✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥内容介绍
该套脚本基于输入的低轨（LEO）卫星轨道，计算全球定位系统（GPS）星座双基地几何结构中的镜面反射点位置。随后，将天线波束建模为具有输入孔径角的椭圆锥体，确定哪些反射信号被捕获（即位于建模天线覆盖范围内的镜面反射点）。
仿真结果包括仿真时间间隔内捕获信号的镜面反射点位置及数量。
输出结果还包含反射信号的三个相关特征：入射角、漫反射路径损耗；若提供天线方向图文件，还将输出每个反射信号的接收天线增益。上述结果均提供全球覆盖范围及阿根廷领土范围内的数据。
脚本还会给出有限时间序列内信号存在情况的统计信息。这一功能可用于规划原始中频（IF）信号的捕获 —— 此类场景下，由于需存储和下行传输的样本数量庞大，时间序列往往受到限制。
脚本将生成一系列图表以展示结果，并通过直方图呈现捕获反射信号的统计特征。
快速开始
仿真输入参数在配置文件中定义，包括仿真时间间隔及所需文件的路径。强制输入文件有两个：一个包含全球导航卫星系统（GNSS）星历数据的 RINEX 文件，另一个包含地球固定坐标系（ECEF）下低轨卫星轨道的文件。此外，可加载天线增益方向图文件，以提取接收信号的天线孔径角和增益值。首次运行脚本时，将自动保存一个.mat 文件，包含仿真时间间隔内计算得到的镜面反射点位置；后续使用相同时间间隔时，可直接加载该 sp_file 文件。
⛳️ 运行结果
📣 部分代码
%% project: GNSSR_coverage_simulator
%
%
% Script to plot simulation results.
close all
% Ellipsoidal Earth model WGS48
E=referenceEllipsoid(7030);
xr=E.SemimajorAxis;
yr=E.SemimajorAxis;
zr=E.SemiminorAxis;
[xe,ye,ze] = ellipsoid(0,0,0,xr,yr,zr,750);
% GPS sat trajectory
SVID = 1; % GPS sat ID number to plot
% LEO sat position and antenna footprint
t_snapshot = 100; % instant selected to plot
leo_vel = [mean(diff(leo_pos(t_snapshot-9:t_snapshot, 1))), mean(diff(leo_pos(t_snapshot-9:t_snapshot, 2))), mean(diff(leo_pos(t_snapshot-9:t_snapshot, 3)))]';
% Antenna beam generation
[X, Y, Z] = gen_beam(theta_x, theta_y, 0, leo_alt*1.1);
% Antenna beam rotation to plot in ECEF
u = [1 0 0]'; v = [0 1 0]'; w = [0 0 1]';
wp = -leo_pos(t_snapshot, :)'/norm(leo_pos(t_snapshot, :)); vp = cross(leo_vel,wp); vp = vp/norm(vp); up = cross(vp,wp); up = up/norm(up);
R = [u'*up v'*up w'*up;
u'*vp v'*vp w'*vp;
u'*wp v'*wp w'*wp];
R = Rt * R;
Xr = R(1,1)*X + R(2,1)*Y - R(3,1)*Z + leo_pos(t_snapshot, 1);
Yr = R(1,2)*X + R(2,2)*Y - R(3,2)*Z + leo_pos(t_snapshot, 2);
Zr = R(1,3)*X + R(2,3)*Y - R(3,3)*Z + leo_pos(t_snapshot, 3);
%% plot: Bistatic radar geometry: GPS satellite orbit, LEO position and
% antenna beam, specular reflection point position and vector pointing in
% the moving direction.
