✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
【目的】在通信技术的发展中,通信系统的仿真技术是一个重点。尤其是通信技术在生活中的应用,更是必不可少的,因而研究和改善通信工程的应用是十分必要的。【方法】本次课程设计主要运用MATLAB集成环境下的M文件编程仿真平台进行N路信号占用频分复用系统的设计与建模。主要是对多路信号进行SSB及FM调制,叠加,然后再进行解调,恢复出基带信号。【结果】程序运行的结果展现了产生的信号,以及后续信号的调制、加高斯白噪声、叠加、解调及滤波等,在误差允许的范围为内,结果是正确的。【结论】所设计的频分复用系统,可靠性好,稳定性高,抗噪声强,以后具有良好的应用前景。
1、引言
随着现代通信技术日新月异的发展,通信技术愈来愈重要。通信原理更是电子信息专业的一门重要的专业基础课程,它以各种通信系统的基本理论为研究对象,与实际应用密切联系,又具有很强的理论性和抽象性,需要应用概率论、随机过程、信号与系统、模拟与数字电路等多门课程知识为基础。因而在应用设计中比较困难。然而MATLAB(matrix&laboratory)是一种用于概念设计、算法开发、建模仿真、实时实现的科学计算软件,它将高性能的数值计算和可视化方法集成在一起,并提供了很多专业工具箱和大量的内置函数。自从90年代初在我国引入后,一直受到广大科研人员和技术工程师的喜爱,随着版本的不断更新和MathWorks公司在开发力度上的不断加大,MATLAB的功能日益强大,应用范围也越来越广阔,从最初的数值运算,二维图示,3D建模到数字信号处理,电子电力仿真,神经网络,航空航天,通信仿真,图像处理,控制工程等等几乎囊括了所有工程设计的方方面面。因而,此次课程设计选择用MATLAB进行N路信号频分复用系统的设计。
2、设计内容及要求
2.1设计内容
题目:N路信号占用频分复用系统的设计与建模;
1)每路信号占用带宽尽可能窄:信道总带宽20KHZ;
2)SSB-FDM-FM方式;
3)3路信号,频率300HZ~3400HZ;
4)保护带宽1HZ;
2.2设计要求
1)设定噪声类型和参数,且参数方便可调;
2)设3个观测点,分别观察SSB,FDM,FM信号;
3)设定载频;
4)完成发送端和接收端的仿真,观察收到的信号,分析结果
3、设计思路
基于MATLAB的N路信号频分复用系统的设计,详细过程如下:
(1)产生三路正弦信号并显示时域波形和频谱图,信号的频率分别为1khz,2khz,3khz;
(2)对信号进行两路SSB和一路FM进行调制并显示其时域波形和频谱图,载频分别为10khz,20khz,30khz;
(3)将高斯白噪声分别叠加到调制后三路信号并显示(直接相加),SNR=50;
(4)对不加噪声的三路调制信号及加噪声的三路调制信号分别进行叠加,用相加器即可;
(5)切比雪夫二型带通滤波器的设计,具体参数下文中可得;
(6)对由带通滤波器滤出后的三路信号分别进行解调;
(7)最后将解调后的三路信号经由低通滤波器恢复出基带信号,与原始信号进行比较分析。
4、设计原理以及方案
4.1频分复用通信系统模型建立
FDMA通信系统核心的思想是频分复用(FDM),复用是一种将若干个彼此独立的信号合并为一个可在同一个信道上传送的复合信号的方法。例如在电话通信系统中,语音信号频谱在300—3400Hz内,而一条干线的通信资源往往远大于传送一路语音信号所需的带宽。这时,如果用一条干线只传一路语音信号会使资源大大的浪费,所以常用的方法是“复用”,使一条干线上同时传输几路电话信号,提高资源利用率。
频分复用(FDM)是信道复用按频率区分信号,即将信号资源划分为多个子频带,每个子频带占用不同的频率,如图(1)所示。然后把需要在同一信道上同时传输的多个信号的频谱调制到不同的频带上,合并在一起不会相互影响,并且能再接收端彼此分离开。
频分复用的关键技术是频谱搬移技术,该技术是用混频来实现的。混频的原理,如图(2)所示。
混频过程的时域表示式为:
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
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、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类