MATLAB在其他领域中的应用.pdf

第6 章MATLAB 在其他领域中的应用 在智能天线、神经网络、模式识别等 很多方面MATLAB 都有着广泛的应 用MATLAB提供的Simulink 仿真功能 能搭建出与真实电路相似的仿真模 型，使大家可以看到在一个系统中的 实时信号。本章通过介绍MATLAB 在智能天线、神经网络Simulink 仿真 等方面应用的例子揭示了MATLAB 的应用。 【本章知识架构】 6.1 智能天线DOA 的Capon 算法与Music 算 法比较 1．实验目的 • (1) 了解用户的DOA 在智能天线中的作用。 • (2) 理解DOA 的传统算法Capon 最小方差法的原 理。 • (3) 理解DOA 算法中的Music 算法的原理。 • (4) 对比Capon 算法与Music 算法的仿真结果。 2 ．实验原理 用户的DOA(Direction of Arrival)作为反映用户空 间位置的重要参量在智能天线中扮MATLAB演着 非常重要的角色，因此，如何准确地估计各个用 户的DOA 是非常值得研究的领域。 (1) Capon 最小方差法使用部分(不是全部) 自由度 在期望观测方向形成一个波束，同时利用剩余 的自由度在干扰信号方向形成零陷。此方法使 输出功率最小，达到使非期望干扰的贡献最小 的目的，同时增益在观测方向保持为常数，通 常为1. (2) Music 算法是根据窄带数据模型以几何观点考 察信号参数估计的问题。如果有D个信号入射 到M 元阵列上，则阵列接收到的输入数据向量 可以表示为D 个入射波形与噪声的线性组合。 • 4．程序代码 • clear; • d=1; %天线阵元的间距 • lma=2; %信号中心波长 • q1=1*pi/4; • q2=pi/3; • q3=pi/6; • q4=3*pi/4; %4 个输入信号的方向 • A1=[exp(-2*pi*j*d*[0:6]*cos(q1)/lma)]; • A2=[exp(-2*pi*j*d*[0:6]*cos(q2)/lma)]; • A3=[exp(-2*pi*j*d*[0:6]*cos(q3)/lma)]; • A4=[exp(-2*pi*j*d*[0:6]*cos(q4)/lma)]; • A=[A1,A2,A3,A4]; %得出A 矩阵 • n=1:1900; • v1=.015; %4 个信号的频率 • v2=.05; • v3=.02; • v4=.035; • d=[1.3*cos(v1*n);1*sin(v2*n);1*sin(v3*n);1*sin(v4*n)];%输入信号矢量 • U=A*d; %总的输入信号 • U1=(U); • c=cov(U*U1); %总输入信号的协方差矩阵 • [s,h]=eig(c); %求协方差矩阵的特征矢量及特征值 • Vn=s(:,1:3); %求与零特征值对应的特征矢量 • ci=inv(c); %求协方差矩阵的逆矩阵 • q1b=[pi/180:pi/180:pi]; • for n=1:length(q1b) • q1a(n)=q1b(n); • A1a=[exp(-2*pi*j*1*[0:6]*cos(q1a(n))/lma)]; • Pmusic(n)=(A1a)*A1a*(inv((A1a)*Vn*(Vn)*A1a)); %应用Music 法估计输出 • Pcap(n)=inv((A1a)*ci*(A1a)); %应用Capon 法估计输出 • T(n)=q1a(n); • P1=abs(Pmusic); • P2=abs(Pcap); • end • figure(1) %绘出Music 法估计的波达方向图 • T1=T*180/pi; • semilogy(T1,P1);grid • axis([0,200,1e-10,1e40]); • xlabel(Angle(deg)); • ylabel(Spectrum) • grid on; • figure(2) %绘出Capon 法估计的波达方向图 • T1=T*1