亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法

文檔序號:10491877閱讀:641來源:國知局
時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法
【專利摘要】本發(fā)明公開了一種時域自相關(guān)Nakagami?m衰落復(fù)信道仿真方法,首先對包絡(luò)分布進(jìn)行單獨(dú)仿真,使得包絡(luò)的概率密度函數(shù)和累積分布函數(shù)與理論值吻合;其次對相位分布進(jìn)行單獨(dú)仿真,以使相位的概率密度函數(shù)和累積分布函數(shù)統(tǒng)計指標(biāo)與理論值吻合;然后,對包絡(luò)序列和相位序列分別進(jìn)行排序,使得自相關(guān)函數(shù)和功率譜密度與理論值吻合;最后,疊加排序后的包絡(luò)和相位序列,得到滿足全部仿真性能評估統(tǒng)計量的時域自相關(guān)Nakagami?m衰落復(fù)信道隨機(jī)序列。本發(fā)明實現(xiàn)了時域自相關(guān)Nakagami?m衰落復(fù)信道的良好自相關(guān)特性衰落仿真和快衰落仿真,具有很好擴(kuò)展性,為后續(xù)采用更高效的模塊仿真算法提供了方便。
【專利說明】
時域自相關(guān)Nakagam i-m衰落復(fù)信道仿真方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于無線通信信道建模及模擬技術(shù)領(lǐng)域,尤其設(shè)及一種時域自相關(guān) Nakagami-m衰落復(fù)信道仿真方法。
【背景技術(shù)】
[0002] 無線移動通信環(huán)境中,化kagami-m衰落相較于傳統(tǒng)的瑞利分布或萊斯分布可W更 好更廣泛地表征小尺度衰落特征?;痥agami-m衰落是通過變參數(shù)伽馬分布的密度函數(shù)擬合 實驗數(shù)據(jù)所得到的,其主要參數(shù)有形狀因子m和接收信號的平均功率Q。通過改變形狀因子 m可W模擬從嚴(yán)重、適中、輕微到無衰落的信道環(huán)境,包含了瑞利分布和萊斯分布。時域自相 關(guān)信道仿真需要考慮信道的相關(guān)特性,同時關(guān)注信道的一階統(tǒng)計特性概率密度分布和累積 分布函數(shù)、二階統(tǒng)計特性電平通過率和平均衰落時間和時域自相關(guān)函數(shù)統(tǒng)計量。目前時域 自相關(guān)化kagami-m衰落復(fù)信道仿真模型主要有時域自相關(guān)逆變換模型、Brute Froce模型、 秩匹配模型等S種模型。由于化kagami-m衰落信道模型目前實測的自相關(guān)性數(shù)據(jù)較少,在 采用時域自相關(guān)逆變換模型仿真過程中一般都采用瑞利近似表達(dá)化kagami-m衰落相關(guān)性, 導(dǎo)致了化kagami-m衰落自相關(guān)函數(shù)的仿真值與理論值存在較大誤差。Brute Froce模型利 用了化kagami-m分布與高斯分布的關(guān)系,通過n = 2m個高斯分布的疊加來生成化kagami-m 分布,運(yùn)種方法優(yōu)點(diǎn)在于利用現(xiàn)有的高斯分布的生成方法,降低了仿真算法研究的難度;缺 點(diǎn)在于隨著n = 2m的增大,算法復(fù)雜度增加,仿真時間長,耗費(fèi)存儲空間。在秩匹配模型中由 于僅采用獨(dú)立化kagami-m包絡(luò)作為模型輸入源,模型丟失相位信息,電平通過率和自相關(guān) 函數(shù)的仿真值與理論存在較大誤差。因此,有必要提出一種能夠同時滿足一階統(tǒng)計特性和 二階統(tǒng)計統(tǒng)計特性的仿真方法。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,旨在解 決現(xiàn)有仿真方法中存在的無法同時滿足一階統(tǒng)計特性概率密度分布、累積分布函數(shù)和二階 統(tǒng)計統(tǒng)計特性電平通過率、平均衰落時間、時域自相關(guān)函數(shù)的問題。
