SIMULACION DE CANAL AWG

Guillermo Gonzalo Vallejo Cabezas

gvallejo@est.ups.edu.ec
Francisco Fabricio Arias Mozo
fariasm@est.ups.edu.ec
Steven Jholaus Alava Guanopatín
salava@est.ups.edu.ec
Estefanía Paola Chiluiza Chávez
echiluiza@est.ups.edu.ec

canal AWGN y cómo

influye en la
RESUMEN En el siguiente comunicación digital.
informe se analiza los  Comparar el BER
resultados obtenidos de la generada por una señal al
simulación en Matlab a partir pasar por un canal
de una señal de entrada que introduciendo una señal
la tenemos en bits, esta de ruido externa a la
señal se la va a filtrar, transmisión.
modular por BPSK, se le va a  Simular el
sumar ruido gaussiano y comportamiento de cada
demodular, y se va a ilustrar canal y mostrar las
en un valor la cantidad de gráficas respectivas de
BER obtenido. cada proceso.
PALABRAS CLAVE:
Gaussiano, BER, SNR. 2. MARCO TEÓRICO
2.1. Canal
1. OBJETIVOS
Multicamino
1.1. OBJETIVO
La propagación multi
GENERAL camino o propagación
 Desarrollar un código multi trayecto, en
en Matlab que permita telecomunicaciones vía
visualizar la interacción radio, es el fenómeno
que tiene una señal dado cuando las señales
modulada cuando se le de radio llegan a la antena
aplica una señal de o antenas receptoras por
ruido dependiendo del dos o más caminos y en
canal en el que se esté
diferentes tiempos. Este
trabajando para que de
fenómeno puede causar
esta manera se
entienda el problemas en la recepción
comportamiento de de la señal, debido a la
cada elemento durante interacción entre las
la modulación, señales recibidas. Esta
transmisión y desviación se produce
recepción de una señal normalmente por el medio
con la interacción de de transmisión de la señal,
una señal de ruido.
el cual define el camino
que seguirá la onda. [1]
1.2. OBJETIVOS
ESPECÍFICOS A fines prácticos, la señal
obtenida en recepción
 Utilizar el software Matlab
difiere de la original y
para visualizar el
comportamiento de 1 causa efectos que se han
de compensar.
 2.2. Canal ruido, interferencia,
Gaussiano o distorsión o errores de
AWGN sincronización de bits. La
relación de error de bit es
Ruido Aditivo blanco el número de errores de
gaussiano. Es uniforme en bit dividido por el número
el tiempo y en el espacio y total de bits transferidos
no contempla selectividad durante un intervalo de
temporal ni en frecuencia. tiempo estudiado. La
El canal gaussiano se relación de error de bit es
utiliza para modelar la una medida de
amplia mayoría de casos rendimiento sin unidades,
reales en comunicaciones. a menudo expresada
A diferencia de los como un porcentaje. [3]
canales vistos
anteriormente como el 3. MATERIALES Y
canal borrador o canal EQUIPOS
simétrico, el canal
gaussiano es continuo. ▪ Laptop
▪ Software Matlab
Este canal también es
conocido como canal
AWGN en la que el ruido
se modelo mediante una
variable aleatoria
gaussiana w, con media 0
y varianza σ2.[2]

Fig. 1 Canal AWGN

2.3. SNR
La relación señal/ruido se
define como la proporción
existente entre la potencia
de la señal que se
transmite y la potencia del
ruido que la corrompe.
Este margen es medido
en decibelios. [3]

2.4. BER
el número de errores de
bits es el número de bits
recibidos de un flujo de
datos a través de un canal
de comunicación que han
sido alterados debido a
4. DESARROLLO Y -1 lógico, y el voltaje de 1
se queda constante

PROCEDIMIENTO
Fig. 2 Flujograma de la
simulación canal AWGN

5. ANÁLISIS Y
RESULTADOS
Fig. 4 Modulación BPSK

Fig. 3 Señal Binaria PNRZ
Como podemos observar
en la FIG. 3 los bits
codificados PNRZ,
convirtiendo el voltaje 0 en
En la FIG. 4 tenemos la
modulación, en la cual
toma la información y si
dependiendo si es 1 o 0
lógico, la onda senoidal la
desfasa, si es 1 no hay
desfase, y hay desfase
cuando es 0 dando 180°

