BÀI THÍ NGHIỆM THỰC HÀNH Môn Cơ Sở Kỹ Thuật Thông Tin Vô Tuyến

Một biểu đồ được vẽ để so sánh kết quả phân tích và mô phỏng của dung lượng kênh truyền trên kênh truyền nhiễu trắng và kênh Rayleigh.. Nguyên tắc điều chế : - Các tín hiệu nhị phân tác

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

CƠ SỞ TẠI THÀNH PHỐ HỒ CHÍ MINH

KHOA VIỄN THÔNG 2

Bộ môn Vô Tuyến

BÀI THÍ NGHIỆM THỰC HÀNH

Môn: Cơ Sở Kỹ Thuật Thông Tin Vô Tuyến

Giảng viên biên soạn: PGS TS Võ Nguyễn Quốc Bảo

Thời lượng: 2 buổi (1 buổi: 4 tiết)

- Buổi 1: Bài 1

- Buổi 2: Bài 2

TP Hồ Chí Minh, ngày 21 tháng 9 năm 2021

BÀI THÍ NGHIỆM 1: ĐẶC TÍNH KÊNH TRUYỀN THÔNG TIN VÔ TUYẾN VÀ DUNG LƯỢNG KÊNH TRUYỀN 3 BÀI THÍ NGHIỆM 2: ĐIỀU CHẾ SỐ VÀ KỸ THUẬT PHÂN TẬP 10

MỤC LỤC

Điểm: Nhận xét:

PHẦN 1: CHUẨN BỊ TRƯỚC Ở NHÀ

Câu 1: Sinh viên cài đặt Matlab phiên bản student và phiên bản Matlab online trên web Ghi lại các bước thực hiện bên dưới.

B1: Đăng kí tài khoản MatlabWorks Student

B2: Tải xuống trình cài đặt Matlab Student

mô hình với

BÀI THÍ NGHIỆM 1: ĐẶC TÍNH KÊNH TRUYỀN THÔNG TIN VÔ TUYẾN

VÀ DUNG LƯỢNG KÊNH TRUYỀN

P r và P

t lần lượt là công suất

Mô hình suy hao đường truyền không gian tự do là mô hình toán học đơn giản nhất dự đoán mức độ suy hao của tín hiệu khi truyền trong không gian trống không có vật cản.

Pr

Pt = (4 πrr

2 D1 D 21

Câu 3: Dung lượng của kênh truyền nhiễu trắng và dung lượng của kênh truyền fading

Dung lượng của kênh truyền nhiễu trắng :

C = B * log2(1+SNR) trong đó : C là dung lượng (bit/s)

B là băng thông kênh truyền (Hz) SNR là tỉ số tín hiệu trên nhiễu (dB) Dung lượng của kênh truyền Fading :

C = ∑

i

B log2(1+γii¿ ¿)p(γii)¿ ¿ trong đó: C tương tự trên

B như trên

γii là tỷ số tín hiệu trên nhiễu

p (γii) là xác xuấtcủa tỉ số tín hiệu trên nhiễu

Câu 4: Khảo sát các hàm Matlab sau

6 ylabel Đặt tên cho trục y

Cú pháp ylabel(text)

Cú pháp y=exp (x)

13 figure Như trên

14 set Đặt thuộc tính tương đối

Cú pháp set(h,a)

PHẦN 2: THỰC HIỆN TẠI PHÒNG THÍ NGHIỆM TRÊN PHẦN MỀM MATLAB Câu 5: Giải thích chương trình Matlab vẽ suy hao đường truyền tự do và suy hao

đường truyền đơn giản.

contour(x,y,LdB,1, 'ShowText' , 'on' , 'color' , 'r' )

% Simplified pathloss model

Biến d tính khoảng cách từ gốc đến điểm trên lưới

Biến fc là tần số mang Biến c là vận tốc ánh sáng Lambda bằng c/fc

Biến L lưu giá trị của suy hao đường truyền trong không gian tự do

LdB tính giá trị suy hao dưới dangh dB Hàm contour tạo ra một biểu đồ đường đồng mức và hiển thị mức độ mắt mát tương ứng với một decibel, được đánh số trên biểu

đồ và màu đỏ

Mô hình suy hao đơn giản được triển khai với khoảng cách tham chiếu d0=10

Chương trình Matlab này mô phỏng và vẽ suy hao đường truyền tự do và suy hao đường truyền đơn giản cho sóng vô tuyến ở tần số 900Mhz trong môi trường tự do Sử dụng lưới tọa độ để tính toán suy hao tại nhiều điểm và vẽ đường viền để thể hiện mức suy hao Chương trình cũng phân biệt hai loại suy hao bằng đường viền và chú thích

Câu 6: Thay đổi tần sóng mang lên 2.4 GHz, và vẽ lại vùng phủ sóng cho các trường hợp như câu 5.

