河北北方学院

毕业论文

题 目：数字调制系统的SIMULINK实现研究

三种基本调制制度的功率谱密度研究

院 系： 信息工程系

专 业： 信息工程

年 级： 07级

河北北方学院教务处制

三种基本调制制度的功率谱密度研究

摘 要

随着通信系统的规模和复杂度不断增加,传统的设计方法已经不能适应发展的需要,通信系统的模拟仿真技术越来越受到重视。而通信系统的计算机模拟仿真技术是一种全新的系统设计方法，它可以让用户在很短的时间内建立整个通信系统模型，并对其进行模拟仿真。本文首先介绍了SIMULINK应用及通信技术的发展状况。然后对SIMULINK的工作原理及使用方法进行阐述，接着介绍基本的数字调制系统并分析三种调制制度2ASK、2FSK和2PSK的基本原理。再对三种调制制度的功率谱密度进行分析，最后利用SIMULINK建立系统模型对三种调制制度的功率谱密度进行模拟仿真并分析结果。

关键词：调制制度 SIMULINK 功率谱密度 系统模型

Abstract

As communications systems continue to increase in size and complexity, traditional design methods have been unable to meet the needs of development, communication system simulation technology more and more attention. Er Communication System Computer simulation technology is a new design method, which allows users in a very short period of time to establish the communication system model, and its simulation. This paper introduces the application and communication technologies SIMULINK development. Then the working principle and the use of SIMULINK method described, then introduced the basic digital modulation systems and analyze the three modulation system 2ASK, 2FSK and 2PSK the basic principles. Re-modulation system, the three power spectral density analysis, and finally create a system model using SIMULINK three modulation power spectral density of the system simulation and analysis results.

Key words: Modulation system SIMULINK The power spectral density System Model

目录

摘 要 1

Abstract 2

1.绪论 4

1.1研究目的及意义 4

1.2 SIMULINK简介 5

1.3通信技术发展状况 6

1.3.1通信的概念 6

1.3.2 通信的发展史简介 8

1.3.3 通信技术的发展现状和趋势 8

1.4本论文的任务 9

1.4 研究内容与安排 9

2．SIMULINK工作原理 10

2.1Simulink求解器 10

2.1.1 连续求解器 11

2.1.2 离散求解器 11

2.1.3 关于求解器的其他内容 11

2.2过零检测和时间通知 12

2.2.1 过零检测 12

2.2.2 时间通知 14

2.3 代数环 15

2.3.1 直接馈入电路（direct feedthrough） 15

2.4改善仿真的性能和精确度 15

2.4.1 加速仿真 16

2.4.2 改善仿真的精度 17

2.5 本章小结 17

3． 数字调制系统基本原理 17

3.1二进制振幅键控(2ASK) 18

3.1.1 2ASK 信号的功率谱密度 20

3.2二进制移频键控(2FSK) 22

3.2.1 2FSK 信号的功率谱密度 25

3.3二进制移相键控(2PSK) 27

3.3.1 2PSK的功率谱密度 30

3.4二进制差分相位键控(2DPSK) 30

3.5 本章小结 34

4.Simulink的模型建立和仿真 34

3.2 Suzuki信道模型 35

3.2.1 Suzuki衰落分布 35

3.2.2 Suzuki信道模型 35

3.3 本章小结 36

4．平坦衰落信道仿真 37

4.1 计算机模型的参数计算 38

4.1.1 均方误差法（MSEM） 38

4.1.2 等面积取样法（MEA） 42

4.1.3 实际多普勒扩散法（MEDS） 46

4.2 平均多普勒偏移因子及多普勒扩散因子 50

4.3 Suzuki信道仿真 53

4.4 本章小结 55

5. 总结与展望 56

致 谢 57

参考文献 58

附录 59

1.绪论

1.1研究目的及意义

随着现代通信系统的飞速发展，计算机仿真已经成为分析和设计通信系统的主要工具，在通信系统的研发和教学中具有越来越重要的意义。计算机仿真是衡量系统性能的工具，它通过构建模型运行结果来分析实物系统的性能从而为新系统的建立或原系统的改造提供可靠的参考。通过仿真，可以降低新系统失败的可能性，消除系统中潜在的瓶颈，优化系统的整体性能。因此，仿真是通信系统研究和工程建设中不可缺少的环节。

1.2 SIMULINK简介

SIMULINK是MATLAB软件的扩展，它是实现动态系统建模和仿真的一个软件包，它与MATLAB语言的主要区别在于，其与用户交互接口是基于Windows的模型化图形输入，其结果是使得用户可以把更多的精力投入到系统模型的构建，而非语言的编程上。

Simulink是MATLAB最重要的组件之一，它提供一个动态系统建模、仿真和综合分析的集成环境。在该环境中，无需大量书写程序，而只需要通过简单直观的鼠标操作，就可构造出复杂的系统。Simulink具有适应面广、结构和流程清晰及仿真精细、贴近实际、效率高、灵活等优点，并基于以上优点Simulink已被广泛应用于控制理论和数字信号处理的复杂仿真和设计。同时有大量的第三方软件和硬件可应用于或被要求应用于Simulink。

Simulink是MATLAB中的一种可视化仿真工具，也是目前在动态系统的建模和仿真等方面应用最广泛的工具之一。是一种基于MATLAB的框图设计环境，是实现动态系统建模、仿真和分析的一个软件包，被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的建模和仿真中。Simulink可以用连续采样时间、离散采样时间或两种混合的采样时间进行建模，它也支持多速率系统，也就是系统中的不同部分具有不同的采样速率。为了创建动态系统模型，Simulink提供了一个建立模型方块图的图形用户接口(GUI) ，这个创建过程只需单击和拖动鼠标操作就能完成，它提供了一种更快捷、直接明了的方式，而且用户可以立即看到系统的仿真结果。它的主要特点在于：1、建模方便、快捷；2、易于进行模型分析；3、优越的仿真性能。它与传统的仿真软件包微分方程和差分方程建模相比，具有更直观、方便、灵活的优点。Simulink模块库（或函数库）包含有Sinks（输出方式）、Sources（输入源）、Linear（线性环节）、Nonlinear（非线性环节）、Connection（连接与接口）和Extra（其他环节）等具有不同功能或函数运算的Simulink库模块（或库函数），而且每个子模型库中包含有相应的功能模块，用户还可以根据需要定制和创建自己的模块。用Simulink创建的模型可以具有递阶结构，因此用户可以采用从上到下或从下到上的结构创建模型。Simulink是用于动态系统和嵌入式系统的多领域仿真和基于模型的设计工具。对各种时变系统，包括通讯、控制、信号处理、视频处理和图像处理系统，Simulink提供了交互式图形化环境和可定制模块库来对其进行设计、仿真、执行和测试。构架在Simulink基础之上的其他产品扩展了Simulink多领域建模功能，也提供了用于设计、执行、验证和确认任务的相应工具。Simulink与MATLAB紧密集成，可以直接访问MATLAB大量的工具来进行算法研发、仿真的分析和可视化、批处理脚本的创建、建模环境的定制以及信号参数和测试数据的定义。

1.3通信技术发展状况

1.3.1通信的概念

通信就是克服距离上的障碍，从一地向另一地传递和交换消息。消息是信息源所产生的，是信息的物理表现，例如，语音、文字、数据、图形和图像等都是消息(Message)。消息有模拟消息（如语音、图像等）以及数字消息（如数据、文字等）之分。所有消息必须在转换成电信号（通常简称为信号）后才能在通信系统中传输。所以，信号（Signal）是传输消息的手段，信号是消息的物质载体。

相应的信号可分为模拟信号和数字信号，模拟信号的自变量可以是连续的或离散的，但幅度是连续的(分别如图1-2-1所示) ，如电话机、电视摄像机输出的信号就是模拟信号。数字信号的自变量可以是连续的或离散的，但幅度是离散的(分别如图1-2-2所示) ，如电船传机、计算机等各种数字终端设备输出的信号就是数字信号。

通信的目的是传递消息，但对受信者有用的是消息中包含的有效内容，也即信息(Information) 。消息是具体的、表面的，而信息是抽象的、本质的，且消息中包含的信息的多少可以用信息量来度量。

通信技术，特别是数字通信技术近年来发展非常迅速，它的应用越来越广泛。通信从本质上来讲就是实现信息传递功能的一门科学技术，它要将大量有用的信息无失真，高效率地进行传输，同时还要在传输过程中将无用信息和有害信息抑制掉。当今的通信不仅要有效地传递信息，而且还有储存、处理、采集及显示等功能，通信已成为信息科学技术的一个重要组成部分。

通信系统就是传递信息所需要的一切技术设备和传输媒质的总和，包括信息源、发送设备、信道、接收设备和信宿(受信者) ，它的一般模型如图1-2-3所示。

↑

图1-2-3通信系统一般模型

通信系统可分为数字通信系统和模拟通信系统。数字通信系统是利用数字信号来传递消息的通信系统，其模型如图1-2-4所示，

↑

图1-2-4 数字通信系统模型

模拟通信系统是利用模拟信号来传递消息的通信系统，其模型如图1-2-5所示。

图1-2-5 模拟通信系统模型

数字通信系统较模拟通信系统而言，具有抗干扰能力强、便于加密、易于实现集成化、便于与计算机连接等优点。因而，数字通信更能适应对通信技术的越来越高的要求。近二十年来，数字通信发展十分迅速，在整个通信领域中所占比重日益增长，在大多数通信系统中已代替模拟通信，成为当代通信系统的主流

1.3.2 通信的发展史简介

远古时代,远距离的传递消息是以书信的形式来完成的,这种通信方式明显具有传递时间长的缺点。为了在尽量短的时间内传递尽量多的消息,人们不断地尝试所能找到的各种最新技术手段。1837年发明的莫尔斯电磁式电报机标志着电通信的开始,之后，利用电进行通信的研究取得了长足的进步。1866年利用海底电缆实现了跨大西洋的越洋电报通信。1876年贝尔发明了电话,利用电信号实现了语音信号的有线传递，使信息的传递变的既迅速又准确，这标志着模拟通信的开始，由于它比电报更便于交流使用，所以直到20世纪前半叶这种采用模拟技术的电话通信技术比电报的到了更为迅速和广泛的发展。1937年瑞威斯发明的脉冲编码调制标志数字通信的开始。20世纪60年代以后集成电路、电子计算机的出现，使得数字通信迅速发展。在70年代末在全球发展起来的模拟移动电话在90年代中期被数字移动电话所代替，现有的模拟电视也正在被数字电视所代替。数字通信的高速率和大容量等各方面的优越性也使人们看到了它的发展前途。

1.3.3 通信技术的发展现状和趋势

进入20世纪以来，随着晶体管、集成电路的出现与普及、无线通信迅速发展。特别是在20世纪后半叶，随着人造地球卫星的发射，大规模集成电路、电子计算机和光导纤维等现代技术成果的问世，通信技术在以下几个不同方向都取得了巨大的成功。

（1） 微波中继通信使长距离、大容量的通信成为了现实。

（2） 移动通信和卫星通信的出现，使人们随时随地可通信的愿望可以实现。

（3） 光导纤维的出现更是将通信容量提高到了以前无法想象的地步。

（4） 电子计算机的出现将通信技术推上了更高的层次，借助现代电信网和计算机的融合，人们将世界变成了地球村。

（5） 微电子技术的发展，使通信终端的体积越来越小，成本越来越低，范围越来越广。例如，2003年我国的移动电话用户首次超过了固定电话用户。根据国家信息产业部的统计数据，到2005年底移动电话用户近4亿。

随着现代电子技术的发展，通信技术正向着数字化、网络化、智能化和宽带化的方向发展。随着科学技术的进步，人们对通信的要求越来越高，各种技术会不断地应用于通信领域，各种新的通信业务将不断地被开发出来。到那时人们的生活将越来越离不开通信。

1.4本论文的任务

1、对数字调制系统的功能、原理能够深入的理解。同时学会使用MATLAB并熟悉SIMULINK的工作原理，能够利用SIMULINK进行建模和仿真。

2、学会三种基本调制制度2ASK、2FSK和2PSK的基本原理并能够分别对它们的功率谱密度进行分析。

3、基本掌握利用SIMULINK建立模型并能够对三种基本调制制度的功率谱密度进行仿真。

最后通过研究数字调制系统的三种基本调制制度及其功率谱密度，培养独立思考研究的能力，并能够对研究结果进行分析。对数字调制系统有了进一步的理解，学会利用工具软件SIMULINK建立仿真模型并能对研究结果进行仿真。

1.4 研究内容与安排

第1章 介绍了课题研究的意义及目的，简要的介绍了通信技术的发展状况，最后介绍本论文的主要任务。

第2章 简要地介绍了移动衰落信道建模的几种常见方法，并对每种方法的优缺点以及使用场合作了说明。

第3章 主要介绍了描述常见移动通信信道衰落的两种常见模型，即Clarke信道模型和Suzuki信道模型。本章是以介绍Suzuki信道模型为主的。在本章中研究了Suzuki信道模型的理论基础。

第4章 主要是实现衰落信道的计算机模型的仿真。本章是本文的重点，在本章中介绍了目前比较流行的有色高斯噪声的计算机模拟方法，即用有限个正弦信号的Rice和来近似有色高斯噪声过程，本章对该方法中如何选择有限个正弦信号的频率、幅度和相位的三种方法，即等面积取样法、最小均方误差法、实际多普勒扩散法进行了比较，随后实现了Suzuki信道的计算机模型仿真。

第5章 总结论文研究的成果、不足以及下一阶段的努力方向。

2．SIMULINK工作原理

在本章中将详细介绍Simulink工作原理，主要包括Simulink的求解器、过零检测、代数环和回调函数等。只有深入的理解Simulink的工作原理，才能更好地建立系统模型、设置Simulink系统模型的仿真参数等，从而能够快速、准确地实现系统设计、仿真和分析。

2.1Simulink求解器

Simulink求解器是Simulink进行动态系统仿真的核心，Simulink仿真都需要调用求解器，它是Simulink仿真的“大脑”。

Simulink对系统仿真的控制是通过系统模型和求解器之间建立对话的方式进行的：Simulink将系统模型、模块参数和系统方程传递给Simulink的求解器，而求解器将计算得到的系统状态和仿真时间通过Simulink环境传递给系统模型本身，通过这样的交互作用方式来完成动态系统仿真。

Simulink求解器分为两种：连续求解器和离散求解器。

2.1.1 连续求解器

连续求解器具有连续的输入与输出，并且系统中一般都存在连续的状态变量。连续系统中存在的状态变量往往是系统中吗某些信号的微分或积分，因此连续系统一般由微分方程来描述。但是由于Simulink是用数字来逼近连续，进而达到仿真的目的，因而得到仿真结果并不是精确的结果，只能是近似。

建立连续系统的模型相当于建立系统的微分方程，而进行系统仿真的过程就是通过连续求解器对该微分方程求解的过程。

对微分方程求解的近似方法分为定步长和变步长两种，定步长和变步长又有ode45、ode23、ode113、ode5和ode3等。连续求解器类型的选择会影响到连续系统的仿真结果和仿真速度，但是一般情况下不会产生太大的影响，如果要想得比较满意的结果（精度）和仿真速度，需要了解这些求解器。

2.1.2 离散求解器

与连续求解器不同，离散系统一般是由差分方程描述的。离散系统的输入和输出都是离散的，系统状态每隔一段时间才更新一次。实际离散系统的仿真就是离散求解器对离散系统模型的差分方程的求解过程。Simulink可以做到对离散系统仿真的绝对精确。

在纯粹的离散系统进行仿真时，需要选择离散求解器对其进行求解。用户只需选择Simulink仿真参数设置对话框中的求解器选项卡中的discrete（no contimuous state）选项，即没有连续状态的离散求解器，也可以对离散系统进行精确的仿真。

2.1.3 关于求解器的其他内容

求解器有两个非常重要的参数：误差容限和仿真步长，它们分别对应求解器对话框上面的“Relative tolerance”项和“Step size”项。对于固定步长连续求解器，并不存在误差容限的问题，只有采用变步长连续求解器，才会根据积分误差修改步长，以满足误差容限的要求。

由于不能精确计算连续系统状态变量，因而积分误差是一个近似值。通常连续求解器采用两个不同阶次的近似方法进行积分，然后计算它们之间的积分差值作为积分误差。

实际的系统，通常是混合系统，很少有纯粹的离散系统和纯粹的连续系统。连续变步长求解器不仅考虑了连续状态的求解，而且也考虑了系统中离散状态的求解。连续变步长求解器首先尝试使用最大步长进行求解，如果在这个仿真区间内没有离散状态的更新，步长便减小到与离散状态的更新相吻合。

2.2过零检测和时间通知

Simulink对系统仿真的控制是通过系统模型和求解器之间建立对话框的方式进行的，对话框公式的核心是时间通知。所谓时间通知，是指系统模型通过Simulink仿真环境告知求解器在前一仿真步内系统中所发生的事件，以用于当前仿真时刻求解器的计算。事件的发生与否是通过检测系统的过零检测实现的。过零检测和事件通知实现了系统模型与Simulink求解器的交互。

2.2.1 过零检测

Simulink用过零检测来检测连续信号的不连续的地方。过零检测在两个方面扮演着重要的角色。

一、状态事件的获取

一个系统发生一个状态事件，是指系统的某个状态值发生了能使系统产生显著变化的变化。

Simulink使用过零检测使仿真步精确地发生在状态事件发生的时刻，于是因为仿真的时间步准确地取在接触时刻，所以仿真就不会产生穿透现象。

二、不连续信号的积分

数字积分方法建立在所积分的信号时连续的，并且具有连续微分的假设下。如果在一个积分过程中遇到了不连续点，Simulink使用过零检测来寻找不连续点发生的时间，而积分的上限只取到不连续点的左边沿。最后Simulink略过不连续点，并对信号的下一段分段连续进行积分。

Simulink模块中使用过零检测的一个例子是Saturation模块。过零点检测Saturation模块中的这些事件：

● 输入信号到达上限

● 输入信号离开上限

● 输入信号到达下限

● 输入信号离开下限

定义了自己的状态事件的Simulink模块被认为具有固有的过零点。如果用户需要一个过零点事件的显示通知，可以使用Hit Crossing模块。

状态事件的检测依赖于一个内部过零点信号，即zcSignal=UpperLimit-u，其中u是输入信号。

过零点信号有方向属性，它的取值有三种。

1. rising

当一个信号上升到零或者穿过零，或者离开并且变化成正数时发生的过零点。

2. falling

当一个信号下降到零或者穿过零，或者离开零并且变化成正数时发生的过零点。

3. either

rising或falling，有其一发生时就发生。

对于Saturation模块的上限而言，过零点的方向是either。这样使得信号进

入饱和或者离开饱和的事件可以通过相同的过零点信号来检测到。

误差容限的大小对过零点的检测有很大的影响。如果误差容限太大，Simulink就有可能检测不到过零点。在数学里面有这样的一条定律：对于连续信号，如果有两点的符号相异，那么在这两点之间必定存在一个过零点。这个定律是Simulink检测过零点的数学基础，它通过检查一个仿真时间步的首尾两点的符号，来判定在该时间步里是否存在过零点。如果误差容限太大，就将导致仿真的时间步不是足够小，有些过零点就不能检测出来了。

