基于机器学习的无线信道质量预测

本文研究了基于FPGA的无线信道质量预测与仿真技术，重点分析了多径衰落和频率选择性衰落等信道特性。通过构建调制信道模型，运用MATLAB/Simulink和FPGA硬件平台进行信道仿真，实现了对加性高斯白噪声、频率选择性衰落和瑞丽衰落等信道特性的模拟验证。研究结果表明：FPGA平台能有效模拟不同环境下的信道质量变化，FSK通信系统对高斯噪声具有较强的抗干扰能力，但频率选择性衰落会导致信号失真。该研

Yu_performancetester

1688人浏览 · 2025-08-06 10:31:55

Yu_performancetester · 2025-08-06 10:31:55 发布

摘要：在现代通信技术飞速发展的背景下，无线通信作为重要的通信方式，其信道质量对通信系统的性能起着决定性作用。无线信道环境复杂多变，存在多径衰落、频率选择性衰落等问题，严重影响信号的传输质量和可靠性。本研究聚焦于基于 FPGA 的无线信道质量预测与仿真，深入剖析多径衰落和频率选择性衰落信道特性。借助 FPGA 平台动态调整信道参数，模拟不同环境下的信道质量变化，并与 Simulink 中的理论模型对比分析。研究涵盖信道质量实时预测、信道特性仿真及优化方法。通过构建调制信道模型，考虑加性高斯白噪声、频率选择性衰落和瑞丽衰落信道等情况，进行信道仿真建模，包括多径信道和频率选择性衰落的软件及硬件仿真，同时对 FSK 通信系统的恒参信道和随参信道进行模拟分析。旨在为现代通信系统的信道建模和优化提供可靠的数据支持与理论依据，助力提升通信系统性能。

关键词：无线信道质量预测；频率选择性衰落；信道仿真；FSK 通信系统

3.1.1 MATLAB2014a中的Simulink模块

3.1.2 System Generator和VIVADO（2015）

1 绪论

1.1 研究背景

无线通信技术作为当今信息化时代传递信息、实现交流的支柱，影响着人类的生活、工作的社会运转方式。随着无线通信技术的不断演进，从模拟语音通信发展到如今的高速度数据通信，无线通信技术经历了数次跨越式的变革，并且正朝着更加高效、更加覆盖、更加智能的方向演进。

物联网、工业物联网、自动驾驶、高清视频流等新型应用快速发展，对无线通信系统的传输速率、传输可靠性、低时延等方面的性能都提出了非常严峻的挑战。例如，在自动驾驶场景中，车辆与车辆、车与基础设施之间实时、无误地完成大量传感器数据及控制信息的传送，无线信道则需要提供稳定的高速通信信道来保证驾驶安全；在工业互联网场景中，大量工业设备需完成精确的同步控制及数据交换，对无线信道的高可靠性和低时延性能要求较高。

但由于无线信道是无线通信的物理介质，其环境复杂，不确定。在无线信道中普遍存在多径衰落现象，信号在信道中传输时会有多种径路到达终端，由于径路的传播距离、相位、幅度等都有差异，因此会产生相的叠加和干扰，造成接收到的信号在幅度和相位上发生剧烈变化，从而造成通信质量大幅下降。频率选择性衰落是由于信道时变所引起的不同频成分信号在信道中发生不同的衰落现象而形成的现象，使信号传输增加难度。

此外，随着通信频谱持续向更高频域发展，如使用毫米波、太赫兹频谱的无线信道，这些高频谱信号带来更大的带宽、更高的速率优势的同时也增加了信号传播的损耗、减少了传播的穿透能力、受环境的影响显著等因素，导致信道的变化也更加复杂。

在现场可编程门阵列（FPGA）平台上，凭借其强大的并行处理能力及灵活配置的优势，能更好应对无线信道问题。在FPGA中对信道参数的调整及模拟运行，进一步能更好地代表出无线信道参数在各种状态下的变化，有助于信道建模、品质预报及通信系统的优化工作。

虽然国内外关于无线信道领域的研究已经有了一定的进展，但现有的研究工作在面对日益复杂的实际通信环境和层出不穷的新兴应用需求时，还有很多需要完善的地方，比如对复杂多径衰落与频率选择性衰落信道建立较为精确的模型，信道质量预测的方法更加实时性和适应当今需求，所以针对这一问题进行无线信道的FPGA实现技术研究是十分有必要且非常迫切的。

1.2 研究意义

1.2.1 理论意义

本文在FPGA平台上应用的信道仿真，不仅可以验证与完善已有的无线信道模型，也可以对时变环境下信道质量进行实时预测，提供更为精确的信道建模思路，可以针对多径衰落以及频率选择性衰落进行仿真，从而可以对无线通信的信道质量进行更完善的相关预测，为未来的无线通信发展提供借鉴。