So sánh kết quả với trường hợp câu 5 và nhận xét

Khi ta thay đổi tần số thành 2.4Ghz sẽ ảnh hưởng đến bước sóng

Suy hao không gian tự do sẽ giảm đáng kể do bước sóng lambda ngắn hơn

Suy hao mô hình đơn giản và mất đường đường truyền Shadowing không bị ảnh hưởng trực tiếp đến kết quả và sẽ có kết quả tương tự như trước

Câu 7: Giải thích chương trình Matlab mô phỏng dung lượng kênh truyền nhiễu

trắng và kênh truyền fading Rayleigh

% Công suất phát theo dB

CA_s, 'o' ,PdB,CR_a, ' ' ,PdB, CR_s, 's' );

legend( 'Kênh nhiễu trắng' , 'Mô phỏng' , 'Kênh

xlabel( 'Dung lượng kênh truyền' );

Biến PdB chứa các giá trị công suất phát ở dạng dB từ 0 đến 10 với bước nhảy là 1.

Biến P được tính toán từ PdB, chuyển đổi từ dB sang đơn vị tuyến tính.

Biến Omega đại diện cho độ lợi của kênh truyền, được đặt là 2.

Biến B là băng thông của kênh truyền, được đặt là 1.

Biến g_ tính toán giá trị SNR (tỉ lệ tín hiệu-đến-nhiễu) trên kênh truyền Biến CA_a tính toán dung lượng kênh truyền theo Shannon trên kênh truyền nhiễu trắng.

Biến CR_a tính toán dung lượng kênh truyền theo Shannon trên kênh Rayleigh.

Biến N đặc điểm số lượng phép thử Biến h và n là ma trận ngẫu nhiên mô phỏng hạt nhân và nhiễu tại bộ thu Biến g_A tính toán giá trị SNR trên kênh truyền nhiễu trắng trong mô phỏng.

Biến g_R tính toán giá trị SNR trên kênh Rayleigh trong mô phỏng Biến CA_s và CR_s tính toán dung lượng kênh truyền trong mô phỏng Một biểu đồ được vẽ để so sánh kết quả phân tích và mô phỏng của dung lượng kênh truyền trên kênh truyền nhiễu trắng và kênh Rayleigh.

Đồ thị được vẽ với các đường nét liền và nét đứt đại diện cho kết quả phân tích và mô phỏng tương ứng Chú thích và nhãn trục được thêm vào để mô tả ý nghĩa của đồ thị.

Vẽ đồ thị dung lượng kênh truyền

Nhận xét:

Đồ thị so sánh dung lượng của kênh theo lý thuyết và mô phỏng cho cả hau kênh AWGN và Fading Rayleigh

Chương trình mô phỏng một cách dễ hiểu và trực quan.

Kết quả cho thấy dung lượng của kênh fading Rayleigh thấp hơn dung lượng của kênh AWGN do ảnh hưởng của fading.

Điểm: Nhận xét:

PHẦN 1: CHUẨN BỊ TRƯỚC Ở NHÀ

Câu 1: Nguyên tắc điều chế BPSK Tỷ lệ lỗi bit của BPSK ở kênh truyền nhiễu trắng

BPSK ( Binary Phase Shift Keying ) hay điều chế dịch pha nhị phân là một kỹ thuật điều chế

số trong đó hai trạng thái bit nhị phân (“0” và “1”) được biểu diễn hai pha khác nhau của sóngmang tần số cao

Nguyên tắc điều chế :

- Các tín hiệu nhị phân tác dụng lên sóng mang làm thay đổi pha của sóng mang

- Bit 1: pha của sóng mang là 0o

- Bit 0 : pha của sóng mang là 180o

- Các giá trị này có thể thay đổi ngược lại nhưng nguyên tắc chung là khi có sự đảo bit thì pha của sóng mang lệch đi 180o

Tỷ lệ lỗi bit của BPSK ở kênh truyền nhiễu trắng (AWGN)

Dữ liệu đầu vào được biểu diễn dưới dạng chuỗi bit nhị phân

Điều chế : mỗi nhóm m bit trong chuỗi dữ liệu được gán cho một pha sóng mang cụ thể

Với MPSK 2, 2 bit được biểu diễn bằng 2 pha (0o và 180o)

Với MPSK 4, 4 bit được biểu diễn bằng 4 pha (0o, 90o, 180o và 270o)

Với MPSK 8, 8 bit được biểu diễn bằng 8 pha

Tỷ lệ lỗi bit của MPSK :

BÀI THÍ NGHIỆM 2: ĐIỀU CHẾ SỐ VÀ KỸ THUẬT PHÂN TẬP

Câu 3: Nguyên tắc của điều chế MPAM Năng lượng chuẩn hóa của điều chế MPAM.

