### 基于 Python 实现的无线信道传播与衰落仿真 #### 瑞利衰落信道仿真 为了模拟瑞利衰落信道，在 Python 中可以利用 `numpy` 库生成服从特定统计特性的随机变量。对于瑞利衰落来说，其核心在于创建具有零均值和相同方差的独立同分布高斯分量作为复数形式的信道增益。 ```python import numpy as np def generate_rayleigh_channels(num_channels): """ 该函数用于生成指定数量的瑞利信道衰落系数。 参数: num_channels : int 类型, 表示要生成的信道数目 返回: h : ndarray 复数类型的数组，代表各条路径上的衰落因子 """ # 遵循 N(0,1/√2) 的正态分布分别初始化实部和虚部 real_parts = np.random.normal(loc=0.0, scale=(1 / np.sqrt(2)), size=num_channels) imag_parts = np.random.normal(loc=0.0, scale=(1 / np.sqrt(2)), size=num_channels) # 构建并返回复数值的信道响应向量 h = real_parts + 1j * imag_parts return h # 测试上述定义的功能 num_channels = 8 # 设定所需的信道实例个数 h_array = generate_rayleigh_channels(num_channels) print("Generated Rayleigh Channel Fading Coefficients:\n", h_array) ``` 此段代码展示了如何通过调用 `generate_rayleigh_channels()` 函数来获取一组给定量级的瑞利衰落效应样本[^3]。 #### QPSK 调制器在瑞利衰落环境中的应用 当涉及到具体通信体制时，比如四相移键控(QPSK)，则可以在之前建立的基础上进一步扩展，加入调制解调过程以及考虑噪声影响等因素： ```python from scipy import signal def qpsk_modulation(bits_per_symbol=2, symbols_count=1000): """产生QPSK已调波形""" bits = np.random.randint(low=0, high=2, size=symbols_count*bits_per_symbol) constellation_points = [-1-1j, -1+1j, 1-1j, 1+1j] modulated_signal = [] for i in range(symbols_count): symbol_index = sum([bit << j for j, bit in enumerate(reversed(bits[i*bits_per_symbol:(i+1)*bits_per_symbol]))]) modulated_signal.append(constellation_points[symbol_index]) t = np.arange(len(modulated_signal)) waveform = np.array(modulated_signal).flatten() return waveform, t waveform, _ = qpsk_modulation() # 添加瑞利衰落到QPSK信号上 rayleigh_faded_waveform = waveform * generate_rayleigh_channels(len(waveform)) plt.figure(figsize=(14,6)) plt.plot(np.real(rayleigh_faded_waveform), label='Real Part') plt.plot(np.imag(rayleigh_faded_waveform), linestyle="--",label='Imaginary Part') plt.title('Rayleigh Faded QPSK Signal') plt.legend(); ``` 这里不仅实现了基本的 QPSK 符号映射逻辑，还演示了怎样将前面提到的瑞利衰落模型应用于实际发送的数据序列之上，并最终绘制出了经过处理后的基带信号图像[^2]。