⛳️座右铭：行百里者，半于九十。
更多Matlab信号处理仿真内容点击👇
①Matlab信号处理 （进阶版）
②付费专栏Matlab信号处理（初级版）
⛳️关注CSDN海神之光，更多资源等你来！！
clear all
close all
%% 参数设定
N_FFT=256;%FFT点数
fs=410^6;%基带采样频率4MHz
fsub=15.62510^3;%子载波频率间隔15.625KHz
%% 训练符号
%短训练符号频域表示
F_Shortpreamble(1:256)=[0,0,0,0,-1-1j,0,0,0,1-1j,0,0,0,1+1j,0,0,0,-1-1j,0,0,0,-1+1j,0,0,0,1-1j,0,0,0,1+1j,0,0,0, -1+1j,0,0,0, 1-1j,0,0,0, -1-1j,0,0,0, 1+1j,0,0,0, -1+1j,0,0,0, -1-1j,0,0,0, 1+1j,0,0,0, 1-1j,0,0,0,-1-1j,0,0,0, 1-1j,0,0,0, 1+1j,0,0,0, -1-1j,0,0,0, -1+1j,0,0,0, -1+1j,0,0,0, -1-1j,0,0,0, 1-1j,0,0,0, -1+1j,0,0,0,1+1j,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1-1j,0,0,0,-1+1j,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1-1j,0,0,0,-1+1j,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1+1j,0,0,0,1-1j,0,0,0,-1+1j,0,0,0,1-1j,0,0,0,1-1j,0,0,0,1-1j,0,0,0,-1-1j,0,0,0,1+1j,0,0,0,-1+1j,0,0,0,-1+1j,0,0,0,-1+1j,0,0,0,1+1j,0,0,0,-1-1j,0,0,0];
%短训练符号时域表示
T_Shortpreamble(1:256)=ifft(F_Shortpreamble);
%长训练符号频域表示
F_Longpreamble(1:256)=[ 0, -1-j, 1+j, -1+j, -1+j, -1-j, 1+j, 1+j, 1+j, -1-j, 1+j, 1-j, 1-j, 1-j, -1+j,-1+j,-1+j, -1+j, 1-j, -1-j, -1-j, -1+j, 1-j, 1+j, 1+j, -1+j, 1-j, 1-j, 1-j, -1+j, 1-j, -1-j, -1-j, -1-j, 1+j,1+j, 1+j,1+j, 1-j, -1+j, -1+j, 1+j, -1-j, 1-j, 1-j, 1+j, -1-j, -1-j, -1-j, 1+j, -1-j, -1+j, -1+j, -1+j, 1-j, 1-j, 1-j, 1-j, -1+j,1+j, 1+j, -1-j, 1+j, -1+j, -1+j, -1-j, 1+j, 1+j, 1+j, -1-j, 1+j, 1-j, 1-j, 1-j, -1+j, -1+j, -1+j, -1+j, 1-j, -1-j,-1-j, 1-j, -1+j, -1-j, -1-j, 1-j, -1+j, -1+j, -1+j, 1-j, -1+j,1+j, 1+j, 1+j, -1-j, -1-j, -1-j, -1-j, 1+j, 1-j, 1-j, 0, 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1-j,1-j, -1-j, 1+j, 1-j, 1-j, -1+j, 1-j, 1-j, 1-j, 1+j, -1-j, 1+j, 1+j, -1-j, 1+j, -1-j, -1-j, 1-j, -1+j, 1-j, 1-j, -1-j, 1+j,1-j, 1-j, -1+j, 1-j, 1-j, 1-j, 1+j, -1-j, 1+j, 1+j, -1-j, 1+j, -1-j, -1-j, 1-j, -1+j, 1-j, 1-j, -1-j, 1+j, 1-j, 1-j, -1+j,1-j, 1-j, 1-j, 1+j, -1-j, 1+j, 1+j, -1-j, 1+j, -1-j, -1-j, 1-j, -1+j, 1+j, 1+j, 1-j, -1+j, 1+j, 1+j, -1-j, 1+j, 1+j,1+j, -1+j, 1-j, -1+j, -1+j, 1-j, -1+j, 1-j, 1-j,1+j, -1-j, -1-j, -1-j, -1+j, 1-j, -1-j, -1-j, 1+j, -1-j, -1-j, -1-j, 1-j,-1+j, 1-j, 1-j, -1+j, 1-j, -1+j,-1+j, -1-j, 1+j];
%长训练符号频域表示
T_Longpreamble(1:256)=ifft(F_Longpreamble);
%% 卷积编码
%[133 171]卷积码其实是卷积码（2,1,7）的最佳编码形式
signal = randi([0 1],1,1920);%编码器输入48比特
trellis=poly2trellis(7,[133 171]);%内部参数前者是卷积码的约束长度N，后者是根据输入输出连线情况的一个mn矩阵，m为输入信号的个数，n为输出信号的个数。
con_code=convenc(signal,trellis);
figure
subplot(2,1,1)
stairs(signal(1:50));
ylabel(‘幅度’);
title(‘卷积编码前的数据’);
subplot(2,1,2)
stairs(con_code(1:100));
title(‘卷积编码后的数据’);
ylabel(‘幅度’);
%% QPSK映射
bits_per_symbol=2;%每符号含比特数,QPSK调制
QPSK_code_bin=reshape(con_code,1920,bits_per_symbol);%1920是数据长度,进行矩阵变换，将13840的矩阵变换为19202的矩阵，前1920为第一列，后1920位第二列
QPSK_code_dec=2QPSK_code_bin(:,1)+QPSK_code_bin(:,2);
txSig = pskmod(QPSK_code_dec,4,pi/4);
scatterplot(txSig)%星座图
%% 反傅里叶变换
temp=zeros(1,256);
temp([13 38 63 88 168 193 218 243])=1;%内插1
for m=1:10
temp_data(m,2:12)=txSig((m-1)*192+1:(m-1)*192+11);
temp_data(m,14:37)=txSig((m-1)*192+12:(m-1)*192+35);
