x_tmp=I*ifft(fft(yr(k,:),signalLen).*fft(h(k,:),signalLen))
时间: 2023-12-17 07:04:20 浏览: 32
这行代码是进行多相滤波的核心部分。
首先,对下采样后的信号yr(k,:)和多相滤波器系数h(k,:)进行FFT变换得到频域表示,长度均为signalLen。
然后,将频域表示相乘,再进行逆FFT得到滤波后的信号x_tmp,长度为signalLen。
最后,将x_tmp中的信号向左移动滤波器长度的一半,即circshift(x_tmp,[0,-delay]),得到消除了时延的滤波后的信号x(k,:)。
相关问题
%% 输入信号延迟+下采样+相移+多相滤波 for k=1:I yr(k,:)=yt(k:I:end).'.*(-1).^(0:signalLen-1);%I是下采样因子,从yt中每隔I个样点取一个,然后乘复数相移系数,与发射的y0相同 % 多相滤波 delay=size(h,2)/2;%滤波延迟,前面减1了这里不用减1?? x_tmp=I*ifft(fft(yr(k,:),signalLen).*fft(h(k,:),signalLen));%滤波 x(k,:)=circshift(x_tmp,[0,-delay]);%时延消除 % plot(1:signalLen,yr(k,:),'bo-',1:signalLen,x(k,:),'r.-') end %% 相移+IFFT for r=1:signalLen%每一路信号包含n1+I个采样点 mfft(:,r)=x(:,r).'.*exp(-1j*pi/I*(0:(I-1)));%相移 mhat(:,r)=ifft(mfft(:,r));%对每一个采样时刻的I路信号,计算离散傅立叶反变换 end %% 解调频率 figure, index=[1,I:-1:2];%第一个索引是1,然后从8到2,步长是-1 for k=1:I%产生I路信号 %频域去噪 mf=fft(mhat(k,:)); thrd_mf=max(abs(mf))/2;%阈值设置 mf(abs(mf)<thrd_mf)=0; mhat(k,:)=ifft(mf);%还原时域信号 subplot(4,2,k);plot(t,I*real(mhat(index(k),:)),'.-', t,m(k,:),'ro-');legend('接收解调信号','原始发射信号');% pause()%虚部是cos end
这段代码是在进行信号处理,包括信号延迟、下采样、相移、多相滤波、解调频率等操作。其中,首先将接收到的信号进行下采样,并乘上复数相移系数与发射的信号相同,然后进行多相滤波,消除滤波延迟,并进行时延消除。接着,对每一个采样时刻的I路信号,进行相移和离散傅立叶反变换。最后,对每个子带进行频域去噪,设置阈值后,进行还原时域信号,并与原始发射信号进行比较。
clc; clear; close all; tic; N=128; M=[4 16 32 64]; D=5; c=0.15; nt=0.1289; nr=0.9500; N_ofdm=1000; snr_dB=1:18; SNR=10.^(snr_dB./10); for kk=1:length(snr_dB) N_fft=N*2+2; for jj=1:length(M) base_data=randi([0 1],1,N*N_ofdm*log2(M(jj))); data_temp1= reshape(base_data,log2(M(jj)),[])'; data_temp2= bi2de(data_temp1); mod_data = qammod(data_temp2,M(jj)); data=reshape(mod_data,N,[])'; H_data=zeros(N_ofdm,N_fft); H_data(:,2:N_fft/2)= data; H_data(:,N_fft/2+2:N_fft)= conj(fliplr(data)); ifft_data=ifft(H_data,[],2); ifft_data=ifft_data+0.02*ones(size(ifft_data)); Noise=awgn(ifft_data,SNR(kk),'measured')-ifft_data; Rx_data=ifft_data*nt*nr*exp(-c*D)+Noise; Rx_data=Rx_data/(nt*nr*exp(-c*D)) fft_data=fft(Rx_data,[],2); Rx_psk_data=fft_data(:,2:N_fft/2); demodulation_data = qamdemod(Rx_psk_data',M(jj)); demodulation_data= reshape(demodulation_data,[],1); temp1=de2bi(demodulation_data); err(kk,jj)=sum(sum((temp1~=data_temp1))); end BER(kk,:)=err(kk,:)./(N*N_ofdm*log2(M(jj))); end figure(); for a=1:length(M) semilogy(snr_dB,BER(:,a),'*-','LineWidth',1.5);hold on; end代码解释
这是一段 Matlab 代码,实现了一个基于 OFDM 的调制解调系统,其中包括了 AWGN 噪声和信道衰落的模型。具体解释如下:
- clc; clear; close all;:清空 Matlab 工作区,关闭所有打开的图形窗口。
- tic;:开始计时。
- N=128; M=[4 16 32 64]; D=5; c=0.15; nt=0.1289; nr=0.9500; N_ofdm=1000;:定义了一些常量和参数,其中 N 表示子载波数,M 表示调制阶数,D 表示信道长度,c 表示光速,nt 和 nr 分别表示发射天线和接收天线的天线增益,N_ofdm 表示 OFDM 符号个数。
- snr_dB=1:18; SNR=10.^(snr_dB./10);:定义了一组信噪比值和对应的信噪比。
- for kk=1:length(snr_dB):对每个信噪比进行循环。
- N_fft=N*2+2;:计算 FFT 点数。
- for jj=1:length(M):对每个调制阶数进行循环。
- base_data=randi([0 1],1,N*N_ofdm*log2(M(jj)));:生成随机的二进制数据。
- data_temp1= reshape(base_data,log2(M(jj)),[])'; data_temp2= bi2de(data_temp1);:将二进制数据按照调制阶数转换成十进制数据。
- mod_data = qammod(data_temp2,M(jj));:进行 QAM 调制。
- data=reshape(mod_data,N,[])';:将调制后的数据按照子载波数进行分组。
- H_data=zeros(N_ofdm,N_fft); H_data(:,2:N_fft/2)= data; H_data(:,N_fft/2+2:N_fft)= conj(fliplr(data));:将数据填充到 OFDM 符号中,其中 H_data 表示填充后的 OFDM 符号。
- ifft_data=ifft(H_data,[],2);:进行 IFFT 变换。
- ifft_data=ifft_data+0.02*ones(size(ifft_data));:添加循环前缀。
- Noise=awgn(ifft_data,SNR(kk),'measured')-ifft_data;:添加 AWGN 噪声。
- Rx_data=ifft_data*nt*nr*exp(-c*D)+Noise;:将符号传输到接收端,并考虑信道衰落。
- Rx_data=Rx_data/(nt*nr*exp(-c*D)):归一化处理。
- fft_data=fft(Rx_data,[],2);:进行 FFT 变换。
- Rx_psk_data=fft_data(:,2:N_fft/2);:提取有效数据。
- demodulation_data = qamdemod(Rx_psk_data',M(jj));:进行 QAM 解调。
- demodulation_data= reshape(demodulation_data,[],1); temp1=de2bi(demodulation_data);:将十进制数据转换成二进制数据。
- err(kk,jj)=sum(sum((temp1~=data_temp1)));:计算误码率。
- end BER(kk,:)=err(kk,:)./(N*N_ofdm*log2(M(jj)));:计算比特误码率。
- end:结束循环。
- figure(); for a=1:length(M):绘制误码率曲线。
- semilogy(snr_dB,BER(:,a),'*-','LineWidth',1.5);hold on;
- end:结束绘图。
- 解释完毕。