Recursive Systematic Convolution simulation 레포트

소개글

Recursive Systematic Convolution simulation에 대한 보고서로 convolution code에 대한 내용이 담겨 있습니다.
Viterbi soft decision 알고리즘을 적용한 코드를 설계하고 이를 통해 시뮬레이션을 수행하였습니다.
Viterbi 알고리즘과 soft, hard decision의 차이등이 상세히 기술 되어 있습니다.
또한 RSC 코드를 적용한 경우의 BER 그래프등이 실려 있습니다.

RSC 코드가 필요하신 분이나 보고서 등이 필요하신 분에게 추천합니다.

목차

1. 이론
● BPSK
● AWGN과 SNR
● Convolution code
● RSC code
● Viterbi algorithm with soft decision

2. 구현
● Encoder
● Decoder

3. 결과 및 분석

4. 결론 및 토의

5. Source code

본문내용

● AWGN과 SNR

위처럼 BPSK를 통해 modulation된 신호는 송신 단에서 channel을 통해 수신 단으로 수신되게 된다. 이 과정에서 열잡음에 의한 noise가 발생하게 된다. 물론 실제 noise는 복잡하고 여러 가지 형태의 모습을 띄지만 근사적으로 AWGN으로 표현이 가능하다. 이는 우리가 보내고자 하는 전체적인 대역에 일정한 파워를 가지고 노이즈가 분포되어 있음을 말하며 시간 축에서는 random한 noise가 발생된다는 것을 의미한다. 실제적으로 우리가 따져야하는 것은 이 노이즈의 파워와 우리가 보내고자 하는 신호의 파워의 비이다. 만일 우리의 신호 파워가 노이즈에 비해 매우 크다면 그다지 큰 영향을 받지 않고 수신단에 신호가 도착하게 될 것이다. 그러나 만일 신호의 파워가 노이즈 파워보다 상대적으로 작다면 수신 단에서의 error 발생률은 높아질 것이다. 이는 BER의 증가를 의미한다. 그래서 우리는 SNR을 BER과 연관지어 생각해야 한다. AWGN의 파워는 가우시안 함수의 분산으로 나타나며 이는 No/2의 값을 가지게 된다. 그렇기 때문에 BPSK는 의 성능을 가지게 된다. 이번 프로젝트에서는 위에서 언급한 BPSK을 하기위한 message bits에 code rate가 1/2인 covolution coding을 하여 1bit당 2개의 bits가 나오게 하였다. 그렇기에 이번 시뮬레이션은 symbol energy를 기준으로 결과를 도출하였다.

참고 자료

없음