Professional Documents
Culture Documents
PROJETO I
NATAL
2018
SUMÁRIO
1 EXPERIMENTO 01 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Sinal Original . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sinal Estimado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Sinal Real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 MODELO CLARKE/GANS . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 MODELO JAKES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 EXPERIMENTO 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.1 Modelo de Clarke/Gans . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 Modelo Jakes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.3 RESPESTAS DOS QUESTIONAMENTOS . . . . . . . . . . . . . . . . . 19
5 EXPERIMENTO 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1
1 EXPERIMENTO 01
A partir dos vetores de potência recebida (Prx), perda de percurso (pathLoss) e som-
breamento (shadCorr), foi plotado os um gráfico comparativos dos sinais de potência recebida
completa (sujeita a desvanecimento de larga e pequena escalas) vs distância; potência recebida
somente sujeita ao path loss vs distância; potência recebida somente sujeita ao path loss e ao
sombreamento vs distância. Esse gráfico pode ser visto na Figura 1.
É possível notar na Figura 1 um decaimento exponencial para a perda de percurso e uma
variação mais suave na curva do sombreamento, como é esperado para desvanecimentos de larga
escala.
2
20
-20
-40
-60
-80
-100
0 20 40 60 80 100 120 140 160 180 200
Distância (m)
Fonte: Autor
Usando agora apenas a potência recebida (Prx) foi extraído o desvanecimento de larga
escala (sombreamento + perda de percurso) e de pequena escala (fading).
Para estimar a perda de percurso, foi necessário transformar o vetor distâncias (dPath)
para dB, ao plotar Prx com dPath em dB, notou-se que o gráfico tinha um decaimento aproximado
a um linear, como pode ser visto na Figura 2. Foi usado o comando polyfit do MatLab (comando
que faz regressão polinomial a partir de dados de entrada) para calcular o coeficiente angular
da reta aproximada, onde esse coeficiente (n) é o expoente de perda de percurso. A perda de
percurso então foi calculada pela equação 1.
O valor de n encontrado foi igual a 3,9144, que é de acordo com (RAPPAPORT, 2009)
um ambiente rádio-celular urbano sombreado.
20
-20
Prx (dBm)
-40
-60
-80
-100
8 10 12 14 16 18 20 22
dPath (dB)
Fonte: Autor
Posterior a essas estimativas, foi feito um gráfico apenas com valores estimados das
curvas de potência recebida completa (sujeita a desvanecimento de larga e pequena escalas) vs
4
distância; potência recebida somente sujeita ao path loss vs distância; potência recebida somente
sujeita ao path loss e ao sombreamento vs distância. Esse gráfico pode ser visto na Figura 3.
20
Potência final recebida
Path loss + sombreamento
0 Path loss
Potência recebida (dBm)
-20
-40
-60
-80
-100
0 20 40 60 80 100 120 140 160 180 200
Distância (m)
Fonte: Autor
A Figura 3 mostra que assim como para os valores originais, o sinal Prx estimado
apresenta desvanecimento de larga escala e desvanecimento de pequena escala. A perda de
percurso apresenta um decaimento exponencial e o sombreamento apresenta uma oscilação mais
suave se comparada ao fading, como era esperado.
Outro gráfico que foi gerado foi o comparativo apenas entre a perda de percurso estimada
e a original, como mostra a Figura 4.
O gráfico da Figura 4, mostra que há uma ótima coerência entre os valores estimados e
originais para perda de percurso em função da distância.
Foi comparado também as curvas de sombreamento original e estimado (obtido através
do filtro média móvel com janela w=100, e retirado o path loss estimado), a Figura 5 ilustra esse
comparativo.
O gráfico da Figura 5 demonstra que a saída do filtro com uma janela w=100, faz uma
boa estimativa para o sombreamento. Posteriormente será discutido sobre a influência da janela
w nessa estimativa e valores de erro médio quadrático foram calculados.
