В этом примере показано, как произвести тот же многопутевой ответ Канала с релеевским замиранием при помощи двух различных методов для генерации случайных чисел. Многопутевая Система Канала с релеевским замиранием object™ включает два метода для генерации случайных чисел. Можно использовать текущий глобальный поток или mt19937ar алгоритм с заданным seed. Путем взаимодействия с глобальным потоком Системный объект может произвести те же выходные параметры из этих двух методов.

Создайте Системный объект модулятора PSK, чтобы модулировать случайным образом сгенерированные данные.

pskModulator = comm.PSKModulator;
channelInput = pskModulator(randi([0 pskModulator.ModulationOrder-1],1024,1));

Создайте многопутевой Системный объект Канала с релеевским замиранием, задав метод генерации случайных чисел как my19937ar алгоритм и seed случайных чисел как 22.

rayleighchan = comm.RayleighChannel(...
    'SampleRate',10e3, ...
    'PathDelays',[0 1.5e-4], ...
    'AveragePathGains',[2 3], ...
    'NormalizePathGains',true, ...
    'MaximumDopplerShift',30, ...
    'DopplerSpectrum',{doppler('Gaussian',0.6),doppler('Flat')}, ...
    'RandomStream','mt19937ar with seed', ...
    'Seed',22, ...
    'PathGainsOutputPort',true);

Отфильтруйте модулируемые данные при помощи многопутевого Системного объекта Канала с релеевским замиранием.

[chanOut1,pathGains1] = rayleighchan(channelInput);

Установите Системный объект использовать глобальный поток для генерации случайных чисел.

release(rayleighchan);
rayleighchan.RandomStream = 'Global stream';

Установите глобальный поток иметь тот же seed, который был задан при создании многопутевого Системного объекта Канала с релеевским замиранием.

rng(22)

Отфильтруйте модулируемые данные при помощи многопутевого Системного объекта Канала с релеевским замиранием снова.

[chanOut2,pathGains2] = rayleighchan(channelInput);

Проверьте, что канал и усиление пути выходные параметры является тем же самым для каждого из этих двух методов.

isequal(chanOut1,chanOut2)

ans = logical
   1

isequal(pathGains1,pathGains2)

ans = logical
   1

В этом примере показано, как создать выборочный частотой многопутевой Системный объект Канала с релеевским замиранием и отобразить его импульсные и частотные характеристики.

Установите частоту дискретизации на 3,84 МГц. Задайте задержки пути и усиления при помощи настройки B-канала пешехода ITU. Установите максимальный эффект Доплера на 50 Гц.

fs = 3.84e6; % Hz
pathDelays = [0 200 800 1200 2300 3700]*1e-9; % sec
avgPathGains = [0 -0.9 -4.9 -8 -7.8 -23.9]; % dB
fD = 50; % Hz

Создайте многопутевой Системный объект Канала с релеевским замиранием при помощи ранее заданных свойств и визуализировать импульсную характеристику и графики частотных характеристик.

rayleighchan = comm.RayleighChannel('SampleRate',fs, ...
    'PathDelays',pathDelays, ...
    'AveragePathGains',avgPathGains, ...
    'MaximumDopplerShift',fD, ...
    'Visualization','Impulse and frequency responses');

Сгенерируйте случайные двоичные данные и передайте его через многопутевой Канал с релеевским замиранием. График импульсной характеристики позволяет вам идентифицировать отдельные пути и их соответствующие коэффициенты фильтра. График частотной характеристики показывает выборочную частотой природу B-канала пешехода ITU.

x = randi([0 1],1000,1);
y = rayleighchan(x);

Пример показывает, как состояние канала обеспечено в случаях, в которых с перерывами передаются данные. Создайте многопутевой Системный объект Канала с релеевским замиранием и передайте данные через них с помощью метода суммы синусоид.

Установите свойства канала.

fs = 1000; % Sample rate (Hz)
pathDelays = [0 2.5e-3]; % Path delays (s)
pathPower = [0 -6]; % Path power (dB)
fD = 5; % Maximum Doppler shift (Hz)
ns = 1000; % Number of samples
nsdel = 100; % Number of samples for delayed paths

Задайте полное время симуляции и в три раза сегменты, для которых должны быть переданы данные. В этом случае канал симулирован в течение 1 с с частотой дискретизации на 1 000 Гц. Одна последовательность текущих данных с 1000 выборками передается во время 0. Три пакета с 100 выборочными данными время от времени передаются 0,1 с, 0,4 с и 0,7 с, соответственно.

to0 = 0.0;
to1 = 0.1;
to2 = 0.4;
to3 = 0.7;
t0 = (to0:ns-1)/fs; % Transmission 0
t1 = to1+(0:nsdel-1)/fs; % Transmission 1
t2 = to2+(0:nsdel-1)/fs; % Transmission 2
t3 = to3+(0:nsdel-1)/fs; % Transmission 3

