Фильтрация входного сигнала по многолучевому радиоканалу замирания
comm.RicianChannel Система object™ фильтрует входной сигнал по многолучевому каналу замирания Rician. Дополнительные сведения об обработке модели замирания см. в разделе Методология моделирования многолучевых каналов замирания.
Для фильтрации входного сигнала с использованием многолучевого канала Rician с замиранием:
Создать comm.RicianChannel и задайте его свойства.
Вызовите объект с аргументами, как если бы это была функция.
Дополнительные сведения о работе системных объектов см. в разделе Что такое системные объекты?.
ricianlchan = comm.RicianChannel
ricianlchan = comm.RicianChannel(Name,Value)comm.RicianChannel(' устанавливает частоту дискретизации входного сигнала равной 2.SampleRate',2)
Чтобы использовать функцию объекта, укажите объект System в качестве первого входного аргумента. Например, для освобождения системных ресурсов объекта System с именем obj, используйте следующий синтаксис:
release(obj)
В этом примере показано, как получить один и тот же многолучевой отклик канала с замиранием Rician с использованием двух различных методов генерации случайных чисел. Многолучевая система Rician fading channel System object™ включает в себя два способа генерации случайных чисел. Можно использовать текущий глобальный поток или алгоритм mt19937ar с указанным начальным числом. Взаимодействуя с глобальным потоком, объект System может создавать одинаковые выходные данные двух методов.
Создайте объект PSK-модулятора System для модуляции случайно сгенерированных данных.
pskModulator = comm.PSKModulator; channelInput = pskModulator(randi([0 pskModulator.ModulationOrder-1],1024,1));
Создайте многолучевой объект Rician fading channel System, задающий метод генерации случайных чисел как алгоритм my19937ar и начальное число случайных чисел как 73.
ricianchan = comm.RicianChannel(... 'SampleRate',1e6,... 'PathDelays',[0.0 0.5 1.2]*1e-6,... 'AveragePathGains',[0.1 0.5 0.2],... 'KFactor',2.8,... 'DirectPathDopplerShift',5.0,... 'DirectPathInitialPhase',0.5,... 'MaximumDopplerShift',50,... 'DopplerSpectrum',doppler('Bell', 8),... 'RandomStream','mt19937ar with seed', ... 'Seed',73, ... 'PathGainsOutputPort',true);
Фильтрация модулированных данных с помощью объекта многолучевого Rician fading channel System.
[RicianChanOut1, RicianPathGains1] = ricianchan(channelInput);
Задайте для объекта System использование глобального потока для генерации случайных чисел.
release(ricianchan);
ricianchan.RandomStream = 'Global stream';Задайте для глобального потока то же начальное значение, которое было указано при создании объекта системы многолучевого канала Rician с замиранием.
rng(73)
Фильтрация модулированных данных с помощью объекта системы с многолучевым замиранием Rician.
[RicianChanOut2,RicianPathGains2] = ricianchan(channelInput);
Убедитесь, что выходные сигналы усиления канала и тракта одинаковы для каждого из двух методов.
isequal(RicianChanOut1,RicianChanOut2)
ans = logical
1
isequal(RicianPathGains1,RicianPathGains2)
ans = logical
1
В этом примере показано, как создать частотно-селективный многолучевой канал замирания Rician и отобразить его импульсные и частотные характеристики.
Установите частоту дискретизации 3,84 МГц. Определение задержек и усиления тракта с помощью конфигурации пешеходного B-канала ITU. Установите коэффициент Ricic K равным 10 и максимальный доплеровский сдвиг равным 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 многолучевой объект Rician fading channel System с использованием ранее определенных свойств и для визуализации графиков импульсной характеристики и частотной характеристики.
ricianChan = comm.RicianChannel('SampleRate',fs, ... 'PathDelays',pathDelays, ... 'AveragePathGains',avgPathGains, ... 'KFactor',10, ... 'MaximumDopplerShift',fD, ... 'Visualization','Impulse and frequency responses');
Генерируйте случайные двоичные данные и передайте их по многолучевому каналу замирания Rician. График импульсной характеристики позволяет идентифицировать отдельные пути и соответствующие им коэффициенты фильтра. График частотной характеристики показывает частотно-избирательный характер пешеходного B-канала ITU.
x = randi([0 1],1000,1); y = ricianChan(x);
Пример показывает, как поддерживается состояние канала в случаях, когда данные передаются прерывисто. Создайте объект канала Rician и передайте через него данные с помощью метода sum-of-sinusoids.
