comm.RicianChannel
マルチパス ライス フェージング チャネルによる入力信号のフィルター処理
説明
comm.RicianChannel System object™ は、マルチパス ライス フェージング チャネルによる入力信号をフィルター処理します。フェージング モデルの処理の詳細については、マルチパス フェージング チャネルのシミュレーションの方法論の節を参照してください。
マルチパス ライス フェージング チャネルによる入力信号をフィルター処理するには、以下の手順に従います。
comm.RicianChannelオブジェクトを作成し、そのプロパティを設定します。関数と同様に、引数を指定してオブジェクトを呼び出します。
System object の機能の詳細については、System object とはを参照してください。
作成
説明
ricianchan = comm.RicianChannel
ricianchan = comm.RicianChannel(Name=Value)comm.RicianChannel(SampleRate=2) は入力信号のサンプル レートを 2 に設定します。
プロパティ
使用法
構文
説明
Y = ricianchan(X)X をフィルター処理し、Y に結果を返します。
この構文を有効にするには、ChannelFiltering プロパティを true に設定します。
Y = ricianchan(X,inittime)
この構文を有効にするには、FadingTechnique プロパティを 'Sum of sinusoids' に設定し、InitialTimeSource プロパティを 'Input port' に設定します。
[ は、前述の構文の入力引数を任意に組み合わせて使用し、潜在的なマルチパス ライス フェージング処理のチャネル パス ゲインも Y,pathgains] = ricianchan(___)pathgains に返します。
この構文を有効にするには、PathGainsOutputPort プロパティを true に設定します。
pathgains = ricianchan()
この構文を有効にするには、ChannelFiltering プロパティを false に設定します。
pathgains = ricianchan(inittime)
この構文を有効にするには、FadingTechnique プロパティを 'Sum of sinusoids' に、InitialTimeSource プロパティを 'Input port' に、ChannelFiltering プロパティを false に設定します。
入力引数
出力引数
オブジェクト関数
オブジェクト関数を使用するには、System object を最初の入力引数として指定します。たとえば、obj という名前の System object のシステム リソースを解放するには、次の構文を使用します。
release(obj)
例
2 つの異なる乱数発生方法を使用して、同じマルチパス ライス フェージング チャネル応答を作成します。マルチパス ライス フェージング チャネル System object には 2 つの乱数発生方法が含まれています。現在のグローバル ストリーム、またはシードを指定した mt19937ar アルゴリズムを使用できます。グローバル ストリームと対話することで、System object は、2 つの方法から同じ出力を生成できます。
ランダムに生成されたデータに 8-PSK 変調を適用します。
M = 8; % Modulation order
insig = randi([0,M-1],1024,1);
channelInput = pskmod(insig,M);乱数発生方法を my19937ar アルゴリズムに、乱数シードを 73 に指定して、マルチパス ライス フェージング チャネル System object を作成します。
ricianchan = comm.RicianChannel( ... SampleRate=1e6, ... PathDelays=[0.0 0.5 1.2]*1e-6, ... AveragePathGains=[0.1 0.5 0.2], ... KFactor=2.8, ... DirectPathDopplerShift=5.0, ... DirectPathInitialPhase=0.5, ... MaximumDopplerShift=50, ... DopplerSpectrum=doppler('Bell', 8), ... RandomStream='mt19937ar with seed', ... Seed=73, ... PathGainsOutputPort=true);
マルチパス ライス フェージング チャネル System object を使用して、変調されたデータをフィルター処理します。
[RicianChanOut1,RicianPathGains1] = ricianchan(channelInput);
System object が乱数発生にグローバル ストリームを使用するよう設定します。
release(ricianchan);
ricianchan.RandomStream = 'Global stream';マルチパス ライス フェージング チャネル System object の作成時に指定されたのと同じシードを持つよう、グローバル ストリームを設定します。
rng(73)
マルチパス ライス フェージング チャネル System object を使用して、変調されたデータを再度フィルター処理します。
[RicianChanOut2,RicianPathGains2] = ricianchan(channelInput);
2 つの方法のそれぞれについて、チャネルおよびパス ゲインの出力が同じかどうかを検証します。
isequal(RicianChanOut1,RicianChanOut2)
ans = logical
