M-OFDM模糊函数原理及仿真

article/2025/8/13 19:11:46

文章目录

  • 前言
  • 一、M序列
  • 二、M-OFDM 信号
    • 1、OFDM 信号表达式
    • 2、模糊函数表达式
  • 三、MATLAB 仿真
    • 1、MATLAB 核心源码
    • 2、仿真结果
      • ①、m-OFDM 模糊函数
      • ②、m-OFDM 距离分辨率
      • ③、m-OFDM 速度分辨率
      • ④、m-OFDM 等高线图
  • 四、资源自取


前言

本文进行 M-OFDM 的原理讲解及仿真,首先看一下 M-OFDM 的模糊函数仿真效果:
在这里插入图片描述


一、M序列

m 序列是由多级移位寄存器利用线性反馈生成的最大长度序列。由于其具有良好的周期性和较低的复杂度,m序列在各领域得到了广泛应用。此类序列可通过二进制线性反馈移位寄存器生成,具体过程如下图所示。
在这里插入图片描述
线性反馈移位寄存器由 n 个串联的移位脉冲产生器、寄存器以及模 2 加法器构成。第 i i i 级的移位脉冲产生器的状态用 x i x_i xi 表示,其中 x i x_i xi 的值为 1 或 0, i i i 为整数。反馈路径的状态由 c i c_i ci 表示,当 c i = 1 c_i=1 ci=1 时,表示该路径存在反馈;当 c i = 0 c_i=0 ci=0 时,表示该路径没有反馈。

二、M-OFDM 信号

1、OFDM 信号表达式

OFDM 信号提供了一种在频域上设计波形、时域上输出波形的 DFT 数字调制方式。OFDM 信号的数学表达式为:
B ( t ) = ∑ k = 0 N − 1 b k e j 2 π f k t = ∑ k = 0 N − 1 b k e j 2 π ( f 0 + k Δ f ) t B(t)=\sum_{k=0}^{N-1}b_ke^{j2\pi f_kt}=\sum_{k=0}^{N-1}b_ke^{j2\pi (f_0+k\Delta f)t} B(t)=k=0N1bkej2πfkt=k=0N1bkej2π(f0+kΔf)t

  • b k :调制序列,为第 k 路子信道中的复输入数据 b_k:调制序列,为第 k 路子信道中的复输入数据 bk:调制序列,为第k路子信道中的复输入数据
  • f k = f 0 + k Δ f f_k=f_0+k \Delta f fk=f0+kΔf f 0 f_0 f0 为起始频率, Δ f \Delta f Δf 为频率间隔

2、模糊函数表达式

模糊函数是雷达探测波形分析的重要工具,通过对信号波形的模糊函数分析,可以得到信号波形的距离分辨率、多普勒分辨率及多普勒容限特性。

连续时间信号模糊函数的定义为:
χ ( τ , f d ) = 1 E ∫ − ∞ ∞ b ( t ) b ∗ ( t − τ ) e j 2 π f d t d t \chi (\tau,f_d)=\frac{1}{E} \int_{-\infty}^{\infty} b(t)b^{*}(t-\tau)e^{j2\pi f_dt} \,dt χ(τ,fd)=E1b(t)b(tτ)ej2πfdtdt

  • 式中,E为信号的总能量;

离散时间序列的模糊函数表示为:
χ ( m , k d ) = 1 E c ∑ n e n e n − m ∗ e j 2 π N k d n \chi (m,k_d)=\frac{1}{E_c}\sum_{n}e_ne^{*}_{n-m}e^{j\frac{2\pi}{N}k_dn} χ(m,kd)=Ec1nenenmejN2πkdn

  • 式中, m = f s × τ m=f_s×\tau m=fs×τ f s f_s fs 为采样率;
  • k d = f d × f s N k_d=\frac{f_d×f_s}{N} kd=Nfd×fs,N为采样点数

由于 M 序列是离散序列,结合上面公式可知 M-OFDM 信号的模糊函数为:
χ M n ( m , k d ) = 1 E z ∑ n M ( n ) M ∗ ( n + k d ) e − j 2 π n m N \chi_{M_n}(m,k_d)=\frac{1}{E_z}\sum_{n}M(n)M^{*}(n+k_d)e^{-j\frac{2\pi nm}{N}} χMn(m,kd)=Ez1nM(n)M(n+kd)ejN2πnm

