有关Nakagamim 衰落的小论文.docx
《有关Nakagamim 衰落的小论文.docx》由会员分享，可在线阅读，更多相关《有关Nakagamim 衰落的小论文.docx（9页珍藏版）》请在冰点文库上搜索。
有关Nakagamim衰落的小论文
有关Nakagami-m衰落的小论文
Nakagami-m衰落信道仿真分析
专业电子信息工程
姓名康鸿博
学号141308010025
摘要
随着科学技术的发展，通信的应用领域越来越广泛，如深空通信、光通信等都是比较新的研究方向，面对越来越复杂的信道环境，传统经典的信道模型在应用上往往受限，或者需要针对具体的环境做出改进以提高精度，随着信道建模与仿真相关课题的研究逐步深入，通用信道模型逐渐成为研究的热点，本课题所研究的基于Nakagami的信道仿真与实现就是立足于信道的通用性，既包含了经典的信道模型，又兼顾更广泛的应用范围。
本篇论文主要的内容包括Nakagami衰落概率密度函数的理论分析、Nakagami衰落随机数的Matlab仿真实现、及其概率密度随m参数而变化的统计特性图。
其中最后的仿真实验是通过本文后面的附录程序给出的。
1．Nakagami-m衰落的背景介绍
研究相关Nakagami-m衰落信道仿真模型的生成方法。
相关衰落信道模型是进行多天线系统、分集研究的重要基础,通过分析Nakagami-m分布特性,提出了一种高效的相关Nakagami-m衰落信道仿真模型的生成方法,本方法适用于任意衰落参数,可以产生多条任意相关系数的等衰落相关Nakagami-m衰落信道仿真模型。
数值仿真结果表明,同以往算法,利用更小的运算量,得到了更高精度的相关Nakagami-m衰落信道仿真模型。
深空探测是人类在21世纪的三大航天活动之一。
21世纪以来，经济全球化、科技发展增速、能源危机和环境污染问题是国际公认的当代社会主要特征，在此背景下，如何更好的开发利用深空资源将成为各国共同关注的热点，新一轮的深空探测浪潮正在兴起。
深空通信系统是深空探测的纽带，是深空探测任务成功的重要保障之一。
设计并实现符合深空信道传输特性的深空信道仿真器，在深空通信领域具有重要的实用价值。
基于以上的需求，本论文研究的基于相关Nakagami衰落的信道仿真与硬件实现具有很高的研究价值和广阔的应用前景。
2.Nakagami衰落概率密度函数的理论分析
Nakagami-m分布不假定直接视距分量的存在，而是采用gamma分布的密度函数来拟合实验数据，得到近似分布，因而更加具有一般性，Nakagami-m分布的概率密度函数为：
其中
，表示衰落因子；
，表示信号平均功率；
，为Gamma函数。
Nakagami-m分布具有以下主要特性：
1．当m=0.5时，Nakagami-m分布成为单边Gaussian分布；
2.当m=1时，Nakagami-m分布即为Rayleigh分布；
3.m越大，对应的信道衰落越小，m=∞时表示没有衰落；
4.多个独立Rayleigh变量之和服从Nakagami-m分布；
如果信号的包络服从衰落因子为m（m为整数）的Nakagami-m分布，那么对应的功率服从Gamma分布；
如果令
，那么Nakagami-m分布近似于Rice分布；从上述Nakagami-m分布的特性分析可以看出，服从Nakagami-m分布的变量可以通过服从Gamma分布的变量得到，自由度为n的Gamma分布的变量又可以由Gaussian变量得到。
利用这种分解特性是最常用最便捷得到Nakagami-m信道变量的实现思路，按照这一思路，可以较为简单的产生某些特殊的单Nakagami-m信道衰落变量。
要产生更具有一般意义的任意衰落参数的多支路相关Nakagami-m信道衰落变量，问题的核心就转为如何处理几个不同变量之间参数关系的问题了，主要包括衰落参数和相关系数等。
3.Nakagami衰落随机数的Matlab仿真实现
Nakagami-m分布变量可以通过下式所述思想来实现：
主要有以下两种方法实现Nakagami衰落的图形实现：
1.整数Nakagami-m衰落信道仿真模型的产生方法，这种方法可以通过较小的运算量得到整数衰落因子的Nakagami-m分布变量，但是存在两个突出的问题，首先，整数衰落因子的限制使得这种方法只能在很小的应用范围内得以使用，再者，Nakagami-m变量的功率相关系数来近似包络相关，这种近似的误差是很大的。
而这种对信道模型的粗近似处理，对模型的合理使用的影响很大。
2.通过对
分析描述了Nakagami-m分布变量的产生方法，但同时也存在一个主要问题，就是对y的近似分解带来了误差，这种误差在小衰落因子（m≤1.5）时误差较大，也就是说，当模拟严重的信道衰落时，这种模型产生的变量与理论分布误差较大。
本文通过matlab程序实现对Nakagami衰落随机数的Matlab仿真实现。
以下具体内容为matlab的仿真实现：
上图是matlab仿真nakagami分布仿真。
上面结果是在实际的仿真环境下进行的，由图可以得到仿真结果不是平滑变化的，它是根据信道的情况发生变化的。
当m的取值越大的时候，信号的衰落就会减弱。
下面理想信道的仿真结果可以看出另一种具体形象，由于4对应的y值过大导致整个图形发生了一些变化。