1
isequal(RicianPathGains1,RicianPathGains2)
ans = logical
1
チャネル フィルター処理を無効にするように構成されている周波数選択性マルチパス ライス フェージング チャネルの、インパルス応答および周波数応答を表示します。
シミュレーション変数を定義します。ITU 歩行者 B チャネル構成を使用してパスの遅延とゲインを指定します。
fs = 3.84e6; % Sample rate in Hz pathDelays = [0 200 800 1200 2300 3700]*1e-9; % in seconds avgPathGains = [0 -0.9 -4.9 -8 -7.8 -23.9]; % dB kfact = 10; % Rician K-factor fD = 50; % Max Doppler shift in Hz
マルチパス ライス フェージング チャネル System object を作成し、インパルス応答プロットと周波数応答プロットを可視化します。
ricianChan = comm.RicianChannel( ... SampleRate=fs, ... PathDelays=pathDelays, ... AveragePathGains=avgPathGains, ... KFactor=kfact, ... MaximumDopplerShift=fD, ... ChannelFiltering=false, ... Visualization='Impulse and frequency responses');
入力信号なしでマルチパス ライス フェージング チャネル System object のを実行して、チャネル応答を可視化します。インパルス応答プロットにより、個々のパスとそれに対応するフィルター係数を特定できます。周波数応答プロットは、ITU 歩行者 B チャネルの周波数選択性を示しています。
ricianChan();
正弦波加算手法を使用するマルチパス ライス フェージング チャネル System object を使用して、不連続送信のためにチャネル状態が維持されていることを示します。連続チャネル応答に重なる不連続チャネル応答セグメントを観測します。
チャネルのプロパティを設定します。
fs = 1000; % Sample rate in Hz pathDelays = [0 2.5e-3]; % In seconds pathPower = [0 -6]; % In dB fD = 5; % Maximum Doppler shift in Hz ns = 1000; % Number of samples nsdel = 100; % Number of samples for delayed paths
連続時間範囲と 3 つの不連続時間セグメントを定義します。この上にチャネル応答をプロットして表示します。時刻 0 から開始する 1000 サンプル連続チャネル応答と、時刻 0.1 秒、0.4 秒、および 0.7 秒から開始する 3 つの 100 サンプル チャネル応答をそれぞれ表示します。
to0 = 0.0; to1 = 0.1; to2 = 0.5; to3 = 0.8; t0 = (to0:ns-1)/fs; % Transmission 0 t1 = to1+(0:nsdel-1)/fs; % Transmission 1 t2 = to2+(0:nsdel-1)/fs; % Transmission 2 t3 = to3+(0:nsdel-1)/fs; % Transmission 3
1000 Hz サンプル レート、正弦波加算フェージング手法、チャネル フィルター処理の無効化、および表示するサンプル数を指定して、周波数フラット マルチパス ライス フェージング チャネル System object を作成します。結果を反復できるように、シードの値を指定します。既定の InitialTime プロパティ設定を使用して、フェージング チャネルが時刻 0 からシミュレーションされるようにします。
ricianchan1 = comm.RicianChannel('SampleRate',fs, ... 'MaximumDopplerShift',fD, ... 'RandomStream','mt19937ar with seed', ... 'Seed',17, ... 'FadingTechnique','Sum of sinusoids', ... 'ChannelFiltering',false, ... 'NumSamples',ns);
マルチパス ライス フェージング チャネル System object のクローンを作成します。遅延パスのサンプル数を設定します。初期時間のソースを設定して、System object を使用する際にフェージング チャネルのオフセット時間を入力引数として指定できるようにします。
ricianchan2 = clone(ricianchan1);
ricianchan2.InitialTimeSource = 'Input port';
ricianchan2.NumSamples = nsdel;ricianchan1 オブジェクトを使用して連続チャネル応答のパス ゲイン出力を保存し、初期時間オフセットを入力引数として指定した ricianchan2 オブジェクトを使用して、不連続遅延チャネル応答のパス ゲイン出力を保存します。
pg0 = ricianchan1(); pg1 = ricianchan2(to1); pg2 = ricianchan2(to2); pg3 = ricianchan2(to3);
オブジェクト関数 info を使用して、2 つのチャネルによって処理されたサンプル数を比較します。ricianchan1 オブジェクトは 1000 サンプルを処理しましたが、ricianhan2 オブジェクトは 300 サンプルしか処理していません。