Fig. 5 Modulación BPSK +
Ruido Gausiano
En la FIG. 5 se genera una
onda de ruido aditiva la
cual se suma a la
modulación BPSK, ya que
se transmite por el aire y
siempre hay ruido
Fig. 6 Señal Filtrada
Para la FIG. 6 se filtra el
ruido a la señal BPSK+
Ruido Gaussiano,
intentando a una señal
ideal.
Fig. 7 Señal demodulada
En la FIG. 7, la señal
demodulada, toma la señal
filtrada mediante un
algoritmo se determina si
la onda senoidal esta en
fase la convierte 1 y si esta
en desfase se convierte en
0 lógico, también posee
picos que es ruido, pero no
se filtra completamente.
Fig. 7 Señal decodificada
Después se toma la señal
demodulada y se la
decodifica, los voltajes
negativos de la señal
demodulada se convierten
en 0 lógicos.
Fig. 8 Señal Transmitida vs
Señal Recibida
Fig. 9 BER
BER es la tasa de bits
correctos que llegaron al
receptor, en este caso nos
llegó 100, por que usamos
un umbral, el cual
ignoramos los picos dando
una señal de transmisión
muy buena.
6. RECOMENDACIO
NES
• Al momento de la
codificación del
mensaje aleatorio, se
debe tomar en cuenta
la función correcta ya
que las versiones
actuales de Matlab
han sido modificadas,
por lo que se debe
investigar para la
generación de bits
aleatoriamente la
sintaxis correcta.
• Tener en cuenta todas
las condiciones de las
fórmulas tanto para la
modulación y
demodulación que se
requieren dentro del
programa para un
perfecto
funcionamiento del
mismo.
7. CONCLUSIONES razón este canal
también es conocido
• El tipo de canal que como canal AWGN
mejor se adapta mejor (Additive White
a un canal tipo Gaussian Noise
Multicamino es el Channel), en la que el
canal AWGN debido a ruido se modelo
que es el canal que mediante una variable
presenta menos aleatoria gaussiana w,
perdidas al momento con media 0 y
de transmitir datos. varianza σ. (Paola
(Steven Álava) Chiluiza)

• Mediante la 8. REFERENCIA
simulación el desfase
de la onda Sinusoidal [1] H. Farhangi. “The path
va a variar los bits, of the smart grid”.
dependiendo de su IEEE Power and
Energy Magazine”,
comportamiento lógico 8(1), 2010, pp.
0 y 1, dándome 18-28. doi:10.
desfases de 0° a 180° 1109/MPE. 2009.
variando mi señal de 934876
salida, en este caso
[2] C. Cecati, G. Mokryani,
muestreada en los A. Piccolo & P. Siano.
gráficos (Francisco “An Overview on the
Arias) Smart Grid Concept.
IECON
• Gracias a los 2010 - 36th Annual
Conference on IEEE
algoritmos de
Industrial Electronics
codificación, filtrado y Society, pp. 3322-3327,
decodificacion, la 2010
información enviada
de forma inalámbrica [3] Colombia Inteligente,
“Marco Estratégico y
no sufre pérdidas
Propuesta
significativas, a pesar Proyecto
de la distorsión Nacional de
introducida por Redes
factores externos al Inteligentes
en
transmitirse. Colombia.
(Guillermo Vallejo) “Disponible:
http://www.
• El canal gaussiano se colombiaint
utiliza para modelar la eligente.
com.
amplia mayoría de co/QuienesSomos/Mar
casos reales en coEstrategico/Pages/d
comunicaciones, el e
canal gaussiano es fault. aspx/.
continuo, por esta Consultado el 25 de
octubre del 2012.
9. ANEXOS
Resultado del código

Código de Matlab

clc;
clear all;
%señal de entrada
bpskd([1 0 1 1 0],2)

function bpskd(g,f)
t=0:2*pi/99:2*pi;
cp=[];sp=[];
mod=[];mod1=[];bit=[];bit_codificada=[];

