瑞利信道python实现 瑞利信道理论误码率

1.算法描述

本课题，我们主要涉及到两个理论要点，第一个是瑞利衰落条件，第二个是扩频通信。下面分别对这两个理论进行介绍：

 

第一个是瑞利衰落条件：

 

第二个是扩频通信：

 

我们从main.m这个主函数的各个模块进行说明：

 

整个系统按照如下的流程仿真。

 

模块一：产生m序列；

 

这个部分是产生扩频需要的伪随机序列，对应的matlab函数为：func_Mseq.m

 

然后如何产生m序列的，请单独再去看这个函数中的中文注释。

 

步骤二：产生随机信号，进行调制：

 

这里调制函数对应的程序为：func_Mod.m

 

这里，我们使用的是QPSK调制过程，具体见这个函数的代码注释；

 

步骤三：对调制后的信息进行扩频

 

这里扩频对应的程序为： func_spread.m，具体见这个函数的代码注释；

 

步骤四：对扩频后的信号进行滤波

 

滤波的步骤分为采样和滤波，具体见上述两个函数的代码注释。

 

func_samples.m

 

func_filter2.m

 

步骤五：瑞利信道的设计

 

瑞利信道函数func_fade.m

 

步骤六：降采样，滤波

 

这里也是使用一个滤波函数，原理和上面的滤波函数相同。

 

步骤七：解扩

 

对应的函数为：func_despread.m具体过程见代码注释

 

步骤八：解调

 

对应的函数为：func_Demod.m具体过程见代码注释

 

2.matlab算法仿真效果

matlab2022a仿真结果如下：

 

3.MATLAB核心程序

 

%信道选择
Is_Rayleigh  = 1;
 
%符号率
Sym_Rate     = 0.5e6;   
%调制
Mod_order    = 2;       
%比特率 
Bit_Rate     = Sym_Rate*Mod_order;    
%符号数
Sim_Num      = 100;               
SNR          = [-2:1:8];     
%滤波阶数
Filter_Order = 15;   
Samples      = 4;          
%滚降
Alpha        = 0.5;            
Filter1      = func_filter(Filter_Order,Samples,Sym_Rate,Alpha,1);                         
Filter0      = func_filter(Filter_Order,Samples,Sym_Rate,Alpha,0);                        
%扩频码初值
UE_num         = 1;               
morder         = 3;                
register1_coff = [1,3];            
register2_coff = [2,3];            
register1      = [1,1,1];          
register2      = [1,1,1];          
%扩频码
Ind = 0;
for snrs=SNR
    snrs
    Ind = Ind + 1;  
    %m序列
    Mcode = func_Mseq(morder,register1_coff,register1,UE_num); 
    %bpsk
    Mcode = 2*Mcode - 1; 
    MLen  = length(Mcode); 
    %信道衰减初值设定
    rayleigh_parameter; 
    
    MTKL   = 100;                           
    Nerr   = 0; 
    Nall   = 0; 
    for j=1:MTKL 
        %发射
        Tr           = (randn(UE_num,Sim_Num*Mod_order) >= 0); 
        %调制
        [Im,Qm]      = func_Mod(Tr,UE_num,Sim_Num,Mod_order);  
        %扩频
        [Ims,Qms]    = func_spread(Im,Qm,Mcode);  
        %采样
        [Imss,Qmss]  = func_samples(Ims,Qms,Samples);  
        %滤波
        [Imssf,Qmssf]= func_filter2(Imss,Qmss,Filter1);          
        if UE_num == 1                                                    
           Imv = Imssf;      Qmv = Qmssf; 
        else 
           Imv = sum(Imssf); Qmv = sum(Qmssf); 
        end 
        %高斯信道和瑞利信道
        if Is_Rayleigh == 0 
            ImTr = Imv; 
            QmTr = Qmv; 
        else 
            [ImTr,QmTr] = func_fade(Imv,Qmv,Delays,fading,Theta,No,Counts,Nums,length(Imv),Time_fbl,fd,flat); 
            Counts      = Counts + itndel; 
        end 
        %接收机
        SFading     = sum(rot90(Imssf.^2 + Qmssf.^2))/Sim_Num;     
        At          = sqrt(0.5 * SFading * Sym_Rate / Bit_Rate * 10^(-snrs/10)); 
        Imr         = ImTr + randn(size(ImTr)) .* At; 
        Qmr         = QmTr + randn(size(QmTr)) .* At; 
        [Imrf,Qmrf] = func_filter2(Imr,Qmr,Filter0);       
        sampl       = Filter_Order * Samples + 1; 
        Imrfs       = Imrf(:,sampl:Samples:Samples*Sim_Num*MLen+sampl-1); 
        Qmrfs       = Qmrf(:,sampl:Samples:Samples*Sim_Num*MLen+sampl-1); 
        %解扩
        [II,QQ]     = func_despread(Imrfs,Qmrfs,Mcode);             
        %QPSK解调
        demodata    = func_Demod(II,QQ,UE_num,Sim_Num,Mod_order);        
        %误码率分析
        noe2        = sum(sum(abs(Tr-demodata))); 
        nod2        = UE_num * Sim_Num * Mod_order; 
        Nerr        = Nerr + noe2; 
        Nall        = Nall + nod2; 
    end 
    ber       = Nerr / Nall; 
    ERRS(Ind) = ber;
end
if Is_Rayleigh == 0
   save Is_Rayleigh0.mat SNR ERRS
else
   save Is_Rayleigh1.mat SNR ERRS 
end
 
1_092_m