CSF29008 2015-2

Plano de Ensino e Cronograma

Desenvolvimento Pedagógico - Andamento do Cronograma 2015/2

Suspensão do calendário acadêmico pela direção do Campus de 30 de Julho a 1 de Outubro;

Semestre 2015-2 - Prof. Bruno Fontana da Silva / ???

Aula Data Horas Conteúdo Recursos 1 5/10 2 Introdução às comunicações móveis: apresentação e motivação da componente curricular 2 8/10 2 Propagação em Larga Escala (Modelos Analíticos): Introdução, Espaço Livre, Dois Raios 3 15/10 2 Propagação em Larga Escala (Modelos Analíticos): 10 Raios, Múltiplos Raios Generalizado, Difração e Dispersão, Okumura 4 17/10 2 Dúvidas sobre exercícios com MATLAB (apenas um aluno compareceu) 5 19/10 2 Propagação em Larga Escala (Modelos Empíricos): Okumura, Hata, Cost231, Dual Slope, Atenuação Indoor, Modelo Simplificado (+30min.) MATLAB para simulação das curvas do modelo Hata e Cost231 6 22/10 2 Propagação em Pequena Escala: Introdução, Doppler e Canal Multipercurso MATLAB: superposição de fasores de campo elétrico 7 26/10 2 Propagação em Pequena Escala: Modelo de Banda Estreita, Autocorrelações, Clarke-Jakes e PSD (+30min.) MATLAB: simulação do canal rayleigh plano através do modelo Clarke-Jakes 8 29/10 2 Propagação em Pequena Escala: Simulação Rayleigh (Plano) – Método Rappaport x MATLAB rayleighchan(Ts,fd) + BPSK TOTAL 80

Voltar para CSF-2015-2

Notas de Aula

Modelos do Canal de Comunicação sem Fio
Teoria sobre desvanecimento de larga escala Teoria sobre desvanecimento de pequena escala

Simulações

• Dois raios
• Hata e Cost231

Campo Eletromagnético

Campo eletromagnético

% 5.4.1 A Computer Experiment (Andreas Molisch, Wireless Communications) clear all; close all; clc; % Consider the following simple computer experiment. The signals from several IOs are incident % onto an RX that moves over a small area. The IOs are distributed approximately uniformly around % the receiving area. They are also assumed to be sufficiently far away so that all received waves % are homogeneous plane waves, and that movements of the RX within the considered area do not % change the amplitudes of these waves. The different distances and strength of the interactions are % taken into account by assigning a random phase and a random amplitude to each wave. We are % then creating eight constituting waves Ei with absolute amplitudes |a_i|, angle of incidence (with % respect to the x-axis) φ_i and phase ϕ_i. fc = 900e6; Tc = 1/fc; % frequência da portadora; c = 3e8; % speed of light wl = c*Tc; % comprimento de onda k = 2*pi/wl; % número de onda % Fasores % a = [169 213 87 256 17 126 343 297 0]; % φ, azimuti % e = [311 32 161 356 191 56 268 131 0]; % ϕ_i, elevação % Ep = [1 .8 1.1 1.3 .9 .5 .7 .9 1000]; % |a_i|, amplitudes a=0; e=180; Ep = 1; L = 100; x = linspace(0,5*wl,L); % Eixo 0 < x < 5*wl (L pontos) y = linspace(0,5*wl,L); % Eixo 0 < y < 5*wl (L pontos) En = zeros(L,L); % buffer for xx=1:length(x) % índices de x for yy = 1:length(y) % índices de y for n = 1:length(a) % índices de componentes % E(x,y) = sum Ep*exp{-jk[x*cos(a) + y*sin(a)]}*exp{je} % fasores do campo elétrico(x,y) em t=0; % Ep*exp(-j [k d + d0/k]) En(xx,yy) = En(xx,yy) + Ep(n)*exp(-1i*k*(x(xx)*cosd(a(n))+y(yy)*sind(a(n))))*exp(1i*e(n)*pi/180); end end end figure; subplot(2,2,1); surf(x,y,real(En)); zlabel('Real'); subplot(2,2,2); surf(x,y,imag(En)); zlabel('Imaginário'); subplot(2,1,2); surf(x,y,abs(En)); zlabel('|E|'); figure; hist(abs(En(:)),100)

