生成多种调制信号数据集-开发者社区

问题解构

用户需要一段MATLAB程序来生成包含多种调制类型的信号数据集，用于通信系统仿真、深度学习训练或信号处理研究。核心需求包括：

信号生成：生成多种调制类型的基带/已调信号。
参数可控：能够灵活设置信号参数，如符号速率、载波频率、信噪比等。
信道仿真：模拟真实信道环境，如加性高斯白噪声（AWGN）、多径衰落等。
数据集构建：将生成的信号及其标签组织成结构化的数据集，便于后续处理。

方案推演

根据参考资料，一个完整的调制信号数据集生成程序应包含以下模块：

调制信号生成：实现常见的数字调制（如BPSK、QPSK、16QAM）和模拟调制（如AM、FM）。
信道模型：添加AWGN噪声，并可扩展至多径、频偏等效应。
数据封装：将信号数据、调制类型标签、关键参数（如SNR）打包存储。
可视化与验证：可选地生成时频图（如频谱图）用于直观检查或作为深度学习模型的输入特征。

具体实现

以下MATLAB程序实现了上述功能，生成一个包含BPSK、QPSK、16QAM和FM四种调制类型的数据集，每种调制类型在不同信噪比（SNR）下生成多个样本。

%% 生成不同调制信号数据集的MATLAB程序 % 作者：基于CSDN博客的调制原理与数据集构建方法实现 % 功能：生成包含BPSK, QPSK, 16QAM, FM四种调制类型的信号数据集，并添加AWGN信道噪声。 clear; close all; clc; %% 1. 参数设置 fs = 100e3; % 采样率 (Hz)，需满足奈奎斯特采样定律 fc = 10e3; % 载波频率 (Hz) Rs = 1e3; % 符号速率 (波特) sps = fs / Rs; % 每符号采样点数 numSymbols = 1024; % 每种调制类型每个样本的符号数 numSamplesPerMod = 50; % 每种调制类型每个SNR下的样本数 modulationTypes = {'BPSK', 'QPSK', '16QAM', 'FM'}; SNR_dB = -5:5:20; % 信噪比范围 (dB)，模拟不同信道条件 % 初始化数据集结构 dataset = struct(); datasetIndex = 1; %% 2. 主循环：生成所有调制类型和SNR下的信号 for modIdx = 1:length(modulationTypes) modType = modulationTypes{modIdx}; fprintf('正在生成调制类型: %s ', modType); for snrIdx = 1:length(SNR_dB) SNR = SNR_dB(snrIdx); for sampleIdx = 1:numSamplesPerMod % 2.1 生成随机比特流作为信源 numBits = numSymbols * log2(getModulationOrder(modType)); dataBits = randi([0 1], numBits, 1); % 2.2 根据调制类型生成基带信号 modulatedSignal = generateModulatedSignal(dataBits, modType, sps, fc, fs); % 2.3 通过AWGN信道 noisySignal = awgn(modulatedSignal, SNR, 'measured'); % 2.4 存储到数据集结构 dataset(datasetIndex).Signal = noisySignal; dataset(datasetIndex).ModulationType = modType; dataset(datasetIndex).SNR_dB = SNR; dataset(datasetIndex).OriginalBits = dataBits; % 可选：存储原始比特用于解调验证 dataset(datasetIndex).Fs = fs; dataset(datasetIndex).Fc = fc; datasetIndex = datasetIndex + 1; end end end fprintf('数据集生成完成！共生成 %d 个信号样本。 ', length(dataset)); %% 3. 保存数据集 save('ModulationDataset.mat', 'dataset', '-v7.3'); disp('数据集已保存为 ModulationDataset.mat'); %% 4. 可视化示例（可选）：绘制最后生成的4个样本的时域波形和频谱 figure('Position', [100, 100, 1200, 800]); for i = 1:4 idx = length(dataset) - 4 + i; signal = dataset(idx).Signal; modType = dataset(idx).ModulationType; snr = dataset(idx).SNR_dB; % 时域波形 subplot(4, 2, 2*i-1); t = (0:length(signal)-1) / fs; plot(t*1e3, real(signal)); % 绘制实部（对于FM是实信号） xlabel('时间 (ms)'); ylabel('幅度'); title(sprintf('%s调制 (SNR=%d dB) 时域波形', modType, snr)); grid on; % 频谱（使用pspectrum函数进行时频分析） subplot(4, 2, 2*i); pspectrum(signal, fs, 'spectrogram', 'FrequencyResolution', 500, 'OverlapPercent', 80); title(sprintf('%s调制频谱图', modType)); colorbar off; end %% 5. 辅助函数：根据调制类型生成已调信号 function modulatedSignal = generateModulatedSignal(dataBits, modType, sps, fc, fs) % 根据调制类型生成相应的已调信号 switch modType case 'BPSK' % BPSK调制：比特0映射为相位0，比特1映射为相位π symbols = 2 * dataBits - 1; % 映射为±1 baseband = rectpulse(symbols, sps); % 矩形脉冲成型 t = (0:length(baseband)-1)' / fs; modulatedSignal = baseband .* cos(2*pi*fc*t); % 载波调制 case 'QPSK' % QPSK调制：每两个比特映射为一个符号 symbols = qammod(dataBits, 4, 'InputType', 'bit', 'UnitAveragePower', true); baseband = rectpulse(symbols, sps); t = (0:length(baseband)-1)' / fs; modulatedSignal = real(baseband .* exp(1j*2*pi*fc*t)); % 取实部得到实信号 case '16QAM' % 16QAM调制：每4个比特映射为一个符号 symbols = qammod(dataBits, 16, 'InputType', 'bit', 'UnitAveragePower', true); baseband = rectpulse(symbols, sps); t = (0:length(baseband)-1)' / fs; modulatedSignal = real(baseband .* exp(1j*2*pi*fc*t)); case 'FM' % FM调制：频率随调制信号线性变化 % 首先将比特流转换为模拟信号（这里简单使用双极性NRZ） analogSignal = 2 * dataBits - 1; analogSignal = rectpulse(analogSignal, sps); % 设置调频灵敏度Kf Kf = 50; % Hz/volt，控制调制指数 intSignal = cumsum(analogSignal) / fs; % 积分得到相位 t = (0:length(analogSignal)-1)' / fs; modulatedSignal = cos(2*pi*fc*t + 2*pi*Kf*intSignal); otherwise error('不支持的调制类型: %s', modType); end end %% 6. 辅助函数：获取调制阶数（每个符号的比特数） function order = getModulationOrder(modType) switch modType case 'BPSK' order = 1; case 'QPSK' order = 2; case '16QAM' order = 4; case 'FM' order = 1; % FM通常视为模拟调制，这里为简化也使用1比特/符号 otherwise order = 1; end end

