基于matlab的OFDM信號調制解調與多徑傳輸.docx

基于matlab的OFDM信號調制和多徑傳輸仿真一、 OFDM信號的調制OFDM系統(tǒng)實現的基本步驟為：首先是對待發(fā)送的序列進行串并轉換，然后進行映射，再對其進行IFFT，即為OFDM信號的調制，加入循環(huán)前綴，然后發(fā)送。接收端接收到信號首先去掉循環(huán)前綴，然后進行FFT，即為OFDM信號的解調，然后在進行并串轉換，最后進行判決得到接收序列。1、 產生發(fā)送序列：可以通過matlab的round(rand（1，N）)命令來產生一個隨機的發(fā)送序列。2、 串并轉換：通過matlab的reshape命令進行串并轉換，需要注意的是轉換后的結果是以列為單位的，不是以行為單位的。3、 16QAM調制：一般可以用QPSK、M-QAM等調制方式，本次試驗使用16QAM調制方式。在實驗中利用所編的qam.m（自己編的）子函數來進行16QAM調制。4、 調制：OFDM信號的調制是利用IFFT來實現的，注意使用matlab的IFFT命令時，是對矩陣的列向量進行變換，而不是對行向量進行變換，這樣經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子載波。5、 加入循環(huán)前綴：將IFFT變換后的后面gl個元素復制到前面，作為循環(huán)前綴，這樣能抵抗由于多徑時延引起的碼間干擾的影響，如果循環(huán)前綴的長度大于最大時延擴展，則在理論上說能完全消除碼間干擾的影響。6、 并串轉換后送入信道進行傳輸，信號在信道中會產生多徑、頻偏、相偏等現象。7、 接收端進行串并轉換（同（2）；8、 去循環(huán)前綴；9、 FFT：去循環(huán)前綴之后的信號進行FFT，使用matlab的FFT命令；10、 信道估計：在此實驗中是利用多徑時延信道進行信息傳送的，因此信號在信道中傳輸的過程中會出現多徑時延，多普勒頻移等現象，所以接收到的信號會產生嚴重的失真，但是如果我們知道信道對信號的影響，在接收端對信號進行恢復，從而減弱甚至抵消信道對信號的影響。本實驗中使用基于LS算法的信道估計。11、 16QAM解調：在實驗中利用deqam.m（自己編的）子函數進行16QAM解調。二、 仿真結果1、 產生的發(fā)送序列：隨機產生的01序列，總數為25600個，此處只畫出它的前50個值；圖12、 經過符號的星座映射后產生的星座圖：該實驗中使用16QAM進行數字調制；圖23、 發(fā)送信號：圖34、 接收信號：信號在信道中傳輸，不僅會受到噪聲的影響，還會產生多徑時延、多普勒頻移等現象，所以信號會出現嚴重的失真；圖45、 信道估計后信號的星座圖：圖5圖66、 接收序列：所得的接收序列應該也是一個長度為25600的01序列，此處只畫出它的前50個值；圖7多徑時延信道對信號的一個重要影響就是會使信號產生多徑時延，如圖8、9、10分別列出了最大時延為16、33和41個數據單位時信道估計后的信號的矢量圖；圖8圖9圖10從圖8、9、10可以看出，隨著最大時延的增大，信道估計后的信號的矢量圖的離散性越來越大。所以說最大時延和誤碼率有關。圖11以上所涉及的都是4-path Rayleigh Fading channel,下圖是多徑的條數和系統(tǒng)誤碼率的關系；圖12從圖12可以看出，在相同的信噪比下，隨著信道多徑條數的增大，系統(tǒng)的誤碼率也隨之增大。當信道多徑的條數一定時，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系（以多徑條數為4為例）圖13、14和15分別給出了當系統(tǒng)的信噪比為20,15,10dB時，信道估計后的信號的矢量圖；圖13圖14圖15從圖13、14、15可以看出，隨著系統(tǒng)信噪比的減小，信道估計后的信號與發(fā)送信號的區(qū)別越來越大。下圖為基于4-path Rayleigh Fading channel的系統(tǒng)的信噪比和誤碼率的關系；圖16附：本次實驗用到的程序clc;clear all;rand(state,4);SNR=15;%信噪比取值，單位為dbfl=128;%fft的長度Ns=50;%設置一個幀結構中OFDM信號的個數para=128;%設置并行傳輸的子載波個數sr=250000;%設置符號速率br=sr*2;%設置每個子載波的比特率gl=32;%設置保護時隙的長度an=1,0.7,0.3,0.5;%每條多徑的幅度增益% tn=0,1,2,3;%每條路徑的相對時延，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;%設置相偏%*信源發(fā)生器*signal=round(rand(1,para*Ns*4);figure(1);stem(signal(1:50);title(產生的序列);%*16QAM調制*x1=qam(signal);x=reshape(x1,para,Ns);figure(2);plot(x,o);title(產生的復信號的星座圖);%*加入訓練序列*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,training_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+gl)*(Ns+8);Trdata=ich4+qch4.*sqrt(-1);%形成復數發(fā)射數據%*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(加入噪聲的發(fā)送信號);%*建立信道*%*得到信道的響應函數，然后令輸入信號和信道響應做卷積得到輸出信號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)%*接收端，去掉循環(huán)前綴,fft*idata=real(s3);qdata=imag(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*training_symbols=cat(2,training_symbols,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)+Rx_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_symbols(:,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_training_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_training_symbols50.*Rx