移动通信综合实验16QAM调制解调与信道分析Word下载.docx
《移动通信综合实验16QAM调制解调与信道分析Word下载.docx》由会员分享，可在线阅读，更多相关《移动通信综合实验16QAM调制解调与信道分析Word下载.docx（12页珍藏版）》请在冰豆网上搜索。
%%产生的随机二进制数据流
M=16;
%信号的星座尺寸
k=log2（M）;
%每个符号的比特数
n=30000;
%处理的比特数目
numSamplesPerSymbol=1;
%过采样因子
%%创建二进制数据流作为列向量
rngdefault%使用缺省随机数发生器
dataIn=randi（[01],n,1）;
%产生的二进制矢量数据
%%将二进制信号转为整数值信号
dataInMatrix=reshape（dataIn,length（dataIn）/k,k）;
%数据整形成二进制4元组
dataSymbolsIn=bi2de（dataInMatrix）;
%转换为整数
使用MATLAB函数qammod（）进行QAM的调制
%%使用16-QAM调制
dataMod=qammod（dataSymbolsIn'
M,'
bin'
）;
%二进制编码、相位偏移＝0
scatterplot（dataMod）
title（'
未加噪声的星座图'
）
axis（[-44-44]）
在信号中加入噪声
%%添加高斯白噪声
EbNo=10;
%当信道SNR计算的EB/N0=10dB
snr=EbNo+10*log10（k）-10*log10（numSamplesPerSymbol）;
%%将信号通过AWGN信道
rxSignal=awgn（dataMod,snr,'
measured'
显示星座图
%%使用scatterplot功能展示星座图
sPlotFig=scatterplot（rxSignal,1,0,'
g.'
holdon
scatterplot（dataMod,1,0,'
k*'
sPlotFig）
加了噪声的星座图'
使用MATLAB函数qamdemod（）进行QAM的解调
%%16-QAM解调
dataSymbolsOut=qamdemod（rxSignal,M,'
%%将整数值信号转为二进制信号
dataOutMatrix=de2bi（dataSymbolsOut,k）;
dataOut=dataOutMatrix（:
%返回的数据列矢量
计算解调后的误码率
%%计算系统的误码率（BER）
[numErrors,ber]=biterr（dataIn,dataOut）;
fprintf（'
\nThebinarycodingbiterrorrate=%5.2e,basedon%derrors\n'
...
ber,numErrors）
运行效果如图3
图3运行效果图
（2）QAM在高斯、莱斯和瑞利信道条件下的误码性能
思路：
先产生16QAM信号，然后先通过高斯信道引入噪声，再送入莱斯和瑞利信道后输出，通过给定不同的信噪比，画出误码率曲线。
效果结果如图4所示，代码见附录1。
图416QAM经过各信道的误码率
其中用到的各信道模型如下，并可以通过使用Y=FILTER（CHAN,X）来模拟信道Chanon对信号X的影响。
A．高斯信道：
AWGN：
在某一信号中加入高斯白噪声
y=awgn（x,SNR）在信号x中加入高斯白噪声。
信噪比SNR以dB为单位。
x的强度假定为0dBW。
如果x是复数，就加入复噪声。
y=awgn（x,SNR,SIGPOWER）如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；
如果SIGPOWER为'
，则函数将在加入噪声之前测定信号强度。
y=awgn（x,SNR,SIGPOWER,STATE）重置RANDN的状态。
y=awgn（…,POWERTYPE）指定SNR和SIGPOWER的单位。
POWERTYPE可以是'
dB'
或'
linear'
。
如果POWERTYPE是'
，那么SNR以dB为单位，而SIGPOWER以dBW为单位。
，那么SNR作为比值来度量，而SIGPOWER以瓦特为单位。
B．瑞利信道：
