干扰信号MATLAB仿真

在撰写这篇关于“基于matlab的无码间串扰系统的仿真设计与研究”的文章之前，我首先要对这个主题进行深入而全面的评估。

这将包括了解无码间串扰系统的基本概念和原理，并将其与matlab仿真设计相结合，以便为您撰写一篇质量高、深度广和充满价值的文章。

1. 无码间串扰系统的基本概念无码间串扰系统是一种用于通信系统的方法，旨在提高信号的安全性和隐私性。

它通过在信号中引入无码间干扰，从而使信号对未经授权的用户或信号监听者变得不可读。

这种系统通常被应用于军事通信和其他需要高度隐私和安全性的领域。

2. Matlab在系统仿真设计中的应用与无码间串扰系统相关的matlab仿真设计涉及了使用matlab软件进行系统建模、仿真分析和性能评估。

这包括了对系统中各种参数和变量进行建模，以便通过仿真来评估系统的性能和有效性。

3. 深入探讨无码间串扰系统的原理在本文中，我们将深入探讨无码间串扰系统的原理和工作机制。

这将包括对该系统如何引入无码间干扰的解释，以及它对信号的影响方式和效果。

我们将结合matlab仿真设计，展示该系统在仿真环境中的运行表现和性能评估。

4. 从matlab仿真设计的角度分析无码间串扰系统的优势和局限性通过matlab仿真设计，我们可以更好地理解无码间串扰系统的优势和局限性。

这将涉及对系统性能、稳定性和适用范围的分析和评估。

我们还将探讨matlab仿真在系统设计和分析中的优势，以及它在无码间串扰系统研究中的作用和意义。

5. 个人观点和总结我会共享关于无码间串扰系统的个人观点和理解，并对整篇文章进行总结和回顾。

我将强调该系统在信息安全和通信隐私性方面的重要性，以及matlab在系统仿真设计中的价值。

我还会提出对未来研究方向和发展趋势的展望，希望能为相关领域的研究者和从业人员提供一些思路和启发。

通过以上深入评估，我将为您撰写一篇内容丰富、深度广泛的关于“基于matlab的无码间串扰系统的仿真设计与研究”的文章。

学习使用MATLAB进行信号处理和仿真信号处理是一门重要的学科，它在许多领域中发挥关键作用，包括通信、图像处理、生物医学工程等。

而MATLAB作为一个功能强大的编程软件，具备丰富的信号处理和仿真工具，因此被广泛应用于信号处理领域。

本文将重点介绍如何学习使用MATLAB进行信号处理和仿真。

一、MATLAB入门要使用MATLAB进行信号处理和仿真，首先需要对MATLAB有一定的了解。

MATLAB是一种高级计算机语言，可用于数值计算、可视化和编程。

首先，我们需要学习MATLAB的基本语法和特点，包括变量的定义和操作、矩阵运算、函数的定义和调用等。

其次，熟悉MATLAB的常用工具箱，如信号处理工具箱和控制系统工具箱，它们提供了丰富的函数和算法，方便进行信号处理和仿真。

二、信号的表示与分析在信号处理中，首先需要了解信号的表示与分析方法。

MATLAB提供了多种表示信号的方法，包括时域分析和频域分析。

时域分析是通过观察信号在时间上的变化来研究信号的性质，常用的时域分析方法有时域图形显示、自相关函数和互相关函数等。

频域分析则是将信号转换到频域进行分析，常用的频域分析方法有傅里叶变换和功率谱密度估计等。

学习使用MATLAB进行信号的时域和频域分析，可以更好地理解和处理信号。

三、滤波器设计与应用滤波器是信号处理中非常常见和重要的工具。

它可以通过选择性地通过或抑制特定频率的信号，对信号进行处理。

MATLAB提供了丰富的滤波器设计和应用函数，包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。

我们可以利用MATLAB进行滤波器的设计、参数的调整和滤波器效果的评估等工作。

熟练掌握MATLAB中滤波器设计与应用的方法，对信号处理和仿真工作具有重要意义。

四、信号处理应用实例学习信号处理和仿真离不开实际应用实例的学习。

在这一章节中，将以几个具体的信号处理应用实例来展示MATLAB的具体使用。

比如，在通信领域中，我们可以利用MATLAB进行信号调制、解调和信道编码等工作。

基于matlab的四旋翼控制仿真与抗干扰验证四旋翼无人机已经广泛应用于军事、民用、科研等领域，其控制算法研究是一个重要的问题。

在四旋翼控制中，抗干扰能力是至关重要的，因为四旋翼无人机在飞行过程中可能会受到各种来自外部环境和内部因素的干扰。

本文基于matlab平台，通过搭建仿真环境，对四旋翼控制算法的抗干扰能力进行验证。

一、建立仿真模型本文中所采用的四旋翼模型为一架四轴飞行器，它由四个相互独立的直流无刷电机驱动，每个电机带有一个螺旋桨。

四旋翼的运动状态可以用三个欧拉角来描述，即俯仰角、翻滚角和偏航角。

通过编写matlab程序，可以实现四旋翼模型的动态模拟，同时也可以实现其控制算法的仿真。

二、控制算法设计在四旋翼控制中，通常采用PID控制器来实现对飞行器的控制。

PID控制器是一种经典的控制算法，其原理是通过比较实际输出值和期望值之间的偏差来计算调整量，最终实现对输出量的控制。

