信噪比讨论(matlab加噪方式、案例分析)_信道加噪-程序员宅基地

信噪比讨论1

1 参数确定

LTE中采用OFDM调制方法,其中的一个指标为30MHz的采样率,其中有效信息带宽为18MHz。下面从这个案例出发研究信噪比之间的关系。
首先,明确几个符号的意义 :
S:信号的平均功率 N: 噪声的平均功率
Eb: 每bit信号能量 N0:噪声的功率谱密度
Es:信号(符号)的能量 Rb:传信率(每秒传输的bit数)
W: 信号带宽 T: 符号周期
Ts: 采样点间隔 k: 每个符号包含的bit数
因此,有如下公式:
E b N o = S N R − 10 l g ( R b / W ) = S N R − 10 l g ( f s ∗ M ∗ C o d e R a t e / W ) = S N R − 10 l g ( 30.72 / 18 ∗ M ∗ C o d e R a t e ) = S N R − 10 l g ( 30.72 / 18 ∗ k ) EbNo=SNR-10lg(Rb/W)= SNR-10lg(fs*M*CodeRate/W)=SNR-10lg(30.72/18*M*CodeRate) = SNR-10lg(30.72/18 * k) EbNo=SNR10lgRb/W=SNR10lgfsMCodeRate/W=SNR10lg30.72/18MCodeRate=SNR10lg30.72/18k
E s N o = S N R − 10 l g ( 1 / T ∗ W ) = S N R − 10 l g ( 30.72 ∗ N s / W ) EsNo=SNR-10lg(1/T*W)= SNR-10lg(30.72*Ns/W) EsNo=SNR10lg1/TW=SNR10lg30.72Ns/W
R b = f s ∗ M ∗ c o d e r a t e = 30.72 ∗ M ∗ c o d e r a t e = 30.72 ∗ k Rb = fs*M*coderate = 30.72*M*coderate = 30.72*k Rb=fsMcoderate=30.72Mcoderate=30.72k
W = 18 M H z W = 18MHz W=18MHz
T = 1 / f s = 1 / 30.72 M H z T = 1/fs = 1/30.72MHz T=1/fs=1/30.72MHz
k = M ∗ C o d e R a t e k = M*CodeRate k=MCodeRate
同时,这些公式说明了无论对于单载波或者是OFDM多载波调制,其结论和计算方法都是一样的。

2 DFT-S-OFDM波形的噪声

关于DFT-S-OFDM波形,与上面保持同样的结论。
这里主要讨论的是不同的用户需要的信噪比都是一样的吗?

3 加噪方式讨论

3.1 wgn函数与awgn函数两者的区别

1)normal

首先得明确EsN0EbN0的区别,两者转换如下:2
E s N 0 = E b N 0 + 10 ∗ l o g 10 ( M ∗ C o d e R a t e ) EsN0 = EbN0 + 10*log10(M*CodeRate) EsN0=EbN0+10log10(MCodeRate)
对应下面代码可以得知两者的关系。
S N R = E s N 0 − 10 ∗ l o g 10 ( i n s v a l u e ) SNR = EsN0 - 10*log10(ins_value) SNR=EsN010log10(insvalue)
在matlab函数中,对于加噪函数,awgn函数中加的是SNR值,在wgn函数中加的是EsN0。换句话说,awgn会计算信号的能量,wgn只是对于功率为1的信号对应信噪比的噪声进行直接叠加。
下面代码对比了两种加噪方式的区别,最终的SNR为4dB,EsNo为10dB。

clear
EsN0 = 10;
ins_value = 4;
[psf,den] = rcosine(1,ins_value,'fir/sqrt',0.35,6);
list = 0:pi/1000000:6*pi;
X = sqrt(2)*sin(list);                %产生正弦信号
X_upsample = upsample(X,ins_value);
txSig = conv(X_upsample,psf);
SNR = EsN0 - 10*log10(ins_value);
% Y_temp = awgn(txSig,SNR,'measured');                          %加入信噪比为10db的噪声,加入前预估信号的功率(强度)
Y_temp= txSig + wgn(1,length(txSig),-EsN0,'complex');
Y = Y_temp(49:end-48);
% 计算信噪比(下采样前计算信噪比)
% 因为是在滤波成型之后才加噪所以评估这个合理
sigPower = sum(abs(txSig).^2)/length(txSig);            %求出信号功率
noisePower=sum(abs(Y_temp-txSig).^2)/length(Y_temp-txSig);   %求出噪声功率
SNR=10*log10(sigPower/noisePower)          %由信噪比定义求出信噪比,单位为dB
% 隔取ins_value选取再计算信噪比也是一样的。
Y_temp = Y_temp(1:4:end);
txSig = txSig(1:4:end);
sigPower = sum(abs(txSig).^2)/length(txSig);            %求出信号功率
noisePower=sum(abs(Y_temp-txSig).^2)/length(Y_temp-txSig);   %求出噪声功率
SNR=10*log10(sigPower/noisePower)  

