LMMSE算法信道均衡MATLAB仿真

一．信道均衡的概念

实际的基带传输系统不可能完全满足无码间串扰传输条件，因而码间串扰是不可避免的。当串扰严重时，必须对系统的传输函数

进行校正，使其达到或接近无码间串扰要求的特性。理论和实践表明，在基带系统中插入一种可调滤波器就可以补偿整个系统的幅频，和相频特性从而减小码间串扰的影响这个对系统校正的过程称为均衡，实现均衡的滤波器称为均衡器。

均衡分为频域均衡和时域均衡。频域均衡是从频率响应考虑，使包括均衡器在内的整个系统的总传输函数满足无失真传输条件。而时域均衡，则是直接从时间响应考虑，使包括均衡器在内的整个系统的冲激响应满足无码间串扰条件。 频域均衡在信道特性不变，且传输低速率数据时是适用的，而时域均衡可以根据信道特性的变化进行调整，能够有效地减小码间串扰，故在高速数据传输中得以广泛应用。 时域均衡的实现方法有多种，但从实现的原理上看，大致可分为预置式自动均衡和自适应式自动均衡。预置式均衡是在实际传数之前先传输预先规定的测试脉冲（如重复频率很低的周期性的单脉冲波形），然后按“迫零调整原理”自动或手动调整抽头增益；自适应式均衡是在传数过程中连续测出距最佳调整值的误差电压，并据此电压去调整各抽头增益。一般地，自适应均衡不仅可以使调整精度提高，而且当信道特性随时间变化时又能有一定的自适应性，因此很受重视。这种均衡器过去实现起来比较复杂，但随着大规模、超大规模集成电路和微处理机的应用，其发展十分迅速。

二．信道均衡的应用

1.考虑如图所示的基带等效数据传输系统，发送信号k x 经过ISI 失真信道传输，叠加高斯加性噪声。

图1基带等效数据传输模型

设发送信号采用QPSK

调制，即(1)k x j =±±ISI 信道的冲击响应以向量的形式表示为h 2211[,,,]T L L L h h h --+=???。典型的ISI 信道响应向量有三种：

h [0.04,0.05,0.07,0.21,0.5,0.72,0.36,0,0.21,0.03,0.07]T A =--- h [0.407,0.815,0.407]T B =

h [0.227,0.46,0.6888,0.46,0.227]T C =

k ω为实部与虚部独立的复高斯白噪声，其均值为零，方差为2

ωσ。 2.实现目的

设信道响应已知。采用线性模型下的线性MMSE 估计方法，根据观测信号y k 估计发送信号x k 。 3.实验原理

MMSE 准则下设计出的均衡器通常非常复杂，不便于实现。为便于实现，可要求满足线性关系，线性模型下的LMMSE 估计如下：

若x 与θ可用线性模型来描述：

=?+x H θV

其中V 是零均值、协方差矩阵为CV 的噪声矢量，且V 与θ不相关。则有()()E E =?x H θ及T xx =+θθV C HC H C ，T x =θθθC C H

于是θ的LMMSE 估计为

1?{}()[()]T T E E -=++-θθθθV θθC H HC H C x H θ

4.实验方案 1.产生原始信号

根据发送信号采用QPSK 调制，调制后信号序列(1)/k x j =±±部分别作为独立的两个随机序列再加和产生原始发送信号。数据长度任定。

%1. 产生原始信号 len=1000;

xR=randint(1, len); xI=randint(1, len); for i=1:len; if xR(i)==0; xR(i)=-1; end

if xI(i)==0; xI(i)=-1; end

end % 用循环可能效率低，数据量大时要用矩阵运算

xk_source=(xR+1j*xI)/sqrt(2); 并绘出星座图。

scatterplot(xk_source);

title('原始QPSK 信号星座图'); 2.描述信道特性

由于条件已知信道响应，直接使用数组进行描述。 %2. 信道特性

hA=[0.04, -0.05, 0.07, -0.21, -0.5, 0.72, 0.36, 0, 0.21, 0.03, 0.07]; hB=[0.407, 0.815, 0.407];

hC=[0.227, 0.46, 0.6888, 0.46, 0.227];

h=hA;

调制信号经过信道的过程即卷积，此处注意卷积为线性卷积，而输入输出的长度会发生变化，应当将输出部分截短，截短方法为取中间部分序列，仿真时直接使用MATLAB 函数设置相应参数，而可以进行详细数学证明，此处略去。

xk=xk_source;

xk=conv(xk, h, 'same'); % 卷积取同样长度，非常重要，详情参照李教员通信原理实验教程指导书

3.噪声特性描述

产生实部虚部独立分布的复高斯白噪声有多种方法，并不是该算法重点，这里仍采取简化，直接使MATLAB函数进行加噪。

SNR=20; % dB

N0=10^(-0.1*SNR);

sigma=sqrt(N0); % 生成实虚部相互独立的高斯白噪本身就是可以讨论很多的问题，在此简化

ykR=awgn(real(xk), SNR);

ykI=awgn(imag(xk), SNR);

yk=ykR+1j*ykI;

描绘星座图。

scatterplot(yk);

title('过信道加入噪声后信号星座图');

4.LMMSE估计算法

根据LMMSE估计的原理，首先应将卷积表示为矩阵乘法关系，必须得到H 矩阵，得到H矩阵并不困难，由于是线性卷积，因此关键仍是取对H矩阵的范围，否则会出现错误。该问题也可以进行严格的数学推导，但仅用于仿真，此处不做赘述。