Modelo de Jakes

Modelo de Clarke-Jakes (Canal Plano com Desvanecimento Rayleigh)

% Clarke-Jakes Narrowband Model clear all; close all; clc; N = 4096; % frequency points Nz = 1*2^16; % frequency zero-padding fd = 300; % Doppler shift fc = 900e6; % carrier frequency delta = 0; % ignore infinity PSD values Vz = zeros(1,Nz/2); % zero-padding vector f = linspace(fc-fd+delta,fc+fd-delta,N); % frequency vector; df = 2*fd/N; B = 2*fd+Nz*df; % bandwidth Ts = 1/B; % sample-time T = (N+Nz)*Ts; % total time %% Doppler PSD Pr = 1/4; A = Pr; D = 1-(abs((f-fc))/fd).^2; Sf = A./pi/fd./sqrt(D); % PSD % Sf(1) = Sf(2); Sf(end) = Sf(end-1); % ignore infinity PSD values % Sf(1) = 0; Sf(end) = 0; % ignore infinity PSD values % Sf(1) = 0.5*(max(Sf)); Sf(end) = Sf(1); % ignore infinity PSD values m1 = (Sf(2)-Sf(3))/(f(2)-f(3)); m2 = (Sf(end-1)-Sf(end-2))/(f(end-1)-f(end-2)); Sf(1) = m1*(f(1)-f(2))+Sf(2); Sf(end) = m2*(f(end)-f(end-1))+Sf(end-1); Sfz = [Vz Sf Vz]; % zero-padded PSD %% Frequency Domain Hp = sqrt(1/2)*(randn(1,N/2) +1i*randn(1,N/2)); % positive components Hn = conj(Hp(end:-1:1)); % negative components H = [Vz Hp Hn Vz]; % zero-padded comp. Hf = sqrt(Sfz).*H; % zero-padded equivalent spectrum %% Time domain ri = ((N+Nz)/2)*ifft(real(Hf),N+Nz); % real components rq = ((N+Nz)/2)*ifft(imag(Hf),N+Nz); % imaginary components hr = sqrt(abs(ri).^2+abs(rq).^2); % rayleigh envelope hrms = sqrt(var(hr)+mean(hr)^2); % rms value hnorm = hr/hrms; % normalizing fading t = linspace(0,T-Ts,N+Nz); % time vector %% MATLAB Rayleigh Channel h2 = rayleighchan(Ts,fd); h2.ResetBeforeFiltering = 0; % do not reset h2.StoreHistory = 1; % save path gains after filter h2.StorePathGains=1; h2.NormalizePathGains = 0; % do not normalize E[norm(h)] y = filter(h2,[1 ones(1,N+Nz-1)]); %% Plot Images figure; % plot(t, sqrt(hr),'k','linewidth',2); plot(t, 20*log10(hnorm),'k','linewidth',2); hold; plot(t, 20*log10(abs(h2.PathGains)),'--r','linewidth',1.2); set(gca,'linewidth',3,'fontsize',30); grid; % axis([0 5 get(gca,'Ylim')]) %_________________________________________________________________________% %% Histogram 1 figure; Mh = 50; % bin numbers [fn,bin] = hist(hnorm,Mh); % get bins and cumulative frequencies yhist = fn/trapz(bin,fn); % calculate relative frequencies xx = linspace(min(bin),max(bin),100); % x vector in bins yy = spline(bin,yhist,xx); % interpolation of histogram envelope set(gca,'linewidth',3,'fontsize',30); grid; % sigr = 1/sqrt(2); sigr = mean(hnorm)*sqrt(2/pi); PDF_theor = bin.*exp(-bin.^2/(2*sigr^2))/(sigr^2); bcor = [0.5 0.5 1]; bar(bin,yhist,'FaceColor',bcor,'edgecolor',bcor); hold on; % histogram bar plot plot(xx,yy,':','color',[0 0 1],'linewidth',3); % envelope plot plot(bin,PDF_theor,'-ok','linewidth',3); grid on; % theoretical PDF title('RMS-Normalized Rayleigh Amplitude Fading Histogram','fontsize',30); ylabel('Estimated PDF','fontsize',30); xlabel('Amplitude Levels','fontsize',30); legend('Normalized Histogram','Histogram Envelop','Theoretical Rayleigh PDF'); set(gca,'fontsize',30,'linestyleorder','-','linewidth',3); %% Histogram 2 (MATLAB channel) figure; Mh = 50; % bin numbers [fn,bin] = hist(abs(h2.PathGains),Mh); % get bins and cumulative frequencies yhist = fn/trapz(bin,fn); % calculate relative frequencies xx = linspace(min(bin),max(bin),100); % x vector in bins yy = spline(bin,yhist,xx); % interpolation of histogram envelope set(gca,'linewidth',3,'fontsize',30); grid; % sigr = 1/sqrt(2); sigr = mean(abs(h2.PathGains))*sqrt(2/pi); PDF_theor = bin.*exp(-bin.^2/(2*sigr^2))/(sigr^2); bcor = [0.5 0.5 1]; bar(bin,yhist,'FaceColor',bcor,'edgecolor',bcor); hold on; % histogram bar plot plot(xx,yy,':','color',[0 0 1],'linewidth',3); % envelope plot plot(bin,PDF_theor,'-ok','linewidth',3); grid on; % theoretical PDF title('MATLAB RMS-Normalized Rayleigh Amplitude Fading Histogram','fontsize',30); ylabel('Estimated PDF','fontsize',30); xlabel('Amplitude Levels','fontsize',30); legend('Normalized Histogram','Histogram Envelop','Theoretical Rayleigh PDF'); set(gca,'fontsize',30,'linestyleorder','-','linewidth',3);