本文中所采用的PID控制器包含三个控制回路，分别对应俯仰角、翻滚角和偏航角，其数学公式如下：$$ \begin{aligned} u_{p}&=K_{p}e(t) \\u_{i}&=K_{i}\int_{0}^{t}e(\tau)d\tau \\ u_{d}&=K_{d}\frac{d}{dt}e(t)\end{aligned} $$其中，$u_{p}$、$u_{i}$、$u_{d}$分别为比例、积分、微分控制器的输出，$e(t)$为期望值与实际输出值的偏差，$K_{p}$、$K_{i}$和$K_{d}$为三个控制回路的系数。

三、抗干扰验证为了验证PID控制器的抗干扰能力，本文采用了三种干扰信号进行仿真实验，分别为：1. 噪声干扰：给四旋翼的传感器信号添加随机噪声，模拟实际飞行中的传感器噪声。

2. 风速干扰：给四旋翼模型增加风速信号，模拟实际飞行中的不同风速情况。

将三种干扰信号分别加入到PID控制器中，测量其对欧拉角的影响。

DS-SS 的matlab 仿真及抗干扰性能分析刘博汕头大学工学院,广东汕头,515063E-mail:bliu4@摘要:本文用matlab软件进行DS-SS的仿真,给出了单用户无噪声和多用户有噪声的仿真模型,通过仿真结果分析了DS-SS的抗干扰性能.关键词关键词::直接序列扩频仿真抗干扰matlab 0引言直扩通信的原理是通过伪随机噪声序列码(即PN码或称扩频码)的调制,在通信发射端将载波信号展宽到较宽的频段上;在接收端,用同样的扩频码序列进行解扩和解调,把展宽的信号还原成原始信息[1].通过扩展频谱的相关处理,大大降低了频谱的平均能量密度,可在负信噪比条件下工作,获得了高处理增益,从而降低了被截获和检测的概率,避免了干扰影响,因此它在通信领域有着广泛的应用[3].对DS-SS进行仿真有助于进一步研究和改善它的性能1仿真结构设计根据直序扩频理论,我们利用matlab中Simulink提供的的功能块对系统进行了设计与仿真.仿真模型如图1.1和1.2,发送端信源经频谱扩展后进行PSK调制再通过信道,信道中含有MAI (多址干扰信号)及高斯白噪声.本设计中的多址干扰模块仿真的是双发射条件下,另一个数据包对信源的干扰情况.图1.1单用户无噪声模型图1.2多用户有噪声模型 接收端采用与发送端信源完全相同的PN序列进行相关解扩、PSK解调及抽样判决后恢复出信源的信息.信源采用Random Integer generator来代替实际的数字信号.信源速率设置为10b/s.扩频与解扩过程中,利用PN序列生成器模块(PN Sequence Generator),产生6级、传输速率500b/s的PN伪随机序列来达到扩频和多址接入效果,这里扩频增益为50倍.扩频的运算是信息流与PN码相乘或模二加的过程.解扩的过程与扩频过程完全相同,即将接收的信号用PN码进行第二次扩频处理.要求使用的PN码与发送端扩频用PN码不仅码字相同,而且相位相同.否则会使有用信号自身相互抵消.解扩处理将信号压缩到信号频带内,由宽带信号恢复为窄带信号.同时将干扰信号扩展,降低干扰信号的谱密度,使之进入到信息频带内的功率下降,从而使系统获得处理增益,提高系统的抗干扰能力.调制与解调使用二相相移键控PSK方式.为了方便分析,我们可对系统作如下假设:系统各用户同步;系统各用户功率相同;仅考虑系统MAI和白噪声干扰引起的误码,忽略信号传输、调制解调.过程中的误码[2]2仿真结果仿真结果分析分析我们选取仿真时间为300秒.当干扰用户为5个时,PN码长度为63位时,我们可以从仿真的结果可以看到,系统并没有产生很大的误差.随着干扰用户的不断增多,系统的误码率也越来越大.总结仿真实验归纳如下:1.伪码长度越长,其系统误码率就越低2.系统误码率还与信道里的信噪比大小有关从系统仿真的结果看来,直序扩频技术拥有良好的抗干扰能力.无论是对正弦信号还是高斯噪声,都有很强的抗干扰能力,而更为出色的是它的抗多址干扰能力.3结论利用不同的(应选择互相关系数最小)伪随机序列作为不同用户的地址码,可实现码分多址通信.当同时通信的用户数增多时,多址干扰电平增大,导致系统的误码率也增大.本文中欠缺了扩频系统同步过程的研究,而且这个过程十分重要,这也是下一阶段研究的重点.参考文献[1]曾一凡，李晖．扩频通信原理．北京：机械工业出版社，2005[2]张森．MATLAB仿真技术与实例应用教程．北京：机械工业出版社，2004[3]朱永松，张海勇直接序列扩频通信抗干扰性能分析[J]．现代防御技术，2005，(4)：52-55.图1.4信噪比和误码率 The simulation and anti-jamming analysis of DS-SS useing matlabLiu BoCollege of engineering of Shantou University,SHANTOU,515063AbstractThis paper simulates ds-ss system using matlab software,and give the model of one user without noise and more users with noise;through the results of simulation analysis the characters of anti-jamming．Keyword:ds-ss simulation anti-jamming matlab。