RAYLEIGHCHAN（TS,FD,TAU,PDB）
TS—为输入信号的采样周期
FD—就是Doppler频偏，以Hz为单位，与速率的换算关系为v×
fc/c，fc是载频
TAU—输入的信道参数，一个向量，包含了各径的延时，以s为单位
PDB—输入的信道参数，一个向量，包含了各径的功率（当然是均值啦，实际产生的能量都是以此为均值的随机量），以dB为单位。
C．莱斯信道：
RICIANCHAN（TS,FD,K）
TS—是输入信号的采样时间，以秒为单位。
FD—是最大的多普勒频移，赫兹。
K—是线性尺度上的RiceK-因子。
（3）GMSK在高斯、莱斯和瑞利信道条件下的误码性能
先产生GMSK信号，然后先通过高斯信道引入噪声，再送入莱斯和瑞利信道后输出，通过给定不同的信噪比，画出误码率曲线。
效果结果如图5所示，代码见附录2。
图5GMSK经过各信道的误码率
本次程序设计的各信道模型用到了MATLAB自带的模型类。
A．GMSK生成器：
comm.GMSKModulator（BitInput,PulseLength,SamplesPerSymbol）
▷BitInput—指定是否将输入比特或整数。
默认是false。
当为false，step方法要求输入带符号的整数或双精度型数据值的-1或1的列向量。
当为true，step方法要求输入带符号的整数或双精度型数据值的0或1的列向量
▷PulseLength—脉冲长度，默认的是4。
指定的长度的高斯脉冲形状在符号间隔作为实的正整数，GMSK为4.
▷SamplesPerSymbol—每个输出符号的样本数目，默认的是8。
指定上采样系数输出为实数、正数，标量整数值。
上采样系数的数目是的step方法用于产生每个输入样本的输出采样。
B．高斯信道生成器：
comm.AWGNChannel（'
NoiseMethod'
'
SNR'
▷NoiseMethod—噪声的方法
'
Signaltonoiseratio（Eb/No）'
，'
Signaltonoiseratio（Es/No）'
Signaltonoiseratio（SNR）'
或者，'
Variance'
▷SNR—信号功率与噪声功率之比的分贝值
C．莱斯信道生成器：
comm.RicianChannel（
SampleRate'
1e6,...
'
KFactor'
2.8,...
MaximumDopplerShift'
50,...
DopplerSpectrum'
doppler（'
Bell'
8）,...
RandomStream'
mt19937arwithseed'
Seed'
73,...
PathGainsOutputPort'
true）;
▷SampleRate—输入信号取样速率（Hz），此属性的默认值是1Hz。
▷KFactor—RicianK因子（标量或矢量线性尺度），该位的默认值3
如果KFactor是一个标量，那么第一离散路径是具有Kras系数的Ricek-因子的莱斯衰落过程。
剩下的离散路径是独立的瑞利衰落过程。
如果KFactor是行向量，则对应于K因子向量的正元素的离散路径是具有由该元素指定的瑞斯K因子的莱斯衰落过程。
与K因子向量的零值元素相对应的离散路径是瑞利衰落过程
▷MaximumDopplerShift—最大多普勒频移（赫兹），属性的默认值是0.001赫兹。
多普勒频移适用于信道的所有路径。
当将最大值DoppReSHIFT设置为0时，通道对整个输入保持静态。
可以使用RESET方法生成新的通道实现。
▷DopplerSpectrum—多普勒频谱
指定所述多普勒频谱的形状（路径）的信道。
▷RandomStream—随机数流源，此属性的默认值是Globalstream。
将随机数流的源指定为Globalstream|mt19937ar的种子。
▷Seed—初始种子的mt19937ar随机数流，默认值73
▷PathGainsOutputPort—输出信道路径增益，此属性默认值是FALSE
将此属性设置为true输出通道路径增益的衰落过程的基础。
E．瑞利信道生成器：
comm.RayleighChannel（...
1e6,...
30,...
