|
Kategorie: Diplomové, bakalářské práce |
Tento dokument chci!
Diplomová práce spadá do oblasti kognitivních rádiových sítí. Tyto sítě jsou schopny využívat kmitočtové spektrum efektivněji než současné radiokomunikační sítě, přičemž jednoznačnou předností je možnost koexistence kognitivních i klasických sítí. Pozornost je věnována klíčové úloze kognitivního rádia – sledování spektra. V práci jsou podrobněji zkoumány vlastnosti cyklostacionárního detektoru, jehož hlavní výhodou je vysoká spolehlivost detekce při nízkých hodnotách SNR při apriorní znalosti cyklického kmitočtu vyslaného signálu. Vlastnosti detektoru jsou testovány na OFDM signálech používaných reálnými systémy, u kterých je cyklostacionarita způsobena především využitím cyklického prefixu. Kvantitativně jsou vyjádřeny vlivy decimace cyklické autokorelační funkce a vícecestného šíření OFDM signálu naspolehlivost detekce. Stanoveny jsou optimální hodnoty vah multifrekvenčního detektoru.
3 Funkce teststat
Funkce obstarávající cyklostacionární detekci.67
FSigPrvku floor(SigPrvku);
fulf rem(SigPrvku,1)*Ts;
fulf(fulf Ts) 0;
signal_orig tok(Ts*(FSigPrvku+1)-(Ts*FSigPrvku)+1+pocatek:end-fulf-
Ts+pocatek);
signal_delayed (tok(Ts*(FSigPrvku+1)-Ts*FSigPrvku-
tau_path+1+pocatek:end-tau_path-fulf-Ts+pocatek));
tok signal_orig signal_delayed; %soucet vstupu prijimace
%nacte parametry externi funkce
channel choosechannel(number,fvz,Doppler);
tok filter(channel,tok); %provede filtrace kanalem
%vliv kmitoctoveho offsetu
tok tok.*exp(1j*2*pi*deltaf*[0:length(tok)-1]);
tok resample(tok,Denominator,Nominator);
signal tok; %kopie smesi signalu
%vliv awgn sumu vysilany seriovy datovy proud
tok awgn(tok,SNR,'measured');
Sum tok signal; %zisk pridaneho sumu
C.
function [T1,T2] teststat6(tok,Sum,PoN,DF,SigPrvku,fvz,Ts,lag,LDet,
ind,Nominator,Denominator,A,B,C,D,E,F)
%% prijimac
if (length(tok)<(LDet*DF+lag))%pokud zpracovava kratsi usek, doplni 0
tok [tok zeros(1,LDet*DF+lag-length(tok))];
end
tok tok(1:LDet*DF+lag); omezeni velikosti zpracovavaneho useku
delka length(tok); delka datoveho toku
Signal1 tok(1,lag+1:delka); %S1 jsou signaly posunute lag
Signal2 tok(1,1:delka-lag);
% korelacni funkce stacionarniho procesu
Signal3 Signal1 conj(Signal2);
%prumer pres vsechny hodnoty (aproximace stredni hodnoty)
Signal3 Signal3/length(Signal1);
Signal3Decim=decimate(Signal3,DF); %aplikace decimacniho faktoru
R (fft(Signal3Decim)); %vypocet cyklicke autokorelacni funkce CAF
plot(-fvz/2:fvz/length(R):fvz/2-(fvz/length(R)),fftshift(abs(R)))
% vypocet kovariancni matice
N length(R);
X real(R);
Y imag(R);
