CDMA多用户检测的Simulink仿真研究.docx
《CDMA多用户检测的Simulink仿真研究.docx》由会员分享，可在线阅读，更多相关《CDMA多用户检测的Simulink仿真研究.docx（12页珍藏版）》请在冰点文库上搜索。
CDMA多用户检测的Simulink仿真研究
第四章仿真环境介绍及模型的建立
4.1MATLAB&Simulink简介
MATLAB软件系列产品是一套高效强大的工程技术数值运算和系统仿真软件，广泛应用于当今的航空航天、汽车制造、半导体制造、电子通信、医学研究、财经研究和高等教育等领域，被誉为“巨人肩膀上的工具”。
研发人员借助MATLAB软件能迅速测试设计构想，综合评测系统性能，快速设计更好方案来确保更高技术要求。
同时，MATLAB也是国家教委重点提倡的一种计算工具。
综合起来，MATLAB有编程效率高、使用方便、扩充能力强、语句简单，内涵丰富、高效方便的矩阵和数组运算、方便的绘图功能等特点。
动态系统是输出信号随时间变化的系统。
要描述这种系统的特性，传统的建模方法是先对系统的输入信号和输出信号进行分析，得到它们的系统方程，然后编写程序进行仿真。
这种仿真方法有两个缺点。
首先是不够直观，缺乏足够的人机交互。
由于所有的输入信号和输出信号都被抽象成数值之间的关系，仿真表现为一种计算过程，因此难以对仿真的过程进行控制，也难以对仿真的输出数据进行直观的描述和分析。
另外，这种方法缺乏系统性，尤其是在对复杂系统的处理过程中，难以采用模块化方法，从而降低了仿真程序的可读性和可扩展性。
Simulink是MATLAB提供的用于对动态系统进行建模、仿真和分析的工具包。
Simulink提供了专门用于显示输出信号的模块，可以在仿真过程中随时观察仿真结果。
同时，通过Simulink的存储模块，仿真数据可以方便地以各种形式保存到工作区或文件中，供用户在仿真结束之后对数据进行分析和处理。
另外，Simulink把具有特定功能的代码组织成模块的方式，并且这些模块可以组织成具有等级结构的子系统，因此具有内在的模块化设计要求。
基于上述优点，Simulink称为一种通用的仿真建模工具，广泛应用于通信仿真、数字信号处理、
模糊逻辑、神经网络、机械控制和虚拟现实等领域。
根据输出信号与输入信号的关系，Simulink提供3种类型的模块：
连续模块、离散模块和混合模块。
连续模块是指输出信号随着输入信号发生连续变化的模块，离散模块则是输出信号以固定间隔变化的模块。
对于连续模块，Simulink采用积分方式计算输出信号的数值，因此，连续模块主要涉及导数的计算及其积分。
离散模块的输出信号在下一个抽样时刻到来之前保持恒定，这时候Simulink只需以一定的间隔计算输出信号的数值。
混合模块是根据输入信号的类型来确定输出信号类型的，它既能够产生连续输出信号，也能够产生离散输出信号。
如果一个仿真模型中只包含离散模块，这时候Simulink采用固定步长方式进行仿真（即每个一定的间隔计算一次输出信号）。
当所有的离散模块都有相同的抽样间隔时，Simulink只需要按照这个间隔实施仿真；否则，Simulink采用多速率方式进行仿真。
多速率仿真模式的一种方案是选取一个最大可用间隔，使之适用于所有的离散模块。
这个间隔一般是各个离散模块抽样间隔的最大公约数。
对于可变步长方式，多速率仿真模式按照各个模块的抽样间隔列出系统可能的仿真时刻，在仿真时刻到来的时候只对相应的离散模块实施仿真，从而在一定程度上提高了仿真的效率。
如果仿真模型中包含了连续模块，Simulink将采用连续方式对模块进行仿真。
如果模块中既包含了连续模块，又包含了离散模块，Simulink采用两种仿真步长进行仿真。
对于其中的离散模块，Simulink可以按照离散模块的方式进行仿真，这个仿真步长称为主步长（majorstepsize）。
在每个主步长仿真中，Simulink使用小步长间隔（minorstepsize），通过积分运算得到连续状态的当前输出信号。
S-函数是系统函数（System-functions）的简称。
多情况下，Simulink模型库（SimulinkLibrary）中的模块不能完全满足用户的要求，这时候需要由用户自己来编写相应的代码。
M文件虽然能够用来编写MATLAB函数代码，但是它不具备与Simulink的接口，因此难以与Simulink其他模块一起使用。
S-函数则提供了函数代码与Simulink之间的接口，使得用户编写的代码既能够像Simulink模型库中的模块那样具有统一的仿真接口，同时能够实现各种灵活的控制和计算功能。
