软件无线电技术.docx
《软件无线电技术.docx》由会员分享,可在线阅读,更多相关《软件无线电技术.docx(25页珍藏版)》请在冰点文库上搜索。
软件无线电技术
基于Matlab软件平台的点对点无线通信仿真
摘要:
点对点通信中,发送信息由发送端经信道编码,信道到达接收端。
在接收端通过均衡、抽样判决、信道译码和字符转换得到发送信息。
本实验将点对点通信系统进行MATLAB仿真分析。
关键字:
点对点;仿真分析
一、系统模型
在点对点(P2P)通信可以实现网内任意两个用户之间的信息交换。
本次实验实现的是点对点单向单工通信,即在发送端发送信号时,接收端只能进行接收,并且通信方向不可逆。
具体模块上,可分为发送模块,接收模块,信道模块。
其系统模型框图如下所示:
图1.1系统整体框图
二、简述原理
本次实验通过点对点通信,具体实现通信系统中信息的转换,信道编码,封装成帧,并通过瑞利信道。
在接收端作信道估计,并通过估计的信道信息反卷积得到发送波形。
另外,在接收端可以通过观察眼图和统计直方图来更好地分析信道和发送、接收波形。
最后,通过信道译码和比特与文本转换,得到发送的文本信息。
2.1发送模块
信息转换部分用来将待发送的文本信息转换为其ASIC码对应的二进制比特序列。
信道编码部分采用(3,1,3)重复编码,即每个比特使用三位相同的比特来表示。
0编码为‘000’,1编码为‘111’。
该编码方式增加了信息的可靠性,降低误码率,可以用来对抗信道的影响。
信道编码结束后,将信息封装成长度为1282位的帧,其中包含起始位1和终止位0。
为了简单表示,将超出帧长的部分删去。
在帧前加入长度为1500位的导频序列,其由500位二进制‘1’,500位二进制‘0’和500位二进制‘1’构成。
导频序列的加入是用来进行波形同步和信道估计。
接下来,利用SPB将发送帧扩展为发送波形,并传至已经构建好的瑞利信道。
2.2信道模块
将发送波形和信道做卷积之后可以得到接收波形。
信道为瑞利信道,具体表达式如下:
2.3接收模块
接收到波形最大值和最小值之和的1/2作为判决门限值。
在收到接收波形的基础上,利用导频序列进行同步,找到接收波形的起始点位置。
从起始点位置起,依据SPB,对波形进行抽样和判决,高于门限值的判定为1,低于门限值的判定为0。
至此,完成波形到编码序列的转换。
依据信道编码的规则,可以完成信道译码。
将之前得到的编码序列去掉重复位即可得到原序列。
由于信息经过信道,由此会产生误码,这里可依据重复码的校验方式对信号进行简单的检错和纠错。
三位码的码重有0、1、2、3四种,根据最短距离准则,码重为0、1的判定为‘000’型码字,码重为2、3的判定为‘111’型码字。
得到的信道译码序列再经过字符转换,转换为字符串。
完成了字符串从发送端到接收端的全过程。
三、仿真分析
本实验利用MATLAB软件进行仿真,在仿真中,我采用了两种信道。
第一种是源文件给出的“doubleexp”信道,另一种则是瑞利信道叠加高斯噪声。
3.1“doubleexp”信道下的点对点通信
在发送端,首先确定,发送信息为“helloworld”,经过字符转换后变成总长为88位的二进制序列。
对该二进制序列进行信道编码,即每个码字扩展成三位后再封装成帧。
通过SPB将发送序列转换为波形,并通过“doubleexp”信道。
在接收端首先对接收到的波形进行均衡,已知信道模型为
通过导频序列可以求出参数c、k、d、a的值,而通过对式
进行迭代求解,可以得到均衡后的接收波形,x(n)。
均衡前后的效果对比可以通过观察眼图来进行分析。
图3.1均衡前后的眼图对比
设定参数:
距离为15,SPB为10,起始点位置为1509。
此时眼图如上所示。
上方的图为均衡前的眼图,下方的图为均衡后的眼图。
