基于simulink的信道化接收机建模与仿真

目录

1.发送模块设计

2.接收模块的设计

3.仿真测试

4.基于matlab的误码率仿真

---

        信道化接收机建模是指在通信系统中，对接收机的行为和性能进行数学建模和分析，以便更好地理解和优化通信系统的性能。在数字通信系统中，信道化接收机的建模涉及到对信道、噪声、解调、译码等过程进行建模和分析，以预测系统的误码率、传输速率等性能指标。

下面是信道化接收机建模的一般步骤和要点：

1. 信道模型： 首先，需要建立信道模型，即描述信号在传输过程中如何受到信道影响的数学模型。常见的信道模型包括添加高斯噪声的AWGN（Additive White Gaussian Noise）信道模型、Rayleigh信道模型、Rician信道模型等。

2. 解调和译码： 根据通信系统的调制方式和编码方案，建立解调和译码的数学模型。对于数字调制，解调过程涉及信号的解调器设计，而对于编码，需要建立译码算法的模型，如硬判决（Hard Decision）或软判决（Soft Decision）。

3. 噪声建模： 对于AWGN信道，噪声通常被建模为零均值、高斯分布的随机变量。建立噪声模型是计算误码率等性能指标的关键步骤之一。

4. 误码率分析： 利用信道模型、解调和译码模型以及噪声模型，进行误码率分析。这可以通过理论分析、仿真或数值计算来实现。误码率分析可以预测在不同信噪比（SNR）下系统的性能。

5. 系统性能评估： 基于建立的模型和误码率分析，可以评估系统的性能，包括误码率、吞吐量、传输速率等指标。这有助于确定系统参数、调制方案和编码方案。

6. 优化和设计： 基于建模和性能分析的结果，可以进行系统优化和设计。例如，在提高性能的前提下，可以选择合适的调制方式、编码方案、译码算法等。

        信道化接收机建模是通信系统设计和性能评估的重要步骤之一。它可以帮助工程师更好地理解系统行为、预测性能，并为优化通信系统提供指导。

1.发送模块设计

        16QAM的基本结构，首先我来设计QAM发送段的SIMULINK仿真模块。

          基本工作流程为：将信号通过两路升余弦滤波器，得到滤波以后的信号，滤波器的作用就是为了防止码间干扰。然后将滤波以后的信号和SIN,COS相乘得到调制信号，将调制    下面一一介绍每个模块的具体参数设置以及各个部分信号的波形图。

        第一部分信号是产生一组随机的数字，作为信源，第二个模块将信号转变为QAM的调制方式的信号。他们的具体参数如下所示：

图2 随机信号的产生设置模块

图3 QAM模块的参数设置

         通过以上设置我们完成了QAM的信源发送部分了，通过SIMULINK仿真，我们可以看到16QAM发送信号的星座图，这里改变符号频率变法为，我们增加符号的采样频率来进行扩频，对于图4-4模块，设置Samples per symbol设置为10，100，200则完成了符号的频率扩展了。对于扩频的方法，我们还可以采用PN SequenceGenerator模块用来产生的扩频因子。

   

     通过升余弦滤波器后，信号的边缘可以变的比较平滑，通过生余弦滤波器后，可以防止码间干扰。使信号的正确率提高。他的具体参数设置如下：

       然后信号就是和SIN,COS相乘，SIN,COS的模块比较简单，这里就不做讨论了，通过以上的模块，我们基本了解了信号发送端的基本设计过程。

2.接收模块的设计

基本结构，来设计接收端的SIMULINK仿真模块。

        接收端的工作原理如下，当接收到的信号通过接收端，首先和SIN,COS向乘做解调，然后将解调后的信号通过升余弦滤波器后得到两路解调信号，最后得到解调数据。

    SIN,COS的模块设计，这里就不做介绍了，升余弦滤波器的设计和发送段的波形是相同的。

3.仿真测试

各个模块的波形分析

信号发送的波形

通过滤波以后的波形

载波信号

调制以后的信号

混频以后的信号

添加白噪声以后的信号

解调以后的信号

通过滤波器以后的信号

4.基于matlab的误码率仿真

function [p]=qammoto(snr_in_dB)
N=1000;
d=1;
Eav=10*d^2;
snr=10^(snr_in_dB/10);
sgma=sqrt(Eav/(8*snr));     % 16QAM调制的噪声的方差
M=16;

for i=1:N
    temp=rand;
    dsource(i)=1+floor(M*temp);
end

mapping=[ -3*d   3*d;   -d   3*d;   d   3*d;   3*d   3*d;
          -3*d     d;   -d     d;   d     d;   3*d     d;
          -3*d    -d;   -d    -d;   d    -d;   3*d    -d;
          -3*d  -3*d;   -d  -3*d;   d  -3*d;   3*d  -3*d];

for i=1:N,
    qam_sig(i,:)=mapping(dsource(i),:);
end;



for i=1:N,
    n=gngauss(sgma);
    r(i,:)=qam_sig(i,:)+n;
end;



numoferr=0;
for i=1:N,
    for j=1:M,
        metrics(j)=(r(i,1)-mapping(j,1))^2+(r(i,2)-mapping(j,2))^2;
    end;
    [min_metric decis]=min(metrics);
    if(decis~=dsource(i)),
        numoferr=numoferr+1;
    end;
end;

p=numoferr/(N);
A01-10