m基于matlab的TDSCDMA系统性能仿真

简介: m基于matlab的TDSCDMA系统性能仿真

1.算法概述

    TD-SCDMA的中文含义为时分复用同步码分多址接入,是由中国第一次提出、在无线传输技术(RTT)的基础上完成并已正式成为被ITU接纳的国际移动通信标准。这是中国移动通信界的一次创举和对国际移动通信行业的贡献,也是中国在移动通信领域取得的前所未有的突破 。
    TD-SCDMA中的TD指时分复用,也就是指在TD-SCDMA系统中单用户在同一时刻双向通信(收发)的方式是TDD(时分双工),在相同的频带内在时域上划分不同的时段(时隙)给上、下行进行双工通信,可以方便地实现上、下行链路间的灵活切换。例如根据不同的业务对上、下行资源需求的不同来确定上、下行链路间的时隙分配转换点,进而实现高效率地承载所有3G对称和非对称业务。与FDD模式相比,TDD可以运行在不成对的射频频谱上,因此在当前复杂的频谱分配情况下它具有非常大的优势。TD-SCDMA通过最佳自适应资源的分配和最佳频谱效率,可支持速率从8kb/s到2Mb/s以及更高速率的语音、视频电话、互联网等各种3G业务 

   TD-SCDMA的发展始于1998年初,当时在国家邮电部的直接领导下,由原电信科学技术研究院组织队伍在 SCDMA技术的基础上,研究和起草符合IMT-2000要求的TDSCDMA建议草案。该标准草案以智能天线、同步码分多址、接力切换、时分双工为主要特点,于ITU征集IMT-2000第三代移动通信无线传输技术候选方案的截止日1998年6月30日提交到ITU,从而成为IMT2000的15个候选方案之一。ITU综合了各评估组的评估结果。在1999年11月举行的赫尔辛基ITU-RTG8/1第18次会议上和2000年5月举行的伊斯坦布尔ITU-R全会上,TD-SCDMA被正式接纳为CDMATDD制式的方案之中国无线通信标准研究组(CWTS)作为代表中国的区域性标准化组织,自1999年5月加入3GPP后,经过4个月的充分准备,与项目协调组(3 GPPPCG)、技术规范组(TSG)进行了大量协调工作,在同年9月向3GPP建议将TD- SCDMA纳入3GPP标准规范的工作内容。1999年12月在法国尼斯举行的3GPP会议上,提案被无线接入网(3 GPPTSGRAN)全会所接受,正式确定将TD- SCDMA纳入 Release200(后拆分为R4和R5)的工作计划中,并将 TD-SCDMA简称为即低码片速率TDD方案(Low Code rate, LCRTDD) [4]  。

在TD-SCDMA系统中,用到了以下几种主要关键技术 :
(1)时分双工方式(Time Division Duplexing);
(2)联合检测(Joint Detection);
(3)智能天线(Smart Antenna);
(4)上行同步(Uplink Synchronous);
(5)软件无线电(Soft Radio);
(6)动态信道分配(Dynamic Channel Allocation);
(7)功率控制(Power control);
(8)接力切换(Baton Handover);
(9)高速下行分组接入技术(High Speed Downlink Packet Access) 。

2.仿真效果预览
matlab2022a仿真测试如下:

1.png
2.png
3.png

3.核心MATLAB代码预览

for k=1:length(snr_indb)
snr=10^(snr_indb(k)/10);
sgma=1;
eb=2*(sgma^2)*snr;
LC=31;
echip=eb/LC;
N=1000;%number of bits  transmitted
%creat PN codes
fbconnection=[0 1 0 0 1]; 
mseq=m_sequence(fbconnection); 
fbconnection1=[0 0 1 0 1];
fbconnection2=[0 1 1 1 1]; 
goldseq=gold_seq(fbconnection1,fbconnection2); 
%N=2^length(fbconnection)-1; 
ind1=find(mseq==0);
mseq(ind1)=-1;
ind2=find(goldseq==0);
goldseq(ind2)=-1;            %creat 31*31 gold sequence
temp=goldseq;
pn_seq1=temp(3,:);
pn_seq2=temp(4,:);
pn_seq3=temp(7,:);
pn_seq4=temp(10,:);
pn_seq5=temp(15,:);
pn_seq6=temp(20,:);
pn_seq7=temp(26,:);
pn_seq8=temp(31,:);
% comput  matrix R
pp=[pn_seq1;pn_seq2;pn_seq3;pn_seq4;pn_seq5;pn_seq6;pn_seq7;pn_seq8];
RR=(1/LC)*pp*pp';
RR1=inv(eb*eye(8));
R=inv(RR+RR1);
%generate  codes
for  i=1:N
temp1=rand;
if(temp1<0.5),dsource1(i)=-1;
else   dsource1(i)=1;
end;
temp2=rand;
if(temp2<0.5),dsource2(i)=-1;
else   dsource2(i)=1;
end;
temp3=rand;
if(temp3<0.5),dsource3(i)=-1;
else   dsource3(i)=1;
end;
temp4=rand;
if(temp4<0.5),dsource4(i)=-1;
else   dsource4(i)=1;
end;
temp5=rand;
if(temp5<0.5),dsource5(i)=-1;
else   dsource5(i)=1;
end;
temp6=rand;
if(temp6<0.5),dsource6(i)=-1;
else   dsource6(i)=1;
end;
temp7=rand;
if(temp7<0.5),dsource7(i)=-1;
else   dsource7(i)=1;
end;
temp8=rand;
if(temp8<0.5),dsource8(i)=-1;
else   dsource8(i)=1;
end;
end;
number_of_err=0;
number_of_err1=0;
number_of_err2=0;
for  i=1:N
%将每个bit repeat LC=31 times
for  j=1:LC
    repeatdata1(j)=dsource1(i);
    repeatdata2(j)=dsource2(i);
    repeatdata3(j)=dsource3(i);
    repeatdata4(j)=dsource4(i);
    repeatdata5(j)=dsource5(i);
    repeatdata6(j)=dsource6(i);
    repeatdata7(j)=dsource7(i);
    repeatdata8(j)=dsource8(i);
end;
 for ii=0:2^8-1
            j=1;aa=ii;
            while aa~=0
                bk(j,ii+1)=rem(aa,2);
                aa=floor(aa/2);
                j=j+1;
            end
 end
 bk=bk*2-1;
%tranmit signal is:
trans_sig1=sqrt(echip)* repeatdata1.*pn_seq1;
trans_sig2=sqrt(echip)* repeatdata2.*pn_seq2;
trans_sig3=sqrt(echip)* repeatdata3.*pn_seq3;
trans_sig4=sqrt(echip)* repeatdata4.*pn_seq4;
trans_sig5=sqrt(echip)* repeatdata5.*pn_seq5;
trans_sig6=sqrt(echip)* repeatdata6.*pn_seq6;
trans_sig7=sqrt(echip)* repeatdata7.*pn_seq7;
trans_sig8=sqrt(echip)* repeatdata8.*pn_seq8;
%add AWGN  noise
noise=sgma*randn(1,LC);
 % receive signal
 for  j=1:LC
     rtemp(j)=trans_sig1(j)+trans_sig2(j)+trans_sig3(j)+trans_sig4(j)+trans_sig5(j)+trans_sig6(j)+trans_sig7(j)+trans_sig8(j);
 end;
 r=rtemp+noise;
r1=r;r2=r;r3=r;r4=r;r5=r;r6=r;r7=r;r8=r;
%CD JUDGE
I1=sum(r1.*pn_seq1);
I2=sum(r2.*pn_seq2);
I3=sum(r3.*pn_seq3);
I4=sum(r4.*pn_seq4);
I5=sum(r5.*pn_seq5);
I6=sum(r6.*pn_seq6);
I7=sum(r7.*pn_seq7);
I8=sum(r8.*pn_seq8);
% DD JUDGE
I=R*[I1,I2,I3,I4,I5,I6,I7,I8]';
y=[I1,I2,I3,I4,I5,I6,I7,I8]';
for ii=1:2^8
  
    c(ii)=2*(bk(:,ii))'*y-(bk(:,ii))'*R*bk(:,ii);
       