figure(1);
plot3(gps_pos(:,SVID,1)*1e-3,gps_pos(:,SVID,2)*1e-3,gps_pos(:,SVID,3)*1e-3);hold on;
plot3(gps_pos(t_snapshot,SVID,1)*1e-3,gps_pos(t_snapshot,SVID,2)*1e-3,gps_pos(t_snapshot,SVID,3)*1e-3,'*r');
text(gps_pos(t_snapshot,SVID,1)*1e-3+1e3,gps_pos(t_snapshot,SVID,2)*1e-3+1e3,gps_pos(t_snapshot,SVID,3)*1e-3+1e3,sprintf('PRN: %i', SVID));
plot3(sp_pos_aux(t_snapshot,SVID,1)*1e-3,sp_pos_aux(t_snapshot,SVID,2)*1e-3,sp_pos_aux(t_snapshot,SVID,3)*1e-3,'*r');
plot3(sp_pos_aux(t_snapshot,SVID,1)*1e-3*sp_stat(t_snapshot,SVID),sp_pos_aux(t_snapshot,SVID,2)*sp_stat(t_snapshot,SVID)*1e-3,sp_pos_aux(t_snapshot,SVID,3)*sp_stat(t_snapshot,SVID)*1e-3,'*g');
text(sp_pos_aux(t_snapshot,SVID,1)*1e-3+1e2,sp_pos_aux(t_snapshot,SVID,2)*1e-3+1e2,sp_pos_aux(t_snapshot,SVID,3)*1e-3+1e2,'SP','FontSize',10);
surf(xe*1e-3,ye*1e-3,ze*1e-3,'FaceAlpha',0.75,'EdgeColor','none');axis equal;
surf(Xr*1e-3,Yr*1e-3,Zr*1e-3,'EdgeColor','none'); %
line([0 leo_pos(t_snapshot, 1)*1e-3], [0 leo_pos(t_snapshot, 2)*1e-3], [0 leo_pos(t_snapshot, 3)*1e-3])
text(leo_pos(t_snapshot,1)*1e-3+1e2,leo_pos(t_snapshot,2)*1e-3+1e2,leo_pos(t_snapshot,3)*1e-3+1e2,'LEO','FontSize',10);
leo_vel=leo_vel/norm(leo_vel)*1e6;
quiver3(leo_pos(t_snapshot, 1)*1e-3,leo_pos(t_snapshot, 2)*1e-3,leo_pos(t_snapshot, 3)*1e-3,leo_vel(1)*1e-3,leo_vel(2)*1e-3,leo_vel(3)*1e-3,'color','r','LineWidth',1.2);
hold off
xlabel('x [km]');ylabel('y [km]');zlabel('z [km]');grid on
title('Bistatic radar scenario')
%% plot: Reflections captured in the time interval
figure(2);
surf(xe*1e-3,ye*1e-3,ze*1e-3,'EdgeColor','none');axis equal;grid on
hold on
for SVID = 1:num_gps_sats
plot3(sp_pos{SVID}(:, 1)*1e-3,sp_pos{SVID}(:, 2)*1e-3,sp_pos{SVID}(:, 3)*1e-3,'.g')
end
xlabel('x [km]');ylabel('y [km]');zlabel('z [km]');grid on
title('Specular reflection points of captured signals - ECEF')
hold off
%% plot: Specular reflection points position RTS
figure(3);
for SVID = 1:num_gps_sats
plot3(sp_pos_aux_rts(:,SVID,1)*1e-3, sp_pos_aux_rts(:,SVID,2)*1e-3, sp_pos_aux_rts(:,SVID,3)*1e-3,'.r');hold on
plot3(sp_pos_rts{SVID}(:, 1)*1e-3, sp_pos_rts{SVID}(:, 2)*1e-3, sp_pos_rts{SVID}(:, 3)*1e-3,'.g');
end
surf(X*1e-3,Y*1e-3,Z*1e-3,'FaceAlpha',0.5,'EdgeColor','none');
xlabel('x [km]');ylabel('y [km]');zlabel('z [km]');grid on
title('Specular reflection points position relative to LEO satellite')
hold off
%% plot: Number of reflections captured simultaneously
figure(4);
plot(t0/3600, sp_num);grid on
title('Number of reflected signals captured')
axis([t0(1)/3600 t0(end)/3600 -0.2 max(sp_num)+0.2])
xlabel('time [hs]')
%% plot: Histogram of incindence angle of captured reflections
figure(5);
angs = [];
for SVID = 1:num_gps_sats
angs = [angs; sp_inc_ang{SVID}];
end
angs=angs*180/pi;
histogram(angs); xlabel('\theta_{inc} [degs]');grid on
title('Histogram - Incidence angle of captured reflected signals')
%% plot: Histogram of path loss of captured reflections