MPAM (Multiple Pulse Amplitude Modulation) hay điều chế biên độ xung đa pha là một kỹ thuật trong đó m trạng thái bit nhị phân được biểu diễn bằng m biên độ khác nhau.

Nguyên tắc điều chế:

Dữ liệu đầu vào được biểu diễn dưới dạng chuỗi bit nhị phân

Bit 0 được biểu diễn bằng biên độ xung mang thấp nhất

Bit 1 được biểu diễn bằng biên độ xung mang cao nhất

Các bit khác được biểu diễn bằng các biên độ xung mang khác nhau giữa các biên độ thấp nhất và cao nhất.

Năng lượng chuẩn hóa của điều chế MPAM

Câu 4: Nguyên tắc của điều chế MQAM Năng lượng chuẩn hóa của điều chế MQAM.

- Điều chế MQAM (Quadrature Amplitude Modulation) là một phương pháp điều chế số được sử

dụng rộng rãi trong hệ thống truyền thông vô tuyến, truyền hình cáp và truyền hình vệ tinh

Nguyên tắc của điều chế MQAM:

Sử dụng biểu diễn thông tin bằng cách biến đổi biên độ và pha của sóng mang.

Tín hiệu gốc được biểu diễn bằng các mức biên độ khác nnhau

Các mức biên độ này thường được mã hóa dưới dạng bit nhị phân

Năng lường chuẩn hóa của điều chế MQAM

Câu 5: Nguyên tắc hoạt động của hệ thống phân tập thu Xác suất dừng của hệ thống

3 anten hoạt động trên kênh truyền độc lập và đồng dạng.

Nguyên tắc hoạt động của hệ thống phân tập thu:

Hệ thống phân tập máy thu là hệ thống sử dụng nhiều anten độc lập để nhận tín hiệu từ trạm phát Mỗi anten sẽ thu một bản sao độc lập của tín hiệu sau đó các bản sao này kết hợp lại để cải thiện hiệu suất thu.

Xác suất dừng của hệ thống 3 anten

Câu 6: Khảo sát các hàm Matlab bên dưới.

1 ceil Chức năng: để làm tròn mỗi phần tử của một mảng lên số nguyên gần

nhất lớn hơn hoặc bằng phân tử đó

Cú pháp: X = randn(n)

6 sqrt Chức năng: Trả về kết quả là căn bậc 2 của số hoặc các số trong mảng

Cú pháp: A = sqrt(X)

7 pskdemod Như trên

8 berawgn Chức năng: Trả về BER cho dữ liệu không mã hóa trên kênh AWGN tại các mức

Eb/No được chỉ định cho loại điều chế và trật tự điều chế được chỉ định bởi modtype và M.

Cú pháp: ber = berawgn(EbNo, modtype, M)

9 pammod Chức năng: Trả về đường bao phức(complex envelope) của việc điều chế tín

hiệu đầu vào x sử dụng PAM và kích thước bảng chữ cái M

Cú pháp: y = pammod(x,M)

10 modnorm Chức năng: Tính toán yếu tố tỷ lệ cho việc chuẩn hóa đầu ra của bộ điều chế

PAM hoặc QAM

Cú pháp: normfactor = modnorm(refconst, type, power)

11 mean Chức năng: Trả về giá trị trung bình của các phần tử trong mảng A

Mã nguồn Matlab Giải thích

Mô phỏng giải điều chế BPSK

N tính toán số bit cần mô phỏng Lưu trữ các giá trị BER cho mỗi SNR

Ps tính công suất tín hiệu

Pn cài đặt công suất nhiễu thành 1

M tạo chuỗi bit ngẫu nhiên

Tx điều chế chuỗi bit bằng pskemod

N tạo nhiễu AWGN với công suất Pn/2

Rx tạo tín hiệu nhận

M giải điều chế tín hiệu nhận bằng pskemod

Câu 8: Sử dụng hàm berawgn(), so sánh tỷ lệ lỗi bit của điều chế PAM khi tăng M từ

