【数字信道】多相滤波信道化接收机仿真【含Matlab源码 3398期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab信号处理仿真内容点击👇
①Matlab信号处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、多相滤波信道化接收机仿真

信道化接收机在雷达、雷达侦察、通信等领域有广泛应用。在雷达信号处理中，常用于实现多普勒滤波器组。在雷达侦察中，常用于将宽频段进行窄带划分，并在每个信道上进行侦察处理。在通信领域，常用于接收多个信号的频分复用。
下面将通过一个仿真实例来讨论信道化接收机的应用。在这个仿真实例中，重点想说明的是信道化接收机的子带划分方法。在雷达侦察中，为保证观察频段全概率截获，通常将观察频段划分为多个窄子带，相邻子带之间相互交叠。而在通信领域，当用于频分复用时，同样将观察频段划分为多个窄子带，但多个子带之间要求有一定的保护带宽。因此，根据应用场景不同，信道化的子带划分方法是不同的。
需要特别说明，本仿真中选择了子带数K=抽取倍数D。在雷达侦察中，因相邻子带是交叠的，故单个子带的带宽和子带输出的采样率不满足采样定理，子带存在混叠。因此，当存在带宽为子带带宽的信号经过该信道化接收机时，子带输出的信号将会失真。若要避免这一问题需要设置子带数K>抽取倍数D。

1 子带划分
设采样率为100，子带个数16，抽取倍数为16，多相因子P=8。则雷达侦察中使用的低通滤波器如下图所示。该滤波器的通带截止频率为100/32=3.125, 阻带起始频率为100/16=6.25。利用该滤波器进行子带划分，其频率响应如下图所示。相邻子带混叠，单个子带输出不满足采样定理。


在通信领域中使用的低通滤波器如下图所示。该滤波器的通带截止频率为100/64=1.5625, 阻带起始频率为100/32=3.125。利用该滤波器进行子带划分，其频率响应如下图所示。相邻子带不混叠，单个子带输出信号满足采样定理。

2.单频信号通过信道化接收机
以通信领域的子带划分为例，若有一个单频信号的载频为13.125，采样率100，将其通过前述信道化接收机，则该单频信号将在第3个子带输出，其载波频率也会发生变化，至于变成多少，可参考信道化的原理进行推导。
下面分别给出了第2、3和4个子带的输出结果。由图可知，单频信号在第3个子带内输出。第4和2个子带内输出信号非常小。注意，第4和2的开始和结束位置存在很大的脉冲，为啥会出现这一脉冲，可自行思考一下。

第3个子带的时域波形

第2个子带的时域波形

第4个子带的时域波形

⛄二、部分源代码

close all;
clear all;
%==========================================================================
%参数设置
%==========================================================================
fs = 100; %采样率
D = 16; %抽取倍数
K = D; %信道个数
P = 8; %多相因子

cIdx =3; %单频占用信道号
f0 = ((cIdx-1)+0.1)fs/D;%载波频率
A = 1; %信号幅度
N = 1000; %采样点数
%==========================================================================
%计算相关参数
%==========================================================================
t = 0:1/fs:(N-1)/fs; %时间
phase = 2pirand; %随机相位
N = KP; %FIR滤波器阶数
%==========================================================================
%加载滤波器系数
%==========================================================================
% load chan_detect_fir_coe.mat hcoe;
load fdma_fir_coe.mat hcoe;
NFFT=1024; %FFT点数
F = 0:fs/NFFT:fs*(NFFT-1)/NFFT; %频率范围

figure
for kn=1:K
hold on;
bhcoe=hcoe.exp(1i2pi(kn-1)fs/K(0:N-1)/fs); %带通滤波器
bhfft=fft(bhcoe,NFFT); %计算频谱
plot(F,20log10(abs(bhfft)))
end
xlabel(‘频率(Hz)’);
ylabel(‘频谱(dB)’);
axis([min(F),max(F),-100,5]); box on;
hold off;
%==========================================================================
%复信号
%==========================================================================
signal = Aexp(1i2pif0t+1i*phase); %信号产生

figure
subplot(2,1,1)
plot(t,real(signal),‘r’)
xlabel(‘时间(s)’); ylabel(‘实部’);
subplot(2,1,2)
plot(t,imag(signal),‘b’)
xlabel(‘时间(s)’); ylabel(‘虚部’);
%==========================================================================
%信道化处理
%==========================================================================
[stft,ro,co]=polyphase_filter_DFT_banks(signal,hcoe,D,P);
tt=(0:co-1)*D/fs; %信道化后时间范围

figure
subplot(2,1,1)
plot(tt,real(stft(cIdx,:)),‘r’)
xlabel(‘时间(s)’); ylabel(‘实部’);axis tight;
subplot(2,1,2)
plot(tt,imag(stft(cIdx,:)),‘b’)
xlabel(‘时间(s)’); ylabel(‘虚部’);axis tight;

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 李婉婉,李绍胜.基于多相滤波的多信道接收机的实现[J].中国科技论文在线.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合