《基于某matlab的OFDM信号调制解调与多径传输.doc》由会员分享，可在线阅读，更多相关《基于某matlab的OFDM信号调制解调与多径传输.doc（13页珍藏版）》请在三一办公上搜索。
1、word基于matlab的OFDM信号调制和多径传输仿真一、 OFDM信号的调制OFDM系统实现的根本步骤为：首先是对待发送的序列进展串并转换，然后进展映射，再对其进展IFFT，即为OFDM信号的调制，参加循环前缀，然后发送。接收端接收到信号首先去掉循环前缀，然后进展FFT，即为OFDM信号的解调，然后在进展并串转换，最后进展判决得到接收序列。1、 产生发送序列：可以通过matlab的round(rand1，N)命令来产生一个随机的发送序列。2、 串并转换：通过matlab的reshape命令进展串并转换，需要注意的是转换后的结果是以列为单位的，不是以行为单位的。3、 16QAM调制：一般可以
2、用QPSK、M-QAM等调制方式，本次试验使用16QAM调制方式。在实验中利用所编的qam.m自己编的子函数来进展16QAM调制。4、 调制：OFDM信号的调制是利用IFFT来实现的，注意使用matlab的IFFT命令时，是对矩阵的列向量进展变换，而不是对行向量进展变换，这样经过变换后每一行的元素的频率就是一样的，而正好每一行频率都是正交的，而每一行是属于同一个子载波。5、 参加循环前缀：将IFFT变换后的后面gl个元素复制到前面，作为循环前缀，这样能抵抗由于多径时延引起的码间干扰的影响，如果循环前缀的长度大于最大时延扩展，如此在理论上说能完全消除码间干扰的影响。6、 并串转换后送入信道进展传
3、输，信号在信道中会产生多径、频偏、相偏等现象。7、 接收端进展串并转换同2；8、 去循环前缀；9、 FFT：去循环前缀之后的信号进展FFT，使用matlab的FFT命令；10、 信道估计：在此实验中是利用多径时延信道进展信息传送的，因此信号在信道中传输的过程中会出现多径时延，多普勒频移等现象，所以接收到的信号会产生严重的失真，但是如果我们知道信道对信号的影响，在接收端对信号进展恢复，从而减弱甚至抵消信道对信号的影响。本实验中使用基于LS算法的信道估计。11、 16QAM解调：在实验中利用deqam.m自己编的子函数进展16QAM解调。二、 仿真结果1、 产生的发送序列：随机产生的01序列，总数
4、为25600个，此处只画出它的前50个值；图12、 经过符号的星座映射后产生的星座图：该实验中使用16QAM进展数字调制；图23、 发送信号：图34、 接收信号：信号在信道中传输，不仅会受到噪声的影响，还会产生多径时延、多普勒频移等现象，所以信号会出现严重的失真；图45、 信道估计后信号的星座图：图5图66、 接收序列：所得的接收序列应该也是一个长度为25600的01序列，此处只画出它的前50个值；图7多径时延信道对信号的一个重要影响就是会使信号产生多径时延，如图8、9、10分别列出了最大时延为16、33和41个数据单位时信道估计后的信号的矢量图；图8图9图10从图8、9、10可以看出，随着最
5、大时延的增大，信道估计后的信号的矢量图的离散性越来越大。所以说最大时延和误码率有关。图11以上所涉与的都是4-path Rayleigh Fading channel,如下图是多径的条数和系统误码率的关系；图12从图12可以看出，在一样的信噪比下，随着信道多径条数的增大，系统的误码率也随之增大。当信道多径的条数一定时，系统的误码率随着信噪比的增大而减小。下面分析系统误码率和信噪比的关系以多径条数为4为例图13、14和15分别给出了当系统的信噪比为20,15,10dB时，信道估计后的信号的矢量图；图13图14图15从图13、14、15可以看出，随着系统信噪比的减小，信道估计后的信号与发送信号的区
6、别越来越大。如下图为基于4-path Rayleigh Fading channel的系统的信噪比和误码率的关系；图16附：本次实验用到的程序clc;clear all;rand(state,4);SNR=15;%信噪比取值，单位为dbfl=128;%fft的长度Ns=50;%设置一个帧结构中OFDM信号的个数para=128;%设置并行传输的子载波个数sr=250000;%设置符号速率br=sr*2;%设置每个子载波的比特率gl=32;%设置保护时隙的长度an=1,0.7,0.3,0.5;%每条多径的幅度增益% tn=0,1,2,3;%每条路径的相对时延，单位为uswn=rand(1,4).
