基于经典谱估计的多普勒频移算法.docx
《基于经典谱估计的多普勒频移算法.docx》由会员分享，可在线阅读，更多相关《基于经典谱估计的多普勒频移算法.docx（13页珍藏版）》请在冰豆网上搜索。
基于经典谱估计的多普勒频移算法
仿真程序说明文档
1．平坦衰落信道仿真
1.1仿真设计
1.产生频率为c的N01路正弦余弦信号；
2.产生在[0,2）均匀分布的随机相位，产生在[fm,fm]均匀分布的频率偏移，将随机
相位和频率偏移加入到第一步产生的每路正余弦信号中；
3.产生每路信号的衰减cosn，将第二步产生的每路信号乘以衰减cosn；
4.将加入随机相位频率偏移以及乘以衰减以后的正弦信号叠加，得到同相分量，将加入随机相位频率偏移以及乘以衰减以后的余弦信号叠加，得到正交分量；
5.由同相和正交信号分别作为实部Tc（t）和虚部Ts（t）得到平坦衰落信道的输出；
1.2程序流程图
cos（ct）cos（ct）sin（ct）sin（ct）
加入随机相位与加入随机相位与加入随机相位与加入随机相位与
频率偏移频率偏移频率偏移频率偏移
2cos1×2cos
多径叠
加
N01
×
2sin
1
×
2sin
多径叠
加
N01
×
Tc（t）
Ts（t）
实虚部相加
T（t）Tc（t）jTs（t）
1.3仿真结果
下面给出了仿真的平坦衰落信道的统计特性
图1通过信道后的接收信号包络
在图1中用信道的最大增益对衰落进行了归一化。
可以看出，仿真的数据流能够较好的
符合典型的Rayleigh衰落信号。
信道在某些点会引起深度衰落。
图2通过仿真信道信号的包络概率密度函数
在图2中，绘出了当N=34时的包络分布。
可以看出当N=34时，包络分布与标准的
瑞利分布基本吻合。
随着N的增加，包络更加趋向瑞利分布，且分布函数与时间t无关，这
一点满足广义平稳过程的要求。
图3通过仿真信道信号的自相关函数
可以看出自相关函数趋近贝赛尔（Bessel）函数。
以上我们讨论了仿真信道产生的随机过程是广义平稳的，并且其信号包络、包络概率分布、自相关性等统计特性，都能与Clarke模型较好的吻合，因此能够较真实的反映信道。
2．LCR仿真
2.1仿真设计
1.信号采样：
首先对接收信号进行采样，得到输入信号的离散序列
g（n）
；
2.计算包络：
根据输入的
g（n）
序列，计算相应的包络
（n）g（n）
；
3.确定电平
R：
计算
（n）
的均方根包络电平
Rrms，使
R
Rrms；
4.估计
LLCR：
根据第二、第三步计算
（n）
和
Rrms估计
（n）
每秒通过
Rrms的次数
LLCR；
5.求解
v：
进行数值计算，求
LCR
法的速度估计值
v；
v
cLLCR
2e
1
其中，c为载波波长。
2.2程序流程图
输入信号
信号采样
包络计算
数据暂存
Rrms
包络通
均方根包
过电平
络电平
Rrms次
rms计算
数LLCR
R
计算
速度估计值计
算
v
2.3仿真结果
图4是仿真得到的电平通过率法的速度估计性能曲线。
图4电平通过率法估计性能
从图4中可以看到，信噪比越高，估计值越接近真实值。
在信噪比为5dB时，电平通
过率法仍能保证随着多普勒频移的提高，估计值也是上升的。
电平通过率法估计出的多普勒
频移偏差较大，在信噪比大于10dB时，多普勒频移的估计精度也不高。
3．COV仿真
3.1仿真设计
1.信号采样：
首先对接收到的信号进行采样，得到离散序列
g（n）；
2.计算平方包络
r（n）：
根据输入的
g（n）序列，计算相应的平方包络r（n）g（n）
2
；
3.
rr（0）
2
rr
（0）
：
计算r（n）
g（n）
的自协方差
计算自协方差
N
r2（n））/N
N
r（n）/N）2
0）（
（
n
1
n1
其中，N为进行一次速度估计所用的
g（n）序列的长度。
可以设定为不同的长度，
一般来讲，N越长，估计得越准确，但是需要的存储空间等资源也越大。
4.估计V，根据下式估计V
1
N1
r（n））2
V
（r（n
1）
N
1n1
5.求解速度v：
进行数值计算，求解速度估计值
vcV
2Tsrr（0）
3.2程序流程图
输入信号
信号采样
均方包络计算
自协方差
估计
V值估计
rr（0）V
速度估计值计算
V
3.3仿真结果
图5给出了加性高斯白噪声对协方差法速度估计的影响。
仿真环境为瑞利衰落信道且为
各向同性散射。
图5协方差函数法估计性能
可以看出，随着信噪比增加，速度估计的灵敏度有明显的改善。
图5画出的是较差性能，
即当0时，协方差法的性能。
对任何>0，都会减少由白噪声引起的协方差法的偏差。
但是，协方差法的速度估计精确度会随着的增大而降低。
4．功率谱估计
4.1仿真设计
1.首先对信号进行采样，得到离散序列g（n）；
2.根据离散序列
g（n），计算AR模型阶数
P；
3.根据离散序列
g（n），计算AR模型系数
a；
4.根据第二步第三步求出的
P和a，利用
g（n），由pyulear计算功率谱密度。
4.2程序流程图
输入信号
信号采样
计算AR计算AR
模型阶数模型系数
pa
计算每个频率
点上的功率谱
密度值
功率谱密
度归一化
信号功率谱密度
4.3仿真结果
图6是方针得到的接收信号（fm=100Hz，散射系数k=5，SNR=20dB）的归一化多普勒功率谱图。
图6多普勒功率谱
从图6可以看出，在最大多普勒频移处，多普勒功率谱趋向于无穷。
曲线能够很好的符合经典多普勒功率谱密度。
5．HSM仿真
5.1仿真设计
1.首先对接收信号进行采样，得到离散序列g（n）；
2.根据g（n）,利用AR模型的Yule-walker方法估计
g（n）的功率谱密度；
3.对功率谱密度求积分，得到功率谱密度的四阶矩
c4；
4.对功率谱密度求积分，得到功率谱密度的六阶矩
c6；
5.求解速度v。
根据数值计算，求解速度
v；
5.2程序流程图
输入信号
信号采样
信号功率谱估计
计算四阶计算六阶
谱矩谱矩
c4c6
速度估计值计算
V
5.3
仿真结果
图7~图10给出了在实际最大多普勒频移分别为
50Hz、100Hz、150Hz、200Hz时，算
法估计出的最大多普勒频移的分布情况。
在每个实际最大多普勒频移下的估计值的数量为
1600
，信噪比SNR的变化范围为从6dB到20dB。
图7SNR从6dB到20dB变化时估计出的fm的分布（实际fm=50Hz）
图8SNR从6dB到20dB变化时估计出的fm的分布（实际fm=100Hz）
图9SNR从6dB到20dB变化时估计出的fm的分布（实际fm=150Hz）
图10
SNR从6dB到20dB变化时估计出的
fm的分布（实际fm=200Hz）
从图7~图10可以看出，估计出的fm集中分布在实际
fm周围，实际fm从50Hz增加到
200Hz，估计出的
fm都有较好的精度。
升级会员 