MWC压缩采样接收机仿真系统

资 源 简 介

该项目实现了基于调制宽带转换器（Modulated Wideband Converter, MWC）架构的亚采样宽带信号接收系统。该系统主要针对分布式稀疏信号场景，能够以远低于奈奎斯特采样率的物理速率对比特率极高的宽带信号进行有效捕获与重构。其核心物理过程模拟了多通道混频、低通滤波及低速采样过程：系统首先将输入的待测宽带信号与一组周期性的伪随机序列进行混频，从而将整个频谱上的有用信息折叠并搬移至基带；随后通过低通滤波器滤除带外噪声，由并行低速ADC完成采样；最后利用压缩感知理论中的连续到离散（CTD）模型

详 情 说 明

MWC压缩采样接收机仿真系统

本系统实现了基于调制宽带转换器（Modulated Wideband Converter, MWC）架构的亚采样宽带信号接收仿真。通过多通道混频、低速采样以及压缩感知恢复算法，系统能够在显著低于奈奎斯特频率的条件下，实现对宽带稀疏信号的精确频率识别与时域重构。

项目介绍

在电磁环境日益复杂的背景下，传统的奈奎斯特采样要求ADC具备极高的采样率，这对硬件设计带来了巨大挑战。MWC系统利用信号在频域的稀疏性，通过模拟前端将高频信号能量折叠映射至基带，并利用数学手段从低速采样数据中提取原始信息。本仿真系统完整模拟了从信号生成、硬件通道处理到后端算法恢复的全过程，为认知无线电和频谱监测研究提供了实验基础。

功能特性

1. 宽带稀疏信号模拟：自定义生成包含多个窄带分量的超宽带信号，支持设置不同的载波频率、带宽及信噪比（SNR）。
2. MWC多通道前端仿真：模拟m个并行物理通道，每个通道包含独立的周期性伪随机序列混频、低通滤波及低速采样过程。
3. 动态支撑集估计：基于奇异值分解（SVD）的特征提取和正交匹配追踪（OMP）算法，从降维后的观测向量中识别信号频谱的分布区间。
4. 信号高保重构：利用估计出的频率支撑集，在频域进行信号分量还原与能量归一化，实现时域波形的精确恢复。
5. 性能综合评估：自动计算采样压缩比、重构均方误差（MSE），并通过时域对比图、误差分布图、频谱对比图及支撑集识别图进行可视化展示。

实现逻辑

1. 环境配置与参数定义：

设置奈奎斯特采样率（10GHz）和信号持续时间。根据MWC理论计算频谱切片总数（M）和各通道混频序列频率（50MHz）。

1. 信号源构建：

在时域生成带有高斯信封的窄带调制信号，将三个频率均匀分布在高速带宽内。注入高斯白噪声以模拟真实电磁环境。

1. MWC物理过程建模：

生成m行M列的周期性伪随机序列矩阵（取值为1或-1）。在频域通过切片加权求和的方式模拟时域混频过程，继而通过理想低通滤波器并进行抽取，获得低速采样得到的观测矩阵Y。

1. 支撑集搜索：

采用CT-D（连续到离散）转换模型。首先对观测矩阵Y进行SVD分解，提取反映信号支撑集信息的特征矩阵Q。随后利用OMP算法，在传感矩阵中迭代搜索与残差最相关的原子，确定信号所在频率切片。

1. 频谱还原与重构：

基于识别出的支撑集索引，通过最小二乘法（伪逆运算）从低速样本中解算出对应的窄带信号成分。将这些成分映射回原始高带宽频谱位置，经逆傅里叶变换（IFFT）还原为时域信号，并根据原始信号能量进行幅度补偿。

1. 结果可视化：

系统输出四维图表：对比原始与重构波形的正弦一致性、分析重构误差随时间的分布、展示频谱恢复的完整性以及验证支撑集识别的准确度。

系统细节与关键算法

1. 混频模拟：代码采用了频域处理技术，将整个10GHz带宽划分为多个切片，每个切片对应伪随机序列的一个傅里叶系数。这种方式既符合物理逻辑，又避免了直接处理大规模时域数据带来的内存开销。
2. OMP (Orthogonal Matching Pursuit) 算法：作为压缩感知的核心，算法通过贪婪寻优，在C矩阵（传感矩阵）中寻找能解释观测数据能量的列集合。
3. 支撑集检测强度：通过计算测量矩阵原子与残差的投影关联度，量化各个频率切片存在信号的可能性。
4. 压缩比控制：系统通过m（通道数）与fs_low（低速采样率）的乘积与奈奎斯特频率之比来定义压缩性能。在当前配置下，能够以极低的硬件代价捕获极高频的信号。

系统要求

1. 软件环境：MATLAB R2018b 或更高版本。
2. 基础模块：需安装 Signal Processing Toolbox（信号处理工具箱）。
3. 性能建议：由于涉及大量FFT运算与SVD分解，建议物理内存不低于8GB。

使用方法

1. 打开MATLAB软件，将工作目录切换至本项目所在文件夹。
2. 在命令行窗口直接输入主程序函数名并回车。
3. 程序将自动执行信号生成、采样、恢复全流程。
4. 运行结束后，控制台将打印载频识别结果、压缩比及MSE指标，同时弹出多维度对比分析曲线图。