Slides Mô Phỏng Hệ Thống Truyền Thông

Bộ môn Tín hiệu và Hệ thống
2/02/2023 1
• Thời lượng môn học:
– 2TC (20LT + 6BT + 4TH + 15 Tự Học)
• Mục tiêu:
– Kiến thức: Cung cấp cho người học những khái niệm và kiến thức cơ bản về
mô hình hóa và mô phỏng. Nội dung của môn học sẽ tập trung vào phương
pháp luận cũng như công cụ mô phỏng hệ thống truyền thông làm cơ sở cho
các môn học chuyên sâu khác và hỗ trợ cho làm đồ án tốt nghiệp.
– Kỹ năng: Rèn cho sinh viên có kỹ năng sử dụng bộ công cụ chương trình
MATLAB và Simulink, và các phương pháp cơ bản áp dụng cho việc mô phỏng
các hệ thống truyền thông.
• Đánh giá:
− Tham gia học tập trên lớp: 10%
− Thực hành-Thí nghiệm 10%
− Bài tập/Thảo luận: 20 %
− Kiểm tra giữa kỳ: 10%
− Kiểm tra cuối kỳ: 50%
2
Đánh giá
Tư cách • 10% (Đánh giá dựa trên số

giờ đi học, ý thức chuẩn bị
bài và tinh thần tích cực thảo
luận)
Bài tập • 20% (Bài tập chương và các
bài tập lớn môn học)
Thực hành • 10%
Kiểm tra • 10%
Bài thi cuối kỳ • 50% (Sinh viên đi học đủ
thời gian 80% lý thuyết, làm
đủ bài kiểm tra, bài tập và
thực hành sẽ có quyền dự thi
cuối kỳ)
• Nội dung:
– Chương 1: Tổng quan về kỹ thuật mô phỏng
– Chương 2: Giới thiệu về MATLAB
– Chương 3: Giới thiệu về Simulink
– Chương 4: Mô phỏng tín hiệu và quá trình thu phát
– Chương 5: Mô phỏng kênh thông tin
– Chương 6: Ước tính tham số và đánh giá hiệu năng
4
• Giới thiệu chung
• Phương pháp luận mô phỏng
• Các khái niệm cơ bản về mô hình hóa
• Kỹ thuật đánh giá hiệu năng
• Các nguồn lỗi trong mô phỏng
• Vai trò mô phỏng trong thiết kế hệ thống truyền
thông
5
• Bài toán mô phỏng: gồm 4 bước cơ bản
1. Ánh xạ bài toán đã cho thành mô hình mô phỏng
2. Phân giải bài toán tổng thể thành một tập các bài
toán nhỏ hơn
3. Lựa chọn các kỹ thuật mô hình hóa, mô phỏng, ước
tính phù hợp và áp dụng chúng để giải quyết các bài
toán nhỏ của chúng
4. Kết hợp các kết quả của các bài toán con → xử lý
tạo ra nghiệm cho bài toán tổng thể.
6
• Gần đúng bài toán → dễ dàng cho phân tích:
– Phân tích
– Mô phỏng
• Phân tích
– Tính toán một số đặc trưng cho một đại lượng quan tâm
• Mô phỏng
– Sao chép hệ thống quan tâm: xử lý một đại lượng động → giám
sát hệ thống tại các điểm khác nhau
– Sử dụng mô hình thực
– Có thể thay đổi mô tả của bất kỳ một phần tử trong hệ thống
(tính module)
• Hệ thống thông tin thực:
– Quá phức tạp để đặc trưng và mô phỏng → Đơn giản hóa một
số mặt của bài toán (Giảm độ phức tạp) → dễ dàng hơn cho
việc tính toán
7
• Ví dụ:
– Dạng sóng đầu ra Vt của hệ thống: Vt = g()
• g – đặc tính truyền đạt hệ thống;  = (z1, z2,..., zK) – tập các quá
trình đầu vào (rời rạc thời gian)
– Chức năng mô phỏng:
• Tạo ra chuỗi giá trị {Vt} tại t = kTs, k =  1,  2,...; Ts – chu kỳ lấy
mẫu
• Chuỗi được xử lý → thu được đại lượng hiệu năng hoặc thông
tin phù hợp
– Thí nghiệm điều kiện:
• Tạo ra Vt = g(’) với ’ = (z1,..., zk,... , zk+1=k+1,.., zK=K)
• k quá trình đầu tiên được mô phỏng, còn lại được giữ tại giá trị
cố định
• Thí nghiệm lặp lại cho một tập các điều kiện
– Thí nghiệm mô phỏng:
• Tạo ra Vt = g’(’), g’ - đặc tính truyền đạt hệ thống được đơn
giản hóa
8
Xử lý tín hiệu số
Lý thuyết Lý thuyết
truyền thông xác suất
Mô phỏng các
Lý thuyết hệ Lý thuyết
thống tuyến tính hệ thống ước tính
truyền thông
Khoa học
Phân tích số máy tính
Lý thuyết quá
Lý thuyết số trình ngẫu nhiên
Các lĩnh vực ảnh hưởng lên nghiên cứu mô phỏng các hệ thống truyền thông
9
• Các mặt ảnh hưởng:
– Lý thuyết truyền thông:
• Cấu trúc hệ thống, hoạt động của các phân hệ (bộ điều chế,
bộ cân bằng, ...)
– Xử lý tín hiệu số:
• Lấy mẫu, kỹ thuật khai triển tín hiệu, lọc ...
– Phương pháp số:
• Kỹ thuật tích phân, nội suy, tính gần đúng ...
– Lý thuyết xác suất:
• Biến ngẫu nhiên, hàm mật độ xác suất, ...
– Lý thuyết số:
• Chuỗi số, chuỗi ngẫu nhiên, ...
10
• Các mặt ảnh hưởng:
– Khoa học máy tính:
• Kỹ thuật lập trình, đồ họa, ...
– Lý thuyết ước tính:
• Ước tính các tham số kết hợp thống kê và xử lý tín hiệu
– Lý thuyết quá trình ngẫu nhiên:
• Hàm phân bố, hàm tương quan, ...
– Lý thuyết hệ thống:
• Quan hệ vào/ra, đáp ứng xung, hàm truyền đạt ...
11
thông
12
Lỗi theo độ Thời gian chạy
phức tạp chương trình Dài
Cao
theo độ phức tạp
Mô hình
Thời gian chạy mô phỏng

mô phỏng
Lỗi mô hình hóa

Mã máy tính
Mô hình Vùng hoạt
giải tích động thực tế
Các phương
trình
Thiết bị
vật lý Phần cứng Thấp Ngắn
Thấp Độ phức tạp mô hình Cao
Thiết bị và các mô hình Ảnh hưởng của độ phức tạp mô hình
13
Simulate the flow of Event driven
packets, messages, etc. simulations
Networks
Specifications
Interface
Simulate waveform Time driven,

distortion effects; noise waveform level
and interference
Links simulations
Interface Performance Data

Time driven
Signal finite-precision
processing simulations RF
Circuit
Algorithm analysis
Circuit Circuit RF simulations
implementation implementation simulations
details details
Tính phân cấp trong các hệ thống truyền thông

14
Level 0
Level 1 Level 1 Level 1
To level 2 To level 2
To level 3 To level 3
Cấu trúc phân cấp trong mô hình hóa
15
Partitioning
Information Source Channel Baseband Transmit RF Higher

source encoder encoder modulator filter modulator abstraction
Noise
Comm.
(a) System Level Model
Interference channel
Info. Source Channel Baseband Receive RF

Equalizer
sink decoder decoder demodulator filter demodulator
Timing Carrier
recovery recovery
Bandpass Bandpass
(b) Subsystem Model PLL @ fc
filter @ 4fc
(.)4
filter
Loop Phase
filter detector
More details
(c) Component Model VCO
16
• Mô hình hóa hệ thống:
– Hệ thống: mức cao nhất của mô tả, đặc trưng bởi sơ đồ
khối các phân hệ
– Vấn đề mô hình hóa hệ thống: vấn đề cấu hình
• Sơ đồ khối mô phỏng càng sát với hệ thống thực → Mô hình hệ
thống càng chính xác
– Giảm mức độ phức tạp mô hình hóa → sử dụng tập con
các khối ở cùng mức phân cấp
• Mô hình hóa thành phần linh kiện
– Linh kiện: một khối tại mức phân hệ chứa những đặc điểm
mà nhà thiết kế hệ thống mong muốn
– Kiểu mô tả: một phương trình, một tập phương trình, một
thuật toán, hoặc một lookup table
– Mô hình phân hệ tốt: có các tham số đầu vào có thể biến
đổi → phản ánh cư xử thực của linh kiện
17
• Mô hình hóa quá trình ngẫu nhiên:
– Đầu vào và đầu ra của hệ thống và các phân hệ: các quá
trình ngẫu nhiên mong muốn (thông tin) và không mong
muốn (nhiễu và giao thoa)
– Các quá trình được mô phỏng: sao chép các tính chất của
các quá trình thực
• Nhiệm vụ mô hình hóa: Sao chép quá trình ngẫu nhiên → tạo ra
đặc tính đầu ra chính xác
– Mô hình quá trình ngẫu nhiên tương đương: tiết kiệm thời
gian tính toán
• Mô hình hóa hệ thống giả định
– Trong thiết kế hệ thống: Đặc tính kỹ thuật của hệ thống
chưa được biết → hệ thống giả định
– Giả sử một số lượng nhỏ nhất các thành phần mà vẫn thu
được một hệ thống hợp lý
18
thông
19
• Kỹ thuật đánh giá hiệu năng:
– Tập hợp các công cụ giải tích và các giả định → ước
tính hiệu quả đại lượng hiệu năng
• Mô phỏng Monte Carlo
– Tỉ số lỗi bit BER được ước tính: cho N bit qua hệ
thống và đếm lỗi
– Đảm bảo độ tin cậy: Số bit cần để quan sát trong
phạm vi 10/p đến 100/p, p = BER thực.
• Một số kỹ thuật PET thay thế
– Kỹ thuật bán giải tích (quasianalytical estimation)
– Kỹ thuật lấy mẫu quan trọng (Importance sampling)
– Kỹ thuật ngoại suy (Extrapolation)
20
System Properties
Linear Non-linear
Synchronization Channel
Characteristics Signal Design
Errors
Bandwidth Magnitude Coded Uncoded

wrt Data Rate
Non-fading Fading
wrt Memory wrt Data Rate
Fast Slow Fast Slow
21
thông
22
• Độ chính xác của mô phỏng bị giới hạn bởi:
– Ba kiểu sai số mô hình hóa:
• Mô hình hóa hệ thống
• Mô hình hóa thành phần linh kiện
• Mô hình hóa quá trình ngẫu nhiên
– Sai số xử lý
23
Error
Sources
Modeling Processing
Device Finite Storage;

Modeling Truncation
Finite Run Time;

Random Process
Statistical
Modeling
Variability
System Finite Sampling

Modeling Rate; Aliasing
Approximation
24
Device
Models
Simulation
Environment
Random
Process
Models
Performance
System Performance Evaluation
Model Evaluation Techniques
Validation
Quá trình kiểm chứng
25
thông
26
Changes
No
Initial Link System
Concept Definition Final Link Validation
Yes
Budget
Modify Specs
. Information Rate Budget Link Closure
. Fidelity No Link Yes
. Closure
Performance
. System Issues Initial Hardware
Demonstration
. Communication Development
(Engineering
Parameter Development
Specifications Final Models)
Communication
Parameter
Specifications
Communication
System Measurements
Simulation
Validate
Simulation
Synthesize Life Historical

Pedigreed Environment Data Base
“Spec” Model Tolerance
Spec
Performance
Estimate
27
28
• MATLAB: MATrix LABoratory
– Là một công cụ mô phỏng và tính tóan số
– Các hoạt động tính toán dựa trên cấu trúc dữ liệu đơn hay
matrix → cú pháp trong MATLAB đơn giản, chương trình
dễ viết hơn các ngôn ngữ lập trình bậc cao hoặc các
chương trình đại số máy tính khác.
– MATLAB là một ngôn ngữ dịch, tất cả các lệnh có thể
được thực hiện trực tiếp
– Được bổ sung thêm “symbolics” toolbox → cho phép thực
hiện tính toán dạng “symbolic” như các chương trình
MAPLE hoặc MATHEMATICA.
– Khả năng tương tác với Simulink, một toolbox đặc biệt –
công cụ để xây dựng chương trình mô phỏng dựa trên
giao diện đồ họa.
29
Thanh công cụ
Cửa sổ thư mục hiện tại

