基于MATLAB的Ricean随机变量和Nakagami随机变量的分布特性研究..docVIP

数字通信课程报告 基于MATLAB的Ricean随机变量和Nakagami随机变量的分布特性研究 学 号： 班 级： 160408100101 研究生（8）班 姓 名： 安泽亮 导 师： 宋高俊 学 院： 信息工程学院 专 业： 通信与信息系统 日 期： 2016年10月 南昌航空大学研究生学院制 目录 摘 要 2 一Ricean随机变量分布特性 4 1、Ricean随机变量理论分析 4 a)定义 4 b)概率密度函数（PDF） 4 c)累积分布函数（CDF） 4 d)均值和2阶矩 5 e)另一种表示形式 5 2、Ricean分布的MATLAB实验仿真 5 a)仿真思路 5 b)程序代码 5 c)实验仿真图 6 d)研究结论 7 二、Nakagami随机变量分布特性 7 1、Nakagami随机变量理论分析 7 a)理论分析 7 b)概率密度函数（PDF） 8 c)均值和方差 8 2、Nakagami分布的MATLAB实验仿真 8 a)仿真思路 8 b)程序代码 8 c)实验仿真图 10 d)研究结论 10 摘 要 在随机过程里，正弦（余弦）信号加窄带高斯随机信号的包络服从分布。分布也称作广义瑞利分布无线信道中，分布是一种最常见的用于描述接收信号包络统计时变特性的分布类型。其中因子是反映信道质量的重要参数，在计算信道质量和链路预算、移动台移动速度以及测向性能分析等都发挥着重要的作用?。 Nakagami函数是Nakagami早在20世纪40年代提出的用来描述长距离HF信道快衰落模型。研究表明，Nakagami分布比瑞利分布、Ricean分布和对数正态分布都要更好的接近实验测量数据的模型函数，且它不含贝赛尔函数，这对我们进行分析较其他的模型比较容易，可以得到方便运算的闭合解析式，所以Nakagami模型自提出至今在通信领域得到了非常广泛的应用。因此对Nakagami函数的基础研究对帮助我们了解Nakagami函数以及了解使用Nakagami函数模型的信道衰减分析有很好的帮助。本课程任务主要针对Nakagami函数的随机变量分布特性进行分析研究。  一、Ricean随机变量分布特性 Ricean随机变量理论分析 定义 和是和 就是其中和的 概率密度函数（PDF） 其中，，且为修正的0阶第一类贝塞尔函数。 累积分布函数（CDF） 其中函数为马库姆函数。 均值和2阶矩 其中。 另一种表示形式 如果定义，则Ricean随机变量的PDF可改写为： 当 Ricean分布的MATLAB实验仿真 仿真思路 为参考，并假定A=1为定值，研究不同K值时对应的函数分布特性。 程序代码 %设置参数A=1，K分别为10、1和0.1的Ricean分布 %编写于2016.9.22 程序员：安泽亮 x=0.01:0.01:4; A=1; K1=10; K2=1; K3=0.1; for n=1:400 P1(n)=2*(K1+1)/A*x(n)*(exp(-(K1+1)/A*(x(n)^2+A*K1/(K1+1))))*besseli(0,2*x(n)*(K1*(K1+1)/A)^(1/2)); end figure; plot(x,P1); xlabel(x); ylabel(pdf); legend(K1=10); for n=1:400 P2(n)=2*(K2+1)/A*x(n)*(exp(-(K2+1)/A*(x(n)^2+A*K2/(K2+1))))*besseli(0,2*x(n)*(K2*(K2+1)/A)^(1/2)); end figure; plot(x,P2,k); xlabel(x); ylabel(pdf); legend(K2=1); for n=1:400 P3(n)=2*(K3+1)/A*x(n)*(exp(-(K3+1)/A*(x(n)^2+A*K3/(K3+1))))*besseli(0,2*x(n)*(K3*(K3+1)/A)^(1/2)); end figure; plot(x,P3,r); xlabel(x); ylabel(pdf); legend(K3=0.1); figure, plot(x,P1,x,P2,x,P3); title(不同K值时的Ricean分布的PDF);xlabel(x);ylabel(pdf); legend(K1=10,K2=1,K3=0.1); 实验仿真图  研究结论 由以上仿真实验可得二Nakagami随机变量分布特性 Nakagami随机变量理论分析 理论分析 Nakagami分布比瑞利分布、Ricean分布和对数正态分布都要更好的接近实