首页 > 其他分享 >SCM信道模型和SCME信道模型的matlab特性仿真,对比空间相关性,时间相关性,频率相关性

SCM信道模型和SCME信道模型的matlab特性仿真,对比空间相关性,时间相关性,频率相关性

时间:2024-09-14 12:13:35浏览次数:10  
标签:Rd1 SCME 模型 信道 相关性 ds

1.算法仿真效果

matlab2022a仿真结果如下(完整代码运行后无水印):

 

 

 

       由仿真结果可以看出:信道时间相关性随着时间间隔的增大而减小,同一个天线间隔下,宏小区与微小区的间相关性相同,因为这两种场景的AOA产生方法相同,也反映出该信道模型不够准确。同理,频率相关性,空间相关性也具有类似的特征。

 

2.算法涉及理论知识概要

       SCM和SCME是两种用于仿真无线通信信道特性的模型,特别是在LTE和后续技术如5G的研究与设计中。它们旨在模拟真实环境中复杂的无线电波传播特性,包括空间相关性、时间相关性和频率相关性。

 

      SCM模型最初设计用于WCDMA系统,后来被扩展用于其他通信系统。它考虑了多种传播场景,如微小区、宏小区、室内环境等,通过一系列参数来表征信道的多径特性、衰落特性及空间、时间、频率的相关性。

 

      其信道模型图如图所示:

 

 

 

信道的空间相关函数:

 

 

 

信道的时间相关函数:

 

 

 

信道的频率相关函数:

 

 

 

       SCME模型专为LTE和后续技术设计,它在SCM基础上进行了扩展和改进,以适应更高速率、更广频谱的应用场景。SCME模型同样关注空间、时间和频率相关性,但提供了更为精细的参数化,以适应多样化的信道环境。

 

       空间相关性:SCME模型在空间相关性方面引入了更为细致的簇(Cluster)概念,每个簇内部包含多个径,簇间和簇内径之间的角度和功率分布都有明确的模型描述。空间相关性通过簇的分布和各径功率的角分布函数来表征,增加了模型的复杂度和真实性。

 

       时间相关性:SCME模型沿用了多普勒效应来模拟时间选择性,但对多普勒频谱进行了细化,以更好地适应移动速度范围更广的设备。此外,它还可能包含更复杂的时变模型来描述快速和慢速衰落过程。

 

      频率相关性:在SCME中,频率相关性通过更加精确的功率延迟谱(Power Delay Profile, PDP)来描述,PDP不仅反映多径时延的统计特性,还通过更细致的多径结构模拟了更为复杂的频率选择性衰落。

 

3.MATLAB核心程序

global dist;
 
%标准化天线间距
ds = [0:0.5:20];
Rd1= zeros(size(ds));
Rd2= zeros(size(ds));
for ii = 1:length(ds);
    ii
    Rtmp1 = 0;
    Rtmp2 = 0;
    for ij = 1:100
        dist=ds(ii);
        H1=scm(scmparset,linkparset(1),antparset);%macro
        H2=scm(scmparset2,linkparset(1),antparset);%micro
        %计算空间相关性
        [R,C,K,P] = size(H1);
        for i1=1:K
            for j1=1:P
                Rtmp1 = Rtmp1+mean2(H1(:,:,i1,j1)*[H1(:,:,i1,j1)]');
                Rtmp2 = Rtmp2+mean2(H2(:,:,i1,j1)*[H2(:,:,i1,j1)]');
            end
        end
    end
    Rd1(ii)=abs(Rtmp1)/P/K/100;
    Rd2(ii)=abs(Rtmp2)/P/K/100;
end
 
Rd1 = Rd1/max(Rd1);
Rd2 = Rd2/max(Rd2);
 
figure;
plot(ds,Rd1,'b');
hold on
plot(ds,Rd2,'r--');
xlabel('标准化天线间距');
ylabel('空间互相关性');
legend('macro','micro');
save result.mat ds Rd1 Rd2
01_165m

  

