系统仿真与性能分析--matlab完整代码)
关注我追更更多通信仿真代码文章目录摘要1 引言1.1 研究背景与意义1.2 OFDM波形在ISAC中的优势1.3 本文工作与组织结构2 系统模型与信号处理2.1 OFDM信号模型2.2 通信信号模型2.2.1 多用户CDMA与Hadamard码2.2.2 发射端通信处理2.2.3 接收端通信处理2.3 雷达感知信号模型2.3.1 目标回波建模2.3.2 匹配滤波与距离估计2.3.3 距离‑多普勒处理2.4 OS‑CFAR目标检测3 仿真实现3.1 系统参数配置3.2 仿真流程3.3 仿真图分析3.3.1 通信性能3.3.2 雷达感知性能3.4 部分代码5 总结摘要通信感知一体化Integrated Sensing and Communication, ISAC是第六代6G移动通信系统的核心使能技术之一它允许在同一硬件平台和频谱资源上同时实现无线通信与环境感知。本文以正交频分复用OFDM波形为基础设计并实现了一个完整的ISAC系统仿真框架。通信部分采用哈达玛Hadamard码实现多用户码分多址CDMA每用户使用QPSK调制雷达感知部分利用相同的OFDM信号作为探测波形通过匹配滤波和二维快速傅里叶变换FFT生成距离‑多普勒图并采用有序统计恒虚警率OS‑CFAR算法进行目标检测。仿真实验验证了系统在通信误码率、星座恢复、目标距离‑速度估计及检测性能等方面的有效性为ISAC系统的工程设计和参数优化提供了参考。1 引言1.1 研究背景与意义随着5G的大规模部署和6G研究的全面展开未来的无线网络不仅需要提供超高速率、极低时延和海量连接还需要具备对物理世界的感知能力以实现智能交通、智慧工厂、增强现实等新兴应用。传统上通信和雷达感知各自采用独立的硬件和频段这导致频谱利用率低、设备成本高、体积大。通信感知一体化ISAC技术应运而生它通过统一波形和软硬件平台使通信与感知功能深度融合成为6G的关键技术方向之一。1.2 OFDM波形在ISAC中的优势正交频分复用OFDM因其频谱效率高、抗多径能力强、易于实现MIMO扩展等优点已广泛应用于4G/5G、WiFi等通信标准。在ISAC场景中OFDM同样极具吸引力通信与感知共用OFDM信号在频域上由多个正交子载波构成可直接用于数据调制同时其确定性的频域结构适合作为雷达参考信号。高分辨能力OFDM信号的模糊函数呈“图钉状”具有同时实现距离高分辨和多普勒高分辨的潜力。循环前缀CPCP的存在不仅消除符号间干扰还可简化雷达回波中距离模糊的处理。因此基于OFDM的ISAC系统成为当前研究的热点。1.3 本文工作与组织结构本文基于MATLAB平台实现了一个端到端的OFDM‑ISAC仿真系统主要工作如下设计基于Hadamard码的多用户CDMA通信方案并评估其在QPSK调制下的误码性能。采用同一OFDM信号作为雷达探测波形推导并实现匹配滤波、距离‑多普勒成像。引入OS‑CFAR算法实现稳健的目标检测并与真实目标进行匹配分析。通过仿真实验全面评估系统的通信和感知性能。2 系统模型与信号处理2.1 OFDM信号模型2.2 通信信号模型2.2.1 多用户CDMA与Hadamard码2.2.2 发射端通信处理2.2.3 接收端通信处理2.3 雷达感知信号模型2.3.1 目标回波建模2.3.2 匹配滤波与距离估计2.3.3 距离‑多普勒处理2.4 OS‑CFAR目标检测从距离‑多普勒图中提取目标需要有效的恒虚警率CFAR检测。本文采用有序统计CFAROS‑CFAR因其在多目标和杂波边缘环境下更为稳健。3 仿真实现3.1 系统参数配置参数符号数值采样率F s F_sFs2 GHzFFT点数M MM2048循环前缀长度N C P N_{\rm CP}NCP1024有效子载波起始索引n 0 n_0n0200有效子载波数Hadamard码维度H s i z e H_{\rm size}Hsize128OFDM符号数N s y m N_{\rm sym}Nsym512通信信噪比SNR c o m m \text{SNR}_{\rm comm}SNRcomm0 dB雷达信噪比SNR r a d a r \text{SNR}_{\rm radar}SNRradar10 dB用户数N u N_uNu10每用户码片数N p e r N_{\rm per}Nper10载波频率f c f_cfc5.8 GHz目标个数T TT4匹配滤波FFT点数N f f t _ c o r r N_{\rm fft\_corr}Nfft_corr2 ⌈ log 2 ( 2 ( M N C P ) − 1 ) ⌉ 2^{\lceil \log_2(2(MN_{\rm CP})-1) \rceil}2⌈log2(2(MNCP)−1)⌉慢时间FFT点数N f f t _ d o p N_{\rm fft\_dop}Nfft_dop2 ⌈ log 2 ( 2 N s y m ) ⌉ 2^{\lceil \log_2(2N_{\rm sym}) \rceil}2⌈log2(2Nsym)⌉OS‑CFAR训练单元数N t r a i n N_{\rm train}Ntrain40OS‑CFAR保护单元数N g u a r d N_{\rm guard}Nguard10OS‑CFAR秩因子η \etaη0.75OS‑CFAR门限因子α \alphaα3.5幅度门限A g a t e A_{\rm gate}Agate0.035最小检测间隔距离单元N s e p N_{\rm sep}Nsep253.2 仿真流程发送端流程接收端流程3.3 仿真图分析3.3.1 通信性能图1给出了10个用户之间Hadamard扩频码的相关性矩阵。