怎么证明是瑞利衰落.docx
- 文档编号:24213597
- 上传时间:2023-05-25
- 格式:DOCX
- 页数:16
- 大小:137.34KB
怎么证明是瑞利衰落.docx
《怎么证明是瑞利衰落.docx》由会员分享,可在线阅读,更多相关《怎么证明是瑞利衰落.docx(16页珍藏版)》请在冰豆网上搜索。
怎么证明是瑞利衰落
转眼间三月都已经过去一半,一直找不到有什么可以写的,一直想等自己把LTE仿真平台搭好后,再以连载的形式记录下来。
但是,后来一想,我必须先做好充分的铺垫,在这过程中也遇到了很多问题,及时留下点什么,也是好的。
即便以后回过头来再看这些文章,可能会有些许惊讶,惊讶于当时的无知或是稚嫩。
不得不说,时间真的是一把杀猪刀,猪没少杀,更可怕的是扼杀了许多人的梦想。
今天没有去实验室,我觉得在忙了一周后,应该停下来歇歇,有时候的驻足观望或许是为了更好的前行。
言归正传,今天想记录的是自己在仿真中遇到的一个问题,那就是信道模型的仿真。
对于无线通信来说,最常见的就是瑞利衰落+多径+多普勒的模型了。
具体分析如下:
瑞利衰落:
就是有很多独立的小径的叠加,根据中心极限定理,知道这样的分布满足的是2个自由度的chi-square分布,也就是功率满足指数分布,幅度的分布就叫做瑞利分布。
它表明的是信道h的幅度和相位变化情况,幅度满足瑞利分布的变化,相位满足[0,2pi]上均匀分布的变化。
可以参考博文:
Matlab简单计算PDF和CDF
多径效应:
谈到多径效应,我们就应该想到频率选择性这个概念。
简单地说,就是延时的径在频域相当于相位搬移,每个径我们都可以看做是一个矢量,幅度是由它们各自的功率决定,角度(相位)就是由每径延时决定。
然后,我们就做矢量相加,最后得到的就是一个旋转矢量,它对每个频率的响应都不同。
第二个概念就是,相干带宽:
既然信道响应在各个频率点处的不同,那么我们关心的一个问题是,在多大的频率间隔上,它的响应是呈现一定的相关性(也就是说,在这个频率间隔上的响应变化非常慢,可以认为是相同的)。
这就很自然的过渡到功率延迟分布图上了,信道响应的频域(相关性)方面实质上是由信道时域的功率延迟分布做傅立叶变换得到的(功率与自相关函数的关系)。
功率延迟分布图是一个很有用的工具,我们能从中得到Trms(信道平均延迟,用功率去对延时加权)和Tmax(信道最大延时)等。
一般我们假设的是Bc=0.5*(1/Tmax),当然根据不同的相关系数,这个带宽会有改变的。
但至少从感性的角度你知道了什么是相干带宽。
重点还是一句话:
信道是个随机过程,我们要去看它的频域相关性,那我们就要去研究功率谱,因为功率谱和相关性就是一傅立叶变换的关系。
可以参考博文:
从简单信道估计说起
多普勒效应:
谈到多普勒效应,我们应该想到的是信道在时间域上的变化。
这个可以这么理解(虽然不严密),多普勒效应是怎么来的?
不就是你离声源的距离的变化,导致了你接收到的信号频率的改变嘛。
类比过来,你离基站距离改变,那么它传播信号到你接受端时间也在改变,时间的改变不就对应着你接收相位或是频率的改变嘛(exp(-jwT)其中T就是时间的变化量),从多普勒定义也能看出,你接收端运动速度越快,多普勒频率就越大,不就是你和基站间信道条件变化越快嘛。
不得不说的一个概念是:
相干时间,这完全跟相关带宽是一个对偶的概念,我们要知道时域上的相关性,我们就从频域着手,做傅立叶变换就能得到相干时间了,这也就是为什么我们在仿真时候有什么多普勒功率谱和高斯功率谱等区别。
一般定义相干时间是Tc=0.423*(1/Fm),Fm是最大多普勒频移。
再谈完了基本概念后,我们就要造这么一个信道来仿真看看,三要素就是上面三点,我们一一来完成。
我想先说的是,有很多经典的模型来仿真,最经典的莫过于JAKES频域反变换方法来产生时间相关性的瑞利模型,Matlab自带的函数就是用这种方法产生的貌似,下面我们先产生单径,它是带时间相关性(存在多普勒)。
[html]viewplaincopyprint?
