% 函數Suzuki_generator(N1,N2,N3,variance,fmax,fc,kc,sigma3,m3,A_Los,f_Los,T_interval,T)
% 功能：根據需要采用MED、MEA、MCM、MSEM、MEDS和JM中的任何一種方法，來生成既考慮小尺度衰落（萊斯分布），
%      又考慮大尺度陰影（對數正態分布）的確定型Suzuki過程
% 輸入參數說明：
% （1）N1,N2,N3,分別表示實確定型高斯過程gauss1_t,gauss2_t,gauss3_t的正弦振蕩器數目
% （2）Variance1,表示確定型高斯過程gauss1_t,gauss2_t,gauss3_t的平均功率
% （3）fmax,表示最大多普勒頻移；
% （4）fc,為3dB截止頻率
% （5）kc由仿真所需的離散多普勒頻移fi,n的選擇范圍來決定，這里選擇kc=2*sqrt(2/ln2);
% （6）sigma3,表示確定型高斯過程gauss3_t的平均功率的平方根；
% （7）m3,表示確定型高斯過程gauss3_t的均值；
% （8）A_Los、f_Los和theta_Los分別表示可視徑的幅度，多普勒頻移和相移；
% （9）T_interval,表示抽樣間隔；
% （10）T,表示仿真持續時間。
% 畫出參數說明：
% Suzuki_t,表示生成的Suzuki過程
% 程序：
function Suzuki_t=Suzuki_generator(N1,N2,N3,variance,fmax,fc,kc,sigma3,m3,A_Los,f_Los,T_interval,T)
%分別采用MEDS和MEA方法生成瑞利過程的同相分量和正交分量參數
[f1,c1,theta1]=Parameter_Classical('MEDS',N1,variance1,fmax,'rand');
[f2,c2,theta2]=Parameter_Classical('MEA',N2,Variancel,fmax,'rand');
c1=c1/sqrt(2);
c2=c2/sqrt(2);

%分別采用MEDS生成均值為0、方差為1的對數正態陰影的參數
[f3,c3,theta3]=Parameter_Gaussian('MEDS',N3,1,fc,kc,'rand')
g=(2*pi*fd/sqrt(2*log(2)))^2;
f3(N3)=sqrt(g*N3/(2*pi)^2-sum(f3(1:N3-1).^2));

N=ceil(T/T_interval);
t=(0:N-1)*T_interval;
%生成萊斯過程
rice_t=Rice_generator(c1,f1,theta1,c2,f2,theta2,A_Los,f_Los,theta_Los,T_interval,T);
%生成對數正態過程
lognormal_t=exp(Gauss_generator(c3,f3,theta3,T_interval,T)*sigma3+m3);
%生成Suzuki過程
Suzuki_t=rice_t.*lognormal_t;