文件名称：统计信道模型-project2010教程(完全版).
文件大小：35.67MB
文件格式：PDF
更新时间：2024-07-29 21:03:30
数字通信原理
9.5 统计信道模型 9.4.1 节建立了离散时间基带衰落模型，其中由式 (9.41) 给出的抽头系数 gk.m 是由各径 的衰减和平滑时延所决定的加权和。不过物理径对接收机和发射机是未知的，因此从输入 输出的观点来看，最应当关注的就是这些抽头系数。①不同的时间、位置、带宽、载波频率以 及其他参数会造成不同的抽头系数，为了理解如何通过这些信道进行通信，需要有抽头系数 的统计描述。也就是说，应当把抽头系数 gk.m 看成是随机变量 Gk，m 的样本值。 有许多方法可以用来确定这些抽头系数随机变量的特性。一种方法是通过大量的位置 及其他条件采集统计数据， 用测量数据对这些随机变量的联合密度建模。可以按位置的分类 条件进行，例如分为市区、山区 、 平原、公路、室内等不同类型。人们已经进行了许多这样 的实验，不过其结果对于无线通信的初学者来说有些过于注重细节。 我们要采用的是另一种方法，这也是本领域所有理论工作中的方法。这种方法以少量容 易处理的简单概率模型为基础， 然后用由此导出的结论来窥探实际的物理情形。 我们将在 给出这样的模型之后讨论能否反映物理现实的问题。然后用这些模型导出一些标准的结论， 同时讨论这些结论能在多大程度上反映实际性能。 在瑞利抽头系数模型中，所有抽头系数的实部和虚部都是零均值联合高斯随机变量。每 个抽头系数 Gk，m 是一个复高斯随机变量， 可进一步假设它是圆对称的，即实部虚部独立同 分布。最后假设句，刑的概率密度对所有 m 相同。于是， Gk.m 的概率密度可表示为 f -g~e - g~m 1 fRe(Gk .>n), lm(Gk.m) (g灿 9叫 = 百万 exp ~一τ工T一} ~".~k ~ ~νk J (9.44) 其中 σ2 是 Re(Gk，m) 的方差，同时也是 Im(Gk ，m) 的方差。后面将讨论这些随机变量之间的 关系。 根据习题 7.1， 第 k 个抽头系数的幅度 IGk，ml 是瑞利随机变量，其概率密度为 f扣阳陆k..川川m叶ml ( 1 Igl _ _ f - lgI 2 ) 这就是王稍忠利衰落(Ray川leig阱h fading) 模型。注意式 (9.44) 中的模型包含一个均匀分布的相位， 它与瑞利分布的幅度相互独立。即使对于径数很少的情形，假设相位均匀分布也是完全合理 的。因为对于蜂窝频段， 四分之一波长只有儿个英寸。因此，就算标定的路径长度比较准确， 也可以把各个路径上的相位建模为彼此独立的均匀分布。从这一点同样能看到假设抽头的 相位和幅度独立的合理性。 ①许多元线信道只有很少的几个显著径，其接收机的结构并不是离散信道模型，而是在跟踪这些具体的路役.不 过对于理解多径的统计变化来说，离散时间模型是一个很有用的概念筷型.