% H矩阵

N=length(h);

H1 = zeros(len, len+N-1);

for k=1: len

H1(k, k: k+N-1)=fliplr(h); % 需要这种转换时尽量用函数

end

H=H1(:, round(N/2): len+round(N/2)-1); % 这里的取H1矩阵的范围很重要,1：len则出错

根据算法原理，这里有两种方法，一种是按照方法流程，根据QPSK调制方式设定期望信号的一阶和二阶统计特性，带入计算。

直接假设待估数据的一阶二阶统计特性，该方法速度快。

% Cxx=eye(len);

% Cuu=H*(Cxx+Cv)*H';

另外一种方法是利用观测数据的统计特性，利用时间平均代替统计平均，此方法的缺点是计算量大，但更接近真实值。

利用观测数据统计特性，计算量大

Cv=sigma^2*eye(len);

Cxy=H\(Cyy-Cv);

E_yk=sum(yk)/len*ones(1, 1000);

E_y=H\E_yk';

xk_LMMSE=E_y+Cxy/Cyy*(yk-E_yk)';

其中Cyy的计算需通过自相关矩阵计算，经查询MATLAB函数，有两种方法进行计算。

% 方法1

temp=xcorr(yk,yk)/len;

temp=fliplr(temp);

yk_cor_l=round(length(temp)/2);

Cyy=zeros(yk_cor_l, yk_cor_l);

for i=1:yk_cor_l;

Cyy(i,:)=temp(yk_cor_l+1-i: length(temp)+1-i);

end

%自相关矩阵想到有这两种求法，但结果上有些差异，对函数的计算过程还待考究

% 方法2

% temp=corrmtx(uk,length(uk)-1);

% Cuu=temp'*temp;

绘制星座图。

scatterplot(xk_LMMSE);

title('估计恢复信号星座图');

（6）为了检验恢复的结果是否正确，可以对恢复数据进行一次判决，使恢复后的信号符合标准QPSK调制，去除噪声带来的影响。

判决门限可以设宽一些。

xk_LMMSE=xk_LMMSE';

xk_reci=zeros(1,1000);

for i=1: 1000;

if (real(xk_LMMSE(i))>0 && imag(xk_LMMSE(i))>0)

xk_reci(i)=(1+1i)/sqrt(2);

end

if (real(xk_LMMSE(i))>0 && imag(xk_LMMSE(i))<0)

xk_reci(i)=(1-1i)/sqrt(2);

end

if (real(xk_LMMSE(i))<0 && imag(xk_LMMSE(i))>0)

xk_reci(i)=(-1+1i)/sqrt(2);

end

if (real(xk_LMMSE(i))<0 && imag(xk_LMMSE(i))<0)

xk_reci(i)=(-1-1i)/sqrt(2);

end

end

scatterplot(xk_reci);

title('判决后信号星座图');

figure;

plot(xk_reci-xk_source);

title('估计误差统计');

5.实验结果

（1）原始信号QPSK星座图

Q u a d r a t u r e

In-Phase

原始QPSK 信号星座图

（2）过信道加入噪声后信号星座图

Q u a d r a t u r e

In-Phase

过信道加入噪声后信号星座图

（3）估计恢复信号星座图，信噪比20dB 。信噪比50dB

Q u a d r a t u r e

In-Phase

估计恢复信号星座图

Q u a d r a t u r e

In-Phase

估计恢复信号星座图

（4）判决后信号星座图，及与原始信号比较误差。

Q u a d r a t u r e

In-Phase

判决后信号星座图

估计误差统计

6.实验总结

根据实验结果可以看到，恢复出的数据与原始数据相同，在仿真环境设置比较单纯的情况下，实验结果令人满意。

实验中最应注意的是对信号过线性系统的理解，尤其是信号长度发生的变化，是否截短，截短后的信号与原始信号的一一对应关系如何，只有将信号对齐的情况下，恢复数据才完整有效。

瑞利信道仿真 matlab

实验一 瑞利信道的仿真 一 引言：瑞利信道介绍 瑞利衰落信道（Rayleigh fading channel ）是一种无线电信号传播环境的统计模型。这种模型假设信号通过无线信道之后，其信号幅度是随机的，即“衰落”，并且其包络服从瑞利分布。[1] 瑞利分布就是两个独立的高斯分布的平方和的开方一个信号都是分为正交的两部分，而每一部分都是多个路径信号的叠加，当路径数大于一定数量的时候，他们的和就满足高斯分布。而幅度就是两个正交变量和的开平方，就满足瑞利分布了。[2] 二 实验目的： 用MATLAB 软件仿真瑞利信道，产生瑞利信道的随机数，画出产生瑞利数据的CDF 和PDF ，并求瑞利数据的均植和方差。 三 实验内容： 1、实验原理： 一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布，两个正交高斯噪声信号之和的包络服从瑞利分布。信道符合瑞利分布，做出概率密度函数曲线。这里又到了瑞利分布的概率密度函数 2 22()exp() 0r 2r r p r σσ=-≤≤∞运用公式验证瑞利信道是符合瑞利分布的。 2、程序框图