两者对比可以发现,均衡后的眼图眼睛张开的更大,眼图更加清晰。
同时上下阴影区的间隔距离更大,也就意味着噪声容限更大,提高了判决的准确性,进而降低误码率。
另外,由于利用递推关系式计算时叠加的噪声更大,造成了眼图的线条变粗。
均衡之后进行波形到比特的转换,转换的过程中需要进行抽样判决,判决门限选取
。
接下来完成信道译码,最后再将比特转换为字符串。
在信道译码后可以统计误码率,由于该实验信道的特性,导致误码率为0,而在接收端可以有效的译码出发送信息“helloworld”。
实验发送比特和接收比特如下图:
图3.2发送比特序列和接收比特序列
实验发送波形和接收波形如下图:
图3.3发送波形和接收波形
3.3瑞利信道叠加高斯噪声
由于上述实验的信道模型过于简单,因此在此实验中考虑瑞利信道模型。
基本设置和“doubleexp”信道相同,区别在于使用的信道为瑞利信道。
设定瑞利信道L=5,即为5径。
发送波形和信道进行卷积可以得到输出波形。
同时,在输出波形上叠加上功率为0.2dBw的高斯白噪。
本次实验发送信息为“helasdofnasdf”,发送比特序列和接收比特序列如下图:
图3.4发送和接收比特序列图
发送和接收的波形图如下:
图3.5发送和接收的波形图
在设定判决门限时,由于信号为复数,所以选取其接收波形前1000个点的最大值和最小值的模值,即abs((max(rx_wave(1:
1000)+min(rx_wave(1:
1000))/2)
作为判决门限。
此相较于直接取
(max(rx_wave(1:
1000)+min(rx_wave(1:
1000))/2或者
Real((max(rx_wave(1:
1000)+min(rx_wave(1:
1000))/2)而言均具有更低的误码率。
接收信息和误码率如下图:
图3.6发送与接收信息及误码率
实验六--均衡
一、实验简介
均衡是是指对信道特性的均衡,即接收端的均衡器产生与信道相反的特性,用来抵消信道的传播特性引起的干扰。
本次实验主要包括四个子实验,分别是:
信道估计、均衡、均衡的影响和均衡效果的评估。
二、实验原理
2.1信道估计
已知信道模型如下:
接收波形的前400位是导频序列包括前150位‘0’和后250位‘1’,该导频序列可以用来做信道估计。
由于信道噪声影响,标准阶跃序列在接收端产生失真,例如幅值偏移。
利用定义好的长度为400的阶跃序列和接收信号的前400位进行匹配,即可得到相关参数值c、k、d、a,从而估计出信道。
其中c为纵坐标幅度偏置量,可通过前150个点取平均得到。
k为接收波形上端与下端的差值,可通过后150点的均值与前150点均值做差得到。
d为横轴上采样点的偏置量,由于本实验所用信道模型‘doubleexp’在采样点上没有时延,因此d的取值即为导频序列中‘0’的个数150。
a是实验中重点要得到的值,他表征拟阶跃序列上升沿的上升速率,a值可以通过迭代法求解匹配波形和接收波形在150-200点之间的最小均方根误差得到。
2.2均衡
在信道估计的基础上,加入均衡,可以降低信道对于接收波形的影响,减小误码率。
其中a的值在2.1中依据MMSE准则得到。
输出和输入的关系通过如下所示方程描述:
y为输出,x为输入,利用上述递推公式可以得到输入序列,即均衡后的结果。
均衡前后的眼图可以用来观察均衡效果。
2.3均衡的影响因素
这个实验通过给定不同的单比特采样点数(sampleperbit),通过均衡后得到眼图。
观察眼图信息,就可以得到SPB对于均衡的影响程度。
2.4均衡的评估
均衡的评估依赖于误码率的计算,通过计算均衡前和均衡后的误码率,即可对均衡效果进行评估。
同时,该实验还将不同SPB的误码率以图像的形式表示出来。
三、仿真分析
3.1信道估计
首先,选定的缺省参数为:
c=0;d=200;k=1;a=0.8。
此时的接收波形和匹配波形如下所示:
图3.1未调参数时的接收波形和匹配波形
其中,横坐标为采样点数,纵坐标为幅度值。
蓝线所示为接收波形图,由于噪声影响,标准阶跃序列的底端‘0’序列部分上升,顶端‘1’序列部分下降。
上升沿部分变得平滑,有类似于升余弦的波形出现。
红线为匹配波形。
显然,在缺省参数设置时,匹配效果不佳。
下图为调整参数值之后的接受波形和匹配波形,横坐标仍为采样点数,纵坐标为幅度值。
参数值设定为:
c=0.23;d=150;k=0.6;a=0.917。
其中,c、d、k的取值在上一部分有论述。
a的取值通过循环函数计算。
计算流程图如下:
图3.2a的计算过程
通过上述方法可以得到a=0.917。
将更新后的a的值带入方程可以观察到,此时的两个波形几乎重合,证明匹配成功。
图3.3已调参数后的接收波形和匹配波形
3.2均衡
信道模型为‘doubleexp’,已知发送波形,可以得到接收波形。
又由信道估计方程
可以得到
。
在这里,由于c和k都是偏置量,为了方便计算,我们可以假定c=0、k=1。
这样,我们就得到了递推关系式:
由上式,我们就可以导出信道均衡后的输出波形x(n)。
注意到,由于在n=1时,y(0)是没有定义的,所以需要预先假设y(0)=y
(1)。
接下来,为了观察均衡后接收波形相较于均衡前的性能提升,我们可以观察两个波形的眼图。
图3.4均衡前和均衡后的眼图
上图是SPB=20时,均衡前和均衡后的眼图对比。
由上图可以观察到,均衡后的眼图相较于均衡前更加清晰,‘眼睛’张开的更大,同时上下阴影区的间隔距离更大,也就意味着噪声容限更大,提高了判决的准确性,进而降低误码率。
另外,由于利用递推关系式计算时叠加的噪声更大,造成了眼图的线条变粗。
3.3均衡的影响因素
此实验取SPB值分别为20、15、10、3,来观察不同SPB值对于均衡的影响,仿真图如下:
图3.5SPB为20时的眼图
从图中可以观察到,均衡后相较于均衡前,眼图更加清晰,重合的更好,并且噪声容限更大。
图3.6SPB15时的眼图
此时的均衡效果更加明显。
未均衡时,噪声容限较低,容易产生误判,导致误码率上升。
同时,由于码间串扰,扫描迹线未完全重合。
均衡后噪声容限有了较大改善,同时消除了之前的码间串扰。
图3.7SPB为10时的眼图
观察上图可以发现,在SPB为10时,由于采样点个数过少,导致未进行均衡的波形码间串扰十分严重,波形严重失真。
而均衡后有了极大的改善。
图3.8SPB为3时的眼图
此时,由于SPB过低,对于发送信息的读取度严重不足,导致均衡前后的眼图都很不清晰,此时接收端已无法进行判决。
总结,当SPB较小时,信道均衡可有效改善波形。
但是当SPB小于一定值时,由于已知信息过少,信号传输速率过快,会导致均衡后的改善有限。
因此,在发送端,SPB的取值不宜过小。
2.4均衡的评估
利用误码率可以进行均衡的评估。
本实验给出了不同SPB时均衡前后的误码率比较,具体如下图:
图3.9误码率比较
上图中,红线为均衡后的误码率,蓝线为均衡前的误码率。
从上图中可以看出,当SPB值小于10时,均衡可以有效降低误码率。
但是当SPB值大于10后,均衡与否对于误码率没有影响,此时在接收端都可以正确接收。
实验7--统计分布
一、实验简介
概率密度函数是一个描述某个随机变量的输出值,在某个确定的取值点附近的可能性的函数。
对概率密度函数进行积分则可以得到累计分布函数。
本实验的目的是观察不同因素在接收端对于信号分布的影响。
主要由四部分组成:
接收信号的统计分布,取样点对于直方图的影响,发送信号分别为“0”和“1”时的统计分布,传输距离对于接收信号分布的影响。
二、实验原理
2.1接收信号的统计分布
系统实现框图如下:
