基于jupyter notebook的python编程-----通过python编程实现通信系统的多径仿真

2024-01-21 05:50

本文主要是介绍基于jupyter notebook的python编程-----通过python编程实现通信系统的多径仿真,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

基于jupyter notebook的python编程-----通过python编程实现通信系统的多径仿真目录


对于通信传输,多径传输一直以来都是重要且难点的内容,不仅需要考虑多径衰落带来的影响,还需要考虑怎么在模拟中完成多径的搭建模拟,本次博客,林君学长主要带大家了解,如何通过python代码实现通信系统的多径仿真

一、多径衰落信道简介

1、多径衰落信道

在无线信道中,发送和接收天线之间通常存在多于一条的信号传播路径。多径的存在是因为发射机和接收机之间建筑物和其他物体的反射、绕射、散射等引起的。当信号在无线信道传播时,多径反射和衰减的变化将使信号经历随机波动。因此,无线信道的特性是不确定的、随机变化的。

2、多径衰落信道特点

  • 频率选择性衰落
  • 时间选择性衰落

3、多径衰落信道原理

本次博客,通过一个简单的模拟程序来说明多径衰落信道的特点,然后再给出多径衰落信道的仿真方法。
1)、首先,先说一下程序模拟多径信道的场景,如图4-15所示
在这里插入图片描述
假设在一条笔直的高速公路上,一端安装了一个固定的基站,在另一端有一面完全反射电磁波的墙面,基站距反射墙的距离为d,移动台距基站初始距离为 r 0 r_0 r0。基站发射一个频率为f的正弦信号,表示为 c o s ( 2 π f t ) cos(2\pi ft) cos(2πft),由于墙面的反射,移动台可以接收到2径信号,其中之一是从基站直接发射的信号,另一径是从反射墙反射过来的信号。
2)、首先来看移动台静止的情况。显然,从基站发出的直射信号到达移动台需要的时间为 r 0 / c r_0/c r0/c (c为光速),从反射墙反射过来的信号到达移动台所需要的时间为 ( 2 d − r 0 ) / c (2d-r_0)/c (2dr0)/c。换句话说,在时
刻t,移动台分别接收到了从时刻 t − r 0 / c t-r_0/c tr0/c 基站发出的直射信号和从时刻 t − ( ( 2 d − r 0 ) / c ) t-((2d-r_0)/c) t((2dr0)/c) 基站发出的反射信号。
3)、信号在传播的过程中要衰减,自由空间中,电磁波功率随距离r按平方规律衰减,相应的电场强度(接收信号电压)随 1 / r 1/r 1/r 规律衰减并且反射信号同直射信号的相位相反。所以,时刻t移动台接收到的合成信号为
在这里插入图片描述

式中,减号体现了反射信号与直射信号的相位相反

接下来,我们就通过python代码来实现上面的原理吧!

二、python的多径衰落信道模拟

1、在 r 0 r_0 r0处的信道特点

1)、python代码如下所示:

#r0=3
import numpy as np
from numpy import random
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
f=1                                        #发射信号频率
v=0                                        #移动台速度,静止时刻为0
c=3e8                                      #电磁波速度,光速
r0=3                                       #移动台距离基站的初始距离
d=10                                       #基站距离反射墙的距离
t1=np.array([])                            #时间
for i in np.arange(0.1,10+0.0001,0.0001):t1=np.insert(t1,len(t1),i)
E1=np.cos(2*np.pi*f*((1-v/c)*t1-r0/c))/(r0+v*t1)                 #直射径信号
E2=np.cos(2*np.pi*f*((1+v/c)*t1+(r0-2*d)/c))/(2*d-r0-v*t1)      #反射径信号
plt.plot(t1,E1,t1,E2,'-g',t1,E1-E2,'-r')                          #画出直射径信号、反射径信号、移动台接收的合成信号
plt.legend(["直射径信号","反射径信号","移动台接收的合成信号"],loc='upper left')
plt.axis([0,10,-0.8,0.8])                                         #设置横纵比
plt.show()

2)、模拟结果
在这里插入图片描述
3)、结论
上图可以清楚地看出,即使移动台是静止的,由于反射径的存在,使得接收到的合成信号最大值要小于直射径的信号.