5
70
60
50
Perda de percurso (dB)
40 Original
Estimada
30
20
10
0
0 20 40 60 80 100 120 140 160 180 200
Distância (m)
Fonte: Autor
30
Original
25 Estimada
20
15
Sombreamento (dB)
10
-5
-10
-15
-20
0 20 40 60 80 100 120 140 160 180 200
Distância (m)
Fonte: Autor
6
A Tabela 1 mostra os resultados dos cálculos do desvio padrão, média, expoente de perda
de percurso n e o erro médio quadrático para o sombreamento estimado, de acordo com valores
diferentes da janela w do filtro de média móvel.
A partir da Tabela 1 é possível notar a importância de fazer uma boa escolha para a janela
w do filtro média móvel. Com o aumento do valor da janela, o desvio padrão diminui, mas o erro
médio quadrático aumenta, enquanto que o expoente n e a média quase não tem alteração.
Agora as estimativas serão feitas para uma medição real de um sinal recebido. A medição
tem 200 amostras de potência recebida (dPrx) para diferentes distâncias (dPath). Assim como
para o sinal analisado na seção 1.0.2, o expoente de perda de percurso n foi calculado através
da função polyfit do MatLab, que calculou a regressão linear da curva dPrx (dBm) vs dPath
(dB), obtendo o coeficiente angular n=1,8865. A curva e a reta da regressão, podem ser vistas na
Figura 6.
De acordo com (RAPPAPORT, 2009), esse expoente corresponde a uma canal de visada
direta.
Para o cálculo da perda de percurso estimada, foi feita a seguinte consideração, como a
potência recebida em dPath=5,8 m era igual a -30,1805 dBm, foi considerado que a potência
recebida (P0 ) a uma distância de 5 m (d0 ) era igual a -30,0 dBm. Após essa consideração, esses
valores e o expoente n foram inseridos na equação 1 e foi obtido a perda de percurso estimada
em função das distâncias dPath.
Para a estimativa do sombreamento também foi utilizado um filtro média móvel, só que
com janela w=5.
7
-25
-30
Potência recebida (dBm)
-35
-40
-45
-50
-55
6 7 8 9 10 11 12 13 14 15 16
dPath (db)
Fonte: Autor
-25
Potência final recebida
Path loss + sombreamento
-30 Path loss
Potência recebida (dBm)
-35
-40
-45
-50
-55
5 10 15 20 25 30
Distância (m)
Fonte: Autor
Para esse sinal também foi analisado a influência da variação da janela w do filtro média
móvel, extração do sombreamento do sinal completo. Foi análisado o desvio padrão, a média e o
expoente n, do sombreamento. A Tabela 2 mostra esses valores.
É possível notar a partir da tabela 2, com o aumento da janela w, o desvio padrão diminui,
a média aumenta e o expoente n não se altera.
2 MODELO CLARKE/GANS
v
fn = cosαn (3)
λ
N
X
Ez = E0 exp{jφn } (4)
n=1
10
N
E0 X
Hx = − sin(αn )exp{jφn } (5)
η n=1
N
E0 X
Hy = sin(αn )exp{jφn } (6)
η n=1
3 MODELO JAKES
ωn = βvcosαn (7)
N
X
Ez = E0 Cn cos(ωc t + θn ) (8)
n=1
12
N
E0 X
Hx = − Cn sin(αn )cos(ωc t + θn ) (9)
η n=1
N
E0 X
Hy = Cn cos(αn )cos(ωc t + θn ) (10)
η n=1
Onde, θn = ωn t + φn0
η é a impedância da onda no espaço livre, ωc é a frequência da portadora do sinal
transmitido, E0 Cn e a amplitude da n-ésima onda do campo Ez . φn é o ângulo de fase aleatório
uniforme distribuído de 0 a 2π.
