基于MATLAB的Nakagami衰落信道仿真与分析

由于Nakagami衰落能够表示实际中所遇到的大多数衰落环境，因而对基于MATLAB的Nakagami衰落信道进行了分析，并对它的统计特性进行了仿真，包括接收信号的复包络模拟和在具有最大比合并分集下的电平通过率及平均衰落持续时间的性能分析。重点在于理解和建立采用MATLAB进行信道仿真的方法及对Nakagami衰落信道本身统计特性的理解。     

基于MATLAB的Nakagami衰落信道仿真与分析

由于Nakagami衰落能够表示实际中所遇到的大多数衰落环境,因而时基于MATLAB的Nakagami衰落信道进行了分析,并对它的统计特性进行了仿真,包括接收信号的复包络模拟和在具有最大比合并分集下的电平通过率及平均衰落持续时间的性能分析.重点在于理解和建立采用MATLAB进行信道仿真的方法及对Nakagami衰落信道本身统计特性的理解.     

基于舍弃法的Nakagami衰落信道仿真

提出1种基于舍弃法的Nakagami衰落信道仿真方法,仿真了Nakagami概率密度函数(pdf)和累计分布函数(cdf),仿真曲线结果很好地拟合Nakagami衰落信道的理论值.同时给出了此法与3种经典方法--Brute force法,正弦求和法和逆变换法的比较,比较结果得出舍弃法是一种快速、易懂、有效仿真 Nakagami衰落信道仿真方法.     

基于Nakagami衰落的宽带MIMO信道模型的研究与仿真

 Nakagami分布是比Rayleigh,Rice以及对数正态分布都更加符合实际的衰落信道模型.通过对MI-MO无线通信系统信道模型的研究,提出了1种新的Nakagami衰落信道的仿真方法,并用该方法建模宽带MI-MO信道.在信道服从Nakagami衰落的情况下通过不同的衰落指数m对MIMO信道的容量、电平通过率、平均衰落持续时间等性能进行仿真和分析,从而得到了衰落指数m和宽带MIMO无线通信系统性能的关系,同时本文的仿真研究表明Nakagami模型适用于对MIMO信道不同衰落环境下的描述.     

一种新的Rayleigh-Normal仿真模型

信道特性的仿真和研究对设计无线通信系统具有重要的意义;在研究现有的信道仿真模型的基础上,提出了Rayleigh-Normal仿真模型;用Rayleigh随机信号和Normal随机信号的线性组合来仿真接收信号,并用该仿真模型仿真了Rayleigh、Ricean、Nakagami和Lognormal等常见信道模型的一阶统计特性,仿真结果证明了Rayleigh-Normal仿真模型是一种准确而有效的衰落信道仿真模型.     

相关Nakagami-MIMO信道二维秩匹配模型

针对现有Nakagami-MIMO信道仿真方法非常复杂的问题,提出了一种基于二维秩匹配的Nakagami-MIMO空时相关衰落仿真模型。该模型首先利用高效舍弃法产生多支路独立Nakagami随机过程,然后基于二维秩匹配技术引入各子信道空时相关性且保持子信道原有统计特性不变。仿真结果表明,该模型输出各子信道的衰落包络分布和空时相关系数等统计特性均与理论结果吻合,可应用于任意衰落参数和空时相关特性的Nakagami-MIMO信道仿真场合。     

Rice衰落信道的统计特性分析与仿真

建立了Rice衰落信道的仿真模型,讨论了Rice衰落信道的统计特性,推导了电平交叉率(LCR)和平均衰落延时(ADF)的理论表达式,然后利用仿真模型对各种统计特性进行仿真和分析,并与理论分析结果进行比较。     

