（14）MATLAB莱斯（Rician）衰落信道仿真4

weixin_45333185

已于 2024-10-03 00:35:09 修改

阅读量690

点赞数 22

分类专栏：通信系统建模与仿真文章标签： matlab 开发语言算法人工智能

于 2024-10-03 00:31:23 首次发布

本文链接：https://blog.csdn.net/weixin_45333185/article/details/142687134

版权

通信系统建模与仿真专栏收录该内容

15 篇文章 0 订阅

订阅专栏

文章目录

前言
一、改写莱斯分布概率密度函数的理论值
二、仿真代码
三、仿真结果
总结

前言

本文通过将接收信号总功率设置为1，重写了莱斯衰落信道上接收信号幅度的理论PDF式。然后用MATLAB代码生成了在具有不同莱斯因子K的Ricean平坦衰落信道下接收到的信号样本，并计算了PDF的估计值。最终通过画图给出仿真结果。

一、改写莱斯分布概率密度函数的理论值

对于《（11）MATLAB莱斯（Rician）衰落信道仿真2》和《（13）MATLAB莱斯（Rician）衰落信道仿真3》中描述的一般莱斯过程，接收信号幅度的概率密度函数服从莱斯分布：

在这里插入图片描述

式中，I0()为第一类零阶修正贝塞尔函数。

另外，平坦莱斯衰落信道模型可以用Ω和K两个参数来描述。Ω为直射路径和反射路径的总功率：

在这里插入图片描述

K为直射路径与反射路径的功率比：

在这里插入图片描述

根据式（2）和式（3），莱斯衰落信道上接收信号幅度的理论PDF式（1）可改写如下：

在这里插入图片描述

下面使用该理论PDF式对莱斯衰落信道进行MATLAB建模仿真。

二、仿真代码

以下代码生成了在具有不同莱斯因子K的Ricean平坦衰落信道下接收到的信号样本。仿真中，假设直射路径和反射路径的总功率为1，即Ω = β^2 + 2σ^2 = 1。仿真结果将给出接收信号样本幅度的直方图。

代码如下：

clc
close all
clear all

%% Simulate receieved signal samples due to Ricean flat-fading

K_factors = [0, 3, 7, 12, 20];                         % 莱斯因子K，直接设置线性值
colors = {'b', 'r', 'k', 'g', 'm'};
index = 1;                                             % 多条曲线的颜色索引
N = 1e5;                                               % 样本数
figure()
for K = K_factors                                      % 每个循环，对应一个莱斯因子K
    mu = sqrt(K/(2*(K+1)));                            % 均值
    sigma = sqrt(1/(2*(K+1)));                         % 标准差
    ric = mu + sigma.*randn(1,N) + 1j*(mu + sigma.*randn(1,N)); % 生成平均功率为1的莱斯衰落样本samples
    
    % 平均功率
    display(['Average power : ', num2str(mean(abs(ric).^2))]);

    [elements_number,bin] = hist(abs(ric),50);         % 使用samples估计PDF
    plot(bin,elements_number/trapz(bin,elements_number),[colors{index}, '*']);
    
    
    % 莱斯分布的PDF理论值
    x = 0: 0.05: 3;                                    % 莱斯随机变量
    Omega = 1;                                         % 总平均功率设为1
    z = 2*x*sqrt(K*(K+1 )/Omega);                      % 修正贝塞尔函数用
    I0_z = besseli(0,z);                               % 第一类零阶修正贝塞尔函数
    pdf = (2*x*(K+1)/Omega) .* exp(-K-(x.^2*(K+1)/Omega)) .* I0_z; % 莱斯分布的PDF理论式
    hold on;
    plot(x, pdf, colors{index},'LineWidth', 1.5);
    index = index + 1 ;
end
grid on;
title('莱斯分布随机变量的概率密度');
xlabel('随机变量x');
ylabel('概率密度pdf(x)');
legend('K=0估计值', 'K=0理论值', ...
       'K=3估计值', 'K=3理论值', ...
       'K=7估计值', 'K=7理论值', ...
       'K=12估计值', 'K=12理论值', ...
       'K=20估计值', 'K=20理论值');
xlim([0 3]);