3、源程序代码 % parameters setting clc; n=0:0.1:10; sigma=1; N=100000; x=randn(1,N); y=randn(1,N); M=x+j*y; r=sqrt(sigma*(x.^2+y.^2)); % q=1-exp((-(x.^2+y.^2))/(2*sigma*sigma)); % step=0.1; %range=0:step:3; h=hist(r,n); fr_approx=h/(0.1*sum(h)); pijun=sum(r)/N; junfanghe=(r-pijun).^2; junfang=sum(junfanghe)/N; u=0; % w=hist(q,n); % fr_approx1=-w/(0.1*sum(w)); % Calculate the CDF &Drawing cdf=raylcdf(n,sigma); subplot(3,1,1); plot(n,cdf); % hold on; % plot(n,fr_approx1,'ko'); % Calculate the PDF & Drawing title('Normal cumulative distribution'); pdf=raylpdf(n,sigma); subplot(3,1,2); plot(n,pdf); title('Normal probability density'); hold on; plot(n,fr_approx,'ko'); axis([0 8 0 1]) wucha=fr_approx-pdf; subplot(3,1,3); plot(n,wucha); title('wucha'); % Generate the randoms & Calculate the mean, covariance R=raylrnd(sigma,1,1000); % subplot(3,1,3);

(完整word版)基于Matlab的无线信道仿真

基于Matlab的无线信道仿真 近几年，随着无线通信业务和新兴宽带移动互联网接入业务的快速增长，对无线通信系统的优化显得尤为重要。与有线信道静态和可预测的典型特点相反，在实际中，由于无线信道动态变化且不可预测，无线通信系统的性能在很大程度上取决于无线信道环境，所以对无线信道的准确理解和仿真对设计一个高性能和高频谱效率的无线传输技术显得尤其重要。 无线信道的一个典型特征是“衰落”，衰落现象大致可分为两种类型：大尺度衰落和小尺度衰落。其中，大尺度衰落主要在移动设备通过一段较长的距离时体现，它是由信号的损耗（长距离传播）和大的障碍物（如建筑物、中间地形和植物）形成的阴影所引起的，一般分为路径损耗和阴影衰落，另一方面，小尺度衰落是指当移动台在较短距离内移动时，由多条路径的相消或相长干涉所引起信号电平的快速波动，主要表现为多径衰落。它们之间的关系如图1所示。报告中分别对这几种衰落的常见模型进行了总结和仿真。 图1 各种衰落之间的关系 一、大尺度衰落 大尺度衰落是在一个较大的范围上考察功率的渐变过程，功率的局部中值随距离变化缓慢。大尺度信道模型主要研究电波传播在时间、空间、频率范围内平均特性。 1.1 路径损耗 路径损耗由发射功率的辐射扩散及信道的传播特性造成，反映在宏观长距离

上。理论上认为，对于相同收发距离，路径损耗相同。其定义为有效发射功率和平均接收功率之间的比值。几种常用的描述大尺度衰落的模型有自由空间模型、对数距离路径损耗模型、Hata-Okumura 模型。 1.1.1自由空间模型 所谓自由空间是指天线周围为无限大真空时的电波传播，它是理想传播条件。电波在自由空间传播时，其能量既不会被障碍物所吸收，也不会产生反射或散射，传播路径上没有障碍物阻挡，到达接收天线的地面反射信号场强也可以忽略不计。 自由空间模型中路径损耗计算公式： r t r t s G G c df πP P L 142 ??? ??== 其中，t P 为发射功率，r P 为接收功率，d 为发射端与接收端距离，f 为载波频率，c 为光速取8103?，t G 为发射端天线增益，r G 为接收端天线增益。转换成分贝表示： r t r t s G G f d P P L lg 10lg 20lg 2045.32lg 10dB -++==）（ 发射端与接收端均是全向天线，1==r t G G ，得图2： 图2 路径损耗随距离、频率变化曲线 1.1.2 对数距离路径损耗模型 与前面提到的自由空间路径损耗一样，在其他所有实际环境中，平均接收信号功率随距d 呈对数方式减小。通过引入随着环境而改变的路径损耗指数n 可以修正自由空间模型，从而构造出一个更为普遍的路径损耗衰落模型。

数字通信系统matlab仿真

课程设计报告 题目：基于MATLAB的通信系统仿真 ———信道编码对通信系统性能的影响 专业：通信工程 姓名：XXX 学号：0730xxxx

基于MATLAB 的通信系统仿真 ———信道编码对通信系统性能的影响 摘要：简述信道编码理论，详细说明分组码的编译原理、实现方法及检错纠错能力，用MATLAB 仿真有无信道编码条件下对通信系统性能的影响及信道编码在不同信道下对通信系统性能的影响，如AWGN 信道和深衰落信道。 关键词：信道编码、分组码、MATLAB 仿真、性能 一、引言 提高信息传输的有效性和可靠性始终是通信技术所追求的目标，而信道编码能够显著的提升信息传输的可靠性。1948年,信息论的奠基人C.E.Shannon 在他的开创性论文“通信的数学理论”中,提出了著名的有噪信道编码定理.他指出：对任何信道,只要信息传输速率R 不大于信道容量C, 就一定存在这样的编码方法：在采用最大似然译码时,其误码率可以任意小.该定理在理论上给出了对给定信道通过编码所能达到的编码增益的上限,并指出了为达到理论极限应采用的译码方法.在信道编码定理中,香农提出了实现最佳编码的三个基本条件 ：(1 )采用随机编译码方式 ; (2 )编码长度Ｌ→∞ , 即分组的码组长度无限 ; (3)译码采用最佳的最大似然译码算法。【1】 二、信道编码理论 1、信道编码的目的 在数字通信系统中由于信道内存在加性噪声及信道传输特性不理想等容易造成码间串扰同时多用户干扰、多径传播和功率限制等也导致错误译码。为了确保系统的误比特率指标通常采用信道编码。信道编码是为了保证信息传输的可靠性、提高传输质量而设计的一种编码。它是在信息码中增加一定数量的多余码元，使码字具有一定的抗干扰能力。 2、信道编码的实质 信道编码的实质就是在信息码中增加一定数量的多余码元（称为监督码元），使它们满足一定的约束关系，这样由信息码元和监督码元共同组成一个由信道传输的码字。举例而言，欲传输k 位信息，经过编码得到长为n(n>k)的码字，则增加了 n - k = r 位多余码元，我们定义 R = k / n 为编码效率。【2】 3、 信道编码公式 令信息速率为f b ，经过编码以后的速率为f t ，定义：R ＝f b /f t 为编码率。则对于任何一个信道，总存在一个截止速率R 0，只要R