基于 Matlab 的线性调频信号干扰仿真研究发布时间：2021-11-26T08:30:18.086Z 来源：《科学与技术》2021年8月24期作者：杨慧君1 邵正途1 缪旭东2[导读] 针对现代雷达普遍采用脉冲压缩体制杨慧君1 邵正途1 缪旭东21.空军预警学院，湖北武汉4300192.湖北省军区武汉第一离职干部休养所湖北武汉 430019摘要：针对现代雷达普遍采用脉冲压缩体制，分析了线性频率调制(LFM)脉冲压缩雷达的工作原理，利用Matlab/simulink仿真平台建立了干扰仿真系统，对雷达干扰仿真系统进行了建模和系统仿真，给出了射频噪声干扰、卷积干扰对LFM脉压雷达的干扰仿真系统框图和仿真结果。

最后的仿真结果证明了仿真的正确性。

现代新体制的雷达，已经普遍采用脉冲压缩技术。

脉冲压缩技术是指发射宽的调制脉冲，保证在一定的峰值功率电平上提供必须的平均功率，然后把接收的回波信号压缩为窄脉冲。

脉冲压缩雷达常用的信号包括线性调频信号、非线性调频信号和相位编码信号。

线性调频脉冲压缩本质上就是对回波进行频率延迟，低频信号部分延迟时间长，高频信号部分延迟时间短，从而使脉冲宽度较的宽脉冲压缩为脉冲宽度较窄的窄脉冲。

各种干扰对雷达的压制效果如何是雷达研究者关注的重点问题[1]，Matlab/simulink软件具有模型简洁，可操作性强等优点，基于该平台对几种典型的噪声压制性干扰样式进行干扰仿真，并对仿真结果进行分析、得出结论。

1.基于simulink的仿真方法Mathworks公司开发的Simulink是功能最强大的仿真软件之一，在仿真领域具有很多十分突出的优势[2]。

Simulink提供了一个丰富的模块库，涉及航空航天、控制系统、信号处理等各个领域，用户只需鼠标拖动就能完成非常复杂的仿真，Simulink提供了方便的图像输出界面，与一般程序仿真相比更为直观，可用于实现各种动态系统的建模、分析与仿真;与Matlab最大的不同之处在于，Simulink是基于时间流的仿真，更有利于对实时系统进行仿真。