Workspace (Cửa
sổ biến làm việc)
Cửa sổ lệnh
Cửa sổ lịch sử lệnh
30
• Các biến MATLAB
– Kiểu dữ liệu cơ bản: matrix
– Định nghĩa các biến MATLAB:
>> x = 2.4
x=
2.4000
>> vector = [1 5 -3]

vector =
1 5 -3
>> thematrix = [3 1+2*i 2;4 0 -5]
thematrix =
3.0000 1.0000 + 2.0000i 2.0000

4.0000 0 -5.0000
31
– Workspace:
Sử dụng lệnh who hoặc whos để kiểm tra biến
Để xóa biến sử dụng lệnh clear
32
– Xử lý các biến:
>> A = [1 2 3; 4 5 6; 7 8 9]
A= >> B = A(2,:)
1 2 3 B=
4 5 6
7 8 9 4 5 6
>> A(:,1)=[]
>> A(2,:)=[]
A=
A=
2 3
1 2 3
5 6
7 8 9
8 9
33
• Các biến MATLAB:
– Bài tập:
1. Tạo các vectơ và ma trận trong MATLAB với các biến:
2. Khai triển ma trận M thành ma trận V 6x6:

Xóa hàng 2 và cột 3 từ ma trận V
Tạo vectơ z từ hàng 4 của ma trận V
Biến đổi giá trị tại V(4,2) thành j+5
34
• Các hoạt động số học
– Các phép tính ma trận:
35
– Các phép tính theo phần tử: sử dụng . (dot) để phân biệt
36
– Các phép tính chia: phân biệt chia trái (\) và chia phải (/)
37
– Các phép tính chia: phân biệt chia trái (\) và chia phải (/)
38
– Bài tập:
3. Tính tích 2 ma trận: và
4. Dùng hoạt động ma trận để biến đổi từ

thành
5. Tính ma trận đảo của M bằng phép chia
39
• Các hoạt động logic
– Các hoạt động logic cho ra kết quả true (1) hoặc false (0)
40
41
42
– Bài tập:
6. Kiểm tra và giải thích kết quả hoạt động logic AND và OR giữa
2 ma trận trong bài tập 3.
7. Kiểm tra và giải thích kết quả hoạt động quan hệ giữa 2 vectơ:
và
8. Cho ma trận:
Sử dụng các toán tử quan hệ để đặt các số hạng trong ma trận

có giá trị > 10 và < -10 bằng 0.
43
• Các hàm toán học
– Các hoạt động được thực hiện theo từng phần tử
44
– Các hoạt động được thực hiện theo từng phần tử
45
– Bài tập:
9. Tính giá trị của tín hiệu: với

vectơ thời gian từ 0 đến 10 có cỡ bước 0,1.
10. Tính giá trị của tín hiệu: theo

vectơ thời gian của bài 9.
11. Làm tròn giá trị của vectơ: về giá trị nguyên
gần nhất theo vectơ thời gian của bài 9.
12. Tính logarith cơ số 2 và 10 của vectơ:
46
• Các hàm đồ họa
– Sử dụng:
1
– Vẽ đồ thị 2 D: 0.8
0.6
0.4
0.2
1 0
0.8 -0.2
0.6 -0.4
0.4 -0.6
0.2 -0.8
0 -1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
47
• Các hàm đồ họa 2
– Vẽ đồ thị 2D: 1.5
0.5
-0.5
-1
-1.5
-2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
2
1.5
0.5
-0.5
-1
-1.5
-2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
48
– Vẽ đồ thị 2D: 1.5
0.5
-0.5
-1
-1.5
2
-2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1.5
0.5
-0.5
-1
-1.5
-2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
49
A cosine voltage with frequency 1 Hz
2
• Các hàm đồ họa 1.5
– Các hàm 0.5
Amplitude / V
0  zero crossing
-0.5
-1
-1.5
-2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
time / s
Detail of the cosine voltage with frequency 1 Hz

2
1.8
1.6
1.4
1.2
Amplitude / V
1
0.8
0.6
0.4
0.2
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
time / s
50
– Vẽ đồ thị 3 D: sử dụng mesh hoặc surf
0.6
0.4
0.2
-0.2
2
3
2
0 1
0
-2 -1
-2
y-axis -3
x-axis
51
– Vẽ đồ thị 3 D:
0.6 0.6
0.4 0.4
0.2 0.2
0
0
-0.2
-0.2
2
2 3
3 2
2 0 1
0 1 0
0 -2 -1
-1 -2
-2 -2 y-axis -3
-3 x-axis
y-axis x-axis
2/02/2023 52
25
– Vẽ nhiều đồ thị: 15
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-2
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
53
– Bài tập:
13. Cho vectơ tần số: và các hàm truyền của
một bộ tích phân và của một phần tử trễ thời gian bậc 1 tương ứng:
thường gặp trong xử lý tín hiệu và kỹ thuật điều khiển. Hãy vẽ đồ thị biên
độ của các hàm truyền này trên 2 hình riêng biệt.
Sử dụng các hàm semilogx, semilogy và loglog để thay đổi kết quả biểu
diễn đồ thị theo các kiểu trục khác nhau. Xác định kiểu biểu diễn nào là tốt
nhất.
14. Vẽ biên độ và pha của các hàm truyền cho ở bài 13 trên cùng một hình.
15. Tính và vẽ hàm x2 + y2 trong dải [-2,2]x[-1,1] sử dụng lưới có cỡ bước 0.2
theo chiều x và 0.1 theo chiều y.
16. Vẽ hình cầu có bán kính R = 3.
54
• Các hoạt động I/O
– Sử dụng các lệnh save và load: để lưu hoặc nạp các dữ liệu từ
file trong MATLAB.
>> save 'C:\ndnhan\matlab7\thevars' var1 var2 -V6
55
• Điều khiển ma trận
– Xem:
>> E5 = eye(5) % Tạo ma trận đơn vị
E5 =
1 0 0 0 0 % Xác định độ dài vector

0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
56
% Xác định kích thước ma trận
% Chuyển vị ma trận
57
58
• Các cấu trúc – structures
– Ví dụ: Định nghĩa structure Graphic
59
• Điều khiển ma trận và cấu trúc
– Bài tập:
17. Tạo vectơ y = (1, 1.5, 2, ..., 4.5, 5). Sử dụng hoạt động điều khiển
ma trận phù hợp để đảo trật tự các số hạng của vectơ y để tạo ra
vectơ yr = (5, 4.5, ..., 1.5, 1).
Tạo vectơ z chỉ chứa các số nguyên từ vectơ y.
18. Định nghĩa cấu trúc color với các trường dữ liệu red, blue và
green. Sau đó định nghĩa một trường 1x20 của các cấu trúc kiểu
này và khởi tạo thành phần red bằng giá trị ‘yes’, thành phần blue
bằng giá trị ‘no’ và thành phần green với giá trị [0,256,0]
60
Danh sách menu
• MATLAB Editor
Các icon cho cấu

hình cửa sổ
Các icon cho debug và
Thanh công cụ cell ngăn xếp chức năng
Cửa sổ Editor
61
• Các thủ tục
– Cung cấp các tập lệnh được thực hiện trong cửa sổ lệnh bằng
một lệnh đơn giản.
– Các chuỗi lệnh được viết bằng Editor và được lưu trong một m-
file với tên sẽ được sử dụng để chạy trong cửa sổ lệnh.
– Sử dụng lệnh help để kiểm tra sự tồn tại của hàm.
62
>> vidu1
63
• Các function
– Cấu trúc:
function [out1, out2, ...] = funname(in1,in2, ...)
Các tham số đầu ra Các tham số đầu vào

Tên hàm
Lưu ý: Tên hàm phải trùng tên của m-file chứa hàm
Các biến trong function là các biến cục bộ
Gọi hàm ở cửa sổ lệnh:
>> [y1,y2,...] = funname(x1,x2,...) hoặc
>> funname(x1,x2,...)
64
• Các function
>> [t,s1,c1,e1] = vidu2(3,5,4);
65
– Bài tập:
19. Viết một chương trình MATLAB có tên circle_prog.m để thực

hiện các hoạt động sau: vẽ đường tròn có bán kính r = 3, trả về
các kết quả tính chu vi và diện tích hình tròn.(Hint: sử dụng
lệnh axis equal để hiển thị đồ thị tốt hơn)
20. Thay đổi chương trình trên để hiển thị kết quả với 5 số sau dấu
phẩy. (Hint: có thể dùng lệnh sprintf)
66
• Các cấu trúc ngôn ngữ MATLAB
67
– Câu lệnh if:
if expression1 if A > B
statements1 disp('A lon hon B');
elseif expression2 elseif A == B
statements2 disp('A bang B');
else else
statements3 disp('A nho hon B');
end end
68
– Câu lệnh for:
for variable = expression k = 10;

statement a = zeros(k,k) % Preallocate matrix
... for m = 1:k
statement for n = 1:k
end a(m,n) = 1/(m+n -1);
end
Ví dụ tính giá trị phần tử trong ma trận end
69
– Câu lệnh while: a = 0; fa = -Inf;
while expression b = 3; fb = Inf;
while b-a > eps*b
statements
x = (a+b)/2;
end fx = x^3-2*x-5; Đa thức
if sign(fx) == sign(fa)
a = x; fa = fx;
else
Ví dụ tìm nghiệm của một đa thức
b = x; fb = fx;
bằng phương pháp bisection end
end
x
70
– Câu lệnh switch-case:
method = 'Bilinear';
switch switch_expr
case case_expr switch lower(method)
statement, ..., statement case {'linear','bilinear'}
case {case_expr1, case_expr2, case_expr3, ...} disp('Method is linear')
statement, ..., statement case 'cubic'
otherwise disp('Method is cubic')
statement, ..., statement case 'nearest'
end disp('Method is nearest')
otherwise
disp('Unknown method.')
end
71
– Câu lệnh switch-case: Ví dụ sử dụng nargin và nargout
function [t, sinfct, cosfct] = FSwitchIn(f1, f2, damp) case 3
% function FSwitchIn sinfct = sin(2*pi*f1*t);
% cosfct = 2*cos(2*pi*f2*t);
% call: [t, sinfct, cosfct] = FSwitchIn(f1, f2) expfct = exp(-damp*t);
% or [t, sinfct, cosfct] = FSwitchIn(f1, f2, damp) plot(t,[sinfct; cosfct; expfct])
% xlabel('time / s')
% An example of an MATLAB function with a variable ylabel('Amplitude')
% number of input parameters title('three gorgeous signals')
otherwise
t=(0:0.01:2); msg = 'The function FSwitchIn must have 2';
msg = strcat(msg, ' or 3 input parameters!');
switch nargin error(msg);
case 2 end
sinfct = sin(2*pi*f1*t);
cosfct = 2*cos(2*pi*f2*t); if nargout < 3
plot(t,[sinfct; cosfct]) msg = 'The function FSwitchIn should return a time';
xlabel('time / s') msg = strcat(msg, 'vector and two sine signals!');
ylabel('Amplitude') error(msg);
title('sine and cosine oscillations‘) end
72
• Bài tập
21. Cho một hàm f(x) = x3/3+4x2+x-6 trong dải -1<x<3. Viết chương
trình tìm nghiệm phương trình trên bằng phương pháp bisection
với sử dụng 2 dự đoán ban đầu tại x = 0 và x = 3.
(Sử dụng lệnh input để cho phép nhập giá trị các tham số đầu vào
từ bàn phím khi chạy chương trình)
22. Viết mã chương trình sử dụng vòng lặp để tính tích phân:
bằng phương pháp midpoint với số lượng điểm N = 100.

