1.算法概述

无线信道是移动通信的传输媒体，所有的信息都在这个信道中传输。信道性能的好坏直接决定着人们通信的质量，因此要想在有限的频谱资源上尽可能地高质量、大容量传输有用的信息就要求我们必须十分清楚地了解信道的特性。然后根据信道地特性采取一系列的抗干扰和抗衰落措施，来保证传输质量和传输容量方面的要求。对几种常用的信道模型进行了详细的理论分析，主要包括自由空间损耗模型，Okumura-Hata模型，COST231 Hata模型，最后对802.16规范中建议使用的SUI信道模型进行了详细的理论分析。针对每种信道的特点，我们采用MATLAB对所介绍的信道进行仿真。

Okumura-Hata模型，当频率范围在150Mhz至1500Mhz的范围内的时候，其表达式：

COST231 Hata模型应用频率在1 500MHz到2 000MHz之间，适用于小区半径大于1km的宏蜂窝系统，发射有效天线高度在30m到200m之间，接收有效天线高度在1m到10m之间。路径损耗计算的经验公式为：

SUI模型，为了仿真一个无线接收机接受信号强度的变化，我们需要知道：接收机所处的地理环境，接收机到发射机的各个路径信号所受的影响，多普勒频偏等，即信道模型。对于频域单载波(SC-FDE) 技术，IEEE802.16主要规定其应用于11GHz以下的非视距(NLOS)固定无线接入( FWA)，其典型的信道特征如下：

·蜂窝半径<1 0 k m，具有多样化的地形和植被密度；

·基站发送天线高1 5-4 0 m；

·接收天线高2~10 m，位于屋檐、窗口以下，或者是房顶高度的定向天线；

·高的蜂窝覆盖率(80％~90％)。

SUI模型基于AT&T的Wireless和Erceg等人的工作，Erceg将地形分成三种类型：

A类：最大路径衰落，适用于山地地形以及很大的植被密度，对应于信道模型SUI-5、SUI-6；

B类：中等路径衰落，适用于A、C描述之间的地形，对应于信道模型SUI-3、SUI-4；

C类：最小路径衰落，适用于平原地形以及极小的植被密度，对应于信道模型SUI-1、SUI- 2；

SUI模型对于各类衰落规定了具体的衰落公式，提出6种SUI模型的适用环境如下：

·蜂窝半径7 k m；

·基站发送天线高30m，接收天线高6m；

·基站发送天线波束宽度120度，接收天线波束宽度：全向（360）和（3 0）；

·天线垂直极化；

·90％的蜂窝覆盖率，覆盖范围内99.9％的可信度。

2.仿真效果预览

matlab2022a仿真

3.MATLAB部分代码预览


function sui1();


N=10000;%独立随机数实现的数目
OR=20;%观察频率（Hz）
M=256;%多普勒滤波器的阶数
Dop_res=0.1;%SUI参数中的多普勒判决（Hz）（在重复采样进程中）
res_accu=20;%重复采样进程的精确度
%%%%%SUI信道参数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

tau=[0.0 0.4 0.9];%每个抽头的时延
Dop=[0.4 0.3 0.5];%最大多普勒频移参数
K=[4 0 0];%K因子
P=[0 -15 -20];%每一阶的功率衰减


ant_corr=0.4;%天线相关性
Fnorm=-1.5113;%增益归一化因子
%%%%%%%%%%%计算m的值%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
P = 10.^(P/10);%计算线性功率
s2 = P./(K+1); % 计算方差
m2 = P.*(K./(K+1)); % 计算常数功率
m = sqrt(m2); % 计算常数部分
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
rmsdel = sqrt( sum(P.*(tau.^2))/sum(P) - (sum(P.*tau)/sum(P))^2 );
fprintf('rms delay spread %6.3f μs\n', rmsdel);
%%%%%%%%%在特定功率下计算伦琴信道系数%%%%%%%%%%%%%%%%
L = length(P); % 阶数
paths_r = sqrt(1/2)*(randn(L,N) + j*randn(L,N)).*((sqrt(s2))' * ones(1,N)); %L*N矩阵每阶的数据噪声
paths_c = m' * ones(1,N);%常数部分

for p = 1:L 
    D = Dop(p) / max(Dop) / 2; % 归一化最大多普勒频移 
    f0 = [0:M*D]/(M*D); % 频率因子 
 

    PSD = 0.785*f0.^4 - 1.72*f0.^2 + 1.0; % PSD估计 
    filt = [ PSD(1:end-1) zeros(1,M-floor(2*M*D)) PSD(end:-1:2) ]; % S(f) 
    filt = sqrt(filt); %从S(f)到|H(f)| 
    filt = ifftshift(ifft(filt)); % 获得脉冲响应 
    filt = real(filt); % 寻找实数滤波器
    filt = filt / sqrt(sum(filt.^2)); %归一化滤波器
    path = fftfilt(filt, [ paths_r(p,:) zeros(1,M) ]); 
    paths_r(p,:) = path(1+M/2:end-M/2); 
end; 
paths = paths_r + paths_c;%路径输出数据
Pest = mean(abs(paths).^2, 2);
fprintf('tap mean power level: %0.2f dB\n', 10*log10(Pest));
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
SR = max(Dop)*2; % 精确采样率
m = lcm(SR/Dop_res, OR/Dop_res); %求最小公倍数
P = m/SR*Dop_res; % 分子
Q = m/OR*Dop_res; % 分母 
paths_OR = zeros(L,ceil(N*P/Q)); % 创造新矩阵
for p=1:L
    paths_OR(p,:) = resample(paths(p,:), P, Q, res_accu);
end;
Pest = mean(abs(paths_OR).^2, 2);
fprintf('tap mean power level: %0.2f dB\n', 10*log10(Pest));
paths_OR1=10*log10(paths_OR);
NN=length(paths_OR(1,:));
y1=abs(paths_OR).^2;
y2=10*log10(y1);%转换为dB
t=60;%时间长度
x=1:NN;
y=x/OR;
01-22m