1.2.2 实践意义

本课题研究对应用具有重要意义，尤其是在未来5G系统、甚至是未来通信系统中，信道预测与优化对提高系统性能至关重要。对FPGA平台上的仿真结果的高效应用能为通信系统设计人员提供更加准确的信道特性参数信息，从而进行更合理的系统规划及优化，提升网络容量、降低信号干扰，达到高效、稳定通信。

1.3 国内外研究现状及发展趋势

随着无线通信技术的不断发展，信道质量预测在改善通信系统效率与可靠性中的作用也越来越明显，尤其是在引入机器学习技术来对无线信道进行预测优化上。近几年，国内外研究人员对这一领域进行了大量研究，取得了较为明显的成绩。本文综述国内外研究的相关文献，归纳总结目前基于机器学习的无线信道质量预测研究的成果与发展趋势。

1.3.1 国内研究现状

李宇鹏（2020）提出常规的信道分簇方式在复杂环境中分簇的效率低下，采用基于支持向量机（SVM）算法对信道的时频分簇进行建模，提高了预测信道的质量的速度和准确率，他的研究为无线通讯领域信道管理和优化提供理论基础，尤其复杂环境下的无线信道预测。

张红玉（2020）在研究中将深度学习方法应用于水下无线通信系统信道建模。通过对水下磁信道MISO信道进行建模与估计证明了深度学习方法在复杂水下环境中比传统方法更鲁棒、预测准确的优点，促进水下通信技术发展。

胡逸文，杨晨阳，刘婷婷（2021）针对联邦学习和集中式学习在无线信道预测中的应用，作者提出联邦学习因较少数据传输适用于大规模无线网络下的信道预测，而集中式学习适用于少数节点较高准确度的预测。他们的工作给无线通信系统提供如何选择合适的机器学习算法的理论依据，也展示了机器学习在少通信开销方面的巨大作用。

何静、李晋文、杨安毅（2021）指出，现有的静态信道建模方法难以适应高速变化的环境，卷积神经网络（CNN）可在高速移动的环境下准确地预测信道状态，在高速通信场景下可有效预测信道状态，是未来高速无线通信可考虑的新技术。

李鸿、刘武和罗鸣（2024）提出使用机器学习技术来进行光通信网监控与优化，分析表明机器学习有助于光纤通信网信道性能的优化，提升信道带宽与吞吐量等指标，其相关研究工作为光通信信道优化与光网络设计提供关键技术支撑。

何丹萍，徐卓成，曹惠云（2022）将遥感影像资料与机器学习相结合，对路径损耗的预测进行了研究，实验结果证明了该方法可在一定程度上提升路径损耗预测精度，特别是在市区及乡野环境下，路径损耗预测结果更佳，可对无线通信系统的设计带来精密路径损耗预测。

谷毅、富子豪、王登政（2024）将机器学习法优化配用电场景下信号覆盖，通过对各信号途径对电力网络信号覆盖的影响，发现此方法可实现电力通信信号在覆盖空间上的改善和更加稳定的电力覆盖空间，从而为智能电网发展做好技术铺垫。

买智源（2024）提出的通过多机器学习模型集成的时频选择信道建模和估计方法，对信道进行了联合估，增加了信道预测的精度和信道预测的鲁棒性。为时频选择信道的优化和时频选择信道的预测提供新的理论依据和技术支持。

龚云洪、付皓斌、雍海林（2021）提出一种利用机器学习方法进行星地量子通信信道质量预测，可显著提高星地量子通信信道质量预测精度，为量子通信的技术进步提出了新视角。

1.3.2 国外研究现状

Becvaretal.（2024）较为全面地介绍和探讨了如何借助机器学习来进行无线信道质量预测，发现随着深度学习技术的成熟，机器学习已经成为一个有效的无线通讯信道质量预测的工具。相比传统的手段，ML方法，尤其是DL模型能从复杂的无线信道中提取出更多的信息，大大改善了估计的效果。Becevaretal.提到，DL方法中CNN、LSTM等能够有效地挖掘无线信道的时空相关性，进一步提升了信道的估计准确性。上述工作为未来的无线通信的信道估计理论基础和5G及以上版本无线通讯系统对于信道的质量实时预测、动态优化是保证未来无线通信高质量、高可靠的技术保障。因此，用ML技术来设计信道的建模思路将给未来无线通讯网络，包括各种信号提供一种技术支撑和理论支持。

VijayAReynoldsMouliKanikaRanietal.（2024）提出利用量子启发机器学习和遗传算法相结合的信道优化方法解决量子通信信道的质量预测问题。因为量子通信的信道和其他通信信道具有特殊的信道属性，导致传统的信道建模方法在此基础上的直接应用会碰到一定的阻碍。Vijay提出了结合机器学习和遗传算法的量子启发机器学习和遗传算法结合量子通信的复杂性来优化，以此建立对量子通信中噪声、衰减等干扰的信道优化。通过对量子信道质量预测的量子启发机器学习方法进行研究，最终实现量子通信信道优化的目标，更好地促进量子信道应用的现实化。