13
4 EXPERIMENTO 02
0
Magnitude(dB)
-10
-20
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Tempo(s)
× 104 × 104
6 3
Ocasiões
Ocasiões
4 2
2 1
0 0
0 0.5 1 1.5 2 2.5 3 3.5 -4 -3 -2 -1 0 1 2 3 4
Magnitude (dB) Fase(rad)
Autocorrelação fd=5.277778e+00(Hz) Espectro Doppler fd=5.277778e+00(Hz)
1000
1
Clássico Clássico
Correlação
Magnitude
Estimada Estimada
0.5 500
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 -1 -0.5 0 0.5 1
Delay (s) f/fd
Fonte: Autor
14
0
Magnitude(dB)
-10
-20
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Tempo(s)
× 104 × 104
6 3
Ocasiões
Ocasiões
4 2
2 1
0 0
0 0.5 1 1.5 2 2.5 3 3.5 -4 -3 -2 -1 0 1 2 3 4
Magnitude (dB) Fase(rad)
Autocorrelação fd=1.055556e+02(Hz) Espectro Doppler fd=1.055556e+02(Hz)
1 150
Clássico Clássico
Correlação
Magnitude
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 -1 -0.5 0 0.5 1
Delay (s) f/fd
Fonte: Autor
0
Magnitude(dB)
-10
-20
-30
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Tempo(s)
× 104 × 104
10 3
Ocasiões
Ocasiões
2
5
1
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 -4 -3 -2 -1 0 1 2 3 4
Magnitude (dB) Fase(rad)
Autocorrelação fd=2.111111e+02(Hz) Espectro Doppler fd=2.111111e+02(Hz)
1 100
Clássico Clássico
Correlação
Magnitude
Estimada Estimada
0.5 50
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 -1 -0.5 0 0.5 1
Delay (s) f/fd
15
Fonte: Autor
-10
-20
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
tempo(s)
Canal modelado por Jakes, f d =5.2778Hz, T s =0.00010526s Canal modelado por Jakes, f d =5.2778Hz, T s =0.00010526s
4000 2000
Ocasiões
Ocasiões
2000 1000
0 0
0 0.5 1 1.5 2 2.5 3 -4 -3 -2 -1 0 1 2 3 4
Magnitude Phase[rad]
Autocorrelação do canal, f d =5.2778Hz Doppler Spectrum,f d =5.2778Hz
1000
1
Correlação
Clássico Classico
Magnitude
Simulado Simulado
500
0.5
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 -1 -0.5 0 0.5 1
delay τ (s) f/f d
Fonte: Autor
-10
-20
0 0.05 0.1 0.15 0.2 0.25
tempo(s)
Canal modelado por Jakes, f d =105.5556Hz, T s =5.263e-06s Canal modelado por Jakes, f d =105.5556Hz, T s =5.263e-06s
4000 2000
Ocasiões
Ocasiões
2000 1000
0 0
0 0.5 1 1.5 2 2.5 3 -4 -3 -2 -1 0 1 2 3 4
Magnitude Phase[rad]
Autocorrelação do canal, f d =105.5556Hz Doppler Spectrum,f d =105.5556Hz
1000
1
Correlação
Clássico Classico
Magnitude
Simulado Simulado
500
0.5
0 0
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02 -1 -0.5 0 0.5 1
delay τ (s) f/f d
Fonte: Autor
-10
-20
0 0.02 0.04 0.06 0.08 0.1 0.12
tempo(s)
Canal modelado por Jakes, f d =211.1111Hz, T s =2.6315e-06s Canal modelado por Jakes, f d =211.1111Hz, T s =2.6315e-06s
4000 2000
Ocasiões
Ocasiões
2000 1000
0 0
0 0.5 1 1.5 2 2.5 3 -4 -3 -2 -1 0 1 2 3 4
Magnitude Phase[rad]
Autocorrelação do canal, f d =211.1111Hz Doppler Spectrum,f d =211.1111Hz
1000
1
Correlação
Clássico Classico
Magnitude
Simulado Simulado
500
0.5
0 0
0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009 0.01 -1 -0.5 0 0.5 1
delay τ (s) f/f d
Fonte: Autor
18
Comparando os resultados dos gráficos do modelo de Jakes para as três velocidades, nas
Figuras 14,15 e 16, assim como para o modelo de Clarke/Gans, foi possível observar o efeito
causado pela mobilidade. A distorção em frequência causou uma variação temporal do sinal. O
gráfico de magnitude é idêntico para os 3 casos, o que faz sentido, pois o modelo de Jakes é um
modelo deterministico.
