通信系统的仿真与模拟Matlab实验报告

常用软件实习

实验报告

院系：

专业：

姓名：

学号：

实验一：模拟通信系统的建模与仿真

一、实验目的：

根据电视原理的编码、解码器原理，把每个功能用MATLAB程序构建模型。将编码器、解码器组成一个完整的仿真台，通过对 MATLAB的理解和应用，使仿真平台具有强大的仿真能力。电视系统各个主要阶段电视波形的动态仿真，并进行分析比较。静态图像的电视波形以及图像显示的研究。

二、实验原理：

在数学上，图像可以用矩阵表示出来，矩阵中的元素表示图像的一个点，称为像素，图像的总体像素等于矩阵中元素的个数。对于灰度图像，矩阵元素的值等于对应像素的亮度值。通常规定的亮度取值范围为0~255之间，用256级灰度，0表示最暗，255表示最亮，这样，一个像素就可以用8bit表达。

彩色全电视信号中的图像信号由亮度信号和色差信号组成其中，两个色差信号使用正交平衡调制后与亮度信号叠加。由于电视图像信号是以行（64us）为周期的近似周期信号，在频谱上，其信号能量集中在以行频率（fH=15625HZ）为间隔的谱线附近。这样若选正交平衡调制载波频率为fc=（n+0.5）fH，n为整数，则色差信号经过平衡调制后输出的信号频谱线刚好插在亮度信号的频谱线间隙的中间，称为半行频间置，这样就能避免互相干扰。

三、实验内容：

1、实验代码：

clear;

I=imread('colorbar.tif');

figure(1);imshow(I);

I=double(I);

[m,n,p]=size(I);

I=-(0.75-0.125)./(255).*I+0.75;

R=I(:,:,1);G=I(:,:,2);B=I(:,:,3);

R=reshape(R',1,m*n);

G=reshape(G',1,m*n);

B=reshape(B',1,m*n);

Y=0.30*R+0.59*G+0.11*B;

R_Y=R-Y;

B_Y=B-Y;

V=0.877*R_Y;

U=0.493*B_Y;

f_c=283.5*15625;

tvY=[interp1(Y,(1:n/980:m*n),'nearest')];

tvV=[interp1(V,(1:n/980:m*n),'nearest')];

tvU=[interp1(U,(1:n/980:m*n),'nearest')];

for h=1:(m-2)

s(1280*h+(1:102))=0.75;

s(1280*h+(103:197))=1;

s(1280*h+(198:300))=0.75;

s(1280*h+(301:1280))=tvY(h*980+(-1:978));

sV(1280*h+(1:300))=0;

sV(1280*h+(220:265))=0.12;

sV(1280*h+(301:1280))=tvV(h*980+(-1:978));

sU(1280*h+(1:300))=0;

sU(1280*h+(301:1280))=tvU(h*980+(-1:978));

end

t=0:0.5e-7:0.5e-7*(length(s)-1);

F_v=sV.*cos(2*pi*f_c.*t);

F_u=sU.*sin(2*pi*f_c.*t);

c=F_v+F_u;

TVsignal=s+c;

figure(2); plot(t,TVsignal); xlabel('时间');

figure(3); plot(t,s); xlabel('时间');

% 功率譜計算

[Pxxcc,F]=psd(c,1e5,2e7);

figure(4); plot(F,10*log10(Pxxcc),'g');hold on;

[Pxx,F]=psd(s,1e5,2e7);

figure(4); plot(F,10*log10(Pxx),'k');

xlabel('频率Hz');ylabel('功率谱密度dB');

实验结果如图：

彩色全电视信号的仿真波形

亮度电视信号仿真波形

彩色全电视信号的功率频谱估计仿真结果

实验二：随机分布的辨别和参数估计

一、实验目的：

加深对通信系统建模与仿真的了解及实际操作，更加熟练的掌握与应用Matlab解决通信系统仿真问题。了解随机数的产生以及用K-S方法检验生成的随机数是否满足均匀性要求。

二、实验要求：

试用K-S检验法检验由式：

产生的随机数是否满足均匀性要求。取显著性水平为0.05.样本数取100.

统计量取，显著性水平为0.05下的分位点。

其中使用了「ecdf」指令來计算样本的经验分布，並使用「unifcdf」来计算均匀分布的理论分布值。然后求经验分布和理论分布之间的差別最大值，与分位点进行比较后而作出判断。

三、实验结果：

1、实验m文件代码：

% ch8example9prog1.m

clear;

r(1)=13; % 随机种子（为奇数）

N=100; % 样本数

for n=2:N

r(n)=mod(7^5*r(n-1), 2^31);% 乘同余法产生随机数

end

r=r./2^31; % 随机数归一化

[f,x] = ecdf(r); % 计算随机数样本r的经验分布

P = unifcdf(x,0,1);% 均匀分布的理论概率分布函数

Kn=sqrt(N)*max(abs(f-P)) % 计算统计量

u_alpha=1.3581 % 显著性水平为0.05时候的分位点

H=(Kn>u_alpha)

stairs(x,f);hold on;plot(x,P);% 经验分布和理论分布曲线对比

[H,P,KSSTAT,CV] = kstest(r,[x,P],0.05)

2、实验结果运行图：

四、实验心得：

K-S检验也可以用于对样本是否服从正态分布的检验问题，然而K-S需要确知假设的理论分布及其参数。对于未知参数（均值和方差）的正态分布，虽然可以通过估计方法得出假设的理论分布曲线，再用K-S检验法，但这不是最有效的方法。

本文来源：https://www.2haoxitong.net/k/doc/f14d3629a98271fe910ef98c.html