KaurJ，KhanMA（2022）提出了一种应用于5G和未来无线通信系统的基于联合客户端与服务器端的机器学习方法用于信道估计。5G网络的普及和应用发展增加了信道估计是提升系统性能的主要任务。Kaur与Khan认为传统的单端信道估计方法难以满足网络中复杂环境下的高效能。通过联合客户端与服务器端的机器学习方法，实现客户端与服务器端之间分布式地处理信道数据与学习任务，并大幅提升了信道质量估计的性能和系统性能。特别地，在动态环境下和噪声的场景下，联合学习方法能够通过快速地反馈机制来实现信道估计优化。对于在5G以及未来无线通信的应用中，联合学习方法具有较佳的应用价值和较广阔的前景。

RajRet al.（2021）提出利用稀疏高斯条件随机场，用于无线信道质量的预估。由于传统无线信道预估的模型均是基于信道性质为均匀分布的假设，而在复杂的无线信道环境中，信道质量的变异性是稀疏分布的，因此传统的基于信道分布的信道模型不能实现信道在高噪声环境下的可靠预估。稀疏性假设可针对信道性质变异性具有局部属性，Raj等人利用稀疏假设构建的SGCRF可针对无线信道质量的局部变化规律进行有效提取，且避免高噪声信道对信道预估的扰动。从而可强化无线信道的稳定性和鲁棒性，特别适用于高噪声条件下无线信道的信道预估优化。基于稀疏性假设构建的SGCRF可有效用于高噪声下的无线信道的可靠预估，并大幅提升了信道质量预估的精度，这为无线信道的优化提供了新的方法，在高干扰噪声下的无线信道优化中具有很强的实用性意义。

1.3.3 研究述评

综上所述，国内外学者在机器学习理论支持下的基于无线信道预测的工作已经取得巨大的研究进展，基于深度学习、卷积神经网络和基于集成学习以及条件随机场模型，都属于机器学习在无线信道建模与预测过程中应用的重要研究方向。未来，伴随各种机器学习算法与硬件平台的不断改进，对信道的预测精度和准确率将更进一步，这也将被广泛应用于5G及未来的通讯系统。

1.3.4 发展趋势

随着无线通信技术的不断发展，在无线通信系统，尤其5G系统和未来的下一代无线通信系统中，基于机器学习的信道质量预测技术成为必备的研究热点之一。目前的研究主要集中在预测精确度、鲁棒性以及算法计算效率的进一步提升，未来更加智能化、实时化、融合跨域化将是研究的发展趋势。

首先，随着深度学习算法的不断发展，尤其是卷积神经网络（CNN）、递归神经网络（RNN）以及生成对抗网络（GAN）的应用，未来无线信道质量预测能应对日趋复杂的信道环境以及大规模无线网络。在5G以及以后的无线通信系统中，复杂的信道环境已导致传统信道建模方法不能完全满足快速变化的环境需求。而深度学习可以从大数据中提取信道潜在的特性，并且在复杂的无线通信场景中实现有效的信道质量预测。

此外，实时预测的能力将会在未来研究中成为重要研究方向。现有研究表明均主要围绕离线信道质量的预测和静态模型展开，虽然具有一定的实用性，但在实时性以及实时场景环境方面存在一定的不足。针对基于5G网络以及未来6G技术低延时、大实时性的要求，如何能够实现实时信道质量的预测，对于提升网络性能和用户的实际感知将是一个重要的研究方向，而机器学习算法的实时算法更新能力，尤其在边缘计算以及边缘AI的帮助下，都可以助力实现高质量的实时性算法更新。

第四，跨领域整合将是以后的发展趋势。例如，可将物联网（IoT）、智能交通、无人驾驶等不同领域的数据加以整合，增强信道质量预测的准确性与稳定性。未来研究可探究多模态数据（包括传感器数据、视频数据、卫星图像数据等）与传统信道模型相结合进行学习的方法，以获得更为精确的信道质量预测。

最后，基于量子通信的应用也给量子通信信道质量预测带来了挑战与机遇，由于量子通信的本质和传统通信有很大不同，基于传统算法的量子通信信道质量预测方法难以直接使用，量子通信中机器学习研究如何弥补这一不足，提高量子信道质量预测能力将是后续研究的一个热点。在量子计算快速发展的背景下，量子机器学习算法在解决量子通信中信道建模预测问题将发挥作用。

综上所述，以机器学习为基础的无线信道质态预测技术将在今后通信系统的发展中发挥更加重要的作用。无论是从算法本身优化还是硬件的支撑，无论是从实现信道的实时预测还是考虑复杂环境因素融合，机器学习都将在无线通信网络优化、提升等方面发挥重要作用。未来的工作将会更多地关注提升准确度、面向复杂环境、实时性、多领域融合，以促进面向下一代通信技术的发展。

1.4 研究框架

第一部分，绪论。本章主要阐述了研究背景，强调在数字化时代无线通信技术的重要性及新兴应用带来的挑战。点明研究意义，从理论和实践层面说明对通信系统发展的作用。梳理了国内外在该领域的研究现状，指出已有成果与不足，进而阐述研究述评，并对未来发展趋势进行了展望，为后续研究奠定基础。

第二部分，信道模型构建。本章主要介绍了调制信道模型的相关内容，同时详细阐述了加性高斯白噪声的特性。对频率选择性衰落的原理和特点进行了深入分析，还探讨了瑞丽衰落信道的模型构建。通过这些内容，构建起后续信道仿真与分析所依据的基础模型体系。

第三部分，信道仿真建模。本章先介绍了实验所用到的硬件及软件，包括MATLAB2014a中的Simulink模块、System Generator和VIVADO（2015）以及实验硬件。接着分别进行了多径信道的Simulink仿真与硬件实现，对频率选择性衰落也开展了软件和硬件仿真。最后总结了仿真中存在的问题及解决办法，以优化仿真效果。

第四部分，FSK通信系统信道分析。本章主要对FSK通信系统的恒参信道和随参信道进行了模拟分析。通过模拟不同信道情况，研究其对FSK通信系统的影响。同时指出模拟过程中存在的问题，并提出相应的解决办法。最后对整个模拟过程进行总结，评估信道特性对FSK通信系统性能的作用。

第五部分，结论。本章主要对整个研究进行全面总结，回顾了基于FPGA的无线信道质量预测与仿真的研究过程，包括信道模型构建、仿真建模以及FSK通信系统信道分析等内容。总结了研究成果，如为信道建模和优化提供的数据支持和理论依据。同时对研究的局限性进行说明，并对未来的研究方向和发展趋势进行了展望。

2 信道模型构建

2.1 调制信道模型

(2-1)

(2-2)

信道输出电压与信道输入电压和加性高斯白噪声n之间的函数关系由f给出，即信道与输入电压u的关联，这个关联通过系数k（t）来反映，因为信道中总会有各种原因造成的失真，包括线性失真和非线性失真、衰落和延时等等，这些失真均是随机变化的，将信道的随机变化参数称为随参信道，将信道参数不随机变化的信道称为恒参信道，调制信道模型是最简单最常见的信道模型。

2.2 加性高斯白噪声

AdditiveWhiteGaussianNoise译音而来，即加性高斯白噪声是一种任意的信息系统均可添加的噪声，在频域内其功率不变，频率均匀，时域内服从正态分布。它是一种最基本的干扰模型，根据中心极限理论也可以证明AWGN的幅度服从高斯分布。示波器可以观测到，其功率谱密度均匀，自相关系数表示为冲击函数，当时延为0时，自相关系数为0，即高斯白噪声的幅度与时间无相关性。理论上它的带宽几乎无限大，功率也是无限大，实际中往往需要通过噪声滤波器予以滤除。

对于这个通道，输出信号由输入信号与高斯白噪声叠加而成，这种叠加可以是实数信号，也可以是复数信号。输出信号r（t）等于输入信号s（t）与噪声n（t）的总和，即：

(2-3)

高斯白噪声的最大特点是普遍性，一般通信信道中均包含高斯白噪声。

2.3 频率选择性衰落

一般情况下到达接收端的多条路径信号的时间顺序是有先后的，即存在着相对的时间延时。平坦衰落是指多条路径信号的到达时间延迟小于一个符号周期，可以认为是同时到达的，不存在有延时的情况。若到达接收端的多条路径信号的延迟时间远远超过一个符号周期且不可忽略时，它们之间的叠加将带来符号间干扰甚至失真，这种情况便是频率选择性衰落。

图2.1 频率选择性衰落

频率选择性衰落主要是由于电磁波在空间中传播时的多径形成，经过不同的地形特征甚至海洋之后到达接收端的电磁波被多次反射或折射后，因此会在接受端产生多个路径的信号，而各个路径的信号不同会导致叠加的信号存在码间干扰，严重影响了信号解调的信号质量，从而影响信号的传输。

2.4 瑞丽衰落信道

瑞丽衰落信道通常指电磁波穿过电离层和对流层反射或者在稠密的城市建筑间穿越的短波信道，故瑞丽衰落信道模型通常不含有发射至接收间的直射路径。瑞丽衰落信道可分为单径瑞丽衰落信道和多径瑞丽衰落信道，单径瑞丽衰落信道中信号的传播路径基本相同，因缺乏多次回波，其相位差别不大；而通过多条途径传播后合成的信号将产生正的或负的增益，并且由于各分量的不同相位使接收到的信号更加复杂。瑞利分布是一个均值为0、方差为σ2的平稳的窄带高斯过程，广泛用作描述平坦衰落信号接收包络或独立多径分量接收包络统计的时变特性。两个正交的高斯噪声信号包络相加将服从瑞利分布。

为了构建瑞丽衰减信道模型，首先假设信号源为单一频率成分的正弦波，即

； (2-4)

当信号经过n条不同路径到达接收到后，接收信号r（t）是各路经过延迟和衰落的信号叠加和，即

(2-5)

该式可进一步表示为：

(2-6)

将该式改写成包络形式：

(2-7)

(2-8)

对于包络V（t）来说，它的一维分布是服从瑞丽分布的。

从上述推导可得出，接收到的信号r（t）是衰减信号，即经过多径传播后，信号出现了频率色散，原有的单一频率扩展为一频带。

瑞利衰落用于描述多重电磁波在经过障碍物时通过散射和折射传播的无线环境。当传播环境中存在大量散射传播时，冲激信号到达接收端后会导致大量统计上独立的随机变量叠加，根据中心极限定理，该冲激响应是高斯过程。如果散射信道中没有主要信号分量，信道响应的能量或包络将遵循瑞利分布；而如果信道中主要存在单一传播特性，比如直射信号，那么信道响应的包络将遵循莱斯分布，这种信道模型称为莱斯衰落信道。

3 信道仿真建模

3.1 实验硬件及软件介绍

3.1.1 MATLAB2014a中的Simulink模块

MATLAB2014a主要包含了两个模块：MATLAB编程模块和Simulink可视化仿真模块。Simulink近年来热度越来越高，其主要原因就是可提供动态系统建模，仿真和分析。此外，上手容易，操作简单也是其一大特点。Simulink在线性，非线性系统和数字信号处理的仿真应用中都有广泛的应用，且模块库功能多样，编辑器的交互式逻辑可以更加直观的管理模块图。

3.1.2 System Generator和VIVADO（2015）

System Generator是XILINX公司设计的一种用来进行数字信号处理开发的工具，VIVADO是Xilinx公司生产的一种用来综合和分析HDL设计的软件。System Generator取代之前的ISE，与ISE的不同是包含一个内置的逻辑仿真器，所以是最先进的全面EDA工具，在数据模型，集成，算法和性能方面拥有所有最新的技术。本次实验主要使用VIVADO进行转化功能，用System Generator仿真好后的HDL文件转换为FPGA所需要的比特文件，两软件结合使用以实现具体基于FPGA的硬件功能。

3.1.3 实验硬件

本次仿真实验利用硬件为现代通信综合实验系统，系统硬件核心为Nexys4DDR开发板。现代通信实验系统具备4个数据输入ADC接口和4个数据输出DAC接口，DAC驱动连接仿真时，可以通过硬件上对应的DAC接口查看相关信号，反之亦然。ADC驱动连接仿真时，可以通过硬件上对应ADC接口从外界输入相关信号。图2为实验系统图，图右上方8个数据接口中的4个为DAC输出、4个为ADC输入。

图3.1 现代通信综合实验系统

具体使用方法是：在连接至计算机后，打开VIVADO软件，在最下面点击Open Target识别并连接至硬件，此时将生成的比特文件下载至板子上就可使用。

3.2 多径信道的Sinmulink仿真

单一频率信号的多径传播，对信号的失真是由于多径衰落引起的，在本次仿真实验中，主要考虑时延带来的多径传播的影响。先假定路径造成的衰落为1，即暂不考虑路径造成的衰落，忽略衰减系数。对于信道时延，将信源正弦波信号划分为3条路径，时延分别为T/4、T/2和3T/2，然后做叠加信号的叠加运算，观察输出波形。

图3.2 双径信道模型

信号源设定一个幅度值为1，增益为0，频率为2*100π，相位也为0的正弦波，参数设置如图。

图3.3 正弦波信号源

各分路进行时延，第一路时延25个单位，也就是T/4；以此类推，第二路和第三路分别50,、75单位。

图3.4 时延模块

使用加法器模块，使每一分路输出的信号与原信号相加，相加后输出至示波器；

仿真结果：

图3.5 示波器输出波形

从示波器的结果显示，在延迟半个周期后信号正负叠加，波形是一条直线，由此可以看出单频率多径传播最主要的一个原因是相位发生改变。从包络的角度分析，多径传播使稳定的信号成为了波形和相位随机变化的信号。