[0004] 本發(fā)明是運(yùn)樣實現(xiàn)的,一種時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,該方法 采用正弦疊加法生成的自相關(guān)瑞利平方和的根序列對舍棄法生成的包絡(luò)序列進(jìn)行秩匹配 排序,同時利用正弦疊加法生成的自相關(guān)瑞利序列對相位序列進(jìn)行秩匹配排序,疊加排序 后的自相關(guān)包絡(luò)序列和自相關(guān)相位序列生成時域自相關(guān)化kagami-m衰落復(fù)信道隨機(jī)序列。 所述時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法包括:
[0005] 首先對包絡(luò)分布進(jìn)行單獨(dú)仿真,使得包絡(luò)的概率密度函數(shù)和累積分布函數(shù)與理論 值吻合;
[0006] 其次對相位分布進(jìn)行單獨(dú)仿真,W使相位的概率密度函數(shù)和累積分布函數(shù)統(tǒng)計指 標(biāo)與理論值吻合;
[0007] 然后,對包絡(luò)序列和相位序列分別進(jìn)行排序,滿足自相關(guān)函數(shù)和功率譜密度與理 論值吻合;
[0008] 最后,疊加排序后的包絡(luò)和相位序列,得到滿足全部仿真性能評估統(tǒng)計量的時域 自相關(guān)Nakagami-m衰落復(fù)信道隨機(jī)序列。
[0009] 進(jìn)一步,所述時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法具體包括W下步驟:
[0010] 步驟一,采用正弦疊加法(SoS)模型生成自相關(guān)瑞利序列化ayi化)和^,'! + 1」個自相 關(guān)瑞利平方和的根序列和化ay2化);
[0011] 步驟二,根據(jù)化kagami-m衰落幅度和相位分布函數(shù),采用舍棄法生成幅度隨機(jī)序 列Rx化)和相位隨機(jī)序列Re化),其中k=l,2,…,N為目標(biāo)隨機(jī)序列長度;
[0012] 步驟S,利用個自相關(guān)瑞利平方和的根序列對包絡(luò)隨機(jī)序列秩匹配排序, 利用自相關(guān)瑞利序列對相位隨機(jī)序列秩匹配排序;
[OOU] 步驟四,疊加由上述生成的化kagami-m包絡(luò)秩匹麗席別R/化)巧相仿巧匹配序列 Re*化),得到時域自相關(guān)Nakagami-m衰落復(fù)信道隨機(jī)序列:
[0014] 進(jìn)一步,所述步驟一包括W下步驟:
[001引第一步,采用等間距法、均方誤差法、等面積法、蒙特卡洛法、Lp-norm法、精確多普 勒擴(kuò)展法、Jakes法中的任意一種發(fā)法,計算瑞利信道化kes仿真模型中多普勒系數(shù)、離散多 普勒頻率和多普勒相位模型參數(shù);
[0016]第二步,將多普勒系數(shù)、離散多普勒頻率和多普勒相位帶入正弦疊加模型生成自 相關(guān)瑞利序列化ayl化);
[0017] 第立步,重復(fù)得到瑞利隨機(jī)序列集
[001引第四步,將RRay,1化)帶入下式,得到Lw + 1」個自相關(guān)瑞利平方和的根序列RRaysa):
[0019]
[0020] 進(jìn)一步,所述步驟二包括W下步驟:
[002"1]第一步,產(chǎn)生在(0,£1〇上均勻分布隨機(jī)數(shù)Uix,其中ax=max(x);
[0022]第二步,產(chǎn)生在(0,bx)上均勻分布隨機(jī)數(shù)U2x,其中bx=max(fR(x));
[002;3] 第立步,化X 化lx),則令X = Ulx,算法完成;否則舍棄Ulx和化X,重新開始舍棄法計 算。
[0024] 得到服從幅度概率密度分布函數(shù)fR(x)的隨機(jī)序列Rx化)=X后,按照同樣的均勻舍 棄法步驟生成滿足相位概率分布fe(x)的隨機(jī)序列Re化)。
[0025] 進(jìn)一步,所述步驟=包括W下步驟:
[0026] 第一步,Wl_畑牛1」個自相關(guān)瑞利平方和的根序列RRay2化)作為源序列,化kagami-m 包絡(luò)隨機(jī)序列Rx化)作為目標(biāo)序列,獲取IW2化)的相對大小排列順序SRay2化),將Rx化)內(nèi)所 有元素按照此相對順序重新排列,得到排列后的包絡(luò)秩匹配序列Rx^k);
[0027] 第二步,W自相關(guān)序列化ayi化)作為源序列,Nakagami-m相位隨機(jī)序列IMk)作為目 標(biāo)序列,獲取RRayl化)的相對大小排列順序SRayl化),將IMk)內(nèi)的所有元素按此相對順序重 新排列,得到的相位秩匹配序列Re^k);此相對順序重新排列,得到的相位秩匹配序列R/ 化)。
