实现信道估计算法的matlab仿真

1、实现信道估计算法的matlab仿真clear all;%close all;i=sqrt(-1);Rayleigh=1;AWGN=0;                             % for AWGN channel MMSE=0;                  

2、           % estimation techniqueNsc=64;                             % Number of subcarriersNg=16;             

3、60;               % Cyclic prefix lengthSNR_dB=0 5 10 15 20 25 30 35 40;  % Signal to noise ratioMt=2;                               % Numbe

4、r of Tx antennasMr=2;                               % Number of Rx antennaspilots=1:Nsc/Ng:Nsc;              % pilot subcarriers DS=5;   

5、60;                          % Delay spread of channeliteration_max=200;% Channel impulse response %if (Rayleigh)    N=50;    fm=100;    B=20e3;    fd=(rand(1,N)-0.5)*2*fm;

6、60;   theta=randn(1,N)*2*pi;    c=randn(1,N);    c=c/sum(c.2);    t=0:fm/B:10000*fm/B;    Tc=zeros(size(t);        Ts=zeros(size(t);    for k=1:N       Tc=c(k)*cos(2*pi*fd(k)*t+theta(k)+Tc;   

7、60;   Ts=c(k)*sin(2*pi*fd(k)*t+theta(k)+Ts;    end    r=ones(Mt*Mr,1)*(Tc.2+Ts.2).0.5;    index=floor(rand(Mt*Mr,DS)*5000+1);endMEE1=zeros(1,length(SNR_dB);MEE2=zeros(1,length(SNR_dB);for snrl=1:length(SNR_dB)    snrl    estimation_error1=zeros(

8、Mt*Mr,Nsc);    estimation_error2=zeros(Mt*Mr,Nsc);    R1=besselj(0,2*pi*fm*(Nsc+Ng)/B);    sigma2=10(-SNR_dB(snrl)/10);    aa=(1-R12)/(1-R12+sigma2);    bb=sigma2*R1/(1-R12+sigma2);    for iteration=1:iteration_max      

9、  %iteration            if AWGN=1            h=ones(Mt*Mr,1);        else            phi=rand*2*pi;         &#

10、160;  h=r(index+iteration)*exp(j*phi);            %h=rand(Mt*Mr,DS);            h=h.*(ones(Mt*Mr,1)*(exp(-0.5).1:)S);            h=h./(sqrt(sum(abs(h).2,2)*ones(1,DS);  &

11、#160;     end        CL=size(h,2);                                               % channel

12、 length        data_time=zeros(Mt,Nsc+Ng);        data_qam=zeros(Mt,Nsc);        data_out=zeros(Mr,Nsc);        output=zeros(Mr,Nsc);        for tx=1:

13、Mt            data_b=0*round(rand(4,Nsc);                                  % data            data_qam(tx,:) =j

14、*(2*(mod(data_b(1, :)+data_b(2, :),2)+2*data_b(1, :)-3)+.            2*(mod(data_b(3, :)+data_b(4,:),2)+2*data_b(3,:)-3;            for loop=1:Mt                 data_qam

15、(tx,pilots+loop-1)=(1+j)*(loop=tx);              % pilots            end            data_time_temp=ifft(data_qam(tx,:);            

16、;data_time(tx,:)=data_time_temp(end-Ng+1:end) data_time_temp;        end            for rx=1:Mr            for tx=1:Mt                output

17、_temp=conv(data_time(tx,:),h(rx-1)*Mt+tx,:);                output(rx,:)=output_temp(Ng+1:Ng+Nsc)+output(rx,:);            end            np=(sum(abs(output(rx,:).2)/leng

18、th(output(rx,:)*sigma2;            noise=(randn(size(output(rx,:)+i*randn(size(output(rx,:)*sqrt(np);            output(rx,:)=output(rx,:)+noise;            data_out(rx,:)=fft(outp

19、ut(rx,:);        end% Channel estimation %            H_act=zeros(Mt*Mr,Nsc);        H_est1=zeros(Mt*Mr,Nsc);        H_est2=zeros(Mt*Mr,Nsc);      

20、60; i=1;        for tx=1:Mt            for rx=1:Mr                H_est_temp=data_out(rx,pilots+tx-1)./data_qam(tx,pilots+tx-1);           &

21、#160;    %H_est_temp2=aa*abs(H_est_temp1)+bb*abs(H_est2(rx-1)*Mt+tx,:);                h_time=ifft(H_est_temp);                h_time=h_time zeros(1,Nsc-length(h_time);     &#

22、160;          H_est1(rx-1)*Mt+tx,:)=fft(h_time);                H_est2(rx-1)*Mt+tx,:)=(aa*abs(H_est1(rx-1)*Mt+tx,:)+bb*abs(H_est2(rx-1)*Mt+tx,:).                

23、60;  .*H_est1(rx-1)*Mt+tx,:)./abs(H_est1(rx-1)*Mt+tx,:);                if (tx>1)                    H_est1(rx-1)*Mt+tx,:)=H_est1(rx-1)*Mt+tx,Nsc-tx+2:Nsc) H_est1(rx-1

24、)*Mt+tx,1:Nsc-tx+1);                    H_est2(rx-1)*Mt+tx,:)=H_est2(rx-1)*Mt+tx,Nsc-tx+2:Nsc) H_est2(rx-1)*Mt+tx,1:Nsc-tx+1);                    end     &

25、#160;          H_act(rx-1)*Mt+tx,:)=fft(h(rx-1)*Mt+tx,:) zeros(1,Nsc-CL);                error1=(abs(H_act(rx-1)*Mt+tx,:)-H_est1(rx-1)*Mt+tx,:).2);                error2=

26、(abs(H_act(rx-1)*Mt+tx,:)-H_est2(rx-1)*Mt+tx,:).2);                %error=(abs(H_act(rx-1)*Mt+tx,:)-H_est(rx-1)*Mt+tx,:).2)./(abs(H_act(rx-1)*Mt+tx,:).2);                estimation_error1(rx-1)*Mt+tx,

27、:)=estimation_error1(rx-1)*Mt+tx,:)+error1;                                 estimation_error2(rx-1)*Mt+tx,:)=estimation_error2(rx-1)*Mt+tx,:)+error2;          &

28、#160;      %subplot(Mt*Mr,3,i),plot(0:Nsc-1,abs(H_act(rx-1)*Mt+tx,:); i=i+1;                %subplot(Mt*Mr,3,i),plot(0:Nsc-1,abs(H_est(rx-1)*Mt+tx,:); i=i+1;                %subplot(Mt*

29、Mr,3,i),plot(0:Nsc-1,abs(error); i=i+1;            end        end      end    estimation_error1=estimation_error1/iteration_max;    estimation_error2=estimation_error2/iteration_max;    %estimation_error=min(estimation_error,10*iteration_