23. Viết mã chương trình sử dụng vòng lặp while để tính gần đúng
dựa trên phương pháp Newton dùng hệ thức đệ quy:
Quá trình lặp thực hiện cho đến khi xn thay đổi chỉ 0.0001.
73
• Hàm eval
– Sử dụng để đánh giá các xâu ký tự (string):
74
• Function handles
– Một handle function hoạt động như con trỏ đến hàm bằng việc
sử dụng @ trước hàm đó
75
• Function handles
– Ví dụ: Tính tích phân số bằng phương pháp điểm giữa
function [integral] = midpoint(a, b, F, N)
% Function midpoint
%
% sample call: integ = midpoint(0, 2, @myfun, 10)
%
% The present example calculates the integral of the function F,
% whose name is passed on as a function handle to midpoint, over
% the limits [a,b]. Midpoint rule is used to calculate the integral;
h=(b-a)/N; % subinterval length

% intval=(a+h/2:h:a+(N-1/2)*h); % points marking subintervals
integral = F(a+h/2); % F at the lower limit of the interval
%
For k=2:N
xi = a + (k-1/2)*h;
integral = integral+F(xi);
% integral = integral+F(intval(i));
end;
integral = integral*h; % normalizing with h

76
• Phương trình vi phân thường (ODE)
– Trong mô hình của các hệ thống động: các tham số là hàm của
thời gian , vận tốc và gia tốc
– Thường hầu hết mô hình các hệ thống động, ta có thể rút gọn từ
các phương trình vi phân bậc 2 về các phương trình vi phân bậc
1 có dạng:
– Hệ thống được mô tả đầy đủ:
Hàm f có thể là hàm tuyến tính hoặc phi tuyến của biến độc lập x
và tham số phụ thuộc y.
77
• Phương pháp Euler
– Dựa trên gần đúng sai phân hữu hạn đối với đạo hàm
– Tổng quát:
xn+1 = x0 + (n + 1)h = xn + h
x(1) = x0;
y(1) = y0;
for k = 2:N % N – Number of steps

x(k) = x(k-1) + h;
y(k) = y(k-1)+Fdot(x(k-1),y(k-1))*h;
end;
78
• Phương pháp Euler biến đổi
– Sử dụng chuỗi Taylor cho việc phân tích ODE xác định được:
t(1) = t0;
y(1) = y0;
for k=2:N
y1=y(k-1)+h*fdot(t(k-1),y(k-1));
t1=t(k-1)+h;
loopcount=0; diff=1;
while abs(diff) >.05
loopcount=loopcount+1;
y2=y(k-1)+h*(fdot(t(k-1),y(k-1))+fdot(t1,y1))/2;
diff=y1-y2; y1=y2;
end;
%collect values together for output
t(k) = t1; y(k) = y1;
end;
79
• Phương pháp Runge-Kutta
– Phương pháp RK bậc 2:
Lựa chọn c1, c2, a2 → các pp RK khác nhau:
Khi c1 = 1/2, c2 = 1/2, a2 = 0 → PP Euler biến đổi
Khi c1 = 0, c2 = 1, a2 = ½: PP Midpoint
Khi c1 = 1/4, c2 = 3/4, a2 = 2/3:
80
81
xSol(1) = x; ySol(1,:) = y;
k = 1;
while x < xStop
k = k+1;
K1 = h*feval(Fdot,x,y);
K2 = h*feval(Fdot,x + h/2,y + K1/2);
K3 = h*feval(Fdot,x + h/2,y + K2/2);
K4 = h*feval(Fdot,x+h,y + K3);
y = y + (K1+2*K2+2*K3+K4)/6;
x = x+h;
xSol(k) = x; ySol(k,:) = y; % Store current soln.
end
82
– Tập các hàm giải phương trình vi phân trong MATLAB:
[T,Y] = solver(odefun,tspan,y0)
[T,Y] = solver(odefun,tspan,y0,options)
Ví dụ: [t,y] = ode45(myfun,[t0 tf],y0);
83
• Ví dụ:
– Cho ODE bậc 1:
Nghiệm giải tích:
% Euler method to solve a 1st-order differential equation Nghiệm thu được tại các cỡ bước khác nhau
clear, clf
a=1;r=1;y0=0; tf=2;
t = [0:0.01:tf]; yt=1-exp(-a*t); % true analytical solution
plot(t,yt,'k'), hold on
klasts = [8 4 2]; hs = tf./klasts;
y(1) = y0;
for itr = 1:3 %with various step size h = 1/8,1/4,1/2
klast = klasts(itr); h = hs(itr); y(1)=y0;
for k = 1:klast
y(k + 1) = (1 - a*h)*y(k) +h*r; % Euler's formula
plot([k - 1 k]*h,[y(k) y(k+1)],'b', k*h,y(k+1),'ro')
if k<4,pause;end
end
end
84
• Ví dụ:
– Dao động con lắc:
Điều kiện ban đầu:
Hàm pendde.m
85
• Bài tập:
24. Viết chương trình tìm nghiệm ptr vi phân: với a = 1, r = 1
và y(0) = 0 bằng phương pháp Euler biến đổi với cỡ bước h = 0.25. Xác
định sai số so với nghiệm giải tích tại 2 thời điểm t = 1 và t = 2.
25. Tương tự bài tập 24 nhưng sử dụng phương pháp RK bậc 3.
26. Tương tự bài tập 24 nhưng sử dụng phương pháp RK bậc 4.
27. Cho sơ đồ mạch RC hình bên:
Điện áp đầu ra của hệ thống tuân theo ptr vi phân tuyến tính:
Hãy viết chương trình tìm nghiệm của ptr này trong khoảng [0, 3] s bằng
phương pháp RK bậc 4, biết C = 4.7F và R = 10 k. Hàm u1(t) là hàm
bậc đơn vị. Sau đó so sánh kết quả với nghiệm thu được bằng việc sử
dụng lệnh ode45.
86
• Symbolics toolbox:
– Ví dụ:
87
88
• Simulink:
– Các quá trình phụ thuộc thời gian tuyến tính hay phi tuyến có thể
được mô tả bởi các phương trình vi phân.
– Một cách khác mô tả hệ thống động: thông qua sơ đồ khối
Mô tả một hệ thống động bằng sơ đồ khối
– Simulink: bộ giải phương trình vi phân số.
89
• Simulink:
Thư viện các khối

được tổ chức thành
các nhóm chức năng
90
• Xây dựng một mô hình Simulink:
– Mở cửa sổ mô hình mới: File – New Model
– Lưu model dưới một tên phù hợp: File – Save As (mdl=model)
– Mở model đã tồn tại: File – Open
– Ví dụ: model test1.mdl
91
• Xây dựng một mô hình Simulink :
– Dùng khối Sine Wave trong thư viện Sources làm nguồn tín hiệu
– Dùng khối Integrator trong thư viện Continuous để lấy tích phân
– Sử dụng khối Mux từ thư viện Signal Routing để ghép 2 tín hiệu
trước và sau khi lấy tích phân.
– Dùng khối Scope từ thư viện Sinks để hiển thị kết quả.
Hoàn thành mô hình ví dụ test1.mdl

92
• Thiết lập tham số cho các khối Simulink :
– Kích đúp vào mỗi khối chức năng để thiết lập tham số
93
– Thiết lập tham số tại cửa sổ hiển thị của khối Scope
94
Hệ thống Simulink test1 hoàn thiện
95
• Chạy mô phỏng Simulink :
Thiết lập tham số cấu hình mô phỏng

– Sau khi thiết lập xong các tham số → Chạy mô phỏng:
96
• Chạy mô phỏng Simulink :
– Các kết quả sau khi chạy mô phỏng có thể xử lý bằng MATLAB
97
• Ví dụ đơn giản:
– Giải các phương trình vi phân phi tuyến phức tạp đơn giản hơn
– Chuyển đổi ptr. vi phân thành một hệ thống động → mô tả bằng
sơ đồ khối trong Simulink.
– Bài toán ptr. vi phân bậc 2:
Nghiệm của ptr. :
Kỹ thuật lấy tích phân để tìm y(t)
98
• Ví dụ đơn giản:
Mô hình giải ptr. vi phân bằng Simulink
99
• Một số ví dụ khác:
– Ptr. vi phân:
– Ptr. vi phân:
100
• Một số ví dụ khác:
– Ptr. vi phân:
101
• Khối Fcn:
– Hệ thống Simulink có thể được đơn giản hóa đáng kể bằng việc
sử dụng khối Fcn trong thư viện User-Defined Functions → các
khối phần tử mức thấp nhất (VD: khối Sum hoặc Gain) được loại
bỏ.
102
• Xây dựng các phân hệ (Subsystem):
– Trong trường hợp bài toán cỡ lớn → module hóa hệ thống
– Một số các khối có thể được kết hợp lại thành một phân hệ
– Cho phép tổ chức hệ thống Simulink dạng phân cấp
– Tạo một subsystem: sử dụng menu Edit/Create Subsystem
103
• Truyền các biến giữa Simulink và MATLAB:
– Có nhiều cách thực hiện trong Simulink :
• Sử dụng khối To Workspace trong Sinks
• Trong thiết lập tham số cấu hình Simulink : vào các biến phù
hợp trong khối tham số ở mục Data Import/Export – Save to
Workspace.
• Sử dụng phần thiết lập tham số trong khối Scope/ Data
History.
– Giá trị các biến sử dụng trong chương trình Simulink
có thể được định nghĩa trong MATLAB bằng việc viết
một chương trình m-file → vào tên biến thay cho giá
trị cụ thể trong phần thiết lập tham số cho các khối.
104
• Lặp lại các mô phỏng Simulink trong MATLAB:
– Khi mô phỏng Simulink phụ thuộc vào số lượng lớn các
tham số → thiết lập sự phụ thuộc hệ thống mô phỏng vào
các tham số.
– Gọi chương trình Simulink thông qua MATLAB:
• Sử dụng hàm sim
• Ví dụ:
– Thiết lập các tham số Simulink :
• Sử dụng hàm set_param
• Ví dụ:
– Xem các tham số Simulink :
• Sử dụng hàm get_param GET_PARAM( 'OBJ‘ , 'PARAMETER‘ )
• Ví dụ:
105
• Lặp lại các mô phỏng Simulink trong MATLAB
– Gọi chương trình Simulink nhiều lần:
• Truyền các biến thông qua biến toàn cục:

– Khai báo tham số như biến toàn cục:
106
• Bài tập:
28. Thiết kế một hệ thống Simulink để giải bài toán giá trị ban đầu:
Chạy và so sánh kết quả với nghiệm chính xác.

Biến đổi hệ thống để mô phỏng một hàm nhiễu loạn (vế bên phải  0)
được xác định là e-t
29. Giải bài toán giá trị ban đầu:

bằng một hệ thống Simulink phù hợp.
30. Giải hệ phương trình vi phân sau:
bằng một hệ thống Simulink phù hợp.
107
108
• Mô phỏng tín hiệu băng gốc và thông dải:
– Tín hiệu băng gốc (baseband): có phổ tần tập trung quanh tần
số 0.
– Tín hiệu thông dải (passband): có phổ tần tập trung quanh một
tần số sóng mang fc.
− Tín hiệu băng gốc có thể được chuyển đổi
thành tín hiệu thông dải qua quá trình đổi
tần lên (up-conversion)
− Tín hiệu thông dải có thể được chuyển đổi
thành tín hiệu băng gốc qua quá trình đổi
tần xuống (down-conversion)
− Tín hiệu thông dải sP(t) được xây dựng từ
hai tín hiệu băng gốc sI(t) và sQ(t) (trong
điều chế số)
109
– Tín hiệu thông dải có thể được viết:
– Định nghĩa tín hiệu s(t): → tín hiệu

sP(t) có thể viết lại
– Tín hiệu s(t):

• Được gọi là tín hiệu tương đương băng gốc hoặc lớp vỏ phức của tín hiệu
thông dải sP(t)
• Chứa cùng thông tin như sP(t)
• s(t) là tín hiệu phức
110
– Trong miền tần số:
• Hệ số 2 đảm bảo cả hai loại tín hiệu có cùng mức công suất.
111
– Mô hình thông dải:
112
– Mô hình tương đương thông thấp:
− Thu được hệ thống tương đương băng gốc:

sử dụng các tín hiệu băng gốc
• Tín hiệu phát tương đương băng gốc:
• Kênh tương đương băng gốc với đáp ứng xung kim
giá trị phức h(t) với
• Tín hiệu thu tương đương băng gốc: R(t)
• Nhiễu Gaussian cộng giá trị phức: N(t)
113
– Mô hình thông dải:
• Các tín hiệu là thực
• Sát với hệ thống thực
• Tần số lấy mẫu cao hơn
– Mô hình tương đương thông thấp:
• Các tín hiệu là phức
• Mô hình gọn và đơn giản hơn
• Tần số lấy mẫu thấp hơn
• Trong các trường hợp thực tế, xử lý tín hiệu số được thực hiện trên tín hiệu
được chuyển đổi băng gốc.
– Mô hình tương đương băng gốc là thuận tiện hơn trong mô
phỏng hệ thống.
• Hệ thống tuyến tính:
114
• Quá trình lấy mẫu và nội suy:
– Trong mô phỏng hệ thống truyền tin trên hệ thống máy tính số
đòi hỏi sự chuyển đổi mô hình thời gian liên tục thành mô hình
rời rạc về thời gian.
– Theo định lý lấy mẫu Nyquist (hoặc Shannon): nếu Bs là độ rộng
băng tần của tín hiệu băng gốc s(t) → tần số lấy mẫu fs  2Bs.
– Quá trình lấy mẫu: s(t) → ss(t) = s(nTs)
 
ss (t ) = s(t ) p(t ) với p(t ) =   (t − nT ) →

n =−
s
ss (t ) =  s(nT ) (t − nT )
n =−
s s
trong đó: Ts – chu kỳ lấy mẫu, fs = 1/Ts – tần số lấy mẫu

