通信系统仿真上机实验指导书

通信系统仿真上机实验指导书

指导教师：刘健

2013年10月

1

最终报告内容：

根据提供的例子，学习通信系统仿真基本知识，搭建包含：随机数生成、调制、编码、AWGN信道、解码、解调、差错统计等模块的通信系统仿真M文件或是Simulink仿真模型，最终得出评估通信系统性能的SNR/BER曲线、频谱利用率等曲线。

2

目录

目录................................................................................................................................. 1 设计一 随机信号分析................................................................................................... 4 设计二 模拟信号的数字化........................................................................................... 8 设计三 数字基带传输系统......................................................................................... 14 设计四 模拟线性调制解调系统................................................................................. 18 设计五 2FSK调制解调系统 ...................................................................................... 26 设计六 2PSK和2DPSK调制解调系统 .................................................................... 32 设计七 数字通信系统的抗噪性能分析..................................................................... 37 设计八 载波同步......................................................................................................... 43 设计九 信道编码和译码............................................................................................. 46 参考文献....................................................................................................................... 50

3

设计一 随机信号分析

一、设计目的

1． 利用MATLAB产生各种随机信号。

2． 利用MATLAB计算随机信号的自相关函数和功率谱密度。 3． 掌握随机信号的自相关函数与功率谱密度的关系及其推导。

二、设计原理

1．随机信号的产生

在MATLAB中，提供了大量的随机数发生函数，其中rand和randn是两类核心函数，rand函数产生在[0，1]区间服从均匀分布的随机信号；randn函数产生服从均值为0，方差为1的高斯分布的随机信号。其它类型的随机信号可以通过这两类随机信号变换而得到。

(1) rand函数 格式：X=rand(N)

X=rand(M,N) (2) randn函数 格式：X=randn(N)

X=randn(M,N) 2． 随机信号的自相关函数

在MATLAB中，xcorr函数用于估计随机序列的自相关函数，其调用格式如下： (1) c=xcorr(x)可计算出矢量x的自相关函数，矢量x表示序列x(n)。 (2) c=xcorr(x,'option')中的option可用来指定相关选项：

·当option=biased时，xcorr函数可计算自相关函数的有偏估计，即

1Rx(m)?NN?m?1?xn?0n?mxn

·当option=unbiased时，xcorr函数可计算自相关函数的无偏估计，即

1Rx(m)?N?m即m?0的自相关函数值归一化为1。

N?m?1?xn?0n?mxn

·当option=coeff时，xcorr函数对序列进行归一化处理，使零滞后的自相关函数为1.0，·当option=none时，即为缺省情况，不做归一化处理。

4

3． 随机信号的功率谱密度

随机信号?(t)的自相关函数与其功率谱密度之间互为傅立叶变换关系。即

?P?(?)??R(?)e?j??d?

?? R(?)?12?????P?(?)ej??d?

【例1-1】在（-1/2，1/2）内产生一均匀分布的随机数N=1000的离散时间序列，计算该序列的自相关，定义为

1N?mRx(m)?XnXn?m,m?0,1,...,M ?N?mn?1N1 ??XnXn?m,m??1,?2,...,?M

N?mn?m同时，用计算Rx(m)的离散傅里叶变换（DFT）求序列{xn}的功率谱。DFT定义为

DFT?Rx(m)??m??M?RMx(m)e?j2?fm?2?M?1??

解 产生序列{xn}，计算自相关和功率谱DFT?Rx(m)?的MATLAB源程序在下面给出。应该值得注意的是，自相关函数和功率谱都呈现出显著的波动，因此有必要在几次实现上对样本的自相关求平均。本程序在随机过程的10次实现上采用平均自相关得到自相关函数和功率谱。源程序如下：

echo on N=1000; M=50; t=0:1:50; s=-0.5:0.02:0.5; Rx_av=zeros(1,M+1); Sx_av=zeros(1,M+1);

for j=1:10; % 取10次实现的整体平均 X=rand(1,N)-1/2; % X在 -1/2 和 1/2之间取值 Rx=Rx_est(X,M); % 本次实现的自相关函数 Sx=fftshift(abs(fft(Rx))); % 本次实现的功率谱密度 Rx_av=Rx_av+Rx; % 自相关函数之和

5