86 lines
2.3 KiB
Mathematica
86 lines
2.3 KiB
Mathematica
|
clear;
|
||
|
close all;
|
||
|
|
||
|
Fe = 24000; % fréquence d'échantillonage (Hz)
|
||
|
Te = 1/Fe; % période d'échantillonage (s)
|
||
|
N = 50000; % nombre de bits envoyés
|
||
|
Rb = 3000; % débit binaire
|
||
|
Fp = 2000; % fréquence porteuse
|
||
|
|
||
|
% bits = [ 1 1 1 0 0 1 0 ];
|
||
|
bits = randi([0, 1], 1, N); % bits envoyés
|
||
|
|
||
|
M = 2^1; % signal BPSK
|
||
|
Ts = log2(M)/Rb; % période symbole
|
||
|
Ns = floor(Ts/Te);
|
||
|
T = (0:N*Ns/log2(M)-1) * Te; % échelle temporelle
|
||
|
|
||
|
alpha0 = 1;
|
||
|
alpha1 = 0.5;
|
||
|
|
||
|
h = ones(1, Ns); % mise en forme: réponse impulsionnelle rectangulaire
|
||
|
h_c = [ alpha0 zeros(1, Ns-1) alpha1 ]; % propagation: sélectif
|
||
|
% h_c = [ 1 zeros(1, Ns-1) ]; % propagation: dirac
|
||
|
h_r = h; % réception: réponse impulsionnelle rectangulaire
|
||
|
|
||
|
n0 = Ns; % déterminé en traçant le diagramme de l'oeil ou g
|
||
|
|
||
|
%% tracé de g
|
||
|
g = conv(conv(h, h_c), h_r); % réponse impulsionnelle globale
|
||
|
|
||
|
% figure;
|
||
|
% plot(g);
|
||
|
% title("Tracé de g");
|
||
|
% ylabel("Amplitude");
|
||
|
|
||
|
%% chaine de transmission
|
||
|
X_m = 2 * bits - 1; % mapping binaire à moyenne nulle
|
||
|
X_k = kron(X_m, [1 zeros(1, Ns-1)]); % Suréchantillonnage
|
||
|
X_f = filter(h, 1, X_k); % signal émis
|
||
|
X_c = filter(h_c, 1, X_f); % signal transmis
|
||
|
|
||
|
%% tracé de X_c
|
||
|
% figure;
|
||
|
% stairs(X_c);
|
||
|
% axis(axis*1.1);
|
||
|
|
||
|
%% diagramme de l'oeil
|
||
|
figure;
|
||
|
X_r = filter(h_r, 1, X_c); % signal reçu, sans bruit
|
||
|
oeil = reshape(X_r(Ns+1:end), Ns, length(X_r(Ns+1:end))/Ns); % permet de tracer le diagramme de l'oeil, on retrouve n0 = 8
|
||
|
plot(oeil);
|
||
|
title("Diagramme de l'oeil");
|
||
|
xlabel("Temps (s)");
|
||
|
ylabel("Amplitude");
|
||
|
|
||
|
%% tracé de TEB = f(E_b/N_0)
|
||
|
P_x = mean(abs(X_c).^2);
|
||
|
EbN0_db = linspace(0, 10, 200);
|
||
|
EbN0 = 10.^(EbN0_db./10);
|
||
|
TEBs = [];
|
||
|
for e=EbN0
|
||
|
|
||
|
sigma2_x = P_x * Ns / (2 * log2(M) * e); % calcul de sigma^2
|
||
|
X_b = X_c + sqrt(sigma2_x) * randn(1, length(X_c)); % signal bruité
|
||
|
X_r = filter(h_r, 1, X_b); % signal reçu
|
||
|
|
||
|
X_e = X_r( n0:Ns:length(bits)*Ns/log2(M) ); % échantillonage du signal reçu
|
||
|
|
||
|
recu = double( X_e > 0 ); % on récupère les bits, décision + "démapping"
|
||
|
TEB = mean((recu - bits).^2); % on calcule l'erreur binaire
|
||
|
|
||
|
TEBs = [ TEBs TEB ];
|
||
|
|
||
|
end
|
||
|
|
||
|
bidule = sqrt ( EbN0 / 2 );
|
||
|
TEB_theorique = 1/2*qfunc(3 * bidule) + 1/2*qfunc(bidule);
|
||
|
|
||
|
figure;
|
||
|
semilogy(EbN0_db, TEBs, '+');
|
||
|
hold;
|
||
|
plot(EbN0_db, TEB_theorique);
|
||
|
title("TEB $$= f(E_b/N_0)$$", 'interpreter','latex');
|
||
|
xlabel("$$E_b/N_0$$ (dB)", 'interpreter','latex');
|
||
|
ylabel("TEB", 'interpreter','latex');
|