当前位置: 首页 > news >正文

基于simulink使用混合波束成形对射频毫米波发射器进行建模

一、前言

本例说明了一种使用66元件混合波束成形天线对32 GHz QPSK射频发射和接收系统进行系统级建模和仿真的方法。该系统包括射频缺陷、发射阵列辐射效应、窄带接收阵列和基带接收器,可校正系统损伤和消息解码。天线波束形成方向使用方位角和仰角定义,并使用根音乐DOA算法在RF接收天线中进行估计。

二、型号说明

此示例的顶层由五个子系统块、一个用于控制发射器和接收器之间相对角度的模块和 2 个显示器组成:

  • QPSK基带发射器对消息“Hello World ###”进行编码。

  • 具有 IQ 调制、混频、放大和混合波束成形功能的射频发射器,带有控制电路。射频发射器模型包括射频缺陷,如噪声、非线性效应和天线元件耦合。

  • 具有自由空间路径损耗模型衰减传输信号的理想通道。

  • 具有两个窄带接收阵列天线、接收器增益和 SNR、具有有限动态范围的 12 位 ADC 以及两个根 MUSIC 算法的射频接收器,用于沿方位角和仰角估计到达角。

  • QPSK接收器,包括载波和帧同步、解调和数据解码。

  • 用户在其中设置发射器和接收器之间的相对角度的块。

  • 频谱分析仪示波器比较归一化发射和接收信号以及接收消息的显示。

三、QPSK变送器

QPSK发射器包括一个比特生成子系统、一个QPSK调制器模块、一个用于脉冲整形的升余弦发射滤波器模块和一个增益模块。位生成子系统生成帧。每帧包含 26 个标头位,后跟 174 位的有效负载、消息“Hello world ####”的 105 位和 69 个随机位。有效载荷经过加扰,以保证接收器模型中定时恢复操作的零和一的平衡分布。

四、射频发射器

射频发射器由三部分组成:阵列波束成形器、混合波束成形天线和窄带发射阵列模块。32元件混合波束成形天线分为4个子阵列。每个子阵列由 8 个工作频率为 66 GHz 的射频发射器组成。天线是微带补丁。

远场天线阵列增益是用相控阵系统工具箱窄带发射阵列模块计算的。计算出的辐射图是由孤立的微带斑块产生的场的叠加。

五、发射阵列波束成形器

发射阵列转向接收器估计的方向。出于演示目的,使用两种不同的波束成形算法来计算应用于四个子阵列和每个子阵列的元素的权重。

子阵列权重是使用 MVDR 波束成形器计算的。MVDR波束成形器中的复杂乘法结合了发射信号和子阵列权重,沿方位角方向引导发射信号。锥形用于减少光栅瓣的影响。

应用于八个子阵列单元的相移是用移相器波束形成算法计算的。四个子阵列应用相同的相移,引导发射器沿仰角方向。

六、传输子阵列

四个发射子阵列是相同的。每个子阵列使用正交调制器和66 GHz本振执行上变频至5 GHz,然后使用由61 GHz本振、镜像滤波器和通道选择滤波器组成的超HET调制器。噪声、I/Q不平衡、LO泄漏和非线性等损伤包含在相应的子阵列组件中。非线性功率放大器增加了发射器增益,Wilkinson 型 1 至 8 功率分配器后跟可变移相器将 PA 连接到 8 根天线。八个可变移相器用于控制光束。天线子阵列的负载和天线元件之间的耦合由其 S 参数建模。

七、接收阵列

与发射器相比,接收器在更高的抽象级别上建模。接收器使用两个正交线性阵列,每个阵列有四个各向同性天线元件。这些阵列用于为识别到达角提供空间多样性。接收器不实现任何波束成形算法。

