多徑傳播matlab仿真

writer： M寶可夢

輸入信號

s(t) = Acos(wc*t)

經過多條路徑時變的衰落和時延得到接收信號

接收信號：

r(t) = Σ ai(t)*cos{wc*[t - Ti(t)]}

% 根據模擬通道數為100，所以求和次數為100次

= Σ ai(t)*cos[wc*t + PHi(t)] % phase 相位; PHi(t) = -wc * Ti(t)% 仿真起始點 = Σ ai(t)*cos[PHi(t)]*cos(wc*t) - Σai(t)*sin[PHi(t)]*sin(wc*t)= X(t)*cos(wc*t) - Y(t)*sin(wc*t)= V(t)cos[wc*t + PH(t)]

其中：

X(t) = Σai(t)*cos[PHi(t)] Y(t) = Σai(t)*sin[PHi(t)] V(t) = sqrt[X^2 + Y^2]PH(t) = arctan(Y/X)

仿真思路：
1.衰減ai(t),以及時延PHi(t) 的模擬：
·幅值衰減由隨機數產生，符合[0,1]上的均勻分布
·PHi(t)時延產生方式同幅值衰減
·為了保持與原理上的一致性，引入變量t影響兩個參數
2.wc 為超參數##########未使用
3.輸出V(T),PH(t)：

代碼說明

·為方便比較最終接收端的信號分布，做出了瑞利分布圖象
·sum_signal函數為接受所有通道的信號之疊加

仿真結果如圖

% 參考：
https://blog.csdn.net/weixin_44606638/article/details/106762784
https://blog.csdn.net/qq_42691315/article/details/115015058

clear; clc; % 參數說明： % signal 第一列為幅值，第二列為相位 % f_width，x_width 為幅值的概率和數值 % f_phase,x_phase 為相位的概率和數值for i = 1:10000 %仿真次數[signal(i,1),signal(i,2)] = sum_signal(100); end[f_width,x_width]=ksdensity(signal(:,1)); [f_phase,x_phase]=ksdensity(signal(:,2));% 將相位劃歸到[-pi, pi]區間上 for i = 1: 100delta = max(x_phase(1,:)) - min(x_phase(1,:));x_phase(1,i) = (x_phase(1,i) -min(x_phase(1,:)))/delta;x_phase(1,i) = x_phase(1,i)*2*pi-pi; end% rayleigh分布的pdf cs2=var(signal(:,1))*2; %方差為實部或虛部的方差 r=linspace(0,50,1000); fx2=r./(cs2).*exp(-r.^2/2/(cs2));% 作圖 figure(1); subplot(121); plot(x_width,f_width); hold on;plot(r,fx2,'r:');hold off; ylabel('幅度分布');xlabel('幅度');title('幅度分布');axis([-2 20 0 0.2]); subplot(122); plot(x_phase,f_phase); hold on;plot([-pi pi],[1/2/pi 1/2/pi],'r:');hold off; ylabel('相位分布');xlabel('相位/rad');title('相位分布');axis([-pi-0.5 pi+0.5 0 0.2]);function [width,phase] = sum_signal(channel_num)% 通過疊加的形式求得最終接收信號,此為一次仿真結果 % 參數信息、 % input： % channel_num ： 路徑數目 % output: % phase : 接收到信號相位移動 % width ： 接收到信號的幅值X = 0; Y = 0; for i = 1:channel_numa(i) = rand(1,1); % 幅值衰減隨機賦值為[0,1] ph(i) = 2*pi*rand(1,1) - pi;% 將時延相位劃歸到 [-pi,pi]X = X + a(i)*cos(ph(i));Y = Y + a(i)*sin(ph(i)); end width = sqrt(X^2+Y^2); phase = atan2(Y,X); end

總結

以上是生活随笔為你收集整理的多径传播matlab仿真·信号分析处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。