对角线元素精确为1非对角线元素绝对值均小于0验证了Hadamard矩阵的理想正交性。这一特性保证了多用户信号在理想条件下互不干扰。图2展示了接收端恢复的QPSK星座SNR 0 dB 条件下接收符号围绕理想星座点呈高斯弥散。结果表明SNR 0 dB 条件下 用户的通信ser为10^-3之下该系统仍能实现可接受的通信质量验证了CDMA‑OFDM方案的可靠性。3.3.2 雷达感知性能图3给出了沿距离维的匹配滤波输出。在预设的4个目标延迟位置对应采样点250、430、680、900处观察到清晰的峰值表明匹配滤波具有良好的脉冲压缩性能。图4为二维距离‑多普勒图图中可清晰分辨4个目标。OS‑CFAR检测结果显示所有4个真实目标均被正确检测真阳性率100%无虚警假阳性0无漏检3.4 部分代码function[decodedData,rangeMatrix]runIsac(cfg,txData)%runIsac-执行通信和雷达一体化处理%cfg:配置结构体%txData:发送的 QPSK 符号cell 数组每个用户一个矩阵%decodedData:解码后的符号cell 数组%rangeMatrix:匹配滤波输出的距离-慢时间矩阵 decodedDatacell(cfg.numUsers,1);foru1:cfg.numUsers decodedData{u}zeros(cfg.numSymbols,cfg.NPerUser);end rangeMatrixzeros(cfg.NfftCorr,cfg.numSymbols);%目标多普勒参数 targetVelocitycfg.targets(:,2);dopplerHz2*targetVelocity*cfg.fc/cfg.c;phaseStep2*pi*dopplerHz*cfg.Tsym;%每个符号间的相位增量fork1:cfg.numSymbols%----------发射端生成 OFDM 符号----------Xsharedzeros(1,cfg.HSize);foru1:cfg.numUsers codeBlockcfg.H(cfg.userRows(u,:),:);XsharedXsharedtxData{u}(k,:)*codeBlock;end Xfreqzeros(1,cfg.M);Xfreq(cfg.n01:cfg.n0cfg.HSize)Xshared;xTxreal(ifft(Xfreq));xTxCp[xTx(end-cfg.N_CP1:end),xTx];%添加循环前缀%----------通信信道----------signalPowermean(xTxCp.^2);noisePowersignalPower/10^(cfg.SNR_dB/10);xRxCpxTxCpsqrt(noisePower)*randn(size(xTxCp));%去除 CPFFT 解调 Yfft(hilbert(xRxCp(cfg.N_CP1:end)));YsharedY(cfg.n01:cfg.n0cfg.HSize);%解扩利用 Hadamard 码正交性foru1:cfg.numUsers codeBlockcfg.H(cfg.userRows(u,:),:);decodedData{u}(k,:)Yshared*codeBlock.;end%----------雷达回波----------radarReferencexTxCp;radarPowermean(abs(radarReference).^2);radarNoiseradarPower/10^(cfg.SNR_radar_dB/10);%初始化噪声回波 xRadarsqrt(radarNoise/2)*...(randn(size(radarReference))1j*randn(size(radarReference)));%叠加各目标回波fort1:size(cfg.targets,1)delaycfg.targets(t,1);%延迟采样数 ampcfg.targets(t,3);%幅度 phaseexp(1j*(phaseStep(t)*(k-1)cfg.phaseNoiseStd*randn()));delayed[zeros(1,delay),radarReference(1:end-delay)];xRadarxRadaramp*delayed*phase;end%匹配滤波频域相关 RXfft(xRadar,cfg.NfftCorr);REFfft(radarReference,cfg.NfftCorr);rangeMatrix(:,k)ifft(RX.