Canal Plano Rayleigh

Rayleigh Plano (BPSK e AWGN)

% Simulaçao BPSK (2PSK) em Canal Rayleigh Plano clear all; close all; clc; Nb = 1e2; % numero de bits Bw = 100e3; % largura de banda Ts = 1/Bw; % periodo de símbolo fd = 0; % doppler shift SNRdBmin = 0; % mínimo valor de SNR (dB) SNRdBmax = 30; % máximo valor de SNR (dB) L = 10; % número de pontos para simular SNRdB = linspace(SNRdBmin,SNRdBmax,L); % razão sinal ruído em dB BER.slow = zeros(1,L); % inicializa a memória da BER PER.slow = BER.slow; BER.fast = zeros(1,L); % inicializa a memória da BER PER.fast = BER.fast; errMin = 40; % critério mínimo de erros tic; tempo.inicial = clock; %% Loop de Monte Carlo for k = 1:L err.slow =0; err.fast=0; iter = 0; errP.slow = 0; errP.fast = 0; while errP.slow < errMin %% Imprimir Status da Simulação if(~mod(iter,50)) % múltiplos de 20 clc; % apaga a tela tempo.run = toc; fprintf('### Início da simulação: %d/%d/%d às %d:%d ### \n',tempo.inicial(3),tempo.inicial(2),tempo.inicial(1),tempo.inicial(4),tempo.inicial(5)); fprintf('# Ponto de Simulação ----------------------: %d / %d \n\n',k,L); % iteração atual fprintf('# Erros de Bit (slow/block fading) ------- : %d / %d \n',err.slow,errMin); % erros atuais fprintf('# Erros de Pacote (slow/block fading) ---- : %d / %d \n',errP.slow,errMin); % erros atuais fprintf('# Erros de Bit (fast/sample fading) ------ : %d / %d \n',err.fast,errMin); % erros atuais fprintf('# Erros de Pacote (fast/sample fading) --- : %d / %d \n\n',errP.fast,errMin); % erros atuais fprintf('# Tempo de simulação: %.2f (s) / %.2f (h) \n',tempo.run,tempo.run/60/60); end %% Entradas da iteração iter = iter+1; % SNRdB = 10*log10(SNR) SNR = 10^(SNRdB(k)/10); % SNR linear P = 1; % potencia de sinal unitaria % SNR = P / No No = P/SNR; % variancia do ruido complexo %% Mensagem Binária msg = randi([0,1],1,Nb); % msg2 = randsrc(1,Nb,[0 1]); %% Modulação % 0 graus: bit 0 % 180 graus : bit 1 % 0 ------ + x % 1 ------ - x s = exp(1i*pi*msg); % simbolos (sinal modulado) Scst = [-1 1]; % constelação %% Transmissão pelo canal % y = s; % transmissão ideal sem atenuação nem ruído % y = s + z; % transmissão por um canal com ruido aditivo % y = h*s; % transmissã sem ruído, com desvanecimento % y = h*s + z; % transmissão com desvanecimento e ruído aditivo % obs: * representa a convolução; % obs2: se o canal for plano, representará multiplicação por constante % obs3: para simular o Doppler, deve ser feita a convolução z = sqrt(No/2)*(randn(1,Nb)+1i*randn(1,Nb)); % ruído AWGN h_slow = rayleighchan(Ts,fd); % canal plano (slow fading) h_slow.ResetBeforeFiltering = 0; % não altera o valor antes da filtragem y_slow = filter(h_slow,s) + z; % convolução do sinal com o canal % y = filter(h,s); % sem ruído aditivo h_fast = sqrt(1/2)*(randn(1,Nb)+1i*randn(1,Nb)); % canal plano (fast fading) y_fast = h_fast.