% 设置参数 fs = 1000; % 采样率 fc = 100; % 载波频率 T = 1; % 信号持续时间 N = fs * T; % 信号长度 t = linspace(0, T, N); % 时间轴 f = linspace(-fs/2, fs/2, N); % 频率轴 v = 10; % 目标速度 lambda = 3e8/fc; % 波长 fd = 2*v/lambda; % 多普勒频移 % 构造发送信号 s = sin(2*pi*fc*t); % 构造接收信号 r = sin(2*pi*(fc+fd)*t); % 使用MP分路径的多普勒估计算法计算相关度 L = 4; % 分路径数 r_fft = fft(r); s_fft = fft(s); R = zeros(1, L); for k = 1:L shift = mod((k-1)*floor(N/L), N); R(k) = sum(s_fft .* circshift(r_fft, shift)) / N; end % 绘制相关度图像 figure; plot(f, fftshift(abs(R))); xlabel('频率(Hz)'); ylabel('相关度');错误使用 plot 向量长度必须相同。 出错 untitled219 (第 30 行) plot(f, fftshift(abs(R)));这段代码提示错误使用 plot 向量长度必须相同。 出错 untitled219 (第 30 行) plot(f, fftshift(abs(R)));

时间: 2023-06-27 13:06:56 浏览: 66
提示的错误信息是向量长度必须相同,这是因为你在绘制相关度图像时,横坐标使用的是频率轴 f,纵坐标使用的是对应的相关度 R,而 R 的长度为 L,而 f 的长度为 N。应该将 f 和 R 的长度都改为 N,即: ``` R = zeros(1, N); for k = 1:N shift = mod((k-1)*floor(N/L), N); R(k) = sum(s_fft .* circshift(r_fft, shift)) / N; end figure; plot(f, fftshift(abs(R))); xlabel('频率(Hz)'); ylabel('相关度'); ``` 这样就可以正确绘制相关度图像了。
相关问题

fs = 10000; % 采样率 t = 0:1/fs:1; % 时间序列 Ac = 1; % 载波幅度 fc = 1000; % 载波频率 % 基带信号m(t) mt = sin(10*pi*t) + sin(30*pi*t); % DSB调制 st = Ac * mt .* cos(2*pi*fc*t);请扩展以上MATLAB语言实现对DSB调制信号的相干解调,并作出图形。

DSB调制信号的相干解调可以通过乘以相同频率的载波信号实现。具体实现过程如下: ```matlab % 设置参数 fs = 10000; % 采样率 t = 0:1/fs:1; % 时间序列 Ac = 1; % 载波幅度 fc = 1000; % 载波频率 % 基带信号m(t) mt = sin(10*pi*t) + sin(30*pi*t); % DSB调制 st = Ac * mt .* cos(2*pi*fc*t); % 相干解调 ct = cos(2*pi*fc*t); % 解调载波 rt = st .* ct; % 相乘得到解调信号 [b,a] = butter(6,2*fc/fs); % 设计6阶低通滤波器 yt = filter(b,a,rt); % 滤波得到解调后的信号 % 绘制时域波形 subplot(2,1,1) plot(t, st) hold on plot(t, rt) plot(t, yt) xlabel('时间') ylabel('幅度') title('DSB调制信号和解调信号时域波形') legend('DSB调制信号', '解调信号(未滤波)', '解调信号(滤波后)') % 绘制幅度频谱图 subplot(2,1,2) f = -fs/2:fs/length(t):fs/2-fs/length(t); % 频率序列 St = fftshift(abs(fft(st))); Rt = fftshift(abs(fft(rt))); Yt = fftshift(abs(fft(yt))); plot(f, St) hold on plot(f, Rt) plot(f, Yt) xlabel('频率') ylabel('幅度') title('DSB调制信号和解调信号幅度频谱图') legend('DSB调制信号', '解调信号(未滤波)', '解调信号(滤波后)') ``` 运行上述代码后,可以得到DSB调制信号和解调信号的时域波形和幅度频谱图,如下图所示: ![DSB调制信号和解调信号的时域波形](https://img-blog.csdn.net/20180731162850357?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2p1bGx5X2Jsb2c=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/75) ![DSB调制信号和解调信号的幅度频谱图](https://img-blog.csdn.net/20180731163014895?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2p1bGx5X2Jsb2c=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/75) 可以看到,经过相干解调和低通滤波后,解调信号与原始基带信号基本一致,证明了相干解调的正确性。