2、修改移动台距离基站的位置,让 r 0 = 9 r_0=9 r0=9

1)、python代码如下所示:

#r0=9
f=1                                        #发射信号频率
v=0                                        #移动台速度,静止时刻为0
c=3e8                                      #电磁波速度,光速
r0=9                                       #移动台距离基站的初始距离
d=10                                       #基站距离反射墙的距离
t1=np.array([])                            #时间
for i in np.arange(0.1,10+0.0001,0.0001):t1=np.insert(t1,len(t1),i)
E1=np.cos(2*np.pi*f*((1-v/c)*t1-r0/c))/(r0+v*t1)                 #直射径信号
E2=np.cos(2*np.pi*f*((1+v/c)*t1+(r0-2*d)/c))/(2*d-r0-v*t1)      #反射径信号
plt.plot(t1,E1,t1,E2,'-g',t1,E1-E2,'-r')                          #画出直射径信号、反射径信号、移动台接收的合成信号
plt.legend(["直射径信号","反射径信号","移动台接收的合成信号"],loc='upper left')
plt.axis([0,10,-0.8,0.8])                                         #设置横纵比
plt.show()

2)、模拟结果
在这里插入图片描述
3)、结论
从图中可以看出,这次由于靠近反射墙的位置,直射信号要比 r 0 = 3 r _0=3 r0=3处弱-一些,反射信号要比 r 0 = 3 r_0=3 r0=3位置处的信号强一些,但移动台接收到的合成信号更弱了,不仅要小于直射径的信号更小于反射径的信号

3、修改发射频率 f = 1 0 8 且 r 0 = 3 f=10^8且r_0=3 f=108r0=3

以上是发射频率f=1的情况,发射其他频率的信号结果会怎样呢?修改 f = 1 0 8 f=10^8 f=108并且 r 0 = 3 r_0=3 r0=3
1)、python代码如下所示:

#f=10的8次方,r0=3
f=1e8                                      #发射信号频率
v=0                                        #移动台速度,静止时刻为0
c=3e8                                      #电磁波速度,光速
r0=3                                       #移动台距离基站的初始距离
d=10                                       #基站距离反射墙的距离
t1=np.array([])                            #时间
for i in np.arange(0.1,10+0.0001,0.0001):t1=np.insert(t1,len(t1),i)
E1=np.cos(2*np.pi*f*((1-v/c)*t1-r0/c))/(r0+v*t1)                 #直射径信号
E2=np.cos(2*np.pi*f*((1+v/c)*t1+(r0-2*d)/c))/(2*d-r0-v*t1)      #反射径信号
plt.plot(t1,E1,t1,E2,'-g',t1,E1-E2,'-r')                          #画出直射径信号、反射径信号、移动台接收的合成信号
plt.legend(["直射径信号","反射径信号","移动台接收的合成信号"],loc='upper left')
plt.axis([0,10,-0.8,0.8])                                         #设置横纵比
plt.show()

2)、模拟结果
在这里插入图片描述
3)、结论
我们会发现,此时移动台接收到的信号得到了增强;至此,可以得出结论,在同一位置, 由于反射径信号的存在,发射不同频率的信号时,在接收机处接收到信号有的频率是被增强了,有的频率是被削弱了。频率选择性衰落由此产生。
4)、扩展
既然有频率选择性衰落,自然会问,哪些频率会被增强,哪些频率会被削弱呢?在上面的例子中,如果f=1, 2, 3,.100, … 1000, 会发现这些频率基本,上都是被削弱的,只有让f充分大,如f=10", 才会看出信号被增强了,那么就把那些受到影响基本一致的频率范围称为相干带宽。

4、让移动台以速度v=1向反射墙运动

使 f = 2 , v = 1 , r 0 = 3 , d = 15 , t 1 = 0.1 : 12 : 0.001 f=2 ,v=1,r0=3,d=15,t1=0.1:12:0.001 f=2,v=1,r0=3,d=15,t1=0.1:12:0.001

1)、上面讨论 了移动台静止的情况。现在让移动台向反射墙运动,速度为v,则在时刻t,移动台距离基站的位置r=r+vt。把最开始式中的 r 0 r_0 r0用r代替得:
在这里插入图片描述
2)、那么通过python代码模拟如下:

#f=2,v=1,r0=3,d=15,t1=0.1:12:0.001 
f=2                                        #发射信号频率
v=1                                        #移动台速度,静止时刻为0
c=3e8                                      #电磁波速度,光速
r0=3                                       #移动台距离基站的初始距离
d=15                                       #基站距离反射墙的距离
t1=np.array([])                            #时间
for i in np.arange(0.1,12+0.001,0.001):t1=np.insert(t1,len(t1),i)
E1=np.cos(2*np.pi*f*((1-v/c)*t1-r0/c))/(r0+v*t1)                 #直射径信号
E2=np.cos(2*np.pi*f*((1+v/c)*t1+(r0-2*d)/c))/(2*d-r0-v*t1)      #反射径信号
plt.plot(t1,E1,t1,E2,'-g',t1,E1-E2,'-r')                          #画出直射径信号、反射径信号、移动台接收的合成信号
plt.legend(["直射径信号","反射径信号","移动台接收的合成信号"],loc='upper left')
plt.axis([0,12,-0.5,0.5])                                         #设置横纵比
plt.show()

3)、模拟结果:
在这里插入图片描述

5、分离出移动台接收的合成信号

1)、分离接收合成信号python代码如下所示:

#f=2,v=1,r0=3,t1=0.1:12:0.001时候单独画接收信号
f=2                                        #发射信号频率
v=1                                        #移动台速度,静止时刻为0
c=3e8                                      #电磁波速度,光速
r0=3                                       #移动台距离基站的初始距离
d=15                                       #基站距离反射墙的距离
t1=np.array([])                            #时间
for i in np.arange(0.1,12+0.001,0.001):t1=np.insert(t1,len(t1),i)
E1=np.cos(2*np.pi*f*((1-v/c)*t1-r0/c))/(r0+v*t1)                 #直射径信号
E2=np.cos(2*np.pi*f*((1+v/c)*t1+(r0-2*d)/c))/(2*d-r0-v*t1)      #反射径信号
plt.plot(t1,E1-E2,'-r')                                           #移动台接收的合成信号
plt.legend(["移动台接收的合成信号"],loc='upper left')
plt.axis([0,12,-0.5,0.5])                                         #设置横纵比
plt.show()

2)、分离结果:
在这里插入图片描述
3)、结论
从前面的程序中可知多径导致了频率选择性。当移动台运动起来后,发现即使同一频率,在不同的时间点,合成信号的强度也是不一样的。

三、多径仿真结论

1、多径仿真结论

1)、在数字通信中,接收端是周期性的对接收符号进行判决从而恢复信息的,1个符号脉冲的周期可大可小,因此,根据相干时间与符号脉冲周期的相对长短,可以把信道分为慢变信道和快变信道。在上面第二张图中,如果发送符号的周期小于1.25s,就可以认为这是慢变信道(或者准静态信道)
2)、无线信道大体可以分为4种:慢变瑞利衰落信道、快变瑞利衰落信道、慢变频率选择性信道、快变频率选择性信道。
在这里插入图片描述

2、多径扩展

1)、如果信道没有频率选择性,则最大的时延扩展Tmax要远远小于符号周期T(Tmax <<T,),在这种情况下,所有的延迟多径分量到达的时段仅为一个符号时间的一小部分。 在这种情况下,信道可以用单一路径来建模,输入/输出关系可以表示为乘法,即:
在这里插入图片描述

四、Matlab多径仿真完整代码

林君学长同时在这里给出Matlab的多径仿真的一部分代码,其他可通过以下代码改写

1、matlab多径源码如下

clear all
f=1;        %发射信号频率
v=0;        %移动台速度,静止时刻为0
c=3e8;      %电磁波速度,光速
r0=3;       %移动台距离基站的初始距离
d=10;       %基站距离反射墙的距离
t1=0.1:0.0001:10;     %时间
E1=cos(2*pi*f*((1-v/c).*t1-r0/c))./(r0+v.*t1);    %直射径信号
E2=cos(2*pi*f*((1+v/c)*t1+(r0-2*d)/c))./(2*d-r0-v*t1);  %反射径信号
figure
plot(t1,E1,t1,E2,'-g',t1,E1-E2,'-r')   %移动台接收的合成信号
legend('直射径信号','反射径信号','移动台接收的合成信号')
axis([0 10 -0.8 0.8])     %设置横纵比

以上就是本次博客的全部内容啦,通过本次博客,大家可以更好的了解到通信系统多径仿真原理,同时,林君学长也希望大家能够深入的了解多径衰落应该如何降低到最低,适合我们信号传输的那个点,理解原理;代码有错误的地方记得给林君学长留言改正。
遇到问题的小伙伴也记得评论区留言,林君学长看到会给大家回复解答的,这个学长不太冷!

陈一月的又一天编程岁月^ _ ^

这篇关于基于jupyter notebook的python编程-----通过python编程实现通信系统的多径仿真的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/628537

相关文章

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类