G = info(ricianchan1); H = info(ricianchan2); [G.NumSamplesProcessed H.NumSamplesProcessed]
ans = 1×2
1000 300
パス ゲインをデシベルに変換します。
pathGain0 = 20*log10(abs(pg0)); pathGain1 = 20*log10(abs(pg1)); pathGain2 = 20*log10(abs(pg2)); pathGain3 = 20*log10(abs(pg3));
連続的な場合と非連続的な場合のパス ゲインをプロットします。3 つのセグメントのゲインが、連続的な場合のゲインに一致します。データが送信されていない場合でもチャネル特性が保たれるため、2 つのプロットの一致は、正弦波加算手法が、パケット化されたデータのシミュレーションに適していることを強調しています。
plot(t0,pathGain0,'r--') hold on plot(t1,pathGain1,'b') plot(t2,pathGain2,'b') plot(t3,pathGain3,'b') grid xlabel('Time (s)') ylabel('Path Gain (dB)') legend('Continuous','Discontinuous','location','nw') title('Continuous and Discontinuous Transmission Path Gains')
comm.RicianChannel System object のオブジェクト関数 info で返される ChannelFilterCoefficients プロパティを使用して、マルチパス ライス フェージング チャネルの出力を再現します。
2 つのパスを定義し、マルチパス ライス フェージング チャネル System object を作成します。データを生成し、チャネルを介してデータを渡します。
ricianchan = comm.RicianChannel( ... 'SampleRate',1000, ... 'PathDelays',[0 1e-3], ... 'AveragePathGains',[0 -2], ... 'PathGainsOutputPort',true)
ricianchan =
comm.RicianChannel with properties:
SampleRate: 1000
PathDelays: [0 1.0000e-03]
AveragePathGains: [0 -2]
NormalizePathGains: true
KFactor: 3
DirectPathDopplerShift: 0
DirectPathInitialPhase: 0
MaximumDopplerShift: 1.0000e-03
DopplerSpectrum: [1×1 struct]
ChannelFiltering: true
PathGainsOutputPort: true
Show all properties
data = randi([0 1],600,1);
チャネルを通してデータを渡します。ChannelFilterCoefficients プロパティの値を変数 coeff に代入します。
[chanout1,pg] = ricianchan(data); chaninfo = info(ricianchan)
chaninfo = struct with fields:
ChannelFilterCoefficients: [2×2 double]
ChannelFilterDelay: 0
NumSamplesProcessed: 600
coeff = chaninfo.ChannelFilterCoefficients;
coeff に格納されたパス遅延の位置における、非整数遅延の入力信号を計算します。
Np = length(ricianchan.PathDelays); fracdelaydata = zeros(size(data,1),Np); for ii = 1:Np fracdelaydata(:,ii) = filter(coeff(ii,:),1,data); end
パス ゲインを適用し、すべてのパスについての結果を合計します。
chanout2 = sum(pg .* fracdelaydata,2);
マルチパス ライス フェージング チャネル System object の出力を、マルチパス ライス フェージング チャネル System object のパス ゲインと ChannelFilterCoefficients プロパティを使用して再現された出力と比較します。
isequal(chanout1,chanout2)
ans = logical
1
1 つのパスを持つライス チャネルの経験上の確率密度関数 (PDF) と理論上の確率密度関数 (PDF) を計算してプロットします。
パラメーターを初期化し、チャネル フィルター処理を適用しないライス チャネル System object を作成します。
Ns = 1.92e6; Rs = 1.92e6; dopplerShift = 2000; KFactor = -3; % In dB KFactorLin = 10.^(KFactor/10); % Linear units chan = comm.RicianChannel( ... 'SampleRate',Rs, ... 'PathDelays',0, ... 'KFactor',KFactorLin, ... 'AveragePathGains',0, ... 'MaximumDopplerShift',dopplerShift, ... 'ChannelFiltering',false, ... 'NumSamples',Ns, ... 'FadingTechnique','Sum of sinusoids');
