8Моделирование системы
Практическая часть выпускной магистерской работы представляет модель процесса LDPC кодирования сигналов DVB-T2, выполненная в среде программирования MatLAB. Программные реализации две. Первая без учета Релеевских замираний, а другая с их учетом.
Программная реализация данных процессов базируется на схемах, представленных на рисунках 7.1а и 7.1б.
 Рисунок 8.1а – Схема реализации кодирования без учета Релеевских замираний в системе DVB-T2
Рисунок 8.1б – Схема реализации кодирования с учетом Релеевских замираний в системе DVB-T2
Рассмотрим работу схемы. Входные данные, а в данном случае это двоичный сигнал Бернулли, упаковываются в BB кадры. ВВ кадр – формат передачи сжатого аудио и видео контента в системе Т2. Затем данные кодируются в BCH и LDPC кодерах, после чего перемежаются и с модуляцией QPSK поступают в канал, аналогом которого на схеме является блок, формирующийся белый гауссовский шум AWGN или Релеевский канал.
В программе имеется возможность выбора вида модуляции и скорости кода. Выполним моделирование для скорости кода 1/2. Модуляция QPSK применяется как в спутниковом цифровом телевидении, так и в наземном.
В наземном вещании преимущественно применяется сигнал КАМ-64, но в модели выполнено моделирование QPSK. При необходимости можно заменить формат модуляции на другой.
Длина кодового слова кода LDPC равна 64800 бит. При передаче по каналу связи биты заменяются символами созвездия - ячейками.
Далее сравним работу систем при разных значениях энергии за символ и отношениях PSD шума в дБ. Как известно, значение получается одно и тоже.
Сравнение будет проходить по нескольким характеристикам, а именно: размытие сигнального созвездия, количество итераций в LDPS кодах, выходные данные.
Сначала сравним размытия сигнальных созвездий при 10 кадрах для имитации и при трех различных значениях энергии за символ и отношениях PSD шума в дБ в программе без учета Релеевских замираний.
Рисунок 8.2а – Размытие сигнальных созвездий в канале без учета Релеевских замираний при значении энергии за символ и отношениях PSD шума в дБ равном 1.
Рисунок 8.2б – Размытие сигнальных созвездий в канале без учета Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 10.
Рисунок 8.2в – Размытие сигнальных созвездий в канале без учета Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 15.
Проанализировав полученные данные напрашивается логичный вывод – чем больше энергия сигнала за символ, тем четче получаются созвездия, а так же избегается наложение.
Теперь сравним созвездия сигнала при 10 кадрах для имитации и при трех различных значениях энергии за символ и отношениях PSD шума в дБ в программе с применения Релеевского канала.
Рисунок 8.3а – Размытие сигнальных созвездий в канале с учетом Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 1.
Рисунок 8.3б – Размытие сигнальных созвездий в канале с учетом Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 10.
Рисунок 8.3в – Размытие сигнальных созвездий в канале с учетом Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 15.
Из графиков делаем вывод, что применение Релеевских замирании на размытие сигнального созвездия практически не влияет.
Подверженный помехам и искажениям в канале связи сигнал на приёмной стороне демодулируется и деперемежается. Ключевую роль при восстановлении сигнала играет LDPC декодер. Он не просто декодирует принятый сигнал, а полностью восстанавливает его изначальную форму, приводя параметры сигнала к исходным до передачи по каналу связи. На выходе декодера реализована возможность наблюдения количества итераций при декодировании.
Рассмотрим таким же образом выходные показатели итераций в LDPS кодах.
Рисунок 8.4а – Количество итераций в LDPS кодах без применения Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 1.
Рисунок 8.4б – Количество итераций в LDPS кодах без применения Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 10.
Рисунок 8.4в – Количество итераций в LDPS кодах без применения Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 15.
Далее количество итераций в LDPS кодах с применением Релеевских замираний.
Рисунок 8.5а – Количество итераций в LDPS кодах с применением Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 1.
Рисунок 8.5б – Количество итераций в LDPS кодах с применением Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 10.
Рисунок 8.5в – Количество итераций в LDPS кодах с применением Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 15.
После описанного алгоритма обработки на приемной стороне получен полностью восстановленный сигнал, идентичный исходному.
Скорость кода маленькая, следовательно, его избыточность максимальна, это приводят к выполнению алгоритмом максимального числа итераций: 50. Но, благодаря перемежению и LDPC декодированию, данные восстанавливаются безошибочно, несмотря на такое количество итераций.
Сравнив эти показатели можно сделать вывод, что коду не хватает оперативной памяти для быстрого исправления ошибок, так как данный алгоритм требователен к объему оперативной памяти и за 50 итераций не успевает исправить все ошибки. Но на выходе мы видим другие зависимости, поэтому графики не измены.
Рисунок 8.6 – Выходные данные после процесса кодирования кодах без применения Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 1; 10; 15.
Из анализа полученной зависимости напрашивается вывод, что не смотря на значение энергии за символ и отношениях PSD шума в дБ ошибки исправляются и выходная характеристика остается неизменной. Посмотрим, что будет происходить в программе с Релеевскими замираниями.
Рисунок 8.7 – Выходные данные после процесса кодирования с применением Релеевских замираний при значение энергии за символ и отношениях PSD шума в дБ равном 1; 10; 15.
Итак, не смотря на Релеевский канал система отлично справляется с исправлением ошибок благодаря LDPS кодированию
Также было выполнено моделирование процесса передачи и приема сигналов QPSK без применения кодирования. Результат показан на рисунке
Рисунок 8.8 – Выходные данные без применения LDPS кодирования.
Из анализа графиков можно сделать вывод по энергетическому выигрышу от применения кодирования. Для скорости кода 1/2 и заданной вероятности ошибки 10-6 он составляет величину около 11 дБ.
Из всех предоставленных данных можно сделать вывод, что с применением Релеевского канала системе не хватает объема оперативной памяти – как результат максимальное количество итераций. Для того, чтобы увеличить объем оперативной памяти, тем самым увеличив скорость работы системы есть два варианта: либо установить многоядерный процессор, либо одноядерный процессор, но с высокой тактовой частотой.
Рассмотрим оба варианта.
При установке одноядерного процессора проверка данных будет проводиться последовательно, поэтому необходима большая тактовая частота. Такой вариант удобен, но у такой системы будет высокое потребление энергии.
При установке многоядерного процессора проверку данных необходимо будет проводить параллельно, тем самым распределяя нагрузку между ядрами. Скорость проверки увеличиться, а потребление энергии меньше, но это чуть сложнее, чем последовательная проверка.
В данном случае делается упор больше на потребление энергии, так как это более весомый показатель. Следовательно, лучше установить многоядерный процессор. Это будет более экономично и есть вариант даже использования приемника с аккумулятором. Так же будет удобно применение в машине и в любом месте, вне дома.
|