% OFDM参数N = 200; % 子载波数目cp_len = 64; % 循环前缀长度fs = 1e6; % 采样率fc = 800e6; % 载波频率T = 1/fs; % 采样时间Ts = N*T; % OFDM符号时间T_cp = cp_len*T; % 循环前缀时间f = (0:N-1)*fs/N; % 子载波频率t = (0:N-1)*T; % 子载波时间t_cp = (N-cp_len:N-1)*T; % 循环前缀时间% 生成随机数据data = randi([0 15], 1, N);% 将数据进行16QAM调制data_mod = qammod(data, 16);% 将数据进行IFFT变换data_ifft = ifft(data_mod, 512);% 添加循环前缀data_cp = [data_ifft(end-cp_len+1:end) data_ifft];% 将OFDM符号变为基带信号baseband = real(exp(1j*2*pi*fc*t).*data_cp);% 绘制OFDM信号频谱figure;plot(f/1e6, 20*log10(abs(fftshift(fft(baseband)))));xlabel('频率(MHz)');ylabel('幅度(dB)');title('OFDM信号频谱');对于此运算,数组的大小不兼容。 出错 ofdm (第 21 行) baseband = real(exp(1j*2*pi*fc*t).*data_cp);怎么改

您可以尝试将 `t` 和 `data_cp` 的大小改为 `512`,即: ```matlab t = (0:511)*T; data_cp = [data_ifft(end-cp_len+1:end) data_ifft]; data_cp = repmat(data_cp, 1, 2); ``` 这样可以使 `t` 和 `data_cp` 的大小与 `exp(1j*2*pi*fc*t)` 相匹配,从而避免数组大小不兼容的错误。同时,由于循环前缀的长度为 `64`,因此我们需要将 `data_cp` 重复两次,以便 OFDM 符号和循环前缀的长度都为 `512`。 完整的程序如下: ```matlab % OFDM参数 N = 200; % 子载波数目 cp_len = 64; % 循环前缀长度 fs = 1e6; % 采样率 fc = 800e6; % 载波频率 T = 1/fs; % 采样时间 Ts = N*T; % OFDM符号时间 T_cp = cp_len*T; % 循环前缀时间 f = (0:N-1)*fs/N; % 子载波频率 t = (0:511)*T; % 子载波时间 t_cp = (N-cp_len:N-1)*T; % 循环前缀时间 % 生成随机数据 data = randi([0 15], 1, N); % 将数据进行16QAM调制 data_mod = qammod(data, 16); % 将数据进行IFFT变换 data_ifft = ifft(data_mod, 512); % 添加循环前缀 data_cp = [data_ifft(end-cp_len+1:end) data_ifft]; data_cp = repmat(data_cp, 1, 2); % 将OFDM符号变为基带信号 baseband = real(exp(1j*2*pi*fc*t).*data_cp); % 绘制OFDM信号频谱 figure; plot(f/1e6, 20*log10(abs(fftshift(fft(baseband))))); xlabel('频率(MHz)'); ylabel('幅度(dB)'); title('OFDM信号频谱'); ```

