Communications Toolbox
对通信系统的物理层进行设计和仿真
Communications Toolbox™ 提供多种算法和应用程序，可对通信系统进行分析、设计、端到端仿真和验证。工具箱算法包括信道编码、调制、MIMO 和 OFDM，您可以组建和仿真基于标准或自定义设计的无线通信系统的物理层模型。
该工具箱提供波形生成应用程序、星座图和眼图、误码率以及其他分析工具和示波器以验证设计。这些工具可用来生成和分析信号、可视化信道特征、获取误差向量幅度 (EVM) 等性能指标。工具箱包含 SISO 及 MIMO 统计和空间信道模型。信道分布选项包括瑞利 (Rayleigh)、莱斯 (Rician) 和 WINNER II 模型。它还包括 RF 损伤，例如 RF 非线性和载波偏移，并提供补偿算法，例如载波和符号定时同步器。这些算法支持您对链路级设计规范进行真实建模并补偿信道衰落效应。
使用 Communications Toolbox 配合 RF 仪器或硬件支持包，您可以将发射机和接收机模型连接到无线电设备，并通过无线传输测试来验证设计。
快速入门：
调制和信道编码
指定用于信道编码（包括卷积、Turbo、LDPC 和 TPC）、调制（包括 OFDM、QAM、APSK）、加扰、交织和滤波的系统组件。
RF 卫星链路。
接收机设计和同步
对前端接收机和同步组件（包括 AGC、I/Q 不平衡校正、直流阻塞以及定时和载波同步）进行建模和仿真。
使用粗粒度和细粒度同步来修正频率偏移 QAM。
评估 AWGN 信道中的 LDPC 性能。
噪声和衰落信道
仿真信道噪声和衰落模型，包括 AWGN、多径 Rayleigh 衰落、Rician 衰落和 WINNER II 空间信道模型。
基于 WINNER II 信道模型的多个衰落信道。
包含 RF 损伤的端到端 QAM 仿真。
Wireless Waveform Generator 应用程序
生成、减损、可视化和导出调制的波形（包括 OFDM、QAM、PSK 和 WLAN 802.11）。
生成、可视化和导出波形，并应用 RF 损伤。
基于标准的波形
生成符合各种标准的波形，包括 DVB、MIL-STD 188、电视和调频广播、ZigBee®、NFC、WPAN 802.15.4、cdma2000 和 1xEV-DO 信号。
DVB-S.2 链路，包括 LDPC 编码。
MIMO 技术
对大规模 MIMO 混合波束成形的效应进行仿真。您还可以执行发射和接收分集，并仿真时空分组编码和空间多路复用对系统性能产生的效应。
大规模 MIMO 混合波束成形。
MIMO 信道和接收机
应用 MIMO 多径衰落和 WINNER II 空间信道建模，并对 MIMO 接收机组件建模，包括 MIMO 信道估计和均衡。
基于 WINNER II 信道模型的多用户 MIMO。
使用眼图和星座图可视化和测量信号。
信号测量
计算标准测量值（包括 EVM、ACPR、ACLR、MER、CCDF、眼高、抖动、上升时间、下降时间），用于定量表征系统性能。
ZigBee 系统的 EVM 测量。
支持的无线电
将您的波形连接到各种支持的软件无线电 (SDR)，包括 ADALM® Pluto®、RTL-SDR、USRP® 和基于 Xilinx® Zynq® 的无线电。
发射机和接收机
处理捕获的或者空中实时传输的无线电信号以实现多种应用，包括基于 ADS-B 信号的飞机追踪、仪表自动读数、RBDS 调频广播和 FRS/GMRS 接收机。
处理捕获的 SDR 信号以进行频谱感知。
波形生成、链路级仿真和测试
生成波形并仿真蓝牙低功耗 (BLE) 和 Bluetooth® 基本速率 (BR) 以及增强速率 (EDR) 链路。执行蓝牙 RF-PHY 测试规范定义的标准测试和测量。
可视化载波干扰比性能测试。
mesh 网络仿真和干扰建模
建模和仿真蓝牙 mesh网络。对共存机制进行仿真以分析 WLAN 对 BLE 网络的干扰。
蓝牙 mesh 网络消息流。
协议层和 MAC 建模
生成和解码 BLE 链路层数据包和 L2CAP 帧。对用于在 BLE 设备之间建立连接的链路层状态机进行建模。
在客户端（智能手机）和服务器（传感器）之间交换数据包的协议。
基于标准的 MAC 帧
基于各种标准生成和解码 MAC 帧，包括 ZigBee (IEEE® 802.15.4) 和 NFC。
生成和解码 ZigBee MAC 帧。
txsite 和 rxsite 对象的笛卡尔定位：
使用笛卡尔坐标系进行点对点的射频传播分析
笛卡尔站点的射线追踪分析：
使用 STL 文件描述用于射线追踪分析的三维环境
蓝牙测向：
估计低能量蓝牙 (BLE) 传输的入射角 (AoA) 或发射角 (AoD)
蓝牙自适应跳频：
为蓝牙 BR/EDR 模式下的查询、寻呼和连接过程生成跳频序列。
对数似然比 (LLR) 的估计：
生成信号和信道的损失来训练和测试估计 LLR 的神经网络
关于这些特性和相应函数的详细信息，请参阅发行说明。
