基于rfid技术的人员定位系统设计-毕业论文

基于rfid技术的人员定位系统设计-毕业论文内容摘要：

信息工程学院 基于 RFID技术的人员定位系统设计 第 11 页 共 46 页 可以看出，噪声功率提高了几个数量级，量化效果明显变差。 对正弦波，信噪比可写作如下形式： ndBS DS N R q 2lg20lg203lg10][ 2   （ 214） 其中（ Ln 2log ，)2( VAmD） 从这个表示式可以看出，当 V 和 Am 都定下的时候 .这是多数情况，通过增加 L的数目，可以获得更高的信噪比， L 每增加一倍，即编码每增 加一位，信噪比增加 6dB。 本例的 MATLAB 实现如下 :（函数文件 ) function h=junyun(f, V, 1) %计算输入序列的均匀量化值以及功率 %f 是量化的信号序列， v 是量电平最大值， L 是量化电平数 信息工程学院 基于 RFID技术的人员定位系统设计 第 12 页 共 46 页 均匀量化器只有对均匀分布的信号才是最佳量化器，但因为它得数分析最简单，通常应用它对量化器得到一个基础的认识。 39。 2. 2. 2 非均匀量化 非均匀量化是根据信号的不同区间来确定量化间隔的对于信号取值小的区间， 其量化间隔 v 也小；反之，量化间隔就大。 它与均匀量化相比，有两个突出的优点。 首先当输入的量化器的信号具有非均匀的概率密度（实际中常常是这样）时，非均匀量化器的输出端可以得到较高的平均信号量化噪声功率比；其次，非均匀量化时，量化噪声功率的均方根值基本上与信号抽样值成比例。 因此量化噪声对大、小信号的影响大致相同，即改善了小信号是的信号量噪比。 实际上，非均匀量化的实现方法通常是将抽样值通过压缩在进行均匀量化。 所谓压缩是用一个非线性变换电路将输入 变量 x 变成另一个变量小 y，即 )(xfy （ 215） 非均匀量化就是对压缩后的变量 y 进行均匀量化。 接收端采用一个传输特性为 )(yfx （ 216） 的扩张器来恢复 x。 通常使用的压缩器中，大多采用对数式压缩，即 xy ln。 广泛采用的两种对数压缩律师  压缩率和 A 压缩率。 美国采用  压缩率，我国和欧洲各国均采用 A 压缩率。 1. 压缩律 所谓  压缩率就是压缩气的压缩特性具有如下关系的压缩率： ， 10 x （ 217） 式中 y— 归一化的压缩器输出电压，即 y=压缩器的输出电压 /压缩器可能的最大输出电压 x— 归一化的压缩器输入电压，即 x=压缩器的输入电压 /压缩器的可能的最大输入电压 — 压扩参数，表示压缩的程度。 所谓 A 压缩率也就是 压缩器具有如下特性的压缩率： f(x)={1,0, 1ln1 ln11ln1 xxAAAx AAAx （ 218） 式中 x— 归一化的压缩器输入电压； y— 归一化的压缩器输出电压 A— 压扩参数，表示压缩程度。 信息工程学院 基于 RFID技术的人员定位系统设计 第 13 页 共 46 页 例如：若输入 A 律 PCM 编码器的正弦信号为 x（ t)=sin(1600π t），抽样序列为x(n)=sin( n),n=0,1,2,...,10。 将其进行 PCM 编码，给出编码器给出编码器的输出码组序列 y（ n)。 上面的压缩特性的图像如图 27 实现上面图像的 MATLAB 函数文件 :(Apcm. m) function y=Apcm(x, A) 信息工程学院 基于 RFID技术的人员定位系统设计 第 14 页 共 46 页 %本函数实现将输入的序列 x 进行参数为 A 的对数 A 律量化 %将得到的结果存在序列 Y 中 %x为一个序列，值在 0 到 1 之间， A 为一个正实数，大于 1 3. A 律的 13 折线近似法 由于实现上的困难，国际上使用 13 折线法来近似 A 律 PCM,其方法是将输入信号幅度归一化范围到（ 1,1），将其分为不均匀的 16 段区间，正负方向相 同，这里就仅对正数范围（ 0,1）进行介绍。 划分方法是：取 0— 1/128 为第一区间，取 1/128— 1/64为第二区间，取 1/64— 1/32 为第三区间， ......， 7/8— 1为第八区间。 将点（ 1/128，1/8)与（ 0,0）相连，将点（ 1/64— 2/8)与（ 1/128， 1/8）相连 ,......这样得到由 8段直线连成的一条折线（事实上由于第一区间与第二区间的斜率相等 ,只有 7 条直线）。 