为了防止这种情况的发生，Simulink允许用户修改误差容限，通过缩小误差容限，可以使Simulink采用更小的仿真步长。

在使用过零检测时，需要注意以下几点：

（1）关闭系统仿真参数设置中的过零事件检测，可以使动态系统的仿真速度得到很大的提高，但可能引起系统的仿真结果不精确，甚至出现错误的结果。

（2）关闭系统过零检测对Hit Crossing零交叉模块并无影响。

（3）对于离散模块及其产生的离散信号不需要进行过零检测。这是因为用于离散系统仿真器与连续变步长求解器都可以很好地匹配离散信号的更新时刻。

此外，对于某些比较特殊的动态系统而言，对其进行仿真时，有可能在一个非常小的区间内多次通过零点。这将导致在同一时间内多次探测到信号的过零，从而使得Simulink仿真终止。在这种情况下，应该在仿真参数设置中关闭过零检测功能。当然，这些系统通常是某些物理现象的理想模型。但是对于某些系统而言，这些模块的过零非常重要，此时可以采用在系统模型中串入零交叉Hit Crossing模块，并关闭仿真过零检测功能来实现过零的使用。

2.2.2 时间通知

在动态系统仿真中，采用变步长求解器可以使Simulink正确地检测到系统模块与信号中过零事件的发生。当一个模块通过Simulink仿真环境通知求解器，在系统前一仿真步长时间内发生了过零事件，变步长求解器就会缩小仿真步长，即使求解误差满足绝对误差和相对误差的上限要求。缩小仿真步长的目的是判断事件发生的准确事件（也就是过零事件的发生时刻）。

当然，这样做会使系统仿真的速度变慢，但正如前所述，这对于系统的某些模块是至关重要的。因为这些模块的输出可能表示了一个物理值，它的零值有着重要的意义：或者是标志系统运行状态的改变，或者用来控制另外一个模块。事实上，只有少量的模块能够发出事件通知。每个模块发出专属于自己的事件通知，而且可能与不止一个类型的事件发生关联。

事件通知是Simulink进行动态系统仿真的核心。Simulink动态系统仿真时基于事件驱动的，这符合当前交互式设计与面向对象设计的思想。在系统仿真中，系统模型与求解器均可以视为某种对象，事件通知相当于对象之间的消息传递：对象通过消息的传递来完成系统仿真的目的。

2.3 代数环

2.3.1 直接馈入电路（direct feedthrough）

在Simulink中，直接馈入指具有直接馈入的模块在不知道输入端口值的前提下无法计算输出端口值。也就是当前时刻输出值的计算依赖于当前时刻的输入值，从模块的内部结构上说，模块内不存在延迟的单元。

在Simulink中，直接馈入的模块有：

● Elementary Math 模块

● Gain block 模块

● Integrator 模块

● Product 模块

● 有非零的D矩阵的State-Space 模块

● Sum模块

● 分子和分母多项式具有相同阶数的Transfer Fcn模块

● 零点数和极点数相同的Zero-Pole模块

直接馈入中的直接是指仿真时间意义上的，而不是指是否经过处理，即和直接连线不是等同的。

当具有直接馈入的端口由该模块的输出驱动时，或者是经过别的直接馈入的模块的反馈环路驱动时，就发生了代数环。

如果系统中出现了代数环，由于代数环的输入和输出之间是相互依赖的，组成代数环的所有模块都要求在同一时刻计算输出。这与系统仿真的顺序概念相反，因此，最好使用其他的方法对系统方程进行求解。通常，代数环进行代数约束或切断环来解决代数环的求解问题。

2.4改善仿真的性能和精确度

仿真的性能和精确度受到很多事情的影响，包括模型的设计和仿真参数的选择。对于大多数问题，使用默认的仿真参数值，求解器可以精确而有效地解决。对于这些模型而言，适当地调整求解器和仿真参数可以得到更好的仿真结果。如果用户知道模型行为的信息，并把它输入求解器也会提升性能。

2.4.1 加速仿真

一个模型的仿真速度过慢是由许多因素造成的，下面列举了一些因素及部分解决方法。

（1）模型包括一个MATLAB Fcn模块。当执行一个包含MATLAB Fcn模块的模型，Simulink在每一个仿真时间步都要调用MATLAB解调器。所以应该尽可能地使用Simulink的内置Fcn模块或者是做基本的math模块。

（2）模型包含用M文件的S函数，M文件的S函数同样会使Simulink在每一个仿真时间步调用MATLAB解释器。替代的方法是把M文件的S函数转化为c-mex函数或者是建立一个等价的子系统。

（3）模型包含一个存储模块。使用存储模块将使阶数可变的求解器在每个仿真时间步被重置回1阶。

（4）仿真的时间步长太小。解决的方法是把最大仿真步长参数设置回Simulink的默认值-auto。

（5）仿真的精度要求过高。一般来说，相对误差容限设为0.1%就已经足够了。当模型存在取值趋向于零的状态，仿真时如果绝对误差限度太小，会使仿真在接近零的状态附近耗费过多的仿真步。

（6）仿真的时间过长。解决的方法是酌情减小仿真的时间间隔。

（7）所解决的问题是stiff问题，却选择了一个非stiff的求解器。解决的方法是使用ode15s。

（8）模型所设置的采样时间的公约数过小，这样使Simulink可以采用的基准采样时间过小，因为Simulink会选择足够小的时间步以保证所设置的采样点都能取到。

（9）模型包含一个代数环。代数环的求解方法就是在每一个时间步迭代地进行计算，这样会严重地降低仿真的性能。

（10）模型把一个random number模块作为integrator模块的输入。对于连续系统，可以使用source子库里的Band-Limited WhiteNoise模块。

2.4.2 改善仿真的精度

检验仿真精度的方法是修改仿真的相对误差和绝对误差容限，在一个合适的时间跨度反复运行仿真，看看仿真的结果有没有大的变化，如果变化不大，则表示是收敛的。

如果仿真在开始时错过了吗模型的关键行为，那么可以更改初始步长，使仿真不会忽略这些关键的行为。

如果仿真的结果不稳定，可能是以下原因：

（1）系统本身不稳定

（2）如果正在使用ode15s，用户可以把最大阶数定为2或者尝试ode23s。

（3）如果仿真的结果看起来不很精确，可能是由两种原因引起的：

a) 模型有取值接近零的状态，如果模型的绝对误差容限过大，会使仿真在接近零的区域所包含的仿真时间步太少。解决的方法是修改绝对误差容限参数或者在积分模块的对话框修改起始状态。

b) 如果改变绝对误差容限不能达到预期的效果，可以修改相对误差容限，使可接受的误差降低，并减小仿真步长。

2.5 本章小结

本章主要介绍了Simulink的工作原理。首先介绍了Simulink求解器，Simulink求解器是Simulink进行动态系统仿真的核心，Simulink仿真都需要调用求解器，它是Simulink仿真的“大脑”。 Simulink求解器分为两种：连续求解器和离散求解器。其次对过零检测和事件通知、代数环和如何改善仿真的性能和精确度都做了详细介绍。只有深入的理解Simulink的工作原理，才能更好地建立系统模型、设置Simulink系统模型的仿真参数等，从而能够快速、准确地实现系统设计、仿真和分析。

3． 数字调制系统基本原理

在数字基带传输系统中，为了使数字基带信号能够在信道中传输，要求信道应具有低通形式的传输特性。然而，在实际信道中，大多数信道具有带通传输特性，数字基带信号不能直接在这种带通传输特性的信道中传输。必须用数字基带信号对载波进行调制，产生各种已调数字信号。

图 3-1 数字调制系统的基本结构

数字调制与模拟调制原理是相同的，一般可以采用模拟调制的方法实现数字调制。但是，数字基带信号具有与模拟基带信号不同的特点，其取值是有限的离散状态。这样，可以用载波的某些离散状态来表示数字基带信号的离散状态。基本的三种数字调制方式是：振幅键控(ASK)、移频键控(FSK)和移相键控(PSK 或DPSK)。

3.1二进制振幅键控(2ASK)

振幅键控是正弦载波的幅度随数字基带信号而变化的数字调制。当数字基带信号为二进制时，则为二进制振幅键控。设发送的二进制符号序列由0，1序列组成，发送0符号的概率为P，发送1符号的概率为1-P，且相互独立.该二进制符号序列可表示为

（3-1-1）

其中：

（3-1-2）

Ts是二进制基带信号时间间隔，g(t)是持续时间为Ts的矩形脉冲：

（3-1-3）

则二进制振幅键控信号可表示为

（3-1-4）

二进制振幅键控信号时间波型如图 3- 2 所示。 由图 3- 2 可以看出，2ASK信号的时间波形e2ASK(t)随二进制基带信号s(t)通断变化，所以又称为通断键控信号(OOK信号)。二进制振幅键控信号的产生方法如图3 - 3 所示，图(a)是采用模拟相乘的方法实现，图(b)是采用数字键控的方法实现。由图 3 - 2 可以看出，2ASK信号与模拟调制中的AM信号类似。所以，对2ASK信号也能够采用非相干解调(包络检波法)和相干解调(同步检测法)，其相应原理方框图如图3 - 4 所示，2ASK信号非相干解调过程的时间波形如图 3 - 5 所示，

图 3 – 2 二进制振幅键控信号时间波型

图3-3 二进制振幅键控信号调制器原理框图

图3 –4 二进制振幅键控信号解调器原理框图

图 3 - 5 2ASK信号非相干解调过程的时间波形

3.1.1 2ASK 信号的功率谱密度

若二进制基带信号s(t)的功率谱密度Ps( f ) 为

（3-1-5）

则二进制振幅键控信号的功率谱密度 为

（3-1-6）

整理后可得

（3-1-7）

式（3-1-7）中用到。

二进制振幅键控信号的功率谱密度如图3-6所示，由离散谱和连续谱两部分组成。续谱两部分组成。离散谱由载波分量确定，连续谱由基带信号波形g(t)确定，二进制振幅键控信号的带宽 B2AS是基带信号波形带宽B 的两倍,即B2ASK=2B

图3-6 二进制振幅键控信号的功率谱密度

3.2二进制移频键控(2FSK)

在二进制数字调制中，若正弦载波的频率随二进制基带信号在f1和f2两个频率点间变化，则产生二进制移频键控信号(2FSK信号)。二进制移频键控信号的时间波形如图2 – 6 所示，图中波形g可分解为波形e和波形f，即二进制移频键控信号可以看成是两个不同载波的二进制振幅键控信号的叠加。若二进制基带信号的1符号对应于载波频率f1，0符号对应于载波频率f2，则二进制移频键控信号的时域表达式为

（3-2-1）

（3-2- 2）

（3- 2-3）

图 3- 7二进制移频键控信号的时间波形

由图 3 - 7 可看出，bn是an的反码，即若an=1，则bn=0，若an=0，则bn=1，于是bn=，θn和分别代表第n个信号码元的初始相位。在二进制移频键控信号中，和θn不携带信息，通常可令和θn为零。因此，二进制移频键控信号的时域表达式可简化为

（3-2-4）

二进制移频键控信号的产生，可以采用模拟调频电路来实现，也可以采用数字键控的方法来实现。图 3- 8是数字键控法实现二进制移频键控信号的原理图, 图中两个振荡器的输出载波受输入的二进制基带信号控制，在一个码元Ts期间输出f1或f2两个载波之一。

二进制移频键控信号的解调方法很多，有模拟鉴频法和数字检测法，有非相干解调方法也有相干解调方法。采用非相干解调和相干解调两种方法的原理图如图3 - 9所示。其解调原理是将二进制移频键控信号分解为上下两路二进制振幅键控信号，分别进行解调，通过对上下两路的抽样值进行比较最终判决出输出信号。非相干解调过程的时间波形如图 3 - 10所示。

图 3 –8 数字键控法实现二进制移频键控信号的原理图

(a) 非相干解调；(b) 相干解调

图3 –9 二进制移频键控信号解调器原理图

图 3-10 2FSK非相干解调过程的时间波形

图 3 – 11 过零检测法原理图和各点时间波形

过零检测法解调器的原理图和各点时间波形如图3 - 11 所示。其基本原理是，二进制移频键控信号的过零点数随载波频率不同而异，通过检测过零点数从而得到频率的变化。在图 3- 11中,输入信号经过限幅后产生矩形波，经微分，整流，波形整形，形成与频率变化相关的矩形脉冲波，经低通滤波器滤除高次谐波，便恢复出与原数字信号对应的基带数字信号。

3.2.1 2FSK 信号的功率谱密度

相位不连续的二进制移频键控信号的功率谱密度可以近似表示成两个不同载波的二进制振幅键控信号功率谱密度的叠加。

（3-2-5）

（3-2-6）

（3-2-7）

（3-2-8）

令概率，将二进制数字基带信号的功率谱密度公式带入式（3-2-8）可得

（3-2-9）

由式(3-2-9)可得，相位不连续的二进制移频键控信号的功率谱由离散谱和连续谱所组成，其中，离散谱位于两个载频 f1和 f2处；连续谱由两个中心位于 f1和 f2处的双边谱叠加形成；若两个载波频差小于 fs ，则连续谱在 fc 处出现单峰；若载频差大于 fs ，则连续谱出现双峰。若以二进制移频键控信号功率谱第一个

零点之间的频率间隔计算二进制移频键控信号的带宽，则该二进制移频键控信号的带宽B2FSK为

（3-2-10）

图3-12 相位不连续二进制频移键控信号的功率谱示意图

3.3二进制移相键控(2PSK)

在二进制数字调制中，当正弦载波的相位随二进制数字基带信号离散变化时，则产生二进制移相键控(2PSK)信号。通常用已调信号载波的 0°和 180°分别表示二进制数字基带信号的 1 和 0. 二进制移相键控信号的时域表达式为

e2PSK(t)= g(t-nTs)]cosωct ( 3-3-1)

其中， an与2ASK和2FSK时的不同，在2PSK调制中，a n应选择双极性，即

（3-3-2）

（3–3-3）

若g(t)是脉宽为Ts，高度为1的矩形脉冲时，则有

e2PSK(t)= cosωct，发送概率为P

-cosωct，发送概率为1-P

由式(3 -1 - 20)可看出，当发送二进制符号1时，已调信号e2PSK(t)取0°相位，发送二进制符号0时，e2PSK(t)取180°相位.若用φn表示第n个符号的绝对相位，则有 φn= 0°，发送 1 符号

180°，发送 0 符号

这种以载波的不同相位直接表示相应二进制数字信号的调制方式，称为二进制绝对移相方式。二进制移相键控信号的典型时间波形如图 3- 13 所示。

图 3 – 13 二进制移相键控信号的时间波形

二进制移相键控信号的调制原理图如图 3 - 14 所示。其中图(a)是采用模拟调制的方法产生2PSK信号，图(b)是采用数字键控的方法产生2PSK信号。2PSK信号的解调通常都是采用相干解调，解调器原理图如图 3- 15 所示。在相干解调过程中需要用到与接收的2PSK信号同频同相的相干载波，有关相干载波的恢复问题将在第 11 章同步原理中介绍。2PSK信号相干解调各点时间波形如图 3 - 16所示。当恢复的相干载波产生180°倒相时，解调出的数字基带信号将与发送的数字基带信号正好是相反，解调器输出数字基带信号全部出错。

图（a）

图（b）

图 3- 14 2PSK信号的调制原理图

图 3- 15 2PSK信号的解调原理图

图 3 -16 2PSK信号相干解调各点时间波形

这种现象通常称为"倒π"现象。由于在2PSK信号的载波恢复过程中存在着180°的相位模糊，所以2PSK信号的相干解调存在随机的"倒π"现象，从而使得2PSK方式在实际中很少采用。

图3-17 过零检测法原理图和各点波形

3.3.1 2PSK的功率谱密度

由式(3-2-8)可知，2PSK 信号可表示为双极性不归零二进制基带信号与正弦载波相乘，则 2PSK 信号的功率谱为

（3-3-4）

代入基带信号功率谱密度可得

（3-3-5）若二进制基带信号采用矩形脉冲，且P =1/2 时，则 2PSK 信号的功率谱简化为

（ 3-3-6）

由式（3-3-5）和式（3-3-6）可以看出，一般情况下二进制频移键控信号的功率谱密度由离散谱和连续谱组成，其结构与二进制振幅键控信号的功率谱密度相类似，带宽也是基带信号带宽的两倍。当二进制基带信号的“1”符号和“0”符号出现概率相等时，则不存在离散谱。2PSK信号的功率谱密度如图3-18所示。

图3-18 2PSK信号的功率谱密度

3.4二进制差分相位键控(2DPSK)

在2PSK信号中，信号相位的变化是以未调正弦载波的相位作为参考，用载波相位的绝对数值表示数字信息的，所以称为绝对移相。由图 3 - 16 所示2PSK信号的解调波形可以看出，由于相干载波恢复中载波相位的180°相位模糊，导致解调出的二进制基带信号出现反向现象，从而难以实际应用。为了解决2PSK信号解调过程的反向工作问题，提出了二进制差分相位键控(2DPSK)。2DPSK方式是用前后相邻码元的载波相对相位变化来表示数字信息。假设前后相邻码元的载波相位差为Δφ，可定义一种数字信息与Δφ之间的关系为

（3-4-1） 则一组二进制数字信息与其对应的 2DPSK 信号的载波相位关系如下所示:

二进制数字信息: 1 1 0 1 0 0 1 1 1 0

2DPSK信号相位: 0 π 0 0 π π π 0 π 0 0

或 π 0 π π 0 0 0 π 0 π π

数字信息与Δφ之间的关系也可以定义为

（3-4-2）

2DPSK 信号调制过程波形如图 3- 19 所示。可以看出，2DPSK信号的实现方法可以采用：首先对二进制数字基带信号进行差分编码，将绝对码表示二进制信息变换为用相对码表示二进制信息，然后再进行绝对调相，从而产生二进制差分相位键控信号。2DPSK信号调制器原理图如图 3 - 20 所示

2DPSK信号可以采用相干解调方式(极性比较法), 解调器原理图和解调过程各点时间波形如图 3 - 21 所示。其解调原理是:对2DPSK信号进行相干解调，恢复出相对码，再通过码反变换器变换为绝对码，从而恢复出发送的二进制数字信息。在解调过程中，若相干载波产生180°相位模糊。解调出的相对码将产生倒置现象，但是经过码反变换器后，输出的绝对码不会发生任何倒置现象，从而解决了载波相位模糊度的问题。

图 3 - 19 2DPSK信号调制过程波形图

图 3 – 20 2DPSK 信号调制器原理图

图 3 -21 2DPSK 信号相干解调器原理图和解调过程各点时间波形

2DPSK信号也可以采用差分相干解调方式(相位比较法)，解调器原理图和解调过程各点时间波形如图 3 - 21 所示。其解调原理是直接比较前后码元的相位差，从而恢复发送的二进制数字信息。由于解调的同时完成了码反变换作用，故解调器中不需要码反变换器。由于差分相干解调方式不需要专门的相干载波，因此是一种非相干解调方法。

2DPSK系统是一种实用的数字调相系统，但其抗加性白噪声性能比2PSK的要差。

图 3 -22 2DPSK信号差分相干解调器原理图和解调过程各点时间波形

2DPSK与2PSK有相同的功率谱密度。

3.5 本章小结

4.Simulink的模型建立和仿真

Clarke提出了一种用于描述平坦小尺度衰落的统计模型，即瑞利衰落信道。其移动台接收信号场强的统计特性是基于散射的，这正好与市区环境中无直视通路的特点相吻合，因此广泛应用于市区环境的仿真中。

基站和移动台之间的传播环境主要特征是多径传播，即并不仅仅来自一条直射路径，而更包括由于建筑物、树木以及起伏的地形引起反射，散射及绕射后的信号，由于电波通过各个路径的距离不同，因而各个路径来的反射波到达时间不同，相位就不同。不同相位的多个信号在接收端叠加，有时同相叠加而加强，有时反相叠加而减弱。这样，接收信号的幅度将急剧变化，即产生了衰落。对于典型的市区环境，具有以下特点：发射天线放置在建筑物的顶端，在接收天线的远场区空间上只存在很少的可分离的远端散射体，且每个主反射体一般只有一个主要路径；在接收端和发射端的附近存在大量的散射体，由于它们产生的多径信号相对时延很小，所以可以认为任何平面波都没有附加时延，又由于不存在直射路径，只存在在散射路径，使得到达波都经历了相似的衰落，具有几乎相等的幅度，只是具有不同的频移和入射角。

3.2 Suzuki信道模型

3.2.1 Suzuki衰落分布

其包络的概率分布满足

（3.2.1）

式中，是瑞利分布中个高斯分量的标准差；和分别为对数正态分布的均值和标准方差。

3.2.2 Suzuki信道模型

Suzuki 信道模型是将小尺度衰落和大尺度传播模型结合起来的一个混合模型，即在瑞利信道的基础上，考虑了阴影效应。因此，用Suzuki信道模型来仿真平坦衰落信道，意义更为重要。

Suzuki过程可以表示为瑞利过程（小尺度衰落）与对数正态过程(大尺度衰落)的乘积

（3.2.2）（1） 瑞利过程

瑞利过程可以定义为窄带复高斯随机过程的包络

（3.2.3）

式中，和是不相关的实正态随机过程，均值为，方差 =1,2 ，因此= 是瑞利分布的随机过程。

根据功率谱密度，可以得到其自相关函数为

（3.2.4）

（2）对数正态过程

对数正态过程由均值为=0，方差=1的实高斯随机过程生成

（3.2.5）

式中，参数和的引入是为了分别将和转换为实际的均值和方差。通常假设的功率谱密度函数服从高斯分布，如下是定义

（3.2.6）

式中，与截止频率的关系是，。总的说来，截止频率比最大多普勒频移小的多，可以表示为，所以这里的。

3.3 本章小结

本章对移动衰落信道模型进行了研究。本章介绍了Clarke信道模型和Suzuki信道模型，其中前者是用于描述小尺度衰落的，而后者综合考虑了大尺度和小尺度衰落的影响。由于后者应用的广泛性，本章主要介绍后者。Suzuki过程是瑞利过程与对数正态分布过程的乘积过程，其中用瑞利过程描述多径衰落，而正态分布过程描述阴影衰落。

4．平坦衰落信道仿真

在多径传播条件下，接收信号会产生时延扩展，当发送端发送一个极窄的脉冲信号时，接收端受到许多不同时延的脉冲组成的信号，从频域上看，信道对发送的信号进行了滤波，对信号中的不同频率分量衰落幅度不一样，在频率上很接近的分量，它们的衰落也很接近，而在频率上相隔很远的分量，它们的衰落相差很大。因此，根据信道对信号频率的选择性，也就是时延扩展和相关带宽，把衰落信道分为平坦衰落信道（频率非选择性信道）和频率选择性衰落信道。

用有限个谐波来代替无限个谐波，则随机过程可以表示为

（4.1.1）

式中， =2，，相移是内均匀分布的随机变量；当时，，这样就是频率成为连续分布的。由于这里的是随机变量，所以，此模型成为“随机型仿真模型”。当从均匀分布的区间随机取出之后，就不再代表一个随机变量了，而是随机变量的一个实现。因此当代表随机变量的一个实现时，上式变为

（4.1.2）

因为这里的在整个仿真过程中是确定的，所以此模型为“确定型随机模型”。注意到当时，确定过程是随机过程的取样函数。

基于确定型实高斯随机过程，可以表示确定复高斯随机过程为

则确定的瑞利过程可以表示为

用于计算机仿真的离散仿真器只需要将用代替即可，其中为抽样间隔，为整数。在仿真建立的初始阶段，必须确定参数的值，且在整个仿真阶段保持不变。分别称为确定过程的多普勒系数，离散多普勒频率，多普勒相移。

4.1 计算机模型的参数计算

计算机模型中含有正弦波的幅度、离散多普勒频率以及随机多普勒

初始相位这三组待定参量。对于随机初始相位可采用在内取随机数的方法得到，其它二组参量和可由五种计算方法获得，这五种方法是：最小均方误差法（MSEM）、实际多普勒扩散法（MEDS）、等面积取样法（MEA）、等距离取样法（MED）、随机取样法(MCM)。本文只介绍其中三种方法，即最小均方误差法（MSEM）、等面积取样法（MEA）、实际多普勒扩散法（MEDS）。

4.1.1 均方误差法（MSEM）

均方误差法（MSEM）基于这样一个思想：在均方误差

（4.1.3）

最小的方式下来计算模型参数集和。其中，可以是描述理论参考模型过程的任意自相关函数。另外，也可以从实际的数据测量中得到。确定性的自相关函数为

（4.1.4）

表示一个合适的时间。

把式（4.1.4）代入式（4.1.3），并设关于多普勒系数的偏导数等于零，可以得到关于的公式：

（4.1.5）

n = 1,2,3,…,NI(i=1,2)

式中，

1. Jakes功率谱密度函数的MSEM法参数求解

将Jakes 的自相 关函数

=1,2 （4.1.6）

代入式（4.1.5），可以得到

（4.1.7）

式中，

离散多普勒频率 ，n = 1,2,…,Ni . 因为式（4.1.7）中出现的定积分没有封闭形式的解，所以在这种情况下，为了计算多普勒系数就需要应用数值积分的计算方法。

MSEM法得到的Jakes谱的模拟过程的功率谱密度函数见图1a,自相关函数见图1b。作为比较，图1b中还给出了被模拟过程的自相关函数。

（a） (b)红线

绿线

图1 （ MSEM, Jakes PSD and ACF , =25, =91Hz,

2. Gaussian功率谱密度函数的MSEM法参数求解

Gaussian的自相关函数为

（4.1.8）

将式（4.1.8）代入式（4.1.5），可得到表达式

（4.1.9）

n = 1,2,…,Ni(i = 1,2) 式中

设参量，因此周期。 离散多普勒频率 （4.1.10）其中，

n = 1,2,…,Ni

MSEM法得到的Gaussian谱的模拟过程的功率谱密度函数见图2a,自相关函数见图2b.作为比较，2b中同时给出了被模拟过程的自相关函数。

（a） (b)红线

绿线

图2 （ MSEM, Gaussian PSD and ACF, =25, =91Hz,

,

MSEM法得到的模拟过程的均值为零，即，但它们 的方差与所取的离散多普勒频率点数有关。因为最小误差法对频率的取样时等间距进行的，所以得到的模拟过程也必然是周期的，且前后半周期的值互为倒数，所以对于这种方法得到的模拟过程，其模拟时间也不应超过半个周期。

4.1.2 等面积取样法（MEA）

所谓等面积法指的是在功率谱密度函数一定的情况下，任意两个离散多普勒频移之间的区间面积都等于。即：

（4.1.10）

而=0。为了方便推导，引入函数：

（4.1.11）

将式（4.1.10）代入式（4.1.11）中得

（4.1.12）

假设函数的反函数存在，记为，则离散多普勒频移可写为：

（4.1.13）

同时，注意到在区间内，的平均功率等于，根据功率谱密度

（4.1.14）

可写出多普勒系数：

（4.1.15）1. Jakes 功率谱密度函数的MEA法参数求解

莱斯的复随机变量

（4.1.16）

式中 （=1,2）

将式（4.1.1）中的Jakes 功率谱表达式代入到式（4.1.16）中可得：

（4.1.17）

其中，。显然，的反函数存在，解式可得离散多普勒频移：

（4.1.18）

从式（4.1.15），将用代替容易得到多普勒系数：

（4.1.19）

当5时，的最大公约数近似等于零，所以周期为无穷。因此确定过程是周期的。

MEA法得到的Jakes谱的模拟过程的功率谱密度函数见图3a,自相关函数见图3b。作为比较，图3b中还给出了被模拟过程的自相关函数。

（a） (b) 红线

绿线

图3 （ MEA, Jakes PSD and ACF , =25, =91Hz,

2. Gaussian 功率谱密度函数的MEA法参数求解

引入函数：

=1,2，…,（4.1.20）

上式中误差函数的反函数不存在，这样，将得不到离散多普勒频移的闭合表达式，因此，只能通过查表来寻找满足下式的:

(4.1.21)

可以得到，相邻的离散多普勒频率间隔依赖于具体的下标n,因此，自相关函数并不是周期性的。因此确定过程是非周期的。

多普勒系数的值：

（4.1.22）

MEA法得到的Gaussian谱的模拟过程的功率谱密度函数见图4a,自相关函数见图4b。作为比较，图4b中还给出了被模拟过程的自相关函数。

（a） (b)红线

绿线

图4 （ MEA, Gaussian PSD and ACF , =25, =91Hz,

4.1.3 实际多普勒扩散法（MEDS）

MEDS的原理是分别利用模拟过程的概率密度函数以及自相关函数去逼近目标过程的相应函数，具体地说首先对

, =0,1 (4.1.23)

利用数值逼近法计算求出多普勒幅度，随后再对 , =0,1 (4.1.24)

利用数值逼近法计算出离散多普勒频率。虽然此法较为简单，但它的高性能使得它成为仿真经典功率谱的较好方法。它的出发点是仿真经典功率谱，但是进行相应的拓展，也可以适用于高斯功率谱。

1. Jakes功率谱密度函数的MEDS法参数求解

精确多普勒扩展法的的出发点是

（4.1.25）

所以

（4.1.26）

这里，。又因为经典功率谱的自相关函数为 （4.1.27）

所以代入可得

（4.1.28）

对于有限个振荡器合成的随机过程来说，当时， 所以

（4.1.29）

若随机过程具有关于自相关函数的各态历经性，则。因此

（4.1.30）

上式与自相关函数

（4.1.31）、

比较，可以得出多普勒系数和离散多普勒频移：

（4.1.32）

（4.1.33）

可以看出，精确多普勒扩展的多普勒频移离散多普勒频移与等面积法的多普勒频移离散多普勒频移很近似，只需将前者的的（n-1/2）用n代替即可。

MEDS法得到的Jakes谱的模拟过程的功率谱密度函数见图5a,自相关函数见图5b.作为比较，5b中同时给出了被模拟过程的自相关函数。

（a） (b) 红线

绿线

图5（ MEDS, Jakes PSD and ACF , =25, =91Hz,

2. Gaussian 功率谱密度函数的MEDS法参数求解

在Jakes功率谱的推导中，精确多普勒扩展的离散多普勒频移与等面积法的离散多普勒频移很近似，只需要将前者的（n-1/2）用n代替即可，因此，我们可以在计算高斯功率谱时采用同样的变换，即离散多普勒频移为

（4.1.34）

为了保证为零，离散多普勒频移应满足

（4.1.35）

多普勒系数满足

（4.1.36）

MEDS法得到的Gaussian谱的模拟过程的功率谱密度函数见图6a,自相关函数见图6b.作为比较，6b中同时给出了被模拟过程的自相关函数。

（a） (b) 红线

绿线

图6（ MEDS, Jakes PSD and ACF , =25, =91Hz,

4.2 平均多普勒偏移因子及多普勒扩散因子

本文已经介绍了三种计算离散多普勒频率及幅度的方法，下面就采用多普勒频移与多普勒扩展准则对这三种计算方法的性能作比较。

平均多普勒偏移因子定义为功率谱密度函数的一阶中心距

， = 0,1 (4.2.1)

平均多普勒扩散因子定义为功率谱密度函数的二阶中心距的均方根

， = 0， 1 （4.2.2）

多普勒频移与多普勒扩展是给定多普勒功率谱密度的两个参数。所以，考虑用仿真模型的多普勒功率谱密度来计算相应的多普勒频移与多普勒扩展。

将模拟过程的功率谱密度函数

， = 0（4.2.3）分别代入式（4.2.1）和式（4.2.2），可得模拟过程的平均多普勒偏移因子和平均多普勒扩散因子分别为：

= 0， ， =0， 1 （4.2.4）

其中：

通过比较可以看出，仿真模型的多普勒频移与理论模型的多普勒频移相合，

即：; 但多普勒扩展却不一样，仿真的多普勒扩展依赖于仿真中采用的正弦分量个数，以及产生多普勒系数、离散多普勒频移的方法，所以不同的仿真方法得到的多普勒扩展也不尽相同。

图7和图8给出了多普勒功率谱分别为Jakes 功率谱和高斯功率谱时，不同方法产生的归一化多普勒扩展值（对于功率谱，用进行归一化）。

图 7

图8

对于本文介绍的三种计算离散多普勒频率及幅度的方法，多普勒频率与多普勒系数都是确定的，并且由正弦波个数与多普勒功率谱密度决定。只要给定多普勒功率谱密度与仿真中正弦分量的个数，仿真模型的多普勒扩展也就确定了。因此，多普勒扩展是正弦分量的函数。图7是采用Jakes功率谱密度函数的结果，从图中可以看出，MEDS法性能最好，MEA法和MSEM法的性能差不多。图8是采用Gaussian功率谱密度函数的结果，可以看出，MSEM此时性能最佳，MEDS性能次佳，MEA在这三种方法中性能是最差的。MSEM法采用的离散多普勒频移都是等间距的，这就导致有色高斯噪声是周期循环的；MEA法能够较好的近似Jakes功率谱，即使是在振荡器数目较少的情况下，但是对于其它类型的功率谱，例如高斯功率谱，会出现失效或者需要大量的振荡器的情况。MEDS法与MEA法类似，用于仿真Jakes功率谱时较为准确，且仅仅需要较少的振荡器，但用于高斯功率谱时运算量太大。

4.3 Suzuki信道仿真

基于第3章讲到的Suzuki信道模型的理论知识，下面给出了Suzuki过程的计算机模型仿真。Suzuki过程模拟是用三个有色高斯噪声过程模拟实现的，其中两个有色高斯噪声用来模拟Rayleigh过程的同相分量和正交分量，第三个模拟对数正态过程。这三个有色高斯噪声过程是通过用有限个加权的正弦信号和来近似的。仿真结果如图9所示。

Suzuki仿真过程

图9 Suzuki

Suzuki 过程可以看作在Rayleigh 衰落范围内，平均接收功率服从对

数正态分布的过程。Suzuki 过程利用一个确定的模型来仿真复杂的统计过程，计算量较小。同时考虑到了由阴影效应引起的大尺度衰落以及有多径传输引起的平坦快衰落，具有一定的普遍性，这是它的优点。但是，它只是个衰落模型，并没有考虑到多径传输还有可能引起信号在不同维（时间，频率，空间）的扩展，即时间选择性衰落，频率选择性衰落和角度扩展。因此此信道模型只适用于窄带信道，要求信号带宽小于信道带宽。

4.4 本章小结

本章根据正弦和理论建立了移动信道的确定性仿真模型——Suzuki 过程。并用等面积算法和实际多普勒扩散算法，对模型参数进行了确定，通过自相关函数得仿真和比较，说明模型的可行性。该模型克服了滤波器所带来的不便，计算量较小。同时考虑到了由阴影效应引起的大尺度衰落以及有多径传输引起的平坦快衰落，具有一定的普遍性。但是，Suzuki 过程信道模型只适用于窄带信道，要求信号带宽小于信道带宽。

5. 总结与展望

无线通信系统的性能主要受到移动无线信道的制约。无线信道具有高度的

随机性，对其建模历来是移动无线系统设计的重点和难点。本文采用正弦和理论建立了信道的确定性仿真模型，并用等面积算法、最小均方误差算法和实际多普勒扩展法确定了模型的参数；应用MATLAB 对Suzuki过程进行了仿真，对移动通信系统的分析和建立具有重要作用。

虽然论文在移动通信信道特性的研究及计算机模型的建立中作了大量工作，取得了一定的研究成果，但为了更好的适应通信新技术的发展，还需要在以下方

面开展进一步的研究工作：

1.在信道的建立和分析中国内缺少大量的参考资料，目前只能借助国外的相关资料来进行分析和验证已建立的信道模型；

2. 移动通信系统本身发生了很大的变化，因而对移动信道的分析和建模也会提出更高的要求。

致 谢

我首先要感谢的是我的导师胡洪坡老师！在校期间，胡老师给予了我宝贵的知识。导师帮助我克服了很多的困难，使得我的学士论文得以顺利完成。胡老师认真严谨的治学作风和真诚热情的待人态度，深深的影响着我，使我终身受益。在此，向胡老师致以我最深深的敬意和最真诚的感谢！

感谢我的父母，这些年来他们在生活和学习上一直无微不至的关心着我，鼓励我不断前进。他们的爱是我不断前进的动力源泉。

最后，再次向所有帮助过我的老师、同学和朋友们致以最深深的谢意！衷心的祝福他们幸福安康！

参考文献

[1] 李迎春.移动衰落信道的模型与模拟,2008年，pp 1~80

[2] 蒋秋红.移动通信信道建模与仿真的研究,2004年，pp17~36

[3] 陆 琦.无线通信衰落信道的实现，2007年，pp 29~45

[4] 周炯槃，庞沁华等. 通信原理（第3版）.北京：北京邮电大学出版社，2008

[5] 杨大成.移动传播环境.北京:机械工业出版社，2003

[6] 申东娅，赵翠芹，张雪梅，陆安现，崔燕妮.卫星移动信道中色高斯随机过程仿真方法研究.云南大学学报（自然科学版），2008年第2期，pp124~128

[7] 求是科技.MATLAB7.0从入门到精通.北京：人民邮电出版社，2008年

[8] 邓 华.通信仿真及应用实例详解.人民邮电出版社，2003年

[9] (德)Matthias Patzold著，陈 伟译. 移动衰落信道.电子工业出版社，2009年

[10] 肖明波，杨光松，许 芳等.通信系统仿真原理与无线应用[M].北京:机械工业

出版社，2005年

附录

要用到的程序：

function r_mm=acf_mue(f,c,tau)

r_mm=0;

for n=1:length(c),

r_mm=r_mm+0.5*c(n)^2*cos(2*pi*f(n)*tau);

end

图1源程序：

%用MSEM法在Jakes功率谱密度下计算参数

function mse = MSEM_J(N_i,sigma_0_2,f_max)

sigma_0 = sqrt(sigma_0_2);

n = (1:N_i);

f_i_n = f_max/(2*N_i)*(2*n-1);

Tp =1/(2*f_max/N_i);

t = linspace(0,Tp,5E3);

Jo = besselj(0,2*pi*f_max*t);

c_i_n = zeros(size(f_i_n));

for k = 1 : length(f_i_n),

c_i_n(k) = 2*sigma_0*sqrt(1/Tp*(trapz(t,Jo.*cos(2*pi*f_i_n(k)*t))));

end

k = 1;

theta_i_n = rand(N_i,1)*2*pi;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2)

xlabel('f/HZ')

ylabel('PSD')

tau_max = N_i /(k*f_max);

tau = linspace(0,tau_max,500);

r_mm = sigma_0^2*besselj(0,2*pi*f_max*tau);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g-.')

xlabel('tau(s)')

ylabel('ACF')

图2 源程序：

%用MSEM法在Gaussian功率谱密度下计算参数

function mse = MSEM_G(N_i,sigma_0_2,f_max)

f_c = sqrt(log(2))*f_max;

sigma_0 = sqrt(sigma_0_2);

kappa_c = f_max/f_c;

n = (1:N_i);

f_i_n = kappa_c*f_c/(2*N_i)*(2*n-1);

tau_max = N_i/(2*kappa_c*f_c);

N = 1E3;

tau = linspace(0,tau_max,N);

f1 = exp(-(pi*f_c*tau).^2/log(2));

c_i_n = zeros(size(f_i_n));

for k1 = 1: length(c_i_n),

c_i_n(k1) = 2*sigma_0*sqrt(trapz(tau,f1.*cos(2*pi*f_i_n(k1)*tau))/tau_max);

end

k =1;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2)

xlabel('f (HZ)')

ylabel('PSD')

tau_max = N_i /(k*kappa_c*f_c);

tau = linspace(0,tau_max,500);

r_mm = sigma_0_2*exp(-(pi*f_c/sqrt(log(2))*tau).^2);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g--')

xlabel('tau(s)')

ylabel('ACF')

图3源程序：

function mea = MEA_J(N_i,sigma_0_2,f_max)

sigma_0 = sqrt(sigma_0_2);

n = (1 : N_i);

f_i_n = f_max * sin(pi * n /(2 * N_i));

c_i_n = sigma_0 * sqrt(2/N_i) * ones(size(n));

k = 1 ;

theta_i_n = rand(N_i,1)*2*pi;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2);

xlabel('f/HZ')

ylabel('PSD')

tau_max = N_i /(k*f_max);

tau = linspace(0,tau_max,500);

r_mm = sigma_0^2*besselj(0,2*pi*f_max*tau);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g--')

xlabel('tau(s)')

ylabel('ACF')

图4源程序：

function mea = MEA_G(N_i,sigma_0_2,f_max)

f_c = sqrt(log(2))*f_max;

sigma_0 = sqrt(sigma_0_2);

kappa_c = f_max/f_c;

n = (1:N_i);

c_i_n = sigma_0*sqrt(2/N_i)*ones(size(n));

f_i_n = f_c/sqrt(log(2))*erfinv(n/N_i);

f_i_n(N_i) = f_c/sqrt(log(2))*erfinv(0.9999999);

k=1;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2)

xlabel('f (HZ)')

ylabel('PSD')

tau_max = N_i /(k*kappa_c*f_c);

tau = linspace(0,tau_max,500);

r_mm = sigma_0_2*exp(-(pi*f_c/sqrt(log(2))*tau).^2);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g--')

xlabel('tau(s)')

ylabel('ACF

图5源程序:

function mea = MEDS_J(N_i,sigma_0_2,f_max)

sigma_0 = sqrt(sigma_0_2);

n = (1:N_i);

f_i_n = f_max * sin(pi/(2*N_i)*(n - 1/2));

c_i_n = sigma_0 * sqrt(2/(N_i)) * ones(size(f_i_n));

k = 1;

theta_i_n = rand(N_i,1)*2*pi;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2)

xlabel('f/HZ')

ylabel('PSD')

tau_max = N_i /(k*f_max);

tau = linspace(0,tau_max,500);

r_mm = sigma_0^2*besselj(0,2*pi*f_max*tau);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g--')

xlabel('tau(s)')

ylabel('ACF')

图6源程序：

function mea = MEDS_G(N_i,sigma_0_2,f_max)

f_c = sqrt(log(2))*f_max;

sigma_0 = sqrt(sigma_0_2);

kappa_c = f_max/f_c;

n =(1:N_i);

c_i_n = sigma_0*sqrt(2/N_i)*ones(size(n));

f_i_n = f_c/sqrt(log(2))*erfinv((2*n-1)/(2*N_i));

k = 1;

theta_i_n = rand(N_i,1)*2*pi;

subplot(1,2,1)

stem([-f_i_n(N_i:-1:1); f_i_n], 1/4*[c_i_n(N_i:-1:1);c_i_n].^2)

xlabel('f (HZ)')

ylabel('PSD')

tau_max = N_i /(k*kappa_c*f_c);

tau = linspace(0,tau_max,500);

r_mm = sigma_0_2*exp(-(pi*f_c/sqrt(log(2))*tau).^2);

r_mm_tilde = acf_mue(f_i_n,c_i_n,tau);

subplot(1,2,2)

plot(tau,r_mm,'r-',tau,r_mm_tilde,'g--')

xlabel('tau(s)')

ylabel('ACF')

图7源程序：

function mea = MEA_J(N_i,sigma_0_2,f_max)

sigma_0 = sqrt(sigma_0_2);

for N_i = (1:N_i_max);

n = (1 : N_i);

f_i_n_mea = f_max * sin(pi * n /(2 * N_i));

c_i_n_mea = sigma_0 * sqrt(2/N_i) * ones(size(n));

f_i_n_meds = f_max * sin(pi/(2*N_i)*(n - 1/2));

c_i_n_meds = sigma_0 * sqrt(2/(N_i))* ones(size(f_i_n_meds));

f_i_n_msem = f_max/(2*N_i)*(2*n-1);

Tp =1/(2*f_max/N_i);

t = linspace(0,Tp,5E3);

Jo = besselj(0,2*pi*f_max*t);

c_i_n_msem = zeros(size(f_i_n_msem));

for k = 1 : length(f_i_n_msem),

c_i_n_msem(k) = 2*sigma_0*sqrt(1/Tp*(trapz(t,Jo.*cos(2*pi*f_i_n_msem(k)*t))));

end

sigma_v_i_2 = sum(c_i_n.^2/2);

B_v_i_mea(N_i) = sqrt(1./sigma_v_i_2.*sum(c_i_n_mea.^2 .* f_i_n_mea.^2));

B_v_i_meds(N_i) = sqrt(1./sigma_v_i_2.*sum(c_i_n_meds.^2 .* f_i_n_meds.^2));

B_v_i_msem(N_i) = sqrt(1./sigma_v_i_2.*sum(c_i_n_msem.^2 .* f_i_n_msem.^2));

end

i = 1:N_i_max;

plot(B_v_i_mea(i)/f_max,'r-')

hold on;

plot(B_v_i_meds(i)/f_max,'g*')

hold on;

plot(B_v_i_msem(i)/f_max,'b.')

xlabel('N_i')

ylabel('B_v/f_m_a_x')

text(25,1.4,'Jakes')

text(40,1.4,' MEA --')

text(40,1.36,'MEDS **')

text(40,1.32,'MSEM ...')

图8源程序：

N_i_max = 25; sigma_0_2 = 1; f_max = 91;

f_c = sqrt(log(2))*f_max;

sigma_0 = sqrt(sigma_0_2);

kappa_c = f_max/f_c;

for N_i = (1:N_i_max);

n = (1 : N_i);

c_i_n_mea = sigma_0*sqrt(2/N_i)*ones(size(n));

f_i_n_mea = f_c/sqrt(log(2))*erfinv(n/N_i);

f_i_n_mea(N_i) = f_c/sqrt(log(2))*erfinv(0.9999999);

c_i_n_meds = sigma_0*sqrt(2/N_i)*ones(size(n));

f_i_n_meds = f_c/sqrt(log(2))*erfinv((2*n-1)/(2*N_i));

f_i_n_msem = kappa_c*f_c/(2*N_i)*(2*n-1);

tau_max = N_i/(2*kappa_c*f_c);

N = 1E3;

tau = linspace(0,tau_max,N);

f1 = exp(-(pi*f_c*tau).^2/log(2));

c_i_n_msem = zeros(size(f_i_n_msem));

for k1 = 1: length(c_i_n_msem),

c_i_n_msem(k1) = 2*sigma_0*sqrt(trapz(tau,f1.*cos(2*pi*f_i_n_msem(k1)*tau))/tau_max);

end

sigma_v_i_2 = sum(c_i_n.^2/2);

B_v_i_mea(N_i) = sqrt(1/sigma_v_i_2*sum(c_i_n_mea.^2 .* f_i_n_mea.^2));

B_v_i_meds(N_i) = sqrt(1/sigma_v_i_2*sum(c_i_n_meds.^2 .* f_i_n_meds.^2));

B_v_i_msem(N_i) = sqrt(1/sigma_v_i_2*sum(c_i_n_msem.^2 .* f_i_n_msem.^2));

end

i = 1:N_i_max;

plot(B_v_i_mea(i)/f_max,'r-')

hold on;

plot(B_v_i_meds(i)/f_max,'g*')

hold on;

plot(B_v_i_msem(i)/f_max+0.4,'b.')

xlabel('N_i')

ylabel('B_v/f_m_a_x')

text(10,5,'Gaussian')

text(20,5,' MEA --')

text(20,4.7,'MEDS **')

text(20,4.4,'MSEM ...')

图9源程序：

%本程序的功能是实现Suzuki过程的计算机模型；

%本程序采用MEDS和MEA方法生成瑞利过程的同相分量和正交分量参数，采用MEDS生成均值为0、方差为1的对数正态阴影的参数；

%参数说明：

%N_1，N_2，N_3，分别表示实确定型高斯过程gauss1_t、gauss2_t、gauss3_t的正弦振荡器数目；

%Variance1,表示确定高斯过程gauss1(t)、gauss2(t)的平均功率；

%f_max,表示最大多普勒频移；

%sigma_3,m_3，分别表示确定高斯过程gauss3_t的平均功率的平方根和均值；

%A_Los、f_Los 和theta_Los 分别表示可视径的幅度，多普勒频移和相移；

%T_interval，表示抽样间隔；

%T，表示仿真持续时间；

%a，表示多径波分量的入射角；

%取相位为[0,2pi)均匀分布；

function Suzuki_t = Suzuki_generator(N_1,N_2,N_3,Variance1,f_max,sigma_3,m_3,A_Los,a,theta_Los,T_interval,T);

f_c = sqrt(log(2))*f_max;

f_Los = f_max * cos(a);

k_c = 2*sqrt(2*(log(2)));

[f_1,c_1,theta_1] = MEDS_J('MEDS',N_1,Variance1,f_max,'rand');

[f_2,c_2,theta_2] =MEA_J('MEA',N_2,Variance1,f_max,'rand');

c_1 = c_1/sqrt(2);

c_2 = c_2/sqrt(2);

[f_3,c_3,theta_3] = MEDS_G('MEDS',N_3,1,f_max,'rand');

g = (2*pi*f_c/sqrt(2*log(2)))^2;

f_3(N_3) = sqrt(g*N_3/(2*pi)^2-sum(f_3(1:N_3-1).^2));

N = ceil(T/T_interval);

t = (0:N-1)*T_interval;

rice_t = Rice_generator(c_1,f_1,theta_1,c_2,f_2,theta_2,A_Los,f_Los,theta_Los,T_interval,T);

lognormal_t = exp(Gauss_generator(c_3,f_3,theta_3,T_interval,T)*sigma_3+m_3);

Suzuki_t = rice_t.*lognormal_t;

plot(t,Suzuki_t);

xlabel('t')

ylabel('suzuki')

%MEDS_J功能是使用Jakes功率谱密度在MEDS方法下求解正弦波的幅值c,频率f；

%参数说明：

%Method_type，表示计算离散多普勒频移和多普勒系数所采用的方法；

%N_i，表示正弦振荡器的数目；

%Variance，表示确定高斯过程的平均功率；

%f_max，表示最大多普勒频移；

%phase，表示用于计算多普勒相移的方法；

function [f_i,c_i,theta_i]=MEDS_J(Method_type,N_i,Variance,f_max,phase);

if Method_type == 'MEDS'

sigma_0_2 = 1 ;

sigma_0 = sqrt(sigma_0_2);

n = (1:N_i);

f_i = f_max * sin(pi/(2*N_i)*(n - 1/2));

c_i = sigma_0 * sqrt(2/(N_i)) * ones(size(f_i));

if phase == 'rand'

theta_i = rand(N_i,1)*2*pi;

end

end

%MEA_J功能是使用Jakes功率谱密度在MEA方法下求解正弦波的幅值c,频率f；

%参数说明同MEDS_J；

function [f_i,c_i,theta_i]=MEA_J(Method_type,N_i,Variance,f_max,phase);

if Method_type == 'MEA'

sigma_0_2 = 1 ;

sigma_0 = sqrt(sigma_0_2);

n = (1 : N_i);

f_i= f_max * sin(pi * n /(2 * N_i));

c_i = sigma_0 * sqrt(2/N_i) * ones(size(n));

if phase == 'rand'

theta_i = rand(N_i,1)*2*pi;

end

end

%MEDS_G功能是使用Gaussian功率谱密度在MEDS方法下求解正弦波的幅值c,频率f；

%参数说明同MEDS_J；

function [f_i,c_i,theta_i]=MEDS_G(Method_type,N_i,Variance,f_max,phase);

if Method_type =='MEDS'

sigma_0_2 = 1 ;

f_c = sqrt(log(2))*f_max;

sigma_0 = sqrt(sigma_0_2);

kappa_c = f_max/f_c;

n =(1:N_i);

c_i = sigma_0*sqrt(2/N_i)*ones(size(n));

f_i = f_c/sqrt(log(2))*erfinv((2*n-1)/(2*N_i));

if phase =='rand'

theta_i = rand(N_i,1)*2*pi;

end

end

% Rice_generator功能：在瑞利过程的基础上考虑视距分量，生成莱斯过程；

%参数说明：

%c1、c2，表示同相分量和正交分量的多普勒系数；

%f1、f2，表示同相分量和正交分量的离散多普勒频移；

%theta1、theta2，表示同相分量和正交分量的多普勒相移；

%A_Los、f_Los 和theta_Los 分别表示可视径的幅度，多普勒频移和相移；

%T_interval，表示抽样间隔；

%T，表示仿真持续时间。

function rice_t = Rice_generator(c1,f1,theta1,c2,f2,theta2,A_Los,f_Los,theta_Los,T_interval,T);

N = ceil(T/T_interval);

t = (0:N-1)*T_interval;

arg = 2*pi*f_Los*t+theta_Los;

rice_t = abs(Gauss_generator(c1,f1,theta1,T_interval,T)+A_Los*cos(arg)+j*(Gauss_generator(c2,f2,theta2,T_interval,T)+A_Los*sin(arg)));

%Gauss_generator功能：利用参数：多普勒频移、多普勒系数和多普勒相移，生成确定的实高斯过程。

%参数说明：

%c，表示多普勒系数；

%f，表示离散多普勒频移；

%theta，表示多普勒相移；

%T_interval，表示抽样间隔；

%T，表示仿真持续时间;

function gauss_t = Gauss_generator(c,f,theta,T_interval,T);

N = ceil(T/T_interval);

t = (0:N-1)*T_interval;

gauss_t = 0;

for k=1:length(f)

gauss_t = gauss_t + c(k)*cos(2*pi*(f(k)*t+theta(k))) ;

end

参考：

毕业论文（设计）工作记录及成绩评定册

题 目：

学生姓名：

学 号：

专 业：

班 级：

指 导 教 师：

职称：

助理指导教师：

职称：

年 月 日

实验中心制

使 用 说 明

一、此册中各项内容为对学生毕业论文（设计）的工作和成绩评定记录，请各环节记录人用黑色或蓝色钢笔（签字笔）认真填写（建议填写前先写出相应草稿，以避免填错），并妥善保存。

二、此册于学院组织对各专业题目审查完成后，各教研室汇编选题指南，经学生自由选题后，由实验中心组织发给学生。

三、学生如实填好本册封面上的各项内容和选题审批表的相应内容，经指导教师和学院领导小组批准后，交指导教师；指导老师填好《毕业论文（设计）任务书》的各项内容，经教研室审核后交学生签名确认其毕业论文（设计）工作任务。

四、学生在指导老师的指导下填好《毕业论文（设计）开题报告》各项内容，由指导教师和教研室审核通过后，确定其开题，并将此册交指导老师保存。

五、指导老师原则上每周至少保证一次对学生的指导，如实按时填好《毕业论文（设计）指导教师工作记录》，并请学生签字确认。

六、中期检查时，指导老师将此册交学生填写前期工作小结，指导教师对其任务完成情况进行评价，学院中期检查领导小组对师生中期工作进行核查，并对未完成者提出整改意见，后将此册交指导老师保存。

七、毕业论文（设计）定稿后，根据学院工作安排，学生把论文（打印件）交指导老师评阅。指导老师应认真按《毕业论文（设计）指导教师成绩评审表》对学生的论文进行评审并写出评语，然后把论文和此册一同交教研室。

八、教研室将学生的论文和此册分别交两位评阅人评阅后交回教研室保存。

九、学院答辩委员会审核学生答辩资格，确定答辩学生名单，把具有答辩资格学生的论文连同此册交各答辩小组。

十、学生答辩后由答辩小组记录人填好《毕业论文（设计）答辩记录表》中各项内容，然后把学生的论文和此册一同交所在答辩小组，答辩小组对其答辩进行评审并填写评语后交教研室。

十一、学院答辩委员会进行成绩总评定，填好《毕业论文（设计）成绩评定表》中各项内容，然后把论文（印刷版和电子版（另传））和此册等资料装入专用档案袋中，教教研室后由实验中心统一保存。

目 录

1．毕业论文（设计）选题审批表

2. 毕业论文（设计）任务书

3．毕业论文（设计）开题报告

4. 学生毕业论文（设计）题目更改申请表

5．毕业论文（设计）指导老师工作记录

6．毕业论文（设计）中期检查记录

7．毕业论文（设计）指导教师成绩评审表

8．毕业论文（设计）评阅人成绩评审表

9. 毕业论文（设计）答辩申请表

10．毕业论文（设计）答辩记录表

11．毕业论文（设计）答辩成绩评审表

12．毕业论文（设计）成绩评定表

毕业设计（论文）选题审批表

注：此表由学生填写

毕业论文（设计）任务书

注：任务书由指导教师填写。

毕业论文（设计）开题报告

说明：开题报告应根据教师下发的毕业设计（论文）任务书，在教师的指导下由学生独立撰写，在毕业设计开始后两周内完成。

学生毕业论文（设计）题目更改申请表

毕业论文（设计）指导教师工作记录

(由指导老师填写与学生见面、电话、网上指导的主要内容，原则上一周填写一次。)

毕业论文（设计）指导教师工作记录

(由指导老师填写与学生见面、电话、网上指导的主要内容，原则上一周填写一次。)

毕业论文（设计）指导教师工作记录

(由指导老师填写与学生见面、电话、网上指导的主要内容，原则上一周填写一次。)

毕业论文（设计）指导教师工作记录

(由指导老师填写与学生见面、电话、网上指导的主要内容，原则上一周填写一次。)

毕业论文（设计）中期检查记录

毕业设计（论文）指导教师成绩评审表

毕业论文（设计）评阅人成绩评审表

毕业论文（设计）评阅人成绩评审表