Страницу Назад
Поискать другие аналоги этой работы
400 Контрольная работа по дисциплине: Компьютерное моделирование. Общий вариант. 2021 годID: 220192Дата закачки: 25 Сентября 2021 Продавец: SibGUTI (Напишите, если есть вопросы) Посмотреть другие работы этого продавца Тип работы: Работа Контрольная Форматы файлов: MathCAD, Microsoft Word Сдано в учебном заведении: ДО СИБГУТИ Описание: Моделирование системы передачи с BPSK модулятором и корреляционным детектором 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. Рассчитать частоту дискретизации τ q Fd = Гц и период дискретизации Td. 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 t = 0,Td ..длина(D) *τ −Td / 2 . 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. Принцип корреляционного детектора: Задать синусоидальные образцы неискаженных сигналов (как на рисунке 3). Организовать цикл по детектируемым элементам в котором последовательно берем по q отсчетов из модулированного сигнала с шумом на текущем единичном интервале и отсчеты двух образцов, использованных при модуляции. (на рис. 3 – q равно 12) Перемножаем отсчёты модулированного сигнала с шумом с отсчётами первого образца, взятые в одинаковые моменты времени, потом суммируем полученные произведения. В результате получаем коэффициент корреляции А. Аналогично получаем коэффициент корреляции для второго образца - В. Если А>=В, принимается решение о «1», иначе «0» и пишем в текущий элемент выходного массива. На выходе детектора будет двоичный массив длиной Ne элементов. 8. Сравнить элементы с выхода детектора с исходным информационным массивом, определить количество ошибок. Определить вероятность ошибки делением числа ошибок на длину массива. При отладке Ne = 20 при чистовых прогонах сотни – тысяч Рисунок 3 – Принимаемый сигнал с шумом s(t), образцы s1(t) и s2(t), взятые отсчёты с частотой дискретизации 9. Используя созданные выше элементы, разработать модель, формирующую вектор вероятностей ошибок (Per) для значений СКО (σ = 0.1, 0.2...2 ) и заданного количества точек суммирования при определении корреляции Per(σ ) = f (σ / q = const). 13. Получить и выгрузить на диск массивы Per для разного числа точек сравнения q = 3,5,10, 20. Для экспорта массива использовать функцию WRITEPRN(concat(“Per_q=”, num2str(q))):=имя_модели 14. Загрузить полученные массивы в MathCAD, используя команду READPRN("Per _ q = 3.prn") с соответствующими значениями q . Построить на одном графике зависимости вероятности ошибок от мощности шума при постоянном q , на втором зависимости вероятности ошибок от q при постоянной мощности шума. Проанализировать полученные графики и сделать выводы. Пример зависимостей вероятности ошибок от СКО шума для разных значений q приведен на рисунке 3 Рисунок 3. Пример зависимостей вероятности ошибок от СКО шума Представить листинг программы и пояснительную записку в виде текстового файла с графиками, пояснениями и выводами Комментарии: Уважаемый студент дистанционного обучения, Оценена Ваша работа по предмету: Компьютерное моделирование Вид работы: Контрольная работа Оценка: Зачет Дата оценки: 25.09.2021 Рецензия: Уважаемый ..................................................., Мелентьев Олег Геннадьевич Размер файла: 367,9 Кбайт Фаил: (.rar) ------------------- Обратите внимание, что преподаватели часто переставляют варианты и меняют исходные данные! Если вы хотите, чтобы работа точно соответствовала, смотрите исходные данные. Если их нет, обратитесь к продавцу или к нам в тех. поддержку. Имейте ввиду, что согласно гарантии возврата средств, мы не возвращаем деньги если вариант окажется не тот. -------------------
Скачано: 5 Коментариев: 0 |
||||
Есть вопросы? Посмотри часто задаваемые вопросы и ответы на них. Опять не то? Мы можем помочь сделать! Некоторые похожие работы:К сожалению, точных предложений нет. Рекомендуем воспользоваться поиском по базе. |
||||
Не можешь найти то что нужно? Мы можем помочь сделать! От 350 руб. за реферат, низкие цены. Спеши, предложение ограничено ! |
Вход в аккаунт:
Страницу Назад
Cодержание / Компьютерное моделирование / Контрольная работа по дисциплине: Компьютерное моделирование. Общий вариант. 2021 год
Вход в аккаунт: