Адаптивный алгоритм обработки пространственно-временных сигналов для цифровой линии связи в среде с переотражениями тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат наук Легин Андрей Алексеевич

• Легин Андрей Алексеевич
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Легин Андрей Алексеевич

Введение

1. Построение и развитие систем связи

1.1. Предназначение беспроводных систем передачи данных

1.2. Системы связи с одной передающей и одной приемной антенной

1.3. Пространственно-временное кодирование (MIMO)

1.4. Пространственная фильтрация сигналов

1.5. Выводы

2. Модели канала, сигналов и шумов

2.1. Модель беспроводного канала связи

2.2. Модели сигналов и шумов, применяемых в системе беспроводной связи

2.3. Особенности применения MIMO-OFDM для передачи информации по беспроводному каналу

2.4. Выводы

3. Алгоритм обработки пространственно-временных сигналов в канале с переотражениями

3.1. Структурная схема приемопередающей системы связи

3.2. Алгоритм моделирования системы беспроводной связи

3.3. Адаптивный алгоритм обработки пространственно-временных сигналов

3.4. Помехоустойчивое кодирование в системах связи

3.5. Выводы

4. Анализ эффективности разработанного алгоритма на основе компьютерного моделирования

4.1. Моделирование импульсной характеристики беспроводного 99 канала

4.2. Моделирование системы беспроводной связи

4.3. Моделирование адаптивного алгоритма в составе системы

беспроводной связи

4.4. Моделирование системы связи с применением помехоустойчивого кодирования

4.5. Моделирование передачи изображения по беспроводному каналу

4.6. Выводы

Заключение

Список литературы

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Адаптивный алгоритм обработки пространственно-временных сигналов для цифровой линии связи в среде с переотражениями»

Введение

Актуальность темы. Развитие микроэлектроники, появление высокоскоростных цифровых процессоров обработки сигналов позволили разрабатывать и создавать сложные портативные системы для обработки информации. Особенно это отразилось на развитии и усовершенствовании беспроводных устройств в области радио- и гидросвязи, что позволило существенно улучшить качество предоставляемых услуг передачи данных в условия сложного характера распространения сигналов в среде. В первую очередь это привело к появлению стандартов сотовой связи третьего (3G) и четвертого (4G/LTE) [1] поколений, а также бурному развитию пятого (5G) [2 - 3]. Кроме сотовых сетей активно развиваются беспроводные сети, хорошим примером может служить стандарт 802.11 [4], который представляет собой набор спецификаций для беспроводных локальных сетей. Ярким примером является стандарт 802.11п [5], который отличается повышенной надежностью и основан на технологии пространственного мультиплексирования, где передача информации осуществляется за счет нескольких потоков в одном канале. Развитие беспроводных технологий не могло не затронуть гидроакустику, внимание к развитию устройств гидросвязи основано на растущем интересе к исследованию мирового океана для разведки, добычи полезных ископаемых со дна морей и океанов, обнаружение месторождений нефти, экологические исследования, проведение поисковых и спасательных работ. Особенно задача беспроводной гидроакустической связи актуальна для необитаемых подводных аппаратов, в которых дополнительно существует необходимость в передаче команд управления. Разработка беспроводных систем для различных сфер деятельности привело к вопросам улучшения помехоустойчивости путем использования различных алгоритмов кодирования, вторичной обработки сигналов с применением высокоскоростных процессоров цифровой

обработки сигналов, управление формированием характеристик направленности приемных и передающих антенн и т.д.

Исследования проблем разработки радио- и гидроакустических систем отражены в работах российских и зарубежных ученых: Тихвинский В.О, Бакулин М.Г, Чистяков Н. И, Агеев М. Д, Акуличев В. А, Бреховских Л. М, Тимошенко В. И, Кристофер К, Келлер Дж. Б, Боббер Р. Дж.

Основными разработчиками, которые имеют опыт в проектировании и исследовании радио- и гидроакустического оборудования, можно отнести такие организации как: АО «Концерн Гранит» (Россия) [6], АО «МНИИРС» (Россия) [7], ОАО "НПК "НИИДАР" (Россия) [8], Институт океанологии имени П.П. Ширшова РАН (Россия) [9], Институт проблем морских технологий Дальневосточного отделения Российской академии наук (Россия) [10], Опытно-Конструкторское Бюро Океанологической Техники РАН (Россия) [11], LinkQuest (США) [12], Evologics (Германия) [13].

К современным техническим комплексам связи, направленным на решение задач обмена данных и управления выдвигаются требования эффективного использования выделенной полосы частот, а также качественной и надежной связи между передатчиком и приемником. Для целей повышения эффективности использования спектрального ресурса на помощь приходят методы кодирования и пространственно-временной обработки сигналов с параллельной передачей информационных потоков [14], работа которых основана на использовании в качестве приемных антенн антенных решеток. Из теории радиосигналов так же известно, что такие антенны позволяют разделять сигналы по пространству за счет формирования характеристик направленности антенны, что применяется при адаптивной обработке. В приемную антенну поступают сигналы от множества источников, которые имеют различные угловые координаты, возникает задача пространственной фильтрации источников излучения в условиях априорной неопределенности направления на эти источники. Данный подход позволяет выделить только одно направление прихода

сигнала, а остальные подавить, что существенно снизит эффект от замираний и повысит качество связи при малых отношениях сигнал/шум. Поэтому развитие пространственно-временной адаптивной обработки сигналов является актуальным для современных беспроводных систем различного назначения, которые работают в условиях среды распространения сигналов с переотражениями.

Цель работы: повышение эффективности системы беспроводной передачи данных различного назначения в среде с переотражениями посредствам снижения вероятности битовой ошибки и увеличения пропускной способности на основе исследования пространственно-временных методов обработки сигналов и разработки адаптивного алгоритма.

Для достижения указанной цели в диссертации были поставлены и решены следующие задачи:

1. Исследовать технологию ортогонального частотного мультиплексирования и пространственного кодирования сигналов для систем беспроводной связи.

2. Разработать адаптивный алгоритм пространственной фильтрации сигналов с учетом переотражений в среде распространения.

3. Разработать компьютерную модели системы беспроводной связи и ее основных узлов.

4. Разработать многопутную трехмерную модель гидроакустической среды распространения, направленной на исследование адаптивного алгоритма.

5. Выполнить моделирование системы связи и разработанного адаптивного алгоритма на основе предложенной трехмерной модели канала.

6. Оценить эффективность разработанного адаптивного алгоритма при передаче, как одномерных сигналов, так и изображений.

Методы исследования: теория обработки пространственно-временных сигналов в антенных решетках, теория матричного анализа и линейной алгебры, компьютерное моделирование.

Научная новизна работы:

1. Разработан адаптивный алгоритм формирования пространственной характеристики направленности на основе весовой обработки сигналов с выхода антенной решетки, что позволяет снизить вероятность битовой ошибки и повысить спектральную эффективность в выделенной полосе частот для систем связи.

2. Предложена модифицированная трехмерная модель гидроакустического канала, в которой учитывается геометрическая конфигурация антенной системы, возможность движения, как передатчика, так и приемника, а также переотражения от подводных объектов.

3. Предложены пространственные методы кодирования и многочастотные методы модуляции сигналов, которые совместно с адаптивным алгоритмом позволяют беспроводным системам устойчиво работать в условиях многопутного распространения сигналов, и позволяют повысить пропускную способность без расширения полосы частот, а так же снизить вероятность битовой ошибки.

Практическая значимость результатов. Предложенный адаптивный алгоритм не требует априорной информации о состоянии канала и направлении прихода сигнала, а также не требует передачи определенной обучающей последовательности для расчета весовых векторов. Практическая значимость адаптивных алгоритмов в гидроакустическом канале для системы SISO позволяет снизить вероятность битовой ошибки на 2 порядка при SNR=0 дБ, и на 4 порядка при отношении SNR=3 дБ. Для системы MIMO 2x2 вероятность ошибки снижается в 6,5 раз при SNR=15 дБ и в 25 раз при SNR=20 дБ. При отсутствии прямого пути при тех же отношения сигнал/шум

вероятность ошибки снижается в 13 и 75 раз соответственно. Для системы MIMO 2x2 с адаптацией пропускная способность при отношениях сигнал/шум 15 дБ и 25 дБ возрастает на 17,8% и на 25,7% соответственно по сравнению с системой связи без адаптивного алгоритма. Применение канального кодирования позволяет улучшить помехоустойчивость системы связи на 3-4 дБ, при снижении эффективной скорости передачи информации в 1,63 раза. Передача изображения по беспроводному каналу с применение алгоритма адаптации позволили добиться интегрального снижения нормированного значения среднеквадратической ошибки до значения 2,7-10-4 при SNR=0 дБ для системы SISO и до 4,6-Ю при SNR=10 дБ для системы MIMO 2x2.

Основные положения, выносимые на защиту:

1. Разработанный адаптивный алгоритм обработки сигналов для систем беспроводной связи на основе использования антенных решеток обеспечивает снижение вероятности битовой ошибки и повышение пропускной способности.

2. Созданная трехмерная модель гидроакустического канала для систем связи на основе антенных решеток, модифицированная с учетом отражений от подводных объектов и ревербераций позволяет исследовать алгоритмы передачи данных в зависимости от параметров системы и характеристик канала.

3. Разработанный адаптивный алгоритм обеспечивает повышение помехоустойчивости системы связи на основе SISO-OFDM и MIMO-OFDM, что подтверждается результатами моделирования.

4. Результаты исследования помехоустойчивости и пропускной способности беспроводного канала связи при передаче изображения с применением разработанного адаптивного алгоритма подтвердили его высокую эффективность.

Внедрение результатов. Результаты диссертационной работы внедрены в учебный процесс на кафедры теоретических основ радиотехники Южного федерального университета. Использованы в госбюджетной работе № 8.5591.2017/БЧ (№ ВнГр-07/2017-25), а так же в разработках ООО «СПЕЦСТРОЙ-СВЯЗЬ», г.Таганрог.

Апробация результатов. Представленные в диссертации результаты обсуждались на следующих конференциях:

1. Всероссийская научно-техническая конференция с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» КомТех-2015, г. Таганрог 2015 г.

2. Международная научная конференция «Излучение и рассеяние электромагнитных волн» ИРЭМВ-2015, 28 июня - 3 июля 2015 г., Таганрог-Дивноморское.

3. Всероссийская научно-техническая конференция с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» КомТех-2016, г. Таганрог 2016 г.

4. Международная научная конференция «Излучение и рассеяние электромагнитных волн» ИРЭМВ-2017, 26 июня-30 июня 2017 г., г. Геленджик (Геленджикский район, Краснодарский край, Россия)

5. Конференция Explore the Future of Electronic Imaging at the 29th Annual Symposium 2017 (IS&T International Symposium on Electronic Imaging (EI 2017)), Сан-Франциско, Калифорния, США, 29 января - 2 февраля 2017 г.

Публикации. По теме диссертации опубликовано 8 статей, из них 3 статьи в журналах перечня ВАК и 5 - в «Scopus» и «Web of Science», 1 монография, 2 свидетельства на регистрацию программы для ЭВМ.

Личный вклад. Все основные результаты диссертационной работы получены автором лично. Совместно с научным руководителем

Федосовым В. П. обсуждались и корректировались подходы к разработке, методы решения и результаты работы.

Структура диссертационной работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы и приложений. Объем основного текста диссертации составляет 148 страниц и содержит 64 рисунка и 10 таблиц.

1. Построение и развитие систем связи

1.1. Предназначение беспроводных систем передачи данных

В силу особенностей эксплуатации радио- и гидроакустических устройств основными техническими требованиями к ним являются обеспечение надежной связи (малой вероятности ошибки) и обеспечение высокой эффективности использования частотного ресурса (пропускной способности). Производительность таких комплексов зависит от качества обработки информации в реальном масштабе времени. Решение таких задач возлагается на программно-аппаратные средства, осуществляющие цифровую обработку и технические средства, которые выполняют функции приема и передачи. Системы беспроводной связи работаю условиях сложной картины распространения сигналов, когда в точку приема поступает множество копий полезного сигнала в результате отражений от различных поверхностей. В результате возникает интерференция и искажение переданной информации в приемной антенне, которая приводит к ухудшению качества связи. Поэтому возникает потребность в разработке алгоритмов, которые позволят передающим и приемным устройствам адаптироваться к конкретным условиям работы. В качестве параметров адаптивной работы системы может выступать динамическое изменение методов модуляции, применение канального кодирования, изменение мощности передатчика, формирование характеристики направленности антенны и т. д.

Среды передачи радио- и гидросигналов имеют свои особенности, но

многопутность присуща обеим. В радиосвязи сигналы могут отражаться от

земной поверхности, различных стационарных объектов (например, здания и

сооружения) или передвигающихся с определенной скоростью (например,

автомобили). В результате переотражений часть энергии теряется, а часть

достигает приемной антенны с амплитудными и фазовыми искажениями, а

11

также задержкой, вызывая замирания сигнала. Развитие радиотехнических устройств привело к проблеме острой нехватки частотного ресурса, которая может быть решена путем пересмотра уже существующих методов и алгоритмов обработки сигналов, а также применения новых подходов к построению систем связи, которые позволяют повысить эффективность использования частотных каналов. К таким методам можно отнести пространственное кодирование сигналов, которое позволяет увеличить полосу пропускания системы связи без расширения выделенного частотного диапазона [15], адаптивные алгоритмы обработки пространственно-временных сигналов, которые выполняют пространственную фильтрацию [16 - 17]. В отличие от свободного пространства гидроакустическая среда имеет ряд особенностей, которые отличают ее от радиосвязи. К таким особенностям можно отнести: малую скорость распространения гидроакустических волн, затухание, зависящее от расстояния и частоты, многопутное распространение, связанное с рефракцией и отражением гидроакустических волн. Из-за сильного затухания с ростом частоты используемых сигналов гидроакустическая техника имеет ограничение на дальность связи, и аналогично радиосвязи требует пересмотра существующих подходов к разработке технологий передачи данных, которые позволят повысить спектральную эффективность и помехоустойчивость [18].

Передача данных по беспроводному каналу позволяет быстро обеспечить обмен информацией между двумя объектами или организовать целую сеть. Беспроводная связь лучшим образом отвечает современным потребностям. В радиосвязи развитие беспроводных технологий связано с необходимостью обеспечить обмен данными между базовой и мобильной станцией, например мобильная связь или беспроводные локальные сети. В гидроакустике беспроводные технологии могут применяться для управления глубоководными необитаемыми аппаратами или передавать данные, полученные в процессе исследований. Современные достижения в области беспроводной связи неразрывно связаны с достижениями в других областях

науки, развитием микроэлектроники и появлением высокоскоростных цифровых процессоров, что позволило улучшить ситуацию с развитием аппаратуры за счет реализации сложных алгоритмов обработки сигналов в реальном масштабе времени. Например, развитие мобильной связи, беспроводных технологий передачи данных Wi-Fi и WiMax [4-5] обусловлено появлением быстродействующей, маломощной, малогабаритной и удобной в эксплуатации твердотельной электронной техникой. Развитие высокоскоростных процессоров обработки сигналов позволяют выполнять обработку большого количества данных в реальном масштабе времени, использовать помехоустойчивое кодирование, реализовывать сложные алгоритмы цифровой модуляции и кодирования, такие как CDMA (Code Division Multiple Access), TDMA (Time Division Multiple Access), OFDM (Orthogonal Frequency Division Multiplexing) и их разновидности. Задачей цифровых процессоров является обнаружение, оценка параметров передаваемых сигналов и извлечение информации. Дальнейшее повышение пропускной способности и качества услуг связи связано с активным развитием технологий пространственного кодирования, на котором основаны мобильные сети LTE [1] и беспроводные локальные сети стандарта 802.11n [19]. Алгоритмы пространственно-временной обработки радиосигналов продолжают развиваться, что отражено в различных работах [20 - 22].

Развитие радиосвязи повлияло на гидросвязь, которая все больше и больше в последнее время претерпевает изменения в алгоритмах обработки, кодирования и применяемых видов модуляции. Преимущества обработки гидроакустических сигналов заключается в меньших требованиях к блоку цифровой обработки, по сравнение с обработкой радиосигналов, это связано с тем, что несущая частота редко превышает 200 кГц, кроме параметрических систем [23]. Подводные аппараты для исследований шельфовой зоны, информационно-измерительные устройства представляют собой технические средства, которые осуществляют прием и обработку информации в реальном времени и имеют в своем составе приемо-передатчики для излучения и

регистрации гидроакустических сигналов, процессоры цифровой обработки. Основой таких систем могут являться цифровые сигнальные процессоры (DSP), высокопроизводительные микроконтроллеры и программируемые логические устройства (FPGA). Например, в работах [18, 24] представлены исследования гидроакустических устройств построенных на основе цифровых сигнальных процессоров, где представлено классическое построение систем связи SISO (Single Input - Single Output) и системы с пространственно-временным кодированием MIMO (Multiple Input - Multiple Output). Полученные результаты обеспечивают скорость передачи 3.2 кбит/с и 6.4 кбит/с для систем SISO и MIMO соответственно. При этом была достигнута передача данных в реальном времени с использованием сигнального процессора серии TMS320C67xx с плавающей и TMS320C64xx с фиксированной точкой, у которых ядро работает на частоте порядка 1 ГГц.

В радиосвязи цифровые системы практические вытеснили аналоговые, однако в гидроакустике все еще применяются аналоговые беспроводные модемы, которые, как правило, служат для передачи речи, например гидроакустический модем SP-100 D2 с однополосной модуляцией для связи с водолазами. Диссертация посвящена алгоритмам обработки цифровых сигналов, которые используются в беспроводных цифровых станциях, поэтому далее ограничимся рассмотрением только таких систем.

В качестве видов модуляции в гидроакустических системах могут применяться простые методы цифровой манипуляции [25] или шумоподобные сигналы [26]. Некоторые производители используют собственные наработки модуляции несущей. Например, компания Evologics используется модуляцию S2C (Sweep Spread Carrier) [27 - 28], данный метод позволяет эффективно работать в условиях канала с переотражениями. Компания LinkQuest для разработки и усовершенствования своих устройств использует собственную технологию BASS (Broadband Acoustic Spread Spectrum), которая использует гибридную схему модуляции и ложный эквалайзер для борьбы с многопутным распространением в сочетании с

помехоустойчивым кодированием и технологию DSSS (Direct Sequence Spread Spectrum) [29].

В таблице 1.1 для примера представлены характеристики гидроакустических комплексов компании Evologics и LinkQuest.

Таблица 1. 1

Сравнительные характеристики гидроакустических комплексов

Производитель Evologics, Германия LinkQuest, США LinkQuest, США

Название S2C M - HS UWM 1000 UWM 2200

Дальность, м 300 350 1000

Глубина, м 200 200 1000

Тип модуляции S2C BASS BASS

Диапазон частот, кГц 120-180 19-34 53.55-89.25

Скорость передачи, кбит/с до 65.5 битовый поток: до 17.8 информационный поток: до 7 битовый поток: до 35.7 информационный поток: до 14

Вероятность битовой ошибки ю-10 10-9 10-9

Антенна ненаправленная Направленная/ ненаправленная Направленная/ ненаправленная

Данные устройства обеспечивают высокую (для гидроакустики) скорость битового потока и малую вероятность битовой ошибки (BER - Bit Error Rate), что позволяет работать в среде с плохой помеховой обстановкой. Однако данные гидроакустические модемы не способны обеспечить высокую пропускную способность, например, для передачи видеоизображения, что является существенным недостатком применения таких устройств для исследований с использованием необитаемых аппаратов.

Системы беспроводной связи условно можно разделить по областям применения. Например, для операций управления, навигации и сбора телеметрической информации о состоянии объекта контроля по средствам информации с различных датчиков необходимо первым делом обеспечить низкую вероятность ошибки передачи сообщения порядка 10-4...10-5. При

этом скорость передачи имеет второстепенное значение. Если перед системой стоит задача передачи аудио- или видеоданных, то ситуация изменяется и первостепенным является скорость передачи данных, а вероятность битовой ошибки при этом может иметь значение порядка 10-2...10-3.

1.2. Системы связи с одной передающей и одной приемной антенной

1.2.1 Описание системы и применяемые виды модуляции. Системы SISO это классическое посторенние приемника и передатчика, где используется одна предающая и одна приемная антенна. Условия, в которых распространяются сигналы, может иметь множество переотражений. Такой случай, когда сигнал поступает в приемную антенну через разные пути, называется многопутностью. В результате сигнал в беспроводной среде распространения может быть рассмотрен, как сумма его принятых копий, приходящих по различным путям, каждая компонента, которого обладает, своей амплитудой, задержкой и фазой. Следуя центральной предельной теореме, принятый сигнал может быть представлен как гауссова случайная величина.

Импульсную характеристику многопутного канала можно описать в виде [30 - 31]:

h(t,t) = (t}ejcpi(t)s(z - ti(t)), (1.1)

i = о

где h - коэффициент ослабления сигнала i-го пути, ф - фаза сигнала i-го пути, Ti - задержка сигнала i-го пути, L - количество путей.

Сигнал в приемнике для такой системы будет описываться сверткой переданного сигнала с импульсной характеристикой канала

L-1

s(t) = X h(t,т-тi )x(t) + п(Г) = h(t,т) ® x(t) + п(0, (1.2)

i=0

где s(t) - сигнал, принятый антенной решеткой, - переданный сигнал, п- шум в каналах приемника.

Структурная схема описанной системы представлена на рисунке 1.1, где показан передатчик и приемник, который принимает сигнал по прямому пути и после двух отражений. При этом возможна такая ситуация, когда приемник находится в зоне тени и прямой путь (LoS-Line-of-Sight) отсутствует.

Рисунок 1.1 - Структурная схема системы связи SISO

Ранее в системах беспроводной связи преимущественно применялись

аналоговые виды модуляции [32], которые постепенно были вытеснены

цифровыми [33]. Цифровые методы манипуляции применяются для передачи

данных путем дискретного изменения фазы, частоты или амплитуды

несущего колебания. К распространенным видам модуляции можно отнести

BPSK (двоичная фазовая манипуляция), QPSK (квадратурная фазовая

манипуляция), в которых передача цифровой информации осуществляется

путем изменения фазы несущего колебания и QAM (квадратурная

амплитудная манипуляция) где дополнительно может, изменяется и

амплитуда несущей [33]. Комбинация различных фаз и амплитуд

представляет собой точку на сигнальном созвездии, которая называется

17

символом кодирования. Каждый символ кодирует п бит информации. Существуют разновидности описанных видов модуляции, такие как ЭРБК (относительная фазовая манипуляция), ОРРБК (квадратурная фазовая манипуляция со сдвигом) и другие.

После переноса битового потока на сигнальное созвездие скорость потока уменьшается, и на выходе получаем символьный поток, скорость которого меньше входного битового на величину

R

R= lOg^ б0Д/С' (13)

где R - скорость входного битового потока.

1.2.2 Технология ортогонального частотного

мультиплексирования. В предыдущем разделе речь шла о том, что среда распространения сигналов может быть многопутной, а это негативно сказывается на системах, где используются одночастотные виды модуляции. Потому что для одночастотных видов модуляции искажение даже малой части спектра приводит к полной потере информации. Ситуация с частичным искажением полосы частот возможна, когда частотная характеристика канала может иметь провалы на определенных частотах рисунок 1.2, на котором видно, что на частоте в районе 88 кГц имеется провал в частотной характеристике канала, в результате чего часть спектра сигнала будет искажена больше. В таких случаях переходят к многочастотным видам модуляции, таким как FDM (Frequency Division Multiplexing) или OFDM.

Системы на основе FDM крайне неэффективно используют выделенную полосу частот, так как требуют наличия межканального разнесения по частоте для предотвращения межканальной интерференции, интерференции на поднесущих ICI (Inter Carrier Interference).

0.2 - ...

0 I--1-1-

80 90 100 110 120

f, кГц

Рисунок 1.2 - Частотная характеристика канала с провалами по частоте

От этого недостатка избавлен многочастотный метод ортогонального частотного мультиплексирования OFDM, который позволяет расположить частотные подканалы на минимальном расстоянии, что позволяет эффективно использовать выделенную полосу частот, а ортогональность поднесущих между собой позволяет избежать интерференции. Использование OFDM позволяет разбить всю полосу частот на подканалы и передавать цифровые данные параллельно, в этом случае даже если часть спектра будет искажена, то передаваемая информация будет утеряна лишь частично. В результате можно сделать вывод, что в системе с модуляцией OFDM снижаются проблемы с замираниями, делая ее привлекательной для передачи данных по каналу с переотражениями.

Множество параллельных потоков формируются с помощью поднесущих в общей полосе частот, которые модулируются независимо, а затем передаются в едином OFDM-символе. Такой подход преобразует частотно-селективный канал в параллельные плоские подканалы. Поскольку расстояние между поднесущими минимально, то для возможности демодуляции необходимо сохранить ортогональность.

Список литературы диссертационного исследования кандидат наук Легин Андрей Алексеевич, 2019 год

Литература

1. Тихвинский В. О., Терентьев С. В., Юрчук А. Б. Сети мобильной связи LTE: технологии и архитектура. - М.: Эко-Трендз, - 2010. - Т. 284 с.

2. Федосов В. П., Емельяненко А. В., Рубцов Р. В. Научные задачи развертывания сети связи 5 поколения (5G) на основе сетей предыдущих поколений беспроводного доступа. Журнал «Телекоммуникации». - 2015. № 2 С. 2-9.

3. Andrews J. G., Buzzi S., Choi W., Hanly S. V., Lozano A., Soong A. C., Zhang J. C. What will 5G be? //IEEE Journal on selected areas in communications. - 2014. - Т. 32. - № 6. - С. 1065-1082.

4. Рошан П., Лиэри Д. Основы построения беспроводных локальных сетей стандарта 802.11. : Пер. с англ. - М.: Издательский дом «Вильямс», 2004 - 304 с.

5. Вишневский В. М., Портной С. Л., Шахнович И. В. Энциклопедия WiMAX Путь к 4G. Москва: Техносфера,. 2009. - 472 с.

6. Продукция АО «Концерн «Гранит-Электрон» и принципы, используемые в разработках Концерна [Электронный ресурс]. -Электрон.дан. - АО "Концерн "Гранит-Электрон" - Режим доступа: https://www.granit-electron.ru/ (дата обращения: 27.04.2018).

7. Научно-техническая деятельность АО «МНИИРС» [Электронный ресурс]. - Электрон. дан. - Московский Научно-Исследовательский Институт Радиосвязи - Режим доступа: http://mniirs.org/ (дата обращения: 27.04.2018).

8. Радиотехнические средства теле и радиовещания ОАО "НПК "НИИДАР" [Электронный ресурс]. - Электрон. дан. - Научно-исследовательский институт дальней радиосвязи - Режим доступа: http://www.niidar.ru/ (дата обращения: 27.04.2018).

9. Направления научных исследований [Электронный ресурс]. -Электрон. дан. - Институт океанологии им.П.П. Ширшова РАН - Режим

доступа: https://www.ocean.ru/index.php/deyatelnost/nauchnye-napravleniya (дата обращения: 27.04.2018).

10. Исследование и разработка необитаемых подводных робототехнических систем и комплексов [Электронный ресурс]. - Электрон. дан. - Институт проблем морских технологий ДВО РАН - Режим доступа: http: //www. imtp. febras. ru/podvodnaya-robototexnika. html (дата обращения: 27.04.2018).

11. Опытно-конструкторское бюро океанологической техники [Электронный ресурс]. - Электрон. дан. - ФГУП ОКБ ОТ РАН - Режим доступа: http://www.edboe.ru (дата обращения: 27.04.2018).

12. LinkQuest Underwater Acoustic Modem Models [Электронный ресурс]. -Электрон. дан. - LinkQuest Inc. - Режим доступа: http://www.link-quest.com/html/models1.htm (дата обращения: 27.04.2018).

13. Underwater Acoustic Modems [Электронный ресурс]. - Электрон. дан. -EvoLogics GmbH - Режим доступа: URL: https://www.evologics.de/en/ products/acoustics/index.html (дата обращения: 27.04.2018).

14. Alamouti S. M. A simple transmit diversity technique for wireless communications //IEEE Journal on selected areas in communications. - 1998. - Т. 16. - № 8. - С. 1451-1458.

15. Jankiraman M. Space-time codes and MIMO systems / Mohinder Jankiraman. - Artech House, 2004. - P. 344.

16. Монзинго Р. А., Миллер Т. У. Адаптивные антенные решеткиЖ Ввдедение в теорию: Пер. с англ. - М.: Радио и связь, 1986 - С. 448.

17. Ратынский М. В. Адаптация и сверхразрешение в антенных решетках. -М.: Радио и связь, 2003. - С. 200.

18. Yan H., Wan L., Zhou S., Shi Z., Cui J. H., Huang J., Zhou H. DSP implementation of SISO and MIMO OFDM acoustic modems //OCEANS 2010 IEEE-Sydney. - IEEE, 2010. - С. 1-6.

19. Щербаков В. Б., Ермаков С. А. Безопасность беспроводных сетей: стандарт IEEE 802.11 - М.: РадиоСофт, 2010, - С. 255.

20. Rusek F., Persson D., Lau B. K., Larsson E. G., Marzetta T. L., Edfors O., Tufvesson, F. Scaling up MIMO: Opportunities and challenges with very large arrays //IEEE signal processing magazine. - 2013. - Т. 30. - № 1. - С. 40-60.

21. Larsson E. G., Edfors O., Tufvesson F., Marzetta T. L. Massive MIMO for next generation wireless systems //IEEE communications magazine. - 2014. - Т. 52. - № 2. - С. 186-195.

22. Ding Z., Liu Y., Choi, J., Sun Q., Elkashlan M., Chih-Lin I., Poor H. V. Application of non-orthogonal multiple access in LTE and 5G networks //IEEE Communications Magazine. - 2017. - Т. 55. - № 2. - С. 185-191.

23. Воронин В. А., Тарасов С. П., Тимошенко В. И. Гидроакустические параметрические системы //Ростов-на-Дону: Ростиздат. - 2004. - Т. 414. -С. 200.

24. Yan H., Wan L., Zhou S., Shi Z., Cui J. H., Huang J., Zhou H. DSP based receiver implementation for OFDM acoustic modems //Physical Communication. -2012. - Т. 5. - № 1. - С. 22-32.

25. Курьянов Б. Ф., Пенкин М. М. Цифровая акустическая связь в мелком море для океанологических применений //Акустический журнал. - 2010. - Т. 56. - № 2. - С. 245-255.

26. Захаров Ю. В., Коданев В. П. Экспериментальные исследования акустической системы передачи информации с шумоподобными сигналами //Акустический журнал. - 1994. - Т. 40. - № 5. - С. 799-808.

27. Kebkal K. G., Bannasch R. Sweep-spread carrier for underwater communication over acoustic channels with strong multipath propagation //The Journal of the Acoustical Society of America. - 2002. - Т. 112. - № 5. - С. 20432052.

28. Marchetti L., Reggiannini R. An efficient receiver structure for sweep-spread-carrier underwater acoustic links //IEEE Journal of Oceanic Engineering. -2016. - Т. 41. - № 2. - С. 440-449.

29. Freitag L., Stojanovic M., Singh S., Johnson M. Analysis of channel effects on direct-sequence and frequency-hopped spread-spectrum acoustic

communication //IEEE journal of oceanic engineering. - 2001. - Т. 26. - № 4. -С. 586-593.

30. Нестеренко А. Н. Математическая модель MIMO-OFDM сигнала -Интернет-журнал Науковедение. - 2014. - № 4 (23). - С. 1-12.

31. Radosevic A., Ahmed R., Duman T. M., Proakis J. G, Stojanovic, M. Adaptive OFDM modulation for underwater acoustic communications: Design considerations and exblperimental results //IEEE Journal of Oceanic Engineering. - 2014. - Т. 39. - № 2. - С. 357-370.

32. Гоноровский И. С. Радиотехнические цепи и сигналы: учеб. пособие для вузов/ И. С. Гоноровский. - 5-е изд., испр. и доп. -М.: Дрофа, 2006. -С. 719.

33. Скляр Б. Цифровая связь: Теоретические основы и практическое применение. Изд 2-у, испр.: Пер. с англ.- М.: Издательский дом Вильямс, 2003 - С. 1104.

34. Cho Y. S., Kim J., Yang W. Y., Kang C. G. MIMO-OFDM wireless communications with MATLAB. - John Wiley & Sons, 2010 - P. 439.

35. Minn H., Zeng M., Bhargava V. K. On timing offset estimation for OFDM systems //IEEE Communications letters. - 2000. - Т. 4. - № 7. - С. 242-244.

36. Schmidl T. M., Cox D. C. Robust frequency and timing synchronization for OFDM //IEEE transactions on communications. - 1997. - Т. 45. - № 12. - С. 1613-1621.

37. Morelli M., Kuo C. C. J., Pun M. O. Synchronization techniques for orthogonal frequency division multiple access (OFDMA). Proceedings of the IEEE. - 2007. - Т. 95. - № 7. - С. 1394-1427.

38. Федосов В. П., Емельяненко А. В., Гладушенко С. Г., Поморцев П. М. Методы и алгоритмы многоканальной пространственной обработки широкополосных сигналов //Нелинейный мир. - 2012. - Т. 10. - № 11. -С. 731-737.

39. Dahlman E., Parkvall S., Skold J., Beming P. 3G evolution: HSPA and LTE for mobile broadband. - 2nd ed. - Academic press, 2010 - P. 448.

40. Jankiraman M. Space-time codes and MIMO systems / Mohinder Jankiraman. - Artech House, 2004 - P. 344.

41. Foschini G. J. Layered space-time architecture for wireless communication in a fading environment when using multi-element antennas //Bell labs technical journal. - 1996. - T. 1. - № 2. - C. 41-59.

42. Foschini G. J., Gans M. J. On limits of wireless communications in a fading environment when using multiple antennas //Wireless personal communications. -1998. - T. 6. - № 3. - C. 311-335.

43. Raleigh G. G., Cioffi J. M. Spatio-temporal coding for wireless communication //IEEE Transactions on communications. - 1998. - T. 46. - № 3. -C. 357-366.

44. Li B., Huang J., Zhou S., Ball K., Stojanovic M., Freitag L., Willett P. MIMO-OFDM for high-rate underwater acoustic communications //IEEE Journal of Oceanic Engineering. - 2009. - T. 34. - № 4. - C. 634-644.

45. Roy S., Duman T. M., McDonald V., Proakis J. G. High-rate communication for underwater acoustic channels using multiple transmitters and space-time coding: Receiver structures and experimental results //IEEE Journal of Oceanic Engineering. - 2007. - T. 32. - № 3. - C. 663-688.

46. Real G., Beaujean P. P., Bouvet P. J. MIMO underwater acoustic communications in ports and shallow waters at very high frequency //Journal of Sensor and Actuator Networks. - 2013. - T. 2. - № 4. - C. 700-716.

47. Wang Z., Giannakis G. B. Wireless multicarrier communications //IEEE signal processing magazine. - 2000. - T. 17. - № 3. - C. 29-48.

48. Stuber G. L., Barry J. R., Mclaughlin S. W., Li Y., Ingram M. A., Pratt T. G.. Broadband MIMO-OFDM wireless communications //Proceedings of the IEEE. - 2004. - T. 92. - № 2. - C. 271-294.

49. Li B., Zhou S., Stojanovic M., Freitag L., Willett P. Multicarrier communication over underwater acoustic channels with nonuniform Doppler shifts //IEEE Journal of Oceanic Engineering. - 2008. - T. 33. - № 2. - C. 198-209.

50. Piao D., Jiang B., Yu H., Sun C., Li Q. The effect of space-time joint correlation on the underwater acoustic MIMO capacity //Oceans 2005-Europe. -IEEE, 2005. - Т. 1. - С. 413-418.

51. Прокис Д. Цифровая связь. Пер. с англ. / Под ред. Д. Д. Кловского - М.: Радио и связь, 2000. - С. 800.

52. Gesbert D., Shafi M., Shiu D. S., Smith P. J., Naguib A. From theory to practice: An overview of MIMO space-time coded wireless systems //IEEE Journal on selected areas in Communications. - 2003. - Т. 21. - № 3. - С. 281-302.

53. Zatman M., Tracey B. Underwater acoustic MIMO channel capacity //Signals, Systems and Computers, 2002. Conference Record of the Thirty-Sixth Asilomar Conference on. - IEEE, 2002. - Т. 2. - С. 1364-1368.

54. Shiu D. S., Foschini G. J., Gans M. J., Kahn J. M. Fading correlation and its effect on the capacity of multielement antenna systems //IEEE Transactions on communications. - 2000. - Т. 48. - № 3. - С. 502-513.

55. Van Zelst A. A compact representation of spatial correlation in MIMO radio channels //submitted to International Conference on Communications (ICC). -2004.

56. Федосов В. П., Емельяненко А. В. Сравнительная эффективность беспроводного доступа на основе пространственной адаптации на выходах антенной решетки при использовании MIMO-OFDM в релеевском канале //Антенны. - 2013. - № 10. - С. 045-049.

57. Федосов В. П. , Муравицкий Н. С. Адаптивная приемная антенная решетка для обработки пространственно-временных сигналов в MIMO-системе беспроводной передачи данных //Антенны. - 2011. - № 8. - С. 35-43.

58. Федосов В. П. Алгоритмы совместной адаптации на прием и передачу в системе связи на основе антенных решеток при наличии активных помех //Известия Южного федерального университета. Технические науки. - 2012. - Т. 136. - № 11 (136). - С. 59-64.

59. Федосов В. П., Терновой Д. О. Алгоритм совместной адаптации на прием и передачу в системе связи на основе антенных решеток //Радиотехника. - 2011. - № 9. - С. 52-55.

60. Федосов В. П., Емельяненко А. В. Устойчивость к ошибкам в оценке весовых векторов адаптивного пространственно-временного алгоритма радиосвязи на антенных решетках в релеевском канале //Известия Южного федерального университета. Технические науки. - 2013. - № 11 (148). - С. 37-44.

61. ETSI. ETSI TR 102 638 V1.1.1 (2009-06): Intelligent Transport Systems (ITS); Vehicular Communications; Basic Set of Applications; Definitions, 2009. -С. 1-81

62. Bultitude Y. J., Rautiainen T. IST-4-027756 WINNER II D1. 1.2 V1. 2 WINNER II Channel Models //EBITG, TUI, UOULU, CU/CRC, NOKIA, Tech. Rep., Tech. Rep. - 2007.

63. Xirouchakis I. A. Spatial Channel Model for Multiple Input Multiple Output (MIMO) Simulations A Ray Tracing Simulator Based on 3GPP TR 25.996 v. 6.1.0 //Physics Department, University of Athens. - 2008.

64. Zajic A. G. Statistical modeling of MIMO mobile-to-mobile underwater channels //IEEE Transactions on Vehicular Technology. - 2011. - Т. 60. - № 4. -С. 1337-1351.

65. Stojanovic M. On the relationship between capacity and distance in an underwater acoustic communication channel //ACM SIGMOBILE Mobile Computing and Communications Review. - 2007. - Т. 11. - № 4. - С. 34-43.

66. Свердлин Г. М. Гидроакустические преобразователи и антенны - Л.: Судостроение. - 1980 - С. 200.

67. Воскресенский Д. И., Гостюхин В. Л., Максимов В. М., Пономарев Л. И. Устройства СВЧ и антенны / Под редакцией Д. И. Воскресенского Изд. 2-е, доп. и перераб. : - М.:Радиотехника, 2006. - С. 367.

68. Jing N., Bi W., Yue Q. Attack simulation model and channel statistics in underwater acoustic sensor networks //Tsinghua Science and Technology. - 2011. - Т. 16. - № 6. - С. 611-621.

69. Вадов Р. А. Поглощение и затухание низкочастотного звука в морской среде - Акуст. ж.-2000.-46. - 2000. - № 5. - С. 624-631.

70. Бурдик В. С. Анализ гидроакустических систем. Пер. м англ. - Л.: Судостроение, 1988 - С. 392.

71. Khan M. W., Zhou Y., Xu G. Modeling of acoustic propagation channel in underwater wireless sensor networks //Systems and Informatics (ICSAI), 2014 2nd International Conference on. - IEEE, 2014. - С. 586-590.

72. Рожин Ф. В, Тонаканов О. С. Общая гидроакустика. М.: Изд-во Моск. ун-та. - 1988. - С. 160.

73. Fedosov V. P., Lomakina A. V., Legin A. A., Voronin, V. V. Three-dimensional model of hydro acoustic channel for research MIMO systems // Ocean Sensing and Monitoring IX. - International Society for Optics and Photonics, 2017. - Т. 10186. - С. 101860.

74. Федосов В. П., Ломакина А. В., Легин А. А. Трехмерная модель подводного гидроакустического канала и ее математическое описание. Телекоммуникации. 2017. № 11. - С. 26-33.

75. Fedosov V. P., Lomakina A. V., Legin A. A., Voronin V. V. Modeling of systems wireless data transmission based on antenna arrays in underwater acoustic channels //SPIE Commercial-Scientific Sensing and Imaging. - International Society for Optics and Photonics, 2016. - Т. 9872. - С. 98720

76. Chitre M. A high-frequency warm shallow water acoustic communications channel model and measurements //The Journal of the Acoustical Society of America. - 2007. - Т. 122. - № 5. - С. 2580-2586.

77. Андреева И. Б. Физические основы распространения звука в океане -Л.: Гидрометеоиздат. - 1975. - С. 189.

78. Coleri S., Ergen M., Puri A., Bahai A. Channel estimation techniques based on pilot arrangement in OFDM systems //IEEE Transactions on broadcasting. -2002. - Т. 48. - № 3. - С. 223-229.

79. Kewen L. Research of MMSE and LS channel estimation in OFDM systems //Information Science and Engineering (ICISE), 2010 2nd International Conference on. - IEEE, 2010. - С. 2308-2311.

80. Bagadi K. P., Das S. MIMO-OFDM channel estimation using pilot carries //International Journal of Computer Applications. - 2010. - Т. 2. - № 3.

81. Федосов В. П., Ковтун Д. Г., Легин А. А., Ломакина А. В. Исследование модели OFDM-сигнала с малым уровнем внеполосного излучения //Известия Южного федерального университета. Технические науки. - 2015. - № 11 (172) - С. 6-16.

82. Fedosov V. P., Voronin V. V., Legin A. A., Lomakina A. V, Kovtun D. G. The study of algorithms reducing the level of out-of-band radiation and inter carrier interference of the ofdm signal //Electronic Imaging. - 2017. - Т. 2017. -№ 6. - С. 149-154.

83. Jayalath A. D. S., Tellambura C. Reducing the out-of-band radiation of OFDM using an extended guard interval //Vehicular Technology Conference, 2001. VTC 2001 Fall. IEEE VTS 54th. - IEEE, 2001. - Т. 2. - С. 829-833.

84. Gandhi D., Gupta S., Dalal U. D. Implementation of pulse shaping techniques in OFDM system //International Journal of Computer Applications. -2013. - Т. 68. - № 10.

85. Li Y. Simplified channel estimation for OFDM systems with multiple transmit antennas //IEEE Transactions on wireless communications. - 2002. - Т. 1. - № 1. - С. 67-75.

86. Hwang T., Yang C., Wu G., Li S., Li G. Y. OFDM and its wireless applications: A survey //IEEE transactions on Vehicular Technology. - 2009. - Т. 58. - № 4. - С. 1673-1694.

87. Kelley B., Manoj K., Jamshidi M. Broadband RF communications in underwater environments using multi-carrier modulation //Systems, Man and

Cybernetics, 2009. SMC 2009. IEEE International Conference on. - IEEE, 2009. -С. 2303-2308.

88. Li B., Huang J., Zhou S., Ball K., Stojanovic M., Freitag L., Willett P. Further results on high-rate MIMO-OFDM underwater acoustic communications //OCEANS 2008. - IEEE, 2008. - С. 1-6.

89. Krouma H., Benslama M., Othmani-Marabout F. Low rank MMSE channel estimation in MIMO-OFDM systems //Innovative Computing Technology (INTECH), 2012 Second International Conference on. - IEEE, 2012. - С. 279284.

90. Luo Z., Huang D. General MMSE channel estimation for MIMO-OFDM systems //Vehicular Technology Conference, 2008. VTC 2008-Fall. IEEE 68th. -IEEE, 2008. - С. 1-5.

91. Barhumi I., Leus G., Moonen M. Optimal training design for MIMO OFDM systems in mobile wireless channels //IEEE Transactions on signal processing. -2003. - Т. 51. - № 6. - С. 1615-1624.

92. Zhang J., Luo H., Jin R. Recursive MMSE Channel Estimation for MIMO-OFDM Systems //Wireless Communications, Networking and Mobile Computing, 2009. WiCom'09. 5th International Conference on. - IEEE, 2009. - С. 1-4.

93. Minn H., Al-Dhahir N. Optimal training signals for MIMO OFDM channel estimation //IEEE transactions on wireless communications. - 2006. - Т. 5. - № 5. - С. 1158-1168.

94. Тихонов В. И. Статистическая радиотехника. - Рипол Классик, 2013. -С. 677.

95. Mrak M., Grgic S., Grgic M. Picture quality measures in image compression systems //EUROCON 2003. Computer as a Tool. The IEEE Region 8. - IEEE, 2003. - Т. 1. - С. 233-236.

96. Федосов В. П., Легин А. А., Ломакина А. В. Алгоритмы, основанные на технологии MIMO-OFDM, для реализации цифрового гидроакустического канала связи //Известия Южного федерального университета. Технические науки. - 2015. - № 7 (168). - С. 148-158.

97. Fedosov V. P., Legin A. A., Lomakina A. V. Adaptive algorithm for data transmission in wireless channels based on MIMO — OFDM technique. 2017 Radiation and Scattering of Electromagnetic Waves (RSEMW) Publisher: IEEE 2017 - P. 218-221.

98. Корн Г., Корн Т. Справочник по математике. - М.: наука, 1974. -С. 832.

99. Fedosov V., Legin A., Lomakina A. Adaptive Algorithm Based on Antenna Arrays for Radio Communication Systems //Serbian Journal of Electrical Engineering. - 2017. - Т. 14. - № 3. - С. 301-312.

100. Lee C., Cheung K. M., Vilnrotter V. Fast eigen-based signal combining algorithms for large antenna arrays. - 2003.

101. Ланкастер П. Теория матриц. - М.: Издательство" Нау^", Главная редакция физико-математической литературы, 1978. - С. 280.

102. Вентцель Е. С., Овчаров Л. А. Теория вероятностей. - М.: Высш. шк., 1969 - C. 576.

103. Воронин В. В., Рыжов В. П. Системный подход в обработке сигналов и изображений //Успехи современной радиоэлектроники. - 2013. - № 5. - С. 012-016.

104. Frantc V. A., Voronin V. V., Marchuk V. I., Sherstobitov A. I., Agaian S., Egiazarian K. Machine learning approach for objective inpainting quality assessment //Mobile Multimedia/Image Processing, Security, and Applications 2014. - International Society for Optics and Photonics, 2014. - Т. 9120. - С. 91200.

105. Voronin V. V., Frantc V. A., Marchuk V. I., Sherstobitov A. I., Egiazarian K. No-reference visual quality assessment for image inpainting //Image Processing: Algorithms and Systems XIII. - International Society for Optics and Photonics, 2015. - Т. 9399. - С. 93990.

ПРИЛОЖЕНИЯ

Приложение 1

Функция модуляции OFDM-сигнала

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; InSignal - передаваемый сигнал;

channel - объект описывающий параметры среды распространения; Выходные данные:

OutSignal_t - комплексная огибающая во временной области; OutSignal_f- комплексная огибающая в частотной области;

function [OutSignal_t, OutSignal_f] = Modulate(obj, objTx, InSignal, channel) NumTx = objTx.getNumTxAntenna();

[PosData, PosPilot, PilotData] = obj .DataAndPilotPos(obj .NumofPilots, obj.NumGuardSubCarriers, NumTx, obj.NSbuCarrier, obj.DCSubCarrier, channel .GetNumPath());

if(obj .PreambuleInsert)

Hpr = comm.PNSequence('Polynomial',[11 2 0], ... 'SamplesPerFrame', obj .NSbuCarrier,... 'InitialConditions',[1 1 1 1 1 1 1 1 1 1 1]); NumPreambule = ceil(obj.NumSymbols / obj.PreambulePeriod) ; else

NumPreambule = 0; end

TimeFrameLength = obj.NSbuCarrier + obj.CycPrefixLength;

OutSignal_t = zeros(obj.NSbuCarrier+obj.CycPrefixLength, obj.NumSymbols, NumTx); OutSignal_f = zeros(obj.NSbuCarrier, obj.NumSymbols, NumTx); SymbolSuffix = zeros(1, obj.CycPrefixLength); tempT = zeros(1, obj.NSbuCarrier + obj.CycPrefixLength); for tx = 1 : 1 : NumTx SymCount = 1;

for Nsym = 1 : 1 : obj.NumSymbols + NumPreambule

if(mod((Nsym - 1) + obj.PreambulePeriod, obj.PreambulePeriod) == 0 &&

obj .PreambuleInsert == true) %Вставляем приамбулу

tempF = step(Hpr);

tempF = 4/3*2*(0.5 -tempF);

for l = 1 : 1 : obj .NSbuCarrier/2

tempF(l*2) = 0; end

OutSignal_f(:, Nsym, tx) = ifftshift(tempF); %Разворачиваем сигнал для fft else

OutSignal_f(PosData, Nsym, tx) = InSignal(:, SymCount, tx); OutSignal_f(PosPilot(tx, :), Nsym, tx) = PilotData(:, tx); %Добавляем пилоты OutSignal_f(:, Nsym, tx) = ifftshift(OutSignal_f(:, Nsym, tx)); SymCount = SymCount + 1; end

tempT(obj .CycPrefixLength+1:end) = ifft(OutSignal_f(:, Nsym, tx).').* obj .NSbuCarrier;

tempT(1:obj.CycPrefixLength) = tempT(end-obj.CycPrefixLength+1:end); if(obj .Windowing == true)

windowNextSymbol=[0.5*(1-cos(pi*(0.5:obj.WindowingLength-0.5)/obj.WindowingLength)), ones(1, obj.CycPrefixLength -obj .WindowingLength)];

windowPreviousSymbol=fliplr(windowNextSymbol);

SymbolPrefix = tempT(end-obj.CycPrefixLength+1:end) .* windowNextSymbol + SymbolSuffix .* windowPreviousSymbol;

SymbolSuffix = tempT(obj.CycPrefixLength+1 : obj.CycPrefixLength * 2); tempT(1:obj.CycPrefixLength) = SymbolPrefix; else

tempT(1:obj.CycPrefixLength) = tempT(end-obj.CycPrefixLength+1:end); end

OutSignal_t(:, Nsym, tx) = tempT.'; end end end

Приложение 2

Функция демодуляции OFDM-сигнала

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; InData - принятый сигнал;

objCh - объект описывающий параметры среды распространения; Выходные данные:

DemodData - демодулированный сигнал с информационных поднесущих;

function DemodData = DemodulateOFDM(obj, objTx, objRx, objCh, InData)

NumRx = objRx.getNumRxAntenna() / objRx.getNumBlockRxAntenna(); NumTx = objTx.getNumTxAntenna(); if(obj .PreambuleInsert) NumPreambule = ceil(obj.NumSymbols / obj.PreambulePeriod); PreambuleCount = 1; else

NumPreambule = 0; end

[PosData, PosPilot, pilot_tx] = obj .DataAndPilotPos(obj .NumofPilots, obj.NumGuardSubCarriers, NumTx, obj.NSbuCarrier, obj.DCSubCarrier, obj Ch.GetNumPath()); %Место где хранятся после FFT данные ModData = zeros(obj.NSbuCarrier, obj.NumSymbols, NumRx); for rx = 1 : 1 : NumRx SymCount = 1;

SymbolBegin = obj.CycPrefixLength + 1;

for Nsym = 1 : 1 : obj.NumSymbols + NumPreambule

if(mod((Nsym - 1) + obj.PreambulePeriod, obj.PreambulePeriod) == 0 &&

obj .PreambuleInsert == true) %Ищем преамбулу, с определенным периодом sigma = obj.NSbuCarrier + obj.CycPrefixLength; % Оцененное начало символа SymbolBegin = sigma + obj.CycPrefixLength + 1;% Оцененное начало полезных данных, с учетом длительности циклического префикса

PreambuleCount = PreambuleCount + obj .PreambulePeriod; %Определяем когда придет следующая преамбула Else

%Преобразуем OFDM и выполянем масштабирование ModData(:, SymCount, rx) = fftshift(fft(InData(SymbolBegin : SymbolBegin + obj.NSbuCarrier - 1, SymCount, rx))./ obj.NSbuCarrier); %Переходим к следующему символу SymCount = SymCount + 1; end end end

pilot_rx = zeros(length(obj.NumofPilots), obj.NumSymbols, NumRx); %Извлекаем пилоты

for rx = 1 : 1 : NumRx

for Nsym = 1 : 1 : obj.NumSymbols

pilot_rx(:, Nsym, rx) = ModData(PosPilot(1, :), Nsym, rx); end end

%Оценка канала

[H, Hw] = obj.ChannelEstimation(pilot_tx, pilot_rx, NumTx, NumRx, objCh.GetNumPath(), obj.NSbuCarrier, obj.NumSymbols, PosPilot); PayloadLength = obj.NSbuCarrier - obj.DCSubCarrier - obj.NumGuardSubCarriers(1) -obj .NumGuardSubCarriers(2) - length(obj.NumofPilots); Payload = zeros(PayloadLength, obj.NumSymbols, NumRx); % Извлекаем полезные данные for rx = 1 : 1 : NumRx for Nsym = 1 : 1 : obj.NumSymbols

Payload(:, Nsym, rx) = ModData(PosData, Nsym, rx); end end

%Демодуляция

DemodData = zeros(length(Payload), obj.NumSymbols, NumTx); for nsym = 1 : 1 : obj.NumSymbols for dl = 1 : 1 : length(Payload) DemodData(dl, nsym, :) = pinv(reshape(Hw(:, :, PosData(dl), nsym), NumRx, NumTx)) * squeeze(Payload(dl, nsym, :)); end end end

Приложение 3 Функция адаптивной обработки сигнала в премнике

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; InData - принятый сигнал;

objChannel - объект описывающий параметры среды распространения; obj Signal - объект описывающий параметры сигнала; Hl - исходная матрица канала; Выходные данные:

adaptSignal - сигнал на выходе адаптации; H - матрица канала, модифицированная с учетом адаптации; R - пространственная корреляционная матрица;

V - матрица собственных векторов; D - матрица собственных чисел; Wopt - оптимальный весовой вектор;

function [adaptSignal, H, R, V, D, Wopt] = Adaptation(obj, InSignal, objTx, objRx, objSignal,

objChannel, Hl)

if(obj Rx .getNumRxAntenna()/obj Rx .getNumBlockRx Antenna() ~= obj Tx.getNumTxAntenna()) error('Wrong antennas parameters'); end

NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna();

RxN = NRx / objRx.getNumBlockRxAntenna(); % Количество антенн MIMO RxNblock = objRx.getNumBlockRxAntenna(); %Количество блоков для адаптации

%Корреляционная матрица R = zeros(RxNblock, RxNblock, 1, RxN); for rx = 1 : 1 : RxN for sym = 1 : 1 : 1 Rsum = 0;

for i = 1 : 1 : length(InSignal(:,1,1))

Rsum = Rsum + conj(squeeze(InSignal(i, sym, (rx-1)*RxNblock + 1 : rx*RxNblock))) * squeeze(InSignal(i, sym, (rx-1)*RxNblock + 1 : rx*RxNblock)).'; end

R(:, :, sym, rx) = Rsum/i; end end

V = zeros(RxNblock, RxNblock, 1, NRx); D = zeros(RxNblock, RxNblock, 1, NRx); W = zeros(RxNblock, RxNblock, 1, NRx); %Расчитываем собственные числа и собственные вектора

for sym = 1 : 1 : 1 for rx = 1 : 1 : RxN

[V(:, :, sym, rx), D(:, :, sym, rx)] = eig(R(:, :, sym, rx)); end end

Wopt = zeros(RxNblock, RxN);

adaptSignal = zeros(length(InSignal(:, 1, 1)), 1, RxN);

for sym = 1 : 1 : 1

for i = 1 : 1 : length(InSignal(:,1,1)) for rx = 1 : 1 : RxN

[maxlambda,n_lambda]=max(max(squeeze(D(:, :, sym, rx)))); w_max = V(:, n_lambda, sym, rx)/norm(V(:, n_lambda, sym, rx)); Wopt(:, rx) = w_max;

adaptSignal(i, sym, rx) = squeeze(InSignal(i, sym, (rx-1)*RxNblock + 1 : rx*RxNblock)).' * w_max;

end end end

H = zeros(RxN, NTx, 1); for sym = 1 : 1 : 1 for rx = 1 : 1 : RxN for tx = 1 : 1 : NTx [maxlambda,n_lambda]=max(max(squeeze(D(:, :, sym, rx)))); w_max = V(:, n_lambda, sym, rx)/norm(V(:, n_lambda, sym, rx)); H(rx, tx, sym) = Hl((rx-1)*RxNblock + 1 : rx*RxNblock, tx, sym).' * w_max; end end end

R = squeeze(R); V = squeeze(V); D = squeeze(D); end

Приложение 4 Функция момедлирования характеристик канала

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; obj Signal - объект описывающий параметры сигнала; Выходные данные:

Hn - матрица канала, модифицированная с учетом адаптации; tn - задержки путей;

function [Hn, tn] = WaterModel(obj, objTx, objRx, obj Signal) NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna(); t = 0 : obj.dtSim : obj.Tsim;

hLos = zeros(NRx, NTx, length(t)); tauLos = zeros(1, length(t));

hDAn = zeros(NRx, NTx, obj.S_makro * 2, length(t));

DAtn = zeros(obj.S_makro * 2, length(t));

hUAn = zeros(NRx, NTx, obj.B_makro * 2, length(t));

UAtn = zeros(obj.S_makro * 2, length(t));

hNobjn = zeros(NRx, NTx, obj.NPath, length(t));

Nobjtn = zeros(obj.NPath, length(t));

Hn = zeros(NRx, NTx, obj.S_makro * 2 + obj.B_makro * 2 + 1 + obj.NPath, length(t)); tn = zeros(obj.S_makro * 2 + obj.B_makro * 2 + 1 + obj.NPath, length(t)); for i = 1 : 1 : length(t)

%Расчитываем передаточные хар-ки канала

[hLos(:, :, i), tauLos(i)] = obj.WaterLOS(objTx, objRx, objSignal, t(i)); [hDAn(:, :, :, i), DAtn(:, i)] = obj.WaterDA(objTx, objRx, objSignal, t(i)); [hUAn(:, :, :, i), UAtn(:, i)] = obj.WaterUA(objTx, objRx, objSignal, t(i)); [hNobjn(:, :, :, i), Nobjtn(:, i)] = obj.UnderWaterReflectors(objTx, objRx, objSignal, t(i));

Hn(:, :, 1, i) = hLos(:, :, i);

Hn(:, :, 2 : obj.S_makro * 2 + 1, i) = hDAn(:, :, :, i);

Hn(:, :, obj.S_makro * 2 + 2 : obj.B_makro * 2 + obj.S_makro * 2 + 1, i) = hUAn(:, :, :, i);

Hn(:, :, obj.B_makro * 2 + obj.S_makro * 2 + 2 : obj.B_makro * 2 + obj.S_makro * 2 + 1 + obj.NPath, i) = hNobjn(:, :, :, i);

tn(1, i) = tauLos(i);

tn(2 : obj .S_makro * 2 + 1, i) = DAtn(:, i);

tn(obj.S_makro * 2 + 2 : obj.B_makro * 2 + obj.S_makro * 2 + 1, i) = UAtn(:, i);

tn(obj.B_makro * 2 + obj.S_makro * 2 + 2 : obj.B_makro * 2 + obj.S_makro * 2 + 1 + obj.NPath, i) = Nobjtn(:, i); end end

Функция расчета прямого пути

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; obj Signal - объект описывающий параметры сигнала; t - время; Выходные данные:

hLoS - значение передаточной хар-ки в момент времени t; tn - задержка прямого пути;

function [hLoS, tauLoS] = WaterLOS(obj, objTx, objRx, objSignal, t) %Количество антенн NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna();

k = 2 * pi / objSignal.getLambda(obj); %Матрица передач для каждой антенны hLoS = zeros(NRx, NTx); %Передаточная хар-ка [dBS_hor, dBS_ver] = objTx.GetAPSpace(); [dMS_hor, dMS_ver] = objRx.GetAPSpace();

dBS_hor = (0 : 1 : NTx - 1) * 0;%dBS_hor * objSignal.getLambda(obj); dBS_ver = (0 : 1 : NTx - 1) * dBS_ver * objSignal.getLambda(obj); dMS_hor = (0 : 1 : NRx - 1) * 0;%dMS_hor * objSignal.getLambda(obj); dMS_ver = (0 : 1 : NRx - 1) * dMS_ver * objSignal.getLambda(obj);

switch obj.arrayBroadside

% ** Перпендикуляр к антенной решетке ориентирован по оси y ** % case 'y'

d = sqrt( (obj.xBS - obj.xMS)A2 + (obj.yBS - obj.yMS)A2 ); obj.R = d;

obj .alpha_thetaB S = asind( (obj.xMS - obj.xBS) / d ); % ** Перпендикуляр к антенной решетке ориентирован по оси x ** % case 'x'

d = sqrt( (obj.xBS - obj.xMS)A2 + (obj.yBS - obj.yMS)A2 ); obj.R = d;

obj .alpha_thetaB S = asind( (obj.yMS - obj.yBS) / d );

end

obj.alpha_thetaMS = obj.alpha_thetaBS; d = sqrt( dA2 + (obj.hMS - obj.hBS)A2 ); obj.D_LOS = d;

obj.beta_thetaBS = asind( (obj.hMS - obj.hBS) / d ); obj.beta_thetaMS = obj.beta_thetaBS; %Задержка прямого пути в зависимости от времени tauLoS = obj.D_LOS / obj.v + (obj.vBS * t / obj.v) * cosd(obj.alpha_thetaBS -obj.alpha_gamma_v_BS) * cosd(obj.beta_thetaBS - obj.beta_gamma_v_BS) ... + (obj.vMS * t / obj.v) * cosd(obj.alpha_thetaMS - obj.alpha_gamma_v_MS) * cosd(obj .beta_thetaMS - obj .beta_gamma_v_MS); %Рассчитываем коэффициенты передачи

for tx = 1 : 1 : NTx for rx = 1 : 1 : NRx hLoS(rx, tx) = sqrt(obj.Kfactor / (obj.Kfactor + 1)) * ...

sqrt(objTx.BSGain(obj.alpha_thetaBS, obj.beta_thetaBS)) * ... sqrt(objRx.MSGain(obj.alpha_thetaMS, obj .beta_thetaMS)) obj.WaterAbsorption(obj.D_LOS, objSignal) * obj.WaterAttenuation(obj.D_LOS) * ...

exp(1i * k * dBS_ver(tx) * sind(obj.alpha_thetaBS)) * exp(1i * k * dBS_hor(tx) * sind(obj.beta_thetaBS)) * ...

exp(1i * k * dMS_ver(rx) * sind(obj.alpha_thetaMS)) * exp(1i * k * dMS_hor(rx) * sind(obj.beta_thetaMS)) * ...

exp(1i * k * (obj.vBS * cosd(obj.alpha_thetaBS - obj.alpha_gamma_v_BS) * cosd(obj.beta_thetaBS - obj.beta_gamma_v_BS) + ... obj.vMS * cosd(obj.alpha_thetaMS - obj.alpha_gamma_v_MS) * cosd(obj .beta_thetaMS - obj .beta_gamma_v_MS)) * t);

end end

if (~obj.LOS) tauLoS = 0;

hLoS = zeros(NRx, NTx); end end

Функция расчета донной реверберации

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; obj Signal - объект описывающий параметры сигнала; t - время; Выходные данные:

hDAn - значение передаточной хар-ки в момент времени t;

DAtn - импульсные хар-ки для каждого пути при отражении от дна;

hDA - задержка импульсной хар-ки для каждого пути при отражении от дна

function [hDAn,DAtn, hDA] = WaterDA(obj, objTx, objRx, objSignal, t) k = 2 * pi / objSignal.getLambda(obj); %Количество антенн NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna(); %Матрица передач для каждой антенны hDAn = zeros(NRx, NTx, obj.S_makro * 2); DAtn = zeros(1, obj.S_makro * 2);

[dBS_hor, dBS_ver] = objTx.GetAPSpace(); [dMS_hor, dMS_ver] = objRx.GetAPSpace();

dBS_hor = (0 : 1 : NTx - 1) * 0

dBS_ver = (0 : 1 : NTx - 1) * dBS_ver * objSignal.getLambda(obj); dMS_hor = (0 : 1 : NRx - 1) * 0;

dMS_ver = (0 : 1 : NRx - 1) * dMS_ver * objSignal.getLambda(obj);

for tx = 1 : 1 : NTx for rx = 1 : 1 : NRx n = 1;

h_b_sum = 0; for b = 1 : 1 : obj.S_makro h_sb_sum = 0; for sb = (b - 1) : 1 : b hm_sum = 0;

for m = 1 : 1 : obj.NSubPath

alphaAoD = obj .DA_AOD_alpha(b, sb); alphaAoA = obj .DA_AOA_alpha(b, sb); betaAoD = obj.DA_AOD_beta(b, sb); betaAoA = obj DA_AOA_beta(b, sb); hm = sqrt(objTx.BSGain(alphaAoD, betaAoD)) * ... sqrt(objRx.MSGain(alphaAoA, betaAoA)) * ... exp(1i * k * dBS_ver(tx) * slnd(obj.alpha_thetaBS)) * exp(1l * k * dBS_hor(tx) * slnd(betaAoD)) * ...

exp(1l * k * dMS_ver(rx) * slnd(obj.alpha_thetaMS)) * exp(1i * k * dMS_hor(rx) * slnd(betaAoA)) * ... obj.ksiDA() * exp(obj.fiDA()) * exp( 1l * k * ... ( obj.vBS * cosd(obj.alpha_thetaBS - obj.alpha_gamma_v_BS) * cosd(betaAoD - obj.beta_gamma_v_BS) + ... obj.vMS * cosd(obj.alpha_thetaMS - obj.alpha_gamma_v_MS) * cosd(betaAoA - obj .beta_gamma_v_MS)) * t ); hm_sum = hm_sum + hm; end

h_sb = obj.WaterAttenuatlon(obj.DADlstance(b, sb)) * obj.WaterAbsorption(obj.DADistance(b, sb), objSlgnal) * obj.DlscrepancyImpedance(obj.DATheta(b ,sb)^b * hm_sum / sqrt(obj.NSubPath); hDAn(rx, tx, n) = h_sb;

DAtn(n) = obj.DADlstance(b, sb) / obj.v + (obj.vBS * t / obj.v) * cosd(obj.alpha_thetaBS - obj.alpha_gamma_v_BS) * cosd(betaAoD -obj.beta_gamma_v_BS) + (obj.vMS * t / obj.v) * cosd(obj.alpha_thetaMS -obj.alpha_gamma_v_MS) * cosd(betaAoA - obj.beta_gamma_v_MS) + (obj.DeltaDiscrepancyImpedanceDA(b, sb, t) / obj.v) * sind(betaAoA); n = n + 1;

h_sb_sum = h_sb_sum + h_sb; end

h_b_sum = h_b_sum + h_sb_sum; end

hDA = sqrt(obj.nta_s / (2 * obj.S_makro * (obj.Kfactor + 1)) ) * h_b_sum; hDAn(rx, tx, :) = hDAn(rx, tx, :) .* sqrt(obj.nta_s / (2 * obj.S_makro * (obj.Kfactor + 1)) );

end end end

Функция расчета поверхностной реверберации

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; obj Signal - объект описывающий параметры сигнала; t - время; Выходные данные:

hUAn - значение передаточной хар-ки в момент времени t; UAtn - импульсные хар-ки для каждого пути при отражении от поверхности; hUA - задержка импульсной хар-ки для каждого пути при отражении от поверхности

function [hUAn, UAtn, hUA] = WaterUA(obj, objTx, objRx, objSignal, t) k = 2 * pi / objSignal.getLambda(obj); %Количество антенн NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna(); %Матрица передач для каждой антенны hUAn = zeros(NRx, NTx, obj.B_makro * 2); UAtn = zeros(1, obj.B_makro * 2); [dBS_hor, dBS_ver] = objTx.GetAPSpace(); [dMS_hor, dMS_ver] = objRx.GetAPSpace(); dBS_hor = (0 : 1 : NTx - 1) * 0;%

dBS_ver = (0 : 1 : NTx - 1) * dBS_ver * objSignal.getLambda(obj); dMS_hor = (0 : 1 : NRx - 1) * 0;

dMS_ver = (0 : 1 : NRx - 1) * dMS_ver * objSignal.getLambda(obj); for tx = 1 : 1 : NTx for rx = 1 : 1 : NRx n = 1;

h_s_sum = 0;

for s = 1 : 1 : obj .B_makro h_bs_sum = 0; for bs = (s - 1) : 1 : s hm_sum = 0;

for m = 1 : 1 : obj.NSubPath

alphaAoD = obj.UA_AOD_alpha(s, bs); alphaAoA = obj.UA_AOA_alpha(s, bs); betaAoD = obj.UA_AOD_beta(s, bs); betaAoA = obj.UA_AOA_beta(s, bs); hm = sqrt(objTx.BSGain(alphaAoD, betaAoD)) * ... sqrt(objRx.MSGain(alphaAoA, betaAoA)) * ... exp(1i * k * dBS_ver(tx) * sind(obj.alpha_thetaBS)) * exp(1i * k * dBS_hor(tx) * sind(betaAoD)) * ...

exp(1i * k * dMS_ver(rx) * sind(obj.alpha_thetaMS)) * exp(1i * k * dMS_hor(rx) * sind(betaAoA)) * ... obj.ksiUA() * exp(obj.fiUA()) * exp(1i * k * ... ( obj.vBS * cosd(obj.alpha_thetaBS - obj.alpha_gamma_v_BS) * cosd(betaAoD - obj.beta_gamma_v_BS) +... obj.vMS * cosd(obj.alpha_thetaMS - obj.alpha_gamma_v_MS) * cosd(betaAoA - obj .beta_gamma_v_MS)) * t );

hm_sum = hm_sum + hm; end

h_bs = obj.WaterAttenuation(obj.UADistance(s, bs)) * obj.WaterAbsorption(obj.UADistance(s, bs), objSignal) * obj.DiscrepancyImpedance(obj.UATheta(s, bs))Abs * hm_sum / sqrt(obj.NSubPath); hUAn(rx, tx, n) = h_bs;

UAtn(n) = obj.UADistance(s, bs) / obj.v + (obj.vBS * t / obj.v) * cosd(obj.alpha_thetaBS - obj.alpha_gamma_v_BS) * cosd(betaAoD -obj.beta_gamma_v_BS) . + (obj.vMS * t / obj.v) * cosd(obj.alpha_thetaMS -obj.alpha_gamma_v_MS) * cosd(betaAoA - obj.beta_gamma_v_MS) + ... (obj.DeltaDiscrepancyImpedanceUA(s, bs, t) / obj.v) * sind(betaAoA); n = n + 1;

h_bs_sum = h_bs_sum + h_bs; end

h_s_sum = h_s_sum + h_bs_sum; end

hUA = sqrt(obj.nta_b / (2 * obj.B_makro * (obj.Kfactor + 1)) ) * h_s_sum; hUAn(rx, tx, :) = hUAn(rx, tx, :) .* sqrt(obj.nta_b / (2 * obj.B_makro * (obj.Kfactor + 1)) );

end end end

Функция расчета отражений от подводных объектов

Входные данные:

objTx - объект описывающий параметры передающей антенной системы; objRx - объект описывающий параметры приемной антенной системы; obj Signal - объект описывающий параметры сигнала; t - время; Выходные данные:

hNobjn - импульсные хар-ки для каждого пути при отражении от подводных объектов;

Nobjtn - задержка при отражении от подводных объектов;

function [hNobjn, Nobjtn] = UnderWaterReflectors(obj, objTx, objRx, objSignal, t) k = 2 * pi / objSignal.getLambda(obj); %Количество антенн NTx = objTx.getNumTxAntenna(); NRx = objRx.getNumRxAntenna();

%Матрица передач для каждой антенны hNobjn = zeros(NRx, NTx, obj.NPath); Nobjtn = zeros(1, obj.NPath);

obj.thetaAoD_alpha = obj.alpha_thetaBS * ones(1, obj.NPath) + obj.sigmaAoD_alpha * 2 * (rand(1, obj.NPath) - 0.5);

obj.thetaAoA_alpha = obj.alpha_thetaMS * ones(1, obj.NPath) + obj.sigmaAoA_alpha * 2 * (rand(1, obj.NPath) - 0.5);

obj.thetaAoD_beta = obj.beta_thetaBS * ones(1, obj.NPath) + obj.sigmaAoD_beta * 2 * (rand(1, obj.NPath) - 0.5);

obj.thetaAoA_beta = obj.beta_thetaMS * ones(1, obj.NPath) + obj.sigmaAoA_beta * 2 * (rand(1, obj.NPath) - 0.5);

[dBS_hor, dBS_ver] = objTx.GetAPSpace(); [dMS_hor, dMS_ver] = objRx.GetAPSpace();

dBS_hor = (0 : 1 : NTx - 1) * 0;

dBS_ver = (0 : 1 : NTx - l) * dBS_ver * objSignal.getLambda(obj); dMS_hor = (0 : 1 : NRx - 1) * 0;);

dMS_ver = (0 : 1 : NRx - l) * dMS_ver * objSignal.getLambda(obj);

Dobj = obj.WaterDistanceObj(); for tx = 1 : 1 : NTx for rx = 1 : 1 : NRx for n = 1 : 1 : obj.NPath

alphaAoD = obj.alphaAOD(n); alphaAoA = obj.alphaAOA(n); betaAoD = obj .betaAOD(n); betaAoA = obj .betaAOA(n); hm_sum = 0;

for m = 1 : 1 : obj.NSubPath hm = sqrt(objTx.BSGain(alphaAoD(m), betaAoD(m))) * ... sqrt(objRx.MSGain(alphaAoA(m), betaAoA(m))) * ... exp(1i * k * dBS_ver(tx) * sind(alphaAoD(m))) * exp(1i * k * dBS_hor(tx)

* sind(betaAoD(m))) * exp(1i * k * dMS_ver(rx) * sind(alphaAoA(m))) * exp(1i * k * dMS_hor(rx) * sind(betaAoA(m))) * obj.ksiObj() * obj.fiObjO

* exp(1i * k * ( obj.vBS * cosd(alphaAoD(m) - obj.alpha_gamma_v_BS) * cosd(betaAoD(m) - obj.beta_gamma_v_BS) + obj.vMS * cosd(alphaAoA(m) - obj.alpha_gamma_v_MS) * cosd(betaAoA(m) -

obj .beta_gamma_v_MS)) * t ); hm_sum = hm_sum + hm; end

hNobjn(rx, tx, n) = sqrt(1 / (obj.Kfactor + 1)) * obj.WaterAttenuation(Dobj(n)) * obj.WaterAbsorption(Dobj(n), objSignal) * hm_sum / sqrt(obj.NSubPath); end end end

Nobjtn = Dobj / obj.v; end

Приложение 5

Свидетельство о государственной регистрации программы для ЭВМ

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2016611453

в Валентин Пел ' (ЯП), Легии Аш

■ ж? 4- Щк^^ш штж

. шфШШ^ШШ

Ш Э/1 К?;

ШтшЖШАШ #1ВДЖРА1ЩЖЖ

Приложение 6

«Утверждаю»

об использовании результатов диссертационной работы Легин-а Андрея Алексеевича «Адаптивный алгоритм обработки пространственно-временных сигналов для цифровой линии связи в среде с переотражениями», в работах ООО «СПЕЦСТРОЙ-СВЯЗЬ», г.Таганрог

Комиссия в составе ведущего инженера центра стажировки и консультационных услуг к.т.н.., доцент Кучерявенко C.B., директора центра стажировки и консультационных услуг (ЦСКУ) Пименова Д.С., зам.генерального директора по спец.проектам Крючкова В.А., рассмотрела научные и практические результаты диссертационной работы Легина Андрея Алексеевича.

Настоящим актом комиссия подтверждает, что в работах ООО «СПЕЦСТРОЙ-СВЯЗЬ», г. Таганрог используются следующие научные результаты:

- адаптивный алгоритм пространственной фильтрации сигналов, который формирует характеристику направленности приемной антенной решетки, согласно выбранному критерию максимизации отношения сигнал/(помеха+шум), что позволяет снизить интерференцию сигналов в приемной антенне, а значит, существенно уменьшить вероятность битовой ошибки;

- методы пространственно-временного кодирования сигналов, позволяющие повысить пропускную способность беспроводного канала передачи информации.

Результаты, полученные A.A. Легиным, позволяют применять методы статистической радиотехники и теории пространственно-временных сигналов при решении задач приема/передачи сигналов по радиоканалам.

Председатель комиссии

вед. инженер ЦСКУ к.т.н., доцент

Члены комиссии: зам.ген. директора по спец.проектам

директор ЦСКУ

УТВЕРЖДАЮ

АКТ

о внедрении результатов диссертационной работы Легина Андрея Алексеевича «Адаптивный алгоритм обработки пространственно-временных

сигналов для цифровой линии связи в среде с переотражениями», в госбюджетной работе№ 8.5591,2017/БЧ (№ ВнГр-07/2017-25)

Комиссия в составе председателя - профессора Федосова В.П.(научный руководитель НИР), и членов комиссии д.ф-м.н., профессора Рыжова В.Г1. и к.т.н., доцента Пилипенко A.M. рассмотрела научные и практические результаты диссертационной работы Легина Андрея Алексеевича.

Настоящим актом комиссия подтверждает, что в госбюджетной работе № 8.5591,2017/БЧ (№ ВнГр-07/2017-25) используются следующие результаты, полученные в диссертации Легина A.A.:

- математическая модель трехмерного гидроакустического канала для систем беспроводной связи на основе антенных решеток.

- адаптивный алгоритм фильтрации пространственно-временных сигналов.

-разработанная программа и алгоритм моделирования системы беспроводной связи;

- методы обработки сигналов с пространственно-временным кодированием;

Методы обработки пространственно-временных сигналов и разработанный адаптивный алгоритм, позволяют повысить спектральную эффективность и снизить вероятность битовой ошибки в системах беспроводной связи, что является практическим применением для исследований в г/б НИР.

Научный руководитель е/б НИР

№ 8.5591.2017/БЧ (№ ВнГр-07/201 д.т.н., профессор

Члены комиссии: д.ф-м.н., профессор

к.т.н., доцент

УТВЕРЖДАЮ

И.о. директора Института

о внедрении результ

Алексеевича «Адаптивный алгоритм обработки пространственно-временных сигналов для цифровой линии связи в среде с переотражениями», в учебный процесс Института радиотехнических систем и управления «Южного федерального университета»

Комиссия в составе профессора Рыжова В.П. (председатель), доцентов Цветкова Ф.А. и Терешкова В.В. рассмотрела диссертационную работу Легина Андрея Алексеевича «Адаптивный алгоритм обработки пространственно-временных сигналов для цифровой линии связи в среде с переотражениями» и составила настоящий акт о том, что результаты, полученные в представленной диссертационной работе, используются в учебном процессе кафедры теоретических основ радиотехники ЮФУ в курсах «Алгоритмы обработки пространственно-временных сигналов», «Современные алгоритмы обработки сигналов в радиолокации и радиосвязи» при подготовке магистров и аспирантов.

Предметом внедрения являются:

- адаптивный алгоритм обработки пространственно-временных сигналов в системах связи на основе антенных решеток;

- программная реализация системы беспроводной вязи в среде с преотражениями в виде приложения, разработанного в среде Matlab для моделирования канала передачи данных.

Результаты, полученные A.A. Легиным, используются при усвоении магистрантами и аспирантами знаний и навыков теории и практики разработки современных алгоритмов обработки сигналов.

Председатель комиссии

д.ф-м.п., профессор Члены комиссии к.т.н., доцент к.т.н., доцент

Ф.А. Цветков В.В. Терешков