Этот пример показывает, как создать один и тот же многолучевой ответ Канала с релеевским замиранием с использованием двух различных методов для генерации случайных чисел. Многолучевая система object™ Канала с релеевским замиранием включает в себя два способа генерации случайных чисел. Можно использовать текущий глобальный поток или алгоритм mt19937ar с заданным seed. При взаимодействии с глобальным потоком системный объект может получить те же выходы от 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 многолучевой системный объект Канала с релеевским замиранием, задав метод генерации случайных чисел как алгоритм my19937ar и начальное число 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);

Фильтрация модулированных данных при помощи многолучевого распространения Канала с релеевским замиранием Системного объекта.

[chanOut1,pathGains1] = rayleighchan(channelInput);

Установите Системный объект, чтобы использовать глобальный поток для генерации случайных чисел.

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

Установите глобальный поток таким же seed, которое было задано при создании многолучевого Канала с релеевским замиранием Системного объекта.

rng(22)

Фильтрация модулированных данных при помощи многолучевого распространения Канала с релеевским замиранием Системного объекта снова.

[chanOut2,pathGains2] = rayleighchan(channelInput);

Проверьте, что выходы усиления канала и пути одинаковы для каждого из двух методов.

isequal(chanOut1,chanOut2)

ans = logical
   1

isequal(pathGains1,pathGains2)

ans = logical
   1

Этот пример показов, как создать частотно-избирательный многолучевой Канал с релеевским замиранием Системного объекта и отобразить его импульс и частотные характеристики.

Установите частоту дискретизации 3,84 МГц. Задайте задержки и усиления пути при помощи строения ITU пешеходного B-канала. Установите максимальный доплеровский сдвиг 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 многолучевой Канал с релеевским замиранием Системного объекта с помощью ранее определенных свойств и чтобы визуализировать графики импульсной характеристики и частотной характеристики.

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

Сгенерируйте случайные двоичные данные и передайте их через многолучевой канал с релеевским замиранием. График импульсной характеристики позволяет вам 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 = rayleighchan(x);

Пример показывает, как состояние канала поддерживается в случаях, когда данные прерывисто передаются. Создайте многолучевой Канал с релеевским замиранием Системного объекта и передайте данные через него с помощью метода суммы синусоидов.

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 общее время симуляции и три временных сегмента, для которых должны быть переданы данные. В этом случае канал моделируется в течение 1 с со частотой дискретизации 1000 Гц. Одна непрерывная последовательность данных с 1000 дискретизацией передается во время 0. Три пакета данных со 100 отсчетами передаются в моменты времени 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 по частоте многолучевое Релеевское замирание Системного объекта, задав метод затухания суммы синусоидов. Чтобы результаты могли быть повторены, задайте начальное значение. Используйте InitialTime по умолчанию настройка свойства таким образом, чтобы канал с замираниями моделировался с момента 0. Включите выход коэффициента усиления пути.

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

Создайте клон многолучевого Канала с релеевским замиранием Системного объекта. Установите источник для начального времени, чтобы время смещения замирающего канала могло быть задано как входной параметр при использовании системного объекта.

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

Передайте случайные двоичные данные через первый многолучевой Канал с релеевским замиранием Системного объекта, rayleighchan1. Данные передаются за все 1000 временных выборок. В данном примере требуется только комплексное усиление пути.

[~,pg0] = rayleighchan1(d0);

Передайте случайные данные через второй многолучевой Канал с релеевским замиранием Системного объекта, rayleighchan2, где начальные смещения времени предусмотрены в качестве входных параметров.

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

Сравните количество выборок, обработанных двумя каналами с помощью info функция объекта. The rayleighchan1 объект обработал 1000 выборки, в то время как rayleighchan2 объект обработал только 300 выборки.

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

ans = 1×2

        1000         300

Преобразуйте коэффициент 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 график коэффициентов усиления пути для непрерывных и прерывистых случаев. Усиления для трех сегментов совпадают с усилением для непрерывного случая. Выравнивание двух подсвечивает, что метод суммирования синусоидов подходит для симуляции 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 этом примере показано, как использовать ChannelFilterCoefficients свойство, возвращенное info функция объекта comm.RayleighChannel Системный объект для воспроизведения многолучевого Канала с релеевским замиранием выхода через несколько системы координат.

Создайте многолучевой Канал с релеевским замиранием Системного объекта, определяющий два пути и задающий данные для прохождения 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. Назначьте ChannelFilterCoefficients значение свойства переменной coeff. В цикле for вычислите дробный задержанный входной сигнал в местах задержки пути, сохраненных в coeff, применить коэффициент усиления пути и суммировать результаты для всех путей. Сравните выход многолучевого Канала с релеевским замиранием Системного объекта (chanout1) к выходу, воспроизведенному с использованием коэффициентов усиления пути и ChannelFilterCoefficients свойство многолучевого Канала с релеевским замиранием Системного объекта (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 автокорреляция выхода усиления пути из Системного объекта канала Релея является функцией Бесселя. Основываясь на результатах в [1] и Приложении A [2], мы знаем, что, когда автокорреляция выходов усиления пути является функцией Бесселя, и Допплеровский спектр имеет форму Джейкса.

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 Системный объект канала Релея.

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 битовому потоку.

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

Пропустите модулированный 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 коэффициент усиления пути канала, принятый на антенну, вычислите автоковариацию процесса затухания для каждого пути приема и передачи.

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 

Использование besselj функция вычисляет теоретическую автоковариацию комплексного процесса затухания.

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, сравнивая результаты от Системного объекта канала Релея и функции бесселя.

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 среднюю квадратную ошибку.

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