Исследование устойчивости алгоритмов приема к изменению помехи
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
. *S1;=F2. *S2;= (s1+s2); %узкополосный сигнал с ФМ+АМ
%envelop_theor=sqrt (F1. *F1+F2. *F2);=S. *S; % почленное перемножение=sum (E); %энергия сигнала=zeros (m,n); %резервирование=zeros (m,n);=zeros (m,n);=zeros (m,n);
%for i=1: m
%y=rand (1,n); %случайная величина, распред. равномерно на (0,1)
%for j=1: n
% if y (1,j) <0.5
% N (i,j) =log (2*y (1,j));
% else N (i,j) =-log (2* (1-y (1,j)));
% end;
%end; %шумовые отсчёты (по Лапласу)
%end;i=1: m(i,:) =randn (1,n); %шумовые отсчёты (по Гауссу);
%for i=1: m
% N (i,:) =InverseF (4,0.01,n); %шумовые отсчёты для альфа=3,4
%end;i=1: m(i,:) =N (i,:) +lambda*S; %отсчёты входного сигнала;= [0.00214878098764361,-0.000508941564030241,-0.000835556005369367,-0.00137992698650711,-0.00212617978232506,-0.00305493668134725,-0.00413953304729004,-0.00534156091311405,-0.00660960942525603,-0.00787935696228989,-0.00907346613500459,-0.0101041722344159,-0.0108774805994459,-0.0112942994686013,-0.0112583337591169,-0.0106795092121329,-0.00947709806013780,-0.00759132447219574,-0.00498102178544803,-0.00163202482478250,0.00244043069481508,0.00719097339583034,0.0125428104901388,0.0183890001131049,0.0245956847756615,0.0310046913294858,0.0374393103809241,0.0437190055043905,0.0496441632736301,0.0550338926479575,0.0597136573238143,0.0635284223119868,0.0663503916867478,0.0680831680136240,0.0686673650716663,0.0680831680136240,0.0663503916867478,0.0635284223119868,0.0597136573238143,0.0550338926479575,0.0496441632736301,0.0437190055043905,0.0374393103809241,0.0310046913294858,0.0245956847756615,0.0183890001131049,0.0125428104901388,0.00719097339583034,0.00244043069481508,-0.00163202482478250,-0.00498102178544803,-0.00759132447219574,-0.00947709806013780,-0.0106795092121329,-0.0112583337591169,-0.0112942994686013,-0.0108774805994459,-0.0101041722344159,-0.00907346613500459,-0.00787935696228989,-0.00660960942525603,-0.00534156091311405,-0.00413953304729004,-0.00305493668134725,-0.00212617978232506,-0.00137992698650711,-0.000835556005369367,-0.000508941564030241,0.00214878098764361;];
%Коэффициенты фильтраi=1: m(i,:) =X (i,:). *S1;(i,:) =conv (p1 (i,:),h);(i,:) =X (i,:). *S2;(i,:) =conv (p2 (i,:),h);=sqrt (I. *I+Q. *Q);=zeros (1,n);j=1: mi=34: length (X) - 35(j, i-33) =X (j, i);;; %Процедура фильтрации и выделение огибающей=zeros (m,1);=zeros (m,n);j=1: m(j) = (1/n) *sum (envelop (j,:));(j,:) =envelop (j,:) - Meanenvelop (j);; %огибающая без постоянной составляющей=envelop2; %преобразование для случая гауссовой помехи= ( (at). * (at));=F*at2; %статистика (столбец m)= (1/m) *sum (Y); %мат. ожижание статистики=sqrt ( (1/m) *sum ( (Y-MeanY). ^2)); %СКО статистикиlambda==0=norminv (1-a) *SigmaY; %вычисление порога%в остальных случаях в качестве порога будет взято соответствующее
%значение из списка входных переменных(1) =MeanY;(2) =SigmaY;(3) =sum (Y>C) /m; %вероятность превышения порога
%P (3) =1-normcdf (C, MeanY, SigmaY); %эквивалентная формула(4) =C;(5) =sqrt ( (1/m) *sum ( ( (Y>C) - P (3)). ^2)); %СКО вероятности обнаружения(6) =Energy;
Формирование интегральной функции распределения помехи
function D=Distribution (alpha, epsilon)
% alpha - параметр распределения помехи
% Функция выдаёт на выходе интегральную функцию распределения F (x),
% ограниченную отрезком рассмотрения [-T, T] и заданную таблично:=fzero (@ (t) 1-epsilon-gammainc (t^alpha, 1/alpha), [1, 500]); %здесь
%вычисляется граница интервала [-T; T], на котором следует рассматривать