%modulación
for n=1:length(g);
if g(n)==0;
die=-ones(1,100); %Modulante
se=zeros(1,100); %Señal
else g(n)==1;
die=ones(1,100); %Modulante
se=ones(1,100); %Señal
end
c=sin(f*t);
cp=[cp die];
mod=[mod c];
bit=[bit se];
bit_codificada=[bit se];
end
%Ruido + señal modulada
n=1;
bpsk=cp.*mod;
rng default
SNR = 10;
ruido =
randn(size(bpsk))*std(bpsk)/db2mag(SNR);
bpsk_ruido = bpsk + ruido;

%Graficación
subplot(4,2,1);plot(bit_codificada,'LineW
idth',1.5);grid on;
title('Señal Binaria');
axis([0 100*length(g) -2.5 2.5]);
subplot(4,2,3);plot(bpsk,'LineWidth',1.5)
;grid on;
title('Modulación BPSK');
axis([0 100*length(g) -2.5 2.5]);
subplot(4,2,4);plot(bpsk_ruido,'LineWidth
',1.5);grid on;
title('BPSK+ Ruido Gaussiano');
axis([0 100*length(g) -2.5 2.5]);
y = [1 -1 1 1 -1 -1];
x = linspace(0,500,6);
subplot(4,2,2);stairs(x,y,'LineWidth',1.5
);grid on;
title('Señal Binaria PNRZ');
ylim([-2 2]);

%Filtrado
SNR = 20;
ruido =
randn(size(bpsk))*std(bpsk)/db2mag(SNR);
bpsk_filtrada=bpsk + ruido;
subplot(4,2,5);plot(bpsk_filtrada,'LineWi
dth',1.5);grid on;
title('Señal filtrada');
ylim([-2 2]);

%Demodulación
t= 0:1:499;
seno = sin(2*pi*1/50*t + 1*pi);
bpsk_filtrada=bpsk_filtrada-seno;
demodulada = -ones(1,500);
n=1;
for n=1:1:length(bpsk_filtrada);
if bpsk_filtrada(n)>-0.2 &&
bpsk_filtrada(n)<0.2;
demodulada(1,n)=-1;
else
demodulada(1,n)=1;
end
end

%Decodificación
decodificada = zeros(1,500);
for n=1:1:length(demodulada);
if demodulada(n)==-1;
decodificada(1,n)=0;
else
decodificada(1,n)=1;
end
end
subplot(4,2,6);plot(demodulada,'LineWidth
',1.5);grid on;
title('Señal demodulada');
ylim([-2 2]);
xlim([0 500]);
subplot(4,2,7);plot(decodificada,'LineWid
th',1.5);grid on;
title('Señal decodificada');
ylim([-2 2]);
xlim([0 500]);

%Calculo del BER

n=1;
PROM = zeros(1,5);
BER = zeros(1,5);
datos = zeros(1,5);
for n=1:1:100;
PROM(1,1) = PROM(1,1) +
decodificada(n);
end
for n=101:1:200;
PROM(1,2) = PROM(1,2) +
decodificada(n);
end
for n=201:1:300;
PROM(1,3) = PROM(1,3) +
decodificada(n);
end
for n=301:1:400;
PROM(1,4) = PROM(1,4) +
decodificada(n);
end
for n=401:1:500;
PROM(1,5) = PROM(1,5) +
decodificada(n);
end

for n=1:1:5;
BER(1,n) = PROM(1,n)/100;
end
for n=1:1:5;
if BER(n)>0.5;
datos(n)=1;
else
end
end
BER_final=0;
for n=1:1:5;
if datos(n)==g(n);
BER_final=BER_final+1;
else
end
end
BER_final=BER_final/5*100;
fprintf('voltaje promedio de cada bit
recibido \n');
disp(BER);
fprintf('BER \n');
disp(BER_final);
subplot(4,2,8);plot(bit_codificada,'LineW
idth',1.5);grid on;
hold on;
subplot(4,2,8);plot(decodificada,'LineWid
th',1.5);grid on;
title('Señal transmitida vs señal
recibida');
ylim([-2 2]);
xlim([0 500]);
end