GSL库(64bit)在QT5.50中使用+VS2013编译器

////////////////////////////////////////////////////////////////////// // // Clutter_Function.cpp: implementation of the clutter function class. // ////////////////////////////////////////////////////////////////////// #pragma warning(disable:4786) #include "Clutter_Function.h" #include <math.h> #include <cstring> #include <vector> #include <iostream> //#include <windows.h> //#include <mmsystem.h> //using namespace std; #define REAL(z,i) (z[2*i]) #define IMAG(z,i) (z[2*i+1]) //参数设置 static double FS = 18310.546875; //设置采样频率（Hz）,原位5KHz static double Overflow_Gate = 10; //设定杂波实部及虚部幅度门限 const int N_FFT = 8192; //快速傅里叶变换使用的数组长度 static double sigma = 1.0; //高斯分布随机数的分布参数 static int DATA_LENGTH = 8192; //最后的不重复数据长度 extern bool Hardware_Flag; #define CLUTTER_DATA_FILE_NAME "D:\\data\\clutter\\clutter_data.txt" #define FILE_DATA_LOOP 4000 //注意：此处生成125M数据，可以播放近30分钟 //******************************************************************************* //**杂波模拟算法子程序clutter_calculation，模拟具有特定概率分布特性及相关特性的杂波 ** //**模拟的概率分布模型包括：瑞利分布、威布尔分布、对数－正态分布及K分布 ** //**模拟的杂波谱模型包括：高斯谱、柯西谱及立方谱 ** //******************************************************************************* //****************************----函数参数说明----******************************* //** pdf : 杂波幅度分布类型参数（1代表瑞利分布，2代表威布尔分布， ** //** 3代表对数－正态分布，4代表K分布） ** //** shapeP : 杂波幅度分布的形状参数 ** //** rmsD : 杂波方差 ** //** psd : 杂波功率谱类型参数（1代表高斯谱，2代表柯西谱，3代表立方谱）** //** bandWidth : 杂波带宽（Hz） ** //******************************************************************************* //****************************----内部调用函数说明----*************************** //** levison_AR : 采样Levinson递推算法计算AR模型参数的子函数 ** //** R_Gau_Cal ：模拟威布尔杂波中，二分法计算非线性变换前信号相关性子函数 ** //** Overflow_Gate_Gau_Cal ：分布杂波信号，计算高斯杂波序列的门限幅度函数 ** //** S_Cal : 模拟K分布杂波信号时，通过非线性变换计算调制序列的函数 ** //******************************************************************************* //高斯（瑞利分布）杂波生成函数 void Clutter_Gaussian(double rmsD, int psd, double bandWidth) { int k ; //滤波器的阶数 // R为长度为k+1的数组，a为(k+1)*(k+1)的矩阵, pr为长度k的数组 vector<double> R,pr,R_1; vector<vector<double> > a; double value,temp; //公共使用的变量 vector<double> valueV; int i,h,j; int N; //vector<double>::iterator index; switch(psd) { case 1: //高斯谱杂波模拟 k = (int)floor(2 * FS / bandWidth); //设置滤波器的阶数 temp = M_PI*bandWidth/1.665/FS; temp = temp * temp; for (i = 0; i <= k; i++) //计算高斯谱的自相关函数 { value = exp_small(-temp * (double)(i*i)); R.push_back(value); } R[0] = R[0] + 1e-6; //为避免Levinson递推算法出现发散，对高斯谱旁瓣电平进行限定（-60dB） //注意：原算法中用R[0]对整个R[]数组进行归一化的程序段必须去掉，否则Levision算法还会发散 //对修正后的自相关函数进行归一化 // R=R / R(1); Levison_AR(k,R,a,pr); //利用Levinson递推算法计算AR模型的参数 break; case 2: //柯西谱杂波模拟 //利用柯西谱自相关函数的特点直接计算 k = 1; //设置滤波器的阶数 //计算AR模型的参数 value = -exp(-M_PI * bandWidth / FS); valueV.push_back(value); a.push_back(valueV); value = 1 - pow(fabs(a[0][0]),2); pr.push_back(value); break; case 3: //立方谱杂波模拟 N = 8192; //设置立方谱采样的点数 k = floor(FS / bandWidth); //设置滤波器的阶数 //计算离散傅立叶变换频谱采样点的频率(f) vector<double> f; value = 0; for (h = 0; h < N; h++) //linespace(0,1/N,N) { f.push_back(value); value = value + 1 / double(N); if(f[h] > 0.5) //gr = find(f>0.5); f(gr) = 1 - f(gr); { f[h] = 1 - f[h]; } } for (h = 0; h < N; h++) // 计算立方谱的自相关函数，并进行归一化 { f[h] = FS / (1 + pow(2 * FS / bandWidth * f[h],3)); // R_1=real(ifft(FS./(1+(2.