接收器有限增益和SNR针对每个接收信号进行建模,然后是具有有限动态范围的12位ADC,包括饱和和量化效应。

两个根MUSIC算法用于使用线性阵列信号估计到达方向。每种算法都在一个维度上运行,因此可以一起根据方位角和仰角来估计发射器位置。

八、QPSK接收器

  • AGC控制和稳定接收到的信号幅度,这会影响载波符号同步器的精度。

  • 升余弦接收滤波器为发射波形提供匹配的滤波。

  • 载波同步器模块执行精细频率补偿。

  • 帧同步器块使用已知的帧标头(QPSK 调制的 Barker 代码)与接收到的 QPSK 符号相关联,以查找帧标头的位置。块使用此帧位置信息来对齐帧边界。块的第二个输出是一个布尔标量,指示第一个输出是否是具有所需标头的有效帧,如果是,则使数据解码子系统能够运行。

  • 支持数据解码的子系统执行相位模糊解析、解调和文本消息解码。

九、程序

使用Matlab R2022b版本,点击打开。(版本过低,运行该程序可能会报错)

打开下面的“Example.m”文件,点击运行,就可以看到上述效果。

程序下载:https://download.csdn.net/download/weixin_45770896/87666483

相关文章:

基于simulink使用混合波束成形对射频毫米波发射器进行建模

一、前言 本例说明了一种使用66元件混合波束成形天线对32 GHz QPSK射频发射和接收系统进行系统级建模和仿真的方法。该系统包括射频缺陷、发射阵列辐射效应、窄带接收阵列和基带接收器,可校正系统损伤和消息解码。天线波束形成方向使用方位角和仰角定义,…...

面试官:v-model原理?

什么是v-model v-model是Vue框架中的一个指令,用来实现双向数据绑定。它能够在表单元素(如输入框、复选框等)和Vue实例中的数据属性之间建立起一条双向数据通道,使得当表单元素的值发生改变时,对应的数据属性也会相应…...

兰林:科技赋能健康产业 助力乡村振兴建设

万民健康创始人 万民智养中医创始人 万民星农CEO兰林 党建引领谋发展 , 旗帜下乡促振兴 。 乡村振兴,健康先行。自党的十八大以来,国家卫健委贯彻落实“以基层为重点”的党的卫生与健康工作方针,推动医疗卫生工作重心下移、资源下…...

小红书流量密码是什么,怎么掌握并运用

现在是个流量的社会,因为流量其实代表的就是收益,那面对一个流量时代,小红书现在而言毫无疑问是蓝海,品牌想要做好,自然要掌握平台流量密码。今天来和大家一起分享一下小红书流量密码有什么,流量密码可以用…...

FL Studio 2023中文高级版水果编曲软件下载

FL Studio 2023中文版是一款非常经典的音乐制作软件,这款软件除了可以为用户提供全面的音乐制作功能之外,还有丰富的主题和皮肤供用户选择,让用户不但做出的音乐具有自己的风格,连制作的音乐的过程也个性十足,非常适合…...

浅析如何写出高质量代码

你是否曾经为自己写的代码而感到懊恼?你是否想过如何才能写出高质量代码?那就不要错过这个话题!在这里,我们可以讨论什么是高质量代码,如何写出高质量代码等问题。无论你是初学者还是资深开发人员,都可以在…...

手把手教你 ,带你彻底掌握八大排序算法【数据结构】

文章目录 插入排序直接插入排序希尔排序 选择排序选择排序堆排序升序 交换排序冒泡排序快速排序递归hoare版本挖坑法前后指针版本 非递归Hoare挖坑法前后指针 快排的优化三数取中法选key递归到小的子区间时,可以考虑使用插入排序 归并排序递归实现非递归实现 排序算…...

第十一章 Transform组件(上)

本章节我们介绍Transform类,它是一个组件,每一个游戏对象有拥有该组件。因此,它值得我们重点介绍一下。Transform代表了游戏对象的世界变换,也就是移动,选择和缩放。 首先,我们先介绍它的属性(…...

aac音频怎么转mp3,这几个方法很简便

对于aac来说,其是一种高级音频编码,也是专门为声音数据设计的文件压缩格式。通常来说,aac与mp3有一些不同。aac使用了全新的算法进行编码的,其整体的效率较mp3更高一些。同时,aac格式的音质较好一些。但是,…...