*conj(REF));end end%主脚本运行 ISAC 系统仿真 clear;clc;close all;%获取当前脚本所在路径 rootfileparts(mfilename(fullpath));ifisempty(root)rootpwd;end%添加配置和源码目录addpath(fullfile(root,config));addpath(genpath(fullfile(root,src)));%加载配置 cfgprojectConfig();rng(cfg.seed,twister);%固定随机种子%设置图形默认字体支持中文setupFigures();%创建结果文件夹 resultsFolderfullfile(root,cfg.resultsFolder);if~exist(resultsFolder,dir)mkdir(resultsFolder);end%生成发送数据 txDatamakeTxData(cfg);%运行 ISAC 处理通信解码雷达距离矩阵[decodedData,rangeMatrix]runIsac(cfg,txData);%通信性能指标 commcommunicationMetrics(txData,decodedData,cfg);%距离-多普勒处理 radarrangeDoppler(rangeMatrix,cfg);%OS-CFAR 目标检测 cfarosCfar(radar.profile,cfg);%估计检测结果并匹配真实目标 detectionestimateDetections(cfar,radar,cfg);%打印性能摘要printSummary(comm,detection,cfg);%绘制各图plotCommunication(comm,cfg,resultsFolder);plotRangeProcessing(rangeMatrix,radar,cfg,resultsFolder);plotRangeDoppler(radar,detection,cfg,resultsFolder);plotCfar(radar,cfar,detection,cfg,resultsFolder);5 总结本文基于MATLAB平台设计并实现了一个以OFDM波形为核心的通信感知一体化系统仿真覆盖了从信号生成、多用户CDMA通信、雷达回波模拟、匹配滤波、距离‑多普勒成像到OS‑CFAR目标检测的完整链路。通过理论分析和仿真实验得到以下结论通信功能基于Hadamard码的CDMA方案可实现多用户正交复用在0 dB SNR下仍能获得较低的误符号率星座图清晰可辨证明其具有良好的抗干扰能力。雷达感知功能利用同一OFDM信号进行匹配滤波和二维FFT处理能够精确估计目标的距离和速度满足一般感知场景需求。目标检测OS‑CFAR算法在多目标环境下表现出色所有预设目标均被检测且无虚警验证了算法对噪声和杂波的稳健性。本文工作验证了OFDM‑ISAC系统的可行性为后续研究提供了基础框架。未来可拓展至MIMO‑OFDM架构以提升角度分辨力研究自适应资源分配子载波、功率以平衡通信和感知性能以及探索复杂环境多径、非均匀杂波下的稳健处理算法。参考文献[1] Liu F, Cui Y, Masouros C, et al. Integrated sensing and communications: Toward dual-functional wireless networks for 6G and beyond[J]. IEEE Journal on Selected Areas in Communications, 2022, 40(6): 1728-1767.[2] Rohling H. OFDM radar systems - A promising approach for future automotive radar[J]. IEEE Transactions on Intelligent Transportation Systems, 2009, 10(4): 512-520.[3] You D, Song Z, Wang Z. Ordered-statistic CFAR for OFDM radar[J]. IET Radar, Sonar Navigation, 2020, 14(6): 835-843.仿真代码可见文末VX公众号包含往期博客所有代码所见即所得
第【64期】--基于OFDM的通信感知一体化(ISAC)系统仿真与性能分析--matlab完整代码