Задайте 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
Определите общее время моделирования и три временных сегмента, для которых должны передаваться данные. В этом случае канал моделируется в течение 1 с частотой дискретизации 1000 Гц. Одна непрерывная последовательность данных из 1000 выборок передается в момент времени 0. Три пакета данных из 100 выборок передаются в моменты времени 0,1 с, 0,5 с и 0,8 с соответственно.
to0 = 0.0; to1 = 0.1; to2 = 0.5; to3 = 0.8; 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
Создание случайных двоичных данных, соответствующих ранее определенным 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 частотно-плоский многолучевой объект Rician fading System, задающий метод затухания суммы синусоид. Чтобы результаты можно было повторить, укажите начальное значение. Использовать значение по умолчанию InitialTime установка свойства таким образом, что канал замирания будет моделироваться с момента времени 0. Включите выходной сигнал усиления тракта.
ricianchan1 = comm.RicianChannel('SampleRate',fs, ... 'MaximumDopplerShift',5, ... 'RandomStream','mt19937ar with seed', ... 'Seed',17, ... 'FadingTechnique','Sum of sinusoids', ... 'PathGainsOutputPort',true);
Создайте клон объекта многолучевого Rician fading channel System. Установите источник для начального времени так, чтобы время смещения канала замирания можно было задать в качестве входного аргумента при использовании объекта System.
ricianchan2 = clone(ricianchan1);
ricianchan2.InitialTimeSource = 'Input port';Передача случайных двоичных данных через первый объект системы с многолучевым замиранием Rician канала, ricianchan1. Данные передаются по всем 1000 отсчетам времени. Для этого примера необходим только комплексный коэффициент усиления тракта.
[~,pg0] = ricianchan1(d0);
Передача случайных данных через второй объект системы с многолучевым замиранием Rician канала, ricianchan2, где начальные временные смещения предоставляются в качестве входных аргументов.
[~,pg1] = ricianchan2(d1,to1); [~,pg2] = ricianchan2(d2,to2); [~,pg3] = ricianchan2(d3,to3);
Сравните количество выборок, обработанных двумя каналами с помощью info объектная функция. ricianchan1 объект обработал 1000 проб, в то время как ricianhan2 объект обработал только 300 выборок.
G = info(ricianchan1); H = info(ricianchan2); [G.NumSamplesProcessed H.NumSamplesProcessed]
ans = 1×2
1000 300
Преобразуйте коэффициенты усиления тракта в децибелы.
pathGain0 = 20*log10(abs(pg0)); pathGain1 = 20*log10(abs(pg1)); pathGain2 = 20*log10(abs(pg2)); pathGain3 = 20*log10(abs(pg3));
Постройте график усиления пути для непрерывных и прерывистых случаев. Коэффициенты усиления для трех сегментов соответствуют коэффициенту усиления для непрерывного случая. Выравнивание этих двух элементов подчеркивает, что метод суммирования синусоид подходит для моделирования пакетированных данных, поскольку характеристики канала поддерживаются, 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 примере показано, как использовать ChannelFilterCoefficients свойство, возвращенное info объектная функция comm.RicianChannel Системный объект для воспроизведения выхода многолучевого канала Rician с замиранием.
Создайте многолучевой объект Rician fading channel System, определяющий два пути и указывающий данные для прохождения по каналу.
ricianchan = comm.RicianChannel('SampleRate',1000,'PathDelays',[0 1e-3], ... 'AveragePathGains',[0 -2],'PathGainsOutputPort',true)
ricianchan =
comm.RicianChannel with properties:
SampleRate: 1000
PathDelays: [0 1.0000e-03]
AveragePathGains: [0 -2]
NormalizePathGains: true
KFactor: 3
DirectPathDopplerShift: 0
DirectPathInitialPhase: 0
MaximumDopplerShift: 1.0000e-03
DopplerSpectrum: [1x1 struct]
Show all properties
data = randi([0 1],600,1);
Передача данных через канал. Назначить ChannelFilterCoefficients значение свойства переменной coeff.
[chanout1,pg] = ricianchan(data); chaninfo = info(ricianchan)
chaninfo = struct with fields:
ChannelFilterDelay: 0
ChannelFilterCoefficients: [2x2 double]
NumSamplesProcessed: 600
coeff = chaninfo.ChannelFilterCoefficients;
Вычислите дробный задержанный входной сигнал в местах задержки тракта, сохраненных в coeff.