由上图的m变化得知当m=1时，Nakagami-m分布即为Rayleigh分布，系数m越大，对应的信道衰落越小，可以推出当m=∞时表示没有衰落。
5.结论
本文设计了一种相关Nakagami-m衰落信道仿真模型的产生方法。
本方法适用于任意衰落参数，可以产生多条任意相关系数的等衰落相关Nakagami-m衰落信道仿真模型。
仿真分析表明，同以往的算法相比，运算量较小，而且在相关特性和概率分布特性方面的精度都优于其他方法。
通过matlab对Nakagami衰落随机数的仿真实现，我们可以很形象的观察到Nakagami衰落随机数的一些特点和随m变化的一些规律，这对研究并实现Nakagami衰落提供了很好的参考依据，对以后的科研具有很重要的意义和价值。
附录
程序如下：
用montecarlo仿真nakagami分布
函数程序：
nakagami.m
function[realamp]=nakagami（m,omaga）
r=[0:
0.1:
2];
dt=0.01;
gam=0;
forn=0:
0.01:
20
gam=gam+（n.^（m-1））.*exp（-n）.*dt;
end
tosam=0;
tocnt=0;
forrr=1:
21
pdf（rr）=（（2*m^m）*（（r（rr））^（2*m-1））*（exp（-（m/omaga）*（r（rr））^2）））/（gam*omaga^m）;
sam（rr）=round（pdf（rr）*10）;
tosam=tosam+sam（rr）;
cnt（rr）=0;
end
toamp=0;
forn1=1:
400
amp（n1）=round（rand*20）;
forn2=1:
21
ifamp（n1）==round（r（n2）*10）
cnt（n2）=cnt（n2）+1;
break;
end
end
ifcnt（n2）>sam（n2）
cnt（n2）=cnt（n2）-1;
amp（n1）=-1;
end
end
forn3=1:
21
tocnt=tocnt+cnt（n3）;
end
forn4=1:
200
number=round（rand*400）;
ifnumber==0
number=round（rand*400）;
end
realamp=amp（number）/10;
ifrealamp~=-0.1
break;
end
end
return
主程序：
main.m
m=1;
omaga=1;
r=[0:
0.1:
2];
forn=1:
6000
[realamp]=nakagami（m,omaga）;
amp（n）=realamp;
end
forn4=1:
21
cnt1（n4）=0;
end
forn1=1:
21
forn2=1:
6000
ifround（amp（n2）*10）==round（r（n1）*10）
cnt1（n1）=cnt1（n1）+1;
end
end
end
forn3=1:
21
cnt1（n3）=cnt1（n3）/600;
end
plot（r,cnt1,'b'）;
holdon;
m=3;
omaga=1;
r=[0:
0.1:
2];
forn=1:
6000
[realamp]=nakagami（m,omaga）;
amp（n）=realamp;
end
forn4=1:
21
cnt3（n4）=0;
end
forn1=1:
21
forn2=1:
6000
ifround（amp（n2）*10）==round（r（n1）*10）
cnt3（n1）=cnt3（n1）+1;
end
end
end
forn3=1:
21
cnt3（n3）=cnt3（n3）/600;
end
plot（r,cnt3,'r'）;
holdon;
m=4;
omaga=1;
r=[0:
0.1:
2];
forn=1:
6000
[realamp]=nakagami（m,omaga）;
amp（n）=realamp;
end
forn4=1:
21
cnt5（n4）=0;
end
forn1=1:
21
forn2=1:
6000
ifround（amp（n2）*10）==round（r（n1）*10）
cnt5（n1）=cnt5（n1）+1;
end
end
end
forn3=1:
21
cnt5（n3）=cnt5（n3）/600;
end
plot（r,cnt5,'black'）;
holdon;
xlabel（'r'）;
ylabel（'pdf'）;
legend（'m=1','m=3','m=4'）;
gridon;
holdoff
理想情况下的nakagami分布
x=0:
0.01:
2;
y1=2.*x.*exp（-x.*x）;
plot（x,y1）;
holdon;
y2=54.*（x.^5）.*exp（-3.*x.*x）;
plot（x,y2,'r'）;
holdon;
y3=512.*（x.^7）.*exp（-4.*x.*x）;
plot（x,y3,'black'）;
xlabel（'r'）;
ylabel（'pdf'）;
legend（'m=1','m=3','m=4'）;
gridon;
holdoff
升级会员 