带中继节点的蜂窝小区通信系统matlab仿真,输出吞吐量,功耗以及能效等

简介: 带中继节点的蜂窝小区通信系统matlab仿真,输出吞吐量,功耗以及能效等

1.算法仿真效果
matlab2022a仿真结果如下:
2b994f989fd92b6657987fdedc0df546_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
52b65bc1295be600e2006dfc6edd58d3_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
7a1e9903840a8c4127cc5923882612b8_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
cb0af523e71b17dea891a9bdfc76b5cc_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要

    早期的移动通信是大区制,也就是在一个区域内建一个基站,且尽可能地提高该基站的信号覆盖范围,这种方法的好处是实现容易,设备简单,但由于受功率和频谱资源限制,系统容量有限,而且扩大容量很困难。因此后来人们提出了小区的方法,即将一个区域划分成很多小的区域,即小区,每个小区用一个基站来进行信号覆盖,相邻的小区使用不同的频率避免干扰,而相隔较远的小区由于基站功率有限,可以使用相同的频率且干扰程度很低,不足以对两个小区用户的通信质量产生致命的影响,这样就实现了频谱复用,大大提高了频谱资源利用率,在相同的频谱和带宽资源下,相比较大区制的方法,由于频谱的复用,系统容量得到很大的提升。
    这种小区划分区域的方法使得整个区域看起来像由很多蜂巢组成,因此小区又被称之为蜂窝小区。为了实现在整个区域内各个小区之间的无缝覆盖,即用户在区域内所有地方的通信质量不受影响,各个基站之间用移动交换中心进行控制和联络,移动交换中心不仅必须确切的知道每个用户在区域中的位置,当用户从一个小区移动到另外一个小区后,移动交换中心还要实施位置切换,将用户的信息从一个小区切换到另外一个小区,当然移动交换中心还要根据业务需要,不断在各个基站之间发送控制指令和信息,由此可见小区制较之大区制在设备和技术上都要复杂得多,成本和投资也较大,但随着电子技术和计算机技术的发展,无论是硬件还是软件解决这些复杂问题都已日渐成熟,因此小区制的优点已远远胜过了它的缺点。
     目前由于业务的需要,对小区覆盖不到的地方人们又提出了微小区(微蜂窝小区)的技术,与之相比,通常的小区就称之为宏小区(宏蜂窝小区)。微小区的发射功率小,覆盖范围也小,一般用于如地下室、隧道等宏小区覆盖不到的地方,作为无线覆盖的一种补充,同样的思路,还有微微小区的技术,它的功率更小,通常用于覆盖会议室等通信“热点”区域。除此之外,目前智能小区的技术也已发展起来,它是指使用智能天线的基站所产生的信号小区。智能小区除了具有通常小区的优点之外,还具备智能天线所带来的优点,例如载荷均衡方面,它可以利用智能天线的自适应特性智能判定用户位置,根据实际情况调整发送给用户的信号功率大小,以及利用智能天线的定向波束确定用户信号方向,从而有效抑制干扰信号等功能。目前智能小区的技术已经在基于LTE技术的4G网络中得到应用和发展。
   为了使移动通信系统的业务容量最大,同时使移动台在各种速度时切换最少,除了最大限度地提高频谱效率外,对于移动台诸如移动特性、输出功率及所用业务类型等不同参数,使用不同类型的蜂窝可能是有利的。同一地理区域同时运用不同类型的蜂窝是可能的。
   根据小区覆盖的大小,蜂窝大体可分成巨区、宏区、微区及微微区,这些蜂窝类型的一些参数包括蜂窝小区半径、终端速度、安装地点、运行环境、业务量密度和适应系统。小区半径决定了无线电可靠的通信范围,它与输出功率、业务类型、接收灵敏度、编码及调制等有关,终端速度为基站与移动台的相对速度,与移动特性有关,其大小决定了区间切换的次数,基站的安装高度与蜂窝半径有关.半径越大安装高度也越大。

   蜂窝小区是GSM网获取位置信息来实现位置服务的主要定位技术。它是基于Cell-ID的定位技术,是美国E911无线定位呼叫的第一阶段采用的技术,也是在无线网络中应用最广泛的定位技术。这种技术不需要对手机或网络做较大的改动,因此能够在现有手机的基础上构造位置查找系统。它通过采集移动台所处的小区识别号(Cell-ID号)来确定用户的位置。只要系统能够采集到移动台所在小区基站在地图上的地理位置,以及小区的覆盖半径,则当移动台在所处小区注册后,系统就会知道移动台处于哪一小区。这种技术的定位精度取决于所在小区的半径,如在北京市区,基站密度较高,COO定位精度可以达到200米左右;而在郊区,基站密度较低,COO定位精度只能达到一两公里。

    针对单个D2D链路与单个蜂窝链路复用相同资源的情况,Doppler[9]等以最大化吞吐量的方式进行资源优化分配,并同时保证蜂窝用户QoS需求。对多个D2D链路与多个蜂窝链路进行资源复用,全網吞吐量最大的方法,为保障蜂窝用户和D2D用户的QoS需求,通过接入控制、功率分配及二部图的最大权值匹配三个步骤进行资源优化分配。上述文献及其发展方法虽能使得系统吞吐量达到最大,且满足D2D用户和蜂窝用户的QoS需求,但未考虑D2D链路复用蜂窝链路带来的容量变化,也未考虑复用D2D势必会导致蜂窝用户性能恶化的影响。


