西电电子信息系统综合实验二

最新推荐文章于 2024-07-18 22:46:57 发布
最新推荐文章于 2024-07-18 22:46:57 发布
阅读量177 收藏 2
点赞数
分类专栏： matlab 数字信号处理 文章标签： matlab 信号处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/MarkAssassin/article/details/134060868
版权

实验内容

1.信号的采样与量化

2.信号比计算

3.滤波器设计（FIR、IIR）

4.信号滤波处理

5.信号降噪及性能评估

PS：其实可以在Matlab中的试试脚本中编写代码，这样可以添加一些有意思的插件，比如可以将采样频率设置为可以进行调节的“滑块插件”

代码如下：

采样和量化
%采样
clear,clc;
f0=2e6; %信号频率 Hz
tau=5e-6; %脉冲宽度 s
t0=0e-6; %脉冲产生时刻 s
fs=162000000; %8e6~180e6
Ts=1/fs;
t_start=0; %开始时间 s
t_end=0.000002; %结束时间 s
t=t_start:Ts:t_end;
s=sqrt(2)*sin(2*pi*f0*(t-t0)+2*pi*rand).*rect((t-t0)/tau); %生成脉冲信号
SNR=100;
Pn=1/(10^(SNR/10)); %噪声功率
para=sqrt(Pn); %噪声标准差
x=s+para*randn(size(t));


figure(1);
plot(t*1e6,s,'r-');
title('单频脉冲信号','FontSize',14);
xlabel('时间/us','FontSize',14);
ylabel('幅值/V','FontSize',14);
grid on;

figure(2);
stem(t*1e6,s);

figure(3);
plot(fftshift(abs(fft(s))));
title('单频脉冲信号频谱图','FontSize',14);
xlabel('频率','FontSize',14);
ylabel('幅值/V','FontSize',14);
grid on;

%量化
q_num=3;
tq_num=2^(q_num-1)-1;
sl=round(s/1.5*tq_num);
sl=sl/tq_num*1.5;

figure(4);
plot(t*1e6,sl,'b-');
title('单频脉冲信号');
xlabel('时间/us','FontSize',14);
ylabel('幅值/V','FontSize',14);
grid on;


sin+高斯白噪声分析

clear,clc;
f0=9e6; %信号频率
tau=1e-6;
t0=2e-6; %脉冲产生时刻
fs=20*f0;
Ts=1/fs;
t_start=0;
t_end=5e-6;
t=t_start:Ts:t_end;
s=sqrt(2)*sin(2*pi*f0*(t-t0)+2*pi*rand).*rect((t-t0)/tau); %原始信号

SNR=5;
Pn=1/(10^(SNR/10)); %噪声功率
para=sqrt(Pn); %噪声标准差
x=s+s+para*randn(size(t)); %信号+噪声

fi=[1:length(t)]-ceil(length(t)/2);
f=fi/max(fi)*fs/2; %频率位置
Fx=fft(x);

win1=hamming(length(t)); %加汉明窗
wFx=Fx.*fftshift(win1');
y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
SNR_out1=10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号

h=fir1(64,[0.09,0.11]); %设计带通滤波器
y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
SNR_out2=10*log10(1/var(y2-s));

figure; %画原始信号及原始信号+噪声
plot(t*1e6,x,'b');
hold on;
plot(t*1e6,s,'r--');
title('单脉冲信号');
xlabel('时间/us',"FontSize",14);
ylabel('幅值/V',"FontSize",14);
grid on;

figure;
plot(f/1e6,fftshift(abs(Fx)),'b');
hold on;
plot(f/1e6,fftshift(abs(fft(s))),'r--');
title('单频脉冲信号频谱图');
xlabel('频率/Mhz',"FontSize",14);
ylabel('幅值/V',"FontSize",14);

figure;
plot(t*1e6,y1,'b');
hold on;
plot(t*1e6,y2,'r--')
title('单脉冲信号通过汉明窗/fir1后信号',"FontSize",14);
xlabel('时间/us',"FontSize",14);
ylabel('幅值/V',"FontSize",14);
grid on;

figure;
plot(f/1e6,fftshift(abs(wFx)),'b');
hold on;
plot(f/1e6,fftshift(abs(fft(y2))),'r--');
title('单频脉冲信号过汉明窗/fir1后频谱图');
xlabel('频率/Mhz',"FontSize",14);
ylabel('幅值/V',"FontSize",14);