代码说明与关键特性

模块	功能说明	对应参考资料
参数设置	定义采样率`fs`、载波频率`fc`、符号速率`Rs`等全局参数。采样率需满足奈奎斯特采样定律以避免混叠。
调制信号生成	`generateModulatedSignal`函数实现了四种调制： •BPSK/QPSK/16QAM：使用`qammod`函数进行星座映射，矩形脉冲成型后与载波相乘。 •FM：对基带信号积分得到相位，再与载波频率结合生成调频信号，其中`Kf`为调频灵敏度。
信道仿真	使用`awgn`函数添加加性高斯白噪声（AWGN），`SNR_dB`数组定义了从-5 dB到20 dB的信噪比范围，模拟不同质量的传输信道。
数据集结构	每个样本存储为结构体，包含： •`Signal`：加噪后的已调信号（时域波形）。 •`ModulationType`：调制类型标签（字符串）。 •`SNR_dB`：信噪比标签。 •`OriginalBits`：原始比特序列（可用于解调性能验证）。 •`Fs`,`Fc`：采样率和载波频率参数。
可视化	程序最后绘制了4个样本的时域波形和频谱图（使用`pspectrum`函数生成时频图），便于直观检查信号特征。频谱图也可直接作为深度学习模型的输入特征。
数据保存	使用`save`命令将整个`dataset`结构保存为MAT文件，便于后续加载使用。	-

扩展与定制建议

增加调制类型：参考，可在generateModulatedSignal函数中轻松添加MFSK、OQPSK、SSB（需使用希尔伯特变换）等其他调制方式。
复杂信道模型：除了AWGN，可引入多径衰落（瑞利或莱斯信道）、载波频率偏移（CFO）和采样时钟偏移（SCO）等更真实的损伤模型。
生成时频图数据集：若用于深度学习分类（如CNN），可将主循环中的noisySignal通过pspectrum函数转换为频谱图，并保存为图像文件，构建图像数据集。
音频信号调制：如需处理音频信号，可将dataBits替换为实际音频文件的采样数据，并调整参数以适应音频频带。
批量生成与存储优化：对于大规模数据集，可考虑使用parfor并行循环加速生成，并将数据分批保存为HDF5等格式以减少内存占用。