标准实验报告(2)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
实验报告(二)
学生姓名:王超楠学号:2013020904011
指导教师:廖红舒/张花国
实验地点:科研二号楼B453 实验时间:周二晚
一、实验室名称:信息对抗系统专业实验室
二、实验项目名称:典型模拟通信信号调制识别
三、实验学时:4学时
实验原理:
AM、FM等模拟通信信号具有不同的包络特征、瞬时相位特征,因此针对这些信号特征,可通过设置特征门限区分不同通信信号,达到信号调制识别目的。因此可让学生通过实际上机Matlab编程实验,对上述通信信号的特征进行仿真验证,加深理解不同通信信号的调制识别方法。
五、实验目的:
利用MATLAB软件编程提取通信信号的瞬时幅度、瞬时相位等特征,同时使用决策树的分类方法进行调制信号的识别。让学生通过实际上机实验,加深理解不同通信信号的特点。
六、实验内容:
(一)、特征
(1) 瞬时幅度(包络)特征
把上次实验产生的AM、DSB、USB、LSB、FM复信号(不含噪声)分别求取它们的瞬时幅度值(取abs),并利用直方图hist函数统计瞬时幅度的分布情况。取N(N任意)点做统计,hist(q,N),q=abs(y) (y为调制信号)。比较这五种信号的瞬时幅度特征,并描述它们的差异。
(2) 瞬时相位特征
把上次实验产生的AM、DSB、USB、LSB、FM复信号(不含噪声)分别求取它们的瞬时相位值(取angle,然后去缠绕unwrap),并利用hist函数统计瞬时相位的分布情况,取N(N任意)点做统计,比较这五种信号的瞬时相位特征,并描述它们的差异。
(二)、调制识别
(1) 编写程序完成2种识别特征max ,P γ 的提取。
(2) 信噪比从0dB 变化到10dB (即0:2:10),分别画出AM 、FM 信号的max γ特征随每个信噪比的变化曲线,然后设定区分AM 和FM 信号的门限max ()th γ。
(3) 信噪比从0dB 变化到10dB (即0:2:10),分别画出LSB 、USB 信号的P 特征随每个信噪比的变化曲线,然后设定区分LSB 和USB 信号的门限()th P 。
(4) 编写程序完成AM 信号与FM 信号的自动识别。画出AM 、FM 信号的正确识别率随信噪比(0:2:10)的变化曲线。说明在多高信噪比下能保证这两种信号的正确识别率均在90%以上。
(5) 编写程序完成USB 信号与LSB 信号的自动识别。画出USB 、LSB 信号的正确识别率随信噪比(0:2:10)的变化曲线。说明在多高信噪比下能保证这两种信号的正确识别率均在90%以上。
七、实验器材(设备、元器件):
计算机、Matlab 计算机仿真软件
八、实验步骤:
1、学习MATLAB 软件的使用,并学习hist 、angle 、unwrap 等Matlab 软件函数的使用;
2、在编写的信号源基础上,根据实验内容提取信号特征并进行调制识别。
(1)特征提取的源程序
(2)识别源程序
九、实验数据及结果分析
根据上述实验程序得到的实验数据及结果如下:
(一)特征
(1)瞬时幅度特征
AM:
DSB:
USB:
LSB:
FM:
比较五幅图片可知,FM信号的瞬时幅度不变化,其他的信号幅度会发生变化,因此可以用来区分FM信号。
(2)瞬时相位特征
AM:
DSB:
USB:
LSB:
FM:
通过仿真图形比较可知,(二)调制识别
(1)
max ,P
的提取
%零中心归一化瞬时幅度谱密度最大值的提取程序function y=yMax(x)
N=2000;
y=0;
ac=zeros(1,N);
ma=sum(abs(x))/N;%求均值
for i=1:N
ac(i)=(abs(x(i))-ma)/ma;
end
AC=abs(fft(ac));
AC=AC.^2;
y=max(AC)/N;
%谱对称特征P的提取
function p=pp(x,fc,fs)
% x接收到的信号
% fc载波频率
% fs采样频率
X=fft(x);
N=length(x);
pl=0;
pu=0;
fcn=ceil(fc*N/fs-1);
for i=1:fcn
pl=pl+abs(X(i)).^2;
end
for i=1:fcn
pu=pu+abs(X(i+fcn+1)).^2;
end
p=(pl-pu)/(pl+pu);
γ特征随每个信噪比的变化曲线(2)AM、FM信号的
max
γ)=18
由图像可以设定门限th(
max
(3)LSB、USB信号的P特征信噪比的变化曲线
(4)AM信号、FM信号自动识别程序
key=0.125;
n=0;
for kk=-2:2:10
count=0;
n=n+1;
for m=1:100
SNR=kk;%dB
Fs = 1000;
Fc = 200;
T_sp=1;
t = [0:T_sp*Fs]'/Fs;
Fm=50;
x = sin(2*pi*Fm*t);
x1 = cos(2*pi*Fm*t)/(2*pi*Fm);
A0 = 1;
Fkm = 20;
Ini_phase=rand*2*pi;
y = A0.*exp(j*2*pi*Fc*t+j*2*pi*Fkm*x1+j*Ini_phase); y_gui1=y./sqrt(var(y));
noise=sqrt(1/10^(SNR/10)/2)*(randn(size(y))+j*randn(size(y))); y_noise=y_gui1+noise;
tent=abs(y_noise);
R=var(tent)/(mean(tent)^2);
if(R<=key)
count=count+1;
end
if(m==100)
result(n)=count/100;
end
end
end
SNR=-2:2:10;
figure;
plot(SNR,result,'b');
xlabel('SNR(dB)');