(13)MATLAB莱斯(Rician)衰落信道仿真3

文章目录


前言

本文使用复高斯随机过程对莱斯衰落信道进行建模,给出MATLAB仿真代码,并和瑞利分布的PDF理论值进行了对比。


一、复高斯随机过程的莱斯衰落信道模型

在《(11)MATLAB莱斯(Rician)衰落信道仿真2》中,给出以下莱斯衰落信道模型:

该模型可以看作一个复高斯随机过程,该过程的实部和虚部都如从高斯分布,高斯的均值为

标准差为

下面使用该复高斯随机过程对莱斯衰落信道进行MATLAB建模仿真。

二、仿真代码

代码如下:

c 复制代码
clc
close all
clear all

%% 莱斯衰落信道模型
Kdb = -50;                                        % 莱斯因子K的dB值
K = 10^(Kdb/10);                                  % 莱斯因子K转换成线性值
mu = sqrt(K/(2*(K+1)));                           % 均值
sigma = sqrt(1/(2*(K+1)));                        % 标准差

N = 1e5;                                          % 样本数
ric = mu + sigma.*randn(1,N) + 1j*(mu + sigma.*randn(1,N));

% 利用直方图计算莱斯随机变量的概率密度函数估计值
bins_number = 50;
[elements_number,x] = hist(abs(ric),bins_number);
px = elements_number/N/(mean(diff(x)));

%% 瑞利分布概率密度函数(pdf)的理论值
s = sqrt(0.5);
r = 0: 0.1 : 4;                                   % rayleigh随机变量
pdf = (r/s^2).*exp(-r.^2/(2*s^2));                % 理论pdf

% 画图对比
figure()
plot(x,px,'ro','LineWidth', 1.5)
hold on
grid on
plot(r,pdf,'b-' ,'LineWidth', 1.5);
grid on;
title('莱斯分布随机变量的概率密度');
legend('莱斯随机变量的PDF估计值(K=-50dB)' ,'瑞利分布PDF的理论值' );
xlabel('随机变量x');
ylabel('概率密度px');

三、仿真结果画图

四、几点补充说明

(1)关于randn函数

MATLAB中randn函数用于正态分布伪随机数。正态分布,也即高斯分布。若高斯分布的均值为1,标准差为2,要生成该高斯分布的随机变量的100个样本,可以用这行代码实现:r = 1 + 2.*randn(100,1)。

(2)关于莱斯因子的形式

由于莱斯因子K是直射路径与反射路径信号的相对功率,所以,莱斯衰落信道仿真时,莱斯因子一般以dB值的形式给出。

(3)仿真中莱斯因子取值

上面给出的代码中,设置莱斯因子Kdb=-50,得到的随机变量的分布近似瑞利分布。另外,当设置莱斯因子Kdb=15时,得到的pdf估计值将近似高斯分布。


相关推荐
果果软件10 分钟前
2026 后台管理系统选型:若依、JeecgBoot、芋道、NocoBase 和 GewuMind Boot 怎么选?
java·人工智能·后端·ai·开源
Csvn15 分钟前
刚开始用 WorkBuddy,第一步该做什么?
人工智能
Felven32 分钟前
A. Iskander and Drawings
算法
一水鉴天33 分钟前
同一与唯一:AppBus 外壳与 DevOps 内核 之1 20261121(元宝)
人工智能·机器学习
Wellijohn1 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
ZONGYUAN-ROOT1 小时前
【API配额】API 配额监控告警不生效?用 Python 监控读数变化量,抓住静态阈值漏掉的「假重置」
人工智能
Wellijohn1 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
布莱克6052 小时前
Swift 方法详解:实例方法、类型方法与 mutating 机制
服务器·开发语言·ios·ssh·swift·方法
伞伞悦读3 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习