1.chan = rayleighchan(1/15000,500);%1/15000代表我们的采样频率,也就是我一个点代表的是多长一段时间单位。
500就是最大多普勒频移...
chan=rayleighchan(1/15000,500);%1/15000代表我们的采样频率,也就是我一个点代表的是多长一段时间单位。
500就是最大多普勒频移...
[html]viewplaincopyprint?
1.%其实我们可以想这个函数怎么能工作呢?
其实我们我们给定了500的多普勒,它就会按一定的相关时间计算出具体的相关时间,然后它又知道你的采样频率,它就知道在多少个采样点它应该是相关的了,就这么简单!
2.x = ones(1,140);%源数据
3.y = filter(chan,x);%经过信道后的输出
4.plot(abs(y))
%其实我们可以想这个函数怎么能工作呢?
其实我们我们给定了500的多普勒,它就会按一定的相关时间计算出具体的相关时间,然后它又知道你的采样频率,它就知道在多少个采样点它应该是相关的了,就这么简单!
x=ones(1,140);%源数据
y=filter(chan,x);%经过信道后的输出
plot(abs(y))
首先看看chan的具体参数:
当然更具体的设置你可以docrayleighchan里看看
我们来看看最后的输出是不是带相关性的:
从图中可以看出信道是慢变的,当然如果你把多普勒频移取得再大点的话,它的变化就明显了,如上图!
我们来验证下相关时间,我们按照公式9/(16*pi*fm)来计算约等于0.18*(1/fm),在fs=15000情况下,可以估计出在相关性大于0.5的点数应该是5-6个。
[html]viewplaincopyprint?
1.[r,lags] = xcorr(y,'coeff');
2.stem(lags,r)
[r,lags]=xcorr(y,'coeff');
stem(lags,r)
如果你还不相信的话,那我们就看看它的功率谱是不是满足在多普勒频移之间的jakes模型。
[html]viewplaincopyprint?
1.chan = rayleighchan(1/15000,500);
2.x = ones(1,4000);
3.y = filter(chan,x);
4.fs = 15000;
5.Y = fft(y,4096);
6.Y = fftshift(abs(Y));
7.plot([-2048:
2047]*fs/4096,Y.*Y)
8.axis([-1000 1000 min(Y.*Y) max(Y.*Y)])
chan=rayleighchan(1/15000,500);
x=ones(1,4000);
y=filter(chan,x);
fs=15000;
Y=fft(y,4096);
Y=fftshift(abs(Y));
plot([-2048:
2047]*fs/4096,Y.*Y)
axis([-10001000min(Y.*Y)max(Y.*Y)])
这下可以放心了吧,通过多次求傅立叶平均可以得到更加平滑的曲线。
单径我们已经产生好了,多径还远吗?
我们只需要再产生几条这样的单径,给予每条径不同的功率大小,一般是指数衰减。
例如:
H=[path1path2path3path4....]每径都是一个列向量,对于OFDM来说,H的每行就是对于每个符号的信道,你就只需要做卷积就行啦,这样在频域上就有选择性了。
然后呢,在时间上,下一个符号也就是第二行,又是一个多径信道,只不过每个径都变化了一点,这一点的大小就是多普勒频移决定的。
后记:
这只是一个尝试的折中的信道模型,需要不断改进,所以才说是简单的模型~突然收到爸妈的短信,才知道今天是自己的农历生日,好吧仅以此篇献给自己!