*s+z; % transmissão pelo canal plano (fast fading) %% Detecção % fonte com distribuição uniforme de símbolos: % critério MAP (máximo a posteriori) é igual ao MLD % (equivalente à menor distância para constelação) %% Slow (Block) Fading Detection % Levar em conta o canal plano para calcular a distancia hg_slow = h_slow.PathGains; % hg =h; d1 = abs(y_slow-hg_slow*Scst(1)); % d(y,s1) = d(y,-1) d2 = abs(y_slow-hg_slow*Scst(2)); % d(y,s2) = d(y,+1) [~,idmin] = min([d2;d1]); % encontra as distâncias mínimas e índices de linha da matriz msg_dtct_slow = idmin-1; % %% Fast (Sample) Fading Detection % Levar em conta o canal plano para calcular a distancia % hg =h; d1 = abs(y_fast-h_fast*Scst(1)); % d(y,s1) = d(y,-1) d2 = abs(y_fast-h_fast*Scst(2)); % d(y,s2) = d(y,+1) [~,idmin] = min([d2;d1]); % encontra as distâncias mínimas e índices de linha da matriz msg_dtct_fast = idmin-1; % %% Medidas de Desempenho (taxas de erro) % erros de bit errAtual.slow = sum(xor(msg_dtct_slow,msg)); err.slow = err.slow + errAtual.slow; % erros de pacote errP.slow = errP.slow + and(errAtual.slow,1); % erros de bit errAtual.fast = sum(xor(msg_dtct_fast,msg)); err.fast = err.fast + errAtual.fast; % erros de pacote errP.fast = errP.fast + and(errAtual.fast,1); end % while err < x %% Taxa de erro de bit BER.slow(k) = err.slow/(iter*Nb); PER.slow(k) = errP.slow/(iter); %% Taxa de erro de pacote BER.fast(k) = err.fast/(iter*Nb); PER.fast(k) = errP.fast/(iter); end % for SNR %% Plot figure; semilogy(SNRdB,PER.slow,'-ok','linewidth',3); hold on; semilogy(SNRdB,PER.fast,'--xk','linewidth',3); semilogy(SNRdB,BER.slow,'-sr','linewidth',3); semilogy(SNRdB,BER.fast,'--dr','linewidth',3); xlab = xlabel('SNR (dB)','fontsize',30); ylab = ylabel('Taxa de Erro','fontsize',30); set(gca,'fontsize',35,'linewidth',2); axis([SNRdBmin SNRdBmax 1e-6 1e0]); grid; hleg = legend('PER (slow fading)','PER (fast fading)', ... 'BER (slow fading)', 'BER (fast fading)'); set(hleg,'fontsize',30,'location','southwest'); %% Trabalho sobre Desvanecimento de Pequena Escala Plano (Banda Estreita) % (1). Complementar essa simulação com as curvas AWGN (sem desvanecimento) % (2). Repetir (1) para uma modulação 4-PSK e acrescentar curvas de SER (Taxa de Erro de Símbolo) % (3). Repetir (1) para uma modulação 16-QAM e acrescentar curvas de SER (Taxa de Erro de Símbolo)