图1实验原理图
发送的为全“0”信号,对于接收到的波形,对其进行抽样,该波形中所含信息完全为噪声信息。
因为噪声服从高斯分布,所以可以从波形中得到噪声的均值和方差信息,从而绘制出理论上噪声的概率密度曲线。
而实际的噪声统计分布直方图则是通过对接搜到的信号进行统计得到的。
2.2取样点数对于直方图的影响
一般而言,取样点数的多少会直接影响对于信息了解的程度。
取样点越多,则已知信息越多,在进行匹配时可以有效避免失配的发生。
实验2是在实验1的基础上,通过改变接收端的采样点数,来观察统计分布直方图和概率密度曲线的匹配程度好坏。
对已有理论认识进行验证。
2.3发送信号分别为“0”和“1”时的统计分布
设定发送信号的前640位为“0”,后640位为“1”。
在接收端对接收信号的前640位和后640位进行统计和理论估值,可以绘制统计分布直方图和理论概论密度曲线。
就本实验而言,由于其实验基础是点对点的光源通信,所以传输距离对其影响十分明显。
实验选取的传输距离为15,观察发送信号为“0”的部分可以得到噪声信息。
观察发送信号为“1”的部分可以得到噪声对于信号的影响。
2.4传输距离对于接收信号分布的影响
该实验是2.3的延伸,主要讨论了传输距离对于信号统计分布和理论估值的影响。
距离越近,则噪声影响越小,发送“0”和发送“1”的差别应该越大。
三、仿真分析
3.1接收信号的统计分布
传输距离为15,比特时间为50,采样点数为1280。
仿真结果如下所示:
图2统计分布直方图
其中,红线为理论概论密度曲线图,蓝色直方图为对各个取值作统计后得到的结果。
由于受噪声的影响,发送全“0”信号时,在接收端得到的信号分布在0.2-0.4之间。
此时,由于采样点数较大,两者拟合程度很高。
3.2取样点数对于直方图的影响
传输距离为15,比特时间为50,观察不同采样点数对统计分布直方图的影响。
仿真结果如下所示:
图3采样点为200时的统计分布直方图
由于对接收信号采样过少,很多点的信息无法获取,从而导致误判。
此时理论值红线和实际值蓝色直方图有较大差距。
图4采样点为800时的统计分布直方图
由于采样点数的提高,两者匹配程度也较采样点数为200时有了较大的提高。
由此我们可以得到结论,采样点数越大,理论值和实际值越接近。
3.3发送信号分别为“0”和“1”时的统计分布
设定发送信号为640位“0”和640位“1”,通过信道后在接收端进行统计,可以得到仿真图如下:
图5发送“0”“1”时的统计分布直方图
发送“0”时,分布区间为[0.2,0.4],发送“1”时,分布区间为[0.3,0.5]。
此时实际的统计分布直方图和理论的概率密度曲线匹配较好。
发送“1”时由于噪声影响,可以发现信号失真严重,可以通过均衡的方法来恢复信号。
3.4传输距离对于接收信号分布的影响
由于信号接收的一个很重要的影响因素就是传输距离,该实验设定距离分布为8,10,12,14,观察接收到的统计分布图。
图6距离为8的统计分布直方图
此时由于收发双发距离较近,信道噪声对于发送信号的影响较弱,导致发送“0”时,理论红线较蓝色统计分布直方图左移,噪声均值减小。
而在发送“1”时,理论红线较蓝色统计分布直方图右移了0.15左右。
表明此时对于噪声参数的估计值与实际不符。
图7距离为10的统计分布直方图
此时,理论概论密度曲线和实际的统计分布直方图的匹配较距离为8时更好。
原因是由于传输距离的增加,对噪声均值和方差的估计更准确。
图8距离为10的统计分布直方图
图9距离为12时的统计分布直方图
随着距离的增加,概率密度曲线和实际的统计分布直方图匹配的越来越好,说明对噪声的参数估计准确度上升。
而在四幅图中,随着距离的增加,统计分布直方图没有明显变化,说明统计分布直方图和距离无关,而和“0”,“1”出现的概率有关。