噪声调幅干扰matlab噪声调幅干扰(matlab)是指在使用调幅技术传输信息时，由于外部环境的干扰，例如电磁干扰、杂波等，导致接收端收到的信号带有噪声。

这种噪声可能会严重影响信息的传输质量，使得接收端无法正确地解码信息。

因此，如何有效地减小或消除噪声对调幅信号的干扰，成为了一项重要的研究课题。

在matlab上，我们可以使用不同的方法来模拟噪声调幅干扰，以便更好地研究和解决这个问题。

下面，我们将详细介绍几种常见的噪声调幅干扰模拟方法及其解决方案。

1.高斯白噪声干扰模拟高斯白噪声是指在一段时间内，所有频率上的幅度都是随机的，且平均功率密度相等的噪声。

在matlab中，我们可以使用“awgn”函数来生成高斯白噪声。

例如，我们可以使用以下代码生成一个带有高斯白噪声的调幅信号：t = 0:0.001:1; % 生成时间序列fc = 100; % 载波频率Ac = 1; % 载波幅度fs = 1000; % 采样频率Am = 0.5; % 调制信号幅度fm = 10; % 调制信号频率m = Am*cos(2*pi*fm*t); % 生成调制信号c = Ac*cos(2*pi*fc*t); % 生成载波信号s = (1+m).*c; % 生成调幅信号SNR = 5; % 信噪比（dB）s_n = awgn(s, SNR, 'measured'); % 加入高斯白噪声在上述代码中，我们使用“awgn”函数将调幅信号加入高斯白噪声，其中“SNR”是信噪比，用于控制噪声的强度。

在实际应用中，我们可以通过调整信噪比来模拟不同强度的噪声。

为了减小高斯白噪声对调幅信号的干扰，我们可以使用数字滤波器进行滤波。

例如，我们可以使用低通滤波器将高斯白噪声滤除，以获得更清晰的调幅信号。

2.频率干扰模拟频率干扰是指由于外部环境变化等因素导致调幅信号的载波频率发生变化，从而造成接收端无法正确解码的现象。

在matlab中，我们可以使用“fmdemod”函数来模拟频率干扰。

雷达对抗实验报告实验题目:噪声干扰信号的Matlab仿真院系：电子与信息工程学院班级：姓名：学号:指导教师：实验时间： 2012 年 6 月噪声调幅、调频、调相信号的Matlab仿真一、实验目的通过实验，加深对噪声调幅、调频、调相信号的理解，加深对噪声调幅、调频、调相信号频谱分析的基本思想与实现方法的认识，并掌握Matlab对随机过程的仿真方法与其基本函数和语法的使用。

二、实验原理实验中要仿真的各种噪声的时域表达式及相应的频谱特性:1.射频噪声干扰窄带高斯过程:称为射频噪声干扰。

其中包络函数服从瑞利分布，相位函数服从［0，2］均匀分布，且与相互独立，载频为常数,且远大于的谱宽。

2.噪声调幅干扰广义平稳随机过程：称为噪声调幅干扰。

其中，调制噪声为零均值，方差为,在区间［—,分布的广义平稳随机过程，服从［0,2]均匀分布，且为与独立的随机变量,为常数。

噪声调幅信号的波形图,以及联合概率密度分布函数p（)以及各自的概率密度分布密度p(）存在下列关系：3.噪声调频干扰广义平稳随机过程：称为噪声调频干扰，其中调制噪声为零均值、广义平稳的随机过程，服从［0，2］均匀分布且与独立的随机变量,，噪声调频干扰中的调制噪声和噪声调频干扰信号的波形J（t）如下图示:4.噪声调相干扰广义平稳随机过程：称为噪声调频干扰,其中调制噪声为零均值、广义平稳的随机过程，服从［0,2］均匀分布且与独立的随机变量，，噪声调相干扰的功率谱如下图所示：三、实验内容利用Matlab仿真产生视频噪声：;射频噪声:；噪声调幅干扰：视频噪声，调制度m=0.1~1;噪声调频干扰：视频噪声；噪声调相干扰：视频噪声.等一系列干扰信号并分析特性。

四、实验思路与步骤1.产生一个高斯白噪声，2.利用Matlab自带的fir1函数产生一个低通滤波器，限制高斯白噪声的带宽，由此产生了视频噪声.3.利用产生的视频噪声，分别代入噪声调幅干扰的时域表达式，并且进行100次的积累后求平均值,由此画出噪声调幅干扰频域波形，对其进行快速傅里叶变换后，求出功率谱，由此画出噪声调幅干扰的功率谱波形。

