1
12. 基于 SystemVue 的多址接入技术仿真
12.1 SystemVue 简介
SystemVue 是一种由 Keysight Technologies 开发的高性能电子系统级（ESL）仿真
软件，广泛应用于通信系统的设计和仿真。它支持从系统级到基带和射频级的
全面仿真，能够帮助工程师在设计阶段验证各种通信系统的性能。SystemVue
提供了丰富的库和工具，支持多种通信标准和自定义协议，特别适合多址接入
技术的仿真。
12.1.1 SystemVue 的主要功能
� 系统级仿真：支持多种通信系统的建模和仿真，包括无线通信、有线通
信、雷达系统等。
� 基带和射频仿真：提供从基带到射频的完整链路仿真，支持多种调制解
调技术、信道模型和干扰模型。
� 多址接入技术仿真：支持多种多址接入技术的仿真，如 FDMA、TDMA、
CDMA、OFDMA 等。
� 自定义设计：用户可以自定义系统组件和参数，实现特定应用的仿真需
求。
� 高性能计算：利用多核处理器和分布式计算，提高仿真效率和速度。
12.1.2 SystemVue 的应用场景
� 无线通信系统设计：用于设计和验证各种无线通信系统，如 5G、Wi-Fi、
LTE 等。
� 雷达系统仿真：用于雷达系统的建模和性能分析。
� 卫星通信系统：用于卫星通信系统的链路预算和性能评估。
� 物联网通信：用于物联网通信系统的仿真和优化。
2
12.2 FDMA 多址接入技术仿真
12.2.1 FDMA 原理
频率分多址（Frequency Division Multiple Access, FDMA）是一种多址接入技术，
通过将可用频带划分为多个子频段，每个用户使用一个独立的子频段进行通信。
FDMA 的主要优点是实现简单、频谱利用率高，但缺点是频带划分固定，灵活
性较差。
12.2.2 FDMA 仿真步骤
1. 定义系统参数：包括频带宽度、子频段数量、中心频率等。
2. 创建基带信号：生成多个用户的基带信号。
3. 调制和上变频：将基带信号调制到不同的子频段。
4. 信道仿真：模拟信道传输特性，如衰落、噪声等。
5. 接收和解调：接收信号并解调回基带信号。
6. 性能评估：分析系统的误码率（BER）、信号干扰比（SIR）等性能指标。
12.2.3 FDMA 仿真实例
12.2.3.1 仿真环境设置
首先，确保已经安装并配置好 SystemVue 软件。打开 SystemVue，创建一个新
的项目。
## 项目设置
1. 打开 SystemVue 软件。
2. 选择 `File` -> `New` 创建一个新的项目。
3. 保存项目，命名为 `FDMA_Simulation`。
12.2.3.2 定义系统参数
在 SystemVue 中，可以使用参数表来定义系统的各种参数。
## 系统参数定义
1. 在项目中创建一个 `Parameter Table`。
2. 定义以下参数：
3
- `Total_Bandwidth`：总频带宽度（例如 10 MHz）。
- `Num_Subbands`：子频段数量（例如 4）。
- `Center_Frequency`：中心频率（例如 2.4 GHz）。
- `Sampling_Rate`：采样率（例如 20 MHz）。
- `User_Data_Rate`：每个用户的传输速率（例如 1 Mbps）。
12.2.3.3 创建基带信号
生成多个用户的基带信号，可以使用 SystemVue 中的 Random Data Generator 和
Modulator。
## 基带信号生成
1. 创建 4 个 `Random Data Generator`，每个生成一个用户的随机数据流。
2. 创建 4 个 `Modulator`，选择 `QPSK` 调制方式，将随机数据调制为基带信号。
3. 连接 `Random Data Generator` 和 `Modulator`。
12.2.3.4 调制和上变频
将基带信号调制到不同的子频段。
## 调制和上变频
1. 创建 4 个 `Numerically Controlled Oscillator (NCO)`，用于生成不同子频段的载波。
2. 定义每个 NCO 的频率偏移，使每个载波位于不同的子频段。
3. 创建 4 个 `Multiplier`，分别将基带信号乘以相应的载波信号，实现上变频。
4. 连接 `Modulator` 和 `Multiplier`。
12.2.3.5 信道仿真
模拟信道传输特性。
## 信道仿真
1. 创建一个 `Channel Model`，选择 `AWGN` 信道模型。
2. 定义信道的噪声功率和衰落特性。
3. 创建一个 `Adder`，将 4 个上变频后的信号相加，形成多用户信号。
4. 将多用户信号通过 `Channel Model` 传输。
12.2.3.6 接收和解调
接收信号并解调回基带信号。
## 接收和解调
1. 创建 4 个 `Down Converter`，用于将接收到的信号下变频到基带。
2. 定义每个 `Down Converter` 的频率偏移，使其与相应的子频段匹配。
4
3. 创建 4 个 `Demodulator`，选择 `QPSK` 解调方式，解调基带信号。
4. 连接 `Down Converter` 和 `Demodulator`。
12.2.3.7 性能评估
