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)