案 例 AN LI陈志淮 黄华俊一种基于M A TL AB的突发干扰模型仿真摘要：随着现代通信技术的迅猛发展，信道中始终存在着会影响信息传输的信道噪声，对于通信质量提出了更高的要求。

本文以MATLAB软件为基础，搭建了一种对通信干扰影响较大的突发性干扰仿真模型并通过实验证明了其可行性，可以以此为基础，为进一步研究通信干扰问题提供参考依据。

关键词：信道噪声；MATLAB；突发性干扰；仿真短波通信是现代通信中的一种重要通信手段,其机动性强、通信距离远，但受到干扰后会引起信息的传输发生突发性差错，造成严重的误码[1]。

针对这种情况，本文以MATLAB为基础设计了用于模拟短波通信信道噪声的突发干扰模块，为研究短波通信抗干扰问题提供了逼真的仿真环境。

一、MATLAB/Simulink工具箱的介绍MATLAB语言是Math Works公司开发的一种广泛应用于工程计算及数值分析领域的新型高级语言[2]。

其Simulink通信仿真模块库通过图形化工具模型化、仿真和分析动态系统，提供了信源、信道、信源编码、差错控制等仿真模块[3]，基于层次结构的模块设计方法，能逐层查看各组件间的连接关系。

二、突发干扰信道模块的设计假设在一个长度为M的信息源序列中被叠加了一个长度为N的突发干扰序列，该序列具有一定的长度，均值和方差，因此其在各个点上的幅度是随机的，且具有以下特点：1.长度可变。

在具体的编程中，我们用N来代表突发干扰序列的长度，可使用语句n=randint(l，1，W)，N=n(1，1)来随机生成N的值。

其中，W的大小取决于所使用的交织器长度与码率大小。

2.突发干扰序列在各个点上的幅度必须是随机的。

可引入mean和var这两个变量，令x=mean+sqrt(fc)*randii(l，N)就可以得到一个均值为mean，方差为var的随机数序列。

3.突发干扰序列在整个信息源序列中出现的位置可变。

设其位置为NN，NN的值可以通过mv=Tandint(l，l，[W-N])函数来实现。

matlab信号处理——算法、仿真与实现MATLAB信号处理是一种广泛应用于各种工程领域的计算机语言和软件环境，其核心理念是用数字信号来处理实际的物理信号，使其在控制、通信、生物医学、天文学等应用中得到应用。

