Пропустите входной сигнал через многопутевой Канал с релеевским замиранием
comm.RayleighChannel Система object™ пропускает входной сигнал через многопутевой Канал с релеевским замиранием. Для получения дополнительной информации об исчезающей обработке модели смотрите Методологию для Симуляции Многопутевых Исчезающих Каналов.
Отфильтровать входной сигнал с помощью многопутевого Канала с релеевским замиранием:
Создайте comm.RayleighChannel объект и набор его свойства.
Вызовите объект с аргументами, как будто это была функция.
Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты?.
rayleighchan = comm.RayleighChannel
rayleighchan = comm.RayleighChannel(Name,Value)коммуникация. RayleighChannel (' устанавливает частоту дискретизации входного сигнала на 2.SampleRate',2)
Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:
release(obj)
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')
В этом примере показано, как использовать ChannelFilterCoefficients свойство возвращено info объектная функция comm.RayleighChannel Системный объект, чтобы воспроизвести многопутевой Канал с релеевским замиранием выход через несколько систем координат.
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. В цикле for вычислите дробный задержанный входной сигнал в местоположениях задержки пути, сохраненных в coeff, примените усиления пути и суммируйте результаты для всех путей. Сравните выход многопутевого Системного объекта Канала с релеевским замиранием (chanout1) к выходу, воспроизведенному с помощью усилений пути и ChannelFilterCoefficients свойство многопутевого Системного объекта Канала с релеевским замиранием (chanout2).
chaninfo = info(rayleighchan); coeff = chaninfo.ChannelFilterCoefficients; Np = length(rayleighchan.PathDelays); state = zeros(size(coeff,2)-1, size(coeff, 1)); nFrames = 10; chkChan = zeros(nFrames,1); for jj = 1 : nFrames data = randi([0 1],600,1); [chanout1,pg] = rayleighchan(data); fracdelaydata = zeros(size(data,1),Np); % Calculate the fractional delayed input signal. for ii = 1:Np [fracdelaydata(:,ii),state(:,ii)] = ... filter(coeff(ii,:),1,data,state(:,ii)); end % Apply the path gains and sum the results for all paths. Compare the % channel outputs, chanout1 and chanout2. chanout2 = sum(pg .* fracdelaydata,2); chkChan(jj) = isequal(chanout1,chanout2); end chkChan'
ans = 1×10
1 1 1 1 1 1 1 1 1 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
Ссылки
1. Вдавите, P., Г. Боттомли и Т. Крофт. “Jakes, Исчезающий Пересмотренная Модель”. Буквы электроники 29, № 13 (1993): 1162. https://doi.org/10.1049/el:19930777.
2. Pätzold, Мэттиас. Мобильные Исчезающие Каналы. Чичестер, Великобритания: John Wiley & Sons, Ltd, 2002. https://doi.org/10.1002/0470847808.
comm.RayleighChannel Системный объект включает визуализацию импульсной характеристики канала, частотной характеристики и Доплеровского спектра.
Примечание
Отображенные и заданные местоположения усиления пути могут отличаться целых 5% входного шага расчета.
Скорость отображения визуализации контролируется комбинацией SamplesToDisplay свойство и пункт меню scope Playback > Reduce Updates to Improve Performance. Сокращение процента выборок, чтобы отобразиться и включение уменьшаемых обновлений могут ускорить рендеринг осциллографа визуализации.
После того, как осциллографы визуализации вручную закрываются, вызовы Системного объекта выполняются на его нормальной скорости.
Генерация кода доступна только когда Visualization свойство установлено в 'Off'.
Импульсная характеристика
Осциллограф импульсной характеристики отображает усиления пути, коэффициенты фильтра канала и интерполированные усиления пути. Усиления пути происходят в экземплярах времени, которые соответствуют заданному PathDelays свойство и не может быть выровнено с входным временем выборки. Коэффициенты фильтра канала используются, чтобы смоделировать канал. Они интерполированы от фактических усилений пути и выравниваются с входным временем выборки. В случаях, в которых усиления пути выравниваются со временем выборки, усиления пути перекрывают коэффициенты фильтра. Интерполяция Sinc используется, чтобы соединить коэффициенты фильтра канала и показывается интерполированными усилениями пути. Эти точки используются только для целей отображения и не используются в последующей фильтрации канала. Для плоского исчезающего канала (один путь), не отображена sinc кривая интерполяции. Для всех графиков импульсной характеристики систему координат и демонстрационные числа показывают в верхнем левом углу осциллографа.
