Matlab-扩频通信系统GUI仿真设计

最新推荐文章于 2024-11-16 14:04:52 发布

智吾科技

最新推荐文章于 2024-11-16 14:04:52 发布

阅读量283

点赞数 5

文章标签： matlab 算法

本文链接：https://blog.csdn.net/temandeyiqi/article/details/140584041

版权

摘要

**首先从伪随机序列入手，结合M序列的原理，研究了M序列的自相关特性，即在延迟为0处自相关取得最大值，结合直接序列扩频系统，选择了BPSK调制方式，将随机生成的信号源进行扩频，调制，引入AWGN信道模型，对信号添加了高斯白噪声，在接收端，将接收到的信号与恢复载波信号相乘，由于噪声引入了较高的频率分析，基于凯萨尔窗函数对加噪信后进行了低通滤波，对滤波后的函数进行解扩和抽样判决后即可恢复出原信号，并对比了不同噪声下的误码率曲线。基于MATLAB平台，设计了扩频通信系统GUI界面，用户通过点击按钮即可直观观察过程图像，增强了系统的交互性，通过对扩频通信系统的研究，对于后续通信系统和可视化的研究具有重要的理论指导意义。

开发环境

Matlab 2022a

部分实现代码

% 初始化两个LFSR的参数
N = 5; % LFSR的阶数，选择5作为示例
lfsr1 = ones(1, N); % 第一个LFSR的初始状态
lfsr2 = [1 1 0 0 1]; % 第二个LFSR的初始状态，不同于第一个以确保序列不同
taps1 = [5, 3]; % 第一个LFSR的反馈抽头位置
taps2 = [5, 4]; % 第二个LFSR的反馈抽头位置

% 生成两个M序列
seqLength = 2^N - 1; % 序列长度
mSeq1 = zeros(1, seqLength);
mSeq2 = zeros(1, seqLength);

for i = 1:seqLength
    mSeq1(i) = lfsr1(end);
    feedback1 = mod(sum(lfsr1(taps1)), 2);
    lfsr1 = [feedback1, lfsr1(1:end-1)];
    
    mSeq2(i) = lfsr2(end);
    feedback2 = mod(sum(lfsr2(taps2)), 2);
    lfsr2 = [feedback2, lfsr2(1:end-1)];
end

% 生成Gold序列
goldSeq = mod(mSeq1 + mSeq2, 2);

% 计算并绘制自相关函数
[autoCorrGold, lags] = xcorr(goldSeq - mean(goldSeq), 'biased');
figure;
subplot(2,1,1);
stem(lags, autoCorrGold, 'filled');
title('Gold序列的自相关函数');
xlabel('延迟');
ylabel('自相关值');
grid on;

% 计算并绘制互相关函数
[crossCorr, lags] = xcorr(mSeq1 - mean(mSeq1), mSeq2 - mean(mSeq2), 'biased');
subplot(2,1,2);
stem(lags, crossCorr, 'filled');
title('两个M序列的互相关函数');
xlabel('延迟');
ylabel('互相关值');
grid on;

% 设置美化图表
set(gcf, 'Color', 'w'); % 设置图表背景色为白色



% 清空环境变量
clear all;
close all;
clc;
% 设置参数
fs = 1e6;               % 采样率
fc = 1e3;               % 信号载频率
chips = 100;            % 扩频码片数
SNR_dB = -10:2:20;      % 信噪比范围（dB）

% 生成信号
t = 0:1/fs:(chips/fs)-1/fs;
data = randi([0,1],1,chips);
signal = 2*data - 1;    % BPSK调制

% 计算信号功率
signal_power = mean(signal.^2);

% 初始化结果数组
spread_factor = zeros(size(SNR_dB));
output_SNR = zeros(size(SNR_dB));

% 循环计算不同信噪比下的扩频增益和输出信噪比
for i = 1:length(SNR_dB)
    % 计算噪声功率
    noise_power = signal_power / (10^(SNR_dB(i)/10));
    
    % 生成高斯噪声
    noise = sqrt(noise_power).*randn(1, length(signal));
    
    % 扩频
    spread_signal = repmat(signal, chips, 1);
    
    % 添加噪声
    noisy_signal = spread_signal + noise;
    
    % 计算输出信噪比
    output_SNR(i) = 10*log10(mean(signal.^2) / mean(noise.^2));
    
    % 计算扩频增益
    spread_factor(i) = 10*log10(mean((spread_signal(:).^2)) / mean((noisy_signal(:).^2)));
end

% 绘制结果
figure;
plot(SNR_dB, spread_factor, 'b-o');
xlabel('SNR (dB)');
ylabel('扩频增益 (dB)');
title('扩频增益和SNR的关系');
grid on;