《基于经典谱估计的多普勒频移算法.docx》由会员分享，可在线阅读，更多相关《基于经典谱估计的多普勒频移算法.docx（9页珍藏版）》请在三一办公上搜索。
1、基于经典谱估计的多普勒频移算法仿真程序说明文档 1 平坦衰落信道仿真 1.1仿真设计 1.产生频率为wc的N0+1路正弦余弦信号； 2.产生在0,2p)均匀分布的随机相位，产生在-fm,fm均匀分布的频率偏移，将随机相位和频率偏移加入到第一步产生的每路正余弦信号中； 3.产生每路信号的衰减cosbn，将第二步产生的每路信号乘以衰减cosbn； 4.将加入随机相位频率偏移以及乘以衰减以后的正弦信号叠加，得到同相分量，将加入随机相位频率偏移以及乘以衰减以后的余弦信号叠加，得到正交分量； 5.由同相和正交信号分别作为实部Tc(t)和虚部Ts(t)得到平坦衰落信道的输出； 1.2程序流程图 cos(w
2、ct)cos(wct)sin(wct)sin(wct)加入随机相位与频率偏移LL加入随机相位与频率偏移加入随机相位与频率偏移LL加入随机相位与频率偏移2cosb12cosbN0+12sinb12sinbN0+1多径叠加多径叠加Tc(t)实虚部相加Ts(t)T(t)=Tc(t)+jTs(t)1.3仿真结果 下面给出了仿真的平坦衰落信道的统计特性 图1 通过信道后的接收信号包络 在图1中用信道的最大增益对衰落进行了归一化。可以看出，仿真的数据流能够较好的符合典型的Rayleigh衰落信号。信道在某些点会引起深度衰落。 图2 通过仿真信道信号的包络概率密度函数 在图2中，绘出了当N=34时的包络分布
3、。可以看出当N=34时，包络分布与标准的瑞利分布基本吻合。随着N的增加，包络更加趋向瑞利分布，且分布函数与时间t无关，这一点满足广义平稳过程的要求。 图3 通过仿真信道信号的自相关函数 可以看出自相关函数趋近贝赛尔(Bessel)函数。 以上我们讨论了仿真信道产生的随机过程是广义平稳的，并且其信号包络、包络概率分布、自相关性等统计特性，都能与Clarke模型较好的吻合，因此能够较真实的反映信道。 2 LCR仿真 2.1仿真设计 1.信号采样：首先对接收信号进行采样，得到输入信号的离散序列g(n)； 2.计算包络：根据输入的g(n)序列，计算相应的包络a(n)=g(n)； 3.确定电平R：计算a
4、(n)的均方根包络电平Rrms，使R=Rrms； 4.估计LLCR：根据第二、第三步计算a(n)和Rrms估计a(n)每秒通过Rrms的次数LLCR； %：进行数值计算，求LCR法的速度估计值v%； 5.求解v%v其中，lc为载波波长。 lcLLCR -12pe2.2程序流程图 输入信号信号采样包络计算数据暂存均方根包络电平Rrms计算Rrms包络通过电平Rrms次数LLCR计算速度估计值计算%v2.3仿真结果 图4是仿真得到的电平通过率法的速度估计性能曲线。 图4 电平通过率法估计性能 从图4中可以看到，信噪比越高，估计值越接近真实值。在信噪比为5dB时，电平通过率法仍能保证随着多普勒频移的
5、提高，估计值也是上升的。电平通过率法估计出的多普勒频移偏差较大，在信噪比大于10dB时，多普勒频移的估计精度也不高。 3COV仿真 3.1仿真设计 1.信号采样：首先对接收到的信号进行采样，得到离散序列g(n)； 2.计算平方包络r(n)：根据输入的g(n)序列，计算相应的平方包络r(n)=g(n)； 3.计算自协方差mrr(0)：计算r(n)=g(n)的自协方差mrr(0) 220)=(r(n)/N-(r(n)/N)2 2n=1n=1NN其中，N为进行一次速度估计所用的g(n)序列的长度。可以设定为不同的长度， 一般来讲，N越长，估计得越准确，但是需要的存储空间等资源也越大。 4.估计V，根
6、据下式估计V 1N-1V=(r(n+1)-r(n)2 N-1n=1%：进行数值计算，求解速度估计值 5.求解速度v%vlc2pTsVmrr(0)3.2程序流程图 输入信号信号采样均方包络计算自协方差估计V值估计mrr(0)速度估计值计算V%V3.3仿真结果 图5给出了加性高斯白噪声对协方差法速度估计的影响。仿真环境为瑞利衰落信道且为各向同性散射。 图5 协方差函数法估计性能 可以看出，随着信噪比增加，速度估计的灵敏度有明显的改善。图5画出的是较差性能，即当t0时，协方差法的性能。对任何t0，都会减少由白噪声引起的协方差法的偏差。但是，协方差法的速度估计精确度会随着t的增大而降低。 4 功率谱估
7、计 4.1仿真设计 1.首先对信号进行采样，得到离散序列g(n)； 2.根据离散序列g(n)，计算AR模型阶数P； 3.根据离散序列g(n)，计算AR模型系数a； 4.根据第二步第三步求出的P和a，利用g(n)，由pyulear计算功率谱密度。 4.2程序流程图 输入信号信号采样计算AR模型阶数计算AR模型系数p计算每个频率点上的功率谱密度值a功率谱密度归一化信号功率谱密度4.3仿真结果 图6是方针得到的接收信号(fm=100Hz，散射系数k=5，SNR =20dB)的归一化多普勒功率谱图。 图6 多普勒功率谱 从图6可以看出，在最大多普勒频移处，多普勒功率谱趋向于无穷。曲线能够很好的符合经典
8、多普勒功率谱密度。 5 HSM仿真 5.1仿真设计 1.首先对接收信号进行采样，得到离散序列g(n)； 2.根据g(n),利用AR模型的Yule-walker方法估计g(n)的功率谱密度； 3.对功率谱密度求积分，得到功率谱密度的四阶矩c4； 4.对功率谱密度求积分，得到功率谱密度的六阶矩c6； %。根据数值计算，求解速度v%； 5.求解速度v5.2程序流程图 输入信号信号采样信号功率谱估计计算四阶谱矩计算六阶谱矩c4速度估计值计算c6%V5.3仿真结果 图7图10给出了在实际最大多普勒频移分别为50Hz、100Hz、150Hz、200Hz时，算法估计出的最大多普勒频移的分布情况。在每个实际最大多普勒频移下的估计值的数量为1600，信噪比SNR的变化范围为从6dB到20dB。 图7 SNR从6dB到20dB变化时估计出的fm的分布(实际fm=50Hz) 图8SNR从6dB到20dB变化时估计出的fm的分布(实际fm=100Hz) 图9 SNR从6dB到20dB变化时估计出的fm的分布(实际fm=150Hz) 图10 SNR从6dB到20dB变化时估计出的fm的分布(实际fm=200Hz) 从图7图10可以看出，估计出的fm集中分布在实际fm周围，实际fm从50 Hz增加到200Hz，估计出的fm都有较好的精度。
