Исследование методов разнесенного приема в декаметровом канале связи (стр. 6 из 6)
На рисунке 1 представлена имитационная модель оптимального линейного сложения сигналов и оптимального автовыбора.
Блоком BernoulliRandomBinaryGenerator мы задаем генерацию случайных двоичный чисел. Блоком BPSKModulator задаем модуляцию. Блок AWGN представляет собой математическую модель канала с аддитивным белым Гаусовским шумом. Блок BPSKDemodulator демодулирует переданную информацию. В блоке SliderGainобеспечивает изменение коэффициента усиления в процессе расчета. В блоке ADDвыполняется вычисление суммы текущих значений сигналов. В блоке RelationalOperatorблок сравнивает текущие значения входных сигналов. В блоке ErrorRateCalculation вычисляется вероятность появления ошибки битов или символьную ошибку входных данных. В блоке Constant задается константа. Блоки Constant и RelationalOperator образуют пороговое устройство на основании которого принимается решение о переданном символе.
Рис.4 Имитационная модель оптимального линейного сложения сигналов и оптимального автовыбора.
На рисунке 5 представлена имитационная модель линейного сложения сигналов.
Рис. 5 Имитационная модель линейного сложения сигналов.
На рисунке 6 представлена имитационная модель комбинированной обработки цифровых сигналов при пространственном разнесении.
Рис. 6 Имитационная модель комбинированной обработки цифровых сигналов при пространственном разнесении
2.1 Результаты моделирования
Было проведено 4 группы испытаний. Для первой группы были заданы параметры: отношение SNR в первой ветви разнесения было постоянным и ровнялось 1db, а во второй ветви разнесения изменялось в интервале от 1 до 10 db с шагом 1db. На основании полученных данных был построен график для всех методов получения результирующего сигнала рис 7.
Рис 7. График вероятность ошибки в зависимости от SNR
Для второй группы были заданы параметры: отношение SNR в первой ветви разнесения было постоянным и ровнялось 3db, а во второй ветви разнесения изменялось в интервале от 1 до 10 db с шагом 1db. На основании полученных данных был построен график для всех методов получения результирующего сигнала рис 8.
Рис 8. График вероятность ошибки в зависимости от SNR
Для третей группы были заданы параметры: отношение SNR в первой ветви разнесения было постоянным и ровнялось 6db, а во второй ветви разнесения изменялось в интервале от 1 до 10 db с шагом 1db. На основании полученных данных был построен график для всех методов получения результирующего сигнала рис 9.
Рис 9. График вероятность ошибки в зависимости от SNR
Для четвертой группы были заданы параметры: отношение SNR в первой ветви разнесения было постоянным и ровнялось 9db, а во второй ветви разнесения изменялось в интервале от 1 до 10 db с шагом 1db. На основании полученных данных был построен график для всех методов получения результирующего сигнала рис 10.
Рис 10. График вероятность ошибки в зависимости от SNR
ЗАКЛЮЧЕНИЕ
Проанализировав полученные данные можно сделать выводы: наименьший выигрыш дает последетекторное линейное сложение без весовых коэффициентов. В данном методе при малых значения SNR в обоих ветвях разнесения, от 1db до 6db, вероятность ошибки Р ош составляет не менее
, при значениях SNR больших 7db можно добиться Р ош. Стоит заметить если в одной из ветвей разнесения будет малое SNR, до 6 db, а в другой больше чем 6db Р ош не сможет достичь значения меньше чем .Из графиков видно, что чуть ниже располагается кривая додетекторного линейного сложения без весовых коэффициентов. Данный метод лишь на 1dbдает преимущество над последетекторным линейным сложением без весовых коэффициентов, так как при сложении ветвей с большими шумовыми составляющим вносят маленький вклад в полезную составляющую, тем самым не дает значительного уменьшения ошибки при малых SNR. Единственным плюсом этих двух является простота реализации, не требующая анализа ветвей разнесения.
Рассмотрим оптимальное линейное сложение: данный метод подразумевает, в зависимости от шумовой составляющей, каждой из ветви разнесения присваивается весовой коэффициент с которым в дальнейшем он складывается. В проделанных экспериментах, даже при малых SNR, каждой ветви присваивался коэффициент. Анализируя полученные данные можно сделать вывод: что бы получить наибольший выигрыш стоит, при малых SNR (до 6db) в ветвях разнесения, одной ветви где наибольшее SNR поставить коэффициент равный 1 а другой ветви поставить коэффициент равный 0, тем самым мы недопустим сложения ветви с большим шумовым составляющим. Выполнив эти действия мы можем добиться Р ош равной
, а при SNR больших 6db Р ош достигает 
. Данный метод сложнее реализовать так как нужно непрерывно вести анализ всех ветвей разнесения, при случае когда задержка одного сигнала относительно другого станет больше элементарной посылке, необходимо будет применять ФАПЧ.Список литературы
1. Скляр, Б. Цифровая связь. Теоретические основы и практическое применение: пер. с англ. – М.: Изд. дом “Вильямс”, 2003. – 1104 с.
2. ISSN 1995-4565. Вестник РГРТУ. № 1 (выпуск 27). Рязань, 2009 УДК 681.3.07 О.Р. Никитин, П.А. Полушин, М.В. Гиршевич, В.А. Пятов МЕТОД КОМБИНИРОВАННОЙ ОБРАБОТКИ ЦИФРОВЫХ СИГНАЛОВ ПРИ РАЗНЕСЕННОМ ПРИЕМЕ.