clear all;
close all;
echo off;
fc=20000; %载波频率
fs=40000; %采样速率
k=2;
code_size=15*round(k*fs/fc); %信息码元长度
t0=5.5; %信号长度
Ns=256; %采样点个数
fd=200; %符号速率
ts=1/fs; %采样周期
M=64; %码元个数
ti=1/fd; %码元间隔
N=ti/ts;
t=[0:ts:t0];
select=menu('调制方式','2ASK','2FSK','2PSK','4ASK','4FSK','4PSK');
switch select
case 1 % 2ASK signal
x=randi(1,M);
m=sin(2*pi*fc*t);
y=ones(1,M*N);
for i=1:M
for j=1:N
y((i-1)*N+j)=x(i)*m(j);
end
end
T=zeros(6,50);
T(1,1:50)=1;
case 2 %2FSK signal
x=randi(1,M);
m1=sin(2*pi*fc*t);
m2=sin(2*pi*2*fc*t);
y=zeros(1,M*N);
for i=1:M
if x(i)==1
for j=1:N
y((i-1)*N+j)=x(i)*m1(j);
end
elseif x(i)==0
for j=1:N
y((i-1)*N+j)=(1-x(i))*m2(j);
end
end
end
T=zeros(6,50);
T(2,1:50)=1;
case 3 %2PSK signal,
x=randi(1,M);
m1=sin(2*pi*fc*t);
m2=sin(2*pi*fc*t+pi);
y=zeros(1,M*N);
for i=1:M
if x(i)==1
for j=1:N
y((i-1)*N+j)=x(i)*m1(j);
end
elseif x(i)==0
for j=1:N
y((i-1)*N+j)=(1-x(i))*m2(j);
end
end
end
T=zeros(6,50);
T(3,1:50)=1;
case 4 % 4ASK signal
x=randi(1,M,4);
m=sin(2*pi*fc*t);
y=ones(1,M*N);
for i=1:M
if x(i)==0
for j=1:N
y((i-1)*N+j)=x(i)*m(j);
end
elseif x(i)==1
for j=1:N
y((i-1)*N+j)=x(i)*m(j);
end
elseif x(i)==2
for j=1:N
y((i-1)*N+j)=x(i)*m(j);
end
elseif x(i)==3
for j=1:N
y((i-1)*N+j)=x(i)*m(j);
end
end
end
T=zeros(6,50);
T(4,1:50)=1;
case 5 % 4FSK signal
x=randi(1,M,4);
m1=sin(2*pi*fc*t);
m2=sin(2*pi*2*fc*t);
m3=sin(2*pi*3*fc*t);
m4=sin(2*pi*4*fc*t);
y=zeros(1,M*N);
for i=1:M
if x(i)==0
for j=1:N
y((i-1)*N+j)=(1-x(i))*m1(j);
end
elseif x(i)==1
for j=1:N
y((i-1)*N+j)=x(i)*m2(j);
end
elseif x(i)==2
for j=1:N
y((i-1)*N+j)=(x(i)-1)*m3(j);
end
elseif x(i)==3
for j=1:N
y((i-1)*N+j)=(x(i)-2)*m4(j);
end
end
end
plot(y)
T=zeros(6,50);
T(5,1:50)=1;
case 6 %4PSK signal
x=randi(1,M,4);
m1=sin(2*pi*fc*t);
m2=sin(2*pi*fc*t+pi/2);
m3=sin(2*pi*fc*t+pi);
m4=sin(2*pi*fc*t+3*pi/2);
y=zeros(1,M*N);
for i=1:M
if x(i)==0
for j=1:N
y((i-1)*N+j)=(1-x(i))*m1(j);
end
elseif x(i)==1
for j=1:N
y((i-1)*N+j)=x(i)*m2(j);
end
elseif x(i)==2
for j=1:N
y((i-1)*N+j)=(x(i)-1)*m3(j);
end
elseif x(i)==3
for j=1:N
y((i-1)*N+j)=(x(i)-2)*m4(j);
end
end
end
T=zeros(6,50);
T(6,1:50)=1;
end
SNR=20; %定义信噪比,单位DB
sigpow=mean(abs(y).^2); %power of input signal