标签:Rd1,SCME,模型,信道,相关性,ds
From: https://www.cnblogs.com/51matlab/p/18413722

相关文章

  • 百度副总裁陈洋:大模型让软件开发更高效、更安全
    ......
  • 2024想转行做大模型?AI产品经理们,先看看这份指南
    如果你想转行做大模型,作为一名AI产品经理,你可以怎么做呢?或许,你可以先进行自我检测,看看自己是否真的适合转行做大模型。这篇文章里,作者便给想转行做大模型的AI产品经理们提出了一些建议,不妨来看看吧。作为一个产品经理,你可能已经熟悉了一些常见的AI技术和应用,比如机器学......
  • 卡尔曼模型和隐马尔科夫模型
    卡尔曼滤波器卡尔曼滤波器是一种有效的递归滤波器,它估计线性动态系统的状态,即使在噪声的影响下也能做到这一点。它由RudolfE.Kalman于1960年提出,广泛应用于工程和经济学领域,特别是在信号处理和数据分析中。核心思想:卡尔曼滤波器通过一系列测量观察(包含统计噪声)来估计过......
  • 《开源大模型食用指南》,一杯奶茶速通大模型!新增Examples最佳实践!
    01「Example系列的前世今生」我们希望成为LLM与普罗大众的阶梯,以自由、平等的开源精神,拥抱更恢弘而辽阔的LLM世界。Self-llm开源项目是一个围绕开源大模型、针对国内初学者、适合中国宝宝的专属大模型教程,针对各类开源大模型提供包括环境配置、本地部署、高效微调......
  • Qt 实战(10)模型视图 | 10.3、模型数据索引
    文章目录一、模型数据索引1、什么是模型数据索引?2、模型3、获取`QModelndex`3.1、获取列表数据项索引3.2、获取表格数据项索引3.3、获取树数据项索引4、模型数据更新前言:在Qt框架中,模型/视图(Model/View)架构是一种强大的机制,它允许开发者将数据的存储(Model)与数据......
  • 目标检测与比对,使用yolov5s跑数据集构建模型
    1.1数据集下载我使用的是下面的数据集,有需要可去以下链接下载trianA数据集下载链接:https://pan.baidu.com/s/1zj3MqZEHKHpFACs95Ov4gQ?pwd=ma1ptrianB数据集下载链接:https://pan.baidu.com/s/1whg_-jLfbUnfpZkKjvdziQ?pwd=yg54 1.2yolov5s下载(1)官网......
  • 开源视觉大模型
    MiniCPM-V2.6https://github.com/OpenBMB/MiniCPM-VMiniCPM-Visaseriesofend-sidemultimodalLLMs(MLLMs)designedforvision-languageunderstanding.Themodelstakeimage,videoandtextasinputsandprovidehigh-qualitytextoutputs.SinceFebruary......
  • 论文阅读笔记 --- 图模互补:知识图谱与大模型融合综述 --- 按参考文献整理
    论文阅读笔记---图模互补:知识图谱与大模型融合综述---按参考文献整理关于首次发表日期:2024-09-13论文原文链接:http://xblx.whu.edu.cn/zh/article/doi/10.14188/j.1671-8836.2024.0040/将文章中的参考文献整理一下,基本保持原文的目录结构引言、相关介绍KnowledgeGra......
  • 大模型API的响应内容(markdown语法)在Html中显示实例
    获取大模型API的响应内容的函数返回returnresponse.choices[0].messagefromzhipuaiimportZhipuAIdefget_response_from_model(question):client=ZhipuAI(api_key='your_api_key')response=client.chat.completions.create(model='glm-4-plus&......
  • Laravel Blade:如何在表循环中迭代模型的belongsToMany关系?
    一、引言(一)介绍是一种流行的PHP模板引擎,用于构建动态网页。在本文中,我们将探讨如何在表循环中迭代模型的belongsToMany关系。通过使用LaravelBlade,我们可以轻松地处理这种复杂的关系,并在模板中显示相关的数据。本文将介绍如何设置关系、如何在模板中访问关系数据以及如何使用......