Демодуляция квадратурных амплитуд
z = qamdemod(___,Name,Value)'OutputType','bit' устанавливает тип выхода сигнала в битах.
Демодулируйте сигнал 8-QAM и постройте график точек, соответствующих символам 0 и 3.
Сгенерируйте случайные 8-арные символы данных.
data = randi([0 7],1000,1);
Модулируйте data путем применения 8-QAM.
txSig = qammod(data,8);
Пропустите модулированный сигнал через канал AWGN.
rxSig = awgn(txSig,18,'measured');Демодулируйте принятый сигнал с помощью начальной фазы /8.
rxData = qamdemod(rxSig.*exp(-1i*pi/8),8);
Сгенерируйте ссылочные точки созвездия.
refpts = qammod((0:7)',8) .* exp(1i*pi/8);
Постройте график принятых сигнальных точек, соответствующих символам 0 и 3, и наложите ссылочное созвездие. Отображаются полученные данные, соответствующие этим символам.
plot(rxSig(rxData==0),'g.'); hold on plot(rxSig(rxData==3),'c.'); plot(refpts,'r*') text(real(refpts)+0.1,imag(refpts),num2str((0:7)')) xlabel('In-Phase') ylabel('Quadrature') legend('Points corresponding to 0','Points corresponding to 3', ... 'Reference constellation','location','nw');
Модулируйте и демодулируйте случайные данные при помощи 16-QAM с отображением символов WLAN. Проверьте, что символы входных данных соответствуют демодулированным символам.
Сгенерируйте трехмерный массив случайных символов.
x = randi([0,15],20,4,2);
Создайте пользовательское отображение символов для созвездия 16-QAM на основе стандартов WLAN.
wlanSymMap = [2 3 1 0 6 7 5 4 14 15 13 12 10 11 9 8];
Модулируйте данные и установите созвездие таким образом, чтобы оно имело модуль среднего значения степени сигнала. Постройте график созвездия.
y = qammod(x,16,wlanSymMap,'UnitAveragePower', true,'PlotConstellation',true);
Демодулируйте принятый сигнал.
z = qamdemod(y,16,wlanSymMap,'UnitAveragePower',true);Проверьте, что демодулированный сигнал равен исходным данным.
isequal(x,z)
ans = logical
1
Демодулируйте сигнал QAM с фиксированной точкой и проверьте, что данные восстановлены правильно.
Установите порядок модуляции следующим 64, и определить количество бит на символ.
M = 64; bitsPerSym = log2(M);
Сгенерируйте случайные биты. При работе в битовом режиме длина входных данных должна быть целым числом, кратным количеству бит на символ.
x = randi([0 1],10*bitsPerSym,1);
Модулируйте входные данные с помощью двоичного отображения символов. Установите модулятор, чтобы вывести данные с фиксированной точкой. Тип числовых данных подписан 16-битным размером слова и 10-битной длиной дроби.
y = qammod(x,M,'bin','InputType','bit','OutputDataType', ... numerictype(1,16,10));
Демодулируйте сигнал 64-QAM. Проверьте, что демодулированные данные соответствуют входным данным.
z = qamdemod(y,M,'bin','OutputType','bit'); s = isequal(x,double(z))
s = logical
1
Оцените эффективность скорости битовой ошибки (BER) для декодеров Viterbi с твердым и мягким решениями в AWGN. Сравните производительность с эффективностью незакодированного 64-QAM ссылки.
Установите параметры симуляции.
clear; close all rng default M = 64; % Modulation order k = log2(M); % Bits per symbol EbNoVec = (4:10)'; % Eb/No values (dB) numSymPerFrame = 1000; % Number of QAM symbols per frame
Инициализируйте векторы результатов BER.
berEstSoft = zeros(size(EbNoVec)); berEstHard = zeros(size(EbNoVec));
Установите структуру шпалеры и глубину следа для 1/2 скорости, длина ограничения 7, сверточный код.
trellis = poly2trellis(7,[171 133]); tbl = 32; rate = 1/2;
Основные циклы обработки выполняют следующие шаги:
Сгенерируйте двоичные данные
Сверточно закодируйте данные
Примените QAM-модуляцию к символам данных. Задайте среднюю степень модуля для переданного сигнала
Передайте модулированный сигнал через канал AWGN
Демодулируйте принятый сигнал с помощью жесткого решения и аппроксимируйте методы LLR. Задайте среднюю степень модуля для принимаемого сигнала
Витерби декодирует сигналы с помощью жестких и неквантованных методов
Вычислим количество битовых ошибок
The while цикл продолжает обрабатывать данные до тех пор, пока не будут обнаружены 100 ошибок или передают биты.