▷属性与莱斯信道相同
六、思考及体会
通过本次实验，对各信道的模型有了一定的了解，通过误码率曲线图直观的看到了不同信道对信号的影响，为之后的学习提供了形象的解释。
附录1
%%----------------------QAM----------------------%%
%信号的星座尺寸
%每个符号的比特数
%处理的比特数目
rngdefault%使用缺省随机数发生器
%产生的二进制矢量数据
dataMod=qam_mod（dataIn）;
%数据调制
forN=-50:
20
%%高斯
%添加高斯白噪声
snr=N;
%将信号通过AWGN信道
rxSignal_Gauss=awgn（dataMod,snr,'
%信噪比以dB为单位
%16-QAM解调
dataOut_Gauss=qam_demod（rxSignal_Gauss）;
%计算系统的误码率（BER）
[numErrors,ber]=biterr（dataIn,dataOut_Gauss）;
%fprintf（'
ber,numErrors）
plot（snr,ber,'
r^'
%%瑞利
%获得瑞利信道函数
Rayleigh_chan=rayleighchan（1/10000,100）;
%采样频率1/10000，最大多普勒频移100
%将信号通过Rayleigh信道
rxSignal_Rayleigh=filter（Rayleigh_chan,rxSignal_Gauss）;
dataOut_Rayleigh=qam_demod（rxSignal_Rayleigh）;
[numErrors,ber]=biterr（dataIn,dataOut_Rayleigh）;
g*'
%%莱斯
%获得莱斯信道函数
Rician_chan=ricianchan（1/10000,100,1）;
%将信号通过Rician信道
rxSignal_Rician=filter（Rician_chan,rxSignal_Gauss）;
dataOut_Rician=qam_demod（rxSignal_Rician）;
[numErrors,ber]=biterr（dataIn,dataOut_Rician）;
b.'
holdon
end
xlabel（'
信噪比SNR'
）,ylabel（'
误码率BER'
legend（'
高斯'
瑞利'
莱斯,K=5dB'
Location'
NorthEastOutside'
16QAM下的误码率--SXF'
holdoff
16QAM-调制信号星座图--SXF'
附录2
%%----------------------GMSK----------------------%%
n=300;
sps=8;
%每个符号的采样
%创建GMSK调制器
gmskMod=comm.GMSKModulator（'
BitInput'
true,'
PulseLength'
4,'
SamplesPerSymbol'
sps）;
%创建GMSK解调器
gmskDeMod=comm.GMSKDemodulator（'
BitOutput'
%数据调制
modSigGMSK=step（gmskMod,dataIn）;
%误码率器
hError=comm.ErrorRate（'
ReceiveDelay'
gmskDeMod.TracebackDepth）;
forN=-50:
%创建高斯信道器
hAWGN=comm.AWGNChannel（'
snr）;
rxSignal_Gauss=step（hAWGN,modSigGMSK）;
%GMSK解调
dataOut_Gauss=step（gmskDeMod,rxSignal_Gauss）;
errorStats=step（hError,dataIn,dataOut_Gauss）;
fprintf（'
Errorrate=%f\nNumberoferrors=%d\n'
errorStats
（1）,errorStats
（2））
figure（3）
plot（snr,errorStats
（1）,'
RayleighChan=comm.RayleighChannel（...
%将信号通过瑞利信道
[rxSignal_Rayleigh,PathGains1]=step（RayleighChan,rxSignal_Gauss）;
%将通过AWGN信道的信号再通过瑞利信道modSigGMSK
dataOut_Rayleigh=step（gmskDeMod,rxSignal_Rayleigh）;
errorStats=step（hError,dataIn,dataOut_Rayleigh）;
errorStats
（1）,errorStats
（2））
ricianChan=comm.RicianChannel（...
%将信号通过莱斯信道
[rxSignal_Rician,RicianPathGains1]=step（ricianChan,rxSignal_Gauss）;
%将通过AWGN信道的信号再通过莱斯信道modSigGMSK
dataOut_Gauss=step（gmskDeMod,rxSignal_Rician）;
GMSK下的误码率--SXF'
升级会员 