matlab信道仿真经典源程序

% % % Rayleigh Fading Channel Signal Generator % Using the Dent Model (a modification to the Jakes Model) % % Last Modified 10/18/05 % % Author: Avetis Ioannisyan (avetis@https://www.wendangku.net/doc/2a14956354.html,) % % % Usage: % [omega_mTau, Tk] = % ai_RayCh(NumAngles, Length, SymbolRate, NumWaveforms, CarrierFreq, Velocity) % % Where the output omega_mTau is a time scaling factor for plotting % normalized correlations. The LAGS value output by [C,LAGS] = XCORR(...) % should be multiplied by the omega_mTau scaling factor to properly display % axis. Tk is a two dimensional vector [M, N] = SIZE(Tk) with % M=numWaverorms and N=Length specified in the RayCh(...) function call % % And the input variables are: % % NumAngles - scalar power of 2, NumAngles > 2^7 is used to specify the % number of equally strong rays arriving at the receiver. It used to % compute the number of oscillators in the Dent model with N0 = numAngles/4 % % Length - scalar preferably power of 2 for faster computation, Length > 2^17 % is used to specify the length of the generated sequence. Lengths near 1E6 % are close to realistic signals % % SymbolRate - scalar power of 2 and is in kilo-symbols-per-sec is used to % specify what should be the transmission data rate. Slower rates will % provide slowly fading channels. Normal voice and soem data rates are % 64-256 ksps % % NumWaveforms - scalar used to specify how many 'k' waveforms to generate % in the model. NumWaveforms > 2 to properly display plots % % CarrierFreq - scalar expressed in MHz is the carrier frequency of the % tranmitter. Normally 800 or 1900 MHz for mobile comms % % Velocity - scalar expressed in km/hr is the speed of the receiver. % 100 km/hr = 65 mi/hr. Normal values are 20-130 km/hr %

瑞利信道Matlab仿真程序

%%File_C7: %本程序将一随机信号通过瑞利信道产生输出 %% clear; clc; Ts=; fmax=2;%最大多普勒频移 Nt=400;%采样序列的长度 （ sig=j*ones(1,Nt);%信号 t=[0:Nt]; %设定信道仿真参数 N0=25; D=1; [u]=jakes_single_rayleigh(N0,D,fmax,Nt,Ts);%生成瑞利信道RecSignal=u.*sig; ? plot(20*log10(RecSignal)); % %本函数用Jakes方法产生单径的符合瑞利分布的复随机过程%%%%%%%%%%%%%%%%%%%%%%%%%%% function [u]=jakes_single_rayleigh(N0,D,fmax,M,Ts,Tc) % 输入参数： % N0 频率不重叠的正弦波个数 { % D 方差，可由输入功率得到 % fmax 最大多普勒频移 % M 码片数 %输出参数 %u 输出复信号 %u1 输出信号的实部 %u2 输出信号的虚部 %% 、 %%%%%%%%%%%%%%%%%%%%%%%%%%% N=4*N0+2;%Jakes仿真叠加正弦波的总个数 %计算Jakes仿真中的离散多普勒频率fi,n f=zeros(1,N0+1); for n=1:N0 f(n)=fmax*cos(2*pi*n/N);

~ f(N0+1)=fmax; %计算多普勒增益ci,n %同向分量增益c1,n c1=zeros(1,N0+1); for n=1:N0 c1(n)=D*(2/sqrt(N))*2*cos(pi*n/N0); end c1(N0+1)=D*(2/sqrt(N))*sqrt(2)*cos(pi/4); 《 %正交分量增益c2,n c2=zeros(1,N0+1); for n=1:N0 c2(n)=D*(2/sqrt(N))*2*sin(pi*n/N0); end c2(N0+1)=D*(2/sqrt(N))*sqrt(2)*sin(pi/4); %插入随机相移ph_i,解决Jakes方法的广义平稳问题n=(1:N0+1); \ U=rand(size(n)); [x,k]=sort(U); ph_i=2*pi*n(k)/(N0+1); %计算复包络 u1=zeros(1,M);%Rc(t) u2=zeros(1,M);%Rs(t) u=zeros(1,M);%R(t) k=0; & %计算Rc(t) k=0; for t=0:Ts:(M-1)*Ts; w2=cos(2*pi*f*t+ph_i); ut2=c2*w2.'; k=k+1; u2(k)=ut2; end %计算u(t) k=0; for t=0:Ts:(M-1)*Ts k=k+1; u(k)=u1(k)-j*u2(k); end %程序结束