3.3 多径信道的硬件实现

3.3.1 硬件参考模型搭建

根据上一节仿真模型在System Generator中搭建环境

图3.6 三径信道的硬件设计图

信号源的50Hz正弦波是采用计数器/rom的方式生成：

增益参数和原仿真模型保持一致，都暂时不予考虑；

运行后结果如示波器所示：

图3.7 三径信道硬件设计仿真图

仿真结果：

可以看出使用SystemGenerator进行相同仿真时，输出波形与Simulink做理论作为参照的结果相同。但是其中需要注意的差别是在仿真中，前者采用的是基于时间的周期，时延参数依赖于正弦函数的时间周期，而后者是基于计数器的采样数，因为100Hz正弦一个周期的技术深度为1000，则时延参数为250、500、750。必须要特别注意时间逻辑的选择，否则会容易产生不稳定。

3.3.2 硬件模型搭建

鉴于后继的硬件仿真模块中产生的正弦波是通过外部的信号产生器产生而非FPGA模块中的模块产生，所以将信号源改为AD输入模块并删除没有意义的“Gatewayout”模块、示波器模块，用DA模块代替原先示波器位置测量的节点。

图3.8 三径信道硬件仿真实现

AD模块，主要对信号源的输入的模拟信号进行模数转换；

图3.9 AD模块

DA模块，主要数模转化以输出方便观察；

图3.10 DA模块

需要特别注意的是，当信号源被替换为外接信号时，必须注意时间参考值的变化。经过询问老师得知，仿真中使用的信号发生器内部的采样频率为200KHz，采用十六比特的步长进行采样，一个采样点的频率为12500Hz。因此，对于一个100Hz的信号，实际采样点数为12500/100=125个点。因此，在FPGA实现时，T/4对应31个单位，T/2对应62个单位，3T/2对应93个单位。

3.3.3 硬件实现

首先，点击“System Generator”进行编译，在所在文件夹目录下生成MDL文件；

首先进行综合Synthesis；

图3.11 首次综合界面

综合后进行分析和约束综合后网表；

选择I/O Planing，指定I/O Ports电平；

选择Sources-Constraints-constrs_1中的rom_xdc文件，打开后添加

set_property SEVERITY{Warning}[get_drc_checks NSTD-1]

set_property SEVERITY{Warning}[get_drc_checks UCIO-1]

再次综合，然后实现

Implementation;

图3.12 再次综合完成

选择Program Device

在C:\Users\TY334\Desktop\work\netlist\hdl_netlist\lyl_sysgen_da.runs\impl_1路径下载比特文件。

完成比特文件的生成；

图3.13 生成bit文件完成

在该板子上进行编译，实现预定功能。

图3.14 写入程序

示波器输出图像：

（1）

图3.15 上路信号为输入信号，下路信号为时延31单位信号

（2）

图3.16 上路信号为输入信号，下路信号为时延62单位，近似为直线

3.3.4 仿真总结

本次仿真主要是对一个简单的单频率3个径的信道进行分析，主要体现信道传输中的多径衰落情况。在传输过程中由于各径路程不同会表现出先到先入的特性，在高频成分的信号由于传输路程原因会造成包络的正负抵消，对于多径衰落的影响会在下文中结合多频率组成信号源进行分析。

3.4 频率选择性衰落的软件仿真

通过观察信号多径信道中频率域的变化情况，可以看出主要是选择性衰落现象，传输信道的频率选择性随着时延扩展而增强，时间上时延越大时，在多径影响下，信号会由于时延在时域下造成衰落，观察得出，不同的频率的衰落程度不一样，该仿真中观察到了信号在多径传输中出现的信号频率选择性衰落的现象。

3.4.1 仿真模型1

首先，假设信号源信号分成2路传播，两路经过相同的，衰落系数为0.5的增益模块，信道1和信道2的时延都设置成0.5，在此由控制变量法，两路输出信号的幅值相同，所以对最终信号产生影响的都是源于时延而产生的码间干扰。

图3.17 频率选择性衰落仿真

根据图进行模块组装。本文信号输入源取为50Hz与130Hz的正弦波的叠加信号，先由增益为0.5的相同模块分路处理，第一路信号加两个时延模块，0.2ms和2.4ms时延；第二路信号也加两个时延模块，为0.2ms和4ms。采用示波器和频谱仪分别测试输入信号、第一路信号、第二路信号及最后输出的叠加信号。

图3.18 初始信号和输出信号的波形及频谱

从输出前后的初始值可以比较明显地看出，不同的延时参数后的信号波形和频谱均发生了很大的畸变，从频谱中可以看到一个特殊的成分发生了很大衰减。

图3.19 信道1和信道2的波形和频谱

由信道1和信道2的波形和频谱图可见，信号源中含有130Hz成分，时延模块1信号的130Hz成分有较大衰落，基本消失在信道2中，而信道1对信号衰落程度不如信道2明显，这是因为信道2中时延模块4ms为130Hz信号周期的1/2左右，时延模块的衰落幅度刚好跟原始信号幅度相反，因此经过时延模块1的信道后，信号明显出现失真，这是频域选择性衰落的表现，不同的分量呈现出不同的衰落程度。