2 đến 16 Viết code bên dưới và vẽ đồ thị kết quả.

semilogy(EbNo, BER_t, '-', 'DisplayName', ['Lý thuyết, M=' num2str(M_values(i))]);

semilogy(EbNo, BER_s(i, :), 'o', 'DisplayName', ['Mô phỏng, M=' num2str(M_values(i))]);end

xlabel('Tỷ số tín hiệu trên nhiễu theo dB');

xlabel('Tỷ số tín hiệu trên nhiễu theo dB');

ylabel('BER');

legend('Location', 'southwest');

set(gcf, 'color', 'w');

hold off;

Nhận xét kết quả đạt được

khi BER giảm SNR tăng và ngược lại điều này cho thấy rằng chất lượng tín hiệu được cải hiện

Kết quả của mô phỏng gần sát kết quả lý thuyết cho ta thấy được rằng kết quả mô phỏng đáng tin cậy.

Câu 9: Hãy thực hiện mô phỏng điều chế MPSK với M cho trước và so sánh kết quả

mô phỏng với kết quả lý thuyết từ hàm berawgn() Vẽ đồ thị tỷ lệ lỗi bit của kết quả

mô phỏng và lý thuyết trên cùng đồ thị và so sánh.

; xlabel('Tỷ lệ tín hiệu trên nhiễu trung

bình [dB]'); ylabel('Tỷ lệ lỗi bit');

legend('Lý thuyết','Mô phỏng');

về dạng số bằng cách sử dụng công thức SNR = 10^(EbNo/10)

M = 8;: Đặt số lượng mức tín hiệu (M) cho điều chế PSK là 8

BER_t = berawgn(EbNo,'psk',M,'nondiff');: Tính BER lý thuyết sử dụng hàm berawgn() của MATLAB

N = ceil(100./BER_t);: Tính số lượng bit cần mô phỏng dựa trên BER lý thuyết

BER_s = zeros(size(EbNo));: Khởi tạo mảng BER

mô phỏng với kích thước tương tự như EbNo.Vòng lặp for idx = 1:length(EbNo) thực hiện mô phỏng cho mỗi giá trị EbNo:

Ps = log2(M)*SNR(idx);: Tính công suất tín hiệu

Pn = 1;: Đặt công suất nhiễu là 1

m = randi([0 M-1],1,N(idx));: Tạo một chuỗi bit ngẫu nhiên

Tx = pskmod(m,M,0,'gray');: Điều chế chuỗi bit sửdụng điều chế PSK

n = sqrt(Pn/2).*(randn(1,N(idx)) + 1i*randn(1,N(idx)));: Tạo nhiễu Gauss phức

Rx = sqrt(Ps)*Tx + n;: Thêm nhiễu vào tín hiệu đãđiều chế

m_ = pskdemod(Rx/sqrt(Ps),M,0,'gray');: Giải điềuchế tín hiệu nhận được

BER_s(idx) = BER_s(idx) + biterr(m,m_)/(log2(M)*N(idx));: Tính BER mô phỏng

semilogy(EbNo,BER_t,'-',EbNo,BER_s,'o');: Vẽ

đồ thị BER lý thuyết và mô phỏng theo EbNo.xlabel('Tỷ lệ tín hiệu trên nhiễu trung bình [dB]'); ylabel('Tỷ lệ lỗi bit');: Đặt nhãn cho các trục.legend('Lý thuyết','Mô phỏng');: Thêm chú thích cho đồ thị

Vẽ đồ thị tỷ lệ lỗi bit sau khi chạy mô phỏng

Nhận xét kết quả đạt được

Đồ thị BER: Đồ thị BER (Bit Error Rate) mô tả mối quan hệ giữa tỷ lệ tín hiệu trên nhiễu trung bình (Eb/No) và tỷ lệ lỗi bit (BER) cho mô phỏng BPSK (Binary Phase-Shift Keying) với AWGN (Additive White Gaussian Noise)

Xu hướng: Đường cong BER lý thuyết và mô phỏng đều thể hiện xu hướng giảm khi Eb/No tăng Điều này phù hợp với lý thuyết, vì tỷ lệ tín hiệu trên nhiễu cao hơn dẫn đến ít nhiễu hơn và

do đó ít lỗi bit hơn

Độ trùng khớp: Đường cong BER lý thuyết và mô phỏng gần như trùng khớp với nhau, cho thấy

mô phỏng đã mô phỏng chính xác hành vi của BPSK trong AWGN Độ chính xác: Độ chính xáccủa mô phỏng có thể được cải thiện bằng cách tăng số lượng bit mô phỏng, đặc biệt là ở các giá trị BER thấp

Kết luận: Mô phỏng này đã chứng minh tính chính xác của hệ thống BPSK với AWGN

Mô phỏng cũng cung cấp một công cụ hữu ích để đánh giá hiệu suất của hệ thống BPSK trong các điều kiện nhiễu khác nhau

Câu 10: Hãy mô phỏng điều chế và giải điều chế MPAM ở kênh truyền nhiễu trắng trong hai trường hợp có chuẩn hóa và không có chuẩn hóa tín hiệu trước khi phát lên kênh truyền.

