(參考)基于matlab的OFDM信號(hào)調(diào)制解調(diào)與多徑傳輸

1、基于matlab 的OFDM 信號(hào)調(diào)制和多徑傳輸仿真一、 OFDM信號(hào)的調(diào)制OFDM系統(tǒng)實(shí)現(xiàn)的基本步驟為：首先是對(duì)待發(fā)送的序列進(jìn)行串并轉(zhuǎn)換，然后進(jìn)行映射，再對(duì)其進(jìn)行IFFT，即為OFDM信號(hào)的調(diào)制，加入循環(huán)前綴，然后發(fā)送。接收端接收到信號(hào)首先去掉循環(huán)前綴，然后進(jìn)行FFT，即為OFDM信號(hào)的解調(diào)，然后在進(jìn)行并串轉(zhuǎn)換，最后進(jìn)行判決得到接收序列。1、2、3、產(chǎn)生發(fā)送序列：可以通過matlab的 round(rand（1，）)命令來(lái)產(chǎn)生一個(gè)隨機(jī)的發(fā)送序列。串并轉(zhuǎn)換：通過matlab的 reshape命令進(jìn)行串并轉(zhuǎn)換，需要注意的是轉(zhuǎn)換后的結(jié)果是以列為單位的，不是以行為單位的。16QAM調(diào)制：一般可以用Q

2、PSKM-QAM等調(diào)制方式，本次試驗(yàn)使用16QAM調(diào)制方式。在實(shí)驗(yàn)中利用所編的qam.m（自己編的）子函數(shù)來(lái)進(jìn)行16QAM調(diào)制。4、調(diào)制：OFDM信號(hào)的調(diào)制是利用IFFT來(lái)實(shí)現(xiàn)的，注意使用matlab的 IFFT命令時(shí)，是對(duì)矩陣的列向量進(jìn)行變換，而不是對(duì)行向量進(jìn)行變換，這樣經(jīng)過變換后每一行的元素的頻率就是一樣的，而正好每一行頻率都是正交的，而每一行是屬于同一個(gè)子載波。5、6、加入循環(huán)前綴：將IFFT變換后的后面gl個(gè)元素復(fù)制到前面，作為循環(huán)前綴，這樣能抵抗由于多徑時(shí)延引起的碼間干擾的影響，如果循環(huán)前綴的長(zhǎng)度大于最大時(shí)延擴(kuò)展，則在理論上說能完全消除碼間干擾的影響。并串轉(zhuǎn)換后送入信道進(jìn)行傳輸，信號(hào)

3、在信道中會(huì)產(chǎn)生多徑、頻偏、相偏等現(xiàn)象。7、8、9、接收端進(jìn)行串并轉(zhuǎn)換（同（2）；去循環(huán)前綴；FFT：去循環(huán)前綴之后的信號(hào)進(jìn)行FFT，使用 matlab的 FFT命令；10、 信道估計(jì)：在此實(shí)驗(yàn)中是利用多徑時(shí)延信道進(jìn)行信息傳送的，因此信號(hào)在信道中傳輸?shù)倪^程中會(huì)出現(xiàn)多徑時(shí)延，多普勒頻移等現(xiàn)象，所以接收到的信號(hào)會(huì)產(chǎn)生嚴(yán)重的失真，但是如果我們知道信道對(duì)信號(hào)的影響，在接收端對(duì)信號(hào)進(jìn)行恢復(fù)，從而減弱甚至抵消信道對(duì)信號(hào)的影響。本實(shí)驗(yàn)中使用基于LS算法的信道估計(jì)。11、 16QAM解調(diào)：在實(shí)驗(yàn)中利用deqam.m（自己編的）子函數(shù)進(jìn)行16QAM解調(diào)。二、 仿真結(jié)果1、產(chǎn)生的發(fā)送序列：隨機(jī)產(chǎn)生的01序列，總數(shù)為

