Universidad Tecnológica de Panamá

Facultad de Ingeniería Eléctrica

Comunicaciones inalámbricas
Laboratorio#4 “Transmisión inalámbrica
monoportadora sobre un canal selectivo en
frecuencia con ecualización “MMSE””
Presentado por: Victoria Torres (20-70-2765)
Presentado por: Marta Vásquez (8-905-530)
Grupo: 1IT-251(A)
Facilitador: Andrés de Obaldía
Panamá, 09 de octubre de 2018

Tabla de contenido:
Resultados………………………………………………………………1-7
Conclusiones……………………………………………………………8
Anexos (códigos)……………………………………………………….9-10

Resultados

Figura 1. Gráfica del BER experimental vs el BER teórico laboratorio N`1

1
 Figura 2. Gráfica del BER experimental vs el BER teórico laboratorio N`2

2
 Figure 3. Gráfica del BER experimental vs el BER teórico laboratorio N°3

Simulamos una cadena de transmisión en banda base utilizando una modulación BPSK sobre un
canal selectivo en frecuencia y utilice una ecualización “mmse” para recuperar la señal transmitida.

3
 −1
σ2
H
Generando una señal de ecualización W = HH +
( σ2 s
I ) g, para diferentes niveles de

frecuencia, utilizando la matriz de identidad I.

Figura 4. Grafica del BER experimental vs el BER teórico laboratorio Nº4

Para
realizar esta parte del laboratorio, utilizamos el ruido generado en los laboratorios anteriores, pero
sumándole la convolución del filtro generado. Simulamos una cadena de transmisión en banda base
utilizando una modulación BPSK sobre un canal selectivo en frecuencia y utilice una ecualización
“mmse” para recuperar la señal transmitida. Generando una señal de ecualización
−1
σ2
( H
W = HH + 2 I
σ s ) g, para diferentes niveles de frecuencia, utilizando la matriz de identidad I.

Luego demodulamos la señal y procedimos a graficar el BER experimental y teórico.

4
 Figura 5. Tabla del tiempo que tarda en realizarse el proceso de ecualización y convolución
Para la realización de esta parte utilizamos la funcion etime y clock, para establecer un
tiempo 1 y tiempo 2 para conocer el tiempo que tarda en realizarse la ecualización,
convolución y demodulación del MMSE. Y utilizamos eprom, para conocer el promedio
total de ambos tiempos.

5
6

Figura 6.
 Figura 7. Grafica del BER teórico y BER experimental para un canal rayleigh.
Por último, realizamos el mismo procedimiento de la primera gráfica del laboratorio 4, pero
cambiando el vector h, por un canal rayleigh, 𝐡 = [0.0114 − 0.2462𝑖 0.5479 − 0.1650𝑖
0.5225 − 0.0806𝑖], realizamos la misma ecualización, convolución y demodulación, solo
cambiando los valores de h, por los del canal rayleigh. Y agregamos un VER teórico para
SNR

un canal rayleigh BE R rayleigh= 1 1−

2 ( √ 10

10
10

SNR
10
+1
)
.

Conclusión

Comparando el BER teórico con el BER experimental realizando la operación de

ecualización de forzado a cero, se llega a la siguiente conclusión:

7
  Se generó una respuesta al impulso inversa al canal, de modo que una señal que
pase a través de ellos pueda recuperar su forma original al cancelar los efectos del
canal.
 Este método ayuda a la compensación la no linealidad del canal.
 Utilizamos filtros ajustables o variables para disminuir la distorsión residual.
 Minimiza la interferencia simbólica
 Se puede apreciar que al utilizar un canal selectivo en frecuencia nos muestra un
BER experimental mucho mayor al teórico ya que las muestras experimentales se
van dispersando en el tiempo, lo que provoca un BER con caracteristicas no muy
buenas, en comparación a las otras experiencias de laboratorio, en el que solo
agregamos ruido y lo atenuamos.
 Utilizando esta técnica de ecualización no se obtiene un buen desempeño cuando la
potencia del ruido es considerable.

Observando la ilustración 1 especificamente a la curva verde con viñetas de punto podemos

obserar de manera clara como la ecualizacion MMSE dse comporta de manera supererior a la
ecualizacion zero forcing ya que si toma en cuenta el efecto del ruido sobre el canal de manera
que a medida quue Eb/No aumenta el ecualizador MMSE muestra un mejor comportamiento que
el Zero Forcing.