(完整word版)LMMSE算法信道均衡MATLAB仿真

一．信道均衡的概念 实际的基带传输系统不可能完全满足无码间串扰传输条件，因而码间串扰是不可避免的。当串扰严重时，必须对系统的传输函数 进行校正，使其达到或接近无码间串扰要求的特性。理论和实践表明，在基带系统中插入一种可调滤波器就可以补偿整个系统的幅频，和相频特性从而减小码间串扰的影响这个对系统校正的过程称为均衡，实现均衡的滤波器称为均衡器。 均衡分为频域均衡和时域均衡。频域均衡是从频率响应考虑，使包括均衡器在内的整个系统的总传输函数满足无失真传输条件。而时域均衡，则是直接从时间响应考虑，使包括均衡器在内的整个系统的冲激响应满足无码间串扰条件。 频域均衡在信道特性不变，且传输低速率数据时是适用的，而时域均衡可以根据信道特性的变化进行调整，能够有效地减小码间串扰，故在高速数据传输中得以广泛应用。 时域均衡的实现方法有多种，但从实现的原理上看，大致可分为预置式自动均衡和自适应式自动均衡。预置式均衡是在实际传数之前先传输预先规定的测试脉冲（如重复频率很低的周期性的单脉冲波形），然后按“迫零调整原理”自动或手动调整抽头增益；自适应式均衡是在传数过程中连续测出距最佳调整值的误差电压，并据此电压去调整各抽头增益。一般地，自适应均衡不仅可以使调整精度提高，而且当信道特性随时间变化时又能有一定的自适应性，因此很受重视。这种均衡器过去实现起来比较复杂，但随着大规模、超大规模集成电路和微处理机的应用，其发展十分迅速。 二．信道均衡的应用 1.考虑如图所示的基带等效数据传输系统，发送信号k x 经过ISI 失真信道传输，叠加高斯加性噪声。 图1基带等效数据传输模型 设发送信号采用QPSK 调制，即(1)k x j =±±ISI 信道的冲击响应以向量的形式表示为h 2211[,,,]T L L L h h h --+=???。典型的ISI 信道响应向量有三种： h [0.04,0.05,0.07,0.21,0.5,0.72,0.36,0,0.21,0.03,0.07]T A =--- h [0.407,0.815,0.407]T B = h [0.227,0.46,0.6888,0.46,0.227]T C = k ω为实部与虚部独立的复高斯白噪声，其均值为零，方差为2 ωσ。 2.实现目的

电子信息工程毕设设计__基于matlab的信道编码仿真

电子信息工程毕设设计__基于matlab的信道编码仿真基于matlab的信道编码仿真 海南大学 毕业论文(设计) 题目:基于matlab的信道编码仿真学号: 姓名: 年级: 学院:信息科学技术学院系别:电子信息工程专业:电子信息工程指导教师: 完成日期: 1 基于matlab的信道编码仿真 摘要 通信技术的飞速发展，信道编码已经成功地应用于各种通信系统中。以及各种传输方式对可靠性要求的不断提高，信道编码技术作为抗干扰技术的一种重要的手段，在数字通信技术领域和数字传输系统中显示出越来越重要的作用。 信道编码的目的是为了改善通信系统的传输质量。由于实际信道存在噪声和干扰，使发送的码字与信道传输后所接收的码字之间存在差异，称这种差异为差错。一般情况下，信道噪声、干扰越大，码字产生差错的概率也就越大。 本文利用matlab对二进制对称信道(BSC)，高斯白噪声信道(AWGN)两种信道的仿真，(7,4)Hamming码对信道的仿真，通过误码率的曲线图来了解信道的编码。并利用matlab的simulink模块仿真，运用simulink里的卷积码viterbi译码器来对二进制对称信道和高斯白噪声信道的仿真，观察误码率的曲线图来了解2个信道的不同。 关键字:matlab，信道，编码，译码，Simulink。

1 基于matlab的信道编码仿真 Abstract With the rapid development of communication technology, channel coding has been successfully applied to various communications systems. And a variety of transmission of the continuous improvement of reliability requirements, anti-jamming channel coding technology as an important means of technology in the field of digital communications technology and digital transmission systems in a more and more important role. The purpose of channel coding is to improve the transmission quality of communications systems. As the actual existence of the channel noise and interference, the transmitted codewords and channel transmission received after the difference between code words, said this difference is wrong. Under normal circumstances, channel noise, the greater the interference, the code word generated the greater the probability of error. In this paper, matlab binary symmetric channel (BSC), Gaussian white noise channel (AWGN) two channel simulation, (7,4) Hamming code simulation of the channel, through the bit error rate curve to understand the channel coding. Using matlab to simulink block simulation, using simulink in the viterbi decoder to convolutional codes on the binary symmetric channel and Gaussian white noise channel simulation, observation error rate graphs to understand the two different channels

MATLAB仿真瑞利衰落信道实验报告结果

封面： 题目：瑞利衰落信道仿真实验报告

题目：MATLAB仿真瑞利衰落信道实验报告 引言 由于多径效应和移动台运动等影响因素，使得移动信道对传输信号在时间、频率和角度上造成了色散，即时间色散、频率色散、角度色散等等，因此多径信道的特性对通信质量有着重要的影响，而多径信道的包络统计特性则是我们研究的焦点。根据不同无线环境，接收信号包络一般服从几种典型分布，如瑞利分布、莱斯分布等。在此专门针对服从瑞利分布的多径信道进行模拟仿真，进一步加深对多径信道特性的了解。 一、瑞利衰落信道简介： 瑞利衰落信道（Rayleigh fading channel）是一种无线电信号传播环境的统计模型。这种模型假设信号通过无线信道之后，其信号幅度是随机的，即“衰落”，并且其包络服从瑞利分布。 二、仿真原理 （1）瑞利分布分析 环境条件： 通常在离基站较远、反射物较多的地区，发射机和接收机之间没有直射波路径（如视距传播路径），且存在大量反射波，到达接收天线的方向角随机的（（0~2π）均匀分布），各反射波的幅度和相位都统计独立。 幅度与相位的分布特性： 包络 r 服从瑞利分布，θ在0～2π内服从均匀分布。瑞利分

