移动信道典型模型.pdf

移动信道典型模型.pdf

ID:52439267

大小:255.57 KB

页数:21页

时间:2020-03-27

移动信道典型模型.pdf_第1页
移动信道典型模型.pdf_第2页
移动信道典型模型.pdf_第3页
移动信道典型模型.pdf_第4页
移动信道典型模型.pdf_第5页
资源描述:

《移动信道典型模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、3.1单状态模型3.1.1Rayleigh模型在移动无线信道中,瑞利模型是常见的用于描述平坦衰落信号或独立多径分量接收包络统计时变特性的一种经典模型。众所周知,两个正交的正态分布的随机过程之和的包络服从瑞利分布,即设X和Y为正态随机过程,则R=X+jY的[24,27,28]包络r=

2、R

3、则服从瑞利分布。瑞利分布的概率密度函数(pdf)为:2rrexp,r0p(r)222(3-1)0,r022其中,E[r]是包络检波之前的接收信号包络的时间平均功率。R的相位θ服从0到

4、2π之间的均匀分布,即10,2p()2(3-2)0,其他则接收信号包络不超过某特定值R的累计概率分布函数(CDF)为R2RF(R)p(rR)p(r)dr1exp2(3-3)02图3-1所示为瑞利模型的概率密度函数曲线图。瑞利分布包络的概率密度曲线图0.70.60.50.4pdf0.30.20.10012345678910接收信号包络r图3-1瑞利模型的概率密度函数曲线图3.1.2Ricean模型当接收端存在一个主要的静态(非衰落)信号时,如LOS分量(

5、在郊区和农村等开阔区域中,接收端经常会接收到的)等,此时接收端接收的信号的包络就服从莱斯分布。在这种情况下,从不同角度随机到达的多径分量迭加在静态的主要信号上,即包络检波器的输出端就会在随机的多径分量上迭加一个直流分量。当主要信号分量减弱后,莱斯分布就转变为瑞利分布。莱斯分布的概率密度函数为:22rrCCrexpI,C,0r0p(r)22202(3-4)0,r0其中C是指主要信号分量的幅度峰值,I是0阶第一类修正贝赛尔函数。为0了更好的分析莱斯分布

6、,定义主信号的功率与多径分量方差之比为莱斯因子K,则K的表达式可以写为2CK(3-5)22莱斯分布完全由莱斯因子K决定。图3-2所示为莱斯模型的概率密度函数曲线图。莱斯分布的概率密度函数曲线0.450.40.350.3pdf0.250.2概率密度0.150.10.050012345678910接收信号包络r(v),K=5dB图3-2莱斯模型概率密度函数曲线图3.1.3Nakagami模型早在20世纪40你年代,Nakagami就提出了用来描述长距离HF信道快衰[29][28]落的Nakagami模型。研

7、究表明,Nakagami分布比瑞利分布、莱斯分布和对数正态分布都要更好的接近实验测量数据,且它不含贝赛尔函数,数学分析起来比较容易,可以得到方便运算的闭合解析式。所以Nakagami模型自提出至今[31]得到了非常广泛的应用。Nakagami分布的概率密度函数为2m2m1mr2mr1pr=emr(3-6)(),,0m2()m其中Er[]2是多径散射场的平均功率,m2/{[Er222]}是Nakagami的形状因子,它描述由于多径效应引起的衰落程度。随着形状因子m的变化,Nakaga

8、mi分布涵盖了单边高斯分布、瑞利分布和莱斯分布,即:当m=1/2时,Nakagami分布就变成了单边高斯分布;当m=1时,Nakagami分布就变成了瑞利分布;当m>1时,Nakagami分布就和莱斯分布很接近。此时,莱斯因子和Nakagami形状因子m之间有如下近似关系:2mmKm1(3-7)2mmm或2K1m(3-8)2K1式(3-6)中的m是伽玛函数,其表示式为:m1tmtxdt(3-9)02设接收信号包络r服从Nakagami分布,则sr服从Gamma

9、分布,Gamma分布的概率密度函数mm1msmsp(s)exp(3-10)m图3-3给出了当m分别取0.5、1和3时Nakagami分布的概率密度函数曲线图。对应不同m值的Nakagami分布的概率密度曲线1.5m=0.5m=1m=31p(r)概率密度0.50012345678910接收信号包络电平r(v)图3-3对应不同m值的Nakagami分布的pdf曲线3.1.4Lognormal模型当基站与移动站之间的信号电波途经树木或其它障碍物而被吸收或散射时,阴影效应出现

10、。此时的信号电波的幅度由于阴影而服从Lognormal分布,其概率[32]密度函数为:21(lnr)p(r)exp,r0(3-11)r2d02d0其中μ和d分别为lnr的均值和方差。图3-4给出了Lognormal分布的概率密度0函数曲线图。lognormal分布的pdf曲线0.450.40.350.3p(r)0.250.2概率密度0.150.10.050051015接收信号包络电平r

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。