本文将简要介绍MATLAB信号处理的算法、仿真和实现。

算法：MATLAB信号处理的算法通常由两个主要部分组成：滤波和谱分析。

滤波是一种数字信号处理技术，可以从信号中过滤出所需的频率范围内的成分。

同时，还可以去除噪声和干扰信号，让信号更加清晰。

谱分析是一种用于检测信号频率组成的技术，可以将信号中不同频率的成分分解出来，并显示其功率谱和频率谱等分析结果。

MATLAB的信号处理工具箱中，有着很多种滤波和谱分析算法，比如数字滤波器设计、窗函数处理、FFT、STFT等等。

具体使用哪种算法，取决于所要处理的信号的特殊需要和噪声干扰的情况。

仿真：MATLAB信号处理提供了一种方便快捷的方式，将设计的算法模拟成一个完整的信号处理系统，以有效的验证其功能和正确性。

MATLAB的仿真工具包括仿真模型设计、数据可视化、参数调整等等，并可以集成其他MATLAB工具箱中的算法，如图像处理、统计分析等。

钟形图、波形图、频谱图等类型的可视化功能，让仿真数据的输出更加直观明了，以及可以快速检验算法和调整参数。

实现：MATLAB信号处理是通过在计算机中实现信号处理算法来实现的。

实现的具体方式，即设计一个MATLAB程序，将处理算法编写成代码并运行。

程序可以接受实时或离线信号，并对其进行处理和分析。

MATLAB的实现方式具有非常高的灵活性和可定制性，可以满足各种不同应用场景的需要。

总之，MATLAB信号处理可以通过对算法的选择、仿真的建模和实现的编写来完成，进而用于控制、通信、生物医学、天文学等各种应用中。

0绪论本文首先介绍了课题的研究背景,其次概述Turbo 码的起源和发展现状,最后给出本文的框架安排。

1信道编码概述信道编码的起源千百年来,努力创造更稳定,更快速的信息传输方式,一直是人们不懈追求的目标。

在现代社会,通信技术飞速发展,通信技术的应用也越来越广泛。

可以传输的对象远远不止最原始的电报那么单调。

得益于现代数字通信系统,文本、语音、视频等媒体信号均可以快速高质量地进行传输,现代数字通信系统的基本框图如图1。

图1数字通信系统模型从图1中我们可以看到,最右侧的框图代表噪声源。

在实际工程中,任何信道都会存在噪声,从而在传输过程中发生错误,这是无法避免的。

如何在噪声的干扰下,尽量稳定、可靠地将信息由发送方传输到接收方,是贯穿通信理论的一个经典问题。

信道编码理论就是由此应运而生,它承担着纠正信道传输中的各种错误的功能。

信道编码理论的基本思想是,在码元发送端添入一定数量的冗余码元[1]。

也就是所谓的监督码元,形成“抗干扰码字”。

其中监督码元的产生和加入要严格按照一定的规则,即它与信息码元之间必须满足某种联系规律。

这种联系规律就叫做约束关系。

如果某位信息码元在传输的过程中受到了噪声的影响而发生了差错,那么其和监督码元之间的约束关系肯定会受到破坏。

当受到破坏的约束关系在接收端被检验时,错误就会显示出来,以便于我们对其进行纠正。

我们知道,任何一种理论都不是完美的,都有自己的局限性。

信道编码理论也是如此。

其始终致力于改善系统通信的可靠性和正确性,但是因为监督码元的加入会占用通信资源,因而必须付出降低信息传输速率的代价[2]。

在实际的通信工程设计中,信道编码方案的设计者必须要综合考虑,包括频率的范围,信道衰落的信道条件、通话质量等因素,进行合理均衡的设计。

2Turbo 码的简介2.1Turbo 码的研究现状在译码算法方面,Turbo 码目前所采用的译码算法主要是MAP 算法、Log-MAP 算法与SOVA 算法。

基于ＭＡＴＬＡＢ的ＵＷＢ通信系统抗干扰仿真研究作者：叶斌来源：《电脑知识与技术》2009年第15期摘要:UWB技术实现了对有限频率资源的充分再利用,但同时也不可避免的成为其它通信系统一种潜在的干扰源,与传统系统的共存性是UWB研究中的一个重要课题。

该文首先建立了DS-UWB信号模型,对信号功率谱密度进行了理论推导,在给定仿真条件下,运行了仿真程序,得到了预期的仿真结果。

同时,利用建立的仿真系统,研究了抑制正弦干扰性能与系统信噪比的关系,结果表明,提高信噪比,系统可以有效抑制正弦信号干扰。

关键词:超宽带;信噪比;误码率;抗干扰中图分类号:TN914 文献标识码:A 文章编码:1009-3044(2009)15-3892-02MATLAB-based Anti-interference of UWB Communication Systems SimulationYE Bin(Electron Engineering Department, Shaanxi Energy Institute, Xianyang 712000,China)Abstract: UWB technology has a limited frequency resources for the full re-use, but also the inevitable other communications systems become a potential source of interference with the traditional system is the coexistence of UWB research an important topic.In this paper, the establishment of DS-UWB signal model, signal power spectral density of the theoretical derivation, in a given simulation conditions, running a simulation program has been the simulation results is expected. At the same time, the use of the establishment of the simulation system to study the sinusoidal interference suppression system performance and the relationship between signal to noise ratio, results show that to improve the signal to noise ratio, the system can effectively suppress sinusoidal signal interference.Key words: Ultra-Wideband; signal to noise ratio; bit error rate; antijamming1 引言超宽带技术又被称为脉冲无线发射技术,是指占用带宽大于中心频率的1/4 或带宽大于1. 5G的无线发射方案。