布的概率分布密度如图

2-1所示： 图2-1 瑞利分布的概率分布密度 （2）多径衰落信道基本模型 离散多径衰落信道模型为 ()1()()() N t k k k y t r t x t τ==-∑ 其中,()k r t 复路径衰落，服从瑞利分布; k τ是多径时延。 多径衰落信道模型框图如图2-2所示：

图2-2 多径衰落信道模型框图 （3）产生服从瑞利分布的路径衰落r(t) 利用窄带高斯过程的特性，其振幅服从瑞利分布，即 22()()()c s r t n t n t =+ 上式中()()c s n t n t 、，分别为窄带高斯过程的同相和正交支路的基带信号。

瑞利信道Matlab仿真程序

%%File_C7:Jakes.m %本程序将一随机信号通过瑞利信道产生输出 %% clear; clc; Ts=0.02; fmax=2;%最大多普勒频移 Nt=400;%采样序列的长度 sig=j*ones(1,Nt);%信号 t=[0:Nt]; %设定信道仿真参数 N0=25; D=1; [u]=jakes_single_rayleigh(N0,D,fmax,Nt,Ts);%生成瑞利信道RecSignal=u.*sig; plot(20*log10(RecSignal)); %JakesRayleigh.m %本函数用Jakes方法产生单径的符合瑞利分布的复随机过程%%%%%%%%%%%%%%%%%%%%%%%%%%% function [u]=jakes_single_rayleigh(N0,D,fmax,M,Ts,Tc) % 输入参数： % N0 频率不重叠的正弦波个数 % D 方差，可由输入功率得到 % fmax 最大多普勒频移 % M 码片数 %输出参数 %u 输出复信号 %u1 输出信号的实部 %u2 输出信号的虚部 %% %%%%%%%%%%%%%%%%%%%%%%%%%%% N=4*N0+2;%Jakes仿真叠加正弦波的总个数 %计算Jakes仿真中的离散多普勒频率fi,n f=zeros(1,N0+1); for n=1:N0 f(n)=fmax*cos(2*pi*n/N); end f(N0+1)=fmax; %计算多普勒增益ci,n %同向分量增益c1,n c1=zeros(1,N0+1);

for n=1:N0 c1(n)=D*(2/sqrt(N))*2*cos(pi*n/N0); end c1(N0+1)=D*(2/sqrt(N))*sqrt(2)*cos(pi/4); %正交分量增益c2,n c2=zeros(1,N0+1); for n=1:N0 c2(n)=D*(2/sqrt(N))*2*sin(pi*n/N0); end c2(N0+1)=D*(2/sqrt(N))*sqrt(2)*sin(pi/4); %插入随机相移ph_i,解决Jakes方法的广义平稳问题n=(1:N0+1); U=rand(size(n)); [x,k]=sort(U); ph_i=2*pi*n(k)/(N0+1); %计算复包络 u1=zeros(1,M);%Rc(t) u2=zeros(1,M);%Rs(t) u=zeros(1,M);%R(t) k=0; %计算Rc(t) k=0; for t=0:Ts:(M-1)*Ts; w2=cos(2*pi*f*t+ph_i); ut2=c2*w2.'; k=k+1; u2(k)=ut2; end %计算u(t) k=0; for t=0:Ts:(M-1)*Ts k=k+1; u(k)=u1(k)-j*u2(k); end %程序结束

MATLAB仿真报告

无线通信 （MATLAB课后作业仿真） 姓名： 学院： 学号： 班级： 指导教师：

一、分集仿真 现给出最大比合并（MRC）、等增益合并（EGC）和选择性合并的分集合并程序，理解各程序，完成以下习题。将程序运行结果及各题目的解答写入word中：1. 用matlab分别运行“BPSKMRC.m”、“BPSKEGC.m”以及“BPSKSEL.m” （a）在程序中标注“注释”处加上注释（英文或中文） BPSKMRC.m注释 nd = 10000; %设置每个循环中的符号数 snr_in_dB=[0:15] ; ber=zeros(1,length(snr_in_dB)); for snr_num=1:length(snr_in_dB) SNR=exp(snr_in_dB(snr_num)*log(10)/10); nloop=100; % 循环次数 noe = 0; % 错误数 nod = 0; % 传输的数量 for iii=1:nloop data1=rand(1,nd)>0.5; data2=2.*data1-1; %以下为衰减量的计算 %在瑞利信道下 code_rate=1; E=1; sigma=E/sqrt(2*SNR*code_rate); n =[randn(1,nd) + j*randn(1,nd)]; h1 =1/sqrt(2)*[randn(1,nd) + j*randn(1,nd)]; % 瑞利信道 data41=data2.*h1+sigma.*n; h11=conj(h1); %计算信道质量指数的复共轭 data411 = data41.*h11; %计算组合后的价值 %***************************************** n =[randn(1,nd) + j*randn(1,nd)]; h2 =1/sqrt(2)*[randn(1,nd) + j*randn(1,nd)]; % 瑞利信道 data42=data2.*h2+sigma.*n; h22=conj(h2); data422 =data42.*h22; %***************************************** data4=data411+data422;%在两个不相关的信道下的信号进行组合 % BPSK 解调

