Распространение состоит из умножающихся битов входных данных псевдослучайным или псевдошумом (PN) последовательность. Отношение битрейта псевдошумовой последовательности к скорости передачи данных называется распространяющимся фактором. Когда псевдошумовая последовательность имеет немного уровня выше, чем уровень бита данных, распространяющийся фактор больше 1. Когда распространяющийся фактор больше 1, распространение входных данных добавляет сокращение в сигнал передачи.
Распространение входных данных при помощи распространяющихся последовательностей с низкими свойствами взаимной корреляции позволяет приемнику разрешить данные отдельного пользователя после despreading полученный сигнал. Используя распространяющиеся последовательности с низкой взаимной корреляцией свойства помогает разрешить данные отдельного пользователя в лучевой среде в присутствии интерференционных сигналов.
После синхронизации сигнала на стороне приемника полученный сигнал умножается на тот же PN, который использовался передатчиком. Эта операция удаляет распространение из полученного сигнала. Идеально, после этого despreading, сигнал для пользователя интереса восстанавливается без дальнейшего вклада сигналами interferers. В системах CDMA каждый передатчик присвоен отличные коды распространения, которые имеют низкие свойства взаимной корреляции, такие как идеальные ортогональные коды или любой из PN, Золота или последовательностей Kasami.
Системы связи спектра распространения распространяют сигнал передачи по широкому диапазону частот, обычно намного шире, чем минимальная полоса пропускания, требуемая передать данные. Распространяющееся использование форма волны, которая кажется случайной любому кроме намеченного приемника переданного сигнала. Форма волны является на самом деле псевдослучайной в том смысле, что она может быть сгенерирована точными правилами, все же имеет статистические свойства действительно случайной последовательности.
Следующие разделы подсвечивают различные последовательности распространения, их свойства и характеристическую эффективность в однопользовательском или многопользовательском и одно пути или многопутевых средах передачи.
Эта модель сравнивает восстановление данных для однопользовательской системы по сравнению с 2D пользовательской системой. Данные о передаче проходят через одно путь канал AWGN в двух потоках данных, которые независимо распространены различными ортогональными кодами.
Модель использует случайные двоичные данные, который является BPSK, модулировал (действительный), распространенный ортогональными кодами длины 64, и затем передал по каналу AWGN. Приемник состоит из despreader, сопровождаемого демодулятором BPSK.
Используя те же данные о передаче, модель вычисляет эффективность BER для восстановления однопользовательских передач и 2D пользовательских передач через тождественно сконфигурированные каналы AWGN.
Результатами частоты ошибок по битам является точно то же самое для отдельных пользователей в обоих случаях. Соответствующие коэффициенты ошибок следуют совершенный despreading из-за идеальных свойств взаимной корреляции выбранных ортогональных кодов.
Чтобы экспериментировать далее, откройте модель. Измените настройки, чтобы видеть, как эффективность меняется в зависимости от различных кодов Адамара для отдельных пользователей.
Эта модель симулирует ортогональное распространение для однопользовательской системы в многопутевой среде передачи. Это похоже на мобильную среду канала, где сигналы получены по разнообразным путям. Каждый путь может иметь различные амплитуды и задержки. Приемник комбинирует независимые контуры когерентно при помощи приема разнообразия, чтобы понять усиления от многопутевых полученных передач. Смоделированная система не симулирует исчезающие эффекты, и приемник получает совершенное знание количества путей и их соответствующих задержек.
Модель использует случайные двоичные данные, который является BPSK, модулировал (действительный), распространенный ортогональными кодами длины 64, и затем передал по многопутевому каналу AWGN. Приемник состоит из despreader, объединителя разнообразия и демодулятора BPSK.
Неидеал, значения автокорреляции выбранных ортогональных кодов распространения предотвращают совершенное разрешение отдельных путей. Как следствие производительность BER не улучшается при помощи разнообразия, объединяющегося в приемнике. Для многопутевого примера, который использует псевдошумовые последовательности при распространении пользовательских данных и использует разнообразие, объединяющееся в приемнике, см., что PN Распространяется для Однопользовательской Системы в Многопутевом Канале.
Чтобы экспериментировать далее, откройте модель. Измените настройки, чтобы видеть, как эффективность варьируется для различных задержек пути или с различными кодами Адамара.
Эта модель симулирует псевдослучайное распространение для однопользовательской системы в многопутевой среде передачи. Это похоже на мобильную среду канала, где сигналы получены по разнообразным путям. Каждый путь может иметь различные амплитуды и задержки. Приемник комбинирует независимые контуры когерентно при помощи приема разнообразия, чтобы понять усиления от многопутевых полученных передач. Смоделированная система не симулирует исчезающие эффекты, и приемник получает совершенное знание количества путей и их соответствующих задержек.
