توابع پرکاربرد مخابراتی👇بخش یازدهم
---------------------------------------------
poly_roots
در این برنامه قصد داریم ریشه های یک چندجملها ی را بیابیم. ابتدا ضرایب چندجمله ای را به ترتیب از ضریب بزرگترین درجه تا ضریب کوچکترین درجه ،که درجه صفر است را داخل یک بردار قرار می دهیم. پس از آن با استفاده از دستور
roots(c)
که ورودی آن بردار ضرایب است، ریشه های چندجمله ای را به عنوان خروجی دریافت می کنیم.
poly_poly
در این فایل، نحوهی محاسبه ضرایب یک چند جملهای با ریشههای معلوم به نمایش درآمده است. در این فایل همچنین نشان داده شده که این ضرایب به صورت استاندارد شده محاسبه خواهند شد. این بدان معنی است که ضریب جملهی با بزرگترین توان همیشه برابر با ۱ خواهد شد.
poly_polyval
در این فایل، نحوهی محاسبهی مقدار یک چند جملهای در مقادیر مختلف x (متغیر مستقل) پیاده سازی شده است.
poly_polyfit
در این فایل، با استفاده از تابع polyfit ضرایبی از چند جمله ای c از درجه ی ۳=n را پیدا می کند که با روش حداقل مربعات بر داده ها مماس شود. یعنی
c(x(i))
به
y(i)
مماس شود. خروجی این تابع، یک بردار سطری به طول ۴=n+1 است که ضرایب چند جمله ای را به صورت توان نزولی بیان می کند. سپس با استفاده از تابع polyval، مقدار چند جمله ای c را بر حسب x بدست می آورد. در قسمت بعدی برنامه، برای
exp(x)
از توابع polyfit و polyval برای یافتن بهترین چندجمله ای مماس بر نمودار استفاده کردیم.
cftool
در این فایل و همچنین دو فایل بعدی (C5،C6 و C7) با استفاده از جعبه ابزار cftool در MATLAB می توان بهترین معادله ی دنبال کننده ی یک تابع را پیدا کرد. در این جعبه ابزار، میتوان نمودارهای مختلفی را ایجاد کرد و از نظر دقت دنبال کردن نمودار اصلی، با هم مقایسه نمود.
در این فایل، تابع
Sin(x)
ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود.
cftool
در این فایل سیگنال ECG نویزی و یکسو شده ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود.
cftool
در این فایل یک چند جملهای با ضرایب مشخص ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود
@Matlab_Communication
---------------------------------------------
poly_roots
در این برنامه قصد داریم ریشه های یک چندجملها ی را بیابیم. ابتدا ضرایب چندجمله ای را به ترتیب از ضریب بزرگترین درجه تا ضریب کوچکترین درجه ،که درجه صفر است را داخل یک بردار قرار می دهیم. پس از آن با استفاده از دستور
roots(c)
که ورودی آن بردار ضرایب است، ریشه های چندجمله ای را به عنوان خروجی دریافت می کنیم.
poly_poly
در این فایل، نحوهی محاسبه ضرایب یک چند جملهای با ریشههای معلوم به نمایش درآمده است. در این فایل همچنین نشان داده شده که این ضرایب به صورت استاندارد شده محاسبه خواهند شد. این بدان معنی است که ضریب جملهی با بزرگترین توان همیشه برابر با ۱ خواهد شد.
poly_polyval
در این فایل، نحوهی محاسبهی مقدار یک چند جملهای در مقادیر مختلف x (متغیر مستقل) پیاده سازی شده است.
poly_polyfit
در این فایل، با استفاده از تابع polyfit ضرایبی از چند جمله ای c از درجه ی ۳=n را پیدا می کند که با روش حداقل مربعات بر داده ها مماس شود. یعنی
c(x(i))
به
y(i)
مماس شود. خروجی این تابع، یک بردار سطری به طول ۴=n+1 است که ضرایب چند جمله ای را به صورت توان نزولی بیان می کند. سپس با استفاده از تابع polyval، مقدار چند جمله ای c را بر حسب x بدست می آورد. در قسمت بعدی برنامه، برای
exp(x)
از توابع polyfit و polyval برای یافتن بهترین چندجمله ای مماس بر نمودار استفاده کردیم.
cftool
در این فایل و همچنین دو فایل بعدی (C5،C6 و C7) با استفاده از جعبه ابزار cftool در MATLAB می توان بهترین معادله ی دنبال کننده ی یک تابع را پیدا کرد. در این جعبه ابزار، میتوان نمودارهای مختلفی را ایجاد کرد و از نظر دقت دنبال کردن نمودار اصلی، با هم مقایسه نمود.
در این فایل، تابع
Sin(x)
ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود.
cftool
در این فایل سیگنال ECG نویزی و یکسو شده ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود.
cftool
در این فایل یک چند جملهای با ضرایب مشخص ترسیم شده است تا در GUI مربوط به cftool از آن استفاده شود
@Matlab_Communication
توابع پرکاربرد مخابراتی👇بخش دوازدهم
---------------------------------------------
prony
در این فایل، یک فیلتر باترورث IIR مرتبه ی ۴ با فرکانس قطع ۰٫۳ را طراحی کردیم و پاسخ ضربه ی این فیلتر را با دستور impz بدست آوردیم. سپس با روش طراحی فیلتر prony با فرمت زیر یک مدل IIR برای پاسخ ضربه ی فیلتر باترورث ارایه دادیم.
