西安交通大學(xué)數(shù)字通信理論課程設(shè)計(jì)報(bào)告-數(shù)字通信理論課程設(shè)計(jì)

數(shù)字通信理論實(shí)驗(yàn)報(bào)告——〔實(shí)驗(yàn)4〕實(shí)驗(yàn)四數(shù)字通信理論課程設(shè)計(jì)4.1實(shí)驗(yàn)?zāi)康模杭由顚?duì)AWGN信道下數(shù)字通信系統(tǒng)的理解。掌握數(shù)字通信系統(tǒng)蒙特卡洛仿真的根本方法。4.2實(shí)驗(yàn)內(nèi)容：在AWGN信道下，完成2FSK系統(tǒng)的誤比特率性能仿真，繪制系統(tǒng)的BER曲線，并與理論計(jì)算的結(jié)果進(jìn)行比照。具體包括如下內(nèi)容：編寫(xiě)程序生成隨機(jī)的二元比特序列，該序列由{0,1}構(gòu)成。根據(jù)所選擇的調(diào)制方式，將比特序列映射為星座圖上的點(diǎn)。將所生成的信號(hào)通過(guò)AWGN信道進(jìn)行傳輸，編寫(xiě)程序?qū)崿F(xiàn)隨機(jī)的加性高斯白噪聲過(guò)程，并完成對(duì)信號(hào)的加噪。實(shí)現(xiàn)接收機(jī)的解調(diào)、檢測(cè)與判決算法。要求使用相干接收機(jī)，最大似然檢測(cè)。在不同的比特信噪比〔〕的條件下統(tǒng)計(jì)系統(tǒng)的比特錯(cuò)誤概率〔BER〕，畫(huà)出BER隨變化的曲線。的變化范圍選為0~10dB。在同一幅圖中畫(huà)出理論曲線，并將兩者進(jìn)行比照。4.3實(shí)驗(yàn)結(jié)果及分析：畫(huà)出系統(tǒng)框圖，說(shuō)明仿真流程。系統(tǒng)框圖如下列圖所示：開(kāi)始開(kāi)始生成隨機(jī)的二元比特序列生成隨機(jī)的二元比特序列2FSK按照星座圖映射2FSK按照星座圖映射計(jì)算高斯白噪聲的方差，產(chǎn)生噪聲，疊加到調(diào)制信號(hào)上計(jì)算高斯白噪聲的方差，產(chǎn)生噪聲，疊加到調(diào)制信號(hào)上判決判決統(tǒng)計(jì)錯(cuò)誤個(gè)數(shù)，計(jì)算統(tǒng)計(jì)錯(cuò)誤個(gè)數(shù)，計(jì)算BER信噪比信噪比>10dBN畫(huà)BER的隨的變化曲線畫(huà)BER的隨的變化曲線結(jié)束結(jié)束仿真流程：編寫(xiě)程序生成隨機(jī)的二元比特序列，按2FSK調(diào)制方式，將比特序列映射為星座圖上的點(diǎn)，將所生成的信號(hào)通過(guò)AWGN信道進(jìn)行傳輸，實(shí)現(xiàn)隨機(jī)的加性高斯白噪聲過(guò)程，并完成對(duì)信號(hào)的加噪，再使用相干接收機(jī)實(shí)現(xiàn)接收機(jī)的解調(diào)、最大似然檢測(cè)與判決，在不同的比特信噪比〔〕的條件下統(tǒng)計(jì)系統(tǒng)的比特錯(cuò)誤概率〔BER〕，畫(huà)出BER隨變化的曲線。的變化范圍選為0~10dB。給出仿真結(jié)果，提供理論的誤碼率結(jié)果，并進(jìn)行必要的分析和討論，仿真結(jié)果如下列圖所示：分析：如圖中實(shí)線所示，為理論的信噪比與誤碼率的關(guān)系曲線；圖中所示為對(duì)信號(hào)進(jìn)行2FSK調(diào)制及解調(diào)處理后得到的實(shí)際信噪比與誤碼率關(guān)系曲線；有圖可得，隨著信噪比的增大，誤碼率呈下降趨勢(shì)；在圖中觀察可得，由于仿真碼元數(shù)目的限制，誤碼率最小只到達(dá)了10^(-3)。2FSK理論誤碼率推導(dǎo)發(fā)送信號(hào)向量為，考慮到信道為高斯白噪聲信道，噪聲功率密度為。假設(shè)2FSK采用相干解調(diào)，那么接收信號(hào)向量為，，是相互獨(dú)立的高斯變量，又因?yàn)椴捎米畲笏迫粰z測(cè)，所以當(dāng)接收端判決正確，那么判斷錯(cuò)誤的概率為其中所以其概率密度為又Q函數(shù)為化簡(jiǎn)得2FSk的誤碼率為?？梢?jiàn)結(jié)果與理論值非常吻合。程序源代碼clearallsnrdB_min=0;snrdB_max=10; %SNR(indB)limitssnrdB=snrdB_min:1:snrdB_max;Nsymbols=10000;snr=10.^(snrdB/10); %convertfromdBh=waitbar(0,'MonteCarloSimulation');len_snr=length(snr);errors=zeros(1,len_snr);forj=1:len_snr %incrementSNRwaitbar(j/len_snr)sigma=sqrt(1/(2*snr(j))); %noisestandarddeviationerror_count=0;fork=1:Nsymbols %simulationloopbeginsd=round(rand(1)); %dataifd==0x_d=1; %directtransmitteroutput x_q=0; %quadraturetransmitteroutput elsex_d=0; %directtransmitteroutputx_q=1; %quadraturetransmitteroutputendn_d=sigma*randn(1); %directnoisecomponentn_q=sigma*randn(1); %quadraturenoisecomponenty_d=x_d+n_d; %directreceiverinputy_q=x_q+n_q; %quadraturereceiverinputify_d>y_q %testcondition d_est=0; %conditionaldataestimateelsed_est=1; %conditionaldataestimateendif(d_est~=d) error_count=error_count+1; %errorcounterendend %simulationloopendserrors(j)=error_count; %storeerrorcountforplotendclose(h)ber_sim=errors/Nsymbols; %BERestimateber_theor=qfunc(sqrt(snr)); %theoreticalBERsemilogy(snrdB,