noisefac=10^(-SNR/10);
noise=randn(1,size(y,2));
noise=noise*(sqrt(sigpow*noisefac)/sqrt(mean(noise.^2))); %产生所需的高斯噪声
ynoise=noise+y; %加噪后的信号
for n=1:1:50
m=n*Ns;
x=(n-1)*Ns;
for i=x+1:m %提取信号段
y0(i)=ynoise(i);
end
Y=fft(y0); %调制信号的傅立叶变换
y1=hilbert(y0); %实信号的解析式
z=abs(y0); %实信号的瞬时幅度
phase=angle(y1); %实信号的瞬时相位
add=0; %求Rmax
for i=x+1:m
add=add+z(i);
end
ma=add/Ns; %瞬时幅度的平均值
y2=z./ma ; %幅度比,即为文献中的an(i)
y3=y2-1; %归一化瞬时幅度
y4=max(abs(y3));
y2n=y3./y4; % 即为文献中的acn(i)
s=fft(y2n);
R=abs(s);
Rmax=max((R)/Ns).^2; %零中心归一化瞬时幅度的谱密度的最大值
Xcn=0;
Ycn=0;
for i=x+1:m
Xcn=Xcn+y2n(i).*y2n(i);
Ycn=Ycn+abs(y2n(i));
end
Xcnav=Xcn/Ns;
Ycnav=(Ycn/Ns).*(Ycn/Ns);
deltaaa=sqrt(Xcnav-Ycnav); %零中心归一化瞬时幅度绝对值得标准偏差
if phase(2+x)-phase(1+x)>pi %修正相位序列
Ck(1+x)=-2*pi;
elseif phase(1+x)-phase(2+x)>pi
Ck(1+x)=2*pi;
else Ck(1+x)=0;
end
for i=x+2:m-1
if phase(i+1)-phase(i)>pi
Ck(i)=Ck(i-1)-2*pi;
elseif phase(i)-phase(i+1)>pi
Ck(i)=Ck(i-1)+2*pi;
else
Ck(i)=Ck(i-1);
end
end
if -phase(m)>pi
Ck(m)=Ck(m-1)-2*pi;
elseif phase(m)>pi
Ck(m)=Ck(m-1)+2*pi;
else Ck(m)=Ck(m-1);
end
phase1=phase+Ck ; %去相位卷叠后的相位序列
phasenl=phase1-2*pi*fc*i/fs; %非线性相位
at=1; %判决门限电平
a=0; %求取零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差和零中心非弱信号段瞬时相位非线性分量的标准偏差
b=0;
d=0;
c=0;
for i=x+1:m
if y2(i)>at
c=c+1;
phasesquare(i)=phasenl(i).*phasenl(i);
a=a+phasesquare(i);
phaseabs(i)=abs(phasenl(i));
b=b+phaseabs(i);
d=d+phasenl(i) ;
end
end
a1=a/c;
b1=(b/c).*(b/c);
d1=(d/c).*(d/c);
deltaap=sqrt(a1-b1); %零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差
deltadp=sqrt(a1-d1); %零中心非弱信号段瞬时相位非线性分量的标准偏差
freqN(i)=phase1(i)-phase1(i-1);
for i=x+1:m
if i>at
c=c+1;
freqNsquare(i)=freqN(i).*freqN(i);
a=a+freqNsquare(i);
b=b+freqN(i);
end
end
a1=a/c;
b1=(b/c)^2;
deltaaf=sqrt(a1-b1); %零中心归一化非弱信号段瞬时频率绝对值得标准偏差
Pi=rand(5,50);
P0=rand(5,50);
Pi(5*n-4)=Rmax;
Pi(5*n-3)=deltaap;
Pi(5*n-2)=deltadp;
Pi(5*n-1)=deltaaa;
Pi(5*n)=deltaaf;
end
%采用BP网络
%NEWCF--生成一个新的前向神经网络
%TRAIN--对网络进行训练
% 定义训练样本
%Pi为输入矢量
%T为目标矢量
%创建一个新的前向神经网络
net=newff(minmax(Pi),[5,15,6],{'tansig','purelin','logsig'},'traingda');
%设置训练参数
net.trainParam.show=50;
net.trainParam.lr=1;
net.trainParam.mc=0.5;
net.trainParam.epochs=2000;