BPSK+高斯白噪声分析

clear,clc;
f0=4e6; %信号频率
tau=1e-6; %脉冲宽度，s
N=7; %一个码组中码片的个数为7
t0=2e-6; %脉冲产生时刻
code=[1,1,1,-1,-1,1,-1];
fs=20*f0; %采样频率
Ts=1/fs;
t_start=0;
t_end=15e-6;
t=t_start:Ts:t_end;
s=zeros(1,round((t_end-t_start)*fs)+1); %round取整
for n=1:N
    s=s+code(n)*rect((t-t0-(n-1)*tau)/tau).*sin(2*pi*f0*(t-t0));
end
SNR=5;
Pn=1/(10^(SNR/10)); %噪声功率
para=sqrt(Pn); %噪声标准差
x=s+para*randn(size(t));

fi=[1:length(t)]-ceil(length(t)/2);
f=fi/max(fi)*fs/2; %频率位置
Fx=fft(x);

win1=hamming(length(t)); %加汉明窗
wFx=Fx.*fftshift(win1');
y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
SNR_out1=10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号

h=fir1(64,[0.09,0.11]); %设计带通滤波器
y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
SNR_out2=10*log10(1/var(y2-s));

figure;
plot(t*1e6,x,'b');
hold on;
plot(t*1e6,s,'r--');
title('BPSK信号');
xlabel('时间/us',"FontSize",14);
ylabel('幅值/V',"FontSize",14);
grid on;

figure;
plot(f/1e6,fftshift(abs(Fx)),'b');
hold on;
plot(f/1e6,fftshift(abs(fft(s))),'r--');
title('BPSK信号频谱图');
xlabel('频率/Mhz',"FontSize",14);
ylabel('幅值/V',"FontSize",14);

figure;
plot(t*1e6,y1,'b');
hold on;
plot(t*1e6,y2,'r--')
title('BPSK信号通过汉明窗/fir1后信号',"FontSize",14);
xlabel('时间/us',"FontSize",14);
ylabel('幅值/V',"FontSize",14);
grid on;

figure;
plot(f/1e6,fftshift(abs(wFx)),'b');
hold on;
plot(f/1e6,fftshift(abs(fft(y2))),'r--');
title('BPSK信号过汉明窗/fir1后频谱图');
xlabel('频率/Mhz',"FontSize",14);
ylabel('幅值/V',"FontSize",14);



BPSK SNR_in+SNR_out

f0=4e6; %信号频率
tau=1e-6; %脉冲宽度，s
N=7; %一个码组中码片的个数为7
t0=2e-6; %脉冲产生时刻
code=[1,1,1,-1,-1,1,-1];
fs=20*f0; %采样频率
Ts=1/fs;
t_start=0;
t_end=15e-6;
t=t_start:Ts:t_end;
s=zeros(1,round((t_end-t_start)*fs)+1); %round取整
for n=1:N
    s=s+code(n)*rect((t-t0-(n-1)*tau)/tau).*sin(2*pi*f0*(t-t0));
end


SNR=-20:1:25;

SNRin1=[];
SNRout1=[];
SNRin2=[];
SNRout2=[];

% for i=1:length(SNR)
%     Pn=1/(10^(SNR(i)/10)); %噪声功率
%     para=sqrt(Pn); %噪声标准差
%     x=s+para*randn(size(t));
% 
%     fi=[1:length(t)]-ceil(length(t)/2);
%     f=fi/max(fi)*fs/2; %频率位置
%     Fx=fft(x);
% 
%     win1=hamming(length(t)); %加汉明窗
%     wFx=Fx.*fftshift(win1');
%     y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
%     SNR_out1=10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号
% 
%     h=fir1(64,[0.09,0.11]); %设计带通滤波器
%     y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
%     SNR_out2=10*log10(1/var(y2-s));
%     
% %     SNRin1(i)=snr(s,x-s);
% %     SNRout1(i)=snr(y1,y1-s);
% %     SNRout2(i)=snr(y2,y2-s);
%     SNRin1(i)=SNR(i);
%     SNRout1(i)=SNR_out1;
%     SNRout2(i)=SNR_out2;
% 
% end

