数字调制与解调的Monte-Carlo仿真.ppt

研究课：数字调制与解调的Monte-Carlo仿真 主要内容 通信系统仿真的概念 仿真方法论 随机过程的建模与仿真 Monte-Carlo仿真及实例 1. 通信系统仿真的概念 点对点数字通信系统模型 通信系统最主要的质量指标：有效性和可靠性 衡量通信系统性能的方法： 基于公式的计算方法：只适用于简单可解析处理的通信系统； 硬件样机研究和测量：开销大，不够灵活 波形级仿真：计算机实现，短时，高效，省力，直观 计算机仿真在通信系统工程设计的各个阶段都起着十分重要的作用。在设计的前期阶段，为验证新算法和新硬件技术，仿真提供了极佳的环境。 通信系统仿真涉及的领域： 通信原理，数字信号处理，概率论，信号检测与估计，随机过程理论，信号与系统理论等。 掌握通信原理是通信系统仿真的关键，主要涉及系统结构和各种通信技术，比如调制解调技术，编码技术等。 2. 仿真方法论 仿真的基本步骤： 将给定的问题映射为仿真模型； 把整个问题分解为一组子问题； 选择一套合适的建模、仿真和估计方法，并将其用于解决这些子问题； 综合各子问题的解决结果以提供对整个问题的解决方案； 仿真的四个层次： 系统级仿真、子系统级仿真、元件级仿真和电路层仿真 建模： 系统建模：系统框图 设备建模：输入输出规则，如方程式、算法、反映设备实际工作的参数值 随机过程建模：信号源，噪声等； 系统性能估计 对模拟通信系统：输出信噪比 对数字通信系统：误比特率(BER)或误码率或误帧率(FER)、信噪比 符号差错概率估计为： 注：仿真能处理的符号数目是有限的，故只能对差错概率做近似计算，Monte-Carlo(蒙特卡罗)仿真。 通信仿真软件包 Matlab Opnet SystemVue NS2 随机过程的建模与仿真 Matlab库函数实现 rand函数：产生在(0,1)内均匀分布的随机数。 调用格式：x=rand(m); x=ran(m,n); x=rand; randn函数：产生均值为零、方差为1的高斯分布的随机数，调用格式同rand函数。 产生均值为m，方差为sigma的高斯分布随机变量: (1) x=m+sqrt(sigma)*randn; (2) 见下页： gngauss.m sigma=input(‘input sigma’) m=input(‘input m’); A=rand(1); B=rand(1); R=sigma*(sqrt(2*log(1/(1-A)))); X=m+R*cos(2*pi*B); % Gaussian分布R.V. Y=m+R*sin(2*pi*B); % Gaussian分布R.V. Ray = sqrt(1/2)*(X+1i*Y); % Rayleigh分布R.V. Monte-Carlo仿真及实例 Monte-Carlo仿真方法论 随机实验结果无法准确预测，只能用统计的方法加以描述。 事件A发生的概率可通过重复多次随机实验求得： 在数字通信系统中，N是总的发送比特数，Ne是差错发生的次数。 Monte-carlo仿真的特性 无偏性：在平均意义下可以得到正确的结果 一致性：估计值的方差随着随机实验次数N的增加而减小，当N趋于无穷时，方差趋于0. 基于以上两个特性，Monte-carlo仿真可以准确地估计出系统的性能。 一个简单的Monte-carlo仿真实例 假设通信系统满足以下条件： 信源输出的数据符号是相互独立和等概率的； 信道是加性高斯白噪声(AWGN)信道； 调制方式采用BPSK 接收信号 判决： 对 和 进行符号比较，当两者不相等时，说明通信系统出现了差错。BER的Monte-carlo估计值为： BER的理论值： 噪声方差 和噪声功率谱密度的关系为： 信噪比SNR定义为： 将 和 都归一化为1，则有： 编写Matlab仿真程序 N=input(Enter number of symbols ); snrdB_min=-3;snrdB_max=8; snrdB=snrdB_min:1:snrdB_max; snr=10.^(snrdB/10); len_snr=length(snrdB); for j=1:len_snr sigma=sqrt(1/(2*snr(j))); Ne=0; for k=1:N d=round(rand(1)); x_d=2*d-1; n_d=sigma*randn(1); y_d=x_d+n_d; if y_d0