*FS/BAND_WIDTH.*f).^3))); } ifft_real(f,R_1,N); // 实数的快速傅里叶逆变换 //R_1有N个元素 for (h = 0; h <= k; h++) //注意R有k+1个元素 { R.push_back(R_1[h]/R_1[0]); //cout << h << ": " << R[h] << endl; } Levison_AR(k,R,a,pr); //利用Levinson递推算法计算AR模型的参数 break; } //生成随机数的准备工作 const gsl_rng_type *T; gsl_rng *r; //create a generator chosen by the environment variable GSL_RNG_TYPE gsl_rng_env_setup(); T = gsl_rng_default; //即gsl_rng_mt19937 r = gsl_rng_alloc (T); //------------------------模拟杂波信号(Clutter_Gau)------------------------ //建立AR模型初始化条件 complex valueC, sum; vector<complex> Clutter_Gau; for (h = 0; h < k; h++) { valueC.real = sqrt(rmsD/2) * sqrt(pr[h]) * randn(r); valueC.imag = sqrt(rmsD/2) * sqrt(pr[h]) * randn(r); //Clutter_Gau = sqrt(rmsD/2)*(randn(1,k)+j00*randn(1,k)).*sqrt(pr); Clutter_Gau.push_back(valueC); } if (k > 1) { for (i = 1; i < k; i++) //Clutter_Gau(i)=Clutter_Gau(i) - sum(a(i-1,1:i-1).* Clutter_Gau(i-1:-1:1)); { sum.real = 0; sum.imag = 0; for (j = 0; j <= i-1; j++) { valueC.real = a[i-1][j] * Clutter_Gau[i-1-j].real; valueC.imag = a[i-1][j] * Clutter_Gau[i-1-j].imag; sum.real = sum.real + valueC.real; sum.imag = sum.imag + valueC.imag; } Clutter_Gau[i].real = Clutter_Gau[i].real - sum.real; Clutter_Gau[i].imag = Clutter_Gau[i].imag - sum.imag; Sleep(2); } } // 利用AR模型产生长度为2k的初始信号 for (i = k; i < 2*k; i++) //Clutter_Gau(i)=sqrt(rmsD*pr(k)/2)*(randn(1)+j00*randn(1))-sum(a(k,1:k).*Clutter_Gau(i-1:-1:i-k)); { sum.real = 0; sum.imag = 0; for (j = 0; j < k; j++) { valueC.real = a[k-1][j] * Clutter_Gau[i-1-j].real; valueC.imag = a[k-1][j] * Clutter_Gau[i-1-j].imag; sum.real = sum.real + valueC.real; sum.imag = sum.imag + valueC.imag; } valueC.real = sqrt(rmsD*pr[k-1]/2) * randn(r)-sum.real; valueC.imag = sqrt(rmsD*pr[k-1]/2) * randn(r)-sum.imag; Clutter_Gau.push_back(valueC); } // 注意Clutter_Gau[]的长度为2k // 确保初始信号的实部和虚部的幅度在限定的范围内 //先求条件 max(max(abs(real(Clutter_Gau))),max(abs(imag(Clutter_Gau))) while (max_am(Clutter_Gau) > Overflow_Gate) // 如果存在幅度溢出，则重新产生数据 { // 以下程序段和上面的Clutter_Gau[]生成程序一样 for (h = 0; h < k; h++) { Clutter_Gau[h].real = sqrt(rmsD/2) * sqrt(pr[h]) * randn(r); Clutter_Gau[h].imag = sqrt(rmsD/2) * sqrt(pr[h]) * randn(r); } if (k > 1) { for (i = 1; i < k; i++) //Clutter_Gau(i)=Clutter_Gau(i) - sum(a(i-1,1:i-1).* Clutter_Gau(i-1:-1:1)); { sum.real = 0; sum.imag = 0; for (j = 0; j <= i-1; j++) { valueC.real = a[i-1][j] * Clutter_Gau[i-1-j].real; valueC.imag = a[i-1][j] * Clutter_Gau[i-1-j].imag; sum.real = sum.real + valueC.real; sum.imag = sum.imag + valueC.imag; } Clutter_Gau[i].real = Clutter_Gau[i].real - sum.real; Clutter_Gau[i].imag = Clutter_Gau[i].imag - sum.imag; } } for (i = k; i < 2*k; i