矿井MIMO-OFDM通信系统的信道建模与仿真

在已有矿井MIMO信道模型的基础上,提出了一种基于Nakagami衰落的矿井MIMO空间相关信道模型建模方法。基于Nakagami衰落的非相关MIMO信道,通过计算收发天线间的空间相关性生成MIMO空间相关信道。对所建信道模型的空间相关性及信道容量进行仿真分析。仿真结果证明:MIMO信道的空间相关性随收发端天线单元间距的增大而减小;MIMO信道容量与信道空间相关性以及收发端天线数目有关;减小信道的空间相关性或者增加天线数目,可增加MIMO信道容量。基于Nakagami衰落的矿井MIMO空间相关信道模型适用于矿井无线通信系统。     

Nakagami空间相关衰落信道下MIMO-OFDM 系统误码率的计算与仿真

设计了一种新的MIMO-OFDM系统模型.以该模型为基础,对基于STBC编码的空间相关Nakagami-m平坦衰落信道下的误码率进行了研究,以获得Nakagami相关衰落下MIMO-OFDM系统的误码率以及空间相关性和分布参数对误码率的影响,得出了一种误码率的表达式.对空间相关条件下4发1收MIMO-OFDM系统的误码率进行了性能仿真,结果表明:采用Nakagami分布比较吻合实际测量的数据,信道衰落基于Nakagami-m分布的STBC编码能很好的满足MIMO-OFDM系统的差错性能要求.     

频率色散移动信道的仿真模型分析

通过分析频率色散移动信道的衰落特性，分别对该信道在快衰落特性，慢衰落特性以及同时考虑快衰落和慢衰落这三种情况下建立了数学模型和计算机仿真模型，并对计算机仿真结果进行了分析，提出了相应结论。     

认知无人机网络中多机协作频谱感知研究

多无人机协同工作模式在未来通信中有着重要的应用前景。结合频谱资源短缺的问题,建立认知无人机网络模型,并研究多机协作频谱感知性能,提出一种最佳融合准则来优化检测性能。针对无人机数量较多的大型认知无人机网络,提出一种快速高效的协作频谱感知算法,并比较该算法在瑞利衰落以及Nakagami衰落2种信道环境下的性能。仿真结果表明:①采用最佳融合准则可以使协作频谱感知总错误率达到最小;②快速协作频谱感知算法可以利用较少的无人机来保证协作频谱感知的检测准确度,避免了不必要的感知过程,减少了参与协作频谱感知的次级用户数量,降低了协作感知时间,从而节省了感知过程开销,而且相比于瑞利衰落信道,该算法在Nakagami衰落信道环境下具有更好的性能。     

一种简化的短波信道ITS模型

短波信道的仿真是建立在短波通信系统基础上的.目前公认最好的宽带短波信道模型是ITS信道模型,针对ITS信道模型仿真的复杂性,运用Nakagami函数,对ITS信道模型中的功率延迟剖面函数进行了拟合,得到相对简单的仿真模型.通过对功率延迟剖面分布函数的分析验证以及赤道信道条件下延迟等高线的比对,证明了运用Nakagami函数进行拟合后获得的简化模型的可行性与合理性.     

Performance Analysis of Post-Detection Combining for NFSK and DPSK Systems over Arbitrarily Correlated Nakagami Channels with Distinct Fading Parameters

Introduction Diversity reception, which counters fading and inter- ference in the physical layer and improves system per- formance, is a design methodology used to overcome multipath fading on wireless channels. Various com- bining schemes have been studi…     

Simple, High-Performance Fusion Rule for Censored Decisions in Wireless Sensor Networks

Data selection-based summation fusion （DSSF） was developed to overcome the shortcomings ot previously developed likelihood ratio tests based on channel statistics （LRT-CS） for the problem of fusing censored binary decisions transmitted over Nakagami fading channels in a wireless sensor network （WSN）. The LRT-CS relies on detection probabilities of the local sensors, while the detection probabilities are a priori unknown for uncooperative targets. Also, for Nakagami fading channels, the LRT-CS involves an infinite series, which is cumbersome for real-time application. In contrast, the DSSF only involves data comparisons and additions and does not require the detection probabilities of local sensors. Furthermore, the performance of DSSF is only slightly degraded in comparison with the LRT-CS when the detection probabilities of local sensors are a priori unknown. Therefore, the DSSF should be used in a WSN with limited resources.