3.MATLAB核心程序

Max_People  = 10;
Step_People = 1;
Min_People  = 2;
pp          = 1; 
for nNumofUserPerSector = Min_People:Step_People:Max_People
    nNumofUserPerSector
    global testbler;
    RelayUser_Scheduled              = [];
    testbler                         = [];
    SS                               = [];
 %定义整个系统所涉及到的变量 
    dSimulationTime                  =             2;       % 仿真TTI数200
    dKmCiteToCiteDistance            =             0.5;     % 基站间距离 km
    dCellRadius                      =             dKmCiteToCiteDistance/sqrt(3);  % 小区半径
    dKmMinDistance                   =             0.035;   % 用户和基站间的最小距离 km
    nNumofCell                       =             19;      % 系统中的小区数19
    nNumofSector                     =             nNumofCell*3;  % 系统中的扇区数
       
    nTotalNumofUser                  =             nNumofSector*nNumofUserPerSector;   % 系统内总用户数
    dwBsTransmitPower                =             40;      % 基站总发送功率 W (46dBm)
    dwRNTransmitPower                =             2;       % 中继总发送功率 W (33dBm)
    dwMsTransmitPower                =             0.25;    % 移动台发送功率 W
    ddBBSNoisefigure                 =             5;       % 基站热噪声指数 dB
    ddBUENoisefigure                 =             7;       % 移动台热噪声指数 dB
    ddBRNNoisefigure                 =             6;       % 中继热噪声指数 dB
    ddBmThermalNoise                 =             -174;    % 热噪声指数 dBm/Hz
    dHzSubcarrierBandWidth           =             15000;   % 子载波带宽 Hz
    dMHzCarrierFrequency             =             2000;    % 载波频率 MHz
    dUserVelocity                    =             0;       % 用户移动速度 km/h
    ddBShadowFadingStdBS2UE          =             8;       % 阴影衰落标准差BS2UE dB
    ddBShadowFadingStdBS2RN          =             3.4;     % 阴影衰落标准差BS2RN dB (16j中为3.4dB,LTE-A中为6dB)
    ddBShadowFadingStdRN2UE          =             10;      % 阴影衰落标准差RN2UE dB
    dShadowFadowCorrelation          =             0.5;     % 阴影衰落相关系数
    ddBBSTransmitAntennaGain         =             14;      % BS发送天线增益 dB
    ddBRNCoverageAntennaGain         =             5;       % RN覆盖天线增益 dB
    ddBRNDonorAntennaGain            =             23;      % RN施主天线增益 dB
    ddBUEReceiveAntennaGain          =             0;       % UE接收天线增益 dB
    ddBPenetrationLoss2UE            =             20;      % 到UE的穿透损耗 dB
    ddBPenetrationLoss2RN            =             0;       % 到RN的穿透损耗 dB
    dwPerSubcarrierWhiteNoise        =             10^((ddBmThermalNoise-30)/10)*dHzSubcarrierBandWidth;   % 每个子载波上的白噪声 W
    dBER_Target                      =             10^(-1); % 目标误比特率
    dSNR_gap                         =             -log(5*dBER_Target)/1.5;                                                      % Tao
.......................................................................................
 
figure(4);
%计算平均用户吞吐量
MM = Min_People*nNumofSector:Step_People*nNumofSector:Max_People*nNumofSector;
plot(MM,Plot_AvrgThroughput2,'-bs',...
    'LineWidth',1,...
    'MarkerSize',7,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.0,0.9,0.0]);
相关文章
|
18天前
|
传感器 算法 vr&ar
六自由度Stewart控制系统matlab仿真,带GUI界面
六自由度Stewart平台控制系统是一种高精度、高稳定性的运动模拟装置,广泛应用于飞行模拟、汽车驾驶模拟、虚拟现实等领域。该系统通过六个独立的线性致动器连接固定基座与移动平台,实现对负载在三维空间内的六个自由度(三维平移X、Y、Z和三维旋转-roll、pitch、yaw)的精确控制。系统使用MATLAB2022a进行仿真和控制算法开发,核心程序包括滑块回调函数和创建函数,用于实时调整平台的位置和姿态。
|
12天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
13天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
11天前
|
算法
基于HASM模型的高精度建模matlab仿真
本课题使用HASM进行高精度建模,介绍HASM模型及其简化实现方法。HASM模型基于层次化与自适应统计思想,通过多层结构捕捉不同尺度特征,自适应调整参数,适用于大规模、高维度数据的分析与预测。MATLAB2022A版本运行测试,展示运行结果。
|
14天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
12天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
13天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
13天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
32 3
|
18天前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
基于ACO蚁群优化的VRPSD问题求解MATLAB仿真,输出ACO优化的收敛曲线、规划路径结果及每条路径的满载率。在MATLAB2022a版本中运行,展示了优化过程和最终路径规划结果。核心程序通过迭代搜索最优路径,更新信息素矩阵,确保找到满足客户需求且总行程成本最小的车辆调度方案。
|
17天前
|
机器学习/深度学习 存储 算法
基于Actor-Critic(A2C)强化学习的四旋翼无人机飞行控制系统matlab仿真
基于Actor-Critic强化学习的四旋翼无人机飞行控制系统,通过构建策略网络和价值网络学习最优控制策略。MATLAB 2022a仿真结果显示,该方法在复杂环境中表现出色。核心代码包括加载训练好的模型、设置仿真参数、运行仿真并绘制结果图表。仿真操作步骤可参考配套视频。
35 0

热门文章

最新文章