基于matlab的MRC最大合并比误码率仿真,包括维特比译码,MRC,中继

1.算法概述

最大比合并(Maximal Ratio Combining,MRC)是分集合并技术中的最优选择,相对于选择合并和等增益合并可以获得最好的性能,其性能提升是由阵列增益( 阵列增益即发射的信号的功率增益,是通过发送机和/或接收机的多个天线而实现功率增益的,一般在LTE中,增加一个天线会有3db的增益)带来的更高的信噪比,进而带来更好的误码率特性。最大比合并的实现方式是通过给分集的N路不同信号乘上一个不同的系数 ,而系数的确定与N路分支的衰落系数 有关。


如下图所示:



考虑了一个RIS 增强型共生无线电下行链路系统,它由一个具有 Q (Q ≥ 1) 个天线的 基站BS、K (K ≥ 1) 个单天线反向散射设备BD、一个具有 M 反射元件(M ≥ 1) 的 RIS 组成) 和单天线主接收器PR。 关于信道系数不再赘述。其中BD 的符号周期是主信号的 N 倍,其中 N 是整数,远大于 1(共生无线电的特点)。


最大比合并是分集合并技术中的最优选择,相对于选择合并和等增益合并可以获得最好的性能,性能提升是由Array Gain带来的更高的信噪比,进而带来更好的误码率特性决定的。


最大比合并(Maximal Ratio Combining)的实现方式即通过给分集的N路不同信号乘上一个不同的系数wi,i=1,2,……,N,系数的确定与N路分支的衰落系数hi,i=1,2,……,N有关。通常有:




下面来证明为什么最大比合并是最优合并方案。


如上所述,考虑一个AWGN信道,其中发送符号功率为Es,噪声功率谱密度为N0,N条之路的衰落系数为hi,i=1,2,……,N,合并加权系数为wi,i=1,2,……,N。


接收端的和信噪比为:




如果需要SNR最大,则需要取到极大值,通过SNR对wi求偏导并令偏导为0可得:




化简后有如下式子:




分析i=1和i=2时两个式子,经过对比作差有:




故证明信噪比最大时的合并方式是MRC合并。


2.仿真效果预览

matlab2022a仿真结果如下:




3.核心MATLAB代码预览

%随机数据位

data    = round(rand(N_bits,1));

%使用速率1/2卷积码的信道编码

trellis = poly2trellis(3,[5 7]);  

c_data  = convenc(data,trellis);


%BPSK调制

tx      = 2*c_data - 1;


%信道特征

SNRdB = 0:25; %SNR范围


%中继信道的附加噪声和信道响应:

%上行信道

noise_d = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));

h_d     = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));


%用户间信道

noise_r1 = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));

h_r1     = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));


%中继上行链路

noise_r2 = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));

h_r2     = 1/sqrt(2) * (randn(2 * N_bits,1) + j * randn(2 * N_bits,1));




SNR = 10^(SNRdB(k)/10); %将SNRdB转换为线性值SNR


ftx_r1 = sqrt(SNR) * h_r1 .* tx + noise_r1;



%Decode n F

%均衡

eq_rx1 = ftx_r1 .* conj(h_r1);

%硬判决和从双极到bits的转换

r_bits = (sign(real(eq_rx1)) + 1)/2;

%信道解码

dec_dcf_r1 = vitdec(r_bits,trellis,3,'term','hard');

%重新编码

c_data2 = convenc(dec_dcf_r1,trellis);

%中继编码数据的BPSK信号

tx2_dcf = 2 * c_data2 - 1;



%Detect n F


dec_dtf_r1 = sign(real(eq_rx1));

tx2_dtf    = dec_dtf_r1;


%放大 n F


beta = sqrt(1./((SNR * abs(h_r1).^2) + 1));

%放大:

ftx_amp = ftx_r1 .* beta;


%中继%

%DCF

ftx_dcf_r2 = sqrt(SNR) * tx2_dcf .* h_r2 + noise_r2 ;

%DTF

ftx_dtf_r2 = sqrt(SNR) * tx2_dtf .* h_r2 + noise_r2 ;

%AF

ftx_af_r2 = sqrt(SNR) * ftx_amp .* h_r2 + noise_r2 ;



%目的地

ftx_d = sqrt(SNR)* tx .* h_d + noise_d;


%MRC

R_dcf       = ftx_dcf_r2 .* conj(h_r2) + ftx_d .* conj(h_d);

%硬决策

dec_com_dcf = sign(real(R_dcf));


A68

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351

推荐阅读更多精彩内容