或者有以下简短的代码:

X = sqrt(2)*sin(0:pi/1000000:6*pi);                %产生正弦信号,功率为1
% Y = awgn(X,10,'measured');                          %加入信噪比为10db的噪声,加入前预估信号的功率(强度)
Y = X + wgn(1,length(X), -10);
std_noise = std(wgn(1,length(X), - 10))^2
sigPower = sum(abs(X).^2)/length(X)   ;         %求出信号功率
noisePower = sum(abs(Y-X).^2)/length(Y-X);      %求出噪声功率
SNR = 10*log10(sigPower/noisePower)             %由信噪比定义求出信噪比,单位为db

由此可见,计算信噪比的方式为SNR=10*log10(sigPower/noisePower)

2)matlab的官方文档3

EsN0 ⁡ ( d B ) = E b N 0 ( d B ) + 10 log ⁡ 10 ( K ) \operatorname{EsN0}(d B)=E b N 0(d B)+10 \log _{10}(K) EsN0(dB)=EbN0(dB)+10log10(K)

3.2 EbN0和SNR两者的关系

EsN0与SNR的关系如下
E s N 0 = S ∗ T / ( N / B ) = S / N ∗ T s y m b o l ∗ B EsN0 = S*T/(N/B) = S/N *T_{symbol} *B EsN0=ST/(N/B)=S/NTsymbolB
下面讨论仿真中的一些想法:

  • 在实际的信号传输过程中,讨论的是信噪比SNR。如果不进行滤波成型,那么两者一致,但是在实际的通信系统中,考虑无ISI准则一级硬件实现的代价,往往发送端需要成型滤波,在接收端需要进行成型滤波最大化接受信号的信噪比,这就需要过采样。实际上这个过程增大了信号的EsN0,提升了性能。
  • 比较容易理解的是,在相同的SNR之下,如果信号被过采样,则等效于EbN0更高,EsN0也更高。
  • 同时需要注意在成型滤波时产生的能量损失,损失sqrt(insvalue)。(insvalue代表采样倍数)

3.3 成型滤波与匹配滤波器对噪声的影响

下面讨论仿真中的一些想法:

  • 同样需要特别注意的是成型滤波匹配滤波给信噪比带来的影响。上面说成型滤波和上采样提升了EsN0,最后SNR和EsN0呈现上述关系。但是匹配滤波之后同样会改变信噪比。
  • 如果是使用滤波前后的信号计算信噪比,那么无疑是不对的,因为滤波会改变频谱自然会对信号产生影响,最终变成什么样也是不好预测的。
  • SNR是显性的,代表着真实的信道环境,而估计出来的EsN0是真实的每个符号所对应的信噪比

4 EbNo与SNR之间的关系4

4.1 两个问题

Q1:为什么要将EbN0转换为SNR呢?
A1:因为在实际仿真中要给信号加上高斯白噪声,而高斯白噪声的参数是与SNR直接相关的,即根据SNR变量,可以直观的给信号加上高斯白噪声,所以要将EbN0转换为SNR。一般而言,模拟系统常采用SNRBER来衡量通信系统性能,而对于数字通信系统,常采用EbN0BER来衡量通信系统的性能。
Q2:为什么仿真要用EbN0,而不用SNR呢?
A2:因为用EbN0可以直观的看到系统性能,EbN0是一个归一化的参量,由于在系统传输中会采用不同的调制技术,这样这不同进制的调制技术下频谱效率会不同,一个由k个比特映射生成的调制符号所实现的频谱效率就为k bit/s/Hz,这种情况下,在计算比特误码率的时候考虑的是整体的性能,如果横向的比较系统的性能,就要将系统效率的作用排除,此时就可以从单个比特着手去比较,EbN0可以排除频谱效率引起的问题。