for i=1:length(SNR)
    SNR_out1=0;
    SNR_out2=0;
    for j=1:100
        Pn=1/(10^(SNR(i)/10)); %噪声功率
        para=sqrt(Pn); %噪声标准差
        x=s+para*randn(size(t));

        fi=[1:length(t)]-ceil(length(t)/2);
        f=fi/max(fi)*fs/2; %频率位置
        Fx=fft(x);

        win1=hamming(length(t)); %加汉明窗
        wFx=Fx.*fftshift(win1');
        y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
        SNR_out1=SNR_out1+10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号

        h=fir1(64,[0.09,0.11]); %设计带通滤波器
        y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
        SNR_out2=SNR_out2+10*log10(1/var(y2-s));
    end
    
%     SNRin1(i)=snr(s,x-s);
%     SNRout1(i)=snr(y1,y1-s);
%     SNRout2(i)=snr(y2,y2-s);
    SNRin1(i)=SNR(i);
    SNRout1(i)=SNR_out1/100;
    SNRout2(i)=SNR_out2/100;

end


figure;
plot(SNRin1,SNRout1);
title('BPSK信号FFT滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');
figure;
plot(SNRin1,SNRout2);
title('BPSK信号Fir滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');



sin SNR_in+SNR_out
f0=9e6; %信号频率
tau=1e-6;
t0=2e-6; %脉冲产生时刻
fs=20*f0;
Ts=1/fs;
t_start=0;
t_end=5e-6;
t=t_start:Ts:t_end;
s=sqrt(2)*sin(2*pi*f0*(t-t0)+2*pi*rand).*rect((t-t0)/tau); %原始信号

SNR=-20:1:25;

for i=1:length(SNR)
    for j=100
        SNR_out1=0;
        SNR_out2=0;
    
        Pn=1/(10^(SNR(i)/10)); %噪声功率
        para=sqrt(Pn); %噪声标准差
        x=s+para*randn(size(t));

        fi=[1:length(t)]-ceil(length(t)/2);
        f=fi/max(fi)*fs/2; %频率位置
        Fx=fft(x);

        win1=hamming(length(t)); %加汉明窗
        wFx=Fx.*fftshift(win1');
        y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
        SNR_out1=SNR_out1+10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号

        h=fir1(64,[0.09,0.11]); %设计带通滤波器
        y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
        SNR_out2=SNR_out2+10*log10(1/var(y2-s));
    end
    
    SNRin1(i)=SNR(i);
    SNRout1(i)=SNR_out1/100;
    SNRout2(i)=SNR_out2/100;
end

figure;
plot(SNRin1,SNRout1);
title('sin信号FFT滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');
figure;
plot(SNRin1,SNRout2);
title('sin信号Fir滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');



LFM SNR_in+SNR_out
f1=4e6;%信号初始频率(单位:Hz)
f2=15e6;%信号终止频率(单位:Hz)
tau=3e-6;%脉冲宽度(单位:s)
u=(f2-f1)/tau;%调频斜率(单位:Hz/s)
t0=1.5e-6;%脉冲产生时刻(单位:s)
fs=20*f2;
Ts=1/fs;
t_start=0;%开始时间(单位:s)
t_end=6e-6;%结束时间(单位:s)
t=t_start:Ts:t_end;
s=sin(2*pi*(f1*(t-t0)+0.5*u*(t-t0).^2)).*rect((t-t0)/tau);

SNR=-20:1:25;

for i=1:length(SNR)
    Pn=1/(10^(SNR(i)/10)); %噪声功率
    para=sqrt(Pn); %噪声标准差
    x=s+s+para*randn(size(t)); %信号+噪声

    fi=[1:length(t)]-ceil(length(t)/2);
    f=fi/max(fi)*fs/2; %频率位置
    Fx=fft(x);

    win1=hamming(length(t)); %加汉明窗
    wFx=Fx.*fftshift(win1');
    y1=real(ifft(wFx)); %滤波器后的结果,real返回实部
    SNR_out1=10*log10(1/var(y1-s)); %y1-s是滤波后的信号减去原信号

    h=fir1(64,[0.09,0.11]); %设计带通滤波器
    y2=imfilter(x,h); %滤波后的结果,imfilter函数对任意类型数组或多维图像进行滤波
    SNR_out2=10*log10(1/var(y2-s));
    