Convolução e ISI

Convolução e Interferência Intersimbólica

% Convolution and ISI Effects: Wideband and Narrowband Signals % CSF29008 - 2015/2 % Prof. Bruno Fontana da Silva clear all; close all; clc; %% Inputs %_________________________________________________________________________% speed = 1e-9; % speed = 0.1; Nx = 50; % período de símbolo: Nx amostras Nh = 5; % duração de uma componente multipercurso: Nh amostras Nz = 2; % nulls length (espaço entre componentes multipercurso) null = zeros(1,Nz); % sequência de amostras nulas %% Sinal x[n] %_________________________________________________________________________% % x = sin(2*pi*(1:Nx)/Nx); % modelo do pulso senoidal % x = sin(2*pi*(1:Nx)/Nx/2); % modelo do pulso meia-onda x = [ones(1,Nx/2) -ones(1,Nx/2)]; % sequência +1 / -1 X = [x x x]; % enviando vários símbolos %% Canal Multipercurso (Sistema LTI) h[n] %_________________________________________________________________________% h = sin(2*pi*(1:Nh)/Nh/2); % modelo do pulso %% Canais Multipercurso %_________________________________________________________________________% % H = [null h null h null h ]; Lchan=3*Nh+2*Nz; % 3 multipercursos esparsas % H = [null h null h]; Lchan=2*Nh+1*Nz; % 2 multipercursos esparsas H = [null h null]; Lchan=1*Nh+0*Nz; % 1 multipercurso %% Critério Wideband/Narrowband %_________________________________________________________________________% if(Nx>=10*Lchan) % Ts >> Tm convleg = 'Narrowband Signal'; elseif (Nx<=0.1*Lchan) % Ts << Tm convleg = 'Wideband Signal (ISI effect)'; else convleg = 'Not so narrowband...'; end %% Auxiliares %_________________________________________________________________________% Ndiff = abs( length(X)-length(H)); null_diff = zeros(1,Ndiff); if(length(X)>length(H)) Xplot = X; Hplot = [H null_diff]; else Xplot = [X null_diff]; Hplot = H; end Xp2 = [X(end:-1:1) zeros(1,length(H))]; Nconv = length(X)+length(H); XH = zeros(1,Nconv); xleg = ['1 Symbol: ' num2str(Nx) ' samples']; chanleg = ['Channel spread: ' num2str(Lchan) ' samples']; %% Convolução x[n]*h[n] %_________________________________________________________________________% figure(1); for n =1:Nconv for k = 1:length(H) ix = n-k; if ix >= 0 if ix+1 <= length(X) XH(n) = XH(n) + H(k)*X(ix+1); else XH(n) = XH(n) + 0; end else XH(n) = XH(n) + 0; end end %% Animated Convolution Plot %_________________________________________________________________________% if n==1||n==Nconv % clf; subplot(3,1,1); stem([-length(X)+1:0 1:length(H)],circshift(Xp2,n,2),'b','linewidth',2.5); % plot([-length(X)+1:0 