C.Loo模型适用于乡村或郊区信道环境。该模型中,接收信号由直射分量和多径分量合成,此时的直射分量受阴影衰落影响,而多径分量未受阴影衰落的影响,又称之为部分阴影模型。
直射分量可以用Lognormal分布进行描述,而多径分量可以用Rayleigh分布来描述,则接收信号如下:
r(t)=z(t)s(t)+d(t)
z(t)表示直射分量,s(t)表示直射分量所受到的阴影衰落,d(t)表示多径分量。
当直射分量z为一定值时,接收信号包络r的概率密度函数可以用Rician分布概率密度函数来描述
用Lognormal分布概率密度函数来描述阴影衰落
通过上面两式可以得到C.Loo模型的接收信号包络r的概率密度函数
close all;
clear all;
N=100000;
u=-0.932;
sigma1=0.376;
z=0:0.01:5000;
pdf=1./(z*sigma1*sqrt(2*pi)).*exp(-(log(z)-u).^2/(2*sigma1.^2)); %lognormal概率密度函数
pdf_max=max(pdf);
U=rand(1,N)*20;
pdf_U=1./(U*sigma1*sqrt(2*pi)).*exp(-(log(U)-u).^2/(2*sigma1.^2));
V=rand(1,N)*pdf_max;
n=0;
for i=1:N
if pdf_U(i)>V(i)
n=n+1;
R_lognormal(n)=pdf_U(i);
end
end
FR=rand(1,n);
sigma0=0.158;
R_Rayleigh=sqrt(-2*sigma0*log(1-FR));
R_Loo=R_Rayleigh+R_lognormal;
Loo_hist_number=hist(R_Loo,100);
R_step=max(R_Loo)/100;
R_label=(1:100)*R_step;
for i=1:100
dz=0.001;
z=(1:2000)*dz;
% syms z
% Loo_pdf_theory(i)=int(R_label(i)/(sigma0.^2*sigma1*sqrt(2*pi))./z.*exp(-(R_label(i)^2+z.^2)/(2*sigma0.^2)-(log(z)-u).^2/(2*sigma1.^2)).*besseli(0,R_label(i)*z/sigma0.^2),0,inf);
Loo_pdf_theory(i)=sum(R_label(i)/(sigma0.^2*sigma1*sqrt(2*pi))./z.*exp(-(R_label(i).^2+z.^2)/(2*sigma0.^2)-(log(z)-u).^2/(2*sigma1.^2)).*besseli(0,R_label(i)*z/sigma0.^2)*dz);
end
figure
plot(R_label,Loo_pdf_theory)
grid on
set(gca,'GridlineStyle',':','GridColor','k','GridAlpha',1)
axis([0 3 0 2])
xlabel('信号包络r')
ylabel('概率密度fr(r)')
legend('\sigma0=0.158,\sigma1=0.376,u=--0.932')
Corazza信道模型
Corazza模型通过对参数合理设定便可适用于全信道环境,该模型通过Rician分布和Lognormal分布描述。Corazza模型中,终端接收到的信号包括直射分量和多径分量,而且传输过程中都受到阴影衰落的作用,因此该模型又称作全阴影模型。
Corazza模型下终端接收到的信号为
r(t)=[z(t)+d(t)]*s(t)
r(t)为接收到的信号;d(t)为多径分量;z(t)为直射分量;s(t)为阴影衰落。z(t)和d(t)反映信道的多径衰落,s(t)反映信道的阴影衰落,两者是相互独立的。
Corazza模型终端接收信号包络的概率密度函数为
假设阴影衰落是一定值,此时接收信号包络r的概率密度函数表示为
由此可得
z(t)和d(t)描述的多径衰落服从莱斯分布,
s(t)服从Lognormal公式
Suzuki信道模型
Suzuki模型的接收信号可表示为r(t)=d(t)*s(t)
d(t)表示纯多径分量,s(t)表示阴影衰落。
接收信号包络r的概率密度函数可定义为
而当阴影衰落s(t)保持不变的情况下,根据全概率公式,接收信号包络r的概率密度函数又可定义为
Suzuki模型的理论公式
close all;
clear all;
N=10000000;
u=0.3515;
d0=0.035;
r=1:0.01:50000;
pdf=1./(r*sqrt(2*pi*d0)).*exp(-(log(r)-u).^2/(2*d0)); % Lognormal概率密度函数
pdf_max=max(pdf);
U=rand(1,N)*20; %产生1行N列的随机数
pdf_U=1./(U*sqrt(2*pi*d0)).*exp(-(log(U)-u).^2/(2*d0));
V=rand(1,N)*pdf_max;
n=0;
for i=1:N
if pdf_U(i)>V(i)
n=n+1;
R_Lognormal(n)=pdf_U(i);
end
end
FR=rand(1,n);
sigma=0.1847;
R_Rayleigh=sqrt(-2*sigma*log(1-FR));
R_Suzuki=R_Rayleigh.*R_Lognormal;
hn=100;
Suzuki_hist_number=hist(R_Suzuki,hn);
R_step=max(R_Suzuki)/hn;
r=(1:hn)*R_step;
s = 1:0.1:50;
for i=1:hn
Suzuki_pdf_theory(i)=sum(r(i)/(sigma.^2*sqrt(2*pi*d0))./s.^3.*exp(-r(i)^2./(sigma.^2*2*s.^2)-(log(s)-u).^2/(2*d0))*0.1);
end
figure
plot(r,Suzuki_pdf_theory)
axis([0 3 0 2.5])
ylabel('概率密度fr(r)')
xlabel('信号包络r')
legend('\sigma=0.1847,d0=0.035,u=0.3515')
Suzuki概率密度函数曲线如下图所示