3.4.2 仿真模型2

在之前的模型中，我们可以看到，频率选择性衰落主要影响时延因素。因此，为了便于在FPGA上实现，对模型进行简化，假定衰落因子为1，也就是说暂时忽略衰落增益模块。

首先，假定信号源的信号被分为三路进行传输，这三路信号都经过增益为1的相同衰减模块，信道1的时延设为25，信道2的时延为50，信道3则为75，最终这三路输出信号的幅度一致。

图3.20 频率选择性衰落仿真

根据图示完成模块搭建。这次的信号输入源是由50Hz和100Hz的正弦波组合而成的叠加信号，每路输出信号都是由时延后的信号和原始信号叠加而成。使用示波器来测试输入信号以及最终输出的三路叠加信号，并用频谱仪分析初始信号和最终输出信号的频谱。

仿真结果：

图3.21 信号源波形和频谱

图3.22 输出信号波形和频谱

通过分析输出和起始输出频谱变化可知，信号经不同时延参数后均出现较大频谱失真现象。从图中可以看出，经过时延模块处理之后，100Hz的频率成分出现了一定的衰减现象，这是由于第二个时延模块中的50个时延单位正好等于100Hz的正弦波的半个周期，这样便出现了相互抵消的情况；50Hz的频率成分没有明显变化。所以经过叠加输出之后，100Hz的频率成分较输入时明显弱。

图3.23 硬件仿真示波器波形

从包络图上可以看出，输出包络相对于原始信号包络已经产生了严重的失真，在波峰值和波谷位置的形状与原始信号差别较大。

实验结论：本实验主要模拟慢速衰落环境的频率选择性衰落现象，验证了多径传播条件下由传播路径不同所产生的相位差相互叠加后会出现将信号的某些频率成分极大衰减或者叠加而导致信号波形失真的现象。由本实验中的三径情况可知，将输入信号变更为具有一定带宽的信号，经过多径传播后，接收信号会改变原来的频谱而变为一个窄带频谱，信号包络也将由环境的具体状况与频率成分决定，这就是频率选择性衰落对信号的负面影响，这在一定程度上为信号的调制技术提出了更高的要求。

3.5 频率选择性衰落的硬件仿真

3.5.1 硬件模型仿真

进行对比，利用“SystemGenerator”在软件中建立频率选择性衰落的模型。信号源为50Hz和100Hz的正弦波相加，分别为250、500、750个单位的延时相加，各径波形相加后显示在示波器上。

图3.24 频率选择衰落硬件实现模型

仿真结果：

图3.25 频率选择衰落硬件仿真结果

仿真出来的结果和之前Simulink仿出来的结果几乎完全相同，波形的失真方式相同。

3.5.2 硬件模型搭建

图3.26 硬件模型

按照图示更换信号源，移除相关模块，并用AD和DA模块替换，随后进行编译。

但是与以前编译不同的是，这次硬件实现出现的结果是在示波器上明显看到信号失真，在重新编译之后仍然出现，经过老师的提醒得知，示波器输入电平不要超过1V，并且需要在输出波形中添加直流分量，因此，在时延模块前加上一个0.2的增益系数的增益模块。

3.5.3 硬件实现

此部分流程可参考4.3.3过程，流程相同。

示波器图像输出：

图3.27 初始信号与输出信号

上路信号为输出信号，下路信号为初始信号；

图3.28 初始信号频谱

图3.29 输出信号频谱

这两张图分别对应的是输入输出信号的频谱图，由于信号的频率，幅值，信噪比等较小，所以此时信号源的噪声在图中显示比较明显，容易湮没部分选择性衰落的频率分量。

3.5.4 仿真总结

该次仿真的结果十分清晰地证明信号经过多径信道后由于延时造成的某些频分成分发生混叠和相互抵消，导致整个信道看起来像一个滤波器，滤掉了部分频率分量，会对信号包络造成极大的改变，加大解调难度。因此有必要采用先进的调制技术来避免这种情况的发生。

3.6 存在的问题及解决办法

1.在进行用VIVADOU转换出比特文件的时候，开始不断出现计数器报错的情况。在询问老师后，得知由于兼容性系统时间必须调成2016年5月前。

2.在前几次搭建结束后下载到FPGA板子上以后，最后输出的结果在示波器上经常出现失真的现象，在询问老师之后，发现是搭建的信道不能通过频率过高或者电平过大的信号，一旦超过信道可承载范围，就会出现失真。

图3.30 波形失真

对于信道时延模块参数的设定一直没有清楚的认识，在给定系统运行时间后，时延尺度过小一度导致输出信号相对于原信号没有明显的时延和叠加，后来在不断放大时延尺度后结果有所改观。