clearall
Fs=1000;
n=0:
1/Fs:
1;
x=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));
nfft=1024;
window=boxcar(length(n));
[Pxx,f]=periodogram(x,window,nfft,Fs);
P=10*log10(Pxx);
plot(f,P);
holdon;
Pxx_1=abs(fft(x,nfft)).^2/length(n);
t=0:
round(nfft/2-1);
f=t*Fs/nfft;
P_1=10*log10(Pxx_1(t+1));
plot(f,P_1,'r');
legend('periodogram','公式');
title('周期图法功率谱估计');
平坦衰落信道建模
(2011-12-0421:
20:
31)
转载▼
标签:
衰落
多径
信道
杂谈
分类:
通信系统
小尺度衰落根据信道的频率选择性,小尺度衰落可以分为平坦衰落信道和频率选择性衰落信道;根据信道的时间选择性,可以将信道分为块衰落信道和慢衰落信道;根据信道的空间选择特性可以将信道分为标量信道和矢量信道。
由于平坦衰落只有一个可分辨径(包括了多条不可分辨径),而频率选择性信道是由多个具有不同时延和功率衰减的可分辨径的合成(每个经是有多个不可分辨的径)叠加组成的。
因此仿真多径衰落信道的基础是平坦衰落信道的建模。
描述平坦衰落信道的模型主要有:
Clarke模型和Suzuki模型。
而所有的信道模型的仿真都是基于多个不相关的有色高斯过程,产生有色噪声的高斯过程有两种方法:
正弦波叠加法(SOS:
Sum-of-Sinusoid)和成型滤波器法。
仿真频率选择性信道可以非为两个步骤:
(1)先利用MED、MEA、MCM、MSEM、MEDS、JM和JM改进型方法仿真出多个可分辨径,需保证各个可分辨径之间相互独立。
因此注意以上方法中有随机相位的可以认为每次产生的径是独立的,而缺少随机相位的则必须引进fade counter变量,引入时间偏移,以产生独立的径。
(2)在各可分辨径上乘以相应的系数a,加上相应的离散传播时延tau,然后将各个不同可分辨径相加即可得到多径衰落信道。
下面给出主要的几种生成平坦衰落信道模型的方法。
先列出程序,等以后有时间将每种方法的原理整理出来。
function[channel]=Rayleigh_singlePath(fc,v,input,dt)
%---------------------------------------------------------
% Rayleigh_singlePath:
产生单径Rayleigh分布(DopplerShift),基于Clarke模型
% 输入:
% fc:
载频(=2000MHz)
% v:
绝对时速(=50(km/h)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
M=32;%为合成单径的正弦波数目,须大于8,结果证明当其大于25时,性能较佳
sigma=sqrt(1/2);%rayleigh分布pdf的参数,用于归一化
c=3*10^8;%光速(m/s)
fm=(fc*10^6)*(v*10^3/3600)/c;%最大多普雷频移
wd=2*pi*fm;%角频率
[rowcol]=size(input);
len=row*col;t=1:
len;t=t*dt;
%t=time_start:
1/fs:
time_end;%时间向量
factor=sqrt(2/M);%归一化因子
xc=0;xs=0;
forn=1:
M
theta=2*pi*rand-pi;%[-pi,pi)均匀分
phi1=2*pi*rand-pi;%[-pi,pi)均匀分
phi2=2*pi*rand-pi;%[-pi,pi)均匀分
alpha=(2*pi*n-pi+theta)/(4*M);%贝塞尔值
xc=xc+factor*cos(wd*t*cos(alpha)+phi1);%同相分量
xs=xs+factor*cos((wd*t*sin(alpha)+phi2));%正交分量
end
channel=sigma*(xc+i*xs);%合成信道响应并归一化
%等距离:
MED方法
function[channel]=Rayleigh_singlePath1(fc,v,time_start,time_end,dt)
%---------------------------------------------------------
% Rayleigh_singlePath:
产生单径Rayleigh分布(DopplerShift),基于Clarke模型
% 输入:
% fc:
载频(=2000MHz)
% v:
绝对时速(=50(km/h)
% time_start:
信道仿真的开始时间(s)
% time_end:
信道仿真的终止时间(s),通常time_start=0,time_end=1s,
% dt(ms):
时间间隔,通常deltaT=1ms
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%为合成单径的正弦波数目
c=3*10^8;%光速(m/s)fmax=(fc*10^6)*(v*10^3/3600)/c;%MaxDopplerShift(Hz)
fm=(fc*10^6)*(v*10^3/3600)/c;%最大多普雷频移
fs=1000/dt;%抽样频率,iffs=1000-->模拟时间间隔=1/1000秒,即1ms
T=time_end-time_start;%信道仿真时间段
sigma=sqrt(1/2);%rayleigh分布pdf的参数,用于归一化
n=1:
N;t=time_start:
1/fs:
time_end;%时间向量
factor=4*sigma^2/pi;%归一化因子
fn=fm*(2*n-1)/2/N;
cn=sqrt(factor*(asin(n/N)-asin((n-1)/N)));
len=length(t);k=0;
channel=zeros(1,len);
phase=unifrnd(0,2*pi,1,N);%相位均匀分布
%phase=2*pi*rand(1,32)-pi;
fortt=time_start:
1/fs:
time_end
k=k+1;
channel(k)=sum(cn.*exp(i*(2*pi*fn*tt+phase)));
end
channel=channel*sigma;
%等面积法:
MEA方法
function[channel]=Rayleigh_singlePath2(fc,v,time_start,time_end,dt)
%---------------------------------------------------------
% Rayleigh_singlePath:
产生单径Rayleigh分布(DopplerShift),基于Clarke模型
% 输入:
% fc:
载频(=2000MHz)
% v:
绝对时速(=50(km/h)
% time_start:
信道仿真的开始时间(s)
% time_end:
信道仿真的终止时间(s),通常time_start=0,time_end=1s,