发布时间：2026/7/11 13:22:43
关注我追更更多通信仿真代码文章目录摘要1 引言1.1 研究背景与意义1.2 OFDM波形在ISAC中的优势1.3 本文工作与组织结构2 系统模型与信号处理2.1 OFDM信号模型2.2 通信信号模型2.2.1 多用户CDMA与Hadamard码2.2.2 发射端通信处理2.2.3 接收端通信处理2.3 雷达感知信号模型2.3.1 目标回波建模2.3.2 匹配滤波与距离估计2.3.3 距离‑多普勒处理2.4 OS‑CFAR目标检测3 仿真实现3.1 系统参数配置3.2 仿真流程3.3 仿真图分析3.3.1 通信性能3.3.2 雷达感知性能3.4 部分代码5 总结摘要通信感知一体化Integrated Sensing and Communication, ISAC是第六代6G移动通信系统的核心使能技术之一它允许在同一硬件平台和频谱资源上同时实现无线通信与环境感知。本文以正交频分复用OFDM波形为基础设计并实现了一个完整的ISAC系统仿真框架。通信部分采用哈达玛Hadamard码实现多用户码分多址CDMA每用户使用QPSK调制雷达感知部分利用相同的OFDM信号作为探测波形通过匹配滤波和二维快速傅里叶变换FFT生成距离‑多普勒图并采用有序统计恒虚警率OS‑CFAR算法进行目标检测。仿真实验验证了系统在通信误码率、星座恢复、目标距离‑速度估计及检测性能等方面的有效性为ISAC系统的工程设计和参数优化提供了参考。1 引言1.1 研究背景与意义随着5G的大规模部署和6G研究的全面展开未来的无线网络不仅需要提供超高速率、极低时延和海量连接还需要具备对物理世界的感知能力以实现智能交通、智慧工厂、增强现实等新兴应用。传统上通信和雷达感知各自采用独立的硬件和频段这导致频谱利用率低、设备成本高、体积大。通信感知一体化ISAC技术应运而生它通过统一波形和软硬件平台使通信与感知功能深度融合成为6G的关键技术方向之一。1.2 OFDM波形在ISAC中的优势正交频分复用OFDM因其频谱效率高、抗多径能力强、易于实现MIMO扩展等优点已广泛应用于4G/5G、WiFi等通信标准。在ISAC场景中OFDM同样极具吸引力通信与感知共用OFDM信号在频域上由多个正交子载波构成可直接用于数据调制同时其确定性的频域结构适合作为雷达参考信号。高分辨能力OFDM信号的模糊函数呈“图钉状”具有同时实现距离高分辨和多普勒高分辨的潜力。循环前缀CPCP的存在不仅消除符号间干扰还可简化雷达回波中距离模糊的处理。因此基于OFDM的ISAC系统成为当前研究的热点。1.3 本文工作与组织结构本文基于MATLAB平台实现了一个端到端的OFDM‑ISAC仿真系统主要工作如下设计基于Hadamard码的多用户CDMA通信方案并评估其在QPSK调制下的误码性能。采用同一OFDM信号作为雷达探测波形推导并实现匹配滤波、距离‑多普勒成像。引入OS‑CFAR算法实现稳健的目标检测并与真实目标进行匹配分析。通过仿真实验全面评估系统的通信和感知性能。2 系统模型与信号处理2.1 OFDM信号模型2.2 通信信号模型2.2.1 多用户CDMA与Hadamard码2.2.2 发射端通信处理2.2.3 接收端通信处理2.3 雷达感知信号模型2.3.1 目标回波建模2.3.2 匹配滤波与距离估计2.3.3 距离‑多普勒处理2.4 OS‑CFAR目标检测从距离‑多普勒图中提取目标需要有效的恒虚警率CFAR检测。本文采用有序统计CFAROS‑CFAR因其在多目标和杂波边缘环境下更为稳健。3 仿真实现3.1 系统参数配置参数符号数值采样率F s F_sFs2 GHzFFT点数M MM2048循环前缀长度N C P N_{\rm CP}NCP1024有效子载波起始索引n 0 n_0n0200有效子载波数Hadamard码维度H s i z e H_{\rm size}Hsize128OFDM符号数N s y m N_{\rm sym}Nsym512通信信噪比SNR c o m m \text{SNR}_{\rm comm}SNRcomm0 dB雷达信噪比SNR r a d a r \text{SNR}_{\rm radar}SNRradar10 dB用户数N u N_uNu10每用户码片数N p e r N_{\rm per}Nper10载波频率f c f_cfc5.8 GHz目标个数T TT4匹配滤波FFT点数N f f t _ c o r r N_{\rm fft\_corr}Nfft_corr2 ⌈ log 2 ( 2 ( M N C P ) − 1 ) ⌉ 2^{\lceil \log_2(2(MN_{\rm CP})-1) \rceil}2⌈log2(2(MNCP)−1)⌉慢时间FFT点数N f f t _ d o p N_{\rm fft\_dop}Nfft_dop2 ⌈ log 2 ( 2 N s y