4、25600個(gè)，此處只畫出它的前 50個(gè)值；產(chǎn)生的序列10.90.80.70.6度幅0.50.40.30.20.100510152025序號(hào)3035404550圖 12、經(jīng)過符號(hào)的星座映射后產(chǎn)生的星座圖：該實(shí)驗(yàn)中使用16QAM進(jìn)行數(shù)字調(diào)制；產(chǎn)生的復(fù)信號(hào)的星座圖21.510.50-0.5-1-1.5-2-2-1.5-1-0.500.511.52圖 23、發(fā)送信號(hào)：加 入 噪 聲 的 發(fā) 送 信 號(hào)0.40.30.20.10-0.1-0.2-0.3-0.4-0.4-0.3-0.2-0.100.10.20.30.4圖 34、接收信號(hào)：信號(hào)在信道中傳輸，不僅會(huì)受到噪聲的影響，還會(huì)產(chǎn)生多徑時(shí)延、多普勒頻移

5、等現(xiàn)象，所以信號(hào)會(huì)出現(xiàn)嚴(yán)重的失真；接 收 信 號(hào)0.50.40.30.20.10-0.1-0.2-0.3-0.4-0.5-0.4-0.3-0.2-0.100.10.20.30.40.5圖 45、信道估計(jì)后信號(hào)的星座圖：信道估計(jì)后的信號(hào)矢量圖（最大時(shí)延為個(gè)數(shù)據(jù)單位）21.510.50-0.5-1-1.5-2-2-1.5-1-0.500.511.52圖 5信道估計(jì)后的信號(hào)矢量圖（最大時(shí)延為個(gè)數(shù)據(jù)單位）21.510.50-0.5-1-1.5-2-2-1.5-1-0.500.511.52圖 66、接收序列：所得的接收序列應(yīng)該也是一個(gè)長(zhǎng)度為25600的 01序列，此處只畫出它的前50個(gè)值；接收序列1度幅

6、005序號(hào)圖 7多徑時(shí)延信道對(duì)信號(hào)的一個(gè)重要影響就是會(huì)使信號(hào)產(chǎn)生多徑時(shí)延，如圖89、10分別列出了最大時(shí)延為16、33和 41個(gè)數(shù)據(jù)單位時(shí)信道估計(jì)后的信號(hào)的矢量圖；信道估計(jì)后的信號(hào)矢量圖（最大時(shí)延為個(gè)數(shù)據(jù)單位）21.510.50-0.5-1-1.5-2-2-1.5-1-0.500.511.52圖 8信道估計(jì)后的信號(hào)矢量圖（最大時(shí)延為個(gè)數(shù)據(jù)單位）32100123圖 9信道估計(jì)后的信號(hào)矢量圖（最大時(shí)延為個(gè)數(shù)據(jù)單位）32100123圖 10從圖 8、9、10可以看出，隨著最大時(shí)延的增大，信道估計(jì)后的信號(hào)的矢量圖的離散性越來(lái)越大。所以說最大時(shí)延和誤碼率有關(guān)。最大時(shí)延和誤碼率的關(guān)系率碼誤0最大時(shí)延 單個(gè)

7、數(shù)據(jù)單位圖 11以上所涉及的都是4-path Rayleigh Fading 下圖是多徑的條數(shù)和系統(tǒng)誤碼率的關(guān)系；0-1-2-3-4REB圖 12從圖 12可以看出，在相同的信噪比下，隨著信道多徑條數(shù)的增大，系統(tǒng)的誤碼率也隨之增大。當(dāng)信道多徑的條數(shù)一定時(shí)，系統(tǒng)的誤碼率隨著信噪比的增大而減小。下面分析系統(tǒng)誤碼率和信噪比的關(guān)系（以多徑條數(shù)為4為例）圖 13、14和 15分別給出了當(dāng)系統(tǒng)的信噪比為20,15,10dB時(shí)，信道估計(jì)后的信號(hào)的矢量圖；信道估計(jì)后的信號(hào)矢量圖（SNR=20dB）2.521.510.50-0.5-1-1.5-2-2.5-2.5-2-1.5-1-0.500.511.522.5圖

8、 13信道估計(jì)后的信號(hào)矢量圖（）210012圖 14信道估計(jì)后的信號(hào)矢量圖（）3210-1-2-3-3-2-10123圖 15從圖 13、14、15可以看出，隨著系統(tǒng)信噪比的減小，信道估計(jì)后的信號(hào)與發(fā)送信號(hào)的區(qū)別越來(lái)越大。下圖為基于4-path Rayleigh Fading channel的系統(tǒng)的信噪比和誤碼率的關(guān)系；OFDM Simulation0-1R-2EB-3-41011121314151617181920SNRdB圖 16附：本次實(shí)驗(yàn)用到的程序clc;clear all;rand(state,4);SNR=15;%信噪比取值，單位為 dbfl=128;%fft的長(zhǎng)度Ns=50;%設(shè)

