Rake接收机仿真

3G移动通信
实验报告
实验名称：Rake接收机仿真
学生姓名：
学生学号：
学生班级:
所学专业：
实验日期:
1. 实验目的
1. 了解Rake 接收机的原理。

2. 分析比较三种不同合并算法的性能。

2. 实验原理
移动通信系统工作在VHF 和UHF 两个频段（30——3000MHz ）,电波以直射方式（即“视距”方式）在靠近地球表面的大气中传播。

由于低层大气并非均匀介质，会产生折射和吸收现象；而且传输路径上遇到的各种障碍物（如山，高楼，树等）还可能发生反射、绕射和散射等，到达接收方的信号可能来自不同的传播路径。

即移动通信的信道是典型的多径衰落信道，如下图所示：
图9-1 多径传播示意图
多径传播将引起接受信号中脉冲宽度扩展，称为时延扩展。

时延扩展的时间可以用第一个码元信号至最后一个多径信号之间的时间来测量。

时延扩展会引起码间串扰，严重影响数字信号的传输质量。

分集技术是克服多径衰落的一个有效方法。

包括频率分集，时间分集、空间分集和极化分集。

其基本原理是接收端对多个携带有相同信息但衰落特性相互独立的多径信号合并处理之后进行判决，从而将“干扰”变为有用信息，提高系统的抗干扰能力。

本仿真采用在CDMA 系统中广泛使用的Rake 接收技术，且为时间分集。

因为当传播时延超过一个码片周期时，多径信号实际上可看成是互不相关的。

Rake 接收机采用一组相关接收机，分布于每条路径上，各个接收机与同一期望信号的多径分量之一相关，根据各个相关输出的相对强度加权后合成一个输出。

根据加权系数的选择原则，有三种合并算法：选择式合并，等增益合并和最大比合并。

Rake 接收机的相关器的原理如图：
图9-2 Rake 接收机的相关器的原理 假设采用M 个相关器去接收M 个多径信号分支，其中12,,,M ααα是每一条分支的乘性系数，它们的取值是根据所采用组合方式（例如最大比合并、等增益合并等）而可调的。

不妨令相关器1与最强的多径支路1m 同步，并且多径支路2m 比多径支路1m 延迟时间1
τ
到达接收端。

相关器2与多径支路2m 同步，它与2m 具有很好的相关性，但与1m 的相关性
则很差。

以此类推，第M 个相关器与比
1m 时延1M τ-的多径分量M m 相关性很强，但与121,,,M m m m -等多径分量相关性则很差。

因此如果一条多径分支受到衰落的影响，由于各条支路的独立性，还会有其他没有受到衰落的信号分支，此时给衰落的的信号分支设定一个很小的加权系数，就可以将该路的干扰抑制。

Rake 接收机的原理框图为：
图9-3 Rake 接收机的原理框图 选择式合并是检测接收到的多径信号，挑选其中信噪比最大的一径作为输出；等增益合并是将接收的多径信号按照相等的增益系数，同相相加后作为输出；最大比合并是按照适当的增益系数，同相相加后作为输出。

在不同的噪声环境中，三种合并算法的效果不同。

本实验使用MATLAB 平台编写程序实现。

假设信源输出用16位Walsh 码扩频，进入接收机的有3径；假设每条径之间延时半个码片，为了进行仿真，对Walsh 码进行扩展，每个码字重复一次，则长度为32位，如[1 1 0]扩展为[1 1 1 1 0 0]。

3. 实验内容
1、编写MATLAB 程序实现Rake 接收机。

2 、修改信噪比，观察三种合并算法的误码率。

4. 实验代码
clear all;
N_Ar=7; %径数
N_A(1,1)=0.5;
c_a=0.5;
for i=2:N_Ar
if i==N_Ar N_A(1,N_Ar)=c_a;
else
N_A(1,i)=0.5*c_a;
c_a=N_A(1,i);
end
end
N_A=sqrt(N_A); %径系数
N_d=1000;
data=randint(1,N_d); data_0=zeros(1,32*N_d);
cos_fc=zeros(1,32*N_d);
T=0.5;
w_0=[];
%16位walsh序列产生并扩展
H=0;
for i=1:4
H=[H,H;H,-H+1];
end
pn_w=H(2,1:16);
for i=1:16
w_0(1,2*i)=pn_w(1,i);
w_0(1,2*i-1)=pn_w(1,i);
end
w_01=w_0;
for i=1:N_d-1
w_0=[w_0,w_01];
end
w_0=w_0*2-1;
w=w_0;
for i=1:N_Ar-1
w=[w;w_0(1,32*N_d-i+1:32*N_d),w_0(1,1:32*N_d-i)]; end
%Data扩展
for i=1:32
data_0(1,i:32:i+(N_d-1)*32)=data;
end
data_0=data_0*2-1;
%发送端，扩频+转射频+分径
data_w=data_0.*w(1,:);
data_t1=data_w;
for i=1:N_Ar-1
data_t1=[data_t1;zeros(1,i),data_w(1,1:32*N_d-i)]; end
data_t=data_t1'*N_A';
data_t=data_t';
snr_max=10;
snr_min=-20;
snr_n=snr_max-snr_min;
if snr_n>0 d=1;
else d=-1;
end
error_rate=ones(1,snr_n);
s_n=1;
N_g=1; %误码率吧计算循环次数
for snr=snr_min:d:snr_max
en=0;
en2=0;
en3=0;
for e_n=1:N_g
%信道
data_r=awgn(data_t,snr);
%接收端
data_o=zeros(1,N_d);
A=N_A(1,1)*data_r.*w(1,:);
A2=data_r.*w(1,:);
for i=2:N_Ar
Ad=data_r.*w(i,:);
A=A+[N_A(1,i)*Ad(1,i:N_d*32),zeros(1,i-1)]; A2=A2+[Ad(1,i:N_d*32),zeros(1,i-1)];
end
A3=data_r.*w(1,:);
for n=1:N_d
sum=0;
sum2=0;
sum3=0;
for i=1:30;
sum=sum+A(1,(n-1)*32+i+1);
sum2=sum2+A2(1,(n-1)*32+i+1);
sum3=sum3+A3(1,(n-1)*32+i+1);
end
if sum>0 data_o(1,n)=1;
else data_o(1,n)=0;
end
if sum2>0 data_o2(1,n)=1;
else data_o2(1,n)=0;
end
if sum3>0 data_o3(1,n)=1;
else data_o3(1,n)=0;
end
end
for i=1:100
if data_o(1,i)~=data(1,i) en=en+1;
end
if data_o2(1,i)~=data(1,i) en2=en2+1;
end
if data_o3(1,i)~=data(1,i) en3=en3+1;
end
end
end
error_rate(1,s_n)=en/100/N_g;
error_rate2(1,s_n)=en2/100/N_g;
error_rate3(1,s_n)=en3/100/N_g;
s_n=s_n+1;
end;
%subplot(3,1,1);plot(data);
%subplot(3,1,2);plot(data_o);
%subplot(3,1,3);
semilogy(snr_min:d:snr_max,error_rate,snr_min:d:snr_max,error_rate2,snr_min :d:snr_max,error_rate3);
title('不同信噪比下误码率');
xlabel('snr/db');
ylabel('误码率/db');
legend('最大比','等比','选择');
5.实验结果。