– Tần số lấy mẫu được lựa chọn phù hợp để giảm thiểu lỗi chồng
phổ mà tránh tăng thời gian mô phỏng.
115
• Quá trình lấy mẫu và nội suy:
– Trong một số trường hợp mô phỏng hệ thống trên các độ rộng
băng tần khác nhau → chuyển đổi tốc độ mẫu
• Tăng mẫu (upsampling): tại biên giữa phần tín hiệu băng hẹp và băng rộng
s(kTs) → s(kTu) = s(kTs/M)
• Giảm mẫu (downsampling): tại biên giữa phần tín hiệu băng rộng và băng
hẹp s(kTs) → s(kTd) = s(kMTs)
– Quá trình nội suy: quan trọng trong kỹ thuật đa tốc độ
• Bộ nội suy hàm sinc
• Bộ nội suy tuyến tính
Trong MATLAB sử dụng hàm interp:
y = interp(x,r) thực hiện lấy lại mẫu giá trị trong vectơ x tại r
lần tốc độ lấy mẫu ban đầu.
116
• Nguồn tín hiệu tương tự:
– Tín hiệu đơn tần:
x(tk ) = A cos(2 f0tk +  ) hoặc x(k ) = Aexp(2 jkf0 / f s )exp( j )
M
– Tín hiệu đa tần: x(tk ) =  xn (tk ) với xn (tk ) = An cos(2 f ntk + n )
n =1
M
x(k ) =  An exp(2 jkf n / f s )exp( jn )
n =1
117
• Nguồn tín hiệu số:
– Nguồn thông tin rời rạc thường có giá trị trong bảng alphabet.
– Tín hiệu số: là dạng sóng mang thông tin số.
– Có 3 tham số chính:
• Kiểu nguồn (alphabet): danh sách các ký hiệu thông tin có thể mà nguồn tạo
ra.
– VD: A = {0,1}; các ký hiệu được gọi là bit
– Với M ký hiệu (M = 2n): A = {0, 1,..., M-1} hoặc A = {1, 3, ..., (M-1)}
– Các symbol có thể có giá trị phức: A = {1, j}
• Xác suất ưu tiên phát: tần số xuất hiện tương đối của mỗi ký hiệu mà nguồn
tạo ra.
– VD: nguồn sinh ra các bít 0 và 1 có xác suất băng nhau
• Tốc độ ký hiệu (symbol rate): số lượng ký hiệu thông tin mà nguồn sinh ra
trong một đơn vị thời gian (baud rate)
118
• Nguồn tín hiệu ngẫu nhiên:
– Các nguồn tin trong thực tế là ngẫu nhiên → tạo các tín hiệu
ngẫu nhiên trong mô phỏng.
– Tạo biến ngẫu nhiên phân bố đều: .
• Sử dụng hàm rand trong MATLAB
>> x = rand(5,10) - Tạo ma trận 5x10 các số ngẫu nhiên phân bố đều trong khoảng [0,1]
Tạo các số ngẫu nhiên phân bố đều trong khoảng [a, b] :
>> x = a + (b-a) * rand(m,n)
Tạo các số nguyên ngẫu nhiên phân bố đều trên tập 1:n :
>> x = ceil(n.*rand(100,1));
119
– Tạo biến ngẫu nhiên phân bố đều: .
Ví dụ: Tạo vectơ hàng 1000 số ngẫu nhiên phân bố đều trong khoảng [0,1], hiển thị 10 số đầu tiên
>> x = rand(1,1000);
>> x(1:10)
ans =
0.4330 0.8424 0.1845 0.5082 0.4522 0.3256 0.3801 0.8865 0.7613 0.8838
120
>> hist(x,10)
100
80
60
40
20
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
120
– Tạo biến ngẫu nhiên phân bố chuẩn:
• Sử dụng hàm randn trong MATLAB .
Tạo các số ngẫu nhiên phân bố chuẩn có trung bình bằng 0 và độ lệch chuẩn bằng 1 :
>> x = randn(m,n)
Tạo các số ngẫu nhiên phân bố chuẩn có trung bình bằng m và phương sai v :
>> x = m + sqrt(v) * randn(m,n)
121
– Tạo biến ngẫu nhiên phân bố chuẩn:
Ví dụ: Tạo vectơ hàng 1000 số ngẫu nhiên phân bố chuẩn có trung bình 0 và độ lệch chuẩn bằng 1, hiển
thị 10 số đầu tiên
>> x = randn(1,1000);
>> x(1:10)
ans =
-0.6028 -0.9934 1.1889 2.3880 2.2655 2.3011 -0.2701 0.5028 -0.1192 -0.0019
300
>> hist(x,10)
250
200
150
100
50
0
-4 -3 -2 -1 0 1 2 3 4
122
– Tạo số nguyên ngẫu nhiên phân bố đều:
• Sử dụng hàm randint trong MATLAB (version gần đây randi):
Tạo ma trận mxn các số 0 và 1 có xác suất bằng nhau
>> x = randint(m,n);
Ví dụ:
>> x = randint(1,10)
x=
0 0 1 1 1 0 1 1 0 0
Tạo ma trận mxn có các giá trị phân bố đều trong dải từ 0 đến 7
>> x = randint(m, n, [0, 7]); hoặc
>> x = randint(m,n, 8);
123
– Tạo symbol ngẫu nhiên theo danh sách alphabet định trước:
• Sử dụng hàm randsrc trong MATLAB:
Tạo ma trận mxn các số -1 và 1 có xác suất bằng nhau
>> x = randsrc(m,n);
Ví dụ:
>> x = randsrc(1,10)
x=
-1 1 1 -1 -1 -1 -1 1 1 1
Tạo ma trận mxn có các giá trị phân bố đều trong tập {-3,-1,1,3}
>> x = randsrc(10,10,[-3 -1 1 3]); hoặc
>> x = randsrc(10,10,[-3 -1 1 3; .25 .25 .25 .25]);
– Tạo nguồn lỗi ngẫu nhiên:

• Sử dụng hàm randerr trong MATLAB
124
• Mã hóa nguồn:
– Quá trình chuyển đổi A/D:
Analog Digital
signal signal
Sampler Quantizer Coder
sampling quantization coding

– Quá trình PCM:
• Lượng tử hóa đều
• Lượng tử hóa không đều
125
• MATLAB code cho quá trình PCM lượng tử hóa đều:
function [code,xq,sqnr] = uniform_pcm(x,M) Vi du ve qua trinh PCM luong tu hoa deu
1
% Uniform PCM encoding of a sequence
% x = input sequence 0.5
% M = number of quantization levels
Amplitude
0
% code = the encoded output
% xq = quantized sequence before encoding -0.5
% sqnr = signal to quantization noise ratio in dB
% Written by Nguyen Duc Nhan - 2012 -1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (ms)
Nb = log2(M); 1
Amax = max(abs(x));
delta = 2*Amax/(M-1); 0.5
Amplitude
Mq = -Amax:delta:Amax; 0
Ml = 0:M-1;
-0.5
xq = zeros(size(x));
-1
xcode = xq; 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (ms)
for k = 1:M
code = sqnr = 25.4136 dB
ind = find(x > Mq(k)-delta/2 & x <= Mq(k)+delta/2);
1 1 0 1
xq(ind) = Mq(k);
1 1 1 0
xcode(ind) = Ml(k);
1 1 1 1
end
1 1 1 1
sqnr = 20*log10(norm(x)/norm(x-xq));
1 1 1 1
code = de2bi(xcode,Nb,'left-msb');
126
• Quá trình PCM lượng tử hóa không đều: Ví dụ theo luật 
%% nonuniform PCM process
mu = 255;
M = 32; % number of quantization levels
[y,amax] = mulaw(x,mu); % compress the signal
[code,yq,sqnr] = uniform_pcm(y,M); % coding
xq = invmulaw(yq,mu); % expand the signal
xq = xq*amax;
sqnr = 20*log10(norm(x)/norm(x-xq)); % in dB
Tín hiệu lượng tử hóa sau khi nén

Vi du ve nonuniform PCM Vi du ve nonuniform PCM
1
1
Lượng tử hóa không đều
0.5
0.5
Lượng tử hóa đều

Amplitude
Amplitude
0 0
-0.5 -0.5
-1
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Time (ms)
Time (ms)
127
• Mã đường:
– Kiểu mã hóa để tạo dạng phổ và một số đặc tính xác định của
xung tín hiệu hỗ trợ cho quá trình đồng bộ.
– Gồm 2 bước:
• Sắp xếp logic
• Chuyển đổi thành dạng sóng
– Ví dụ:
Mã non-return-to-zero (NRZ)
Mã NRZ-AMI
Mã Manchester
128
• Mã đường: function [t,y] = rectpulse(Tw,Rp,Ns,Np)
– Tạo chuỗi xung vuông: % Chuong trinh vi du tao chuoi xung vuong
% Tw - the pulsewidth
% Rp - the repetition rate of pulse Tp < 1/Rp
• Trong mỗi chu kỳ xung, hàm xung % Ns - the number of samples
vuông được định nghĩa như sau: % Np - the number of pulses (the length of pulse train)
% t - the time vector output
1, t  Tp % y - the vector output of the pulse samples
u (t ) = 
0, t  Tp % written by Nguyen Duc Nhan
>> [t,y]=rectpulse(0.5e-6,1e6,256,8); Tp = 1/Rp; % pulse period

Timewindow = Np*Tp; % time window
>> plot(t,y);
ts = Timewindow/(Ns-1); % sampling time
1 t = 0:ts:Timewindow; % time vector
Nsp = round(Tp/ts); % number of samples within Tp
0.8
y = zeros(size(t));
for k = 1:Ns
0.6
Amplitude
if mod(t(k),Nsp*ts) <= Tw
y(k) = 1;
0.4
else
y(k) = 0;
0.2 end
end
0
0 1 2 3 4 5 6 7 8
Time (s) x 10
-6
129
function [t,y,code] = nrzcode(d,R,Ns,type) if nargin <=3
• Mã đường: % Chuong trinh vi du ve ma duong truyen NRZ

% d - the data sequence end
type = 'unipol';
% R - the data rate for k = 1:Ns

– Mã NRZ: % Ns - the number of samples n = fix(t(k)/Tb)+1;
% t - the time vector output if n >= Nb
% y - the vector output of the pulse samples n = Nb;
% type - the type of code (unipolar - 'unipol' or polar - 'pol') end
% written by Nguyen Duc Nhan switch (type)
case 'unipol'
Tb = 1/R; % bit period y(k) = d(n);
Nb = length(d); % number of bits code(n) = d(n);
Timewindow = Nb*Tb; % time window case 'pol'
ts = Timewindow/(Ns-1); % sampling time y(k) = 2*d(n)-1;
t = 0:ts:Timewindow; % time vector code(n) = 2*d(n)-1;
y = zeros(size(t)); end
code = []; end
h=[0 0 1 1 0 0 1 1 1 1 1 1 0 1 0 1]
1.2
1
1
0.5
0.8
Amplitude
Amplitude
0 0.6
-0.5 0.4
0.2
-1
0 20 40 60 80 100 120 140 160 0

Time (ps) 0 20 40 60 80 100 120 140 160
Time (ps)
130
• Mã đường: function [t,y,code] = amicode(d,R,Ns,type)
% Chuong trinh vi du ve ma AMI
s = 1;
for k = 1:Nb
– Mã AMI: % d - the data sequence
% R - the data rate
if d(k) == 0
code(k) = 0;
% Ns - the number of samples else
% t - the time vector output s = s+1;
% y - the vector output of the pulse samples if mod(s,2)==0
% type - the type of code (NRZ - 'NRZ' or RZ - 'RZ') code(k) = 1;
% written by Nguyen Duc Nhan else
... code(k) = -1;
end
y = zeros(size(t)); end
code = []; end
... ...
code = 0 0 1 -1 0 0 1 -1 1 -1 1 -1 0 1 0 -1
1 1
0.5 0.5
Amplitude
Amplitude
0 0
-0.5 -0.5
-1
-1
0 20 40 60 80 100 120 140 160
Time (ns) 0 20 40 60 80 100 120 140 160
Time (ns)
131
• Mã hóa kênh:
– Tăng hiệu năng của kênh truyền:
• Phát hiện lỗi
• Sửa lỗi
– Gồm 2 loại chính:
• Mã khối
• Mã xoắn
– Ví dụ mã khối:
• Mã hóa: Từ mã
Trong đó: u – chuỗi dữ liệu có k bit, G – ma trận tạo mã cỡ kxn, c – từ mã được mã hóa có n bit (n>k)
• Khoảng cách Hamming tối thiểu:

• Đối với mã khối tuyến tính: khoảng cách tối thiểu bằng với trọng số nhỏ nhất
của mã
132
• Mã hóa kênh:
– Ví dụ mã khối:
% Chuong trinh vi du ve ma hoa kenh
% Block coding u= c=
k = 4;
for i=1:2^4 0 0 0 0 0 0 0 0 0 0 0 0 0 0
for j=k:-1:1 0 0 0 1 1 1 0 1 1 1 1 0 0 1
if rem(i-1,2^(-j+k+1))>=2^(-j+k) 0 0 1 0 0 1 1 0 1 1 0 1 0 1
u(i,j)=1; 0 0 1 1 1 0 1 1 0 0 1 1 0 0
else 0 1 0 0 1 1 1 0 0 0 1 1 1 0
u(i,j)=0; 0 1 0 1 0 0 1 1 1 1 0 1 1 1
end 0 1 1 0 1 0 0 0 1 1 1 0 1 1
end 0 1 1 1 0 1 0 1 0 0 0 0 1 0
end 1 0 0 0 1 0 0 1 1 1 0 1 1 1
% Define G, the generator matrix 1 0 0 1 0 1 0 0 0 0 1 1 1 0
g = [1 0 0 1 1 1 0 1 1 1; 1 0 1 0 1 1 1 1 0 0 0 0 1 0
1 1 1 0 0 0 1 1 1 0; 1 0 1 1 0 0 1 0 1 1 1 0 1 1
0 1 1 0 1 1 0 1 0 1; 1 1 0 0 0 1 1 1 1 1 1 0 0 1
1 1 0 1 1 1 1 0 0 1]; 1 1 0 1 1 0 1 0 0 0 0 0 0 0
% generate codewords 1 1 1 0 0 0 0 1 0 0 1 1 0 0
c = rem(u*g,2); 1 1 1 1 1 1 0 0 1 1 0 1 0 1
% find the minimum distance
w_min = min(sum((c(2:2^k,:))'));
133
• Điều chế tín hiệu tương tự:
– Điều chế biên độ AM:
• Tín hiệu bản tin:
• Tín hiệu sóng mang:
• Quá trình điều chế: là một quá trình nhân
• Độ sâu điều chế (modulation index):
134
• Điều chế tín hiệu tương tự: % Chuong trinh vi du ve dieu che AM
%% Set parameters
% Message
– Điều chế biên độ AM: A = 1; % amplitude
Vi du ve dieu che AM f = 440; % frequency [Hz]
3
phi = -pi/4; % Phase [rad]
2
% Carrier
1
m = 0.5; % modulation index
Amplitude
0
Ac = A/m; % amplitude
M = 50% fc = 5e3; % frequency [Hz]
-1
phi_c = 0; % Phase [rad]
-2
N = 2^9; % number of samples
-3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
T0 = 0; % start time [s]
Time (ms)
Tf = 5e-3; % end time [s]
Vi du ve dieu che AM Ts = (Tf-T0)/(N-1); % sampling period
2
fs = 1/Ts; % sampling frequency [Hz]
1.5
1 %% Amplitude Modulation
0.5 % Generate sinusoid
Amplitude
t = T0:Ts:Tf; % time vector

M = 100% 0
-0.5
x = A*cos(2*pi*f*t+phi); % message signal
xc = Ac*cos(2*pi*fc*t+phi_c); % carrier signal
-1
-1.5
% Modulation
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 y = (1+x/Ac).*xc;
Time (ms)
135
– Điều chế biên độ AM:
• Điều chế SSB (Single side band): Sử dụng bộ lọc hoặc dùng khai triển
Hilbert
Vi du ve dieu che SSB

1.5
%% SSB Modulation 1
% Generate sinusoid
t = T0:Ts:Tf; 0.5
Amplitude
x = A*cos(2*pi*f*t+phi);
0
% Modulation
y = ssbmod(x,fc,fs,phic); -0.5
% Demodulation -1
xr = ssbdemod(y,fc,fs,phic);
-1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Time (ms)
136
– Điều chế tần số FM:
Chỉ số điều chế:
Độ rộng băng tần:
• Trong MATLAB: sử dụng hàm fmmod và

fmdemod cho điều chế FM
% Modulation
y = pmmod(x,fc,fs,phic);
% Demodulation
xr = pmdemod(y,fc,fs,phic);
137
– Điều chế pha PM:
• Sóng mang:
• Tín hiệu điều chế:
Chỉ số điều chế:
• Trong MATLAB sử dụng các hàm pmmod và

pmdemod cho điều chế PM.
%% Phase Modulation
t = T0:Ts:Tf;
x = A*cos(2*pi*f*t+phi);
% Modulation
y = pmmod(x,fc,fs,phic);
% Demodulation
xr = pmdemod(y,fc,fs,phic);
138
• Điều chế tín hiệu số:
– Điều chế tuyến tính:
• Được biểu diễn bởi:
s(t) là tuyến tính với bn

• Các định dạng điều chế khác nhau được xây dựng bằng việc chọn
các danh sách alphabet phù hợp
• Hàm p(t) xác định dạng xung đầu ra tín hiệu được điều chế
– p(t) có thể là hàm xung vuông hoặc hàm xung sinc
139
– Điều chế biên độ ASK:
• Sử dụng hàm pammod và pamdemod trong MATLAB → tạo ra ký hiệu phức
tương đương băng gốc.
% Signal generator
dm = randint(1,1000,4);
% PAM modulation
s = pammod(dm,4);
% PAM demodulation
r = pamdemod(s,4);
• Để biểu diễn dạng sóng điều chế có sóng mang có thể sử dụng hàm ammod
trong điều chế AM với các mức được lấy mẫu: Vi du ve dieu che ASK
% Data sequence 1
h = [0 1 0 1];
% NRZ modulation 0.5
[t,y,code]=nrzcode(h,1e6,512);
Amplitude
0
% AM demodulation
ts = t(2)-t(1); % sampling time
-0.5
fs = 1/ts; % sampling freq.
fc = 10e6; % carrier freq. -1
yd = ammod(y,fc,fs);
0 5 10 15 20 25 30 35 40
Time (ns)
140
– Điều chế pha PSK:
• Điều chế M-PSK:
Bộ điều chế
BPSK QPSK Bộ giải điều chế

Tín hiệu BPSK:
Tín hiệu QPSK:
Dạng sóng QPSK:
141
– Điều chế pha PSK: % Create a random digital message
M = 4; % Alphabet size
• Trong MATLAB sử dụng hàm pskmod
x = randint(5000,1,M); % Message generator
và pskdemod cho điều chế PSK kết % Use QPSK modulation to produce y.
hợp với modem để xây dựng object h = modem.pskmod(M,pi/4);
của bộ điều chế và giải điều chế: h.symbolorder = 'gray';
Scatter plot
y = modulate(h,x);
/4 - QPSK 1
% Transmit signal through an AWGN channel.

ynoisy = awgn(y,15,'measured');
0.5
Scatter plot
Quadrature
1.5
0
1
% Create scatter plot from noisy data.
-0.5 h = scatterplot(ynoisy,1,0,'xb');
0.5
hold on;
Quadrature
0
-1 scatterplot(y,1,0,'or',h);
-1 -0.5 0 0.5 1 % Demodulate ynoisy to recover the message.
-0.5 In-Phase
h = modem.pskdemod(M,pi/4);
-1 h.symbolorder = 'gray';
QPSK z=demodulate(h,ynoisy);
-1.5
-1.5 -1 -0.5 0 0.5 1 1.5
In-Phase
142
– Điều chế pha PSK:
• Điều chế PSK mã hóa vi sai: sử dụng hàm dpskmod và dpskdemod
x=0 1 1 0 0 0 1 0 0 0 0 1 0 1 1 1 0 1 0 1
Bieu dien bien do cua tin hieu dieu che DPSK
2 Scatter plot
% Create a random digital message 1.5

1.5
Amplitude
M = 2; % Alphabet size 1
1
x = randint(5000,1,M); % Message 0.5 0.5
Quadrature
0
% Use DPSK modulation to produce y. 0 2 4 6 8 10 12 14 16 18 20 0
Symbol index
y = dpskmod(x,M); 4
Bieu dien bien do cua tin hieu dieu che DPSK -0.5
3
Phase (rad)
-1
2
% Demodulate to recover the message. 1 -1.5
-1.5 -1 -0.5 0 0.5 1 1.5
z = dpskdemod(y,M); 0 In-Phase
-1
0 2 4 6 8 10 12 14 16 18 20
Symbol index
143
– Điều chế QAM: kết hợp giữa ASK và PSK
Bộ điều chế Bộ giải điều chế
Rectangular QAM Circular QAM
144
– Điều chế QAM:
• Sử dụng hàm qammod và qamdemod trong MATLAB
Scatter plot
3 close all;
2
% Create a random digital message
1
M = 16; % Alphabet size
Quadrature
-1
x = randint(5000,1,M);
-2
-3 % Use 16-QAM modulation to produce y.

-4
y=modulate(modem.qammod(M),x);
-4 -2 0 2 4
In-Phase
Bieu dien bien do cua tin hieu dieu che 16-QAM

4 ynoisy = awgn(y,15,'measured');
Amplitude
2
% Create scatter plot from noisy data.
h = scatterplot(ynoisy,1,0,'xb');
0 2 4 6 8 10 12 14 16 18 20
Symbol index hold on;
Bieu dien bien do cua tin hieu dieu che 16-QAM
scatterplot(y,1,0,'or',h); hold off;
2
Phase (rad)
-2
5 10 15 20
Symbol index
145
– Điều chế FSK:
• Điều chế FSK
• Điều chế FSK pha liên tục (CPFSK)
• Điều chế MSK: một kiểu CPFSK
• Sử dụng hàm fskmod và fskdemod cho điều chế FSK

• Sử dụng hàm mskmod và fskdemod cho điều chế MSK
146
– Điều chế FSK:
% Chuong trinh vi du ve MSK
close all;
Eye Diagram for In-Phase Signal
1.5 % Parameters
1 Ns = 8; % number of samples per symbol
0.5
Amplitude
Scatter plot
x = randint(1000,1); % Random signal
0 1
0.8
-0.5
0.6 % Use MSK modulation to produce y.
-1 0.4
0.2
y = mskmod(x,Ns,[],pi/2);
Quadrature
-1.5
-0.5 0 0.5 0
Time -0.2 h = scatterplot(y,1,0,'xb');
Eye Diagram for Quadrature Signal -0.4
1.5 -0.6
hold on;
1
-0.8 scatterplot(y,Ns,0,'or',h); hold off;
-1
0.5 -1 -0.5 0 0.5 1