% dt(ms):
时间间隔,通常deltaT=1ms
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%生成单径的正弦波数目
c=3*10^8;fs=1000/dt;sigma=sqrt(1/2);fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;
n=1:
N;
fn=fm*sin(pi*n/2/N);cn=sigma*sqrt(2/N);
channel=zeros(1,length(t));phase=unifrnd(0,2*pi,1,N);k=0;
fort=time_start:
1/fs:
time_end
k=k+1;
channel(k)=sum(cn.*cos(2*pi*fn*t+phase));
end
%MonteCarlo法:
MCM方法
function[channel]=Rayleigh_singlePath3(fc,v,time_start,time_end,dt)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%生成单径的正弦波数目
c=3*10^8;fs=1000/dt;sigma=sqrt(1/2);fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;u=rand(1,N);
fn=fm*sin(pi*u/2);cn=sigma*sqrt(2/N);
channel=zeros(1,length(t));k=0;
phase=2*pi*rand(1,N)-pi;
fort=time_start:
1/fs:
time_end
k=k+1;
channel(k)=sum(cn.*cos(2*pi*fn*t+phase));
end
%最小均方误差法:
MSEM方法
function[channel]=Rayleigh_singlePath4(fc,v,time_start,time_end,dt)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%生成单径的正弦波数目
c=3*10^8;fs=1000/dt;sigma=sqrt(1/2);fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;n=1:
N;
tau_max=N/(2*fm);%积分范围,其信道是一个周期为T=2N/fm,仿真时间Tsim<=T=2N/fm
fn=fm*(2*n-1)/(2*N);factor=2*sigma/sqrt(tau_max);%归一化因子
M=5e3;delta=linspace(0,tau_max,M);
J0=besselj(0,2*pi*fm*delta);
forn=1:
N
cn(n)=sqrt(trapz(delta,J0.*cos(2*pi*fn(n)*delta)));
end
%精确多普勒扩展法:
MEDS方法,无周期性
function[channel]=Rayleigh_singlePath5(fc,v,time_start,time_end,dt)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%生成单径的正弦波数目
c=3*10^8;fs=1000/dt;sigma=sqrt(1/2);fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;n=1:
N;
fn=fm*sin((n-0.5)*pi/(2*N));
cn=sigma*sqrt(2/N);
channel=zeros(1,length(t));k=0;
phase=unifrnd(0,2*pi,1,N);
fort=time_start:
1/fs:
time_end
k=k+1;
channel(k)=sum(cn.*cos(2*pi*fn*t+phase));
end
%Jakes仿真法:
JM方法,原始的公式
function[channel]=Rayleigh_singlePath6(fc,v,time_start,time_end,dt)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N=32;%生成单径的正弦波数目
c=3*10^8;fs=1000/dt;sigma=sqrt(1/2);fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;n=1:
N;
fn=fm*cos(2*pi*n/N);wc=2*pi*fc;
cn=sqrt(2/N);
channel=zeros(1,length(t));k=0;
phase=2*pi*rand(1,N)-pi;
fort=time_start:
1/fs:
time_end
k=k+1;
channel(k)=sum(cn.*cos(wc*t+2*pi*fn*t+phase));
end
channel=sigma*channel;
%Jakes仿真改进型法:
JM改进型方法
function[channel]=Rayleigh_singlePath7(fc,v,time_start,time_end,dt)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
N0=16;%生成单径的正弦波数目
N=4*N0+2;c=3*10^8;fs=1000/dt;fm=(fc*10^6*v*10^3/3600)/c;
t=time_start:
1/fs:
time_end;n=1:
N0;
wc=2*pi*fc;beta=pi*n/N0;
fn=fm*cos(2*pi*n/N);factor=2/sqrt(N);
xc=zeros(1,length(t));xs=zeros(1,length(t));k=0;
%改进型引入随机相移
%phase=2*pi*rand(1,N0+1)-pi;
phase=unifrnd(0,2*pi,1,N);
fortt=time_start:
1/fs:
time_end
k=k+1;
%改进型引入随机相移
xc(k)=sum(cos(beta).*cos(2*pi*fn*tt+phase(1:
N0)))+cos(2*pi*fm*tt+phase(end));
xs(k)=sum(sin(beta).*cos(2*pi*fn*tt+phase(1:
N0)))+cos(2*pi*fm*tt+phase(end));
end
channel=xc.*cos(wc*t)+xs.*sin(wc*t);
channel=factor*channel;
%滤波器法:
filter
function[channel]=Rayleigh_singlePath_filter(fc,v,time_start,tim
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 怎么 证明 瑞利 衰落
![提示](https://static.bdocx.com/images/bang_tan.gif)