从这个意义上说，S-函数是对Simulink模块库功能的扩展。
S-函数的代码既可以用MATLAB语言编写，也可以用其他通用的编程语言（如C、C++、Ada或Fortran等）编写，后者具有更强的控制能力，它们被编译成MEX（MATLABEXecutable）文件，并且在仿真过程中动态装载。
4.2仿真模型的建立
本文利用Simulink平台，模拟了一个小区内十个用户的码元发送，扩频，接收，解扩，判决的CDMA通信基本过程，仿真基本流程如图4-1所示：
图4-1Simulink仿真基本流程
在每一个仿真步长（1秒）内，每个用户发送一个信息码元，10个用户则对应发送10个用户信息码元，然后用10个P=31的m序列分别对这10个用户的信息码元进行扩频（相乘）处理，然后合路相加并加入高斯白噪声。
在接收端用和发送端相同的10个m序列分别对信息码元进行解扩（相乘）处理，最后进行积分，判决，完成了对这10个用户的信息码元的恢复，即对于这10个用户中的每一个用户，一个仿真步长（1秒）内完成了一个信息码元的恢复，若要发送5000个码元，仿真时间设置为5000秒即可，这是传统单用户检测的情况。
对于线性解相关多用户检测和最小均方误差多用户检测，只需在传统单用户检测输出的基础上乘以相应算法的线性算子即可，如线性解相关多用户检测的线性算子
，最小均方误差多用户检测的线性算子
。
最后，分别计算这三种检测方法的误码率，比较它们的性能。
下面详细介绍一下仿真模型中各个主要的模块：
（1）用户信号生成模块
用户信号生成模块是利用S-函数编写了一个自定义模块，它的功能是生成随机±1序列，在S-函数的主程序中调用mdlInitializeSizes例程进行初始化，设sizes.NumContStates=0;sizes.NumDiscStates=0;sizes.NumOutputs=1;sizes.NumInputs=0;sizes.DirFeedthrough=0;sizes.NumSampleTimes=1;x0=[];ts=[10];调用mdlOutputs例程进行输出，sys=2*randint-1即可生成随机±1序列。
紧跟在用户信号生成模块之后，是一个gain模块，设置相应的增益参数即可对各个用户的功率进行控制。
（2）m序列发生器模块
运用EmbeddedMATLABFunctionblock编写了一个m序列发生器模块，模块有一个输入，一个输出，输入为对应的5级左移移位寄存器的反馈系数,输出为一个P=31的m序列。
（3）信号合路用了一个Add模块，加入一个RandomNumber模块，生成均值是0，方差为1的高斯正态分布随机信号做为噪声。
（4）积分判决
由于解扩后的输出后的信号是一个离散量，因此用一个求均值功能的模块，相当于在连续域的时间上求积分平均，判决输出用sign模块完成。
（5）解相关多用户检测和最小均方误差多用户检测的线性算子用自定义模块或和其它一些模块组合完成，如图4-2所示。
（a）解相关检测器线性算子
（b）最小均方误差检测器线性算子
图4-2线性算子模块
（6）误码率求解模块直接运用ErrorRateCalculation模块。
实际仿真模型图4-3所示：
图4-3CDMA多用检测的Simulink仿真模型
第五章仿真测试报告
本章中给出了仿真测试报告，5.1节中用编写好的MATLAB程序给出仿真结果，分析比较了传统单用户检测、线性解相关多用户检测和最小均方误差多用检测之间的误码率性能；5.2节中根据编写好的Simulink仿真模型，设置好相应的仿真参数，对比了这几种不同检测方法的误码率，以达到分析它们之间性能差异的目的。
5.1MATLAB仿真
5.1.1测试传码5000个情况下10个用户的误码率
mud.m是一个比较传统单用户检测，线性解相关多用户检测，最小均方误差多用户检测之间的误码率性能的程序，运行本程序首先出现一个对话框，等待输入相应的仿真参数，如图5-1所示：
图5-1仿真界面
其中第一行为用户数，第二行为用户信息码元个数，第三行为各个用户对应的信号功率，第四行为噪声功率，第五行为要观察的用户，默认值如图中所示。
设置用户信号功率依次为1，2，3，4，5，6，7，8，9，10是由于用户距离基站的远近不同，故信号功率有差别，用此来模拟远近效应。
信噪比的计算拿第一个用户作为基准，当噪声功率设置为10时，信噪比s/n=20lg（1/10）=-20dB。
第五行设置为1表示要观察第一个用户。
按照默认值点OK后，程序将计算第一个用户的误码率。