    SNRin1(i)=SNR(i);
    SNRout1(i)=SNR_out1;
    SNRout2(i)=SNR_out2;
end

figure;
plot(SNRin1,SNRout1);
title('LFM信号FFT滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');
figure;
plot(SNRin1,SNRout2);
title('LFM信号Fir滤波噪声系数');
xlabel('SNRin');
ylabel('SNRout');


function y = rect(x, D)
% function y = rect(x, D)
if nargin == 1, D = 1;
    x = abs(x);
    y = double(x<D/2);
    y(x == D/2) = 0.5;
end
end

MarkAssassin
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
电子科技大学现代电子信息系统综合实验课程设计代码(单片机+频率计)1
thompson的博客
08-05 7169
单片机实现数字频率计 系统功能及指标 测量频率范围：10Hz~600kHz 测量精度：1%以内 系统设计方案及基本流程 unsigned char DispBuf[8]; 显示缓冲区，分别对应8个数码管每个数码管应该显示的数字 主要函数及其功能概述: void delay(unsigned int t) t: 延时长度(ms) 延时函数，t 可以对 delay 函数的运行时间进行设置，delay 函数本身不进行任何有意义的操作，只实现空转等待的功能 void DispClear() 清空显示缓冲区DispB
西安电子科技大学基础实验答案
10-25
西安电子科技大学作为国内知名的高等学府，其在信息技术和电子科学领域的教育有着深厚的底蕴。基础实验是学习这些专业课程的重要组成部分，旨在通过实践操作提升学生的动手能力和理论理解。本篇文章将详细探讨基础...
通信与信息系统综合应用实验.zip
01-11
西安电子科技大学通信工程学院大四通信与信息系统综合应用实验实验报告，射频传输，网络协议，网络通信，数字基带模块。
通信系统综合实验报告实验报告.doc
03-11
班级 研01-12 学号 西安电子科技大学 通信系统综合实验报告 学 院 ： 通信工程学院 班 级 ： 研01-12 专 业 ： 交通信息工程及控制 姓 名 ： 2012年11月 目录 实验一 数字基带仿真实验 1 1.1 实验目的 1 1.2 实验...
2009-2015年西安电子科技大学851物理光学与应用考研真题及参考答案
07-21
西安电子科技大学作为国内知名的高等学府，其在信息与通信工程、电子科学与技术等领域具有深厚的科研基础。851物理光学与应用是该校研究生入学考试的重要科目之一，旨在考察考生对物理光学基本原理和实际应用的掌握...
西电B测数据网络综合实验
05-12
3. "西安电子科技大学本科生实验报告封面(1).docx"：这是实验报告的标准封面，包含了学校、课程、学生信息等，用于规范实验报告的格式。 4. "BTest.pkt"：这个文件可能是网络封包捕获文件，用于分析网络传输的...
3.5、matlab打开显示保存点云文件(.ply/.pcd)以及经典点云模型数据
XU157303764的博客
07-17 881
matlab打开显示保存点云文件(.ply/.pcd)以及经典点云模型数据 (点云模型连接附下)
AI安全系列——[第五空间 2022]AI（持续更新）
2201_76139143的博客
07-15 1007
最近很长时间没有更新，其实一直在学习AI安全，我原以为学完深度学习之后再学AI安全会更加简单些，但是事实证明理论转实践还是挺困难的，但是请你一定要坚持下去，因为“不是所有的坚持都有结果，但总有一些坚持，能从冰封的土地里，培育出十万朵怒放的蔷薇”题目来源：NSSCTF题目描述：噪声在大数据场景下有着重要的地位。工程师们苦于被噪声污染的数据，同时也使用噪声保护着隐私数据。这个挑战分为两个部分。挑战1：从噪声中恢复隐私向量有A,B两个实体。其中B是普通实体，A则是恶意攻击者。
JCR一区级 | Matlab实现PSO-Transformer-LSTM多变量回归预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
07-18 275
JCR一区级 | Matlab实现PSO-Transformer-LSTM多变量回归预测
