【随机共振】基于随机共振的高频弱信号检测的MATLAB仿真
1.软件版本
matlab2021a
2.本算法理论知识
1、理想条件下的仿真。比如就是高斯白噪声的时候,在通信频段上的随机共振特性。
2、考虑如果不是高斯白噪声的时候,会出现什么情况。比如噪声的特性有一些随机性或者是考虑把信号经过瑞丽信道等来模拟。或者色噪声之类的。
3、进一步通过后,则考虑如果有多径时候的情况,这个时候可以考虑用自己设定的多经结构(结构参数可以参考五缘湾的实验(信道响应为文件channel-H))。
4、在上述都通过后,则选用链接的模型(http://oalib.hlsresearch.com),比如Bellhop模型或者raytracing等来做一个近似完整的仿真。
5、最后,都通过后则考虑上海测现场来做。
整理结论“首先考虑周期信号在高斯白噪声下、非高斯白噪声下、多径结构下(五缘湾海测信道响应)、bellhop模型下的随机共振的仿真,然后考虑把周期信号换成chirp信号(即岑哲的探测信号),最后放到岑哲的毕设中去,结论就是加入了随机共振后,他的系统检测效果更好了”
3.核心代码
clc;
clear;
close all;
warning off;
load 基于遗传算法参数优化\R.mat
%噪声信噪比
SNR = -3;
%信号频率
f = 2000;%20-30khz
%参样频率
fs = 64*f;
Ts = 1/fs;
%SR算法三个参数
h = 0.2;
a = w1_best;
b = w2_best;
t = 0:Ts:2^12*Ts;%每0.2递增
%信号
s = sin(2*pi*f*t);
%噪声的设置
x1 = awgn(s,SNR,'measured');
%输入无噪信号傅立叶变换
y = fft(s,4096);
pyy = y.*conj(y)/4096;
ff = fs*(0:2048)/4096;
figure;
subplot(321);
plot(t,s);
title('输入无噪信号');
xlabel('时间t/s');
ylabel('信号幅度A');
subplot(322);
plot(ff,pyy(1:2049));
xlabel('频率f/Hz');
ylabel('频谱幅度');
title('输入无噪信号的频谱');
%输入加噪信号傅立叶变换
y = fft(x1,4096);
pyy = y.*conj(y)/4096;
ff = fs*(0:2048)/4096;
subplot(323);
plot(t,x1);
title('输入加噪噪信号');
xlabel('时间t/s');
ylabel('信号幅度A');
subplot(324);
plot(ff,pyy(1:2049));
xlabel('频率f/Hz');
ylabel('频谱幅度');
title('输入加噪信号的频谱');
%四阶龙格库塔法对双稳态输出信号求解
x = sr(a,b,h,x1);
%输出信号求傅立叶变换
y = fft(x,4096);
py = y.*conj(y)/4096;
ff = fs*(0:2048)/4096;
subplot(325);
plot(t,x);
title('输出信号');
xlabel('时间t/s');
ylabel('信号幅度A');
subplot(326);
plot(ff,py(1:2049));
xlabel('频率f/Hz');
ylabel('频谱幅度');
title('输出信号的频谱');
4.操作步骤与仿真结论
1、理想条件下的仿真。比如就是高斯白噪声的时候,在通信频段上的随机共振特性。
在理想情况,我们的这个部分的仿真效果如下所示:
2、考虑如果不是高斯白噪声的时候,会出现什么情况。比如噪声的特性有一些随机性或者是考虑把信号经过瑞丽信道等来模拟。或者色噪声之类的。
在1的基础上,我们将噪声使用有色噪声来处理(多径的分析在后面步骤3测试)
3、进一步通过后,则考虑如果有多径时候的情况,这个时候可以考虑用自己设定的多经结构(结构参数可以参考五缘湾的实验(信道响应为文件channel-H))。
注意,这里你要求提供可以修改多径参数的功能,所以我这里自己写了一个多径信道,然后可以设置多径的个数,每一经的延迟和幅度等三个参数,就不用你的ChannedlH这个文件了。
4、在上述都通过后,则选用链接的模型(http://oalib.hlsresearch.com),比如Bellhop模型或者raytracing等来做一个近似完整的仿真。
这里,选择Bellhop模型进行测试。
5.参考文献
A28-44
6.完整源码获得方式
方式1:微信或者QQ联系博主
相关文章
- 基于帝王蝶算法MBO求解最优目标(Matlab完整代码实现)
- 【ACO-VRPTW】基于蚁群优化算法的时间窗的车辆配送(VRP)优化(Matlab代码实现)
- 基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制(Matlab代码实现)
- 基于粒子群优化算法的边缘链接用于边缘检测(Matlab代码实现)
- 【状态估计】基于随机方法优化PMU优化配置(Matlab代码实现)
- 基于模糊认知图谱和遗传算法的龋齿度检测(Matlab代码实现)
- 【信号处理】基于扩展傅里叶的信号分析(Matlab代码实现)
- 基于改进霍夫变换通过曲率进行圆检测(Matlab代码实现)
- 【ADMM】基于交替方向乘法器(ADMM)算法优化基于cs的速磁共振成像MRI研究(Matlab代码实现)
- 【图像处理】基于二维FIR的特定角度边缘检测(Matlab代码实现)
- 基于灰度共生矩阵的图形纹理检测及路面状况的 SVM 分类实现(Matlab代码实现)
- 【图像分割】基于遗传算法的进化聚类技术对彩色图像进行分割(Matlab代码实现)
- 【MATLAB】MATLAB 仿真 — 基于matlab的QPSK系统仿真
- 【图像处理】基于matlab蚁群聚类图像边缘检测
- 【图像处理】基于matlab Hough变换答题卡识别
- m基于深度学习的LTE信号检测算法matlab仿真
- m基于matlab的PCM-FM码同步和GMSK的调制和解调方法,包括多符号检测MSD和Turbo编解码
- m基于matlab的光通信误码率仿真,分别对比了OFDM+BPSK和OFDM+4QAM的误码率和星座图
- m基于matlab的超宽带MIMO雷达对目标的检测仿真,考虑时间反转
- m基于NSGAII的多机器多任务调度排序优化matlab仿真,考虑机器任务完成时间、机器总负荷和最大负荷
- m基于高斯滤波和八方向sobel边缘提取的道路检测和提取算法matlab仿真
- 基于KDtree的电路故障检测算法的MATLAB仿真
- 基于LSTM深度学习网络的疾病发作检测算法matlab仿真
- 基于Bi-LSTM深度学习网络的遥感数据分类matlab仿真
- m基于简化后的轻量级yolov4深度学习网络农作物检测算法matlab仿真
- 【故障诊断】基于时滞反馈随机共振的增强型旋转电机故障诊断(Matlab代码实现)
- 基于典型相关分析的故障检测和过程监控算法研究(Matlab代码实现)
- 基于深度学习LSTM分类进行故障检测(Matlab代码实现)
- 车间调度|基于遗传算法的柔性车间调度(Matlab代码实现)
- 基于matlab的人脸检测,人眼检测