figure(6);
path_loss = [];
for SVID = 1:num_gps_sats
path_loss = [path_loss; sp_path_loss{SVID}];
end
histogram(path_loss); xlabel('L_r [dB]');grid on
title("Histogram - Path loss of captured reflected signals - mean value = "+num2str(mean(path_loss)) + " dB")
%% plot: Histogram of receiver antenna gain of captured reflections
figure(7);
G = [];
for SVID = 1:num_gps_sats
G = [G; G_ant{SVID}];
end
histogram(G); xlabel('G_{Rx} [dB]');grid on
title("Histogram - Receiver antenna gain for each SP - mean value = "+num2str(mean(G)) + " dB")
%% plot: Histogram of normalized power level of captured reflections
figure(8);
histogram(G-path_loss); xlabel('G_{Rx} - L_r [dB]');grid on
title("Histogram - Normalized power level - mean value = "+num2str(mean(G-path_loss)) + " dB")
%% plot: Histogram of time with reflections present in the register
figure(9);
histogram(sp_time);xlabel('time with reflections present [secs]');grid on
title(sprintf('Histogram - Time with at least 1 reflection in a %i seconds register', reg_len))
%% plot: Number of reflections captured simultaneously over Argentina
figure(10);
plot(t0/3600, sp_num_arg);grid on
title('Number of reflected signals captured over Argentina')
axis([t0(1)/3600 t0(end)/3600 -0.2 max(sp_num)+0.2])
xlabel('time [hs]')
%% plot: Reflections captured in the time interval over Argentina
figure(11);
surf(xe,ye,ze,'EdgeColor','none');axis equal;grid on
hold on
for SVID = 1:num_gps_sats
plot3(sp_pos_arg{SVID}(:, 1),sp_pos_arg{SVID}(:, 2),sp_pos_arg{SVID}(:, 3),'.g')
end
xlabel('x');ylabel('y');zlabel('z');
hold off
title('Specular reflection points of captured signals over Argentina - ECEF')
%% plot: Earth globe showing reflections over Argentina
uif = uifigure;
g = geoglobe(uif,"Basemap","landcover");
lla = [];
for SVID = 1:num_gps_sats
lla = [lla; ecef2lla(sp_pos_arg{SVID})];
end
p=geoplot3(g,lla(:,1),lla(:,2),lla(:,3),'c','LineWidth',2);
g.Terrain = 'none';
p.HeightReference = 'ellipsoid';
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌟 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化
🌟 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌟 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化
🌟 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、
🌟 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
电力系统核心问题经济调度：机组组合、最优潮流、安全约束优化。新能源消纳：风光储协同规划、弃风弃光率量化、爬坡速率约束建模多能耦合系统：电-气-热联合调度、P2G与储能容量配置新型电力系统关键技术灵活性资源：虚拟电厂、需求响应、V2G车网互动、分布式储能优化稳定与控制：惯量支撑策略、低频振荡抑制、黑启动预案设计低碳转型：碳捕集电厂建模、绿氢制备经济性分析、LCOE度电成本核算风光出力预测：LSTM/Transformer时序预测、预测误差场景生成（GAN/蒙特卡洛）不确定性优化：鲁棒优化、随机规划、机会约束建模能源流分析、PSASP复杂电网建模，经济调度，算法优化改进，模型优化，潮流分析，鲁棒优化，创新点，文献复现微电网配电网规划，运行调度，综合能源，混合储能容量配置，平抑风电波动，多目标优化，静态交通流量分配，阶梯碳交易，分段线性化，光伏混合储能VSG并网运行，构网型变流器， 虚拟同步机等包括混合储能HESS：蓄电池+超级电容器，电压补偿,削峰填谷，一次调频，功率指令跟随，光伏储能参与一次调频，功率平抑，直流母线电压控制；MPPT最大功率跟踪控制，构网型储能，光伏，微电网调度优化，新能源，虚拟同同步机，VSG并网，小信号模型
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