Pelos gráficos dos histogramas de magnitude, é possível notar que para todos os casos,
eles seguem o modelo de uma FDP do tipo Rayleigh. O que faz sentido, pois é um canal sem
visada direta (JAKES; COX, 1994; RAPPAPORT, 2009). os histogramas de fase, se comportam
como uma FDP constante, o que também faz sentido, pois o modelo gera sinais com fases
uniformemente distribuídas de 0 a 2π (JAKES; COX, 1994).
Nos gráficos da correlação, é possível observar que quanto menor a velocidade e o atraso,
maior será a banda de coerência. Logo, para a velocidade de 120 Km/h, que pode ser considerado
o pior caso, quanto maior o atraso, menor será a autocorrelação e sua banda de coerência. Logo,
pela baixa autocorrelação o sinal seria mais difícil de ser detectado no receptor. Para todas
as velocidades, o modelo de Jakes mostrou uma curva de correlação bem próxima do modelo
teórico (clássico).
Assim como já era esperado, a densidade espectral de potência em f /f d = ±1 tem
valores altos. O modelo de Jakes apresenta uma boa concordância com o modelo teórico
(clássico).
A Figura 17 apresenta um gráfico comparativo da autocorrelação teórica (clássica), a
gerada pelo modelo de Clarke/Gans e a gerada pelo modelo de Jakes, para o receptor móvel a 60
km/h.
19
Clássico
Clarke/Gans
0.8 Jakes
Correlação
0.6
0.4
0.2
0
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Delay τ (s)
Fonte: Autor
De acordo com a 17, é possível notar que os dois modelos (Clarke/Gans e Jakes) apresen-
tam uma ótima concordância com o modelo teórico (clássico).
Quando uma onda digital é transmitida usando um tempo de símbolo de 500 µs e uma
frequência de portadora de fc = 1900 MHz, como será a seletividade no tempo do canal para
velocidades 3 km/h, 60 km/h e 120 km/h?
Dependendo da velocidade com que o sinal banda base é transmitido muda em compara-
ção com a taxa de mudança do canal, um canal pode ser classificado como de atenuação rápida
ou lenta. Em um canal de atenuação rápida, a resposta ao impulso do canal muda rapidamente
dentro da duração do símbolo. Ou seja, o tempo de coerência do canal é menor que o período de
símbolo do sinal transmitido. Isso causa dispersão de frequência (também chamada atenuação
seletiva no tempo) por cauda do espalhamento Doppler, que leva à distorção do sinal. Vista no
domínio da frequência, a distorção do sinal devido a atenuação rápida aumenta com o aumento
do espalhamento Doppler relativo á largura de banda do sinal transmitido (RAPPAPORT, 2009).
Existe alguma diferença significativa entre as propriedades de autorrelação quando
20
5 EXPERIMENTO 03
22
REFERÊNCIAS
CHO, Y. S.; KIM, J.; YANG, W. Y.; KANG, C. G. MIMO-OFDM wireless communications
with MATLAB. [S.l.]: John Wiley & Sons, 2010.
RICE, S. O. Mathematical analysis of random noise. Bell Labs Technical Journal, Wiley
Online Library, v. 23, n. 3, p. 282–332, 1944.
VAUGHAN, R. G.; SCOTT, N. L.; WHITE, D. R. The theory of bandpass sampling. IEEE
Transactions on signal processing, IEEE, v. 39, n. 9, p. 1973–1984, 1991.