m ) ⌉ 2^{\lceil \log_2(2N_{\rm sym}) \rceil}2⌈log2(2Nsym)⌉OS‑CFAR训练单元数N t r a i n N_{\rm train}Ntrain40OS‑CFAR保护单元数N g u a r d N_{\rm guard}Nguard10OS‑CFAR秩因子η \etaη0.75OS‑CFAR门限因子α \alphaα3.5幅度门限A g a t e A_{\rm gate}Agate0.035最小检测间隔距离单元N s e p N_{\rm sep}Nsep253.2 仿真流程发送端流程接收端流程3.3 仿真图分析3.3.1 通信性能图1给出了10个用户之间Hadamard扩频码的相关性矩阵。对角线元素精确为1非对角线元素绝对值均小于0验证了Hadamard矩阵的理想正交性。这一特性保证了多用户信号在理想条件下互不干扰。图2展示了接收端恢复的QPSK星座SNR 0 dB 条件下接收符号围绕理想星座点呈高斯弥散。结果表明SNR 0 dB 条件下 用户的通信ser为10^-3之下该系统仍能实现可接受的通信质量验证了CDMA‑OFDM方案的可靠性。3.3.2 雷达感知性能图3给出了沿距离维的匹配滤波输出。在预设的4个目标延迟位置对应采样点250、430、680、900处观察到清晰的峰值表明匹配滤波具有良好的脉冲压缩性能。图4为二维距离‑多普勒图图中可清晰分辨4个目标。OS‑CFAR检测结果显示所有4个真实目标均被正确检测真阳性率100%无虚警假阳性0无漏检3.4 部分代码function[decodedData,rangeMatrix]runIsac(cfg,txData)%runIsac-执行通信和雷达一体化处理%cfg:配置结构体%txData:发送的 QPSK 符号cell 数组每个用户一个矩阵%decodedData:解码后的符号cell 数组%rangeMatrix:匹配滤波输出的距离-慢时间矩阵 decodedDatacell(cfg.numUsers,1);foru1:cfg.numUsers decodedData{u}zeros(cfg.numSymbols,cfg.NPerUser);end rangeMatrixzeros(cfg.NfftCorr,cfg.numSymbols);%目标多普勒参数 targetVelocitycfg.targets(:,2);dopplerHz2*targetVelocity*cfg.fc/cfg.c;phaseStep2*pi*dopplerHz*cfg.Tsym;%每个符号间的相位增量fork1:cfg.numSymbols%----------发射端生成 OFDM 符号----------Xsharedzeros(1,cfg.HSize);foru1:cfg.numUsers codeBlockcfg.H(cfg.userRows(u,:),:);XsharedXsharedtxData{u}(k,:)*codeBlock;end Xfreqzeros(1,cfg.M);Xfreq(cfg.n01:cfg.n0cfg.HSize)Xshared;xTxreal(ifft(Xfreq));xTxCp[xTx(end-cfg.N_CP1:end),xTx];%添加循环前缀%----------通信信道----------signalPowermean(xTxCp.^2);noisePowersignalPower/10^(cfg.SNR_dB/10);xRxCpxTxCpsqrt(noisePower)*randn(size(xTxCp));%去除 CPFFT 解调 Yfft(hilbert(xRxCp(cfg.N_CP1:end)));YsharedY(cfg.n01:cfg.n0cfg.HSize);%解扩利用 Hadamard 码正交性foru1:cfg.numUsers codeBlockcfg.H(cfg.userRows(u,:),:);decodedData{u}(k,:)Yshared*codeBlock.;end%----------雷达回波----------radarReferencexTxCp;radarPowermean(abs(radarReference).^2);radarNoiseradarPower/10^(cfg.SNR_radar_dB/10);%初始化噪声回波 xRadarsqrt(radarNoise/2)*...