三、MATLAB 仿真

1、MATLAB 核心源码

m_ofdm.m

%% M-OFDM信号产生
for i = 1:numOFDMsignel(i,:) = Mesq(i)*exp(1j*2*pi*((f0 + B*(i-1))*t)); % OFDM 信号产生    将ZC序列与相应的频率因子相乘OFDMsignel(i,:) = awgn(OFDMsignel(i,:),SNR,'measured'); % 添加高斯白噪声到OFDM信号中,以实现指定的信噪比。
endambi = abs(xcorr2(bsxfun(@times, x_tmp, exp(1j*2*pi*fd'*t)),x_tmp)); %计算模糊函数 对信号做共轭相乘互相关

2、仿真结果

①、m-OFDM 模糊函数

在这里插入图片描述
m-OFDM信号的模糊函数呈现出较宽的峰值,说明该信号在时间和频率上的分辨率较低,存在一定的不确定性。虽然时间和频率的分辨率不够精细,但其模糊函数表现仍然较为平滑,适合一些需要较宽容忍度的应用场景。

②、m-OFDM 距离分辨率

在这里插入图片描述
m-OFDM的零多普勒截面呈现出多个周期性的波动,峰值较为宽广,表明该信号在时间域的分辨率较差。其主要峰值相对较宽,显示出时间定位不够精准,可能导致对目标的时间分辨率较低,不适合高精度定位要求的场景。

③、m-OFDM 速度分辨率

在这里插入图片描述

m-OFDM信号的零延时截面较宽且存在多个波动,主峰虽然存在,但其宽度较大,旁瓣较多。这表明m-OFDM信号在频率域的分辨率较差,难以精确区分频率变化的目标。

④、m-OFDM 等高线图

在这里插入图片描述
能量集中(主瓣清晰)、旁瓣抑制(抗干扰强)、时频对称(正交性好),适用于雷达高精度距离 - 多普勒分辨,尤其在多目标和杂波环境下性能优异。

四、资源自取

下载链接:M-OFDM模糊函数原理及仿真

在这里插入图片描述
代码注释标注清晰:
在这里插入图片描述


我的qq:2442391036,欢迎交流!



http://www.hkcw.cn/article/SjMfHkMGqX.shtml

相关文章

《C++初阶之入门基础》【C++的前世今生】

【C的前世今生】目录 前言:---------------起源---------------一、历史背景二、横空出世---------------发展---------------三、标准立世C98:首个国际标准版本C03:小修订版本 四、现代进化C11:现代C的开端C14:对C11的…

长上下文推理新范式!QwenLong-L1如何通过强化学习突破大模型语境局限?

长上下文推理新范式!QwenLong-L1如何通过强化学习突破大模型语境局限? 在大模型推理能力不断精进的今天,长上下文处理仍是亟待突破的难题。本文介绍的QwenLong-L1框架,借助渐进式语境扩展与强化学习,成功让大模型在长…

git 学习

目录 关于git 版本管理概述 git的优点 一 下载,安装git 二 使用git 的处理流程 三 学习基本的git命令 1 git初始化 2 查看 状态 3 提交的缓存区 4回退到工作区 关于git 版本管理概述 码云:Gitee - 基于 Git 的代码托管和研发协作平台 git 是用…

中国风展示工作总结商务通用PPT模版

中国风展示工作总结商务通用PPT模版:中国风商务通用PPT 模版https://pan.quark.cn/s/42ad18c010d4

gitflow

gitflow 1. 各个分支介绍 master分支: 源代码 HEAD始终反映出生产就绪状态。仅包含 生产环境可发布的代码,每个提交对应一个正式版本(通过 git tag 打版本号)一般情况下,只允许合并(如从 release 或 hotfix 分支合并), 禁止直接提…

Python训练营---Day42

DAY 42 Grad-CAM与Hook函数 知识点回顾 回调函数lambda函数hook函数的模块钩子和张量钩子Grad-CAM的示例 作业:理解下今天的代码即可 1、回调函数 回调函数(Callback Function)是一种特殊的函数,它作为参数传递给另一个函数&#…

Git远程操作

目录 1. 理解分布式版本控制系统 2. 远程仓库 3. 新建远程仓库 4. 克隆远程仓库 4.1 使用HTTPS方式: 4.2 使用SSH方式: 5. 向远程仓库推送 总结: 问题: 6. 拉取远程仓库 7. 配置Git 7.1 忽略特殊文件 8. 给命令配置别…

