time_channel.m

程序里面包含各部分算法仿真 可供参考和使用

function h_time = time_channel( N_path, fd, Power , Sym_sample , fs, N_subc, ...
    PrefixRatio,frame_Num,frame_idx,N_tran_sym)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 得到时域信道的参数
% 
% 时域信道响应h_time的安排如下:
% 1) 一行为一条径的信道参数, 每个OFDM符号一个参数, 要乘以功率衰减因子,共N_sym个
% 2) 不同行表示不同径的信道参数, 不同径之间的参数独立, 共N_path个
% 3) 矩阵第三维表示不同天线对之间的信道参数, 不同天线之间的参数独立,共N_Tx_ant * N_Rx_ant个

% 其顺序为: 第1条发送天线和第1条接收天线(1-->1)的信道, 2-->1,...,N_Tx_ant-->1, ...,
% 1-->2, 2-->2, ..., N_Tx_ant-->2，依次下去。

% 4) 不同cell结构体表示不同用户的信道参数, 其参数独立
% 5) 不同数据包/帧间的信道参数也独立

% 产生的方法: 每条径的瑞利衰落系数序列由Jakes模型截取. 为保证不同径的瑞利衰落独立,
% 不同天线的瑞利衰落独立, 我们截取的距离要等于或大于相干时间对应的多径时延样点数. 


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

h_time = zeros( N_path , N_sym + N_tran_sym , N_ant_pair);


if ch.fd > 5       
    
    % 相干时间对应的OFDM符号数
    coherent_time = round( (1/ch.fd) * fs /Sym_sample ) ;
    
    if frame == 1
        % 使用Jakes模型产生瑞利衰落系数 
        
        
        % 计算瑞利衰落样点序列的长度
        % 原则:　每条径使用的瑞利衰落系数要独立, 也就是截取Jakes模型时, 径和径之间的截取间隔要等于或
        % 大于相干时间对应的OFDM符号数.
        % 乘13*coherent_time的目的是从12倍相干时间对应的OFDM符号数处开始截取,舍去前面幅度较大的部分
        % 从产生的瑞利衰落的幅度图plot(abs(jakes_coff))可以看出, 前面一部分系数幅度变化不合理, 舍去
        
        % 有N_tran_sym个OFDM符号的前导训练序列,所以是 N_sym + N_tran_sym
        len = (N_sym + N_tran_sym)* N_frame * ch.N_path * N_ant_pair + coherent_time * N_frame * ch.N_path * N_ant_pair;
        fading_len = ceil( len + 11*coherent_time );
        
        jakes_coff = Tap_Rayleigh_Jakes(ch.fd, T_sym , fading_len );
        % plot(abs(jakes_coff));
        
        % 截取Jakes模型产生瑞利衰落序列 ,从第12s倍相干时间对应的OFDM符号数处开始截取
        fading_trunc =  jakes_coff(10*coherent_time + 1 : len + 10*coherent_time + 1 );
        
        % 将Jakes模型产生的序列进行功率归一化
        fading_jakes = fading_trunc./sqrt( sum(fading_trunc.*conj(fading_trunc)) / length(fading_trunc) );
        
        save fading_jakes.mat fading_jakes;
        
    else
        load fading_jakes.mat;
    end
end


for ant = 1:N_ant_pair
    for p = 1:ch.N_path    
        if ch.fd <= 5       % 多普勒频移很小,一条径的数据可以使用相同的瑞利衰落系数
            fading_path = repmat(( randn(1,1) + j*randn(1,1) )/sqrt(2) ,1 , N_sym + N_tran_sym );   
        else    
            % 每条径的瑞利衰落系数
            fading_path = fading_jakes((ant-1)*coherent_time + (p-1)*coherent_time + (frame-1)*coherent_time + 1: ...
                (ant-1)*coherent_time + (p-1)*coherent_time + (frame-1)*coherent_time + (N_sym + N_tran_sym) );
            
            % 每条径加随机相位               
            fading_path =  fading_path * exp( j*2*pi*rand(1,1) );              
        end            
        % 把每条径的幅度乘上瑞利衰落序列
        path_tmp =  sqrt(ch.Power(p)) * fading_path;
        h_time(p,:,ant) = path_tmp ;
        
    end
end