相关推荐

% 设置参数 alpha = 0.2; % 吸收系数 d = 10; % 传播距离 f = 1e6; % 超声波信号频率 fs = 16*f; % 采样率 fc = 4*f; % 载波频率 T = 1/fc; % 周期 t = 0:1/fs:T-1/fs; % 采样时间序列 N = length(t); % 采样点数 A = 1; % 振幅 M = 64; % 星座大小 %生成64QAM调制信号 data = randi([0 M-1], [1, N/2]); constellation = qammod(data, M, 'gray'); signalI = real(constellation); signalQ = imag(constellation); signal = zeros(1, N); signal(1:2:end) = signalI; signal(2:2:end) = signalQ; %超声波信号衰减 attenuation = exp(-alpha*d); signal = signal*attenuation; %正交振幅调制 carrierI = cos(2*pi*fc*t); carrierQ = sin(2*pi*fc*t); modulatedI = signal.*carrierI; modulatedQ = signal.*carrierQ; %解调信号 demodulatedI = modulatedI.*carrierI; demodulatedQ = modulatedQ.*carrierQ; demodulated = demodulatedI + demodulatedQ; %误码率曲线 SNR = -10:2:20; ber = zeros(size(SNR)); for i = 1:length(SNR) noisyI = awgn(modulatedI, SNR(i), 'measured'); noisyQ = awgn(modulatedQ, SNR(i), 'measured'); noisySignal = noisyI.*carrierI + noisyQ.*carrierQ; noisyDemodI = noisySignal.*carrierI; noisyDemodQ = noisySignal.*carrierQ; noisyDemod = noisyDemodI + noisyDemodQ; noisyData = qamdemod(noisyDemod, M, 'gray'); [~, ber(i)] = biterr(data, noisyData); end %星座图 scatterplot(constellation) %调制后波形和解调后与原信号波形曲线对比图 figure subplot(311) plot(t, signal) title('原信号') subplot(312) plot(t, modulatedI) hold on plot(t, modulatedQ) title('正交振幅调制后信号') legend('In-phase', 'Quadrature') subplot(313) plot(t, signal - demodulated) title('解调后信号与原信号的差')data与noisyDatasize不一致怎么解决

将下列代码中的基带8-PSK更换为4-PSK:clear all nsymbol=10000; %每种信噪比下的发送符号数 T=1; %符号周期 fs=100; %每个符号的采样点数 ts=1/fs; %采样时间间隔 t=0:ts:T-ts; %时间向量 fc=10; %载波频率 c=sqrt(2/T)*exp(j*2*pi*fc*t); %载波信号 c1=sqrt(2/T)*cos(2*pi*fc*t); %同相载波 c2=-sqrt(2/T)*sin(2*pi*fc*t); %正交载波 M=8; %8-PSK graycode=[0 1 2 3 6 7 4 5]; %Gray编码规则 EsN0=0:15; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randint(1,nsymbol,M); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=pskmod(msg1,M).'; %基带8-PSK调制 tx=real(msgmod*c); %载波调制 tx1=reshape(tx.',1,length(msgmod)*length(c)); spow=norm(tx1).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(2*snr1(indx))); %根据符号功率求噪声功率 rx=tx1+sigma*randn(1,length(tx1)); %加入高斯白噪声 rx1=reshape(rx,length(c),length(msgmod)); r1=(c1*rx1)/length(c1); %相关运算 r2=(c2*rx1)/length(c2); r=r1+j*r2; y=pskdemod(r,M); %PSK解调 decmsg=graycode(y+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end ser1=2*qfunc(sqrt(2*snr1)*sin(pi/M)); %理论误符号率 ber1=1/log2(M)*ser1; %理论误比特率 semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,ser1,EsN0,ber1,'-k.'); title('8-PSK载波调制信号在AWGN信道下的性能') xlabel('Es/N0');ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率','理论误比特率')

最新推荐

recommend-type

HTML+CSS+JS+JQ+Bootstrap的创意数码摄影机构响应式网页.7z

大学生们,想让你的个人项目或作品集脱颖而出吗?这份超实用的网站源码合集,专为追求技术深度与创意边界的你定制! 从零到一,快速构建:结合HTML的坚实基础与CSS的视觉魔法,轻松设计出吸引眼球的网页界面。无论是扁平风还是 Material Design,随心所欲展现你的设计才华。 JavaScript实战演练:掌握web开发的“瑞士军刀”,实现炫酷的动态效果和用户交互。从基础语法到高级应用,每行代码都是你技术成长的足迹。 jQuery加速开发流程:用最简洁的代码实现复杂的操作,jQuery让你事半功倍。提升开发效率,把更多时间留给创意实现。 Bootstrap响应式布局:一码在手,多端无忧。学会Bootstrap,让你的作品在任何设备上都表现完美,无缝对接移动互联网时代。 实战经验,助力求职加薪:拥有这份源码宝典,不仅意味着技术的全面升级,更是简历上的亮点,让面试官眼前一亮,为实习、工作加分! 别等了,现在就开始你的前端探索之旅,用代码塑造未来,让梦想触网可及!
recommend-type