Сгенерируйте случайные двоичные данные, соответствующие ранее заданным временным интервалам.

d0 = randi([0 1],ns,1);
d1 = randi([0 1],nsdel,1);
d2 = randi([0 1],nsdel,1);
d3 = randi([0 1],nsdel,1);

Создайте плоский частотой многопутевой Системный объект Релеевского замирания, задав сумму синусоид, исчезающую метод. Таким образом, это заканчивается, может быть повторен, задать значение seed. Используйте InitialTime по умолчанию установка свойства так, чтобы исчезающий канал был симулирован со времени 0. Включите усилениям пути выход.

rayleighchan1 = comm.RayleighChannel('SampleRate',fs, ...
    'MaximumDopplerShift',5, ...
    'RandomStream','mt19937ar with seed', ...
    'Seed',17, ...
    'FadingTechnique','Sum of sinusoids', ...
    'PathGainsOutputPort',true);

Создайте клон многопутевого Системного объекта Канала с релеевским замиранием. Установите источник в течение начального времени так, чтобы исчезающее время смещения канала могло быть задано как входной параметр при использовании Системного объекта.

rayleighchan2 = clone(rayleighchan1);
rayleighchan2.InitialTimeSource = 'Input port';

Передайте случайные двоичные данные через первый многопутевой Системный объект Канала с релеевским замиранием, rayleighchan1. Данные передаются за все 1 000 раз выборки. В данном примере только усиление сложного контура необходимо.

[~,pg0] = rayleighchan1(d0);

Передайте случайные данные через второй многопутевой Системный объект Канала с релеевским замиранием, rayleighchan2, где начальные смещения времени обеспечиваются как входные параметры.

[~,pg1] = rayleighchan2(d1,to1);
[~,pg2] = rayleighchan2(d2,to2);
[~,pg3] = rayleighchan2(d3,to3);

Сравните количество выборок, обработанных двумя каналами при помощи info объектная функция. rayleighchan1 объект обработал 1 000 выборок, в то время как rayleighchan2 возразите только обработанный 300 выборок.

G = info(rayleighchan1);
H = info(rayleighchan2);
[G.NumSamplesProcessed H.NumSamplesProcessed]

ans = 1×2

        1000         300

Преобразуйте усиления пути в децибелы.

pathGain0 = 20*log10(abs(pg0));
pathGain1 = 20*log10(abs(pg1));
pathGain2 = 20*log10(abs(pg2));
pathGain3 = 20*log10(abs(pg3));

Постройте усиления пути для непрерывных и прерывистых случаев. Усиления для этих трех сегментов совпадают с усилением для непрерывного случая. Выравнивание двух подсветок, что метод суммы синусоид подходит для симуляции packetized данных как характеристики канала, обеспечено, даже когда данные не передаются.

plot(t0,pathGain0,'r--')
hold on
plot(t1,pathGain1,'b')
plot(t2,pathGain2,'b')
plot(t3,pathGain3,'b')
grid
xlabel('Time (sec)')
ylabel('Path Gain (dB)')
legend('Continuous','Discontinuous','location','nw')
title('Continuous and Discontinuous Transmission Path Gains')

Пример показывает, как использовать ChannelFilterCoefficients свойство возвращено info объектная функция comm.RayleighChannel Системный объект, чтобы воспроизвести многопутевой Канал с релеевским замиранием выход.

Создайте многопутевой Системный объект Канала с релеевским замиранием, задав два пути и задав данные, чтобы пройти через канал.

rayleighchan = comm.RayleighChannel('SampleRate',1000,'PathDelays',[0 1.5e-3], ...
    'AveragePathGains',[0 -3],'PathGainsOutputPort',true)

rayleighchan = 
  comm.RayleighChannel with properties:

             SampleRate: 1000
             PathDelays: [0 0.0015]
       AveragePathGains: [0 -3]
     NormalizePathGains: true
    MaximumDopplerShift: 1.0000e-03
        DopplerSpectrum: [1x1 struct]

  Show all properties

data = randi([0 1],600,1);

Передайте данные через канал. Присвойте ChannelFilterCoefficients значение свойства к переменной coeff.

[chanout1,pg] = rayleighchan(data);
chaninfo = info(rayleighchan)

chaninfo = struct with fields:
           ChannelFilterDelay: 6
    ChannelFilterCoefficients: [2x16 double]
          NumSamplesProcessed: 600

coeff = chaninfo.ChannelFilterCoefficients;

Вычислите дробный задержанный входной сигнал в местоположениях задержки пути, сохраненных в coeff.

