| engineerklub | Дата: Суббота, 17.04.2021, 09:01 | Сообщение # 1 |
 Генералиссимус
Группа: Администраторы
Сообщений: 30229
Статус: Offline
| Компьютерное моделирование. Вариант № 1
Тип работы: Работа Контрольная
Форматы файлов: Microsoft Word
Сдано в учебном заведении: СибГУТИ
Описание:
Вариант № 1
Цель работы
Реализовать программную модель системы передачи с BPSK модулятором и корреляционным детектором, структурная схема которой показана на рисунке 1. Исследовать работу системы в условиях нормального шума (Рекомендуемая среда Mathcad. Можно реализовать модель в С/С++ и
построить графики в любом приложении).
Исходные данные
Ne – длина исходного двоичного информационного массива;
Fo = 10 Гц – частота несущего сигнала;
τ = 0.1 с – длительность единичного элемента;
q – количество точек сравнения на единичном интервале;
σ – среднеквадратическое отклонение нормального закона распределения
шума;
Выполнение работы:
1. 1. Рассчитать частоту дискретизации Гц и период дискретизации Td.
2. 2. Сгенерировать исходный массив при помощи функции rbinom(Ne, 1, 0.5), где rbinom - вектор (массив) Ne независимых случайных чисел, каждое из которых имеет биномиальное распределение и вероятностью появления единицы, равной 0.5.
3. Задать модельное время от нуля до конца массива с шагом равным периоду дискретизации
4. Написать непрерывную функцию BPSK модулятора и записать в массив Mfm отсчёты модулированного сигнала с заданной частотой дискретизации.
5. Сгенерировать массив отсчетов шума noise длиной равной массиву Mfm с помощью функции rnorm(N, 0, σ), где rnorm - вектор (массив) N независимых случайных чисел, каждое из которых имеет нормальное распределение с математическим ожиданием, равным 0 и среднеквадратическим отклонением, равным σ (это и будет параметр шума, который и будет влиять на вероятность появления ошибки).
6. Сложить шум с отсчётами модулированного сигнала, то есть провести векторизованное сложение массива сигнала и массива шума (Массив RM).
7. Написать детектор, анализирующий отсчеты принятого сигнала на единичном интервале и принимающий решение о значащей позиции.
8. Сравнить элементы с выхода детектора с исходным информационным массивом, определить количество ошибок. Определить вероятность ошибки делением числа ошибок на длину массива.
9. Используя созданные выше элементы, разработать модель, формирующую вектор вероятностей ошибок (Per) для значений СКО () и заданного количества точек суммирования при определении корреляции 2...2.0,1.0=σ
13. Получить и выгрузить на диск массивы Per для разного числа точек сравнения . Для экспорта массива использовать функцию 20,10,5,3=q
WRITEPRN(concat(“Per_q=”, num2str(q))):=имя_модели
14. Загрузить полученные массивы в MathCAD, используя команду с соответствующими значениями
СКАЧАТЬ
|
| |
| |
