QPSK и OFDM с системными объектами MATLAB

Этот пример показывает, как моделировать основную систему связи, в которой сигнал является первым модулируемым QPSK и затем подвергнутым Ортогональному Мультиплексированию Деления Частоты. Сигнал затем передается через аддитивный белый Гауссов шумовой канал до того, чтобы быть демультиплексированным и демодулируется. Наконец, количество битовых ошибок вычисляются. Пример демонстрирует использование MATLAB® System objects™.

Установите параметры симуляции.

M = 4;                 % Modulation alphabet
k = log2(M);           % Bits/symbol
numSC = 128;           % Number of OFDM subcarriers
cpLen = 32;            % OFDM cyclic prefix length
maxBitErrors = 100;    % Maximum number of bit errors
maxNumBits = 1e7;      % Maximum number of bits transmitted

Создайте Системные объекты, необходимые для симуляции: модулятор QPSK, демодулятор QPSK, модулятор OFDM, демодулятор OFDM, канал AWGN и калькулятор коэффициента ошибок. Используйте пары "имя-значение", чтобы установить свойства объектов.

Установите модулятор QPSK и демодулятор так, чтобы они приняли двоичные входы.

qpskMod = comm.QPSKModulator('BitInput',true);
qpskDemod = comm.QPSKDemodulator('BitOutput',true);

Установите модулятор OFDM и пару демодулятора согласно параметрам симуляции.

ofdmMod = comm.OFDMModulator('FFTLength',numSC,'CyclicPrefixLength',cpLen);
ofdmDemod = comm.OFDMDemodulator('FFTLength',numSC,'CyclicPrefixLength',cpLen);

Установите свойство NoiseMethod объекта канала AWGN к Variance и задайте свойство VarianceSource так, чтобы шумовая степень могла быть установлена от входного порта.

channel = comm.AWGNChannel('NoiseMethod','Variance', ...
    'VarianceSource','Input port');

Установите свойство ResetInputPort на true позволять калькулятору коэффициента ошибок быть сброшенным во время симуляции.

errorRate = comm.ErrorRate('ResetInputPort',true);

Используйте функцию info объекта ofdmMod определить размерности ввода и вывода модулятора OFDM.

ofdmDims = info(ofdmMod)
ofdmDims = struct with fields:
    DataInputSize: [117 1]
       OutputSize: [160 1]

Определите количество поднесущих данных от переменной структуры ofdmDims.

numDC = ofdmDims.DataInputSize(1)
numDC = 117

Определите формат кадра OFDM (в битах) от количества поднесущих данных и количества битов на символ.

frameSize = [k*numDC 1];

Установите вектор ОСШ на основе желаемой области значений Eb/No, количества битов на символ и отношения количества поднесущих данных к общему количеству поднесущих.

EbNoVec = (0:10)';
snrVec = EbNoVec + 10*log10(k) + 10*log10(numDC/numSC);

Инициализируйте BER и ошибочные массивы статистики.

berVec = zeros(length(EbNoVec),3);
errorStats = zeros(1,3);

Моделируйте линию связи в области значений значений Eb/No. Для каждого значения Eb/No, выполнения симуляции или до maxBitErrors зарегистрированы или до общее количество переданных битов, превышает maxNumBits.

for m = 1:length(EbNoVec)
    snr = snrVec(m);
    
    while errorStats(2) <= maxBitErrors && errorStats(3) <= maxNumBits
        dataIn = randi([0,1],frameSize);              % Generate binary data
        qpskTx = qpskMod(dataIn);                     % Apply QPSK modulation
        txSig = ofdmMod(qpskTx);                      % Apply OFDM modulation
        powerDB = 10*log10(var(txSig));               % Calculate Tx signal power
        noiseVar = 10.^(0.1*(powerDB-snr));           % Calculate the noise variance
        rxSig = channel(txSig,noiseVar);              % Pass the signal through a noisy channel
        qpskRx = ofdmDemod(rxSig);                    % Apply OFDM demodulation
        dataOut = qpskDemod(qpskRx);                  % Apply QPSK demodulation
        errorStats = errorRate(dataIn,dataOut,0);     % Collect error statistics
    end
    
    berVec(m,:) = errorStats;                         % Save BER data
    errorStats = errorRate(dataIn,dataOut,1);         % Reset the error rate calculator
end

Используйте функцию berawgn, чтобы определить теоретический BER для системы QPSK.

berTheory = berawgn(EbNoVec,'psk',M,'nondiff');

Отобразите теоретические и моделируемые данные на графике по тому же графику, чтобы сравнить результаты.

figure
semilogy(EbNoVec,berVec(:,1),'*')
hold on
semilogy(EbNoVec,berTheory)
legend('Simulation','Theory','Location','Best')
xlabel('Eb/No (dB)')
ylabel('Bit Error Rate')
grid on
hold off

Заметьте, что существует хорошее соглашение между моделируемыми и теоретическими данными.