end
[m,mm]=max(c);
bb=bk(:,mm);
if(bb(1)~=dsource1(i)),number_of_err2=number_of_err2+1;end;
if(bb(2)~=dsource2(i)),number_of_err2=number_of_err2+1;end;
if(bb(3)~=dsource3(i)),number_of_err2=number_of_err2+1;end;
if(bb(4)~=dsource4(i)),number_of_err2=number_of_err2+1;end;
if(bb(5)~=dsource5(i)),number_of_err2=number_of_err2+1;end;
if(bb(6)~=dsource6(i)),number_of_err2=number_of_err2+1;end;
if(bb(7)~=dsource7(i)),number_of_err2=number_of_err2+1;end;
if(bb(8)~=dsource8(i)),number_of_err2=number_of_err2+1;end;
% DD make decision
if(I(1)<0), desion1=-1;
else desion1=1;
end;
if(I(2)<0), desion2=-1;
else desion2=1;
end;
if(I(3)<0), desion3=-1;
else desion3=1;
end;
if(I(4)<0), desion4=-1;
else desion4=1;
end;
if(I(5)<0), desion5=-1;
else desion5=1;
end;
if(I(6)<0), desion6=-1;
else desion6=1;
end;
if(I(7)<0), desion7=-1;
else desion7=1;
end;
if(I(8)<0), desion8=-1;
else desion8=1;
end;
if(desion1~=dsource1(i)),number_of_err=number_of_err+1;end;
if(desion2~=dsource2(i)),number_of_err=number_of_err+1;end;
if(desion3~=dsource3(i)),number_of_err=number_of_err+1;end;
if(desion4~=dsource4(i)),number_of_err=number_of_err+1;end;
if(desion5~=dsource5(i)),number_of_err=number_of_err+1;end;
if(desion6~=dsource6(i)),number_of_err=number_of_err+1;end;
if(desion7~=dsource7(i)),number_of_err=number_of_err+1;end;
if(desion8~=dsource8(i)),number_of_err=number_of_err+1;end;
%CD  MAKE DECISION
% CD  make  decision
if(I1<0), desion11=-1;
else desion11=1;
end;
if(I2<0), desion21=-1;
else desion21=1;
end;
if(I3<0), desion31=-1;
else desion31=1;
end;
if(I4<0), desion41=-1;
else desion41=1;
end;
if(I5<0), desion51=-1;
else desion51=1;
end;
if(I6<0), desion61=-1;
else desion61=1;
end;
if(I7<0), desion71=-1;
else desion71=1;
end;
if(I8<0), desion81=-1;
else desion81=1;
end;
if(desion11~=dsource1(i)),number_of_err1=number_of_err1+1;end;
if(desion21~=dsource2(i)),number_of_err1=number_of_err1+1;end;
if(desion31~=dsource3(i)),number_of_err1=number_of_err1+1;end;
if(desion41~=dsource4(i)),number_of_err1=number_of_err1+1;end;
if(desion51~=dsource5(i)),number_of_err1=number_of_err1+1;end;
if(desion61~=dsource6(i)),number_of_err1=number_of_err1+1;end;
if(desion71~=dsource7(i)),number_of_err1=number_of_err1+1;end;
if(desion81~=dsource8(i)),number_of_err1=number_of_err1+1;end;
end
err(k)=number_of_err/(3*N)%MMSE ber
err1(k)=number_of_err1/(3*N)%CD ber
err2(k)=number_of_err2/(3*N)
end
%plot(snr_indb,err);
semilogy(snr_indb,err,'k');%MMSE ber
grid on;
hold on;
semilogy(snr_indb,err1,'r');%CD ber
hold on
semilogy(snr_indb,err2,'^-')
legend('MMSE','CD','不加信道估计');
01_006_m
相关文章
|
6天前
|
算法 5G 数据安全/隐私保护
3D-MIMO信道模型的MATLAB模拟与仿真
该研究利用MATLAB 2022a进行了3D-MIMO技术的仿真,结果显示了不同场景下的LOS概率曲线。3D-MIMO作为5G关键技术之一,通过三维天线阵列增强了系统容量和覆盖范围。其信道模型涵盖UMa、UMi、RMa等场景,并分析了LOS/NLOS传播条件下的路径损耗、多径效应及空间相关性。仿真代码展示了三种典型场景下的LOS概率分布。
19 1
|
4天前
|
算法 5G 数据安全/隐私保护
SCM信道模型和SCME信道模型的matlab特性仿真,对比空间相关性,时间相关性,频率相关性
该简介展示了使用MATLAB 2022a进行无线通信信道仿真的结果,仿真表明信道的时间、频率和空间相关性随间隔增加而减弱,并且宏小区与微小区间的相关性相似。文中介绍了SCM和SCME模型,分别用于WCDMA和LTE/5G系统仿真,重点在于其空间、时间和频率相关性的建模。SCME模型在SCM的基础上进行了扩展,提供了更精细的参数化,增强了模型的真实性和复杂度。最后附上了MATLAB核心程序,用于计算不同天线间距下的空间互相关性。
9 0
|
4天前
|
算法
基于极大似然算法的系统参数辨识matlab仿真
本程序基于极大似然算法实现系统参数辨识,对参数a1、b1、a2、b2进行估计,并计算估计误差及收敛曲线,对比不同信噪比下的误差表现。在MATLAB2022a版本中运行,展示了参数估计值及其误差曲线。极大似然估计方法通过最大化观测数据的似然函数来估计未知参数,适用于多种系统模型。
|
4天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于NSCT非采样轮廓波变换和CNN网络人脸识别matlab仿真
本项目展示了一种结合非采样轮廓波变换(NSCT)与卷积神经网络(CNN)的人脸识别系统。通过NSCT提取多尺度、多方向特征,并利用CNN的强大分类能力实现高效识别。项目包括ORL人脸库的训练结果对比,提供Matlab 2022a版本下的完整代码及详细中文注释,另有操作步骤视频指导。
|
6天前
|
机器学习/深度学习 算法
基于小波神经网络的数据分类算法matlab仿真
该程序基于小波神经网络实现数据分类,输入为5个特征值,输出为“是”或“否”。使用MATLAB 2022a版本,50组数据训练,30组数据验证。通过小波函数捕捉数据局部特征,提高分类性能。训练误差和识别结果通过图表展示。
|
6天前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的CNN-LSTM的时间序列回归预测matlab仿真
本项目展示了一种结合灰狼优化(GWO)与深度学习模型(CNN和LSTM)的时间序列预测方法。GWO算法高效优化模型超参数,提升预测精度。CNN提取局部特征,LSTM处理长序列依赖,共同实现准确的未来数值预测。项目包括MATLAB 2022a环境下运行的完整代码及视频教程,代码内含详细中文注释,便于理解和操作。
|
1月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
105 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
1月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
78 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
1月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
61 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
4月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度