直接序列扩频通信系统仿真.docx
《直接序列扩频通信系统仿真.docx》由会员分享，可在线阅读，更多相关《直接序列扩频通信系统仿真.docx（9页珍藏版）》请在冰点文库上搜索。
直接序列扩频通信系统仿真
直接序列扩频通信系统仿真
直接序列扩频通信系统仿真
一、实验的背景及内容
1、直接扩频通信背景
扩频通信，即扩展频谱通信（SpreadSpectrumCommunication），它与光纤通信、卫星通信，一同被誉为进入信息时代的三大高技术通信传输方式。
有关扩频通信技术的观点是在1941年由好莱坞女演员HedyLamarr和钢琴家GeorgeAntheil提出的。
解决了短距离数据收发信机、如：
卫星定位系统（GPS）、移动通信系统、WLAN（IEEE802.11a,IEEE802.11b,IEE802.11g）和蓝牙技术等应用的关键问题。
扩频技术也为提高无线电频率的利用率（无线电频谱是有限的因此也是一种昂贵的资源）提供帮助。
扩频通信技术自50年代中期美国军方便开始研究，一直为军事通信所独占，广泛应用于军事通信、电子对抗以及导航、测量等各个领域。
直到80年代初才被应用于民用通信领域。
为了满足日益增长的民用通信容量的需求和有效地利用频谱资源，各国都纷纷提出在数字峰窝移动通信、卫星移动通信和未来的个人通信中采用扩频技术，扩频技术现已广泛应用于蜂窝电话、无绳电话、微波通信、无线数据通信、遥测、监控、报警等等的系统中。
2、实验的内容及意义
本次实验主要研究了直接序列扩频系统，建立了直接序列扩频系统的matlab仿真模型，在信道中存在高斯白噪声和干扰的情况下，对系统误码率性能进行了仿真及分析。
近年来，随着超大规模集成电路技术、微处理器技术的飞速发展，以及一些新型元器件的应用，扩频通信在技术上已迈上了一个新的台阶，不仅在军事通信中占有重要地位，而且正迅速地渗透到了个人通信和计算机通信等民用领域，成为新世纪最有潜力的通信技术之一因此研究扩频通信具有很深远的意义。
本人通过此次实验，进行深入地研究学习扩频通信技术及对它进行仿真应用，将所学的知识进行归纳与总结，从而巩固通信专业基础知识，为以后的个人学习和工作打下基础。
二、直接扩频通信简介
1、直接扩频通信的理论基础
扩频通信可简单表述如下：
“扩频通信技术是一种信息传输方式，其信号所占有的频带宽度远大于所传信息必需的最小带宽；频带的扩展是通过一个独立的码序列来完成，用编码及调制的方法来实现的，与所传信息数据无关；在接收端则用同样的码进行相关同步接收、解扩及恢复所传信息数据”。
扩频通信是将待传送的信息数据被伪随机编码（扩频序列：
SpreadSequence）调制，实现频谱扩展后再传输;接收端则采用相同的编码进行解调及相关处理,恢复原始信息数据。
直接序列扩频的原理是，在发射端把有用信号与伪随机序列相乘（或者模二加），使信号的频谱展宽到一个很宽的范围，然后用扩展后的序列去调制载波。
在接收端，把接收到的信号用相同的伪随机序列相乘，有用信号与伪随机码相关，相乘后恢复为扩频前的信号。
直接序列扩频系统的组成原理框图如图2-1所示。
由图2-1可知，输入的数据信息为d（t）（设基带带宽为B1），由伪随机编码（如m序列）调制成基带带宽为B2的宽带信号，由于扩频信号带宽大于数据信号带宽，所以信号扩展的带宽由伪随机码控制，而与数据信号无关。
经扩频调制的信号再经射频调制后即可发送。
图2-1直扩系统的原理框图
三、直接扩频系统matlab仿真
1、直接扩频matlab仿真组成框图
直接序列扩频的matlab仿真组成框图如图3-1所示。
图3-1直接扩频仿真组成框图
由图3-1可以看出，在发送端，信码为m（t），其码元宽度为
，伪随机码为p（t）,其码元宽度为
，进行模2运算后，得到
，码元宽度称为扩频出来增益，表示为式（3-1）。
式（3-1）
由于有
<<
，所以信码的频谱被展宽了，信号在传输的过程中经过AWGN信道，被叠加了高斯白噪声，同时还受到了干扰信号的影响，最终得到的信号
包括“有用信号+高斯白噪声+干扰”。
接收端收到此信号后，经过解扩电路，得到
，对
进行码元判决，即可得到原始的输入信号。
2、m序列发生器
本次直接序列扩频通信中的伪随机序列为m序列，m序列是最长线性移位寄存器的简称。
图3-2示出的是由n级移位寄存器构成的码序列发生器示意图。
图3-2m序列发生器
3、高斯噪声
信道传输模块是指传输的信号经过AWGN信道时，不可避免地叠加了高斯白噪声信号，在本次设计中，对高斯白噪声信号的处理，是应用信号信噪比，根据
，在已知信号功率谱的条件下，可以得出信道噪声的功率谱密度函数
^2，则P=
即为单位信号所叠加上的噪声的能量，将单位信号的噪声与白噪声的概率密度函数相关，再与信号相加，即可得到信道传输的信号。
用户是由rand（）函数产生的随机码，并经过处理之后成为码值为1和-1变化的码序列，为了保证仿真的准确性，取5000个码元作为每次发送的信号，同时为了接收电路接收的方便，将信号的码值变换为0和1，再将信号重复G次，得到即将扩频的信号。
PN码发生器为6级m序列产生器，本原多项式为1+x+x4，寄存器初始值设置为[111000]，通过G次输出，与原信号码进行模二运算，即可得到扩频增益为G的扩频码输出。
5、解扩判决
接收端收到信号后，采用与发送端相同的PN序列，通过模二运算之后便可还原出输入信号。
但由于受到高斯白噪声和干扰信号的影响，此时的信号是码值为处在-G和+G之间的信号，必须通过码元判决，将大于0的码元判为1，小于0的码元判为-1，即原始信号。