分屏视图上线,详情数据秒切换

分屏视图 路径 表单 >> 表单设计 功能简介 新增「分屏视图」。分屏视图是一种对数据阅读提供沉浸式体验的视图组织形式,用户可通过分屏视图更快速的查看数据详情。 使用场景: 对于数据类型是「订单」数据的表单,管理人员往往会对…...

怎么释放C盘空间?清理C盘空间的4大方法分享!

案例:怎么释放c盘空间 【朋友们,最近我的c盘空间内存严重不足了,想释放一下c盘的空间,大家有什么好的方法吗?】 在使用电脑的过程中,经常会遇到C盘空间不足的问题,这时候就需要释放C盘的空间。…...

【文件描述符|重定向|缓冲区】

1 C语言文件操作的回顾 这块博主在讲解C语言时就已经做了很详细的讲解&#xff0c;这里就不详细讲了&#xff0c;直接给出代码。 写操作&#xff1a; #include<stdio.h> #include<stdlib.h> #include<errno.h> #define LOG "log.txt" …...

软件测试—进阶篇

软件测试—进阶篇 &#x1f50e;根据测试对象划分界面测试可靠性测试容错性测试文档测试兼容性测试易用性测试安装卸载测试安全性测试性能测试内存泄漏测试 &#x1f50e;根据是否查看代码划分黑盒测试白盒测试灰盒测试 &#x1f50e;根据开发阶段划分单元测试集成测试系统测试…...

设计模式:创建型设计模式、结构型设计模式

目录 前言如何学习设计模式&#xff1f;设计模式基础设计原则 一. 创建型设计模式1. 模板方法2. 观察者模式3. 策略模式 二. 结构型设计模式1. 单例模式2. 工厂模式3. 抽象工厂4. 责任链5. 装饰器6. 组合模式 前言 如何学习设计模式&#xff1f; 明确目的 在现有的设计模式上…...

如何选择多参数水质分析仪?

如何选择适合的多参数水质分析仪&#xff1f; 首先水质检测仪分为实验室&#xff08;台式&#xff09;和户外使用的便携式多参数水质检测仪。我们呢就要了解自己的需 求使用在什么领域&#xff0c;根据使用领域选择仪器&#xff1b;其次就是选择需要测定的指标&#xff0c;最好…...

明确自动化测试目的

明确自动化测试目的 1.提高测试人员的工作成就感和幸福感&#xff0c;减少手工测试中重复性的工作 目前&#xff0c;在大部分中小企业中&#xff0c;手工测试在日常测试工作占据的比例很大。测试人员必须跟随开发团队不断地进行选代式开发和测试。一个功能模块可能在整个测试周…...

DevExpress.XtraGrid.GridControl导出excel需要添加表头

string head ""; head "单号 \t" txtcCode.Text &#xff1b; string foot ""; foot "制单人 \t" "制单日期 \t" "审核人&#xff1a; \t" "审核日期 \t" "修改人 \t&q…...

守护进程Daemon

进程组、对话期和控制终端关系 每个会话有且只有一个前台进程组&#xff0c;但会有0个或者多个后台进程组。产生在控制终端上的输入&#xff08;Input&#xff09;和信号&#xff08;Signal&#xff09;将发送给会话的前台进程组中的所有进程。对于输出&#xff08;Output&…...

学生成绩管理系统 002

学生成绩管理系统 *****************学生成绩管理系统***************** 1、成绩添加 2、成绩输出 3、成绩查询 4、成绩统计 5、成绩排名 6、成绩删除 7、成绩修改 8、成绩按学号排序 0、退出系统 ************************************************** 请选择功能:1 **********…...

