcourse = index;
tic;
%==========================利用BTDT计算Fpresize================
Fth = Fcourse;
N = length(msg);
for k = 1:I
Ntemp = N*(Fcourse-0.5)/Fth;
numTemp = round(Ntemp);
[ftemp,sftemp]=T2Fv2(t,signalSample(1:numTemp));
sftemp(1) = 0;
indexTemp = find(sftemp== max(sftemp));
if sftemp(indexTemp)>sftemp(indexTemp-1)
Fth = Fth+(0.5)^(k+1);
else
Fth = Fth-(0.5)^(k+1);
end
end
format long;
Fpresize = Fth;
fprintf('%6.5f\n',Fpresize);
clc;
t=toc;
figure;
%恢复眼图
delta = (Fcourse)/length(msg);
Xpoint = mod((1:length(msg))delta,64);
Ypoint = msg;
subplot(211)
tip = ceil((1:length(msg))delta);
for k = 1:max(tip)
indexSS = find(tip==k);
plot(Xpoint(indexSS),Ypoint(indexSS));
hold on;
end
axis([2.3,18.4,-0.96,0.96]);
title('标准眼图');
grid on;
%恢复眼图
delta = Fpresize/length(msg);
Xpoint = mod((1:length(msg))delta,64);
Ypoint = msg;
subplot(212)
tip = ceil((1:length(msg))delta);
for k = 1:max(tip)
indexSS = find(tip==k);
plot(Xpoint(indexSS),Ypoint(indexSS));
hold on;
end
axis([2.3,18.4,-0.96,0.96]);
title('同步之后眼图');
grid on;
p=100*abs(Fpresize-Fcourse)/Fcourse;
fprintf('估计精度：');
fprintf('%2.4f',p);
fprintf('%%\n');
fprintf('仿真时间：');
fprintf('%2.4f',t);
fprintf('s\n');
save r2.mat t p
```
