基于OFDM的无线宽带系统链路与系统级综合仿真平台
项目介绍
本项目是一个高度集成的无线通信仿真环境,专门设计用于研究和评估基于正交频分复用(OFDM)技术的宽带通信系统性能。平台创新性地结合了链路级仿真(LLS)与系统级仿真(SLS),形成了一个完整的跨层仿真框架。链路级部分通过精细模拟物理层信号处理流程,生成精确的误码率映射表;系统级部分则利用该映射表,在复杂的多小区干扰环境下高效评估网络规模的吞吐量与频谱效率。这种“链路驱动系统”的方法在保证仿真精度的同时,显著降低了大规模组网模拟的计算复杂度。
功能特性
- 端到端物理层链路模拟:涵盖从比特流生成、16QAM调制、OFDM符号封装到无线信道传输及接收端均衡解调的全过程。
- 真实多径衰落信道:内置三径瑞利衰减信道模型与加性高斯白噪声(AWGN)干扰,模拟真实的无线时变环境。
- 动态系统级拓扑构建:支持多小区(7小区蜂窝布局)及大量随机分布用户的自动化建模。
- 物理层到系统层(PHY-to-SYS)映射:通过线性插值算法,将链路级的信噪比与误码率对应关系实时应用到系统级仿真中。
- 综合干扰分析:计算包括路径损耗、相邻基站共同频率干扰以及热噪声在内的动态信号干信比(SINR)。
- 全方位多维结果可视化:自动生成包含误码率曲线、小区用户SINR热图、吞吐量累积分布函数(CDF)及系统核心指标统计图。
使用方法
- 环境配置:确保本地计算机已安装MATLAB软件(建议R2020b及以上版本)。
- 运行仿真:打开MATLAB,将工作目录切换至本项目文件夹。
- 执行主程序:在命令行窗口输入入口函数名称并回车,系统将自动开始执行。
- 观察输出:仿真运行期间,命令行会实时提示当前进行的仿真阶段(LLS或SLS);执行完成后,会自动弹出四个维度的性能评估图表。
系统要求
- 软件环境:MATLAB R2016b 或更高版本。
- 硬件建议:为了流畅运行大规模用户模拟,建议配备 8GB 以上内存。
- 扩展包:本仿真代码采用自研工具函数,不强制依赖额外的通讯系统工具箱,具有良好的兼容性。
实现逻辑与功能细节
1. 系统参数初始化
程序首先定义了两套互补的参数集。链路级参数重点在于FFT点数(64点)、循环前缀(16点)、调制阶数(16QAM)以及信噪比扫描范围。系统级参数则设定了小区半径(500米)、基站发射功率(46dBm)、系统带宽(20MHz)以及用户规模等。这种参数化设计方便用户快速调整不同场景进行对比测试。
2. 链路级仿真逻辑 (LLS)
LLS 模块采用基于帧的循环仿真机制:
- 数据处理:生成随机比特,通过内置的位到十进制转换器和QAM调制器将比特流转化为符号。
- OFDM调制:执行IFFT运算并插入循环前缀以对抗多径引起的符号间干扰(ISI)。
- 信道模拟:信号通过一个归一化的三径瑞利衰落信道,并根据当前设定的信噪比加入高斯噪声。
- 接收机实现:执行去CP、FFT变换,并利用“完美信道估计”信息在频域执行零强制(ZF)均衡。
- 错误统计:通过解调函数恢复比特流,并统计比特错误,最终形成 SNR-BER 映射表(Look-Up Table)。
3. 系统级仿真逻辑 (SLS)
SLS 模块在LLS生成映射表的基础上执行以下步骤:
- 网络布局:利用复数坐标系构建中心小区及六个相邻小区的蜂窝结构。
- 用户投放:在每个小区半径内,利用随机极坐标变换技术均匀生成随机分布的用户位置。
- 传播模型:应用标准的城市路径损耗模型 (128.1 + 37.6*log10(d_km)),计算由于距离引起的信号衰减。
- 干信比分析:计算每个用户从服务基站获得的有用信号功率,同时累加来自其余六个干扰基站的信号功率,结合信道带宽内的热噪声,得出每个用户的实际 SINR。
- 性能映射:利用插值算法将用户的实时 SINR 带入 LLS 映射表,预测该用户的即时误码率。
- 产出评估:将误码率转化为有效吐量(Mbps),计算各用户分配到的子频带内的数据率。
关键函数与算法分析
- qam_modulator/qam_demodulator:实现了从比特向量到星座图符号的映射与反映射。代码通过手动处理二进制与十进制的转换,实现了对调制阶数的灵活支持。
- 物理层映射算法:使用线性插值函数 interp1 并配合边缘外推技术。该算法是LLS到SLS跨层连接的核心,确保了在系统级模拟中无需对每一比特进行物理层波形计算,极大地提高了仿真速度。
- 干扰计算算法:基于频率复用因子等于1的同频组网模型。算法遍历所有基站对每个用户的贡献,区分“有用信号”与“干扰信号”,体现了宽带系统中干扰受限(Interference-limited)的典型特征。
- 通用转换工具:内置了 bi2de 和 de2bi 的自定义实现,确保了在没有特定工具箱的情况下也能完成二进制位流与调制符号索引之间的精准转换。
- 可视化引擎:整合了 subplot 技术,将物理层的技术指标(BER曲线)与系统层的网络指标(SINR分布图、吞吐量CDF图)同步呈现,便于分析物理层参数对最终网络容量的影响。