分析系统的误码率（BER）和信号干扰比（SIR）。
## 性能评估
1. 创建 4 个 `Bit Error Rate (BER) Analyzer`，用于分析每个用户的误码率。
2. 创建一个 `Signal-to-Interference Ratio (SIR) Analyzer`，用于分析信号干扰比。
3. 连接 `Demodulator` 和 `BER Analyzer`。
4. 连接 `Adder` 和 `SIR Analyzer`。
5. 运行仿真，查看 BER 和 SIR 的结果。
12.2.4 代码示例
以下是一个简单的 FDMA 仿真代码示例，使用 Python 和 NumPy 进行基带信号
生成和调制。
import numpy as np
import matplotlib.pyplot as plt
#
系统参数
total_bandwidth = 10e6 #
总频带宽度（
10 MHz
）
num_subbands = 4 #
子频段数量
center_frequency = 2.4e9 #
中心频率（
2.4 GHz
）
sampling_rate = 20e6 #
采样率（
20 MHz
）
user_data_rate = 1e6 #
每个用户的传输速率（
1 Mbps
）
#
生成随机数据
def generate_random_data(num_users, data_length):
return [np.random.randint(2, size=data_length) for _ in range(num_users)]
# QPSK
调制
def qpsk_modulate(data):
#
将二进制数据转换为
QPSK
符号
symbols = data.reshape(-1, 2)
modulated = np.array([1j**sum(s) for s in symbols])
return modulated
#
上变频
def up_convert(signal, carrier_frequency, sampling_rate, t):
carrier = np.exp(1j * 2 * np.pi * carrier_frequency * t)
return signal * carrier
5
#
信道模型（
AWGN
）
def awgn_channel(signal, snr):
noise_power = np.var(signal) / 10**(snr / 10)
noise = np.sqrt(noise_power) * (np.random.randn(len(signal)) + 1j * np.random.randn(len(sign
al)))
return signal + noise
#
下变频
def down_convert(signal, carrier_frequency, sampling_rate, t):
carrier = np.exp(-1j * 2 * np.pi * carrier_frequency * t)
return signal * carrier
# BER
分析
def ber_analysis(original_data, received_data):
errors = np.sum(np.abs(original_data - received_data) > 0)
return errors / len(original_data)
#
参数设置
data_length = 10000
snr = 10 #
信噪比（
dB
）
t = np.arange(0, data_length / sampling_rate, 1 / sampling_rate)
#
生成随机数据
random_data = generate_random_data(num_subbands, data_length)
# QPSK
调制
modulated_signals = [qpsk_modulate(data) for data in random_data]
#
上变频
carrier_frequencies = [center_frequency + (i - num_subbands / 2) * total_bandwidth / num_subb
ands for i in range(num_subbands)]
upconverted_signals = [up_convert(signal, freq, sampling_rate, t) for signal, freq in zip(modulate
d_signals, carrier_frequencies)]
#
信道传输
transmitted_signal = np.sum(upconverted_signals, axis=0)
received_signal = awgn_channel(transmitted_signal, snr)
#
下变频
downconverted_signals = [down_convert(received_signal, freq, sampling_rate, t) for freq in carri
er_frequencies]
#
解调
