suzuki_generator成确定型suzuki过程.m

Gauss_generator利用参数（多普勒频移、系数、相移）生成确定的实高斯过程.m gaussian确定离散多普勒频移、系数、相移的程序.m Rice_generator在瑞利过程的基础上考虑视

% 函数Suzuki_generator(N1,N2,N3,variance,fmax,fc,kc,sigma3,m3,A_Los,f_Los,T_interval,T)
% 功能：根据需要采用MED、MEA、MCM、MSEM、MEDS和JM中的任何一种方法，来生成既考虑小尺度衰落（莱斯分布），
%      又考虑大尺度阴影（对数正态分布）的确定型Suzuki过程
% 输入参数说明：
% （1）N1,N2,N3,分别表示实确定型高斯过程gauss1_t,gauss2_t,gauss3_t的正弦振荡器数目
% （2）Variance1,表示确定型高斯过程gauss1_t,gauss2_t,gauss3_t的平均功率
% （3）fmax,表示最大多普勒频移；
% （4）fc,为3dB截止频率
% （5）kc由仿真所需的离散多普勒频移fi,n的选择范围来决定，这里选择kc=2*sqrt(2/ln2);
% （6）sigma3,表示确定型高斯过程gauss3_t的平均功率的平方根；
% （7）m3,表示确定型高斯过程gauss3_t的均值；
% （8）A_Los、f_Los和theta_Los分别表示可视径的幅度，多普勒频移和相移；
% （9）T_interval,表示抽样间隔；
% （10）T,表示仿真持续时间。
% 画出参数说明：
% Suzuki_t,表示生成的Suzuki过程
% 程序：
function Suzuki_t=Suzuki_generator(N1,N2,N3,variance,fmax,fc,kc,sigma3,m3,A_Los,f_Los,T_interval,T)
%分别采用MEDS和MEA方法生成瑞利过程的同相分量和正交分量参数
[f1,c1,theta1]=Parameter_Classical('MEDS',N1,variance1,fmax,'rand');
[f2,c2,theta2]=Parameter_Classical('MEA',N2,Variancel,fmax,'rand');
c1=c1/sqrt(2);
c2=c2/sqrt(2);

%分别采用MEDS生成均值为0、方差为1的对数正态阴影的参数
[f3,c3,theta3]=Parameter_Gaussian('MEDS',N3,1,fc,kc,'rand')
g=(2*pi*fd/sqrt(2*log(2)))^2;
f3(N3)=sqrt(g*N3/(2*pi)^2-sum(f3(1:N3-1).^2));

N=ceil(T/T_interval);
t=(0:N-1)*T_interval;
%生成莱斯过程
rice_t=Rice_generator(c1,f1,theta1,c2,f2,theta2,A_Los,f_Los,theta_Los,T_interval,T);
%生成对数正态过程
lognormal_t=exp(Gauss_generator(c3,f3,theta3,T_interval,T)*sigma3+m3);
%生成Suzuki过程
Suzuki_t=rice_t.*lognormal_t;