関数fitdist (Statistics and Machine Learning Toolbox)およびpdf (Statistics and Machine Learning Toolbox)を使用し、ライス チャネルの経験上の PDF と理論上の PDF を計算してプロットします。
figure; hold on; % Empirical PDF plot gain = chan(); pd = fitdist(abs(gain),'Kernel','BandWidth',.01); r = 0:.1:3; y = pdf(pd,r); plot(r,y) % Theoretical PDF plot s = sqrt(KFactorLin)/sqrt(KFactorLin+1); sigma = sqrt(1/2)/sqrt(KFactorLin+1); exp_pdf_amplitude = pdf('Rician',r,s,sigma); plot(r,exp_pdf_amplitude') legend('Empirical','Theoretical') title('Empirical and Theoretical PDF Curves')
1 つのパスを持つライス チャネルの経験上の累積分布関数 (CDF) と理論上の累積分布関数 (CDF) を計算してプロットします。
パラメーターを初期化し、チャネル フィルター処理を実行しないライス チャネル System object を作成します。
Ns = 1.92e6; Rs = 1.92e6; dopplerShift = 2000; KFactor = -3; % In dB KFactorLin = 10.^(KFactor/10); % Linear units chan = comm.RicianChannel( ... 'SampleRate',Rs, ... 'PathDelays',0, ... 'KFactor',KFactorLin, ... 'AveragePathGains',0, ... 'MaximumDopplerShift',dopplerShift, ... 'ChannelFiltering',false, ... 'NumSamples',Ns, ... 'FadingTechnique','Sum of sinusoids');
関数ecdf (Statistics and Machine Learning Toolbox)およびcdf (Statistics and Machine Learning Toolbox)を使用し、ライス チャネルの経験上の CDF と理論上の CDF を計算してプロットします。パス ゲインを使用して経験上の CDF を計算します。
% Empirical CDF plot g = chan(); ecdf(abs(g)); hold on; % Theoretical CDF plot r = 0:.1:3; s = sqrt(KFactorLin)/sqrt(KFactorLin+1); sigma = sqrt(1/2)/sqrt(KFactorLin+1); exp_cdf_amplitude = cdf('Rician',r,s,sigma); plot(r,exp_cdf_amplitude') legend('Emp','Theor') title('Empirical and Theoretical CDF Curves')
詳細
参照
[1] Oestges, Claude, and Bruno Clerckx., MIMO Wireless Communications: From Real-World Propagation to Space-Time Code Design. 1st ed. Boston, MA: Elsevier, 2007.
[2] Correia, Luis M., and European Cooperation in the Field of Scientific and Technical Research (Organization), eds. Mobile Broadband Multimedia Networks: Techniques, Models and Tools for 4G. 1st ed. Amsterdam; Boston: Elsevier/Academic Press, 2006.
[3] Kermoal, J.P., L. Schumacher, K.I. Pedersen, P.E. Mogensen, and F. Frederiksen. “A Stochastic MIMO Radio Channel Model with Experimental Validation.” IEEE® Journal on Selected Areas in Communications 20, no. 6 (August 2002): 1211–26. https://doi.org/10.1109/JSAC.2002.801223.
[4] Jeruchim, Michel C., Philip Balaban, and K. Sam Shanmugan. Simulation of Communication Systems. Second edition. Boston, MA: Springer US, 2000.
[5] Patzold, M., Cheng-Xiang Wang, and B. Hogstad. “Two New Sum-of-Sinusoids-Based Methods for the Efficient Generation of Multiple Uncorrelated Rayleigh Fading Waveforms.” IEEE Transactions on Wireless Communications 8, no. 6 (June 2009): 3122–31. https://doi.org/10.1109/TWC.2009.080769.