(randn(size(radarReference))1j*randn(size(radarReference)));%叠加各目标回波fort1:size(cfg.targets,1)delaycfg.targets(t,1);%延迟采样数 ampcfg.targets(t,3);%幅度 phaseexp(1j*(phaseStep(t)*(k-1)cfg.phaseNoiseStd*randn()));delayed[zeros(1,delay),radarReference(1:end-delay)];xRadarxRadaramp*delayed*phase;end%匹配滤波频域相关 RXfft(xRadar,cfg.NfftCorr);REFfft(radarReference,cfg.NfftCorr);rangeMatrix(:,k)ifft(RX.*conj(REF));end end%主脚本运行 ISAC 系统仿真 clear;clc;close all;%获取当前脚本所在路径 rootfileparts(mfilename(fullpath));ifisempty(root)rootpwd;end%添加配置和源码目录addpath(fullfile(root,config));addpath(genpath(fullfile(root,src)));%加载配置 cfgprojectConfig();rng(cfg.seed,twister);%固定随机种子%设置图形默认字体支持中文setupFigures();%创建结果文件夹 resultsFolderfullfile(root,cfg.resultsFolder);if~exist(resultsFolder,dir)mkdir(resultsFolder);end%生成发送数据 txDatamakeTxData(cfg);%运行 ISAC 处理通信解码雷达距离矩阵[decodedData,rangeMatrix]runIsac(cfg,txData);%通信性能指标 commcommunicationMetrics(txData,decodedData,cfg);%距离-多普勒处理 radarrangeDoppler(rangeMatrix,cfg);%OS-CFAR 目标检测 cfarosCfar(radar.profile,cfg);%估计检测结果并匹配真实目标 detectionestimateDetections(cfar,radar,cfg);%打印性能摘要printSummary(comm,detection,cfg);%绘制各图plotCommunication(comm,cfg,resultsFolder);plotRangeProcessing(rangeMatrix,radar,cfg,resultsFolder);plotRangeDoppler(radar,detection,cfg,resultsFolder);plotCfar(radar,cfar,detection,cfg,resultsFolder);5 总结本文基于MATLAB平台设计并实现了一个以OFDM波形为核心的通信感知一体化系统仿真覆盖了从信号生成、多用户CDMA通信、雷达回波模拟、匹配滤波、距离‑多普勒成像到OS‑CFAR目标检测的完整链路。通过理论分析和仿真实验得到以下结论通信功能基于Hadamard码的CDMA方案可实现多用户正交复用在0 dB SNR下仍能获得较低的误符号率星座图清晰可辨证明其具有良好的抗干扰能力。雷达感知功能利用同一OFDM信号进行匹配滤波和二维FFT处理能够精确估计目标的距离和速度满足一般感知场景需求。目标检测OS‑CFAR算法在多目标环境下表现出色所有预设目标均被检测且无虚警验证了算法对噪声和杂波的稳健性。本文工作验证了OFDM‑ISAC系统的可行性为后续研究提供了基础框架。未来可拓展至MIMO‑OFDM架构以提升角度分辨力研究自适应资源分配子载波、功率以平衡通信和感知性能以及探索复杂环境多径、非均匀杂波下的稳健处理算法。参考文献[1] Liu F, Cui Y, Masouros C, et al. Integrated sensing and communications: Toward dual-functional wireless networks for 6G and beyond[J]. IEEE Journal on Selected Areas in Communications, 2022, 40(6): 1728-1767.[2] Rohling H. OFDM radar systems - A promising approach for future automotive radar[J]. IEEE Transactions on Intelligent Transportation Systems, 2009, 10(4): 512-520.[3] You D, Song Z, Wang Z. Ordered-statistic CFAR for OFDM radar[J]. IET Radar, Sonar Navigation, 2020, 14(6): 835-843.仿真代码可见文末VX公众号包含往期博客所有代码所见即所得