此折线与 A= 的对数压缩特性曲线相近，作出图像如图 28 所示 信息工程学院 基于 RFID技术的人员定位系统设计 第 15 页 共 46 页 信息工程学院 基于 RFID技术的人员定位系统设计 第 16 页 共 46 页 信息工程学院 基于 RFID技术的人员定位系统设计 第 17 页 共 46 页 从上表可以得到对应量化值的编码，在本例中，用 x(i)来表示抽样值， y(i)来表示将抽样值 x (i)进行对数压缩后的值，这样 x(i)对应上表中的分层电平值和量化电平值，而 y(i)对应上表的分层电平编号和量化电平号。 负值的量化与正值几乎完全相同，区别在于将编码的首位由 1 改为 0。 将上述得到的量化值进行编码。 13 折线法得到的编码 : 信息工程学院 基于 RFID技术的人员定位系统设计 第 18 页 共 46 页 可以看出两种量化得到的值编码是一样的， 13 折线近似效果是相当好的。 上述编码过程的 MATLAB 实现如下： (函数文件 ) f=pcmcode(y) %本函数实现将输入的值（已量化好）编码 %输入 Y 为量化后的序列，其值应该在 0 到 1 之间 f=zeros(length(y)， 8)。 %定义出一个二维数组，每一行的 8 位代表 %了对应的输入 值的编码 ((8 位 ) %得到输入序列的符号，确定编码的首位 信息工程学院 基于 RFID技术的人员定位系统设计 第 19 页 共 46 页 第三章 数字信号基带传输及其仿真 3. 1 数字基带信号的码型 性非少 I 零码 用电平 1 来表示二元信息中的 1，用电平 0 来表示二元信息中的“ 0”，电平在整个码元里的时间不变，记作 NRZ 码。 波形如图 31 所示 图 31 单极性非归零码 单极性非归零码的优点是实现简单，但由于含有直流分量，对在带限信道中传输不利，另外当出现连续的 0 或连续的 1 时，电平长时间保持一个值，不利于提取时间信息以便获得同步。 单极性非归零码的 MATLAB 实现如下 :(函数文件 snrz. m) function y=snrz(x) %本函数实现将输入的一段二进制代码编为相应的单极性非归零码输出 %输入 x 为二进制码，输出 Y 为编好的码 %给出计算每个码元的点数，因为我们只用离散的点来得出连续的函数表示。 grid=300； t=0:1/grid:length(x)。 for i 二 1:length(x)， if (x (i)==1)， for j=1:gr i d, y((i 一 1)*grid+j)=1。 end else for j=1:grid y((i 一 1)*grid+j)=0。 end。 end。 end y=[y,x (i) ]。 M=max (y)。 m=min(y)。 subplot (2, 1, 1)。 plot(t,y)。 axis([0,i,M+])。 title(‘1 0 0 1 1 0 0 0 0 1 0 1’)。 t=[1 0 0 1 1 0 0 0 0 1 0 1]。 snrz(t)。 信息工程学院 基于 RFID技术的人员定位系统设计 第 20 页 共 46 页 2,单极性归零码 它与单极性非归零码 不同处在于输入二元信息为 1 时 .给出的码元前半时间为 0，输入 0 则完全相同。 波形如图手 23 所示。 单极性归零码 图 32 单极性归零码 单极性归零码部分解决了传输问题，直流分量减小，但遇到连续长 0 时同样无法给出定时信息。 MATLAB 实现如下 :(函数又件 srz. m) function y=srz(x) %本函数实现将输入的一段二进制代码编为相应的单极性归零码输出 %输入 x 为二进制码，输出 y 为编好的码 grid=200。 t=0:1/grid:length(x)。 %给出相应的时间序列 for i=1:length(x), %进行码型变换 if (x(i)==1), %如果信息为 1 for j=1:grid/2 y(grid/2*(2*i2)+j)=1。 %定义前半时间值为 y(grid/2*(2*i1)+j)=0。 %定义后半时间值为 0 end else for j=1:grid/2, %反之 ,输入信息为 0 y(grid*(i 一 1)+j)=0。 %定义所有时间值为 0 end。 end。 end y=[y, x(i)7。 %给序列 y 加上最后一位，便于做图 M=max(y)。 m=min(y)。 Plot (t, y)。 axis([0, i, , M+])。 title(39。 1 0 0。