预览加载中,请您耐心等待几秒...
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

1移动无线信道的定义及分类各类信号从发射端发送出去以后,在到达接收端之前经历的所有路径统称为信道。如果其中传输的是无线电信号,电磁波所经历的路径称之为无线信道。与其他通信信道相比,无线信道是最为复杂的一种。无线传播环境是影响无线通信系统的基本因素。发射机与接受机之间的无线传播路径,因从经历简单的视距传播,到遭遇各种复杂的地物(如建筑物、山脉和树林等)所引起的反射、绕射和散射传播等而显得非常复杂。另外,移动台相对于发射台移动的方向和速度,甚至收发双方附近的移动物体也对接受信号有很大的影响。因此,这使得无线信道具有极度的随机性。移动通信信号在空间传播中所经历的衰落大体可以分为2类,即大尺度衰落和小尺度衰落,如图1所示。大尺度衰落是因为发射机与接收机之间的距离和两者之间障碍物(如山丘、森林、建筑物等)的遮蔽影响而造成的信号强度的衰减,它反映了移动信号在较大区域中的平均能量的减少或称为路径损失。而小尺度衰落是指当移动台在一个较小的范围运动时,引起接收信号的幅度、相位和到达角等的快速变化。图1移动无线信道的分类信号在传播的过程中,受各种环境的影响会产生反射、衍射和散射,这样就使得到达接收机的信号是许多路径信号的叠加,因而这些多径信号的叠加在没有视距传播情况下的包络服从瑞利分布。当多径信号中包含一条视距传播路径时,多径信号就服从莱斯分布。根据信号多径附加时延的大小,小尺度衰落又可以分为平坦衰落和频率选择性衰落。另外,由于移动台的移动性而导致接收到的信号产生多普勒频移(频率色散),根据多普勒扩展的大小,信道又可以分为快衰落信道和慢衰落信道。2瑞利分布和莱斯分布的特性在实际情况中对数字通信系统来说,调制符号的周期比由多径传播引起的时延扩展要大,因此在一个符号周期内的所有频率分量都会经历相同的衰减和相移。信道对于所有频率分量来说是平坦的,因而定义这类信道为平坦衰落信道。理论分析和实测试验结果表明:平坦衰落的幅度在大多数情况下,符合瑞利分布(rayleighdistribution)或莱斯分布(ricedistribution)。由于移动通信信道的复杂性,其仿真一般是以平坦衰落信道建模为基础的,然后在此基础上,再对频率选择性信道等进行建模和仿真。用Matlab中能生成伪随机序列的randn语句就可以得到期望的莱斯衰落序列。瑞利衰落序列可以由K=0得到。图2是一个当K=7dB时典型的莱斯衰落信号包络,衰落幅度用分贝表示。图2当K=7dB时莱斯衰落信号的包络3MATLAB仿真接下来,利用Matlab对莱斯分布的累积分布函数(CDF)进行近似估计。莱斯分布的累积分布函数是通过迭代法得到的,在每一步的迭代中利用Matlab中的find和length函数来得到符合要求的衰落序列,并使用上面产生莱斯分布的M文件rice_fading.m得到K=7dB时的莱斯分布的累积分布函数(CDF)的近似估计,如图3所示。然后通过Matlab中的hist函数得到的瑞利分布PDF的估计值与式子分析求得的PDF进行比较,结果如图4所示,所得的估计值与式子分析求得的PDF非常的接近。程序如下:functionr=rice_fading(Kdb,N,Mi)K=10^(Kdb/10);const=1/(2*(K+1));x=randn(1,N);y=randn(1,N);r=sqrt(const*((x+sqrt(2*K)).^2+y.^2));rt=zeros(1,Mi*length(r));ki=1;fori=1:length(r)rt(ki:i*Mi)=r(i);ki=ki+Mi;endr=rt;Kdb=7;N=100000;Mi=1;r=rice_fading(Kdb,N,Mi);RdB=20*log10(r);Rt=[min(RdB):max(RdB)];form=1:length(Rt)fade=find(RdB<Rt(m));Nm=length(fade);AF(m)=Nm/N;endsemilogy(Rt,AF,'k-o');set(gcf,'paperunits','centimeters');set(gcf,'papersize',[55]);设置图像大小为5cm*5cmgrid;运行结果为:图3K=7dB时莱斯分布的CDF程序如下:N=100000;x=randn(1,N);y=randn(1,N);r=sqrt(0.5*(x.^2+y.^2));step=0.1;range=0:step:3;h=hist(r,range);fr_approx=h/(step*sum(h));fr=(range/0.5).*exp(-range.^2);plot(range,fr_approx,'ko',range,fr,'k');set(gcf,'paperunits','