m基于matlab的协作mimo分布式空时编码技术的仿真
1.算法描述
基于matlab的协作mimo分布式空时编码技术的仿真,包括规则LDPC级联D-STBC,ML,ZF,DFE均衡,Fincke-Pohst-MAP算法检测。将规则LDPC加入这个协作MIMO的D-STBC里,即是将LDPC码与D-STBC级联,发送端用LDPC编码发送到协作节点,然后协作节点用D-STBC码形式转发到发送端。做出 ML、ZF-OSIC和 ,RLS-MIMO-DFE三种检测算法误码率的性能比较(注意:发送端到中继协作节点过程中,中继协作节点对源信号的处理三种协议:放大转发,解码转发和编码协作,所以这分别三种协议下的三种检测算法要分别做),以及LDPC与D-STBC结合的协作MIMO系统与没有LDPC码的协作MIMO的D-STBC系统在ML检测算法下性能比较(只做“编码协作协议”下)。比较LDPC级联D-STBC的协作MIMO系统下,接收端检测分别采用ML算法和Fincke-Pohst MAP。
多中继放大转发(AF, Amplify and Forward)和译码转发(DF, Decode and Forward)协议的主要缺点是中继采用正交子信道传输降低了频谱利用率。这引发了人们对分布式空时编码(DSTC, Distributed Space Time Coding)的研究。 目前多中继AF协议的中继选择和功率分配算法研究较多,但是通常只考虑不同中继使用正交信道传输的情况,而结合DSTC进行中继选择和功率分配算法的研究还不多。本文在研究多中继AF协议的基础上,针对DSTC系统的中继选择算法和功率分配算法开展研究。 首先,介绍分集技术、协作通信和空时编码相关知识,在此基础上引入DSTC,重点分析基于AF的DSTC,并给出对应的准正交空时编码(QOSTC, Quasi-Orthogonal Space Time Code)。 然后,针对DSTC系统中最大似然(ML, Maximum Likelihood)检测计算复杂度高的问题,我们利用线性分散码(LD, Linear Dispersion)的线性性质,将迫零(ZF, Zero Forcing)检测算法用于基于LD的DSTC。该ZF检测算法在基本保持误比特率(BER, Bit Error Rate)性能的同时,降低了检测的计算复杂度。 接着,研究DSTC系统的中继选择算法,推导DSTC系统中信宿的接收信噪比(SNR, Signal to Noise Ratio)表达式,研究基于SNR准则的中继选择算法,为了降低算法的计算复杂度,使用一种次优中继选择算法,减少中继选择搜索次数。最后将该算法与已有算法作仿真比较。 最后,研究DSTC系统的功率分配算法,研究一种最大化信宿接收SNR的功率分配算法,该算法利用调和平均准则对多个中继进行功率分配,将信源和中继的功率分配问题转化为对信源功率的一维搜索问题。该算法能够根据信道条件调整信源和中继的发射功率。最后仿真对比中继选择和功率分配的两种结合方案:中继选择之后功率分配和中继选择同时功率分配,从仿真结果可以看出两种结合方案的BER性能接近,但是中继选择同时功率分配的方案具有更高的计算复杂度。
2.仿真效果预览
matlab2013b仿真结果如下:
3.MATLAB部分代码预览
.................................................................. Nt = 2; Nr = 2; Frame_Length = 512; Error_Num = 1000000;%统计误码的个数 EbNo = 0.5:0.5:4.5; P = 2; QMod = modem.pskmod('M',P,'PhaseOffset',0); QDemod = modem.pskdemod(QMod); q = modulate(QMod,0:1); Q = q; for i = 2:Nt Q = [q(reshape(repmat(1:2, length(Q),1),1,2*length(Q)));repmat(Q,1,2)]; end %LDPC参数 N = Frame_Length;%设置奇偶校验矩阵大小 M = N/2; max_iter = 99; %最大迭代次数 load H2; load G2; BERs = zeros(1, length(EbNo)); for kk = 1:length(EbNo) kk totalNumErr = 0; count = 0; SNR = 10^(EbNo(kk)/10); N0 = 2*10^(-EbNo(kk)/10); sigma = 1/(sqrt(SNR)/2); ii = 0; Dsd = 36; %db数 Dsr = 36; Drd = 36; Qsd = sqrt(10^(Dsd/10)); Qsr = sqrt(10^(Dsr/10)); Qrd = sqrt(10^(Drd/10)); LL = 2; while (totalNumErr < Error_Num) kk totalNumErr %产生数据 data = round(rand(1,N-M)); %LDPC编码 u = mod(data*G,2); %BPSK tx = 2*u - 1; %编码协作协议 Trans_N1 = tx(1:N-M); %N1序列 Trans_N2 = tx(N-M+1:2*(N-M));%N2序列 %ii=1的时候,发送自身的码字,而ii=2的时候发送协作的码字,从而达到时隙的效果 ii = ii + 1; %将N1发送给目的地 %将N1发送给目的地 %作为发送信源 %进行AF中继 %信道增益 Hsd=Qsd*(randn); Hsr=Qsr*(randn); Hrd=Qrd*(randn); %协作节点的放大增益 B=sqrt(1/(abs(Qsr)^2*1)); %=============================== %最大合并比加权因子计算(第i个支路的可变增益加权系数为该分集之路的信号幅度与噪声功率之比) %计算增益 A0=conj(Hsd)/(1/(sqrt(LL)*EbNo(kk))); A1=B*conj(Hsr)*conj(Hrd)/((B^2*(abs(Hsr))^2+1)*(1/(sqrt(LL)*EbNo(kk)))); %接收 MIMO_Rx = Trans_N1/max(abs(Trans_N1))+ 1/(sqrt(SNR))*randn(size(Trans_N1)); Ysr = Hsr*MIMO_Rx; Yrd = Hrd*Ysr*B; Ysd = Hsd*MIMO_Rx; Y = A0*Ysd+A1*Yrd; %接收到的二进制信号 MIMO_Rx1 = Y; Rec_data1= sign(MIMO_Rx1); %将N1发送给用户2 %将N1发送给用户2 %接收 MIMO_Rx2 = Trans_N1/max(max(Trans_N1))+ 1/(sqrt(SNR))*randn(size(Trans_N1)); Ysr = Hsr*MIMO_Rx2; Yrd = Hrd*Ysr*B; Ysd = Hsd*MIMO_Rx2; Y = A0*Ysd+A1*Yrd; %接收到的二进制信号 MIMO_Rx12 = Y; Rec_data12 = sign(MIMO_Rx2); %第二时隙,用户2向目的端发送用户1的第二帧信号,即用户2重新编码得到的关于U1分组的N2比特校验码字对应的调制信号 %在USER2中,将接收到的N1序列重新进行编码,然后将其中的序列N2发送给目的地 rec_datas = -1*(Rec_data12-1)/2; Ldpc_trans_data_user2 = mod(data*G,2); Trans_N2_user2 = Ldpc_trans_data_user2(N-M+1:2*(N-M));%N2序列 Trans_N2_user3 = 2*Trans_N2_user2-1; %---------------------协作MIMO---------------------------------- Hsd=Qsd*(randn); Hsr=Qsr*(randn); Hrd=Qrd*(randn); %协作节点的放大增益 B=sqrt(1/(abs(Qsr)^2*1)); %=============================== %最大合并比加权因子计算(第i个支路的可变增益加权系数为该分集之路的信号幅度与噪声功率之比) %计算增益 A0=conj(Hsd)/(1/(sqrt(LL)*EbNo(kk))); A1=B*conj(Hsr)*conj(Hrd)/((B^2*(abs(Hsr))^2+1)*(1/(sqrt(LL)*EbNo(kk)))); %接收 MIMO_Rx = Trans_N2/max(abs(Trans_N2))+ 1/(sqrt(SNR))*randn(size(Trans_N2)); Ysr = Hsr*MIMO_Rx; Yrd = Hrd*Ysr*B; Ysd = Hsd*MIMO_Rx; Y = A0*Ysd+A1*Yrd; %接收到的二进制信号 MIMO_Rx2 = Y; Rec_data2= sign(MIMO_Rx2); YY1 = [MIMO_Rx12,MIMO_Rx2]'; YY2 = [Rec_data12,Rec_data2]'; Tx = reshape(YY2,Nt, Frame_Length/Nt); RayleighMat = (rand(Nr, Nt) + j*rand(Nr, Nt)); rr = size(RayleighMat*Tx,1); cc = size(RayleighMat*Tx,2); r = awgn(RayleighMat*Tx, inf); Hs = RayleighMat; HQ = Hs*Q; ahat = zeros(Nt,Frame_Length/Nt); yy2 = func_FP_MAP(r',(2*Nt)*(2/(SNR)),RayleighMat,[-1 1]); tmps = demodulate(QDemod,yy2); Rec_data = reshape(tmps,1,Frame_Length); %LDPC译码 Rec_data(find(Rec_data==0)) =-1; Rec_data =-1*Rec_data; z_hat = func_Dec(Rec_data,N0,H,max_iter); x_hat = z_hat(size(G,2)+1-size(G,1):size(G,2)); %=========================================================================== count = count + 1; totalNumErr = totalNumErr + biterr(x_hat', data); end BERs(kk) = totalNumErr/(count*Frame_Length); end figure; semilogy(EbNo,BERs,'r-o'); grid on; 01_050_m