标准实验报告(2)

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)');