MPSK

A continuación armaremos un modelo de simulación en Matlab Simulink

correspondiente a un sistema de modulación/demodulación M-PSK con M=4 (k=2),
también conocido como QPSK.

Por simplicidad utilizaremos una fuente digital de Bernoulli como fuente de información
y consideraremos un canal AWGN.

Simularemos el modelo para diferentes valores de ruido, es decir, iremos modificando

el valor de su varianza No/2 para poder así analizar el comportamiento de la Pb ante
diferentes condiciones de ruido sobre el canal.

Construiremos las gráficas de Pb para el modelo simulado y las compararemos con las
gráficas teóricas para QPSK.
Compararemos el uso de modulación mediante constelación Binaria y constelación de
Gray.
Luego modificaremos nuestro modelo con la introducción de codificación de canal y
analizaremos el comportamiento del BER con relación al modelo sin codificación de
canal.
Por último, analizaremos la Pb de nuestro modelo QPSK (k=2) si modificamos k, es
decir, si lo decrecemos a BPSk (k=1) o sí lo aumentamos a 16PSK (k=4).
Analizaremos también las diferentes constelaciones para los 3 casos.
Implementación del modelo QPSK

El primer modelo, y sobre el que nos basaremos consiste en un sistema típico de

modulación QPSK con detección coherente. En el mismo, realizaremos la comparación de la Pb
utilizando modulación con constelación Binaria y de Gray.
A continuación, se presenta una descripción de los bloques a utilizar y la configuración
de sus parámetros:

Fuente de Información:
Utilizaremos una fuente digital aleatoria binaria donde las probabilidades de enviar un
1 o un 0 son iguales. Utilizaremos el bloque Bernoulli Binary Generador.
Bernoulli Binary Generator: Generate Bernoulli-distributed random binary numbers.

Modulador QPSK:

Utilizamos el bloque M-PSK Modulator Baseband, con M = 4, para obtener una

modulación QPSK.

Canal AWGN:

Utilizamos el bloque AWGN Channel, para simular los efectos del canal. En este bloque,
modificaremos la relación Eb/No entre simulación y simulación de modo de obtener las
distintas respuestas del sistema ante variaciones en la varianza del ruido.

Demodulador QPSK:

Utilizamos el bloque M-PSK Demodulator Baseband con M =4 y constelación Binaria.

Simulación de QPSK.

Para poder construir la curva de Pb vs Eb/no que estamos buscando, es necesario

correr la simulación para diferentes valores de Eb/No en el canal. Esto es, modificar
indirectamente la varianza del ruido a fin de analizar la respuesta del sistema ante el
error.

C
omp
araciónd
elaP
bparaunsiste
m aQ
PSKco
nysincod
ificaciónd
ecan
al
0
10
Q
PSKSims/codifcanal
Q
PSKSimc/codifcanal
Q
PSKT
eoricos/codifcana
l
Q
PSKT
eoricoc/codifcana
l

X
:6
Y:0.00
2388

-5 X
:6
10
Y:4.01
5e-005
Pb

-1
0
10

-2 0 2 4 6 8 10 12
Eb
/No(dB)

Análisis de la simulación:

Como vemos en las gráficas, el uso de la constelación de Gray contra la constelación

Binaria produce una mejora en la curva de Pb para un mismo valor de EbNo.
Esto se debe a que en la constelación de Gray, sólo hay cambios de un bit entre
símbolos representados por fases contiguas. Es decir, que al producirse error en la
detección de un símbolo, hay una alta probabilidad de que un solo bit sea afectado por
el error.

Analizamos hasta aquí los sistemas QPSk para diferentes tipos de constelación (Binaria
y Gray) y en presencia o no de codificación de canal.
Ahora realizaremos una simulación con el objetivo de comparar el modelo QPSK.mdl
para diferentes valores de k. Esto es, simularemos un mismo sistema MPSK para
valores de M = 2 (caso binario o BPSK), M = 4 (QPSK) y M = 16 (16PSK) para ver que
ocurre con la curva de Probabilidad de Error de Bit ante el incremento de k.
La fuente y los valores de EbNo serán los mismos para los 3 casos planteados.
El nuevo modelo queda descripto de la siguiente manera:
Al igual que en los casos anteriores simularemos el modelo para diferentes valores de
EbNo. También agregaremos las curvas teóricas para los distintos valores de M, a fin
de confirmar los resultados obtenidos.

Análisis de la simulación:

Nuevamente, primero comparamos las curvas teóricas representadas en el gráfico por

líneas continuas con los valores obtenidos de los sistemas planteados en la simulación
(puntos marcados con asteriscos). Podemos notar que ambos coinciden, por que los
modelos planteados respondieron tal como se esperaba.
Comparando las curvas entre sí para los diferentes valores de k, encontramos que:
- Como se demostró en la teoría, la Pb de un sistema BPSK es igual a la
Pb de un sistema QPSK.
- El incremento de k implica una desmejora en la curva de Pb. Esto puede
verse al comparar las curvas de BPSK/QPSK con la de 16PSK. Como
ejemplo, para un valor de EbNo = 9 dB, la Pb para el primer caso es
0.03363 x10-3 mientras que para 16PSK es 29.98 x10-3, notablemente
superior.
Como se vió en la teoría, esto se debe a que el incremento de k genera un mayor
número de vectores necesarios para la representación de los 2k símbolos. Y al
aumentar el nro de vectores, disminuye la distancia entre ellos y por consiguiente, el
tamaño de la región de decisión, haciéndose mucho más susceptible al ruido.

Simulación de MPSKcontelaciones

Utilizamos el mismo modelo MPSK.mdl, pero modificado para obtener la salida en

forma de vectores de las señales moduladas y de las transmitidas y afectadas por el
ruido del canal para los casos BPSK, QPSK y 16PSK.
En este punto, no utilizaremos un vector EbNo como antes, ya que no queremos
graficar la curba Pb, sino que utilizaremos un vector EbNo con 4 valores diferentes
para analizar la variación de los gráficos de constelación para cada valor de EbNo y
sobre cada sistema MPSK (M = 2, 4 y 16).
Análisis de la simulación:

En primer lugar podemos analizar las 4 constelaciones graficadas para cada uno de los
sistemas. En negro se muestra el valor que salió del modulador y en color las muetras
afectadas por el canal.
Podemos ver como a medida que se incrementa el valor de EbNo las muestras
afectadas por el ruido de canal se acercan más al valor modulado. Esto se repite para
los tres sistemas planteados.
Por otro lado, comparando las graficas de los 3 sistemas para un valor de EbNo dado,
podemos ver con mayor claridad lo observado en la simulación previa. Esto es, como a
medida que aumenta k, las muestras se aproximan más entre sí, haciendo más difícil la
detección y, en consecuencia, disminuyendo la Probabilidad de Error de Bit.
Como ventaja, debemos decir que el aumento de k no implica un aumento del ancho
de banda (debido a que no se agregan nuevas bases), por lo que con el mismo ancho
de banda, logramos una mayor tasa de datos, a costa de una mayor Probabilidad de
Error de Bit (Pb).