[0028] 本發(fā)明提供的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,與現(xiàn)有仿真方法相比 較,本發(fā)明提出的模塊化仿真方法優(yōu)點(diǎn)在于:
[0029] (1)、采用舍棄法產(chǎn)生的化kagami-m衰落包絡(luò)序列和相位序列,在保證一階統(tǒng)計特 性與理論值吻合的基礎(chǔ)上,實現(xiàn)復(fù)雜度更低。
[0030] (2)、采用正弦疊加生成的自相關(guān)瑞利序列對包絡(luò)序列和相位序列進(jìn)行秩匹配排 序能夠獲得特定的自相關(guān)函數(shù)和準(zhǔn)確的電平通過率;
[0031] (3)、正弦疊加法中引入的多普勒頻移可實現(xiàn)Nakagami信道的快/慢衰落仿真。
[0032] (4)、所提出的模塊化仿真方法的包絡(luò)概率密度函數(shù)、相位概率密度函數(shù)、電平通 過率、平均衰落時間、時域自相關(guān)函數(shù)等一階和二階統(tǒng)計量的仿真結(jié)果與理論值均能高度 吻合,各項仿真性能指標(biāo)較其他仿真方法具有明顯優(yōu)勢。
[0033] (5)、該仿真方法可W對仿真中的算法模塊進(jìn)行替換,具有很好的擴(kuò)展性,為后續(xù) 采用更高效的模塊仿真算法提供了方便。
【附圖說明】
[0034] 圖1是本發(fā)明實施例提供的時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法流程圖。 [00對圖2是本發(fā)明實施例提供的m = 5, Q =1,N=106的模塊化的時域自相關(guān)Pfekagami-m衰落復(fù)信道包絡(luò)仿真結(jié)果圖。
[00%]圖3是本發(fā)明實施例提供的m = 5, Q =1,N=106的模塊化的時域自相關(guān)Pfekagami-m衰落復(fù)信道相位仿真結(jié)果圖。
[0037]圖4是本發(fā)明實施例提供的m = 5, Q =1,N=106的模塊化的時域自相關(guān)Pfekagami-m衰落復(fù)信道電平通過率仿真結(jié)果圖。
[00測圖5是本發(fā)明實施例提供的m = 5, Q =1,N=106的模塊化的時域自相關(guān)Pfekagami-m衰落復(fù)信道平均衰落時間仿真結(jié)果圖。
[0039] 圖6是本發(fā)明實施例提供的m = 5, Q =1,N=106的模塊化的時域自相關(guān)Pfekagami-m衰落復(fù)信道自相關(guān)函數(shù)仿真結(jié)果圖。
【具體實施方式】
[0040] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,W下結(jié)合實施例,對本發(fā)明 進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實施例僅僅用W解釋本發(fā)明,并不用于 限定本發(fā)明。
[0041] 下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作詳細(xì)的描述。
[0042] 如圖1所示,給定m=5, Q =1,N=106時的模塊化的時域自相關(guān)化kagami-m衰落復(fù) 信道仿真具體實施方案如下:
[0043] Sl采用正弦疊加法(SoS)模型生成自相關(guān)瑞利序列RRayl化)和L? + l」個自相關(guān)瑞利 平方和的根序列和化ay2化);本發(fā)明實施例的具體實施方案如下:
[0044] Sl. 1采用等間距法(MED)、均方誤差法(MSEM)、等面積法(MEA)、蒙特卡洛法(MCM)、 Lp-norm法(LP醒)、精確多普勒擴(kuò)展法(MEDS) Jakes法(JM)中的任意一種發(fā)放,計算瑞利信 道化keS仿真模型中多普勒系數(shù)Cl,n、離散多普勒頻率fi,n和多普勒相位(1)1,。等模型參數(shù);其 中化kes仿真法最為節(jié)省資源,應(yīng)用也最為廣泛,本發(fā)明采用化kes法(JM)來計算模型參數(shù):
[0045]
[0046]
[0047]
[004引其中i = 1分布表示實部序列,i = 2表示虛部序列,n表示第n路正弦疊加信號,OO為 平均功率,Ni為疊加的正弦波數(shù)目,fmax為最大多普勒頻移。