Rx = sqrt(Ps)*Tx + n;: Thêm nhiễu vào tín hiệu đã điều chế.

m_ = pskdemod(Rx/sqrt(Ps),M,0,'gray');: Giải điều chế tín hiệu nhận được.

semilogy(EbNo,BER_t,'-',EbNo,BER_s,'o');

xlabel('Tỷ lệ tín hiệu trên nhiễu trung bình [dB]');

% Trường hợp 2: Có chuẩn hóa

Rx = sqrt(Ps)*Tx + n;: Thêm nhiễu vào tín hiệu đã điều chế.

m_ = pskdemod(Rx/sqrt(Ps),M,0,'gray');: Giải điều chế tín hiệu nhận được.

BER_s(idx) = BER_s(idx) + biterr(m,m_)/(log2(M)*N(idx));: Tính BER mô phỏng semilogy(EbNo,BER_t,'-',EbNo,BER_s,'o');: Vẽ đồ thị BER lý thuyết và mô phỏng theo EbNo.

const = pammod(input,M);: Điều chế chuỗi input sử dụng điều chế PAM.

Scale = modnorm(const,'avpow',1);: Tính hệ số chuẩn hóa Scale.

s = randi([0 M-1],1,100);: Tạo một chuỗi bit ngẫu nhiên.

Tx = Scale * pammod(s,M);: Điều chế và chuẩn hóa công suất phát với hệ số Scale.

Average_Pow = mean(abs(Tx).^2): Tính lại công suất phát để kiểm tra xem đã chuẩn hóa chưa.

Rx = Tx/Scale;: Tín hiệu nhận, lưu ý chia lại với hệ số Scale.

Rx = pamdemod(Rx,M);: Giải điều chế tín hiệu nhận isequal(s,Rx): So sánh chuỗi phát và nhận, trả về true nếu hai chuỗi giống nhau và false nếu không.

Nhận xét kết quả đạt được:

Kết quả mô phỏng cho thấy chuẩn hóa tín hiệu có thể cải thiện đáng kể hiệu suất của MPAM trong kênh AWGN, đặc biệt là ở các bậc điều chế cao hơn Điều này nhấn mạnh tầm quan trọng của chuẩn hóa công suất trong hệ thống MPAM thực tế để đạt được hiệu suất BER tốt hơn

Câu 11: Vẽ biểu đồ chòm sao của điều chế 16-QAM tại máy thu của kênh truyền nhiễu trắng với tỷ lệ tín hiệu trên nhiễu là 20 dB trong hai trường hợp:

a Không có chuẩn hóa công suất.

b Có chuẩn hóa công suất.

Câu 12: Hãy mô phỏng hệ thống phân tập thu lựa chọn anten thu (selection combining) với 3 anten và vẽ đồ thị xác suất dừng theo tỷ số tín hiệu trên nhiễu theo dB.

% Tham số kênh truyền và hệ thống

gth: Mức công suất ngưỡng cho tình trạng dừng lambda: Tham số cho phân bố phai Rayleigh Tính toán OP lý thuyết:

g: Tính toán SNR hiệu quả sau khi lựa chọn đa dạng

OP_a: Tính toán xác suất dừng lý thuyết bằng hàm phân phối tích lũy bổ sung (CDF) của phân

Tạo hệ số phai Rayleigh (h) sử dụng số phức ngẫu nhiên

Tìm công suất tối đa (gmax) trên tất cả các nhánh

đa dạng cho mỗi hiện thực hóa kênh

Đếm số lượng hiện thực hóa kênh mà gmax thấphơn ngưỡng (gth)

Tính toán xác suất dừng mô phỏng (OP_s)

4 Vẽ đồ thị: Vẽ OP lý thuyết (OP_a) so với SNR (theo dB) bằng đường nét liền

Vẽ OP mô phỏng (OP_s) so với SNR (theo dB) bằng ký hiệu ('o')

Ghi chú các trục và thêm chú thích