Amplitude
In-Phase
0
yn = awgn(y,25,'measured');
-0.5
-1 % Plot eyediagram
-1.5
-0.5 0 0.5
eyediagram(yn,16);
Time
147
• Tạo dạng phổ:
– Mật độ phổ công suất SY(f) của tín hiệu ra y(t):
SY ( f ) = S X ( f ) H ( f )
2
Trong đó SX(f) là PSD của tín hiệu vào x(t) và H(f) là hàm truyền của hệ thống (hay bộ lọc)
– Bằng việc lựa chọn cẩn thận H(f) → tăng cường hoặc khử các
thành phần phổ chọn lọc của tín hiệu vào.
– Khi SX(f) và H(f) xác định → xác định được SY(f)
– Ngược lại: biết SY(f) là PSD đầu ra mong muốn của PSD đầu
vào SX(f) → xác định được H(f)
– Ví dụ bộ lọc butterworth:
1 n – bậc của bộ lọc
H( f ) =
2
1 + ( / b )2 n b – độ rộng băng tần 3 dB
148
– Tính toán PSD của một tín hiệu:
function [f,Pf] = spectrocal(t,x)
1
% Vi du chuong trinh tinh toan spectrum
% t - time vector
0.8 % x - input samples
Amplitude
% f - frequency vector
0.6
% Pf - estimated PSD of x
0.4 % written by Nguyen Duc Nhan
0.2
Ns = length(x);
0
0 50 100 150 200 250
Ts = t(2)-t(1);
Sample index
-2
10 f = (-Ns/2:Ns/2-1)/(Ns*Ts); % freq. vector
Pf = fft(x,Ns);
Pf = fftshift(Pf)/Ns;
10
-4 Pf = abs(Pf).^2;
PSD
>> t = 0:255;
-6
>> x = zeros(1,length(t));
10 >> x(1:20) = 1;
>> plot(t,x);grid;
>> [f,Xf] = spectrocal(t,x);
10
-8 >> semilogy(f,Xf);grid;
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Frequency
149
– Tính toán PSD của một tín hiệu:
1.2 function y = butterwflt(x,n,B,Ts)
1
% Function bo loc butterworth
% B - filter bandwidth
0.8 % Ts - sampling time
Amplitude
% n - filter order
0.6
% y - filtered output
0.4 Ns = length(x);
% Frequency domain
0.2
f = [0:Ns/2-1 -Ns/2:-1]/(Ns*Ts);
0
0 50 100 150 200 250
Xf = fft(x);
-2
Sample index Hf = 1./(1+(f./B).^(2*n)); % transfer func.
10 Yf = Xf.*Hf;
% Convert into time domain
y = ifft(Yf);
-4
10
PSD
>> y = butterwflt(x,1,0.2,1);
10
-6
>> [f,Xf]=spectrocal(t,y);
>> semilogy(f,Xf); grid;
>> figure(2);
10
-8
>> plot(t,x,t,y); grid;
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Frequency
150
• Tạo dạng xung:
– Mỗi xung đơn dạng sóng trong các hệ thống truyền dẫn số
thường được yêu cầu thỏa mãn 2 điều kiện quan trọng về:
• Băng thông
• Chuyển tiếp qua 0 (zero crossings)
– Nyquist đã chứng minh rằng: một xung p(t) có zero crossing mỗi
chu kì Tb = 1/Rb nếu khai triển P(f) đáp ứng các ràng buộc sau:

 P( f + kR ) = T
k =−
b b f  Rb 2
– Một họ P(f) đáp ứng tiêu chuẩn Nyquist là họ raised cosine:

 Tb , f  Rb 2 − 

 
P( f ) = Tb cos 2 (
4 
)
f − R2b +  , Rb 2 −   f  Rb 2 + 

 0, f  Rb 2 + 
Trong đó  là tham số băng tần trội (hệ số rolloff) và P(f) bị giới hạn băng tới +(Rb/2).
151
– Đáp ứng xung kim của họ raised cosine:
cos2 t  sin  Rbt 
p(t ) = 2  
1 − ( 4 t )   Rbt 
1 1
 =0 0.8
0.8
 = 0.25 0.6
0.6
0.4
P(f)
0.4 p(t) 0.2
 = 0.5 0
0.2
-0.2
0 -0.4
0 0.2 0.4 0.6 0.8 1 1.2 0 0.5 1 1.5 2 2.5 3
f/Tb
t/Tb
152
– Ví dụ bộ lọc raised cosine: function y = raisedcosflt(x,Rb,Ts,beta)
1.2
% Function bo loc raised cosine
1 % x - input samples
0.8
% Rb - filter bandwidth
% Ts - sampling time
Amplitude
0.6
% beta - rolloff factor
0.4  = 0.5 % y - filtered output
Ns = length(x);
0.2
Tb = 1/Rb;
0 beta = beta*Rb;
-0.2
% Frequency domain
0 0.5 1 1.5 2 2.5 3 3.5 4 f = [0:Ns/2-1 -Ns/2:-1]/(Ns*Ts);
Time (s) x 10
-6
1.2
Xf = fft(x);
Yf = zeros(size(Xf));
1 ind = (abs(f)<=(Rb/2-beta));
0.8 Yf(ind) = Xf(ind).*Tb;
ind = (abs(f)<=(Rb/2+beta)&abs(f)>(Rb/2-beta));
 = 0.25
Amplitude
0.6
Yf(ind) = Xf(ind).*(Tb*cos(pi/(4*beta)*...
0.4 (abs(f(ind))-Rb/2+beta)).^2);
0.2
ind = (abs(f)>(Rb/2+beta));
Yf(ind) = Xf(ind).*0;
0 % Convert into time domain
-0.2 y = ifft(Yf)./Tb;
0 0.5 1 1.5 2 2.5 3 3.5 4
Time (s) x 10
-6
153
– Trong MATLAB có thể sử dụng các hàm cho quá trình lọc trong
signal processing toolbox:
– Ví dụ sử dụng hàm filter:
y = filter(b,a,x) Trong đó a, b là các vectơ chứa các hệ số của bộ lọc
y(n) = b(1)*x(n) + b(2)*x(n-1) + ... + b(nb+1)*x(n-nb)

- a(2)*y(n-1) - ... - a(na+1)*y(n-na)
– Một số kiểu bộ lọc sẵn có:

• Bộ lọc butterworth: [b,a] = butter(n,Wn)
• Bộ lọc bessel: [b,a] = besself(n,Wo)
• Bộ lọc chebyshev: [b,a] = cheby1(n,R,Wp) và [b,a] = cheby2(n,R,Wst)
• Bộ lọc raised cosine: y = rcosflt(x,Fd,Fs)
154
• Bộ lọc phối hợp (matched filters):
– Xét bài toán thu được hoặc không thu được một xung có dạng
p(t) từ tín hiệu quan sát y(t):
 p(t ) + N (t )
 N(t) – nhiễu cộng có trung bình 0.
y (t ) =  or
 N (t )

Xử lý y(t) để quyết định có hay không có p(t) trong khoảng chu kỳ T.

z =  y ( )h(T −  )d
T
– Xử lý y(t) thu được: 0
– Xác suất lỗi trung bình nhỏ nhất khi bộ lọc có hàm truyền:
H ( f ) = KP* ( f )exp( j 2 fT )
→ z = 0 y ( )h(T −  )d = 0 y ( ) p( )d

T T
→ đáp ứng xung: h(t ) = p(T − t )
Đáp ứng xung phối hợp với p(t).
155
• Bộ lọc phối hợp (matched filters):
– Bộ lọc phối hợp cho một tín hiệu điều chế tuyến tính sử dụng
dạng xung p(t):
– Khi p(t) có dạng xung vuông đơn vị → z là tích phân của tín hiệu
đầu vào.
– Quá trình lấy tích phân được bắt đầu thực hiện tại đầu mỗi
khoảng chu kì → bộ lọc integrate-and-dump (I&D).
156
• Quá trình đồng bộ trong mô phỏng:
– Xem xét sự ảnh hưởng của đồng bộ đến hiệu năng của hệ
thống. ˆ ˆ
Clock@ ˆ
N(t)
S(t) S(t)
d(t)
LPF Decision Pe (ˆ,ˆ) General
Pe (ˆ,ˆ)
system
N(t)
C(t)
– Có các cách tiếp cận khác nhau:

• Dạng cấu trúc
• Dạng mô tả thống kê
– Tại bộ thu, quá trình đồng bộ bao gồm:

• Khôi phục sóng mang
• Khôi phục đồng hồ (tín hiệu định thời)
157
• Mô phỏng mạch vòng khóa pha PLL:
– PLL được mô tả bởi ptr. vi phân phi tuyến
– Bộ lọc vòng bậc 2:
2 A cos  2 fct +  (t ) + N (t ) Loop filter
K1F(s)
Sơ đồ khối PLL cơ bản 2K3 sin 2 fct + ˆ(t ) 
VCO
K2 (rad/s)/volt
 (t )  (t )
A sin ( ) e(t )
ˆ(t )
Mô tả tương đương trong miền pha
v(t )
K2 K1K3F(s)
s
158
• Mô phỏng mạch vòng khóa pha PLL:
– Hàm truyền bộ lọc vòng:
s 2 + 1 1 Bộ lọc thụ động
F ( s) = Với 1 = 
s1 + 1 0 Bộ lọc tích cực
– PLL mở rộng: v(t ) = ( K1K3 1 )[ 2 y(t ) + y(t )]

ˆ(t ) = ( K1 K 2 K3  1 )[ 2 y (t ) + y (t )]
 (t ) =  (t ) − ˆ(t ) =  (t ) − ( K1K 2 K3  1 )[ 2 y(t ) + y(t )]
e(t ) = A sin  (t ) − ( K1K 2 K 3  1 )[ 2 y (t ) + y (t )]
y(t ) = e(t ) − (1 1 ) y(t )
Đặt các hằng số:

− K1K 2 K3 2 − K1K2 K3 1
c1 = c2 = c3 = −
1 1 1
→ y (t ) = A sin  (t ) + c1 y (t ) + c2 y (t )  + c3 y (t )
159
31. Viết chương trình MATLAB tạo chuỗi bit ngẫu nhiên phân bố đều có
độ dài 128 bit. Sau đó thực hiện chuyển đổi chuỗi bit này thành các
giá trị thập phân trong dải từ [0,15].
– Gợi ý: Chuyển đổi vector hàng thành ma trận mx4, sau đó dùng hàm bi2de để chuyển
đổi sang dạng thập phân.
32. Xây dựng các function để nén và giải nén tín hiệu theo luật A có dạng
cấu trúc sau:
function [y,amax] = alaw(x,A) và function x = invalaw(y,A)
33. Viết chương trình mã hóa tín hiệu x = 2cos(4t) tại tần số lấy mẫu fs =
20 Hz sử dụng quá trình PCM theo luật A với 8 mức lượng tử. Hãy xác
đinh từ mã đầu ra của 5 mẫu đầu tiên. Vẽ biểu diễn tín hiệu gốc ban
đầu, tín hiệu được lấy mẫu và tín hiệu được lượng tử hóa trên cùng
một hình. (Sử dụng các function đã xây dựng của bài tập trên)
34. Xây dựng function để chuyển đổi chuỗi bit dữ liệu đầu vào thành mã
đường RZ đơn cực.
Sử dụng function này để mã hóa RZ và biểu diễn dạng sóng của chuỗi
bit [0 1 1 0 1 0 1 0] tại tốc độ 1 Mbit/s.
160
35. Viết chương trình MATLAB xác định các từ mã đầu ra của bộ mã hóa
khối có tốc độ 4/7. Biết ma trận tạo mã có dạng:
1 0 0 0 1 1 1
0 1 0 0 1 1 0
0 0 1 0 1 0 1
0 0 0 1 0 0 1
36. Viết function để tạo chuỗi xung tam giác đầu ra. Biết trong một chu kỳ
dạng xung được biểu diễn bởi hàm sau:
1 − (t − Tw ) Tw , 0  t  Tp Với Tw = Tp/2
p(t ) =

 0, t khác Tp – chu kì xung
37. Cho tín hiệu tương tự được mô tả bởi công thức sau:
s(t ) = 2cos(20 t + /4)+cos(30 t )
Viết chương trình thực hiện điều chế biên độ tín hiệu bằng sóng mang
fc = 300 Hz. Vẽ dạng sóng tín hiệu bản tin ban đầu và tín hiệu được
điều chế.
Giải điều chế tín hiệu trên bằng kỹ thuật phù hợp và vẽ dạng sóng tín
hiệu sau khi được giải điều chế.
161
38. Tạo chuỗi bit ngẫu nhiên có độ dài 5000 bits. Chuyển đổi chuỗi bit
này thành dạng sóng mã đường NRZ lưỡng cực tại tốc độ 100
Mbit/s. Sử dụng bộ lọc raised cosine có độ rộng băng tần 300 MHz
và hệ số rolloff bằng 0.5 để lọc chuỗi tín hiệu NRZ này. Vẽ biểu
diễn dạng sóng tín hiệu trên 10 chu kỳ bit trước và sau khi lọc tín
hiệu. Vẽ biểu đồ mắt của tín hiệu sau khi lọc trên cửa sổ 2 chu kỳ
bit. (Sử dụng hàm eyediagram để vẽ mẫu mắt).
39. Tương tự bài tập 38, sử dụng bộ lọc butterworth có tần số cắt
khoảng 250 MHz để lọc tín hiệu. (Sử dụng các hàm butter và filter
trong signal processing toolbox).
40. Tạo chuỗi ký tự ngẫu nhiên có độ dài 1000 ký tự để thực hiện điều
biến BPSK. Hãy viết chương trình biểu diễn dạng sóng đường bao
phức của tín hiệu điều biến BPSK tại tốc độ 10 Mb/s bởi các xung
raised cosine được mô tả bởi hàm sau:   2 t  
p(t ) = 1 − cos  
0t T
  T 
Vẽ dạng phổ của tín hiệu được điều biến.
162
163
• Mô phỏng kênh thông tin:
– Mô hình kênh: mô tả sự suy giảm tín hiệu phát trải qua trên
đường truyền tới bộ thu.
– Mô hình kênh được xác định từ:
• Đo đạc thực nghiệm
• Lý thuyết truyền sóng trong môi trường vật lý
– Các kênh thông tin:

• Hữu tuyến
• Vô tuyến
– Các mô hình mô phỏng:

• Mô hình hàm truyền đạt cho kênh bất biến theo thời gian
• Mô hình đường trễ rẽ nhánh cho kênh biến đổi theo thời gian
164
• Nhiễu AWGN:
– AWGN: Additive White Gaussian Noise – Nhiễu Gauss trắng
cộng.
– Trong hầu hết các hệ thống thông tin: nhiễu được mô tả như là
AWGN
• Tính cộng: kênh cộng thêm nhiễu vào tín hiệu được phát đi
• Trắng: mô tả tương quan thời gian của nhiễu
• Gaussian: phân bố xác suất là phân bố chuẩn hoặc Gauss
– Nhiễu tương đương băng gốc: có giá trị phức

• Các thành phần nhiễu đồng pha NI(t) và vuông pha NQ(t) được mô phỏng
một cách độc lập (nhiễu đối xứng tròn)
165
• Nhiễu trắng:
– Thuật ngữ “trắng” mô tả cụ thể rằng:
• Trung bình của nhiễu bằng 0 (zero)
• Hàm tự tương quan của nhiễu thời gian của nhiễu
→ các mẫu nhiễu phân biệt là độc lập nhau

• Hàm tự tương quan cũng chỉ ra rằng các mẫu nhiễu có phương sai vô hạn
– Nhiễu cần được lọc trước khi được lấy mẫu
– Mỗi thành phần nhiễu đồng pha và vuông pha có tự tương quan
– Thuật ngữ “trắng” liên quan đến tính chất phổ của nhiễu
• PSD của nhiễu trắng là không đổi ở tất cả các thành phần tần số
166
• Tạo nhiễu Gaussian:
– Để mô phỏng nhiễu cộng, cần tạo các mẫu nhiễu Gaussian
– Trong MATLAB có thể sử dụng hàm randn cho mục đích này
• Tạo ra N mẫu nhiễu Gaussian phức độc lập nhau có phương sai là VarN
Noise = sqrt(VarN/2) * (randn(1,N) + j * randn(1,N))
function yNoise = addnoise(yClean,VarN)

• Phần thực và ảo, mỗi phần có % This function adds Gaussian noise into
phương sai VarN/2 → Phương % the input signal.
% yClean - the input signal
sai nhiễu tổng cộng là VarN % VarN - the variance of noise
% yNoise - the noisy signal output
• Phương sai nhiễu có thể được
if (isreal(yClean))
xác định từ công suất tín hiệu và yNoise = yClean + sqrt(VarN)*randn(size(yClean));
else
tỉ số SNR yêu cầu. yNoise = yClean + sqrt(VarN/2) ...
*(randn(size(yClean))+j*randn(size(yClean)));
• Có thể dùng các hàm sẵn có end
trong MATLAB: awgn, wgn
167
• Tạo nhiễu Gaussian:
2
1.5 % Vi du ve kenh AWGN

d = randint(1,100); % Message data
1
% NRZ coding
0.5 [t,x] = nrzcode(d,1e6,2000,'pol');
Amplitude
0 Ts = t(2)-t(1); % sampling time

% pulse shaping
-0.5
xp = raisedcosflt(x,1.5e6,Ts,0.5);
-1 % Transmit through AWGN channel
-1.5 SNRdB = 10; % dB
SNR = 10^(SNRdB/10);
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 varn = var(xp)/SNR; % computing
Time (s) x 10
-4
Eye Diagram Eye Diagram

variance of noise
xnoise = addnoise(xp,varn);
1.5 2
1 1.5
% Display
0.5
1
plot(t,xp,'rx',t,xnoise);grid;
xlabel('Time (s)');
0.5
Amplitude
Amplitude
ylabel('Amplitude');
0
-0.5 -0.5
eyediagram(xp,40);
-1
-1
eyediagram(xnoise,40);
-1.5
-1.5
-0.5 0 0.5 -2
Time -0.5 0 0.5
Time
168
• Mô hình kênh hữu tuyến:
– Kênh hữu tuyến bao gồm:
• Cáp xoắn đôi, cáp đồng trục
• Sợi quang
• Ống dẫn sóng
– Đối với các kênh hữu tuyến: được mô hình hóa là các hệ thống
tuyến tính không thay đổi theo thời gian và được đặc trưng bởi
hàm truyền đạt.
→ Xác định hàm truyền đạt H(f) khi lập mô hình mô phỏng
R( f ) = S ( f ) H ( f ) + N ( f )
– Hàm truyền đạt xác định quan hệ vào/ra của kênh: là hàm của
khoảng cách truyền dẫn và tần số điều chế.
169
• Mô hình kênh vô tuyến:
– Kênh vô tuyến: một số yếu tố ảnh hưởng
• Nhiễu: tín hiệu ngẫu nhiên cộng thêm vào tín hiệu thu được
– Chủ yếu do nhiễu nhiệt từ các thành phần điện tử trong bộ thu
– Cũng có thể mô hình hóa sự giao thoa từ các nguồn phát khác trong lân cận bộ thu
– Mô hình thống kê được sử dụng để mô tả nhiễu
• Méo dạng: quá trình lọc không mong muốn trong quá trình truyền sóng
– Chủ yếu do truyền đa đường (multipath)
– Cả hai mô hình xác định và thống kê đều có thể sử dụng phụ thuộc vào định cỡ thời gian quan tâm
– Bản chất và tính động của méo dạng là sự khác biệt quan trọng đối với hệ thống hữu tuyến
– Kênh pha đinh đa đường (multipath fading):

• Tín hiệu từ bộ phát truyền tới bộ thu trên nhiều đường, mỗi đường có suy hao và
độ trễ khác nhau
• Tín hiệu thu là tổng của các tín hiệu này
• Hiệu ứng: quá trình lọc tín hiệu phát không mong muốn
170
– Trong thông tin di động, các đặc tính kênh đa đường biến đổi
nhanh → pha đinh
• Fading cơ bản vì sự thay đổi pha do thay đổi độ trễ đối với các đường
truyền khác nhau
• Fading băng hẹp
• Fading băng rộng
– Đặc tính thống kê của kênh vô tuyến:

• Dịch phổ Doppler (Doppler spectrum)
• Trải trễ (delay spread)
• Thời gian kết hợp (coherence time)
• Băng tần kết hợp (coherence bandwidth)
171
– Tổn hao tuyến: Lp liên hệ giữa công suất thu Pr và công suất
phát Pt
• Gt, Gr là độ lợi của antenna
– Truyền trong không gian tự do: Lp được xác định bởi công thức
Friis
• Theo dB:
• Ví dụ: fc = 1 GHz, d = 1 km
172
– Kênh 2 tia:
• Gồm 2 tia truyền:
– Tia truyền trực tiếp
– Tia phản xạ
• Phụ thuộc khoảng cách d, các tín hiệu thu được trên 2 tuyến sẽ giao thoa
cộng hưởng hoặc triệt tiêu
• Tổn hao tuyến:
• Đối với d >> hbhm → gần đúng
173
– Mô hình Okumura-Hata: mô hình tổn hao tuyến thực nghiệm
• Mô hình khác nhau giữa các khu vực:
– Đô thị
– Nông thôn
– Các khu vực rộng lớn
– Các thành phố lớn, trung bình và nhỏ
• Mô hình khu vực đô thị
Trong đó:
174
– Công suất tín hiệu và nhiễu:
• Công suất tín hiệu thu được:
Trong đó LR là tổn hao bổ sung ~ 2-3 dB
• Công suất nhiễu:
Trong đó:
- k – hằng số Boltzmann (1.38.10-23 Ws/K)
- T0 – nhiệt độ K (tại nhiệt độ phòng T0 = 290 K) → kT0 = 4.10-21 W/Hz = -174 dBm/Hz
- Bw – độ rộng băng tần của tín hiệu
- F – hình ảnh (hệ số) nhiễu của bộ thu (điển hình 5 dB)
175
– Tỉ số tín hiệu trên nhiễu SNR:
• Tỉ lệ giữa công suất tín hiệu thu và công suất nhiễu:
– Tỉ số Es/N0:
• Đối với hiệu năng của hệ thống viễn thông được đo qua tốc độ lỗi ký hiệu, tỉ lệ năng
lượng tín hiệu Es và mật độ phổ công suất nhiễu N0 hay sử dụng hơn.
• Vì Es = Pr.Ts và →
• Es/N0 được xác định: Ts, Rs là chu kỳ và tốc độ

ký hiệu tương ứng
• Theo dB:
176
-60
Path Loss (dB)
-80
-100
-120
1.05
3
10
1
2
10
Frequency (GHz) 0.95 1

Distance (m)
10
Tổn hao đường truyền trên một bề mặt phản xạ phẳng
177
• Mô hình kênh fading đa đường:
– Tín hiệu phát truyền từ bộ phát tới bộ thu trên nhiều đường khác
nhau.
– Các đường này có đặc tính khác nhau về:
• Suy hao đường truyền ak
• Độ trễ đường k
• Độ dịch pha k
• Góc tới k
– Từ các tham số trên → xác định đáp ứng xung của kênh (tương
đương băng gốc):
• Độ trễ k cũng đóng góp vào độ dịch pha k

178
– Tín hiệu thu được: tích chập giữa tín hiệu phát và đáp ứng xung
• Tín hiệu thu bao gồm nhiều bản sao của tín hiệu phát đã được:
– Định cỡ bởi
– Trễ bởi k
– Đáp ứng tần của kênh:
• Đối với một tần số xác định f, đáp ứng tần là tổng của các số phức
• Khi các số hạng này cộng triệt tiêu nhau, đáp ứng tần là rất nhỏ hoặc thậm
chí bằng 0 tại tần số đó
• Các điểm null trong đáp ứng tần của kênh là điển hình trong thông tin vô
tuyến và được xem như là pha đinh lựa chọn tần số.
179
– Thực hiện trong MATLAB:
HH = PropData.Field.*exp(-j*2*pi*fc*tau) * exp(-j*2*pi*tau'*ff);
• Chú ý: tau’*ff là phép nhân ma trận và tích của hai hàm mũ exp cũng là
-5
x 10
nhân ma trận → tạo ra phép tính tổng trong biểu thức đáp ứng tần.
4 -78
3 -80
Attenuation
2 -82
|Frequency Response| (dB)

-84
1
-86
0
0.8 1 1.2 1.4 1.6 1.8 2
-88
Delay (s)
4 -90
-92
2
Phase Shift/
-94
0
-96
-2
-98
-4 -5 -4 -3 -2 -1 0 1 2 3 4 5
0.8 1 1.2 1.4 1.6 1.8 2 Frequency (MHz)
Delay (s)
Đáp ứng xung của kênh cho thấy suy hao, trễ và Đáp ứng tần của một kênh đa đường được
pha của mỗi đường giữa bộ thu và bộ phát đặc trưng bởi các điểm notch.
180
– Hiệu ứng đa đường: được mô phỏng bởi bộ lọc FIR (đường dây
trễ nhánh)
• Số lượng nhánh của bộ lọc được xác định bởi tích trải trễ và tốc độ mẫu.
• Các nhánh là ngẫu nhiên theo một phân bố xác định (Gaussian)
• Độ lớn trọng số của nhánh phản ánh mặt cắt trễ công suất
• Các nhánh biến đổi theo thời gian (dịch Doppler)
181
• Mô hình kênh rời rạc:
– Mô phỏng trên cơ sở từng symbol.
– Mô hình kênh rời rạc: bao hàm tất cả các phần tử của hệ thống
truyền thông giữa 2 điểm A và B
Information dk Encoder A
Tx
B
Channel Rx Decoder
source d’k
Discrete Channel Model
• Đầu vào tại A: vectơ các ký hiệu rời rạc X = [x1, x2, ...]
• Đầu ra tại B: vectơ các ký hiệu rời rạc Y = [y1, y2, ...]
– Các mô hình kênh rời rạc mô tả cơ chế tạo lỗi có thể xảy ra:
• Kênh rời rạc không nhớ: chuyển tiếp các ký hiệu vào/ra không tương quan
về thời gian.
• Kênh rời rạc có nhớ: có tương quan về thời gian.
182
• Mô hình kênh rời rạc:
– Mô hình kênh rời rạc có hiệu quả tính toán cao hơn:
• Tốc độ mẫu thấp hơn: tốc độ ký hiệu
• Mức độ trừu tượng hóa (rút gọn) cao hơn
• Được sử dụng cho thiết kế và phân tích các bộ mã hóa sửa lỗi,
interleavers,... và cho mô phỏng mạng.
– Mô hình kênh rời rạc không nhớ:
• Kênh đối xứng nhị phân (BSC)
• Kênh bất đối xứng nhị phân
• Kênh nhiều đầu vào và đầu ra
– Mô hình Markov cho kênh rời rạc có nhớ: Mô hình Markov ẩn
• Mô hình Markov 2 trạng thái (Mô hình Gilbert)
• Mô hình Markov N trạng thái
• Mô hình Markov bậc 1.
183
184
• Ước tính mức sóng trung bình:
– Đối với dạng sóng X(t) → được lấy mẫu X(kTs)  Xk.
1 N
• Mức trung bình:  =  Xk
N k =1
Volt
X(kTs)
T (s)
– Kỳ vọng của ước tính:

1 N  1 N 1 N
E (  ) = E   Xk  =  E ( Xk ) =  E ( X ) = E ( X )
 N k =1  N k =1 N k =1
– Phương sai của ước tính:

Var (  ) = E (  − E (  ) ) =
N N
1
 C (i, j )
2
 X2 X2 - phương sai của quá trình,

2 XX
N
Var (  ) 
i =1 j =1
N – sô lượng mẫu độc lập
(
C XX ( i, j ) = E  X i − E ( X i )  X j − E ( X j ) ) N
185
• Ước tính công suất trung bình:
– Bộ ước tính công suất trung bình:
1 N 2
PN ( X ) =  X k
N k =1
1 N
• Đặt Y (t ) = X (t )
2
→ Y = Yk
N k =1
Power Y(kTs)
T (s)
– Kỳ vọng của ước tính:

E( Y ) = E ( P ( X )) = E ( X )
N
2
– Phương sai của ước tính:

Var ( Y ) = E( Y −E( Y ))
2
186
• Bộ ước tính:
– Tín hiệu đầu ra hệ thống: x = s0 + n0
– Tín hiệu: s0 = As
• Trong đó: s(t −  ), 0t T or s(iTs − ), i = 1, 2, ..., N
s = 
 0, khác
– Nhiễu: sai số trung bình bình phương → tối thiểu hóa

2 = ( x − As )
2
– Công suất trung bình N điểm:

1 N 2
2
s =  s (kTs −  )
N k =1
– Ước tính SNR:
s02
SNR =
2
187
• Phương pháp Monte-Carlo:
– Mô phỏng Monte-Carlo: tính toán dựa vào việc lấy mẫu ngẫu
nhiên lặp lại.
– Đối tượng mô phỏng Monte-Carlo: để đánh giá tỉ số lỗi ký hiệu
(symbol error rate) mà hệ thống có thể thực hiện được
– Ý tưởng đằng sau mô phỏng Monte-Carlo: đơn giản
• Mô phỏng hệ thống lặp lại
• Mỗi lần chạy mô phỏng, đếm số lượng ký hiệu được phát đi và số lượng lỗi
ký hiệu
• Ước tính tốc độ lỗi ký hiệu như là tỉ lệ giữa tổng số lỗi quan sát được trên
tổng số ký hiệu phát đi
→ Cấu trúc đơn giản để mô phỏng Monte-Carlo
188
– Bên trong vòng lặp:
• Thực hiện mô phỏng hệ thống
• Đếm các đại lượng tham số quan tâm

% inner loop iterates until enough errors have been found
while ( ~Done )
NumErrors(kk) = NumErrors(kk) + MCSimple( Parameters );
NumSymbols(kk) = NumSymbols(kk) + Parameters.NSymbols;
% compute Stop condition

Done = NumErrors(kk) > MinErrors || NumSymbols(kk) > MaxSymbols;
end
– Vòng lặp thực hiện bao nhiêu lần là đủ ? → Phụ thuộc vào:
• Mức độ chính xác (độ tin cậy) mong muốn
• Tốc độ lỗi ký hiệu yêu cầu
189
– Khoảng tin cậy:
• Mong muốn là nhỏ, trong đó là ước tính lỗi bằng mô phỏng,
là tốc độ lỗi thực.
• Cụ thể, đảm bảo xác suất pc để là cao (ví dụ: pc = 95%)
Trong đó sc được gọi là khoảng tin cậy, nó phụ thuộc vào độ tin cậy pc, xác suất lỗi
Pe và số lượng ký hiệu phát.
• Nó được chứng minh rằng:
Trong đó zc phụ thuộc vào độ tin cậy pc
Cụ thể, Q(zc) = (1-pc)/2. Ví dụ: pc = 95%, zc = 1,96.
– Bao nhiêu mô phỏng cần phải chạy là đủ ? :

190
– Đối với mô phỏng Monte-Carlo, tiêu chuẩn dừng có thể được
xác định từ:
• Độ tin cậy pc mong muốn ( hay zc).
• Khoảng tin cậy sc có thể chấp nhận được
• Tốc độ lỗi Pe
– Giải phương trình tìm N ta có được:
• Mô phỏng Monte-Carlo dừng sau khi thực hiện mô phỏng truyền dẫn được
N ký hiệu.
• Ví dụ: Với pc = 95%, Pe = 10-3, và sc = 10-4 → N  400000.
191
– Khi mô phỏng các hệ thống truyền thông, tốc độ lỗi thường rất
nhỏ → đáng mong muốn để xác định khoảng tin cậy là một phần
nhỏ của tốc độ lỗi.
• Khoảng tin cậy có dạng sc = c.Pe (VD: c = 0,1 cho 10% sai số ước tính có
thể chấp nhận được)
– Biến đổi biểu thức tìm N và sắp xếp lại số hạng ta có được:
• Ở đây Pe.N là số lượng lỗi được kỳ vọng.
• Nghĩa là: mô phỏng sẽ dừng khi số lượng lỗi đạt đến (zc/c)2.
– Theo kinh nghiệm: Chạy mô phỏng cho đến khi khoảng 400 lỗi
xảy ra (pc = 95% và c = 10%)
192
% Thiết lập tham số cho mô phỏng;
...
EsOverN0dB = 0:0.5:9; % Thay đổi SNR từ 0 đến 9dB
MaxSymbols = 1e6; % Số symbol cực đại
...
% Xác định tham số dừng vòng lặp
...
MinErrors = ( ZValue/ConfIntSize )^2; %
...
% Các biến vòng lặp
NumErrors = zeros( size( EsOverN0dB ) );
NumSymbols = zeros( size( EsOverN0dB ) );
% Vòng lặp ngoài

for kk = 1:length( EsOverN0dB )
EsOverN0 = dB2lin( EsOverN0dB(kk) ); % Chuyển đổi SNR cho mỗi vòng lặp
Done = false; % Khởi tạo lại điều kiện dừng cho vòng lặp trong
% Vòng lặp trong
while ( ~Done )
...
Done = NumErrors(kk) > MinErrors || NumSymbols(kk) > MaxSymbols; % Tính điều kiện dừng
end
% Tính tốc độ lỗi
...
end
193
• Phương pháp bán giải tích:
– Giảm thời gian chạy mô phỏng
– Được thực hiện:.
• Phát một chuỗi PN thông qua hệ thống mô phỏng
• Tính xác suất lỗi trung bình dựa trên phương pháp giải tích thông qua đánh
giá hàm mật độ xác suất của mẫu thu được
– Đối với trường hợp đơn giản: hệ thống nhị phân

− vk
• Xác suất lỗi: pk = − f n ( )d = Fn (−vk )
vk = (1 −  k ) A
• Đối với nguồn nhiễu tương đương Gauss

pk = erfc  k 
1 v

2  2 
N
1
• Tốc độ lỗi tổng cộng: p=
N
p
k =1
k
194
• Một số phương pháp khác:
– Phương pháp ngoại suy đuôi (Tail extrapolation):
• Kỹ thuật cho phép mở rộng sự quan tâm
• Thực hiện xác định tốc độ lỗi tại chế độ lỗi cao: các ước tính có độ tin cậy
cao hơn
• Mở rộng các ước tính để dự đoán tốc độ lỗi tại những điều kiện SNR mà ở
đó tốc độ lỗi là nhỏ
– Phương pháp lấy mẫu quan trọng (Important sampling):

• Kỹ thuật để ước tính các tính chất của một phân bố xác định trong khi chỉ có
các mẫu từ một dạng phân bố khác.
• Thực hiện lấy mẫu các quá trình: các quá trình này đặc trưng cho các quá
trình khác nhau ảnh hưởng lên tín hiệu
195
196

Slides Mô Phỏng Hệ Thống Truyền Thông

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slides Mô Phỏng Hệ Thống Truyền Thông

Uploaded by

Copyright:

Available Formats

Bộ môn Tín hiệu và Hệ thống

Tư cách • 10% (Đánh giá dựa trên số

– Chương 1: Tổng quan về kỹ thuật mô phỏng

– Chương 2: Giới thiệu về MATLAB

– Chương 3: Giới thiệu về Simulink

– Chương 4: Mô phỏng tín hiệu và quá trình thu phát

– Chương 5: Mô phỏng kênh thông tin

– Chương 6: Ước tính tham số và đánh giá hiệu năng

Thời gian chạy mô phỏng

Lỗi mô hình hóa

Thấp Độ phức tạp mô hình Cao

Thiết bị và các mô hình Ảnh hưởng của độ phức tạp mô hình

Simulate waveform Time driven,

Interface Performance Data

Tính phân cấp trong các hệ thống truyền thông

Level 1 Level 1 Level 1

Level 2 Level 2 Level 2

Level 3 Level 3 Level 3

Cấu trúc phân cấp trong mô hình hóa

Information Source Channel Baseband Transmit RF Higher

Info. Source Channel Baseband Receive RF

Bandwidth Magnitude Coded Uncoded

wrt Memory wrt Data Rate

Fast Slow Fast Slow

Device Finite Storage;

Finite Run Time;

System Finite Sampling

Quá trình kiểm chứng

Synthesize Life Historical

Cửa sổ thư mục hiện tại

Cửa sổ lịch sử lệnh

>> vector = [1 5 -3]

>> thematrix = [3 1+2*i 2;4 0 -5]

3.0000 1.0000 + 2.0000i 2.0000

2. Khai triển ma trận M thành ma trận V 6x6:

3. Tính tích 2 ma trận: và

4. Dùng hoạt động ma trận để biến đổi từ

5. Tính ma trận đảo của M bằng phép chia

Sử dụng các toán tử quan hệ để đặt các số hạng trong ma trận

9. Tính giá trị của tín hiệu: với

10. Tính giá trị của tín hiệu: theo

12. Tính logarith cơ số 2 và 10 của vectơ:

– Vẽ đồ thị 2D: 1.5

– Vẽ đồ thị 2D: 1.5

• Các hàm đồ họa 1.5

– Các hàm 0.5

Detail of the cosine voltage with frequency 1 Hz

• Các hàm đồ họa 20

>> save 'C:\ndnhan\matlab7\thevars' var1 var2 -V6

>> E5 = eye(5) % Tạo ma trận đơn vị

1 0 0 0 0 % Xác định độ dài vector

% Xác định kích thước ma trận

Tạo vectơ z chỉ chứa các số nguyên từ vectơ y.

Các icon cho cấu

– Sử dụng lệnh help để kiểm tra sự tồn tại của hàm.

Các tham số đầu ra Các tham số đầu vào

>> [t,s1,c1,e1] = vidu2(3,5,4);

19. Viết một chương trình MATLAB có tên circle_prog.m để thực

for variable = expression k = 10;

bằng phương pháp midpoint với số lượng điểm N = 100.

h=(b-a)/N; % subinterval length

integral = integral*h; % normalizing with h

– Hệ thống được mô tả đầy đủ:

for k = 2:N % N – Number of steps

y(n) = b(1)x(n) + b(2)x(n-1) + ... + b(nb+1)*x(n-nb)