压缩采样之随机解调的matlab仿真

%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% 随机解调输入信噪比对重构结果影响_仿真实验_现代采样理论、技术及应用 %% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clc; clear; close all; for i = 1: 30 for j = 1: 10 %% 生成多谐波信号 plot_enable_i = 0; % plot_enable=1：绘制图形，plot_enable=0：不绘制图形 t_simu = 0.1; % 多谐波信号的持续时间，单位s f_simu = 10000; % 多谐波信号的仿真频率，单位Hz [input_signal, t_i] = produce_input_signal(f_simu, t_simu, plot_enable_i); % 生成多谐波信号 input_signal_ideal = input_signal; % 无噪声多谐波信号 %% 生成有噪声多谐波信号 in_snr = 10*i; % 输入信号信噪比 signal_var = var(input_signal_ideal); % 无噪声信号方差 noise_factor = sqrt(signal_var/(10^(in_snr/10))); % 白噪声幅值 noise = noise_factor* randn(length(input_signal_ideal), 1); % 生成白噪声 input_signal = noise + input_signal_ideal; % 有噪声多谐波信号 %% 生成m序列 plot_enable_p = 0; % plot_enable=1：绘制图形，plot_enable=0：不绘制图形 t_PRS = t_simu; % m序列的持续时间，单位s （应与多谐波信号一致） f_PRS = f_simu; % m序列的仿真频率，单位Hz（应与多谐波信号一致） [pseudo_random_sequence, t_p] = produce_PRS(f_PRS, t_PRS, plot_enable_p); % 生成m序列 %% 混频 plot_enable_m = 0; % plot_enable=1：绘制图形，plot_enable=0：不绘制图形 [mixed_signal, t_m] = mix(pseudo_random_sequence, input_signal, f_simu, plot_enable_m); % 混频 %% 构造低通滤波器 cut_off_freq = 500; % 低通滤波器的截止频率 Q = 0.625; % 低通滤波器的品质因数 fs = 10000; % 双线性离散速率 plot_enable_L = 0; % plot_enable=1：绘制图形，plot_enable=0：不绘制图形 [Hs, H_z] = produce_LPF(cut_off_freq, Q, fs, plot_enable_L); % 构造低通滤波器 %% 滤波 filterd_signal = filter(H_z.num{:}, H_z.den{:}, mixed_signal); % 对混频过的信号进行滤波 %%绘制图形 plot_enable_F = 0; if plot_enable_F == 1 t_f = t_i; figure; plot(t_f, filterd_signal); grid on; title('滤波后信号时域表示'); xlabel('时间（s）'); ylabel('幅值（V）'); set(gca,'yLim',[-1 1]); end %% 对滤波后信号进行低速均匀采样 sample_freq = 2*cut_off_freq; % 低速均匀采样采样率,低通截止频率的2倍 plot_enable_ds = 0; % plot_enable=1：绘制图形，plot_enable=0：不绘制图形 [sampled_data] = RD_downsample(filterd_signal, f_PRS, sample_freq, plot_enable_ds); % 对滤波后信号进行低速均匀采样 %% 构造感知矩阵 [Theta] = produce_Theta(pseudo_random_sequence, sampled_data, H_z); %构造感知矩阵 %% 信号重构 k = 5; % 信号频点个数 K = 2*k; % 因为原信号是实信号，所以实际频点是单边频点的二倍 plot_enable_r = 0; [x_sparse_rec, rec_supp] = ompvip(sampled_data, K, Theta); % 用OMP算法重构出的x_sparse是原信号x在频域的频谱 [reconstructed_signal, t_re]=reconstruct(K, Theta, f_PRS, x_sparse_rec, rec_supp, plot_enable_r); %% 重构效果 plot_enable_mp = 0; [SNR_in, SNR_out, rec_error] = measure_performance(input_signal, input_signal_ideal, reconstructed_signal, t_i, plot_enable_mp); SNR_1(j) = SNR_out; end SNR(i) = (1/j)*sum(SNR_1); end figure; plot(10: 10: 300, SNR); grid on; title('输入信噪比对重构效果的影响'); xlabel('原信号信噪比（dB）'); ylabel('重构信号信噪比（dB）');