MATLAB-在其他领域中的应用ppt课件.ppt

MATLAB-在其他领域中的应用ppt课件.ppt

ID:58613176

大小:1.43 MB

页数:58页

时间:2020-10-20

MATLAB-在其他领域中的应用ppt课件.ppt_第1页
MATLAB-在其他领域中的应用ppt课件.ppt_第2页
MATLAB-在其他领域中的应用ppt课件.ppt_第3页
MATLAB-在其他领域中的应用ppt课件.ppt_第4页
MATLAB-在其他领域中的应用ppt课件.ppt_第5页
资源描述:

《MATLAB-在其他领域中的应用ppt课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、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

2、果。2.实验原理用户的DOA(DirectionofArrival)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。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

3、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=.0

4、35;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];forn=1:length(q1b)q1a(n)=q1b(n);A1a=[exp(-2*pi*j*1*[0:6]*cos(q1a(n))/lma)]';Pmusic(n)=(A1a)

5、'*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);endfigure(1)%绘出Music法估计的波达方向图T1=T*180/pi;semilogy(T1,P1);gridaxis([0,200,1e-10,1e40]);xlabel('Angle(deg)');ylabel('Spectrum')gridon;figure(2)%绘出Capon法估计的波达方向图T1=T*180/pi;s

6、emilogy(T1,P2);gridaxis([0,200,1e-10,1e10]);xlabel('Angle(deg)');ylabel('Spectrum')gridon;5.运行结果与分析其输出结果如图6.1和图6.2所示。通过以上实验对比,可看出在理想情况下Music算法比Capon算法在DOA估计上谱峰更高,相邻角度信号之间的过渡更平缓,所以Music性能更好。6.思考题Music算法相对于Capon算法具有什么优势?具有什么缺点?如何对Music算法进行改进?6.2Hopfield神经网络数字识别1.实验目的(1)学习MATLAB在神经网络系统中的应用。(2)掌握Hopfie

7、ld神经网络识别数字方法。2.实验原理Hopfield神经网络的应用形式有联想记忆和优化计算两种。其中联想记忆是指当网络输入某个矢量后,网络经过反馈演化,从网络输出端得到另一个矢量,这样输出矢量称为网络从初始输入矢量联想得到一个稳定记忆,即网络的一个平衡点。优化计算是指当某一个问题存在多种解法时,可以设计一个目标函数,得到寻求满足这一目标函数的最优解法。本例将采用联想记忆的形式进行数字识别。3.仿真思路本例采

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。