Anexo
 Código para realizar la ecualización MMSE
%%DATOS%%
N= 10^6; %Numero de muestras

8
SNR= 0:10; %Razon señal a ruido en dB
snr=10.^(SNR/10);%Razon señal a ruido nominal. amolitud
BER=zeros(1,length(SNR)); %Vector BER
%Generacion de una secuencia de bits aleatoria
data= randint (N,1);
%Señal BPSK modulada
hModulator=comm.BPSKModulator;
Y= step (hModulator,data);
%Filtro
hf=[0.2 0.9 0.3];%filtro
L=length(hf); %Longitud de filtro
Ruido_real= randn(N+L-1,1); %Ruido real
Ruido_complejo= randn(N+L-1,1); %Ruido complejo
signal=conv(Y,hf);%convolucion de señal con el filtro

eprom=0;
for n=1:length(SNR);
varianza=1/(2*snr(n));%Varianza
b_total=sqrt(varianza)*Ruido_real+1i*sqrt(varianza)*Ruido_complejo;
xt=signal+(b_total);
%MMSE
%p=[0 1 0];
t1=clock;
hf=[0.2 0.9 0.3];
%c_columna=[hf zeros(1,length(hf)+1)];
canal=toeplitz([0.9,0.3,0],[0.9,0.2,0]);
%M= canal([2 3 4],:);
g=[0.9,0.3,0.2];
s=eye(3);
eq=((canal*transpose(canal)+(1/(snr(n)))*s)^-1)*g(:);
xt_final=conv (xt,eq);
xt_final=xt_final (3:N+2);
t2=clock;
e(n)=etime(t2,t1);
eprom=eprom+e(n);

%Demodulacion BPSK
hDemodulator=comm.BPSKDemodulator;
D= step (hDemodulator,xt_final);
err=data==D;%Calculo del error
diff=nnz(~err);%Numero de muestras en error
BER(1,n)=diff/N;% BER práctico
end
eprom=eprom/size(e,2);
%BER teorico
BERteorico=1/2*erfc(sqrt(snr));% BER teórico
%BER teorico de rayleigh
%BER_r= 0.5.*(1-(sqrt((10.^(SNR/10))./((10.^(SNR/10))+1))));
%Graficas
figure
semilogy(SNR,BER,'-k');xlabel('SNR(dB)');ylabel('BER');title('BER
experimental y teórico');
hold on;
semilogy(SNR,BERteorico,'-r*');
legend('BER experimental','BER teórico');
xlim ([0 15]);

9
grid on;

 Código para realizar el canal rayleigh

%%DATOS%%
N= 10^6; %Numero de muestras
SNR= 0:10; %Razon señal a ruido en dB
snr=10.^(SNR/10);%Razon señal a ruido nominal. amolitud
BER=zeros(1,length(SNR)); %Vector BER
%Generacion de una secuencia de bits aleatoria
data= randint (N,1);
%Señal BPSK modulada
hModulator=comm.BPSKModulator;
Y= step (hModulator,data);
%Filtro
hf=[0.0114 -0.2426i 0.5479 -0.1650i 0.5225 -0.0806i];%filtro
L=length(hf); %Longitud de filtro
Ruido_real= randn(N+L-1,1); %Ruido real
Ruido_complejo= randn(N+L-1,1); %Ruido complejo
signal=conv(Y,hf);%convolucion de señal con el filtro

eprom=0;
for n=1:length(SNR);
varianza=1/(2*snr(n));%Varianza
b_total=sqrt(varianza)*Ruido_real+1i*sqrt(varianza)*Ruido_complejo;
xt=signal+(b_total);
%MMSE
%p=[0 1 0];
t1=clock;
hf=[0.0114-0.2426i;0.5479-0.1650i;0.5225-0.0806i];
%c_columna=[hf zeros(1,length(hf)+1)];
canal=toeplitz([0.5479-0.1650i,0.5225-0.0806i,0],[0.5479-0.1650i,0.0114-
0.2426i,0]);
%M= canal([2 3 4],:);
g=[0.5225-0.0806i,0.5479-0.1650i,0.0114-0.2426i];
s=eye(3);
eq=((canal*transpose(canal)+(1/(snr(n)))*s)^-1)*g(:);
xt_final=conv (xt,eq);
xt_final=xt_final (3:N+2);
t2=clock;
e(n)=etime(t2,t1);
eprom=eprom+e(n);

%Demodulacion BPSK
hDemodulator=comm.BPSKDemodulator;
D= step (hDemodulator,xt_final);
err=data==D;%Calculo del error
diff=nnz(~err);%Numero de muestras en error
BER(1,n)=diff/N;% BER práctico
end
eprom=eprom/size(e,2);
%BER teorico
BERteorico=1/2*erfc(sqrt(snr));% BER teórico
%BER teorico de rayleigh

10
BER_r= 0.5.*(1-(sqrt((10.^(SNR/10))./((10.^(SNR/10))+1))));
%Graficas
figure
semilogy(SNR,BER,'-k');xlabel('SNR(dB)');ylabel('BER');title('BER
experimental y teórico');
hold on;
semilogy(SNR,BERteorico,'-r*');
legend('BER experimental','BER teórico');
xlim ([0 15]);
grid on;

11