分别设置要检测的用户为1到10，将得到的数据整理成表格如下：
表5-1三种检测方法的误码率比较（SNR=-20dB）
用户
1
2
3
4
5
6
7
8
9
10
用户功率
1
2
3
4
5
6
7
8
9
10
传统单用户检测BER（%）
29.90
15.16
5.74
2.04
0.08
0.00
0.00
0
0
0
DEC-MUDBER（%）
28.04
14.18
4.96
1.84
0.02
0.02
0.00
0
0
0
MMSE-MUDBER（%）
29.14
14.16
4.94
1.78
0.02
0.02
0.00
0
0
0
5.1.2测试传码100000个情况下各用户误码率
为了更精确的测试这三种检测方法的优劣，以及由于远近效应引起的各用户误码率的变化，我们把用户信息码元长度设为100000，其他参数不变，得到的误码率情况如表5-2所示：
表5-2三种检测方法的误码率比较（信噪比SNR=-20dB）
用户
1
2
3
4
5
6
7
8
9
10
用户功率
1
2
3
4
5
6
7
8
9
10
传统单用户检测BER（%）
30.03
14.64
5.73
1.75
0.42
0.076
0.011
0.001
0
0
DEC-MUDBER（%）
29.24
13.76
5.12
1.42
0.29
0.053
0.006
0
0
0
MMSE-MUDBER（%）
29.17
13.66
5.04
1.42
0.29
0.052
0.006
0
0
0
通过表5-1和表5-2的统计数据，可以发现：
（1）在信噪比一定的条件下，总体上，线性解相关多用户检测要优于传统单用户检测，最小均方误差多用户检测要优于线性解相关多用户检测。
（2）信号功率较大的用户的误码率明显低于信号功率较小的用户。
5.1.3测试误码率随信噪比变化情况（考虑远近效应）
mud_plot.m是一个比较传统单用户检测，线性解相关多用户检测，最小均方误差多用户检测之间的误码率性能的程序，并做出了误码率-信噪比曲线。
程序设置为：
传码5000个，保持噪声功率30不变，10个用户初始功率为[12345678910]，改变用户的功率值，每次增加用户功率的10%，计算1000次，这样误码率从-30dB到10dB变化，做出三种检测方法误码率随信噪比变换的曲线，如图5-2所示：
图5-2误码率-信噪比曲线
从图5-2可以看出：
（1）不论是传统单用户检测，线性解相关多用户检测，还是最小均方误差多用户检测，其误码率都随着信噪比的增大而减少。
（2）在相同的信噪比水平下，解相关多用户检测器和最小均方误差多用户检测的性能明显要好于传统多用户检测，由于程序有一定的误差存在，解相关多用户检测和最小均方误差多用户检测两者的误码率性能相仿（实际上后者的性能要稍好于前者）。
5.1.4测试误码率随信噪比变化情况（去掉远近效应的影响）
若设置mud_plot.m中10个用户初始功率为[1111111111]（设置10个用户的功率相同是为了消除远近效应的影响），其他参数不变，做出这三种检测方法误码率随信噪比变换的曲线，如下图所示：
图5-3误码率-信噪比曲线（无远近效应）
从图5-3可以看出：
三条曲线几乎重合，这说明若去掉远近效应的影响，解相关多用户检测和最小均方误差多用户检测的性能接近于传统单用户检测。
5.1.5测试单用户情况
最后我们再来测试一下单用户的情况，运行mud.m文件，设置用户数为1，传码5000个，用户功率为1，噪声功率为10，需要检测的用户为1。
多运行几次程序，从仿真结果可以看出三种检测方法的误码率完全相同，例如其中一次的结果都为29.32%，这说明单用户条件下三种检测方法的性能相同。
5.2Simulink仿真
根据在4.2节中介绍的仿真模型，设置相应的参数，观察三种检测方法的误码率，分析比较它们的性能。
5.2.1改变噪声功率测试误码率随信噪比变化的情况
设置用户信息功率依次为1111111113，噪声功率从10开始逐渐增大，仿真时间设置为5000秒，观察三种检测方法误码率的变化情况。
图5-4给出了三种检测方法的误码率比较结果，图（a），（b），（c）表示Pn分别为10，15，20时的三种情况，从上到下依次为传统单用户检测，线性解相关多用户检测，最小均方误差多用户检测。
图5-4三种检测方法的误码性能比较
通过结果可以看出，三种检测方法的误码率都随着信噪比的逐渐降低而增大，并且可以明显的看出同一个信噪比时，线性解相关多用户检测和最小均方误差多用检测性能要好于传统单用户检测。
升级会员 