-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathDetect2.m
100 lines (100 loc) · 4.91 KB
/
Detect2.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
% 生成用于验证模型的图片和标签文件
clear all % 清空工作区
num = 1000; %每个信噪比下图片的数量
for i = 1:num
%% stft参数设置
wlen = 1024;% 设置窗口长度
window = hamming(wlen);% 设置海明窗的窗长
hop = 1;% 每次平移的步长
noverlap = wlen - hop; % 重叠长度
% f = 0:117.1875:120000;% 设置频率刻度hz,出图很慢,不用
nfft = 2^nextpow2(length(window)); % nfft点数
fs = 240000; % 采样频率 频率坐标轴为采样频率的一半
%% 信号参数设置
dt = 1/fs; % 时间精度
times_tart = 0; % 开始时间
time_end = 1; % 结束时间
t = times_tart:dt:time_end - dt; % 设置时间坐标轴起止时间
signals_matrix = []; % 用来整合信号类型和频率的矩阵 格式为 class f1 f2
random_time = []; % 用来整合信号中心时刻和时长的矩阵 格式为 时长 中心时刻
x_signal = 0; % 整合完毕的信号
class = [0, 1, 2, 3]; % 设置信号种类(从0开始同python)
% 0 AM 1 FM 2 2FSK 3 2PSK 4 DSB
signals_num = randi([2, 8]); % 每张图信号的数量：2～8随机
for ii = 1:signals_num
random_time(ii, 2) = unifrnd(0.1, 1.0); % 信号时长0.2-1s随机
random_time(ii, 1) = unifrnd(random_time(ii, 2)/2,...
1 - random_time(ii, 2)/2); % 信号中心时刻在保证信号在图内的前提下在随机
end
%% 整合信号
for nnum = 1:signals_num % 每张图一共signals_num个信号
% 随机抽选class中的一个信号种类
signal_class = class(randi([1, length(class)]));
% 创建信号
[x, f1, f2] = CreateSignal(signal_class, t);
% 将创建的signals_num个信号放入信号矩阵中
signals_matrix = [signals_matrix; signal_class, f1, f2];
% signals_matrix尺寸为 signals_num * 3
x_signal = x_signal + x.*(t > (random_time(nnum, 1) - random_time(nnum, 2)/2) ...
& t < (random_time(nnum, 1) + random_time(nnum, 2)/2));
end
x_signal = x_signal .* Z_Rayleigh(8,100,t); % 经过瑞利衰落信道
x_signal = real(x_signal); % 取实部
for snr = 0:2:16
x_signal = awgn(x_signal, 16-snr); % 加入高斯白噪声
save_path = ['E:\yolov5\data\images\', num2str(16-snr), 'dB\'];% 数据集根路径
label_path = [save_path, 'labels\'];
if(exist(label_path, 'dir') ~= 7) % 判断文件夹是否存在
mkdir(label_path); % 不存在则创建文件夹
end
%% 短时傅里叶 sftf并画图
% gx_signal = gpuArray(x_signal);
[s, f, t2] = spectrogram(x_signal, window, noverlap, nfft, fs);
k = 2/(fs*(window'*window));
imagesc(f, t2,10*log10(abs(s).*abs(s)*k)');
set(gca,'looseInset', [0 0 0 0]);% 消除图像的白边
set(gca, 'xtick', [], 'ytick',[], 'xcolor', 'w', 'ycolor', 'w')% 去掉坐标轴
colorbar('off'); % 去掉图像右边的色块
saveas(gcf,[save_path, num2str(i), '.jpg']); % 保存图片
close(); %关闭图片
class = signals_matrix(:,1);
fid = fopen([label_path, [num2str(i), '.txt']], 'w'); % 创建label文本文件
for n = 1:length(signals_matrix(:, 1)) % length(matrix(:, 1))信号个数
signal_class = class(n);
if signal_class == 2 % 2FSK区别对待
x = (signals_matrix(n, 2) + (signals_matrix(n, 3) - signals_matrix(n, 2))/2)/120000; % 中心点横坐标及中心频率
y = random_time(n, 1); % 中心点纵坐标及中心时刻位置
w = (signals_matrix(n, 3)-signals_matrix(n, 2))/120000 + 14/875; % 宽度 为了画出的框可以包含信号而增加像素点
h = random_time(n, 2); % 高度及信号时长
elseif signal_class == 3 % 2PSK区别对待
x = signals_matrix(n, 3)/120000; % 中心点横坐标及中心频率
y = random_time(n, 1); % 中心点纵坐标及中心时刻位置
w = 14/875; % 宽度 为了画出的框可以包含信号而增加像素点
h = random_time(n, 2); % 高度及信号时长
elseif signal_class == 1 % FM区别对待
x = signals_matrix(n, 3)/120000; % 中心点横坐标及中心频率
y = random_time(n, 1); % 中心点纵坐标及中心时刻位置
% 基带信号频率：500 调制指数 5
w = 2 * (5+1) * 500/120000 + 14/875; % 宽度 为了画出的框可以包含信号而增加像素点
h = random_time(n, 2); % 高度及信号时长
else % AM和DSB
x = signals_matrix(n, 3)/120000; % 中心点横坐标及中心频率
y = random_time(n, 1); % 中心点纵坐标及中心时刻位置
w = 2 * signals_matrix(n, 2) / 120000 + 14/875; % 宽度及带宽 为了画出的框可以包含信号而增加像素点
h = random_time(n, 2); % 高度及信号时长
end
signal_class = num2str(signal_class);
x = num2str(x);
y = num2str(y);
w = num2str(w);
h = num2str(h);
% ascii码 空格32 回车13
label = strcat(signal_class, 32, x, 32, y, 32, w, 32, h, 13);
for jj = 1:length(label)
fprintf(fid, '%s', label(jj));
end
end
fclose(fid);
disp(['信噪比为',num2str(16-snr),'dB下的第',num2str(i),'张']);
end
end