蜣螂算法（BSO）及Python和MATLAB实现
qq_45441438的博客
07-18 331
通过模拟蜣螂之间的信息交流和个体搜索行为，蜣螂算法具有较强的全局搜索能力和快速收敛性。蜣螂算法通过模拟蜣螂的群体行为和信息传递机制，实现了复杂优化问题的高效解决。蜣螂算法基于蜣螂在寻找食物时的聚集行为和信息传递机制，蜣螂通过释放信息素和相互沟通协作来找到最佳的食物来源。- 蜣螂根据个体搜索能力和信息素浓度选择移动方向，一定概率随机选择或受邻近蜣螂信息素吸引。- 根据蜣螂释放的信息素和问题适应度更新信息素浓度，增强优质解周围的信息素浓度。- 蜣螂之间通过信息素交流实现信息共享和协作，帮助蜣螂找到更优的解。
MATLAB的mat文件转换成json文件
NX4494的博客
07-15 335
在处理双目相机标定数据时，您需要特别注意保留相机的内参矩阵、外参矩阵、畸变系数等关键信息，这些是进行3D重建和图像校正的基础。在搜索结果中，有一个例子展示了如何使用Python脚本将MAT文件转换为JSON文件。应该仔细检查转换后的JSON文件，验证关键数据是否完整无误，并确保这些数据在新的格式中仍然可用于您的应用程序。这些特殊变量通常不需要在处理MAT文件数据时特别关注，除非您需要访问或了解MAT文件的元数据或结构细节。函数来读取MAT文件，并使用Pandas库将加载的数据转换为JSON格式。
Matlab 计算一个平面与一条直线的交点
dayuhaitang1的博客
07-14 132
Matlab 计算一个平面与一条直线的交点
Matlab 判断直线上一点
dayuhaitang1的博客
07-14 108
Matlab 判断直线上一点
输出调节求解跟踪问题（二阶线性系统）
lishangheng
07-15 207
的领导者-跟随者控制框架，旨在实现跟随者系统对领导者参考信号的精确跟踪。首先，建立了跟随者和领导者的独立状态空间方程，分别描述了它们的动态行为和输出关系。随后，通过将两者的状态空间方程结合成增广系统，定义了增广状态向量和相应的控制输入。为实现输出调节，定义了跟随者输出与领导者参考信号之间的误差，并将其转化为增广状态向量的函数形式。，通过求解增广系统的代数Riccati方程获得最优反馈增益矩阵。最后，通过Matlab仿真验证了所提出控制框架的有效性和稳定性，展示了跟随者系统对领导者参考信号的准确跟踪能力。
PSINS工具箱函数介绍——r2d
callmeup的博客
07-18 170
介绍工具箱里面r2d这个小函数的作用。
python调用MATLAB出错matlab.engine.MatlabExecutionError无法调用MATLAB函数报错
最新发布
myhappyandy的博客
07-18 211
对这个问题，一般是编码的问题，查看pycharm中的编码是utf-8，而MATLAB中是GBK编码。python调用MATLAB，调用m文件中的函数，刚开始都没有问题，没问题是没有传参数等，今天改成传参的形式，就报错，无法传成功，况且根本无法调起来，根本没有进入MATLAB函数中…最后想了一个办法，将错误代码复制到TXT中，再用Notepad++修改字符的编码为utf8这时，可以看到一部分的乱码变成了正常。关键是，输出的异常，捕获的异常还是乱码，看不出是什么问题，真的很头疼。编辑：myhappyandy。
【信号频率估计】MVDR算法及MATLAB仿真
总结论文中的算法并给出论文的复现代码
07-18 485
首先，介绍了MVDR算法的基本概念和原理，对算法的计算过程进行了推导；进而论述了该算法的优点和缺点；最后通过应用实例验证了算法的可行性及效果，并给出了相应的MATLAB代码。
Matlab【光伏预测】基于雪融优化算法SAO优化高斯过程回归GPR实现光伏多输入单输出预测附代码
算法如诗的博客
07-13 512
Matlab【光伏预测】基于雪融优化算法SAO优化高斯过程回归GPR实现光伏多输入单输出预测附代码
MATLAB6：M文件和控制流
qq_45171542的博客
07-18 336
1. 熟悉运用MATLAB的控制指令。 2. 理解M脚本文件和函数文件的本质区别。 3. 能够运用所学知识，编制程序解决一般的计算问题。
"西安电子科技大学微机系统实验汇编语言编程实验报告
本次实验还要求学生自主设计输入显示信息完成编程与调试，这也为学生提供了很好的机会，让他们通过实际动手操作去综合运用实验所学的知识，这对于促进学生们的创新能力和动手实践能力都有着很好的帮助。 通过本次...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值