9、置一個(gè)幀結(jié)構(gòu)中 OFDM信號(hào)的個(gè)數(shù)para=128;%設(shè)置并行傳輸?shù)淖虞d波個(gè)數(shù)sr=250000;%設(shè)置符號(hào)速率br=sr*2;%設(shè)置每個(gè)子載波的比特率gl=32;%設(shè)置保護(hù)時(shí)隙的長(zhǎng)度an=1,0.7,0.3,0.5;%每條多徑的幅度增益% tn=0,1,2,3;%每條路徑的相對(duì)時(shí)延，單位為uswn=rand(1,4).*10;%每條路徑的多普勒頻移% an=rand(1,4)*2;tn=fix(rand(1,4)*0);% wn=round(rand(1,4)*10);sita=rand(1,4).*2*pi;%設(shè)置相偏%*信源發(fā)生器*signal=round(rand(1,para*Ns*

10、4);figure(1);stem(signal(1:50);title(產(chǎn)生的序列);%*16QAM*x1=qam(signal);x=reshape(x1,para,Ns);figure(2);plot(x,o);title(產(chǎn)生的復(fù)信號(hào)的星座圖);%*加入訓(xùn)練序列*training_symbols=qam(round(rand(1,para*4);training_symbols=training_symbols;training_symbols_2=cat(2,training_symbols,training_symbols);training_symbols_4=cat(2,tra

11、ining_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);qch2=imag(y);%*插入循環(huán)前綴*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+g

12、l)*(Ns+8);Trdata=ich4+qch4.*sqrt(-1);%形成復(fù)數(shù)發(fā)射數(shù)據(jù)%*加入噪聲*Trdata_power=var(Trdata)+mean(Trdata)*mean(Trdata);linear_SNR=10(SNR/10);noise_sigma=Trdata_power/linear_SNR;noise_factor=sqrt(noise_sigma);noise=randn(1,length(Trdata)*noise_factor;redata=Trdata+noise;% redata=Trdata;figure(3)plot(redata,o);title

13、(加入噪聲的發(fā)送信號(hào));%*建立信道*%*得到信道的響應(yīng)函數(shù)，然后令輸入信號(hào)和信道響應(yīng)做卷積得到輸出信號(hào)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).*(dirac(q-tn(p)1);endh=sum(h);s2=conv(redata,h);s3=s2(1:length(redata);figure(4)plot(s3,o);title(接收信號(hào))%*接收端，去掉循環(huán)前綴,fft*idata=real(s3);qdata=imag(

14、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_carriers=fft(Rx_data);Rx_training_symbols=Rx_carriers(:,(1:8);Rx_carriers=Rx_carriers(:,(9:(Ns+8);%*信道估計(jì)*training_symbols=cat(2,training_sym

15、bols,training_symbols);training_symbols=cat(2,training_symbols,training_symbols);training_symbols=cat(2,training_symbols,training_symbols);Rx_training_symbols=Rx_training_symbols./training_symbols;Rx_training_symbols_deno=Rx_training_symbols.2;Rx_training_symbols_deno=Rx_training_symbols_deno(:,1)+R

16、x_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_training_symbols_deno(:,7)+Rx_training_symbols_deno(:,8);Rx_training_symbols_nume=Rx_training_symbols(:,1)+Rx_training_symbols(:,2)+Rx_training_symb

17、ols(:,3)+Rx_training_symbols(:,4)+Rx_training_symbols(:,5)+Rx_training_symbols(:,6)+Rx_training_symbols(:,7)+Rx_training_symbols(:,8);% Rx_training_symbols_nume=conj(Rx_training_symbols_nume);Rx_training_symbols=Rx_training_symbols_nume./Rx_training_symbols_deno;Rx_training_symbols2=cat(2,Rx_trainin

18、g_symbols,Rx_training_symbols);Rx_training_symbols4=cat(2,Rx_training_symbols2,Rx_training_symbols2);Rx_training_symbols8=cat(2,Rx_training_symbols4,Rx_training_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_tr