7、*10;%每条路径的多普勒频移% an=rand(1,4)*2;tn=fix(rand(1,4)*0);% wn=round(rand(1,4)*10);sita=rand(1,4).*2*pi;%设置相偏%*信源发生器*signal=round(rand(1,para*Ns*4);figure(1);stem(signal(1:50);title(产生的序列);%*16QAM调制*x1=qam(signal);x=reshape(x1,para,Ns);figure(2);plot(x,o);title(产生的复信号的星座图);%*参加训练序列*training_symbols=qam(ro
8、und(rand(1,para*4);training_symbols=training_symbols;training_symbols_2=cat(2,training_symbols,training_symbols);training_symbols_4=cat(2,training_symbols_2,training_symbols_2);training_symbols_8=cat(2,training_symbols_4,training_symbols_4);x=cat(2,training_symbols_8,x);%*IFFT*y=ifft(x);ich2=real(y)
9、;qch2=imag(y);%*插入循环前缀*ich3=ich2(fl-gl+1:fl,:);ich2;qch3=qch2(fl-gl+1:fl,:);qch2;ich4=reshape(ich3,1,(fl+gl)*(Ns+8);qch4=reshape(qch3,1,(fl+gl)*(Ns+8);Trdata=ich4+qch4.*sqrt(-1);%形成复数发射数据%*参加噪声*Trdata_power=var(Trdata)+mean(Trdata)*mean(Trdata);linear_SNR=10(SNR/10);noise_sigma=Trdata_power/linear_S
10、NR;noise_factor=sqrt(noise_sigma);noise=randn(1,length(Trdata)*noise_factor;redata=Trdata+noise;% redata=Trdata;figure(3)plot(redata,o);title(参加噪声的发送信号);%*建立信道*%*得到信道的响应函数，然后令输入信号和信道响应做卷积得到输出信号q=0:max(tn);h=zeros(4,max(tn)+1);for p=1:4h(p,:)=an(p).*exp(sqrt(-1).*(wn(p).*q).*exp(sqrt(-1)*sita(p).*(di
11、rac(q-tn(p)1);endh=sum(h);s2=conv(redata,h);s3=s2(1:length(redata);figure(4)plot(s3,o);title(接收信号)%*接收端，去掉循环前缀,fft*idata=real(s3);qdata=imag(s3);idata1=reshape(idata,fl+gl,Ns+8);qdata1=reshape(qdata,fl+gl,Ns+8);idata2=idata1(gl+1:gl+fl,:);qdata2=qdata1(gl+1:gl+fl,:);Rx_data=idata2+qdata2*sqrt(-1);Rx
12、_carriers=fft(Rx_data);Rx_training_symbols=Rx_carriers(:,(1:8);Rx_carriers=Rx_carriers(:,(9:(Ns+8);%*信道估计*training_symbols=cat(2,training_symbols,training_symbols);training_symbols=cat(2,training_symbols,training_symbols);training_symbols=cat(2,training_symbols,training_symbols);Rx_training_symbols=
13、Rx_training_symbols./training_symbols;Rx_training_symbols_deno=Rx_training_symbols.2;Rx_training_symbols_deno=Rx_training_symbols_deno(:,1)+Rx_training_symbols_deno(:,2)+Rx_training_symbols_deno(:,3)+Rx_training_symbols_deno(:,4)+Rx_training_symbols_deno(:,5)+Rx_training_symbols_deno(:,6)+Rx_trainin
14、g_symbols_deno(:,7)+Rx_training_symbols_deno(:,8);Rx_training_symbols_nume=Rx_training_symbols(:,1)+Rx_training_symbols(:,2)+Rx_training_symbols(:,3)+Rx_training_symbols(:,4)+Rx_training_symbols(:,5)+Rx_training_symbols(:,6)+Rx_training_symbols(:,7)+Rx_training_symbols(:,8);% Rx_training_symbols_num
15、e=conj(Rx_training_symbols_nume);Rx_training_symbols=Rx_training_symbols_nume./Rx_training_symbols_deno;Rx_training_symbols2=cat(2,Rx_training_symbols,Rx_training_symbols);Rx_training_symbols4=cat(2,Rx_training_symbols2,Rx_training_symbols2);Rx_training_symbols8=cat(2,Rx_training_symbols4,Rx_trainin
16、g_symbols4);Rx_training_symbols16=cat(2,Rx_training_symbols8,Rx_training_symbols8);Rx_training_symbols32=cat(2,Rx_training_symbols16,Rx_training_symbols16);Rx_training_symbols48=cat(2,Rx_training_symbols32,Rx_training_symbols16);Rx_training_symbols50=cat(2,Rx_training_symbols48,Rx_training_symbols2);Rx_carriers=Rx_training_symbols50.*Rx_carriers;%*进展傅里叶变换*ry=reshape(Rx_carriers,1,para*Ns);figure(5);plot(ry,o);title(经过fft之后的信号矢量图);%*16QAM解调*resignal=deqam(ry);figure(6)stem(resignal(1:50),k);hold onstem(signal(1:50),r);title(接收到的序列)wumageshu,wumalv=biterr(signal,resignal);wumageshuwumalv13 / 13
