直接序列扩频通信系统的设计与实现1(4)

成都学院(成都大学）课程设计报告 if sum(xor(M_Seq', Recv_Data_Nois(m:m+Mseq_L-1))) > Mseq_L*Up Despread_Data_Nois(i) = 1; else

Despread_Data_Nois(i) = 0; end

图3-3.10解调后有噪声数据能量

图3-3.11解调后有噪声数据能量

14

成都学院(成都大学）课程设计报告 第4章 心得和结论

通过这次的直接序列扩频系统的设计与仿真，我加深了对扩频系统理论知识的理解，懂得了直接扩频系统的原理所在以及了解扩频码的产生原理，扩频技术应用的两个方面。初步了解和掌握现代移动通信系统的基本组成、基本原理、组网技术及典型通信系统的设计、调试，理解其工作原理。并且经过分析，通过利用MATLAB的m文件的编程及仿真，掌握了一定的软件仿真能力。在过程中也遇到了一些问题，无论是查找资料还是Matlab编写，调试程序都通过努力得以解决，同时也发现了自己在学习中存在的很多问题，例如噪声的形成之类的，还有就是对Matlab很使用的熟悉程度。软件设计以及系统流程图很重要。框图、编程、模块一步一步的进行，这样可以排除很多错误。可通过以上分析实验，利用MATLAB的m文件的编程及仿真，可以知道扩频通信系统的过程和工作原理，以及它的主要特点，尤其是它在抑制干扰方面的有效性。因此，从编程和模框图实验可知，分析扩频和解扩，PSK调制和解调，在抑制噪声方面的作用。通过仿真，说明扩频信号在抑制干扰方面的有效性。利用仿真，说明信号传输过程中的误码率。直接序列扩频通信系统具有很强的抗干扰性能，误码率低，因此其广泛用于保密通信系统中。

15

成都学院(成都大学）课程设计报告 附录

clc clear all close all

Mseq_L = 255; Data_L = 50;

%产生伪随机信号

M_Seq = idinput(Mseq_L, 'prbs', [0 1], [0 1]); figure; stairs(M_Seq); ylim([-0.5 1.5]); xlim([0 Mseq_L+10]); title('m序列');

% 随机数据，长度为50

Randm_Data = randsrc(1, Data_L, [0 1]); Randm_Data_L = Data_L * Mseq_L; figure;

stairs(Randm_Data); ylim([-0.5 1.5]); title('随机数据');

% 扩频

Spread_Data = zeros(1, Data_L*Mseq_L); contain = ones(1, Mseq_L); for i = 1:Data_L

contain = ones(1, Mseq_L)*Randm_Data(i);

Spread_Data(((i-1)*Mseq_L+1):i*Mseq_L) = xor(contain, M_Seq'); end figure;

stairs(Spread_Data(1:50)); ylim([-0.5 1.5]); title('扩频数据');

%调制

Psk_Data = pskmod(Spread_Data, 2); figure;

plot((1:50), Psk_Data(1:50)); ylim([-1.5 1.5]);

title('经BPSK调制后的数据');

16

成都学院(成都大学）课程设计报告 % 附加白噪声

Recv_Data_Nois = awgn(Psk_Data, -20, 'measured', 'dB'); figure;

stairs(Recv_Data_Nois(1:50)); title('附加白噪声数据');

%解调

Recv_Data = pskdemod(Psk_Data, 2); Recv_Data_L = length(Recv_Data); figure;

stairs(Recv_Data(1:50)); ylim([-0.5 1.5]);

title('解调无噪声数据');

Recv_Data = [Recv_Data zeros(1, Mseq_L*4)];

Recv_Data_Nois = pskdemod(Recv_Data_Nois, 2); Recv_Data_Nois_L = length(Recv_Data_Nois); figure;

stairs(Recv_Data_Nois(1:50)); ylim([-0.5 1.5]);

title('解调有噪声数据');

Recv_Data_Nois = [Recv_Data_Nois zeros(1, Mseq_L*4)];

Despread_Data = zeros(1, Data_L); Despread_Data_Nois = zeros(1, Data_L);

Up = 0.527; Dn = 0.485;

VCodes = 5;

Power = zeros(1, Mseq_L*VCodes); for i=1:Mseq_L*VCodes

Power(i) = sum(xor(M_Seq', Recv_Data(i:i+Mseq_L-1)))/Mseq_L; end

figure; plot(Power);

title('无噪声能量对比数据');

Power_Nois = zeros(1, Mseq_L*VCodes);

17

成都学院(成都大学）课程设计报告 for i=1:Mseq_L*VCodes

Power_Nois(i) = sum(xor(M_Seq', Recv_Data_Nois(i:i+Mseq_L-1)))/Mseq_L; end

figure;

plot(Power_Nois);

m = 1; i = 1;

while(m <= (Recv_Data_L-Mseq_L+1))

toVerf = Recv_Data(m: m+Mseq_L*VCodes-1); totalVCodes = 0; yesVCodes = 0; noVCodes = 0; while (totalVCodes < VCodes)

if (totalVCodes*Mseq_L+m > Recv_Data_L) break; end

power = sum(xor(M_Seq',

toVerf((totalVCodes*Mseq_L+1):(totalVCodes+1)*Mseq_L)))/Mseq_L; if((power >= Up) || (power <= Dn)) yesVCodes = yesVCodes + 1; end

totalVCodes = totalVCodes + 1; end

if(yesVCodes < totalVCodes*0.7) m = m+1; continue; end

if sum(xor(M_Seq', Recv_Data(m:m+Mseq_L-1))) > Mseq_L*Up Despread_Data(i) = 1; else

Despread_Data(i) = 0; end

m = m + Mseq_L; i = i + 1; end

m = 1; i = 1;

18