1:length(H)],circshift(Xp2,n,2),'b','linewidth',2.5); grid on; set(gca,'linewidth',3,'fontsize',20); ylabel('x[n-k]','fontsize',30); hleg1 = legend(xleg); set(hleg1,'fontsize',10); axis([-length(X)+1 Nconv -2 2]); subplot(3,1,2); stem(Hplot,'r','linewidth',2.5); % plot(Hplot,'r','linewidth',2.5); set(gca,'linewidth',3,'fontsize',20); grid on; ylabel('h[n]','fontsize',30); hleg2 = legend(chanleg); set(hleg2,'fontsize',10); axis([-length(X)+1 Nconv get(gca,'Ylim')]) subplot(3,1,3); stem(XH,'k','linewidth',2.5); grid on; % plot(XH,'k','linewidth',2.5); grid on; xlabel('n (sample index)','fontsize',30) ylabel('x[n]*h[n]','fontsize',30); set(gca,'linewidth',3,'fontsize',20); hleg3 = legend(convleg); set(hleg3,'fontsize',10); axis([-length(X)+1 Nconv -10 10]) else % not so many plot settings, faster animation subplot(3,1,1); stem([-length(X)+1:0 1:length(H)],circshift(Xp2,n,2),'b','linewidth',2.5); axis([-length(X)+1 Nconv -2 2]); % grid on; set(gca,'linewidth',3); % ylabel('x[n-k]','fontsize',30); % hleg1 = legend(xleg); set(hleg1,'fontsize',10); % subplot(3,1,3); stem(XH,'k','linewidth',2.5); grid on; axis([-length(X)+1 Nconv -10 10]) % xlabel('n (sample index)','fontsize',30) % ylabel('x[n]*h[n]','fontsize',30); % set(gca,'linewidth',3); drawnow; pause(speed) end end % % figure; % subplot(3,1,1); % stem(Xplot,'b','linewidth',2.5); grid on; hleg1 = legend(xleg); set(hleg1,'fontsize',10); % ylabel('x[n]','fontsize',30); % subplot(3,1,2); % stem(Hplot,'r','linewidth',2.5); grid on; hleg2 = legend(chanleg); set(hleg1,'fontsize',10); % ylabel('h[n]','fontsize',30); % subplot(3,1,3); % % stem(XH,'k'); hold on; % stem(conv(X,H),'k','linewidth',2.5); hold on; grid on; % xlabel('n (sample index)','fontsize',30) % ylabel('x[n]*h[n]','fontsize',30); hleg3 = legend(convleg); set(hleg3,'fontsize',10);

Exercícios

Lista 01 - Telefonia Celular

• Exemplos de Troncalização

• Exemplos de Setorização e Divisão Celular

Material Complementar On-line

Palestra da ANATEL "Sistema Móvel Pessoal no Brasil", 02/06/2015

GSMA - Estatísticas e análise de dados da indústria de comunicações móveis

TELECO - Portal sobre Telecomunicações criado por grupo de profissionais brasileiros

Vídeo sobre perspectivas do 5G para Internet tátil

Princípios de reuso de frequência em sistemas celulares de telefonia

Práticas de planejamento de sistemas celulares de telefonia

Calculadora Erlang B

Calculadora Erlang C

Simulador de Configuração do AP TP-Link TL-WDR4300

Convolução de Sinais: Aplicativo Java para Visualização

Voltar para CSF-EngTel_(página)