信道接收机matlab仿真

1.信道化接收机MATLAB仿真 代码： clc;clear; f1=2000;f2=5000;%测频范围 f=input('输入待测频率 (MHz) '); if f>=f1&&f<=f2 m1=4;m2=4;m3=4;%各分路器均设为5，分路器结构 u=(f2-f1)/(m1*m2*m3);%频率分辨力 ur=[0,0,0];%为各分路器中放带宽提供缓存 ur(1)=(f2-f1)/m1; %写入各分路器中放带宽 ur(2)=(f2-f1)/(m1*m2); ur(3)=(f2-f1)/(m1*m2*m3); fi=[0,0,0];%为各分路器中频频率提供缓存 fi(1)=ceil(((f2-f1)/2)*1.2);%写入各分路中频频率 fi(2)=ceil((ur(1)/2)*1.2); fi(3)=ceil((ur(2)/2)*1.6); fl=zeros(3,4); for j=1:1:4 fl(1,j)=f1-fi(1)+(j-0.5)*ur(1);%第一本振组 fl(2,j)=(fi(1)-ur(1)/2)-fi(2)+(j-0.5)*ur(2);%第二本振组 fl(3,j)=(fi(2)-ur(2)/2)-fi(3)+(j-0.5)*ur(3);%第三本振组end num=zeros(1,3);%为每层的信道提供缓存 for k=1:3 j=1; while j<=4 if f-fl(k,j)>=fi(k)-ur(k)/2&&f-fl(k,j)<=fi(k)+ur(k)/2 f=f-fl(k,j); num(k)=j-1; break; else j=j+1; end end end f=f1+num(1)*ur(1)+num(2)*ur(2)+num(3)*ur(3)+u/2;%进行频率估计fprintf('估计频率为 %f MHz\n',f); else disp('不在测频范围内 '); end 仿真结果：

基于Matlab的瑞利信道仿真

移动通信期中论文 论文题目：基于Matlab的瑞利信道仿真Title：Rayleigh fading simulation based on Matlab 学院：信息学院 专业：通信工程 姓名：888 20111060xxx 8888 20111060xxx 8888 20111060xxx 指导老师：申东娅 2014年6月5日

摘要研究信道的衰落特性及其仿真实现方法对通信系统的设计与性能分析具 有重要意义。本文首先简述瑞利衰落信道，然后说明其仿真方法，主要为均方误差法（MSEM）和精确多普勒扩展法（MEDS）两种，并基于Matlab进行瑞利衰落信道的仿真。给出了衰落信号的仿真信号和分析结果，证明了仿真模型与理论曲线匹配度高，可以良好的模拟无线衰落信道。 关键字瑞利信道 Matlab 精确多普勒扩展法均方误差法 Abstract Study on the fading characteristics and simulation methods for communication system design and performance analysis has important significance. This paper firstly describes the Rayleigh fading channel, and then the simulation method,mainly for the mean square error (MSEM) and the precision of Doppler expansion method (MEDS) two, based on the simulation of Matlab Rayleigh fading channel.The fading signal simulation and analysis results are given, prove that the simulation model and the theoretical curve matching degree is high, can be a good simulation of wireless fading channel. Keyword Rayleigh fading Matlab MSEM MEDS

matlab瑞利衰落信道仿真(2)

MATLAB 通信仿真设计指导书 一．设计导读 1、设计目的 由于多径和移动台运动等影响因素，使得移动信道对传输信号在时间、频率和角度上造成了色散，如时间色散、频率色散、角度色散等等，因此多径信道的特性对通信质量有着至关重要的影响，而多径信道的包络统计特性成为我们研究的焦点。根据不同无线环境，接收信号包络一般服从几种典型分布，如瑞利分布、莱斯分布和Nakagami-m分布。在设计中，专门针对服从瑞利分布的多径信道进行模拟仿真，进一步加深对多径信道特性的了解。 2、仿真原理 （1）瑞利分布简介 环境条件： 通常在离基站较远、反射物较多的地区，发射机和接收机之间没有直射波路径，存在大量反射波；到达接收天线的方向角随机且在（0~2π）均匀分布；各反射波的幅度和相位都统计独立。 幅度、相位的分布特性： 包络 r 服从瑞利分布，θ在0～2π内服从均匀分布。瑞利分布的概率分布密度如图1所示：

图1 瑞利分布的概率分布密度 （2）多径衰落信道基本模型 根据ITU-RM.1125标准，离散多径衰落信道模型为 () 1 ()()() N t k k k y t r t x t τ==-∑ (1) 其中,()k r t 复路径衰落，服从瑞利分布; k τ是多径时延。 多径衰落信道模型框图如图2所示： 图2 多径衰落信道模型框图

（3）产生服从瑞利分布的路径衰落r(t) 利用窄带高斯过程的特性，其振幅服从瑞利分布，即 ()r t = （2） 上式中，()c n t 、()s n t 分别为窄带高斯过程的同相和正交支路的基带信号。 首先产生独立的复高斯噪声的样本，并经过FFT 后形成频域的样本，然后与S （f ）开方后的值相乘，以获得满足多普勒频谱特性要求的信号，经IFFT 后变换成时域波形，再经过平方，将两路的信号相加并进行开方运算后，形成瑞利衰落的信号r(t)。如下图3所示 : 图3 瑞利衰落的产生示意图 其中， ()S f = （3）