Модель использует случайные двоичные данные, который является BPSK, модулировал (действительный), распространенный псевдошумовыми последовательностями, и затем передал по многопутевому каналу AWGN. Приемник состоит из despreader, объединителя разнообразия и демодулятора BPSK. Приемник достигает усилений от разнообразия, объединяющегося из-за идеальных свойств автокорреляции псевдошумовых последовательностей, используемых при распространении данных.
Чтобы экспериментировать далее, откройте модель. Измените настройки, чтобы видеть, как эффективность варьируется для различных задержек пути, или настройте параметры генератора псевдошумовой последовательности.
Эта модель симулирует псевдослучайное распространение для двух пользователей в многопутевой среде передачи. Это похоже на мобильную среду канала, где сигналы получены по разнообразным путям. Каждый путь может иметь различные амплитуды и задержки. Приемник комбинирует независимые контуры когерентно с помощью приема разнообразия, чтобы понять усиления от многопутевых полученных передач. Смоделированная система не симулирует исчезающие эффекты, и приемник получает совершенное знание количества путей и их соответствующих задержек.
Модель использует случайные двоичные данные, который является BPSK, модулировал (действительный), распространенный псевдошумовыми последовательностями, и затем передал по многопутевому каналу AWGN. Приемник состоит из despreader, объединителя разнообразия и демодулятора BPSK.
Используя те же данные о передаче, модель вычисляет эффективность для 2D пользовательских передач через тождественно сконфигурированные, многопутевые каналы AWGN.
Поскольку передачи для отдельных пользователей были распространены с помощью различных псевдошумовых последовательностей, коэффициент ошибок, вычисленный для пользователей, отличаются. Из-за более высоких свойств взаимной корреляции неортогональных псевдошумовых последовательностей, используемых, чтобы распространить данные, эффективность BER ухудшается в лучевой среде. Последовательности с высокой ортогональностью, такие как Адамар и Касами, являются лучшим выбором для лучевых сред. Для многопутевого примера, который использует кодовые последовательности Адамара при распространении пользовательских данных, смотрите Ортогональное Распространение для Многопользовательской Системы в Канале Одно Пути. Для многопутевого примера, который использует кодовые последовательности Касами при распространении пользовательских данных, смотрите Касами Спридинга для Многопользовательской Системы в Многопутевом Канале.
Чтобы экспериментировать далее, откройте модель. Измените настройки, чтобы видеть, как эффективность варьируется для различных задержек пути или с различными псевдошумовыми последовательностями для отдельных пользователей.
Для PN, Распространяющегося для Многопользовательской Системы в Многопутевом примере Канала, эффективность отдельного пользователя ухудшается для тех же условий канала, которые использовались в PN, Распространяющемся для Однопользовательской Системы в Многопутевом примере Канала. Это происходит, в основном, из-за более высоких значений взаимной корреляции между этими двумя последовательностями, которые предотвращают идеальное разделение. Однако существуют все еще преимущества для разнообразия, объединяющегося при использовании неортогонального распространения последовательности, потому что коэффициент ошибок для многопутевого канала AWGN, полученного с помощью RAKE с объединением разнообразия, почти так же хорош как AWGN-единственный случай в Ортогональном Распространении для Многопользовательской Системы в примере Канала Одно Пути.
Эта модель симулирует последовательность Kasami, распространяющуюся для двух пользователей в многопутевой среде передачи. Это похоже на мобильную среду канала, где сигналы получены по разнообразным путям. Каждый путь может иметь различные амплитуды и задержки. Приемник комбинирует независимые контуры когерентно с помощью приема разнообразия, чтобы понять усиления от многопутевых полученных передач. Смоделированная система не симулирует исчезающие эффекты, и приемник получает совершенное знание количества путей и их соответствующих задержек.
Модель использует случайные двоичные данные, который является BPSK, модулировал (действительный), распространенный последовательностями Kasami, и затем передал по многопутевому каналу AWGN. Приемник состоит из despreader, объединителя разнообразия и демодулятора BPSK.
Используя те же данные о передаче, модель вычисляет эффективность для 2D пользовательских передач через тождественно сконфигурированные многопутевые каналы AWGN.
Вычисленный BER указывает на использование распространения данных о передаче выставка последовательностей Kasami низкая взаимная корреляция. Последовательности Kasami обеспечивают баланс между идеальными свойствами взаимной корреляции ортогональных кодов и идеальными свойствами автокорреляции псевдошумовых последовательностей.
Чтобы экспериментировать далее, откройте модель. Измените настройки, чтобы видеть, как эффективность варьируется для различных задержек пути или с различными настройками генератора последовательности Kasami для отдельных пользователей.