temp_data(m,39:62)=txSig((m-1)*192+36:(m-1)*192+59);
temp_data(m,64:87)=txSig((m-1)*192+60:(m-1)192+83);
temp_data(m,89:100)=txSig((m-1)192+84:(m-1)192+95);
temp_data(m,156:167)=txSig((m-1)192+96:(m-1)192+107);
temp_data(m,169:192)=txSig((m-1)192+108:(m-1)192+131);
temp_data(m,194:217)=txSig((m-1)192+132:(m-1)192+155);
temp_data(m,219:242)=txSig((m-1)192+156:(m-1)192+179);
temp_data(m,244:256)=txSig((m-1)192+180:(m-1)192+192);
temp_data(m,:)=temp+temp_data(m,:);
f_data(m,:)=ifft(temp_data(m,:))16;
figure
plot(0:1/(2554106):1/(4*106),abs(f_data(m,:))');
title(‘时域波形’);
xlabel(‘t/s’);
ylabel(‘幅度’);
end
%% 加CP
data_cp=[f_data(:,193:end),f_data(:😅];%数据加CP
Shortpreamble_cp=[T_Shortpreamble(:,193:end),T_Shortpreamble(:😅];%短训练集加CP
Longpreamble_cp=[T_Longpreamble(:,193:end),T_Longpreamble(:😅];%长训练集加CP
%% 并串变换
OFDM_frame=[Shortpreamble_cp.32,Longpreamble_cp,reshape(data_cp.‘,[],1).’];
%% 上变频
fc=44000000; % 取载波fc为基带带宽的4倍
%设采样频率为载波频率的四倍，则每个基带时隙内要输出16320个符号;
t=0:8010(-6)/(320*16):80*10(-6)/320length(OFDM_frame)-8010^(-6)/(32016);
carrier=exp(j(2pi(fc+25)t));
sam=kron(OFDM_frame,ones(1,16));
frame_up=real(sam.carrier);%上变频
figure
subplot(2,1,1)
plot(t,abs(frame_up));
xlabel(‘t/s’);
ylabel(‘幅度’);
title(‘上变频后的时域波形’);
subplot(2,1,2)
plot(abs(OFDM_frame));
title(‘OFDM帧时域波形’);
xlabel(‘t/s’);
ylabel(‘幅度’);
for SNR=2:100
% SNR=6;
%% 信道
rxSig = awgn(frame_up,SNR/2);%高斯白噪声信道
%rxSig=frame_up;
% figure
% plot(rxSig,‘r’);
% hold on
% plot(frame_up,‘b’)
%% 下变频
carrier_cos=cos(2pifct);
carrier_sin=-sin(2pifct);%两路解调信号
carrier_cos_reshape=reshape(carrier_cos,16,length(carrier_cos)/16);
carrier_sin_reshape=reshape(carrier_sin,16,length(carrier_sin)/16);
frame_up_reshape=reshape(rxSig,16,length(rxSig)/16);
rece_cos=frame_up_reshape’carrier_cos_reshape/162;
rece_sin=frame_up_reshape’carrier_sin_reshape/162;
for ii=1:length(OFDM_frame)
rece_real(ii)=rece_cos(ii,ii);
rece_im(ii)=rece_sin(ii,ii);
end
rece_down=rece_real+1irece_im; %%下变频结束，得到基带复数信号
%% AGC自动增益控制
y=agc(rece_down,20,length(rece_down));
% figure
% subplot(2,1,1)
% plot(abs(rece_down));
% ylabel(‘幅度’);
% title(‘下变频后的信号’);
% subplot(2,1,2)
% plot(abs(y));
% title(‘自动增益控制后的信号’);
% ylabel(‘幅度’);
%% 帧检测
FrameStart=frame_detection(y,340);
frame=[y(FrameStart+1:end),zeros(1,256)];
%% 去CP与FFT去导频
for i=1:10
data_rx(i,:)=frame(65+i320:(i+1)*320);
% data_rx(i,:)=y(65+(i+1)*320:(i+2)*320);
data_r(i,:)=fft(data_rx(i,:))/sqrt(N_FFT);
data(i,1:11)=data_r(i,2:12);
data(i,12:35)=data_r(i,14:37);
data(i,36:59)= data_r(i,39:62);
data(i,60:83)=data_r(i,64:87);
data(i,84:95)=data_r(i,89:100);
data(i,96:107)=data_r(i,156:167);
data(i,108:131)=data_r(i,169:192);
data(i,132:155)=data_r(i,194:217);
data(i,156:179)=data_r(i,219:242);
data(i,180:192)=data_r(i,244:256);
end
1 matlab版本
2014a
2 参考文献
[1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社，2015.
[2]高宝建,彭进业,王琳,潘建寿.信号与系统——使用MATLAB分析与实现[M].清华大学出版社，2020.
[3]王文光,魏少明,任欣.信号处理与系统分析的MATLAB实现[M].电子工业出版社，2018.
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长