图3.31 时延不明显

4 FSK通信系统信道分析

4.1 恒参信道模拟

首先是一个基于System Generator的FSK通信系统的调制解调模型，在此通信系统的信道部分引入高斯噪声，分别用示波器观察PN序列产生的信号、调制完成的信号、通过AWGN信道的信号和最后解调的信号。

图4.1 FSK恒参信道模型

首先进行该模型的仿真，仿真结果如下：

图4.2 FSK恒参信道仿真结果

从仿真结果来看，AWGN信道对于FSK的调制信号来说，除了使包络变得略微不齐外，并无太大影响。

接着，调整成FPGA的编程模型：

图4.3 FSK恒参信道FPGA实现

运行无报错后，进行Generator，生成相关MDL文件，用VIVADO软件参照先前生成步骤，生成相关比特文件，下载至FPGA板子上进行观察；

用示波器观察四个DA输出结果如下：

（1）首先是DA1，对应的是PN序列输出的方波；

其次是DA2，对应的是调制信号，在经过信道前：

再是DA3对应的经过信道的调制信号

最后是DA4对应的解调信号：

在此波形可以看出，解调信号的波形未发生较明显的失真，所以，普通的AWGN信道对FSK通信系统的影响十分有限，也就是说，FSK信号对于高斯噪声的抗干扰性是不错的。

4.2 随参信道模拟

在上一部分的基于System Generator的FSK通信系统的调制解调模型中，将信道部分替换成随参信道的一个模型，这样对于信号传输的主要影响就剩下了随参信道模型中的时延分量。首先仿真图如下：

图4.4 FSK随参信道模型

其中，随参信道的具体模型如下图：

图4.5随参信道模型

首先进行该信道的仿真，运行后示波器输出波形如下：

图4.6 FSK随参信道仿真结果

从图中可以明显看到，FSK信号在经过该信道后，波形发生了部分失身，但是还是能模糊看到信号包络，主要影响的是信号的角频率。

接着，调整成FPGA的编程模型：

图4.7 FSK随参信道FPGA实现

运行无报错后，进行Generator，生成相关MDL文件，用VIVADO软件参照先前生成步骤，生成相关比特文件，下载至FPGA板子上进行观察；

用示波器观察四个DA输出结果如下：

DA1对应的PN序列：

DA2对应的调制信号；

DA3对应的经过信道的调制信号；

DA4对应的解调信号：

从硬件的实现结果来看，信道带来的频率的选择性衰落会使得原信号发生失真，具体的影响是会改变部分频率的角频率，调制信号的失真在一定程度上影响了最终的解调，使信号的包络发生了比较大的改变。

4.3 存在的问题及解决办法

在FSK通信系统的信道模拟中，首次仿真模拟的示波器如图所示，主要问题是（1）部分信号的包络峰值大于1，这样在后面用示波器观察时图像很容易失真，所以后来在“Gateway Out”模块前均加了0.5的增益系数，这样得到的波形更方便观察；（2）如图所示，虽然图示的调制、解调波形很直观，但是该图对应的系统运行时间过长，绘制图像时的效率很低，所以后来系统运行时间设置成原时间一半。

图4.8初始仿真图

4.4 仿真总结

通过对FSK信号的两种类型信道模拟，发现FSK信号的抗干扰能力是比较强的，这在通过AWGN信道时有明显的体现。且还有一定的抗衰落能力，频率选择性衰落对其传播的影响不至于特别严重。此外，调制解调技术来说也相对比较容易实现，这也是现在它早期成为主流的中低速传输模型的主要原因

5 结论

总之，本文面向基于FPGA的无线信道质量预测与仿真的设计进行了一整套系统且深入的研究工作，详细分析了调制信道模型、加性高斯白噪声、频率选择性衰落、瑞丽衰落信道等在信道模型方面的设计和建立，为后续的仿真和分析提供可靠基础。采用基于MATLAB的Simulink模块、SystemGenerator和VIVADO软件完成多径信道、频率选择性衰落的软件仿真以及硬件仿真，利用MATLAB进行FSK通信系统的恒参信道和随参信道的仿真模拟，分析不同信道下通信系统的性能状况。

通过本次实验的研究，使用FPGA平台完成了对信道参数的实时控制，实现实时对不同环境下信道的仿真，与Simulink理论模型进行对比，为现代通信系统中对信道的建模与优化提供了良好的数据与理论参考。

但是该研究还存在着一些不足，虽然对信道仿真有一定的研究，但其在更加复杂的且实时的信道中，信道模型的精度和符合度还需不断地提升，在对信道实时状态的预测中，预测算法的效率和误差还需不断地改善。

展望未来，随着无线技术的发展，例如6G、太赫兹通信等新兴技术对无线信道质量提出更高要求，在此基础上，将更加深入探讨基于机器学习等新技术的信道质量预测技术，综合利用FPGA的特点，并不断完善信道模型，提高信道预测精度与时实性，为构建起更为高效、更为可靠的现代通信系统作出更多贡献。