[0049] SI. 2將多普勒系數(shù)Ci,n、離散多普勒頻率fi,n和多普勒相位4i,n帶入正弦疊加模型 生成自相關(guān)瑞利序列化ayl化);
[(K)加 ]
[0化1 ] Sl. 3重復(fù)步驟Sl. 1、S1.2得到瑞利隨機(jī)序列集
[005^ Sl . 4將RRay,i化)帶入下式,得到1_W + 1」個自相關(guān)瑞利平方和的根序列RRay2化): [0化3]
[0054] S2根據(jù)化kagami-m衰落幅度和相位分布函數(shù),采用舍棄法生成幅度隨機(jī)序列Rx 化)和相位隨機(jī)序列Re化);本發(fā)明采用均勻帽子舍棄法生成隨機(jī)序列,步驟如下,假設(shè)產(chǎn)生 概率密度為fR(x)的隨機(jī)序列X;
[00對 S2.1產(chǎn)生在(0,山化均勻分布隨機(jī)數(shù)Uix,其中ax=max(x);
[0056] S2.2產(chǎn)生在(0,bx)上均勻分布隨機(jī)數(shù)貼〇其中bx=max(fR(x));
[0057] S2.3如果化化X),則令X = Uix,算法完成;否則舍棄Uix和化X,回到步驟S2.1, S2.2重新開始舍棄法計算。
[005引得到服從幅度概率密度分布函數(shù)fR(x)的隨機(jī)序列Rx化)=X,按照同樣的均勻舍棄 法步驟生成滿足相位概率分布fe(x)的隨機(jī)序列Re化)。
[0059] S3利用L賄+ 1」個自相關(guān)瑞利平方和的根序列對包絡(luò)隨機(jī)序列秩匹配排序,利用自 相關(guān)瑞利序列對相位隨機(jī)序列秩匹配排序;步驟包括:
[0060] 53.1叫饑+ 1」個自相關(guān)瑞利平方和的根序列1^2化)作為源序列,化1?1旨日1111-111衰落 包絡(luò)隨機(jī)序列Rx化)作為目標(biāo)序列,獲取IW2化)的相對大小排列順序序列SRay2化),將Rx化) 內(nèi)所有元素按照此相對順序序列SRay2化僅新排列,得到排列后的包絡(luò)秩匹配序列Rx^);
[0061] S3.2W自相關(guān)序列化ayi化)作為源序列,化kagami-m衰落相位隨機(jī)序列IMk)作為 目標(biāo)序列,獲取化ayl化)的相對大小排列順序序列SRayl化),將IMk)內(nèi)的所有元素按此相對 順序序列SRayl化)重新排列,得到的相位秩匹配序列Re^k);
[0062] S4疊加由上述生成的化kagami-m衰落包絡(luò)秩匹配序列Rx*化)和相位秩匹配序列 Re*化),得到模塊化的自相關(guān)Nakagami-m衰落復(fù)信道隨機(jī)序列:
[0063]
[0064] 本發(fā)明對模塊化的時域自相關(guān)化kagami-m衰落復(fù)信道進(jìn)行了仿真,其中參數(shù)m = 5, Q =1,N=106的仿真結(jié)果如圖2、圖3、圖4、圖5、圖6所示。該模型實現(xiàn)了模塊化的時域自 相關(guān)的化kagami-m衰落復(fù)信道仿真,其包絡(luò)的概率密度函數(shù)、相位的概率密度函數(shù)、電平通 過率、平均衰落時間、時域自相關(guān)函數(shù)等統(tǒng)計量的仿真值與理論值均能很好的吻合。
[0065] W上所述僅為本發(fā)明的較佳實施例而已,并不用W限制本發(fā)明,凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述時域自相關(guān) 化kagami-m衰落復(fù)信道仿真方法采用正弦疊加法生成的自相關(guān)瑞利平方和的根序列對舍 棄法生成的包絡(luò)序列秩匹配排序,同時利用正弦疊加法生成的自相關(guān)瑞利序列對相位序列 進(jìn)行秩匹配排序,疊加排序后的自相關(guān)包絡(luò)序列和自相關(guān)相位序列生成時域自相關(guān) Nakagami-m衰落復(fù)信道隨機(jī)序列。2. 如權(quán)利要求1所述的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述 時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法包括: 首先對包絡(luò)分布進(jìn)行單獨(dú)仿真,使得包絡(luò)的概率密度函數(shù)和累積分布函數(shù)與理論值吻 合; 其次對相位分布進(jìn)行單獨(dú)仿真,W使相位的概率密度函數(shù)和累積分布函數(shù)統(tǒng)計指標(biāo)與 理論值吻合; 然后,對包絡(luò)序列和相位序列分別進(jìn)行排序,滿足自相關(guān)函數(shù)和功率譜密度與理論值 吻合; 最后,疊加排序后的包絡(luò)和相位序列,得到滿足全部仿真性能評估統(tǒng)計量的時域自相 關(guān)Nakagami-m衰落復(fù)信道隨機(jī)序列。