Lab4:1.Write a program to calculate the signal interference ratio (SIR) in the forwardlink, and repeats it by randomly changing the position of the MS. After a number of simulations, use the simulated results to draw the histogram of the SIR (S=I). Try to obtain histograms with different path loss exponent n and cluster size N. Conclude your results.The co-channel interference in the forward link can be characterized in figure 1. A MS will be interfered by the co-channel base station. In our simulation, we consider the 18 co-channel cell, including 6 cells in the first loop and 12 cells in the second, no matter what the cluster size N is.Figure 1 forward link co-channel interference(1)Firstly, we should randomly choose the position of the MS in the cell. Since the cell ishexagon which is hard to handle we cut and paste it into a square. As we can see in figure 2, the center of the coordination is the center of the cell. The square we choose is ABCD. We then randomly choose a pair of x and y as the coordinate of MS.If MS locates in triangle 1 we cut and paste it to triangle 3 and if it locates in triangle2 we move it to triangle 4.We assume the range of the base station is 0.1 as radius of cluster is 1. For the MS who located within this area, we change its distance to be 0.1 as it is too close to the base staion.Figure 2 randomly choose the position of MS in a cellMatlab code:RandPOS.mfunction [z] = RandPOS(m)%******** get random value of x,y within a square *****%x = 1.5*rand(m,1)-1;y = sqrt(3)*rand(m,1)-0.5*sqrt(3);%******** use for loop to cut the square into a hexagon *****%for k=1:mif x(k)>-1 && x(k)<-0.5 && y(k)>(1+x(k))*sqrt(3)x(k)=x(k)+1.5;y(k)=y(k)-sqrt(3)/2;elseif x(k)>-1 && x(k)<-0.5 && y(k)<-(1+x(k))*sqrt(3)x(k)=x(k)+1.5;y(k)=y(k)+sqrt(3)/2;end%******** if the MS is too nearly to the base station ******%if sqrt(x(k)^2+y(k)^2)<0.1x(k)=0.1;y(k)=0;endendz=x+j*y;(2)Secondly, we should calculate the coordinate of co-channel base station. As weknow the cluster size N we can calculate the (i, j) pair by theformula.Matlab code: ClusterN.mfunction [ii,jj] = ClusterN(N)for a = 0:sqrt(N)for b = 0:sqrt(N)if a^2+b^2+a*b == Nii = a;jj = b;end; %end ifend; %for jjend;(3)Taking N=7 as example, we can calculate the coordinate by referring to figure 3.According to the value of I j pair and angles in the figure we can get the coordinate of the first loop by the formula:, where k=1, 2….6. The second loop can be calculated by the first loop. There are two kinds of second loop co-channel base station. One can be calculated by double the coordinate of the first loop points. The other can be done by adding coordinates of adjacent first loop point as it is the diagnose of a parallelogram. Examples of those two kinds of points, point 1 and 2, can be found in figure 3Figure 3 calculate coordinate of co-channel base station by I J pairMatlab code: AdjCel.mfunction [CelLoc] = AdjCel(N) [ii,jj] = ClusterN(N)CelLoc = zeros(18,1)+j*zeros(18,1);CelLoc(1) = sqrt(3)*( ii*exp(j*pi/6) + jj*exp(j*pi/6+j*pi/3)); for k=2:6CelLoc(k) = CelLoc(k-1)*(0.5+sqrt(3)/2*j); end; for i = 1:6CelLoc(2*i+5) = CelLoc(i)+CelLoc(i); CelLoc(2*i+6) = CelLoc(i)+CelLoc(i+1); end;CelLoc(18) = CelLoc(6)+CelLoc(1);(4) Now we have coordinates of MS and co-channel base station, so we can calculateSIR by the formula, wherestands for the distance from MS to the center while stands fordouble the coordinate of the first loop pointsdiagnose of a parallelogramthe distance from the co-channel base station to the MS. We simulated it 100000 times.Matlab code:clear allclose allN = input('the cluster size N =');n = input('the path loss exponent n =')M = 100000;MSPos = RandPOS(M);CelLoc = AdjCel(N);ds = (abs(MSPos)).^-n;ditemp1 = abs(MSPos*(ones(18,1))'-ones(M,1)*CelLoc');ditemp2 = ditemp1.