直接序列扩频通信DSSS扩频解扩matlab性能仿真

目录

1.扩频过程

2.解扩过程

3.离散时间域扩频解扩

4.MATLAB核心程序

5.仿真结果

---

        直接序列扩频(Direct Sequence Spread Spectrum, DSSS)是一种常用的扩频通信技术，它通过将信号扩展到一个宽得多的频带上，以增强信号的抗干扰能力、提供保密性和支持多用户接入。DSSS的工作原理包括扩频过程（发射端）和解扩过程（接收端）。

1.扩频过程

       在扩频过程中，原始数据信号（基带信号）首先被编码成数字序列，然后与一个高速伪随机码（扩频码）进行模二加运算（XOR），使得信号的频谱得以扩展。设原始数据信号为s(t)，它是一个具有有限带宽的脉冲序列，可以表示为：

       扩频码c(t) 是一个高频率的伪随机码序列，其速率远高于原始信号的数据速率，且具有良好的自相关特性，通常为高斯白噪声性质。该码序列同样可以表示为：

其中，bm​ 是码片的取值（0或1），q(t) 是码片的形状函数，Tc​ 是码片周期，且 Tc​≪Tb​。

扩频信号S(t) 通过与扩频码进行模二加运算得到：

其中 ⊗ 表示卷积操作。由于Tc​ 远小于Tb​，扩频后的信号带宽远大于原始信号带宽，实现了频谱的扩展。

2.解扩过程

      在接收端，接收到的信号混入了噪声和可能的干扰，记作R(t)=S(t)+N(t)，其中N(t) 是加性噪声。为了恢复原始信号，接收端需要使用与发送端相同的扩频码c(t) 对R(t) 进行解扩，这个过程也是通过模二加运算完成的：

由于 S(t)=s(t)⊗c(t)，因此S(t)⊗c(t)=s(t)⊗c(t)⊗c(t)，而由于c(t) 的自相关性（当c(t) 与自身相乘时，在码片周期Tc​ 处有尖峰，其余位置接近于0），我们得到：

     实际上，由于连续时间信号处理的复杂性，实际操作中会采用离散时间序列处理，且通常采用相关器或者匹配滤波器来实现解扩和信号恢复。

3.离散时间域扩频解扩

       考虑离散时间域，假设扩频码c[n] 是周期的，周期长度为Nc​，数据序列s[n] 也被采样为离散序列，解扩过程可以通过离散卷积来表达：

       其中r[n] 是接收到的扩频信号采样值，y[n] 是解扩后的信号估计值。为了简化计算，通常采用循环卷积代替无限长卷积，且在实际实现中，会使用滑动窗口或快速傅里叶变换(FFT)等高效算法来加速处理。

4.MATLAB核心程序

.........................................................
% 开始均匀噪声测试
for noise_range=0:.001:1  
  % 向DSSS信号中添加噪声
  noise = random('unif',-noise_range,noise_range,[1,length(dsss_signal)]);
  noisy_signal = noise + dsss_signal;

  % 提取原始信号
  extracted_signal = noisy_signal ./ PN_code;
  
  % 判断信号正负
  extracted_signal(extracted_signal>=0) = 1;
  extracted_signal(extracted_signal<0) = -1;
  
  % 检查提取信号是否匹配输入
  check = find(exp_input == extracted_signal); % 比较元素
  if (length(check) <= length(exp_input)/2)  % 若匹配少于50%
    break
  end

  % 对码片长度积分
  recovered_signal = sum(reshape(extracted_signal,chip_length,length(input_signal)));
  
  % 再次判断正负
  recovered_signal(recovered_signal>=0) = 1;
  recovered_signal(recovered_signal<0) = -1;

end

sprintf('The max range is: %g to %g.',-noise_range,noise_range)

%% Plot
subplot(5,1,1)
stairs(-.5:length(input_signal)+2,[0 input_signal 0 0])
title('输入信号')
axis([0.4 length(input_signal)+.6 -1.1 1.1])

subplot(5,1,2)
stairs(-.5:length(PN_code)+1,[0 PN_code 0])
title('伪随机码')
axis([0 length(PN_code)+.6 -1.1 1.1])

subplot(5,1,3)
stairs(-.5:length(dsss_signal)+1,[0 dsss_signal 0])
title('直扩频信号')
axis([0 length(dsss_signal)+.6 -1.1 1.1])

subplot(5,1,4)
stairs(-.5:length(noisy_signal)+1,[0 noisy_signal 0])
title('带噪信号')
axis([0 length(noisy_signal)+.6 1.1*min(noisy_signal) 1.1*max(noisy_signal)])


subplot(5,1,5)
stairs(-.5:length(recovered_signal)+2,[0 recovered_signal 0 0])
title('恢复信号')
axis([0.44 length(input_signal)+.6 -1.1 1.1])
MAMA4091

5.仿真结果