График импульсной характеристики совместно использует ту же панель инструментов и меню как dsp.ArrayPlot Системный объект.
Когда заданные усиления пути выравниваются с частотой дискретизации, усилениями пути и содействующим перекрытием фильтра канала. В этом рисунке импульсная характеристика показывает, что усиления пути перекрывают коэффициенты фильтра.
Если заданные усиления пути не выравниваются с частотой дискретизации, усиления пути и коэффициенты фильтра канала не перекрываются. В этом рисунке одинаково распределяются коэффициенты фильтра. Усиления пути не перекрываются с коэффициентами фильтра канала, потому что усиления пути не выравниваются с частотой дискретизации.
Этот рисунок показывает импульсную характеристику для плоского частотой канала. В этом случае интерполированные усиления пути не отображены.
Частотная характеристика
Осциллограф частотной характеристики отображает многопутевой спектр Канала с релеевским замиранием путем взятия дискретного преобразования Фурье коэффициентов фильтра канала. График частотной характеристики совместно использует ту же панель инструментов и меню как dsp.SpectrumAnalyzer Системный объект.
Пределы оси Y графика вычисляются на основе NormalizePathGains и AveragePathGains свойства comm.RayleighChannel Системный объект.
Эта таблица показывает другие выбранные настройки спектра по умолчанию. Эти настройки могут быть изменены от их значений по умолчанию при помощи меню View > Spectrum Settings.
| Настройки спектра | Значение |
|---|---|
| Main options> Type |
|
| Main options> Window length | Длина фильтра канала |
| Main options> NFFT | 512 |
| Window options> Window |
|
| Trace options> Units |
|
Этот рисунок показывает график частотной характеристики для частоты выборочный канал.
Доплер Спектрум
Доплеровский график спектра отображает теоретический Доплеровский спектр и опытным путем решительные точки данных. Теоретические данные отображены как линия для случая нестатических каналов и как точка для статических каналов. Эмпирические данные показывают как * символы. Прежде чем эмпирический график обновляется, внутренний буфер должен быть абсолютно заполнен отфильтрованными Гауссовыми выборками. Эмпирический график является рабочим средним значением спектра, вычисленного от каждого полного буфера. Для нестатических каналов количеству входных выборок было нужно, прежде чем следующее обновление отображено в верхнем левом углу графика. Количество необходимых выборок является функцией частоты дискретизации и максимального эффекта Доплера. Для статических каналов, текст "Reset fading channel for next update"отображен.
[1] Oestges, Клод и Бруно Клерккс. Радиосвязи MIMO: От Реального Распространения до Пространственно-временного Проекта Кода. 1-й редактор Бостон, MA: Elsevier, 2007.
[2] Correia, Луис М. и европейское Сотрудничество в области Научно-технического Исследования (Организация), редакторы Мобильные Широкополосные Мультимедийные Сети: Методы, Модели и Инструменты для 4G. 1-й редактор Амстердам ; Бостон: Нажатие Elsevier/Academic, 2006.
[3] Kermoal, J.P., Л. Шумахер, К.И. Педерсен, П. Модженсен и Ф. Фредериксен. “Стохастическая Модель Канала Радио MIMO с Экспериментальной Валидацией”. Журнал IEEE на Выбранных областях в Коммуникациях 20, № 6 (август 2002): 1211–26. https://doi.org/10.1109/JSAC.2002.801223.
[4] Jeruchim, Мишель К., Филип Балабан и К. Сэм Шэнмугэн. Симуляция Систем связи. Второй выпуск. Бостон, MA: Спрингер УС, 2000.
[5] Patzold, M., Cheng-Сянцзян Ван и Б. Хогстэд. “Две Новых Суммы основанных на синусоидах Методов для Эффективной Генерации Нескольких Некоррелированых Форм волны Релеевского замирания”. Транзакции IEEE на Радиосвязях 8, № 6 (июнь 2009): 3122–31. https://doi.org/10.1109/TWC.2009.080769.