MIMO复用技术MATLAB仿真代码_手机多天线是分集还是复用资源-CSDN文库

共5个文件

m：5个

1星需积分: 50 148 浏览量 2015-07-24 11:05:43 上传评论 3 收藏 4KB ZIP 举报

**MIMO复用技术MATLAB仿真代码** MIMO（Multiple-Input Multiple-Output）复用技术是现代无线通信系统中的关键技术之一，它通过在发射端和接收端使用多个天线来提升系统的数据传输速率和可靠性。MATLAB作为强大的数学计算和仿真工具，非常适合用于MIMO系统的建模和性能分析。在MIMO系统中，通过空间复用可以实现更高的频谱效率，即在同一频段内同时传输多个数据流，从而显著提高通信系统的容量。这一技术的关键在于利用多径传播的特性，使得不同的数据流可以在空中独立传输，互不干扰。 MATLAB代码通常包括以下几个部分： 1. **信道模型**：MIMO信道通常模拟为瑞利衰落或多径衰落信道，这可以通过生成具有随机相位和幅度的多个路径来实现。在MATLAB中，可以使用`rayleighchan`函数来创建瑞利衰落信道。 2. **信号生成**：发射端需要生成多路独立的数据流，并调制到不同的载波上。常见的调制方式有QPSK、BPSK、16-QAM等，这可以通过MATLAB的`qpsk`、`bpsk`、`qam16`等函数实现。 3. **发射和接收滤波**：为了减小脉冲响应对信号的影响，发射端和接收端通常会采用匹配滤波器。在MATLAB中，可以用`fir1`函数设计滤波器。 4. **空间复用**：通过矩阵运算，将多路信号叠加并发送。在接收端，利用接收天线接收到的信号，通过矩阵解码恢复出原始数据流。 5. **信道估计**：为了正确地解码，接收端需要知道信道的状态。这通常通过训练序列或 pilots 来实现。在MATLAB中，可以使用`channelEstimation`函数进行信道估计。 6. **接收机算法**：常见的接收机算法有最小均方误差（MMSE）、最大似然（ML）和零强迫（ZF）等。这些算法的目标是解码出发送的信息，同时最小化错误率。在MATLAB中，这些算法可以通过矩阵运算实现。 7. **性能评估**：我们需要评估MIMO系统的性能，如误码率（BER）和符号误码率（SER）。这通常通过对大量随机生成的传输进行仿真来得到，并绘制相应的曲线图表。在"复用"这个压缩包文件中，可能包含了上述各个部分的MATLAB源代码，用户可以直接运行这些代码来观察不同参数设置下MIMO系统的性能。通过调整天线数量、调制方式、信道条件等参数，可以深入理解MIMO复用技术的工作原理及其对系统性能的影响。 MIMO复用技术的MATLAB仿真代码是学习和研究无线通信系统的一个宝贵资源，它可以帮助我们直观地理解MIMO的优势，同时也为实际系统的设计和优化提供了理论基础。通过仔细阅读和分析这些代码，不仅可以加深对MIMO技术的理解，也能提高MATLAB编程能力。

资源推荐

资源详情

资源评论

收起资源包目录

复用 (1).zip （5个子文件）

复用

Multiplex_2x2.m 3KB

QPSK_denmod.m 489B

rayleighnew.m 2KB

modulator.m 1KB

RayleighChan.m 2KB

% Alamouti_scheme.m %MIMO-OFDM Wireless Communications with MATLAB㈢ Yong Soo Cho, Jaekwon Kim, Won Young Yang and Chung G. Kang %2010 John Wiley & Sons (Asia) Pte Ltd hold on; fc=1e8; VehicSpd=50; C=3e8; fd=VehicSpd*fc/C; shadow_sigma=3; d=0.5e3; Gt=40; Gr=15; channel_length=100000; fs=30e8; n=1:channel_length; t_interval=1/fs; counter=0.1*fs; L_frame=130; N_Packets=400; % Number of frames/packet and Number of packets NT=2; NR=2; b=2; EbN0dB=[0:5:30]; sq_NT=sqrt(NT); sq2=sqrt(2); for iEbN0dB=1:length(EbN0dB) SNRdB=EbN0dB(iEbN0dB); for i_packet=1:N_Packets msg_symbol=randint(L_frame*b*NT,1); tx_bits=msg_symbol.'; tmp=[]; tmp1=[]; [tmp1,sym_tab,P] = modulator(tx_bits,b); Sig=reshape(tmp1,[],NT); %*** 大尺度 **** pathloss = 32.44+20*log10(d/1000)+20*log10(fc/10^6) - Gr - Gt; % pathloss=10; R1=normrnd(0,shadow_sigma,1,length(Sig(1))); PL1=pathloss+R1; R2=normrnd(0,shadow_sigma,1,length(Sig(1))); PL2=pathloss+R2; X1_fading=Sig(:,1).*sqrt(10.^((-1)*PL1/10)); % 大尺度 X2_fading=Sig(:,2).*sqrt(10.^((-1)*PL2/10)); % 大尺度 %****** 计算高斯噪声方差 ******* Es_average=sum(X1_fading.*conj(X1_fading),1)/L_frame; sigma=sqrt(Es_average/(10^(SNRdB/10))); H=zeros(NT,L_frame,NR); for nt=1:NT for nr=1:NR H(nt,:,nr)=rayleighnew(L_frame,t_interval,fd,counter*nr*nt); end end H1=reshape(H(1,:,:),L_frame,[]); % h11,h12 H2=reshape(H(2,:,:),L_frame,[]); % h21 h22 R1=H1(:,1).*X1_fading+H1(:,2).*X2_fading+sigma*(randn(L_frame,1)+j*randn(L_frame,1)); R2=H2(:,1).*X1_fading+H2(:,2).*X2_fading+sigma*(randn(L_frame,1)+j*randn(L_frame,1)); for iSym=1:L_frame h=[H1(iSym,1) H1(iSym,2);H2(iSym,1) H2(iSym,2)]; W=pinv(h); input=[R1(iSym);R2(iSym)]; output1(iSym)=W(1,:)*input; output2(iSym)=W(2,:)*input; end [Z1_real,Z1_img]=QPSK_denmod(output1); k=1; for i=1:2:2*L_frame Z1_demod(i)=Z1_real(:,k); Z1_demod(i+1)=Z1_img(:,k); k=k+1; end [Z2_real,Z2_img]=QPSK_denmod(output2); k=1; for i=1:2:2*L_frame Z2_demod(i)=Z2_real(:,k); Z2_demod(i+1)=Z2_img(:,k); k=k+1; end output=[Z1_demod Z2_demod]; input=reshape(msg_symbol,1,[]); errorNum(i_packet)=sum(output~=input); disp(['EbN0dB = ' num2str(EbN0dB(iEbN0dB)) '; Packet= ' num2str(i_packet) ';'' error bit = ' num2str(errorNum(i_packet)) ';']); end % End of FOR loop for i_packet errorTotal=sum(errorNum); BER(iEbN0dB) = errorTotal/(N_Packets*L_frame*b); end % End of FOR loop for i_SNR semilogy(EbN0dB,BER,'-*b'); % axis([EbN0dB([1 end]) 1e-8 1e0]); grid on; xlabel('SNR[dB]'); ylabel('BER');

评论收藏

内容反馈