3. 如權(quán)利要求1所述的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述 時域自相關(guān)Nakagami-m衰落復(fù)信道仿真方法具體包括W下步驟: 步驟一,采用正弦疊加法(SoS)模型生成自相關(guān)瑞利序列化ayi化)和!_閩+1」個自相關(guān)瑞 利平方和的根序列和化ay2化); 步驟二,根據(jù)化kagami-m衰落幅度和相位分布函數(shù),采用舍棄法生成幅度隨機(jī)序列Rx 化)和相位隨機(jī)序列Re化),其中k=l,2,…,N為目標(biāo)隨機(jī)序列長度; 步驟Ξ,利用Lw +1」個自相關(guān)瑞利平方和的根序列對包絡(luò)隨機(jī)序列秩匹配排序,利用自 相關(guān)瑞利序列對相位隨機(jī)序列秩匹配排序; 步驟四,疊加由上述生成的化kagami-m包絡(luò)秩匹配序列Rx*(k)和相位秩匹配序列Re* 化),得到時域自相關(guān)Nakagami-m衰落復(fù)信道隨機(jī)序列:巧(A) = /?/ (A').?,"" '"。4. 如權(quán)利要求3所述的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述 步驟一包括W下步驟: 第一步,采用等間距法、均方誤差法、等面積法、蒙特卡洛法、Lp-norm法、精確多普勒擴(kuò) 展法、Jakes法中的任意一種發(fā)法,計算瑞利信道化kes仿真模型中多普勒系數(shù)、離散多普勒 頻率和多普勒相位模型參數(shù); 第二步,將多普勒系數(shù)、離散多普勒頻率和多普勒相位帶入正弦疊加模型生成自相關(guān) 瑞利序列化ayl化); 第立步,重復(fù)得到瑞利隨機(jī)序列集IW, i化)i = 1,2,…,L賄+1」; 第四步,將RRay,i化)帶入下式,得到Lw + l」個自相關(guān)瑞利平方和的根序列RRay2化):5. 如權(quán)利要求3所述的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述 步驟二包括w下步驟: 第一步,產(chǎn)生在(〇,ax)上均勻分布隨機(jī)數(shù)Uix,其中ax=max(x); 第二步,產(chǎn)生在(〇,bx)上均勻分布隨機(jī)數(shù)貼〇其中bx=max(fR(x)); 第立步,化X 化lx),則令X = Ulx,算法完成;否則舍棄Ulx和化X,重新開始舍棄法計算; 得到服從幅度概率密度分布函數(shù)fR(x)的隨機(jī)序列Rx化)=X后,按照同樣的均勻舍棄法 步驟生成滿足相位概率分布fe(x)的隨機(jī)序列Re化)。6.如權(quán)利要求3所述的時域自相關(guān)化kagami-m衰落復(fù)信道仿真方法,其特征在于,所述 步驟Ξ包括W下步驟: 第一步,WL化+ 1」個自相關(guān)瑞利平方和的根序列RRay2化)作為源序列,化kagami-m包絡(luò) 隨機(jī)序列Rx化)作為目標(biāo)序列,獲取RRay2化)的相對大小排列順序SRay2化),將Rx化)內(nèi)所有元 素按照此相對順序重新排列,得到排列后的包絡(luò)秩匹配序列Rx^k); 第二步,W自相關(guān)序列化ayl化)作為源序列,Nakagami-m相位隨機(jī)序列iMk)作為目標(biāo)序 列,獲取RRayl化)的相對大小排列順序SRayl化),將Re化)內(nèi)的所有元素按此相對順序重新排 列,得到的相位秩匹配序列Re處);此相對順序重新排列,得到的相位秩匹配序列Re種)。
【文檔編號】H04B17/391GK105846926SQ201610235470
【公開日】2016年8月10日
【申請日】2016年4月15日
【發(fā)明人】石磊, 邊志耀, 劉彥明, 郭振, 李小平
【申請人】西安電子科技大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1