for n = 1:length(EbNoVec) % Convert Eb/No to SNR snrdB = EbNoVec(n) + 10*log10(k*rate); % Noise variance calculation for unity average signal power. noiseVar = 10.^(-snrdB/10); % Reset the error and bit counters [numErrsSoft,numErrsHard,numBits] = deal(0); while numErrsSoft < 100 && numBits < 1e7 % Generate binary data and convert to symbols dataIn = randi([0 1],numSymPerFrame*k,1); % Convolutionally encode the data dataEnc = convenc(dataIn,trellis); % QAM modulate txSig = qammod(dataEnc,M,'InputType','bit','UnitAveragePower',true); % Pass through AWGN channel rxSig = awgn(txSig,snrdB,'measured'); % Demodulate the noisy signal using hard decision (bit) and % soft decision (approximate LLR) approaches. rxDataHard = qamdemod(rxSig,M,'OutputType','bit','UnitAveragePower',true); rxDataSoft = qamdemod(rxSig,M,'OutputType','approxllr', ... 'UnitAveragePower',true,'NoiseVariance',noiseVar); % Viterbi decode the demodulated data dataHard = vitdec(rxDataHard,trellis,tbl,'cont','hard'); dataSoft = vitdec(rxDataSoft,trellis,tbl,'cont','unquant'); % Calculate the number of bit errors in the frame. Adjust for the % decoding delay, which is equal to the traceback depth. numErrsInFrameHard = biterr(dataIn(1:end-tbl),dataHard(tbl+1:end)); numErrsInFrameSoft = biterr(dataIn(1:end-tbl),dataSoft(tbl+1:end)); % Increment the error and bit counters numErrsHard = numErrsHard + numErrsInFrameHard; numErrsSoft = numErrsSoft + numErrsInFrameSoft; numBits = numBits + numSymPerFrame*k; end % Estimate the BER for both methods berEstSoft(n) = numErrsSoft/numBits; berEstHard(n) = numErrsHard/numBits; end
Постройте график расчетных данных жесткого и мягкого BER. Постройте график теоретической эффективности для незакодированного канала 64-QAM.
semilogy(EbNoVec,[berEstSoft berEstHard],'-*') hold on semilogy(EbNoVec,berawgn(EbNoVec,'qam',M)) legend('Soft','Hard','Uncoded','location','best') grid xlabel('Eb/No (dB)') ylabel('Bit Error Rate')
Как ожидалось, мягкое декодирование принятия решений дает наилучшие результаты.
Используйте qamdemod функция для симуляции выхода мягкого решения для OQPSK-модулированных сигналов.
Сгенерируйте модулированный сигнал OQPSK.
sps = 4; msg = randi([0 1],1000,1); oqpskMod = comm.OQPSKModulator('SamplesPerSymbol',sps,'BitInput',true); oqpskSig = oqpskMod(msg);
Добавьте шум к сгенерированному сигналу.
impairedSig = awgn(oqpskSig,15);
Выполните демодуляцию мягкого решения
Создайте эквивалентный сигнал QPSK для выравнивания в фазе и квадратуре.
impairedQPSK = complex(real(impairedSig(1+sps/2:end-sps/2)), imag(impairedSig(sps+1:end)));
Примените согласованную фильтрацию к полученному сигналу OQPSK.
halfSinePulse = sin(0:pi/sps:(sps)*pi/sps);
matchedFilter = dsp.FIRDecimator(sps,halfSinePulse,'DecimationOffset',sps/2);
filteredQPSK = matchedFilter(impairedQPSK);Для выполнения мягкой демодуляции фильтрованного сигнала OQPSK используйте qamdemod функция. Выравнивание отображения символов qamdemod с отображением символов, используемым comm.OQPSKModulator, затем демодулируйте сигнал.
oqpskModSymbolMapping = [1 3 0 2]; demodulated = qamdemod(filteredQPSK,4,oqpskModSymbolMapping,'OutputType','llr');