^-n;di = ditemp2*ones(18,1);SIR = 10*log(ds./di);hist(SIR,[-20:250])title('Histogram');xlabel('SIR(dB)');ylabel('numbers of MS');(5)Rsults:We will simulate the SIR of the co-interference of the forwarding link with different cluster size ‘N’and path lose exponent ‘n’and plaint the histogram of each condition. To make a comparison, we chose two group of n and N as:When n=3.6, we let N=1,3,4,7,12.When N=7, we let n=2,3,3.5,4.Figure 5 histogram of SIR while N=1, n=3.6. is the range of the base station.If the random MS is too nearly to the base station, d<or d=0, the SIR will be too high. So when d<, we let d=to remove the BS.The smallest value of d is 0.1. It related the largest value of SIR.Figure 6 histogram of SIR while N=3, n=3.6Figure 7 histogram of SIR while N=4, n=3.6Figure 8 histogram of SIR while N=7, n=3.6Figure 9 histogram of SIR while N=12, n=3.6Figure 10 histogram of SIR while N=7, n=2Figure 11 histogram of SIR while N=7, n=3Figure 12 histogram of SIR while N=7, n=3.5Figure 13 histogram of SIR while N=7, n=4We can see from the histogram that the average SIR increase with N increase. Since the distance between the cluster and the co-interference cell is larger when N is larger, so the co-interference is smaller. For a constant cluster size N, the SIR is larger as the path lose exponent becomes larger. Since when n is changing, the co-interference power is reduced much more than the signal power. Even though the system will lose more power, the SIR is becomes larger.2.Write a program to calculate the SIR in the reverse link, and repeats it byrandomly changing the positions of the MSs. ( Note that the interferences in the reverse link are generated by co-channel MSs and is different from the interference in the forward link. ) After a number of simulations, use the simulated results to draw the histogram of the SIR. Try to obtain histograms with different path loss exponent n and cluster size N. Conclude your results.The co-channel interference in the reverse link can be characterized in figure 4. A BS will be interfered by the co-channel MS. In our simulation, we consider the 18 co-channel cell, including 6 cells in the first loop and 12 cells in the second, no matter what the cluster size N is.Figure 14 reverse link co-channel interferenceThe procedure is pretty much the same as forward link we talked about early. Firstly we randomly choose the position of MSs in the target cell and co-channel cells. In order to doing this we can use the randPOS function in forward link. The coordinates of MSs can be calculated by adding it to coordinates of co-channel base station. Then we calculate the SIR by formulawhere stands for the distance between the target BS and MS while stands for the distance from the co-channel MS to the center.Matlab code:% Reverse Linkclose allclear allN = input('the cluster size N =');n = input('the path loss exponent n =');M = 100000;MSPos = RandPOS(M);CelLoc = AdjCel(N);pos=ones(18,M);for i=1:18pos(i,:)=RandPOS(M);endIntMS = pos'+ones(M,1)*CelLoc';ds = (abs(MSPos)).^-n;ditemp = (abs(IntMS)).^-n;di = ditemp*ones(18,1);SIR = 10*log(ds./di);hist(SIR,-20:150)title('pdf of SIR');xlabel('SIR(dB)');ylabel('pdf');We will simulate the SIR of the co-interference of the forwarding link with different cluster size ‘N’ and path lose exponent ‘n’ and plaint the histogram of each condition. As what we did for the forward link. To make a comparison, we chose two group of n and N as:When n=3.6, we let N=1,3,4,7,12.When N=7, we let n=2,3,3.5,4.The result is :Figure 15 histogram of SIR while N=1, n=3.6Figure 16 histogram of SIR while N=3, n=3.6Since we have removed the base station when generate the random position of MS.when distance of MS 0.1, we let it to be point (0.1, 0) .✓For the forward link, there is largest value SIR when it is 0.1 and it is a constant.✓For the reverse link, when the randomly MS is at (0.1,0), but the MS on the co-interference cell is also randomly, so the SIR of this situation is not a constant largest value. It is a group of largest value.Figure 17 histogram of SIR while N=4, n=3.6Figure 18 histogram of SIR while N=7, n=3.6Figure 19 histogram of SIR while N=12, n=3.6Figure 20 histogram of SIR while N=7, n=2Figure 21 histogram of SIR while N=7, n=3Figure 22 histogram of SIR while N=7, n=3.5Figure 23 histogram of SIR while N=7, n=4We can see from the histogram that the performance of reverse link is just like the forward link.the average SIR increase with N increase. Since the distance between the cluster and the co-interference cell is larger when N is larger, so the co-interference is smaller. For a constant cluster size N, the SIR is larger as the path lose exponent becomes larger. Since when n is changing, the co-interference power is reduced much more than the signal power. Even though the system will lose more power, the SIR is becomes larger.。