5.3 DPSK调制
DPSK调制由于PSK调制的主要原因是DPSK调制解决了“不确定性反相”问题，即DPSK信号通过相邻时隙载波相位的变化与否来“携带”信息。 在代码实现这一步的过程中，我假设了一个相邻时隙相位差变量delta，易知，当sign的一个码字为‘1’时，delta=pi，否则delta=0.通过delta就能反映前后时隙的载波相位变化，进而实现DPSK调制。
代码实现如下：
%%%%%%%%%%%%%%%% DPSK调制 %%%%%%%%%%%%%%%
t=Tb/T:Tb/T:Tb; %对Tb=1/Rb间隔进行T点划分 mod=cos(2*fc*pi*t); %调制后的信号 delta=0; %相位差 for n=1:M
if sign(n)==1;
delta=delta+pi; else
delta=delta; end
c2=cos(2*fc*pi*t+delta); mod=[mod c2]; end
绘图
5.4 AWGN信道
6
利用MATLAB自带函数awgn实现对已调信号mod进行加噪处理。
代码实现如下：
%%%%%%%%%%% 调制信号过高斯白噪声的信道 %%%%%%% modz=awgn(mod,SNR); %过AWGN信道
绘图
5.5 限噪处理
利用MATLAB自带函数fir1构造FIR I型 带通滤波器，使其对准信号频带，让信号几乎无失真通过，同时抑制带外噪声，此处取BPF的通带宽度为2*Rb，中心频率为fc。（由于设计的是数字滤波器，所以不要忘记对频率进行归一化处理）
值得注意的是，由于设计的滤波器是100阶，所以通过BPF后的信号会有出现接近于一个symbol宽度的时延。所以在信号modz接入BPF前，要对其进行一个拓宽处理，对modz最后一个symbol进行复制，得到modz_broad，再接入到BPF上。
同时，不要忘记对从BPF出来的信号r0进行截取，因为r0的第一个symbol是滤波器时延带来的。
代码实现如下：
%%%%%%%%%%% BPF %%%%%%%%%%%%%
modz_broad=[modz modz((N-1)*T+1:N*T)]; fs=Rb*T;
hBPF=fir1(100,2*pi*[fc-Rb fc+Rb]/fs); r0=filter(hBPF,1,modz_broad);
r=r0(T+1:(N+1)*T); %对r0进行截取
绘图
7
5.6 差分相干解调
差分相干解调的核心思想是比较两个相邻时隙上信号的相位，从而直接还原出信号Bn，分为三步： (1) 延时相乘
代码实现如下：
%%%%%%%%%%% 延时相乘 %%%%%%% r_shift=r(T+1:N*T); demod=[]; for i=1:M*T;
a=r_shift(i) .* r(i); demod=[demod a]; end
绘图
(2) LPF
利用MATLAB自带函数fir1构造FIR I型 低通滤波器，此处取LPF的通带宽度为Rb。
同BPF一样，由于设计的滤波器是100阶，所以通过LPF后的信号会有出现接近于一个symbol宽度的时延。所以要对信号demod接入LPF前，进行拓宽处理，得到demod_broad，再接入到LPF上。
同样，不要忘记对从LPF出来的信号mt0进行截取，因为mt0的第一个symbol
8
是滤波器时延带来的。
代码实现如下：
%%%%%%%%%%%%% LPF %%%%%%%%%%
demod_broad=[demod demod((M-1)*T+1:M*T)] hLPF=fir1(100,2*pi*[Rb]/fs); mt0=filter(hLPF,1,demod_broad);
mt=mt0(T+1:(M+1)*T); %对mt0进行截取
绘图
(3) 抽样判决
实现思想：对mt一个symbol的T个采样点进行求和，如果sum大于0，则Bn对应这个symbol内的所有点的值为1，反之为0.
代码实现如下：
%%%%%%%%%%%%% 抽样判决 %%%%%%%%%% Bn=zeros(1,M*T); for i=1:M;
if sum( mt( (i-1)*T+1 :i*T ) ) > 0; Bn((i-1)*T+1:i*T)=0; else
Bn((i-1)*T+1:i*T)=1; end end
绘图
9
从上图可知，最终经DPSK通信系统调制解调后得到的信号Bn与一开始的基带
数字信号bn完全一致。
5.7 功率谱密度图的绘制
采用Welch法绘制DPSK调制信号mod的功率谱密度图（Power spectrum magnitude)。选择适当的窗函数w(n)，并再周期图计算前直接加进去，加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时，可使各段之间有重叠，这样会使方差减小。本设计中尝试了三种窗，分别是矩形窗、海明窗和Blacman窗。
代码实现如下：
%%%%%%%%%%%%%%% PSD %%%%%%%%%%%%%%% window=boxcar(100); %矩形窗 window1=hamming(100); %海明窗
window2=blackman(100); %Blackman窗 Nfft=N*T*Rb;
noverlap=0; %数据无重叠
range='onesided'; %计算单边带功率谱密度
[Pxx,f]=pwelch(mod,window,noverlap,Nfft,fs,range); [Pxx1,f]=pwelch(mod,window1,noverlap,Nfft,fs,range); [Pxx2,f]=pwelch(mod,window2,noverlap,Nfft,fs,range);
figure(3) subplot(311)
plot(f,Pxx);axis([0 5000 0 0.0008]);
title('rectangular window PSD');xlabel('f/Hz');
subplot(312)
plot(f,Pxx1);axis([0 5000 0 0.0006]); title('Hamming PSD');xlabel('f/Hz');
subplot(313)
plot(f,Pxx2);axis([0 5000 0 0.0006]); title('Blackman PSD');xlabel('f/Hz');
10