基于 Java 实现的仿windows扫雷小游戏课程设计

【作品名称】:基于 Java 实现的仿windows扫雷小游戏【课程设计】 【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】:基于 Java 实现的仿windows扫雷小游戏【课程设计】
recommend-type

利用迪杰斯特拉算法的全国交通咨询系统设计与实现

全国交通咨询模拟系统是一个基于互联网的应用程序,旨在提供实时的交通咨询服务,帮助用户找到花费最少时间和金钱的交通路线。系统主要功能包括需求分析、个人工作管理、概要设计以及源程序实现。 首先,在需求分析阶段,系统明确了解用户的需求,可能是针对长途旅行、通勤或日常出行,用户可能关心的是时间效率和成本效益。这个阶段对系统的功能、性能指标以及用户界面有明确的定义。 概要设计部分详细地阐述了系统的流程。主程序流程图展示了程序的基本结构,从开始到结束的整体运行流程,包括用户输入起始和终止城市名称,系统查找路径并显示结果等步骤。创建图算法流程图则关注于核心算法——迪杰斯特拉算法的应用,该算法用于计算从一个节点到所有其他节点的最短路径,对于求解交通咨询问题至关重要。 具体到源程序,设计者实现了输入城市名称的功能,通过 LocateVex 函数查找图中的城市节点,如果城市不存在,则给出提示。咨询钱最少模块图是针对用户查询花费最少的交通方式,通过 LeastMoneyPath 和 print_Money 函数来计算并输出路径及其费用。这些函数的设计体现了算法的核心逻辑,如初始化每条路径的距离为最大值,然后通过循环更新路径直到找到最短路径。 在设计和调试分析阶段,开发者对源代码进行了严谨的测试,确保算法的正确性和性能。程序的执行过程中,会进行错误处理和异常检测,以保证用户获得准确的信息。 程序设计体会部分,可能包含了作者在开发过程中的心得,比如对迪杰斯特拉算法的理解,如何优化代码以提高运行效率,以及如何平衡用户体验与性能的关系。此外,可能还讨论了在实际应用中遇到的问题以及解决策略。 全国交通咨询模拟系统是一个结合了数据结构(如图和路径)以及优化算法(迪杰斯特拉)的实用工具,旨在通过互联网为用户提供便捷、高效的交通咨询服务。它的设计不仅体现了技术实现,也充分考虑了用户需求和实际应用场景中的复杂性。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】基于TensorFlow的卷积神经网络图像识别项目

![【实战演练】基于TensorFlow的卷积神经网络图像识别项目](https://img-blog.csdnimg.cn/20200419235252200.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3MTQ4OTQw,size_16,color_FFFFFF,t_70) # 1. TensorFlow简介** TensorFlow是一个开源的机器学习库,用于构建和训练机器学习模型。它由谷歌开发,广泛应用于自然语言
recommend-type

CD40110工作原理

CD40110是一种双四线双向译码器,它的工作原理基于逻辑编码和译码技术。它将输入的二进制代码(一般为4位)转换成对应的输出信号,可以控制多达16个输出线中的任意一条。以下是CD40110的主要工作步骤: 1. **输入与编码**: CD40110的输入端有A3-A0四个引脚,每个引脚对应一个二进制位。当你给这些引脚提供不同的逻辑电平(高或低),就形成一个四位的输入编码。 2. **内部逻辑处理**: 内部有一个编码逻辑电路,根据输入的四位二进制代码决定哪个输出线应该导通(高电平)或保持低电平(断开)。 3. **输出**: 输出端Y7-Y0有16个,它们分别与输入的编码相对应。当特定的
recommend-type