换个花样玩C++(4)细聊C++的引用精妙之处

引用是C++引入的新语言特性。而且在日常工作开发过程中,经常会使用到引用,对于一些做系统架构的架构师而言,这也是不可或缺的一门基本功,我在工作中发现,很多人并没有搞清楚引用。因此我在本篇中将对引用进行详细讨论,希望对大家更好地理解和使用引用起到抛砖引玉的作用。…...

KubeSphere 容器平台高可用:环境搭建与可视化操作指南

Linux_k8s篇 欢迎来到Linux的世界&#xff0c;看笔记好好学多敲多打&#xff0c;每个人都是大神&#xff01; 题目&#xff1a;KubeSphere 容器平台高可用&#xff1a;环境搭建与可视化操作指南 版本号: 1.0,0 作者: 老王要学习 日期: 2025.06.05 适用环境: Ubuntu22 文档说…...

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…...

设计模式和设计原则回顾

设计模式和设计原则回顾 23种设计模式是设计原则的完美体现,设计原则设计原则是设计模式的理论基石, 设计模式 在经典的设计模式分类中(如《设计模式:可复用面向对象软件的基础》一书中),总共有23种设计模式,分为三大类: 一、创建型模式(5种) 1. 单例模式(Sing…...

从深圳崛起的“机器之眼”:赴港乐动机器人的万亿赛道赶考路

进入2025年以来&#xff0c;尽管围绕人形机器人、具身智能等机器人赛道的质疑声不断&#xff0c;但全球市场热度依然高涨&#xff0c;入局者持续增加。 以国内市场为例&#xff0c;天眼查专业版数据显示&#xff0c;截至5月底&#xff0c;我国现存在业、存续状态的机器人相关企…...

【解密LSTM、GRU如何解决传统RNN梯度消失问题】

解密LSTM与GRU&#xff1a;如何让RNN变得更聪明&#xff1f; 在深度学习的世界里&#xff0c;循环神经网络&#xff08;RNN&#xff09;以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而&#xff0c;传统RNN存在的一个严重问题——梯度消失&#…...

【磁盘】每天掌握一个Linux命令 - iostat

目录 【磁盘】每天掌握一个Linux命令 - iostat工具概述安装方式核心功能基础用法进阶操作实战案例面试题场景生产场景 注意事项 【磁盘】每天掌握一个Linux命令 - iostat 工具概述 iostat&#xff08;I/O Statistics&#xff09;是Linux系统下用于监视系统输入输出设备和CPU使…...

django filter 统计数量 按属性去重

在Django中&#xff0c;如果你想要根据某个属性对查询集进行去重并统计数量&#xff0c;你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求&#xff1a; 方法1&#xff1a;使用annotate()和Count 假设你有一个模型Item&#xff0c;并且你想…...

【论文阅读28】-CNN-BiLSTM-Attention-(2024)

本文把滑坡位移序列拆开、筛优质因子&#xff0c;再用 CNN-BiLSTM-Attention 来动态预测每个子序列&#xff0c;最后重构出总位移&#xff0c;预测效果超越传统模型。 文章目录 1 引言2 方法2.1 位移时间序列加性模型2.2 变分模态分解 (VMD) 具体步骤2.3.1 样本熵&#xff08;S…...

论文笔记——相干体技术在裂缝预测中的应用研究

目录 相关地震知识补充地震数据的认识地震几何属性 相干体算法定义基本原理第一代相干体技术&#xff1a;基于互相关的相干体技术&#xff08;Correlation&#xff09;第二代相干体技术&#xff1a;基于相似的相干体技术&#xff08;Semblance&#xff09;基于多道相似的相干体…...

虚拟电厂发展三大趋势:市场化、技术主导、车网互联

市场化&#xff1a;从政策驱动到多元盈利 政策全面赋能 2025年4月&#xff0c;国家发改委、能源局发布《关于加快推进虚拟电厂发展的指导意见》&#xff0c;首次明确虚拟电厂为“独立市场主体”&#xff0c;提出硬性目标&#xff1a;2027年全国调节能力≥2000万千瓦&#xff0…...