160
8/10/2012
Nguyễ n Đứ c Nhân
•Mô phỏ ng kênh thông tin:
– Mô hình kênh: mô tả sự suy giả m tín hiệ u phát trả i qua trên
đư ờ ng truyề n tớ i bộ thu.
– Mô hình kênh đư ợ c xác đị nh từ :
• Đo đạ c thự c nghiệ m
• Lý thuyế t truyề n sóng trong môi trư ờ ng vậ t lý
8/10/2012
Nguyễ n Đứ c Nhân 161
• Lý thuyế t truyề n sóng trong môi trư ờ ng vậ t lý
– Các kênh thông tin:
• Hữ u tuyế n
• Vô tuyế n
– Các mô hình mô phỏ ng:
• Mô hình hàm truyề n đạ t cho kênh bấ t biế n theo thờ i gian
• Mô hình đư ờ ng trễ rẽ nhánh cho kênh biế n đổ i theo thờ i gian
•Nhiễ u AWGN:
– AWGN: Additive White Gaussian Noise – Nhiễ u Gauss trắ ng
cộ ng.
– Trong hầ u hế t các hệ thố ng thông tin: nhiễ u đư ợ c mô tả như là
AWGN
•Tính cộ ng: kênh cộ ng thêm nhiễ u vào tín hiệ u đư ợ c phát đi
8/10/2012
Nguyễ n Đứ c Nhân 162
•Tính cộ ng: kênh cộ ng thêm nhiễ u vào tín hiệ u đư ợ c phát đi
•Trắ ng: mô tả tư ơ ng quan thờ i gian củ a nhiễ u
•Gaussian: phân bố xác suấ t là phân bố chuẩ n hoặ c Gauss
– Nhiễ u tư ơ ng đư ơ ng băng gố c: có giá trị phứ c
• Các thành phầ n nhiễ u đồ ng pha NI(t) và vuông pha NQ(t) đư ợ c mô phỏ ng
mộ t cách độ c lậ p (nhiễ u đố i xứ ng tròn)
•Nhiễ u trắ ng:
– Thuậ t ngữ “trắ ng” mô tả cụ thể rằ ng:
• Trung bình củ a nhiễ u bằ ng 0 (zero)
• Hàm tự tư ơ ng quan củ a nhiễ u thờ i gian củ a nhiễ u
các mẫ u nhiễ u phân biệ t là độ c lậ p nhau
8/10/2012
Nguyễ n Đứ c Nhân 163
các mẫ u nhiễ u phân biệ t là độ c lậ p nhau
• Hàm tự tư ơ ng quan cũng chỉ ra rằ ng các mẫ u nhiễ u có phư ơ ng sai vô hạ n
– Nhiễ u cầ n đư ợ c lọ c trư ớ c khi đư ợ c lấ y mẫ u
– Mỗ i thành phầ n nhiễ u đồ ng pha và vuông pha có tự tư ơ ng quan
– Thuậ t ngữ “trắ ng” liên quan đế n tính chấ t phổ củ a nhiễ u
• PSD củ a nhiễ u trắ ng là không đổ i ở tấ t cả các thành phầ n tầ n số
•Tạ o nhiễ u Gaussian:
– Để mô phỏ ng nhiễ u cộ ng, cầ n tạ o các mẫ u nhiễ u Gaussian
– Trong MATLAB có thể sử dụ ng hàm randn cho mụ c đích này
• Tạ o ra N mẫ u nhiễ u Gaussian phứ c độ c lậ p nhau có phư ơ ng sai là VarN
Noise = sqrt(VarN/2) * (randn(1,N) + j * rand(1,N))
8/10/2012
Nguyễ n Đứ c Nhân 164
function yNoise = addnoise(yClean,VarN)
% This function adds Gaussian noise into
% the input signal.
% yClean - the input signal
% VarN - the variance of noise
% yNoise - the noisy signal output
if (isreal(yClean))
yNoise = yClean + sqrt(VarN)*randn(size(yClean));
else
yNoise = yClean + sqrt(VarN/2) ...
*(randn(size(yClean))+j*randn(size(yClean)));
end
• Phầ n thự c và ả o, mỗ i phầ n có
phư ơ ng sai VarN/2 Phư ơ ng
sai nhiễ u tổ ng cộ ng là VarN
• Phư ơ ng sai nhiễ u có thể đư ợ c
xác đị nh từ công suấ t tín hiệ u và
tỉ số SNR yêu cầ u.
• Có thể dùng các hàm sẵ n có
trong MATLAB: awgn,wgn