全国交通咨询系统C++实现源码解析

"全国交通咨询系统C++代码.pdf是一个C++编程实现的交通咨询系统,主要功能是查询全国范围内的交通线路信息。该系统由JUNE于2011年6月11日编写,使用了C++标准库,包括iostream、stdio.h、windows.h和string.h等头文件。代码中定义了多个数据结构,如CityType、TrafficNode和VNode,用于存储城市、交通班次和线路信息。系统中包含城市节点、交通节点和路径节点的定义,以及相关的数据成员,如城市名称、班次、起止时间和票价。" 在这份C++代码中,核心的知识点包括: 1. **数据结构设计**: - 定义了`CityType`为short int类型,用于表示城市节点。 - `TrafficNodeDat`结构体用于存储交通班次信息,包括班次名称(`name`)、起止时间(原本注释掉了`StartTime`和`StopTime`)、运行时间(`Time`)、目的地城市编号(`EndCity`)和票价(`Cost`)。 - `VNodeDat`结构体代表城市节点,包含了城市编号(`city`)、火车班次数(`TrainNum`)、航班班次数(`FlightNum`)以及两个`TrafficNodeDat`数组,分别用于存储火车和航班信息。 - `PNodeDat`结构体则用于表示路径中的一个节点,包含城市编号(`City`)和交通班次号(`TraNo`)。 2. **数组和变量声明**: - `CityName`数组用于存储每个城市的名称,按城市编号进行索引。 - `CityNum`用于记录城市的数量。 - `AdjList`数组存储各个城市的线路信息,下标对应城市编号。 3. **算法与功能**: - 系统可能实现了Dijkstra算法或类似算法来寻找最短路径,因为有`MinTime`和`StartTime`变量,这些通常与路径规划算法有关。 - `curPath`可能用于存储当前路径的信息。 - `SeekCity`函数可能是用来查找特定城市的函数,其参数是一个城市名称。 4. **编程语言特性**: - 使用了`#define`预处理器指令来设置常量,如城市节点的最大数量(`MAX_VERTEX_NUM`)、字符串的最大长度(`MAX_STRING_NUM`)和交通班次的最大数量(`MAX_TRAFFIC_NUM`)。 - `using namespace std`导入标准命名空间,方便使用iostream库中的输入输出操作。 5. **编程实践**: - 代码的日期和作者注释显示了良好的编程习惯,这对于代码维护和团队合作非常重要。 - 结构体的设计使得数据组织有序,方便查询和操作。 这个C++代码实现了全国交通咨询系统的核心功能,涉及城市节点管理、交通班次存储和查询,以及可能的路径规划算法。通过这些数据结构和算法,用户可以查询不同城市间的交通信息,并获取最优路径建议。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

【实战演练】使用Seaborn和Plotly进行数据可视化项目

![【实战演练】使用Seaborn和Plotly进行数据可视化项目](https://ask.qcloudimg.com/http-save/yehe-5669851/lifus0nfda.jpeg) # 1. 数据可视化的基础** 数据可视化是指将数据转换为图形或图表,以帮助人们理解和解释数据。它是一种强大的工具,可以揭示数据中的模式、趋势和异常情况,从而帮助人们做出更好的决策。 数据可视化有许多不同的类型,包括条形图、折线图、散点图和饼图。每种类型都有其独特的优点和缺点,具体选择哪种类型取决于数据类型和要传达的信息。 在创建数据可视化时,重要的是要考虑以下因素: * **受众:**
recommend-type

Python的六种数据类型

Python是一种动态类型的高级编程语言,它的六种基本数据类型包括: 1. **数字类型(Numeric Types)**:主要有整型(int)、浮点型(float)、复数型(complex)。整型用于表示整数值,浮点型用于存储小数,复数型用于处理复数。 2. **字符串类型(String Type)**:用单引号('')或双引号("")包围的文本序列,用来存储文本数据。 3. **布尔类型(Boolean Type)**:只有两个值,True和False,表示逻辑判断的结果。 4. **列表类型(List Type)**:有序的可变序列,可以包含不同类型的元素。 5. **元组类型