net.trainParam.goal=1e-3;
%调用TRAINGDM算法训练网络
[net,tr]=train(net,Pi,T);
%对网络进行仿真
A=sim(net,Pi);
A
E=T-A;
T1=zeros(6,50);
T1(1,1:50)=1;
E1=0;
for c=1:1:300
Eout=(T1(c)-A(c))^2;
E1=Eout+E1 ;
end
T2=zeros(6,50);
T2(2,1:50)=1;
E2=0;
for c=1:1:300
Eout=(T2(c)-A(c))^2;
E2=Eout+E2;
end
T3=zeros(6,50);
T3(3,1:50)=1;
E3=0;
for c=1:1:300
Eout=(T3(c)-A(c))^2;
E3=Eout+E3;
end
T4=zeros(6,50);
T4(4,1:50)=1;
E4=0;
for c=1:1:300
Eout=(T4(c)-A(c))^2;
E4=Eout+E4;
end
T5=zeros(6,50);
T5(5,1:50)=1;
E5=0;
for c=1:1:300
Eout=(T5(c)-A(c))^2;
E5=Eout+E5;
end
T6=zeros(6,50);
T6(6,1:50)=1;
E6=0;
for c=1:1:300
Eout=(T6(c)-A(c))^2;
E6=Eout+E6;
end
E0=0;
if (E1>E2)
E0=E2;
else E0=E1;
end
if (E3<E0)
E0=E3;
end
if (E4<E0)
E0=E4;
end
if (E5<E0)
E0=E5;
end
if (E6<E0)
E0=E6;
end
E0;
if (E0==E1)
type=menu('输入信号是','2ASK信号');
end
if (E0==E2)
type=menu('输入信号是','2FSK信号');
end
if(E0==E3)
type=menu('输入信号是','BPSK信号');
end
if(E0==E4)
type=menu('输入信号是','4ASK信号');
end
if(E0==E5)
type=menu('输入信号是','4FSK信号');
end
if(E0==E6)
type=menu('输入信号是','QPSK信号');
end
%计算正确识别率sita
sita=0;
j=0;
for nn=1:1:50
Ee=(E(6*nn-5)^2)+(E(6*nn-4)^2)+(E(6*nn-3)^2)+(E(6*nn-2)^2)+(E(6*nn-1)^2)+(E(6*nn)^2);
if Ee<0.01
j=j+1;
end
end
sita=j/50;
type=menu('正确识别率为:',sita*100,'%');
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本MATLAB代码下载后可以直接运行,实现了一个简单的数字调制信号识别器,可以识别六种不同的调制方式(2or4ASK、2or4FSK、2or4PSK)。可以根据自己的需要删除不需要部分或者进行扩充都是完全OK的。 代码的主要过程:1初始化参数,包括载波频率、信息码元长度等,用于生成和处理信号。2选择不同的调制方式,这将决定后续的信号生成过程。3根据选择的调制方式生成相应的调制信号,每种调制方式都有不同的信号特征,信号将存储在一个包含多个码元的信号向量中。4为生成的信号添加高斯噪声,通过设置信噪比来控制噪声水平。5对每个生成的信号进行处理,处理包括傅立叶变换、幅度比等,以提取信号的特征和属性。6创建BP神经网络,识别输入信号的类型,输入是一系列特征参数,如Rmax等形成的特征矩阵,用于神经网络的训练。7设置BP神经网络的训练参数,包括学习率等。使用训练数据来训练神经网络,包括每种信号类型的特征参数以及标签矩阵。8对训练后的网络进行仿真,得到神经网络对不同输入信号的识别如果。9最后,通过比较每种信号类型的误差,选择具误差最小的信号类型作为正确的识别结果,计算识别正确率率并显示在用户界面上。
资源推荐
资源详情
资源评论
收起资源包目录
基于BP神经网络的数字调制识别MATLAB代码.zip (11个子文件)
2ASK
2ASK_XN.png 18KB
2ASK_XLZT.png 18KB
2ASK_HG.png 21KB
2PSK
2PSK_HG.png 19KB
2PSK_XLXT.png 20KB
2PSK_XN.png 19KB
2PSK_XLZT.png 17KB
BPNetworkCom.m 8KB
2FSK
2FSK_XN.png 18KB
2FSK_HG.png 21KB
2FSK_XLZT.png 17KB
共 11 条
- 1
资源评论
阿离不懂
- 粉丝: 10
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功