AR
در این فایل، از ECGDATA که داده ی تعریف شده در matlab است، استفاده کردیم و با لود کردن آن، پارامترهای مدل مرتبه ی ۲۰، AR را برای سیگنال نویزی شده ی ecg که همان noisyECG است را بدست آوردیم و با دستور fvtool پاسخ دامنه ی فیلتر دیجیتال را رسم می نماییم، که با استفاده از جعبه ابزار fvtool میتوان پاسخ فرکانسی، تاخیر گروه، پاسخ ضربه، پاسخ پله، نمودار صفر و قطب و ضرایب فیلتر را نشان داد. تابع
ar(y,n)
ضرایب مدل AR را برای ورودی y با درجه n تخمین می زند و ضرایب را در خروجی قرار می دهد. با دستور pweltch نیز، می توان از روش weltch برای محاسبه ی چگالی طیف توان در سگمنت های مختلف استفاده کرد.
modulate
در این فایل، روی سیگنال x یک بار مدولاسیون فرکانسی و یک بار مدولاسیون دامنه انجام داده ایم. هنگام استفاده از تابع modulate در آرگومانهای ورودی سیگنال x، فرکانس حامل fc ، فرکانس نمونه برداری fs و روش مدولاسیون را بایستی وارد نماییم.
y = modulate(x,fc,fs,’method’)
چنانچه روش مدولاسیون وارد نشود، MATLAB به صورت پیش فرض از “am” یعنی مدولاسیون دامنه استفاده می کند.
demodulate
پس از مدولاسیون که در فایل قبل انجام شد، برای بازیابی سیگنال اولیه از دمدولاسیون استفاده می کنیم. هنگام استفاده از تابع demod در آرگومانهای ورودی، سیگنال y که مدوله شده ی سیگنال x است، فرکانس حامل fc، فرکانس نمونه برداری fs و روش مدولاسیون را بایستی وارد نماییم.
x=demod(y,fc,fs,’method’)
چنانچه روش مدولاسیون وارد نشود، MATLAB به صورت پیش فرض از “am” یعنی مدولاسیون دامنه استفاده می کند.
@Matlab_Communication
---------------------------------------------
prony
در این فایل، یک فیلتر باترورث IIR مرتبه ی ۴ با فرکانس قطع ۰٫۳ را طراحی کردیم و پاسخ ضربه ی این فیلتر را با دستور impz بدست آوردیم. سپس با روش طراحی فیلتر prony با فرمت زیر یک مدل IIR برای پاسخ ضربه ی فیلتر باترورث ارایه دادیم.
AR
در این فایل، از ECGDATA که داده ی تعریف شده در matlab است، استفاده کردیم و با لود کردن آن، پارامترهای مدل مرتبه ی ۲۰، AR را برای سیگنال نویزی شده ی ecg که همان noisyECG است را بدست آوردیم و با دستور fvtool پاسخ دامنه ی فیلتر دیجیتال را رسم می نماییم، که با استفاده از جعبه ابزار fvtool میتوان پاسخ فرکانسی، تاخیر گروه، پاسخ ضربه، پاسخ پله، نمودار صفر و قطب و ضرایب فیلتر را نشان داد. تابع
ar(y,n)
ضرایب مدل AR را برای ورودی y با درجه n تخمین می زند و ضرایب را در خروجی قرار می دهد. با دستور pweltch نیز، می توان از روش weltch برای محاسبه ی چگالی طیف توان در سگمنت های مختلف استفاده کرد.
modulate
در این فایل، روی سیگنال x یک بار مدولاسیون فرکانسی و یک بار مدولاسیون دامنه انجام داده ایم. هنگام استفاده از تابع modulate در آرگومانهای ورودی سیگنال x، فرکانس حامل fc ، فرکانس نمونه برداری fs و روش مدولاسیون را بایستی وارد نماییم.
y = modulate(x,fc,fs,’method’)
چنانچه روش مدولاسیون وارد نشود، MATLAB به صورت پیش فرض از “am” یعنی مدولاسیون دامنه استفاده می کند.
demodulate
پس از مدولاسیون که در فایل قبل انجام شد، برای بازیابی سیگنال اولیه از دمدولاسیون استفاده می کنیم. هنگام استفاده از تابع demod در آرگومانهای ورودی، سیگنال y که مدوله شده ی سیگنال x است، فرکانس حامل fc، فرکانس نمونه برداری fs و روش مدولاسیون را بایستی وارد نماییم.
x=demod(y,fc,fs,’method’)
چنانچه روش مدولاسیون وارد نشود، MATLAB به صورت پیش فرض از “am” یعنی مدولاسیون دامنه استفاده می کند.
@Matlab_Communication
فایلهای آموزشی متلب در حوزه های :
رادار
پردازش تصویر
پردازش صوت
طراحی آنتن
مدارات الکترونیکی
برنامه نویسی در متلب
شبیه سازی
کنترل
طراحی فیلتر
طراحی الگوریتم ها
استفاده از GUI
سیگنال سیستم
آنالیز مدارات الکترونیکی
@Matlab_Communication
👇👇👇👇👇👇👇👇👇👇👇👇
رادار
پردازش تصویر
پردازش صوت
طراحی آنتن
مدارات الکترونیکی
برنامه نویسی در متلب
شبیه سازی
کنترل
طراحی فیلتر
طراحی الگوریتم ها
استفاده از GUI
سیگنال سیستم
آنالیز مدارات الکترونیکی
@Matlab_Communication
👇👇👇👇👇👇👇👇👇👇👇👇