误码率判决模块的程序框图如图3-3所示，接收端收到的信号与发送端发送的信号进行码元的逐个比较，如果码元相同，则不作任何操作，如果码元不同，则误码信号寄存器error加1，将最终的得到的误码个数error与发送信号的总数L的比值P=error/L即为在一定性噪比和扩频增益的条件下的系统的误码率。
四、仿真结果分析
（1）误码率
在数字通信中，误码率是一项主要的性能指标。
在实际测量数字通信系统的误码率时，一般测量结果与信源送出信号的统计特性有关。
通常认为二进制信号中0和1是以等概率随机出现的，所以测量误码率时最理想的信源应是随机信号发生器。
扩频序列通过终端机和信道后，输出仍为扩频序列。
在接收端，本地产生一个同步的扩频码，与收码序列逐位相乘再求规格化内积，再与发送端信源码进行比较，一旦有错，误码计数器加一。
误码率的数学表达式如式（4-1）所示。
（4-1）
其中S是信码个数，e是误码个数，E就是误码率。
（2）信噪比
测量通信系统的性能时，常常要使用噪声发生器，由它给出具有所要求的统计特性和频率特性的噪声，并且可以随意控制其强度，以便得到不同信噪比条件下的系统性能。
在实际测量中，往往需要用到带限高斯白噪声。
本实验中的噪声主要是我们自己添加到信道的高斯加性白噪声AWNG，它独立于信源信号。
信噪比计算是数学表达式如式（4-2）所示。
（4-2）
其中
为信码发射功率，
为噪声功率，
为信源码，
为信宿码，计算结果单位为dB。
五、心得体会
通过这次直接扩频系统的仿真实验，我们加深了对扩频理论知识的理解。
懂得了直接扩频系统的原理所在，并且经过分析，自己应用MATLAB实现了直接扩频系统的仿真，掌握了一定的软件仿真能力。
通过频谱分析，更使我们了解到了直接扩频的抗干扰性能。
在实践过程中，我们小组也遇到了一些问题，但是我们通过讨论以及查阅资料，解决了难题。
同时，也激发了我们对扩频这门课程学习的积极性。
在此次直接扩频系统的仿真实验中，我们收获颇丰，记忆深刻，并全面培养了我们的能力。
clear
%产生n个用户的数据
forsnr=1:
20%信噪比在1到20之间变化
sum=0;
p=100;
forq=1:
p
n=20;r=9;%用户数是20个
source=randsrc（n,r）;%产生的信号源source为n*r的矩阵
%产生m序列
registerinitial=[000001];%寄存器的初始状态
feedbackline=[100001];%反馈线的状态
N=length（registerinitial）;%寄存器的长度
L=2^N-1;%周期
registerdata=zeros（1,L）;
registering=zeros（1,L）;
fori=1:
n
taps=rem（registerinitial*feedbackline',2）;
registerinitial=[taps,registerinitial（1:
N-1）];%右移一位
registering=registerinitial;
k=0;
ss=0;
%while和if的作用是判断一个循环是否结束
whiless==0
k=k+1;
registerdata（1,k）=registering（1,1）;
taps=rem（registering*feedbackline',2）;
registering=[taps,registering（1:
N-1）];
ifregisterinitial==registering
ss=1;
end
end
spreadcode（i,:
）=registerdata;
end
spreadcode;%扩频码spreadcode为n*L的矩阵
%扩频
spreadspectrum=zeros（n,L,r）;
fork1=1:
r
fork2=1:
n
spreadspectrum（k2,:
k1）=source（k2,k1）*spreadcode（k2,:
）;
end
end
spreadspectrum;%对信号源进行扩频n*L*r每一个n*L维数组为n个用户各一个码元扩频
%信道中加噪声
noise_power=10*log10（L）-snr;
noise=wgn（n,L,noise_power）;
source_noise=zeros（n,L,r）;
fork3=1:
r
source_noise（:
:
k3）=spreadspectrum（:
:
k3）+noise;
end
source_noise;%加噪声后的信号source_noise为n*L*r的矩阵
%解扩
despreading=zeros（n,r）;
e=spreadcode';
fork4=1:
r
fork5=1:
ndespreading（k5,k4）=source_noise（k5,:
k4）*e（:
k5）*inv（spreadcode（k5,:
）*e（:
k5））;
end
end
despreading;%despreading为n*r的矩阵
%判决
fori=1:
n
forj=1:
r
ifdespreading（i,j）>0
despreading（i,j）=1;
else
despreading（i,j）=-1;
end
end
end
despreading;
%计算误符号率
[number,ratio]=symerr（source,despreading）;
sum=sum+ratio;
end
sum;
average_ratio=sum/p;
semilogy（snr,average_ratio,'*'）
ylabel（'误码率'）;
xlabel（'信噪比'）;
holdon;
end
升级会员 