4.2 示例分析

假如用户的数据传送速率为1kb/s,信道编码采用编码速率为1/3的卷积编码,每秒在这些编码数据前添加200bit的训练序列,星座映射采用QPSK调制方式,基带脉冲成型采用因子为alpha等于0.25的升余弦函数,上采样倍数为10。
首先来看一下经过各模块后数据速率的变化,原始信息速率为1kb/s,1/3卷积编码后变为3kb/s,也就是每秒传送3000bit数据,添加200bit的训练序列后,变为每秒传3200bit,此时数据速率变为3.2kb/s,采用QPSK调制后,速率变为1.6k symbol/s。
应用上述EbN0与SNR的转换公式,我们可得:
SNR=EbN0·(1/3)·(3000/3200)·log2(4)·(1/10)·(1/(1+0.25))
用dB表示,就是:
SNR(dB)=EbN0(dB)+10·log10(1/3)+10·log10(3000/3200) +10·log10(2)+10·log10(1/10)+10·log10(1/(1+0.25))
以上的公式中,1/3是卷积码引入的,3000/3200是因为添加了训练序列这个额外的开销而引入的,2是QPSK引入的,1/10是基带成型滤波前上采样引入的,1/(1+0.25)是基带脉冲成型滤波的升余弦函数因子引入的。
一般很容易忘记考虑训练序列或者保护间隔,一般影响不大,本例中10·log(3000/3200)接近0,但其他各项影响都很大,如果仿真结果性能超好,应该看看是否忘记哪项了。如果系统还进行了扩频,比如添加训练序列后进行了16倍扩频,那么还要考虑扩频增益带来的影响,此时,在转化为SNR时,EbN0应该还要加上10·log(1/16)。


  1. https://blog.csdn.net/chenxingp123/article/details/24238509

  2. https://blog.csdn.net/chenshiming1995/article/details/105465014

  3. SNR、EbN0、EsN0的关系以及matlab仿真时添加AWGN噪声

  4. 张少侃 EbN0与SNR转化新解

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/chenshiming1995/article/details/105068935

智能推荐

while循环&CPU占用率高问题深入分析与解决方案_main函数使用while(1)循环cpu占用99-程序员宅基地

文章浏览阅读3.8k次,点赞9次,收藏28次。直接上一个工作中碰到的问题,另外一个系统开启多线程调用我这边的接口,然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法,放到线上后发现确实是可以正常取到结果,但是一旦调用,CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了,类似于下面这段代码。​​​​​​while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99

【无标题】jetbrains idea shift f6不生效_idea shift +f6快捷键不生效-程序员宅基地

文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效

node.js学习笔记之Node中的核心模块_node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是-程序员宅基地

文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别,这些API绝大多数都被包装到了一个具名和核心模块中了,例如文件操作的 fs 核心模块 ,http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是

数学建模【SPSS 下载-安装、方差分析与回归分析的SPSS实现(软件概述、方差分析、回归分析)】_化工数学模型数据回归软件-程序员宅基地

文章浏览阅读10w+次,点赞435次,收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件

利用hutool实现邮件发送功能_hutool发送邮件-程序员宅基地

文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢?1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件

docker安装elasticsearch,elasticsearch-head,kibana,ik分词器_docker安装kibana连接elasticsearch并且elasticsearch有密码-程序员宅基地

文章浏览阅读867次,点赞2次,收藏2次。docker安装elasticsearch,elasticsearch-head,kibana,ik分词器安装方式基本有两种,一种是pull的方式,一种是Dockerfile的方式,由于pull的方式pull下来后还需配置许多东西且不便于复用,个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码

随便推点

Python 攻克移动开发失败!_beeware-程序员宅基地

文章浏览阅读1.3w次,点赞57次,收藏92次。整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)近年来,随着机器学习的兴起,有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块,内置..._beeware

Swift4.0_Timer 的基本使用_swift timer 暂停-程序员宅基地

文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年 飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停

元素三大等待-程序员宅基地

文章浏览阅读986次,点赞2次,收藏2次。1.硬性等待让当前线程暂停执行,应用场景:代码执行速度太快了,但是UI元素没有立马加载出来,造成两者不同步,这时候就可以让代码等待一下,再去执行找元素的动作线程休眠,强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待

Java软件工程师职位分析_java岗位分析-程序员宅基地

文章浏览阅读3k次,点赞4次,收藏14次。Java软件工程师职位分析_java岗位分析

Java:Unreachable code的解决方法_java unreachable code-程序员宅基地

文章浏览阅读2k次。Java:Unreachable code的解决方法_java unreachable code

标签data-*自定义属性值和根据data属性值查找对应标签_如何根据data-*属性获取对应的标签对象-程序员宅基地

文章浏览阅读1w次。1、html中设置标签data-*的值 标题 11111 222222、点击获取当前标签的data-url的值$('dd').on('click', function() { var urlVal = $(this).data('ur_如何根据data-*属性获取对应的标签对象

推荐文章

热门文章

相关标签