%функции F (x) и W (x), исходя из значения параметра epsilon.dt %глобальная переменная=0.01; %dt - шаг дискретизации функции F (x)=-T: dt: T; %значения аргумента=size (t); %размерность вектора=zeros (1, s (2)); %резервированиеi=1: s (2) %формирование F (x)t (1, i) <=0(1, i) = (1/2) * (1-gammainc ( (abs (t (1, i))) ^alpha, 1/alpha));F (1, i) = (1/2) * (1+gammainc ( (abs (t (1, i))) ^alpha, 1/alpha));;;=zeros (2, s (2) +2); %таблица значений функции F (x)(1, 1) =-T-dt;(2, 1) =0;(1, 2: s (2) +1) =t;(2, 2: s (2) +1) =F;(1, s (2) +2) =t (s (2)) +dt;(2, s (2) +2) =1;
Формирование шумовой выборки
function P=InverseF (alpha, epsilon, n)
% Функция выдаёт на выходе случайную вектор-строку длиной n,
% элементы которой являются реализациями случайной величины,
% распределённой по закону F (x)=Distribution (alpha, epsilon); %ф-ция F (x)=rand (1,n); %случ. величина с равномер. распред-ем на [0; 1]=zeros (1,n); %случ. величина с распред-ем Fj=1: n %формируем случ. величину ydistrF=2;yrand (1, j) >D (2, i)=i+1;(1,j) = (D (1, i) +D (1, i-1)) /2;_Di_1=ydistrF*sqrt (gamma (1/alpha) /gamma (3/alpha));
%случайная величина ydistr_Di_1 имеет дисперсию равную 1=ydistr_Di_1;
Моделирование характеристики алгоритма
function P=Lin_DetectAfterD (m,n)=1e-3; %вероятность ложной тревоги,= [0.1: 0.05: 1]; %амплитуда сигнала=zeros (2, length (lambda)); %резервирование=0; %C - порог принятия решения=LinStatAfterD (a, n, 0, C, m); %вычисление порога для случая отсутствия сигнала
% (в данном случае порог С может быть любым, т.к. он вычисляется внутри процедуры SignStat)i=1: length (lambda)=LinStatAfterD (a, n, lambda (i), S0 (4), m);(1, i) =S (3); %записыавем вероятность правильного обнаружения(3, i) =S (1); %мат. ожижание статистики Y(4, i) =S (2); %CKO Y(5, i) =S (5); %СКО вероятности обнаружения(2,:) =20*log10 (lambda*sqrt (S (6) /2)); %значения аргумента для построения графика (1-beta) от h
%h - отношение сигнал-шум(2);(P (2,:), P (1,:)) %графическое изображение полученной зависимостиon;(Вероятность обнаружения Линейный)
Вычисление теоретического значение КАОЭ
function Ro=KAOE (alpha,beta) %вычисление коэффициента относительной
%ассимптотической эффективности алгоритма,
%настроенного на помежу с Бэта в качестве показателя экспоненты плотности
%распределения при воздействии с помехой с Альфа относительно алгоритма,
%оптимального для этой помехи.= (gamma ( (beta+alpha-1) /alpha)) * (gamma ( (beta+alpha-1) /alpha)); %числитель= (gamma ( (2*beta-1) /alpha) *gamma ( (2*alpha-1) /alpha)); %знаменатель=10*log10 (up/down);
Вычисление рангового вектора
function R=rang (n)=size (n); %размеры вектора=zeros (s (2)); %резервированиеi=1: s (2)j=1: s (2)(i,j) =0.5*sign (n (j) - n (i)) +0.5; %матрица знаков разностей;;=sum (M) +0.5; %вектор рангов
Моделирование датчика случайных величин и проверка работоспособности по критерию Хи-квадрат
function P=RayRicetest (m,N,D);=10000; %число членов выборки=1; %масштабирующий множитель для релея=10; %параметр смещения (центр плотности)=100; %число интервалов (степени свободы)= ncx2rnd (B, D, [1 m]); %выборка сл. величин, распределенных по релею-райсу(1)=max (R); %вычисление границ интервалов=min (R);=linspace (bot,top,N+1);
[n, whichBin] =histc (R,biedges); %количество попаданий в каждый интервал(1)(biedges,n,r); %экспериментальная плотность распределения(экспериментальная плотность распределения)oni=3: length (n) - 30 %коррекция крайних интервалов (редких частот)(i-2) =n (i);(i-2) =biedges (i);;(bbiedges,nn,g); %экспериментальная плотность распределенияon %с учетом коррекции= cumsum (nn) /m; %вычисление функции распределения выборки(2)(bbiedges,ce,