我是靠谱客的博主 大气奇异果,最近开发中收集的这篇文章主要介绍LTE和NR伪随机序列的产生和特性,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

总述:
NR和LTE产生seudo-random sequence 是同样的方法:
这个在36.211的7.2和38.211的5.2.1都可以看到
从公式可以看出,伪随机序列C(i)是由两个m序列产生的,第一个m序列初始状态已经知道,第二个m序列的初始状态需要给出,这两个m序列来生成C(i).
第一步:m序列的生成与特性:
以31为周期,那么就是5级 ,2^5-1=31等于相应的计数。
根据上面的公式,matlab求出x1的m序列

Nc= 1600 ;%按照211里面给的
Mpn= 3300;%自己定的
x10 = 1;
x11 =zeros(1,30);
x1 = [x10 x11];%m序列的初始状态
for i= 1:(Nc+Mpn -31)
    x1(i+31) =mod((x1(i+3)+x1(i)),2);
end
 for j=1:33     %只是显示了一部分
        subplot(11,3,j)
        stem(x1(1600+1+(j-1)*31:1600+j*31))
        axis([1 31 0 1.5])
 end
 
 b=zeros(length(x1)*4,1);%采样
for i=1:4
b(i:4:end)=x1;
end
c=xcorr(b,'coeff');%自相关函数
figure(2)
plot(c)
title(c)
title('相关函数')

figure(3);
stairs(x1);
title('M序列')
ylim([-1.5 1.5])

figure(4)
pwelch(a)%

此处为什么要有要有一个NC=1600,我理解是因为前面序列的随机性不好,这个大家有什么想法可以沟通。

这个不是严格意义上的m码,首先1和0的个数差别很大
在这里插入图片描述
我们分析一下这个相关函数曲线,从这图上可以看出,处理在偏移0的位置(最中间,左边是向左偏移后求和计算的,右边是向右偏移后求和),偏移为0附近相关系数比较大,说明这个序列自相关型不是很好。相关系数和相关性目前没有一个统一的说法,从网上搜了一下,可供参考的系数为:。
| 相关系数 | 相关度 |
|-0.00~0.30-|-微相关-|

相关系数相关度
0.00~0.30微相关
0.30~0.50实相关
0.50~0.80显著相关
0.80~0.10高度相关

在这里插入图片描述
发现和正常的pn码的谱密度没有明显区别,
因为这个序列长度是31,所以推测是5级序列,如果5级序列对应的寄存器的连接关系是确定的,应该是15个m序列循环,而这个产生的序列,没有约束寄存器,而约束的是输出状态的关系,并且我们发现每个序列1和0个数有很大差异,这个并不是严格意义上的m序列。
正规的m序列是什么?

clc
clear all
close all %二值伪随机序列(M序列)
n=8;%阶次
p=2^n-1;%循环周期
ms=idinput(p,'prbs');
mean(ms);

a=zeros(length(ms)*10,1);%采样
for i=1:10
a(i:10:end)=ms
end

c=xcorr(a,'coeff');%自相关函数
figure(1)
plot(c)
title(c)
title('相关函数')

figure
pwelch(a)%

在这里插入图片描述
在这里插入图片描述
第二步:生成金码:
按照最开始的协议进行编写MATLAB程序,如下:

cellid = 5;
N_c= 1600 ;
Mpn= 2000;
x10 = 1;
x11 =zeros(1,30);
x1 = [x10 x11];
for i= 1:(N_c+Mpn -31)
    x1(i+31) =mod((x1(i+3)+x1(i)),2);
end
cinit = cellid ;
x21 =de2bi(cinit);
len =length(x21);
x22 =zeros(1,31-len);
x2  =[x21 x22];

for i=1:(N_c +Mpn -31)
    x2(i+31) = mod((x2(i+3)+x2(i+1)+x2(i)),2);
end

for i =1:Mpn
    c__pseudo(i)= mod((x1(i+N_c)+x2(i+N_c)),2);
end

a=zeros(length(c__pseudo)*10,1);%采样
for i=1:10
a(i:10:end)=c__pseudo;
end

c=xcorr(a,'coeff');%自相关函数
figure(1)
plot(c)
title(c)
title('相关函数')

figure
pwelch(a)%

在这里插入图片描述
在这里插入图片描述
自相关特性也不是很好,功率密度也比之前的小一点。在LTE中为什么要选用这个不是严格的m码,这个的原因还不清楚,后续搞清楚再更新。

今天先分析到这里,下一步准备在分析随机序列的基础上,进一步弄清楚用伪随机序列在接受机中怎么求出相位差与时延。

最后

以上就是大气奇异果为你收集整理的LTE和NR伪随机序列的产生和特性的全部内容,希望文章能够帮你解决LTE和NR伪随机序列的产生和特性所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(45)

评论列表共有 0 条评论

立即
投稿
返回
顶部