【室内定位】高斯ASK调制超声室内定位【含Matlab源码 3857期】

最新推荐文章于 2024-07-14 13:41:53 发布

Matlab武动乾坤

最新推荐文章于 2024-07-14 13:41:53 发布

阅读量854

点赞数 23

分类专栏： Matlab信号处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/136637734

版权

Matlab信号处理（进阶版）专栏收录该内容

528 篇文章 46 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、高斯ASK调制超声室内定位简介

高斯ASK调制超声室内定位原理是一种利用高斯ASK调制技术进行室内定位的方法。该方法通过将超声信号与高斯ASK调制信号相乘，将超声信号的幅度进行调制，从而实现对室内目标的定位。

具体步骤如下：
（1）发送端发送高斯ASK调制信号：在发送端，通过产生高斯ASK调制信号，将其与超声信号相乘，得到调制后的超声信号。
（2）超声信号传播：调制后的超声信号在室内传播，经过反射、散射等过程，到达接收端。
（3）接收端接收信号：接收端接收到经过调制的超声信号。
（4）解调：接收端对接收到的信号进行解调，提取出高斯ASK调制信号。
（5）定位计算：根据接收到的高斯ASK调制信号，结合已知的超声信号的传播速度和传播时间，计算出室内目标的位置。

⛄二、部分源代码

clear all;
close all;
clc;

%% 0. Modulation Parmeter Initialization

% Gaussian parameter
samples_per_bit = 64;
n = [-samples_per_bit/2:samples_per_bit/2];
B = 0.5;
k1 = sqrt(2pi/reallog(2));
h = k1Bexp(-2k1k1pi.*B.B(1/samples_per_bit.*n).^2);

% Modualtion Parameter
SampleRate = 44100;
t = 0:1/SampleRate:5;
fc = 18000;

%% 1. Modulation Process

bit = [0,0,0,0,0,1,0,0,1,1,0,1,0,1,1,0];
% bit = [0 bit 0];
bit_raw =[];
percentil = 0;
for i = 1:length(bit)
bit_raw = [ bit_raw zeros(1,samples_per_bitpercentil) ones(1,samples_per_bit(1-percentil))bit(i) zeros(1,samples_per_bitpercentil)];
end

%pre padding
bit_raw = [ ones(1,samples_per_bit/2)*bit(1) bit_raw];

%post padding
bit_raw = [ bit_raw ones(1,samples_per_bit/2)*bit(length(bit))];

% Gaussian Filtering
s = filter(h,1,bit_raw);
s = s(samples_per_bit/2+1 : length(s) - samples_per_bit/2);

figure;
subplot(3,1,1);
hold on;
plot(s);
xlim([0,1200]);
hold off;
subplot(3,1,2);
hold on;
plot(s,‘r’);
xlim([0,1200]);
hold off;

x = cos(2pifc*t);
x = x(1:length(s)).*s;
max_v = max(x);

subplot(3,1,3);
z = x/max_v;
plot(z,‘Color’,[0.313725501298904 0.313725501298904 0.313725501298904]);
ylim([-1,1]);
xlim([0,1200]);

% Generate modulated signal
waves=z;
z = z.*0.99;
filename = ‘GASK_gen_signal.wav’;
audiowrite(filename,z,SampleRate);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]于泉,徐保国.无线传感器网络中改进的 DV-Hop 算法[J].计算机工程与应用. 2015

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

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合