Np = length(rayleighchan.PathDelays);
fracdelaydata = zeros(size(data,1),Np);
for ii = 1:Np
    fracdelaydata(:,ii) = filter(coeff(ii,:),1,data);
end

Примените усиления пути и суммируйте результаты для всех путей.

chanout2 = sum(pg .* fracdelaydata,2);

Сравните выход многопутевого Системного объекта Канала с релеевским замиранием к выходу, воспроизведенному с помощью усилений пути и ChannelFilterCoefficients свойство многопутевого Системного объекта Канала с релеевским замиранием.

isequal(chanout1,chanout2)

ans = logical
   1

Проверьте, что автокорреляцией усиления пути выход от Системного объекта канала Рейли является Функция Бесселя. На основе результатов в [1] и Приложение A [2], мы знаем, что то, когда автокорреляция пути получают выходные параметры, является Функцией Бесселя, и Доплеровский спектр Jakes-формируется.

Инициализируйте параметры симуляции.

Rsym = 9600; % Input signal symbol rate (symbols/sec) 
sps = 10; % Number of samples per input symbol 
Fs = sps*Rsym; % Input signal sampling frequency (samples/sec)  
Ts = 1/Fs; % Input signal sampling period (sec)
numsym = 1e6; % Total number of input symbols to simulate  
numsamp = numsym*sps; % Total number of channel samples to simulate  
fd = 100; % Maximum Doppler frequency shift (Hz)
num_acsamp = 5000; % Number of samples of autocovariance of complex fading process calculated 
numtx = 1; % Number of transmit antennas 
numrx = 1; % Number of receive antennas
numsin = 48; % Number of sinusoids
frameLen = 10000; 
numFrames = numsamp/frameLen;

Сконфигурируйте Рэлеевский Системный объект канала.

chan = comm.RayleighChannel('FadingTechnique','Sum of sinusoids', ...
    'NumSinusoids',numsin,'RandomStream','mt19937ar with seed', ...
    'PathDelays',0,'AveragePathGains',0,'SampleRate',Fs, ...
    'MaximumDopplerShift',fd,'PathGainsOutputPort',true);

Примените модуляцию DPSK к случайному потоку битов.

tx = randi([0 1],numsamp,numtx); % Random bit stream 
dpskSig = dpskmod(tx,2); % DPSK signal 

Передайте модулируемый сигнал через канал.

outsig = zeros(numsamp,numrx); 
pg_rx = zeros(numsamp,numrx,numtx);
for frmNum = 1:numFrames  
    [outsig((1:frameLen)+(frmNum-1)*frameLen,:),pathGains] = chan(dpskSig((1:frameLen)+(frmNum-1)*frameLen,:));
    for i = 1:numrx 
        pg_rx((1:frameLen)+(frmNum-1)*frameLen,i,:) = pathGains(:,:,:,i);
    end 
end 

Используя усиления пути к каналу, полученные на антенну, вычислите автоковариацию процесса исчезновения для каждой передачи - получают путь.

autocov = zeros(frameLen+1,numrx,numtx); 
autocov_normalized_real = zeros(num_acsamp+1,numrx,numtx); 
autocov_normalized_imag = zeros(num_acsamp+1,numrx,numtx); 
for i = 1:numrx 
    % Compute autocovariance of simulated complex fading process
    for j = 1:numtx 
        autocov(:,i,j) = xcov(pg_rx(:,i,j),num_acsamp); 
        % Real part of normalized autocovariance 
        autocov_normalized_real(:,i,j) = real(autocov(num_acsamp+1:end,i,j)/autocov(num_acsamp+1,i,j)); 
        % Imaginary part of normalized autocovariance 
        autocov_normalized_imag(:,i,j) = imag(autocov(num_acsamp+1:end,i,j)/autocov(num_acsamp+1,i,j)); 
    end 
end 

Используя besselj функция вычисляет теоретическую автоковариацию комплексного процесса исчезновения.

Rrr = zeros(1,num_acsamp+1); 
for n = 1:1:num_acsamp+1 
    Rrr(n) = besselj(0,2*pi*fd*(n-1)*Ts); 
end 
Rrr_normalized = Rrr/Rrr(1); 

Отобразите автоковариацию, сравнивающую результаты Системного объекта канала Рейли и функции besselj.

subplot(2,1,1)
plot(autocov_normalized_real,'b-') 
hold on 
plot(Rrr_normalized,'r-') 
hold off 
legend('Using comm.RayleighChannel','Using Bessel function of the first kind') 
title('Autocovariance of real part of Rayleigh process') 
subplot(2,1,2)
plot(autocov_normalized_imag) 
legend('Using comm.RayleighChannel') 
title('Autocovariance of imaginary part of Rayleigh process') 

Вычислите среднеквадратичную погрешность.

act_mse_real = sum((autocov_normalized_real-repmat(Rrr_normalized.',1,numrx,numtx)).^2,1)/size(autocov_normalized_real,1) 

act_mse_real = 7.0043e-08

act_mse_imag = sum((autocov_normalized_imag-0).^2,1)/size(autocov_normalized_imag,1)

act_mse_imag = 4.1064e-07