瑞利衰落信道仿真（Python）

2024年4月24日16:46:31更新：
（这个比较正确）

重点是这个对数阴影衰落

    import numpy as np

    # Define distance-dependent path-loss function
    def path_loss(d):
        return 128.1 + 37.6 * np.log10(d)

    # Set the number of channels
    num_channels = 10

    # Simulate distances (assuming random distances for this example)
    distances = np.random.rand(num_channels) * 10  # Distances in kilometers

    # Calculate path loss for each channel
    path_loss_dB = path_loss(distances)

    # Apply log-normal shadowing (10 dB standard deviation)
    shadowing = np.random.normal(scale=10, size=num_channels)

    # Convert path loss from dB to linear scale
    path_loss_linear = np.power(10, -path_loss_dB / 10)

    # Generate Rayleigh fading coefficients (complex numbers)
    fading = np.random.rayleigh(size=num_channels) * np.exp(2j * np.pi * np.random.rand(num_channels))

    # Combine path loss, shadowing, and fading  log(10^(-shadowing/10)=e^(-shadowing / 10) 正好就是对数正态分布
    channel_coefficients = fading * np.sqrt(path_loss_linear) * np.exp(-shadowing / 10)

    # Print the channel coefficients
    print(channel_coefficients)

ChatGPT答案：

import numpy as np

def generate_rayleigh_channel(num_samples):
    # 生成实部和虚部，均为高斯分布 N(0, 1/2)
    real_part = np.random.normal(0, np.sqrt(0.5), num_samples)
    imag_part = np.random.normal(0, np.sqrt(0.5), num_samples)

    # 合成复数形式的瑞利衰落系数
    h = real_part + 1j * imag_part
    return h

# 生成样本数量
num_samples = 1000

# 生成瑞利信道系数
h = generate_rayleigh_channel(num_samples)

# 打印前10个系数
print("First 10 Rayleigh channel coefficients:", h[:10])

瑞利衰落信道模型通常用于描述多径效应下的信号衰落，其中衰落系数 ( h ) 是复数，并且其幅度服从瑞利分布，相位服从均匀分布。在复高斯分布 $\mathcal{C}\mathcal{N}(0,1)$的情况下，实际上是指 ( h ) 的实部和虚部分别独立地服从高斯分布 ( \mathcal{N}(0,1/2) )，因为复高斯分布的功率归一化到1。

下面是一个生成瑞利信道衰落系数 ( h ) 的 Python 代码示例，其中 ( h ) 的实部和虚部均服从标准高斯分布（均值为0，方差为1）：

def generate_rayleigh_channels(num_channels):   
# 生成实部和虚部   
	real_parts = np.random.normal(0, 1/np.sqrt(2), num_channels)   
	imag_parts = np.random.normal(0, 1/np.sqrt(2), num_channels)   
	# 合成复数衰落系数数组   
	h = real_parts + 1j * imag_parts   
	return h 
# 生成多个瑞利信道衰落系数
num_channels = 10
h_array = generate_rayleigh_channels(num_channels)
print("Generated Rayleigh channel fading coefficients:", h_array)

注意，由于我们希望 ( h ) 的功率归一化为1，即 ( $|h{|}^2$ ) 的期望值为1，因此我们使用标准差为 ( $1/\sqrt{2}$ ) 的高斯分布来生成实部和虚部。这是因为复数 ( h ) 的功率是实部和虚部平方和的一半，即 ( $|h{|}^2=(real\_par{t}^2+imag\_par{t}^2)/2$ )，所以需要将方差设置为 ( 1/2 )，而标准差为 ( $1/\sqrt{2}$ )。