SolidWorks软件的安装与卸载

文章目录 软件的下载途径软件的安装软件的卸载 简介:这篇文章介绍了SolidWorks软件的安装与卸载,步骤是比较繁琐的,但照着步骤一步一步的来15分钟就能安装成功。这里要特别的注意一点的是,文件的安装位置一定要集中(别…

Python 验证码识别(使用pytesseract库)

文章目录 摘要1、安装Tesseract-OCR2、在python中使用安装依赖 3、本地图片识别4、结合playwright动态识别网站验证码 摘要 python中使用pytesseract库进行ocr识别,需要安装Tesseract-OCR,通过指定pytesseract.tesseract_cmd路径,可以将esser…

日志与策略模式

什么是设计模式 IT行业这么火, 涌入的人很多. 俗话说林子大了啥鸟都有. 大佬和菜鸡们两极分化的越来越严重. 为了让菜鸡们不太拖大佬的后腿, 于是大佬们针对一些经典的常见的场景, 给定了一些对应的解决方案, 这个就是 设计模式 日志认识 计算机中的日志是记录系统和软件运行中…

ToolsSet之:XML工具

ToolsSet是微软商店中的一款包含数十种实用工具数百种细分功能的工具集合应用,应用基本功能介绍可以查看以下文章: Windows应用ToolsSet介绍https://blog.csdn.net/BinField/article/details/145898264 ToolsSet中Text菜单下的XML Tool工具是一个Xml工…

2025年目前最新版本Android Studio自定义xml预览的屏幕分辨率

一、前言 在实际开发项目当中,我们的设备的分辨率可能会比较特殊,AS并没有自带这种屏幕分辨率的设备,但是我们又想一边编写XML界面,一边实时看到较为真实的预览效果,该怎么办呢?在早期的AS版本中&#xff…

sql知识梳理(超全,超详细,自用)

目录 通识 查询的基本语法 数据库(database)操作 表(table)的操作 表中列的操作 索引操作 表中行的操作 insert into语句 update语句 删除语句 select语句 表与表之间的关系 连接查询 子查询 视图 数据备份与还原 …

数据分析图表类型及其应用场景

说明:顶部HTML文件下载后可以直接查看,带有示图。 摘要 数据可视化作为现代数据分析的核心环节,旨在将复杂、抽象的数据转化为直观、易懂的图形形式。这种转化显著提升了业务决策能力,优化了销售与营销活动,开辟了新…

1、树莓派更换软件下载源

树莓派官方系统raspbian自带的是国外的软件源,在国内使用经常会遇到无法下载软件的问题。 以下是把raspbian系统(buster版本)的下载源改为阿里云软件源的方法。 1、修改sources.list文件 sudo nano /etc/apt/sources.list 将初始化中的代…

TDengine 集群容错与灾备

简介 为了防止数据丢失、误删操作,TDengine 提供全面的数据备份、恢复、容错、异地数据实时同步等功能,以保证数据存储的安全。本节简要说明 TDengine 中的容错与灾备。 容错 TDengine 支持 WAL 机制,实现数据的容错能力,保证数…

第十五章 访问控制

系列文章目录 第一章 总体概述 第二章 在实体机上安装ubuntu 第三章 Windows远程连接ubuntu 第四章 使用Docker安装和运行EMQX 第五章 Docker卸载EMQX 第六章 EMQX客户端MQTTX Desktop的安装与使用 第七章 EMQX客户端MQTTX CLI的安装与使用 第八章 Wireshark工具的安装与使用 …

LeetCode算法题 (搜索二维矩阵)Day18!!!C/C++

https://leetcode.cn/problems/search-a-2d-matrix/description/ 一、题目分析 给你一个满足下述两条属性的 m x n 整数矩阵: 每行中的整数从左到右按非严格递增顺序排列。每行的第一个整数大于前一行的最后一个整数。 给你一个整数 target ,如果 ta…

基于谷歌ADK的智能客服系统简介

Google的智能体开发工具包(Agent Development Kit,简称ADK)是一个开源的、以代码为中心的Python工具包,旨在帮助开发者更轻松、更灵活地构建、评估和部署复杂的人工智能智能体(AI Agent)。ADK 是一个灵活的…

MySql(十三)

目录 mysql外键约束 准备工作 创建表 插入数据 创建表时添加外键 1..格式 2..创建表student表时,为其添加外键 3.插入数据测试 正常数据 异常数据 3.使用alter添加外键 删除外键 添加外键 4.Mysql外键不生效的原因 修改引擎 phpystudy的mysql位置 mysql外键约束 注&…