Np = length(ricianchan.PathDelays); fracdelaydata = zeros(size(data,1),Np); for ii = 1:Np fracdelaydata(:,ii) = filter(coeff(ii,:),1,data); end
Примените выигрыши пути и подведите результаты для всех путей.
chanout2 = sum(pg .* fracdelaydata,2);
Сравните выходные данные объекта системы с многолучевым замиранием Rician канала с выходными данными, воспроизводимыми с использованием коэффициентов усиления тракта и ChannelFilterCoefficients свойство объекта System многолучевого канала Rician с замиранием.
isequal(chanout1,chanout2)
ans = logical
1
Вычислите и постройте график эмпирического и теоретического CDF для канала Rician с одним путем.
Инициализируйте параметры и создайте объект System для канала Rician.
Ns = 1.92e6; Rs = 1.92e6; dopplerShift = 2000; KFactor = -3; % dB KFactorLin = 10.^(KFactor/10); % linear chan = comm.RicianChannel( ... "SampleRate",Rs, ... "PathDelays",0, ... "KFactor",KFactorLin, ... "AveragePathGains",0, ... "MaximumDopplerShift",dopplerShift, ... "FadingTechnique","Sum of sinusoids", ... "PathGainsOutputPort",true);
Вычислите и постройте график эмпирического и теоретического CDF для канала Rician. Вычислите эмпирический CDF с помощью усиления пути.
% Empirical CDF plot [~, g] = chan(ones(Ns,1)); ecdf(abs(g)); hold on; % Theoretical CDF plot r = 0:.1:3; s = sqrt(KFactorLin)/sqrt(KFactorLin+1); sigma = sqrt(1/2)/sqrt(KFactorLin+1); exp_cdf_amplitude = cdf('Rician',r,s,sigma); plot(r,exp_cdf_amplitude') legend('Emp','Theor')
Вычислите и постройте график эмпирического и теоретического PDF для канала Rician с одним путем.
Инициализируйте параметры и создайте объект System для канала Rician.
Ns = 1.92e6; Rs = 1.92e6; dopplerShift = 2000; KFactor = -3; % dB KFactorLin = 10.^(KFactor/10); % linear sig = complex(randn(Ns,1),randn(Ns,1)); chan = comm.RicianChannel( ... "SampleRate",Rs, ... "PathDelays",0, ... "KFactor",KFactorLin, ... "AveragePathGains",0, ... "MaximumDopplerShift",dopplerShift, ... "FadingTechnique",'Sum of sinusoids', ... "PathGainsOutputPort",true);
Вычислите и постройте график эмпирического и теоретического PDF для канала Rician.
figure; hold on; % Empirical PDF plot [~, gain] = chan(sig); pd = fitdist(abs(gain),'Kernel','BandWidth',.01); r = 0:.1:3; y = pdf(pd,r); plot(r,y) % Theoretical PDF plot s = sqrt(KFactorLin)/sqrt(KFactorLin+1); sigma = sqrt(1/2)/sqrt(KFactorLin+1); exp_pdf_amplitude = pdf('Rician',r,s,sigma); plot(r,exp_pdf_amplitude') legend('Empirical','Theoretical')
comm.RicianChannel Объект системы позволяет визуализировать импульсную характеристику канала, частотную характеристику и доплеровский спектр.
Примечание
Отображаемые и заданные местоположения усиления тракта могут отличаться на 5% от времени входной выборки.
Скорость отображения изображения контролируется комбинацией SamplesToDisplay и пункт меню «Воспроизведение» > «Уменьшить обновления для повышения производительности». Уменьшение процента отображаемых образцов и включение сокращенных обновлений может ускорить визуализацию области визуализации.
После закрытия областей визуализации вручную вызовы объекта System выполняются с нормальной скоростью.
Создание кода доступно только в том случае, если Visualization свойство имеет значение 'Off'.
Импульсная характеристика
Область импульсной характеристики отображает коэффициенты усиления тракта, коэффициенты канального фильтра и интерполированные коэффициенты усиления тракта. Усиление тракта происходит в моменты времени, соответствующие указанному PathDelays свойство и может не быть выровнено со временем входной выборки. Коэффициенты канального фильтра используются для моделирования канала. Они интерполируются из фактических коэффициентов усиления тракта и выравниваются с входным временем дискретизации. В случаях, когда коэффициенты усиления тракта выравниваются с временем дискретизации, коэффициенты усиления тракта перекрывают коэффициенты фильтра. Интерполяция Sinc используется для соединения коэффициентов канального фильтра и показана как интерполированные коэффициенты усиления тракта. Эти точки используются исключительно для целей отображения и не используются при последующей фильтрации каналов. Для плоского канала замирания (один путь) кривая интерполяции sinc не отображается. Для всех графиков импульсной характеристики номера кадров и образцов отображаются в левом верхнем углу области видимости.