莱斯信道中QPSK信号Matlab仿真

1 移动无线信道的定义及分类 各类信号从发射端发送出去以后,在到达接收端之前经历的所有路径统称为信道。如果其中传输的是无线电信号,电磁波所经历的路径称之为无线信道。与其他通信信道相比,无线信道是最为复杂的一种。无线传播环境是影响无线通信系统的基本因素。发射机与接受机之间的无线传播路径,因从经历简单的视距传播,到遭遇各种复杂的地物(如建筑物、山脉和树林等)所引起的反射、绕射和散射传播等而显得非常复杂。另外,移动台相对于发射台移动的方向和速度,甚至收发双方附近的移动物体也对接受信号有很大的影响。因此,这使得无线信道具有极度的随机性。 移动通信信号在空间传播中所经历的衰落大体可以分为2类, 即大尺度衰落和小尺度衰落,如图1所示。大尺度衰落是因为发射机与接收机之间的距离和两者之间障碍物(如山丘、森林、建筑物等)的遮蔽影响而造成的信号强度的衰减,它反映了移动信号在较大区域中的平均能量的减少或称为路径损失。而小尺度衰落是指当移动台在一个较小的范围运动时,引起接收信号的幅度、相位和到达角等的快速变化。

图1 移动无线信道的分类 信号在传播的过程中,受各种环境的影响会产生反射、衍射和散射,这样就使得到达接收机的信号是许多路径信号的叠加,因而这些多径信号的叠加在没有视距传播情况下的包络服从瑞利分布。当多径信号中包含一条视距传播路径时,多径信号就服从莱斯分布。根据信号多径附加时延的大小,小尺度衰落又可以分为平坦衰落和频率选择性衰落。另外,由于移动台的移动性而导致接收到的信号产生多普勒频移(频率色散),根据多普勒扩展的大小,信道又可以分为快衰落信道和慢衰落信道。 2 瑞利分布和莱斯分布的特性 在实际情况中对数字通信系统来说,调制符号的周期比由多径传播引起的时延扩展要大,因此在一个符号周期内的所有频率分量都会经历相同的衰减和相移。信道对于所有频率分量来说是平坦的, 因而定义这类信道为平坦衰落信道。理论分析和实测试验结果表明:平坦衰落的幅度在大多数情况下,符合瑞利分布(ray leighdistribution)或莱斯分布(ricedistribution)。由于移动通信信道的复杂性,其仿真一般是以平坦

MIMO系统的信道容量分析 及Matlab仿真

学校代码14199学号00909002 分类号 密级本科毕业论文（设计） 教学部信息工程教学部专业名称通信工程年级2009级 学生姓名包宇坤 指导教师 黄威2013年5月21日MIMO 系统的信道容量分析 及Matlab 仿真

MIMO系统的信道容量分析及Matlab仿真 摘要：MIMO技术是在通信系统的收发两端放置多根天线的一种通信技术。多输入多输出技术是近年来无线通信领域理论研究的一个重大突破。该技术能在不增加系统带宽和发射功率的前提下大大增加系统容量、提高系统频带利用率、改善系统的性能,从而成为新一代高数据率、多数据类型无线通信系统的关键技术。众所周知,信道容量表示一个通信系统的极限传输率。由于对容量分析结果会对实际通信系统的设计提供理论依据和指导。因此,对MIMO系统信道容量的分析无疑是一个重要而基本的研究课题。 本文对MIMO系统进行了研究,主要集中在MIMO系统的信道容量分析。首先从MIMO的概念入手，介绍了当前的无线通信技术。然后围绕MIMO无线通信系统进行了展开，介绍了MIMO技术的基本原理、空时编码技术和MIMO系统的模型与容量。随后对仿真软件MATLAB做了简单的介绍。最后应用MATLAB软件对不同发射天线、不同接收天线、不同信噪比下的MIMO系统容量进行计算机仿真，并对仿真结果进行了分析。 关键字：MIMO技术,信道容量,空时编码,无线通信

Channel capacity of MIMO systems analysis and Matlab simulation Author：Bao Yukun Tutor：Huang Wei Abstract：Multiple-input-multiple-output(MIMO)is a communication technology that multiple antennas are set transmitters and receivers.It is an important breakthrough in the area of wireless communication.The system capacity and frequency spectrum efficiency of communication systems can be improved by this technology without extra frequency bandwidth and with no additional power expenditure.MIMO is becoming a key technology of the new generation high data rate wireless mobile communication system.As well known, the channel capacity of a communications system is the limit of the transmission rate.The analysis results of capacity can provide the theoretical basis and guidance to the actual capacity communications system designed.Therefore,the MIMO system channel capacity analysis is an important and basic research topics. This paper investigates the MIMO system,mainly concentrated in the capacity of the MIMO system.First of all,from the perspective of the concept of MIMO,this paper introduces the current wireless communication technologies.Then revolves around MIMO wireless communication system,introduces the basic principle of MIMO technology space-time coding technique and model and the capacity of MIMO system.After this,the paper makes a simple introduction about the simulation software MATLAB.At last,applies MATLAB software to simulate this system in different transmitting antenna,different receiving antenna and different signal to noise ratio.And make some analysis of the simulation results. Keywords：MIMO technology，channel capacity，Space-Time Coding，wireless communication