《宽带无线接入技术》仿真实验一报告 3_电子技术仿真实验报告

其他范文时间：2020-02-27 22:12:19 收藏本文下载本文

【www.daodoc.com - 其他范文】

《宽带无线接入技术》仿真实验一报告 3由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“电子技术仿真实验报告”。

重庆交通大学信息科学与工程学院

综合性设计性实验报告

专业：通信工程专业11级

学号：

姓名：

实验所属课程：宽带无线接入技术

实验室(中心)：软件与通信实验中心

指导教师：

2014年3月

一、题目

OFDM系统的Matlab仿真

二、仿真要求

要求一：OFDM系统的数据传输 ①传输的数据随机产生； ②调制方式采用16QAM； ③必须加信道的衰落 ④必须加高斯白噪声 ⑤接收端要对信道进行均衡。要求二：要求对BER的性能仿真

设计仿真方案，比较两个信道估计算法（基于LS与基于DFT +LS）的性能，并画出真实估计信道幅度与信道估计的对比图。

三、仿真方案详细设计

1、OFDM系统模型：一个OFDM符号包括多个经过相移键控或者正交幅度调制的子载波。信道估计技术保证了信号传输的可靠性。基于导频的L S 信道估计算法，通过导频子信道的响应得到整个信道的响应，能够很好地跟踪信道的变化，在复杂度不高的情况下取得较好的误差性能，具有很好的实用性。仿真结果表明采用L S 信道估计后有效的降低了系统的误码率。总的频谱形状非常接近矩形频谱,频谱的利用率在理论上可以达到香农信息论极限。其中N表

示子载波的个数,分配给每个子信道的数据符号Ni。

2、在接收端通过FFT,恢复出发送的数据,对第j个子载波进行解调,然后在时间长度T内,利用子载波间的正交性进行积分,3、信道估计算法：基于导频信号方法的信道估计,加入训练序列--最小平方算法LS。由OFDM系统模型可知,第1个符号的第k个子载波上接收到的频域信号为

Y(k,l)=H(k,l)X(k,l)+W(k,1)

Y1X

1Y20YY0N

0X20

0H1z10H2z2



XNHNzN

Y(k)ˆHLS(k),k1,X(k),N4、按实验要求，加入相应的信道衰落和高斯白噪声，用16QAM进行调制，接收段信道均衡，由于多径和多普勒效应导致的小范围衰落可能会对通信产生很大的破坏力，信道估计就是为了抵御实际传输中的多径信道的影响。

接收机框图及信道估计和均衡的位置

5、信道估计：OFDM系统中放置了大量的导频信号，穿插于数据之中，并

以高于数据的功率发送。这些导频信号被用来完成系统同步、载波恢复、时钟调整和信道估计。由于导频信号数量多，且散布在数据中，能够较为及时地发现和估计信道特性的变化。本系统首先利用导频计算导频位置上的信道响应，然后再用频域内插和时域内插的方法计算各个子载波的信道响应，从而完成整系统的均衡。

四、仿真结果及结论

五、总结与体会

此次实验主要考核了OFDM系统模型、导频分布结构、三种信道估计算法和插值算法,并且通过Matlab软件,采用二维维纳滤波器进行信道估计,以误码率为指标并进行仿真。系统采用频率选择性衰落信道为模型,仿真中信道参数的设置与实际信道有一定的差别,所以仿真结果是近似的,但是总体的变化趋势还是可以信任的。O F D M 系统的信道估计方法主要分为利用导频的信道估计和盲信道估计两类，基于导频的信道估计具有复杂度低和时延小的特点，因此有较强的实用性。基于块状导频信号的信道估计，包括L S 算法、M M S E 算法和L M M S E 算法。L S 算法实现较为简单，仿真结果表明对系统的误码率有一定改善，当信道为低速移动或准静止，即信道特性随时间变化不大，I C I的影响可以忽略的情况下，对估计准确度要求不是很高时，一般可以采用L S 估计算法降低计算的复杂度。

心得体会：经过一步步的实践最终顺利完成了实验，其中不乏老师和几位同学的耐心讲解，也包括了在网上不断的搜寻相关知识的研究及介绍，自己的不断努力也是实验成功必不可少的一部分。通过实验我更深刻的了解了通过最小平方算法LS实现信道估计的理论基础及实现方法，把抽象的一种算法实实际际地展现在我们眼前，使我们有了想象的空间，可以按自己常规的理解方法更为贴切的学习这项技术。

六、主要仿真代码

function H_LS=LS_CE(Y,Xp,pilot_loc,Nfft)%LS 信道估计函数 %输入

%Y为频域接收信号 %Xp=Pilot signal

%pilot_loc=Pilot location

%N为FFT的大小

k=1:length(pilot_loc);

LS_est(k)=Y(pilot_loc(k))./Xp(k);

%linear interpolation

H_LS=interp1(pilot_loc,LS_est,[1:Nfft],'linear');

clear all;clc;

Nfft=32;Ng=Nfft/8;Nofdm=Nfft+Ng;

pilot_loc=[1 5 9 13 17 21 25 29 32];%预先设定导频的插入位置 Nps=length(pilot_loc);%OFDM符号的数目 Nbps=4;M=2^Nbps;%每个符号的比特数 SNR=30;

Xp=2*(randn(1,Nps)>0)-1;%导频序列生成 msgint=randint(1,Nfft-Nps,M);%比特生成 data=qammod(msgint,M)%16QAM调制

X=[Xp(1),data(1:3),Xp(2),data(4:6),Xp(3),data(7:9),Xp(4),data(10:12),Xp(5),data(13:15),Xp(6),data(16:18),Xp(7),data(19:21),Xp(8),data(22:23),Xp(9)];%插入导频

%OFDM 调制

x=ifft(X,Nfft);xt=[x(Nfft-Ng+1:Nfft)x];%加cp并进行ifft调制 h=[(randn+1i*randn),(randn+1i*randn)/2];%a(2-tap)信道 %t真实信道的长度

H=fft(h,Nfft);ch_length=length(h);H_power_dB=10*log10(abs(H.*conj(H)));y_channel=conv(xt,h);%信道

yt=awgn(y_channel,SNR,'measured');

y=yt(Ng+1:Nofdm);Y=fft(y);%去CP以及FFTLS %LS信道估计

H_est1=LS_CE(Y,Xp,pilot_loc,Nfft);

H_est_power_dB1=10*log10(abs(H_est1.*conj(H_est1)));%DFT/LS信道估计

h_est2=ifft(H_est1);h_DFT2=h_est2(1:ch_length);H_est2=fft(h_DFT2,Nfft);

H_est_power_dB2=10*log10(abs(H_est2.*conj(H_est2)));%比较两种估计方法 subplot(2,1,1);

plot(1:Nfft,H_power_dB,'-',1:Nfft,H_est_power_dB1,'s');

legend('真实信道','LS');

xlabel('subcarrier index');grid on;ylabel('Power[dB]');grid on;subplot(2,1,2);