График импульсной характеристики использует те же панели инструментов и меню, что и dsp.ArrayPlot Системный объект.
Когда указанные коэффициенты усиления тракта выравниваются с частотой дискретизации, коэффициенты усиления тракта и коэффициенты канального фильтра перекрываются. На этом рисунке импульсная характеристика показывает, что коэффициенты фильтрации перекрываются усилениями траектории.
Если указанные коэффициенты усиления тракта не выровнены с частотой дискретизации, то коэффициенты усиления тракта и канального фильтра не перекрываются. На этом рисунке коэффициенты фильтра распределены поровну. Коэффициенты усиления тракта не перекрываются с коэффициентами канального фильтра, поскольку коэффициенты усиления тракта не выровнены с частотой дискретизации.
На этом рисунке показана импульсная характеристика для частотно-плоского канала. В этом случае интерполированные коэффициенты усиления тракта не отображаются.
Частотная характеристика
Область частотной характеристики отображает спектр канала многолучевого рэлеевского замирания, принимая дискретное преобразование Фурье коэффициентов канального фильтра. График частотной характеристики использует те же панели инструментов и меню, что и dsp.SpectrumAnalyzer Системный объект.
Пределы оси Y графика вычисляются на основе NormalizePathGains и AveragePathGains свойства comm.RicianChannel Системный объект.
В этой таблице показаны другие выбранные параметры спектра по умолчанию. Эти параметры можно изменить с помощью меню «Просмотр» > «Параметры спектра».
| Настройки спектра | Стоимость |
|---|---|
| Основные параметры > Тип |
|
| Главные параметры > Длина окна | Длина канального фильтра |
| Основные параметры > NFFT |
|
| Параметры окна > Окно |
|
| Параметры трассировки > Единицы измерения |
|
На этом рисунке показан график частотной характеристики для частотно-селективного канала.
Доплеровский спектр
График доплеровского спектра отображает теоретический доплеровский спектр и эмпирически определенные точки данных. Теоретические данные отображаются как линия для случая нестатических каналов и как точка для статических каналов. Эмпирические данные отображаются в виде символов *. Перед обновлением эмпирического графика внутренний буфер должен быть полностью заполнен отфильтрованными гауссовыми образцами. Эмпирический график представляет собой среднее значение спектра, вычисленное из каждого полного буфера. Для нестатических каналов количество входных выборок, необходимых перед следующим обновлением, отображается в левом верхнем углу графика. Необходимое количество выборок является функцией частоты выборок и максимального доплеровского сдвига. Для статических каналов текст "Reset fading channel for next update"отображается.
[1] Эштжес, Клод и Бруно Клеркс. Беспроводная связь MIMO: от распространения в реальном мире до разработки кода пространства-времени. 1-й ред. Бостон, Массачусетс: Эльсевье, 2007.
[2] Коррея, Луис М., и Европейское сотрудничество в области научно-технических исследований (Организация), ред. Мобильные широкополосные мультимедийные сети: методы, модели и инструменты для 4G. 1-я ед. Амстердама; Бостон: Elsevier/Академическая пресса, 2006.
[3] Кермоал, Дж. П., Л. Шумахер, К. И. Педерсен, П. Е. Могенсен, Ф. Фредериксен. «Стохастическая модель радиоканала MIMO с экспериментальной проверкой». IEEE Journal on Selected Areas in Communications 20, No. 6 (August 2002): 1211-26. https://doi.org/10.1109/JSAC.2002.801223.
[4] Иероним, Мишель К., Филипп Балабан и К. Сэм Шанмуган. Моделирование систем связи. Второе издание. Бостон, Массачусетс: Спрингер США, 2000.
[5] Патцольд, М., Чэн-Сян Ван и Б. Хогстад. «Два новых метода, основанных на сумме синусоид, для эффективного генерирования множественных некоррелированных волн релейного замирания». Транзакции IEEE по беспроводной связи 8, № 6 (июнь 2009 г.): 3122-31. https://doi.org/10.1109/TWC.2009.080769.
comm.AWGNChannel | comm.ChannelFilter | comm.MIMOChannel | comm.RayleighChannel | comm.WINNER2Channel