如何将瑞利分布的衰落 叠加到 数据上？直接乘上么．

我理解的flat fading Reighlay是说发射端有n帧，同一帧乘以的那个
瑞利分布的数是相同的，或者说在一定的时间内（指一帧）乘的那个系数是不变的。
也就是说，产生一个n长的Reighlay分布的数，给第一帧的所有码乘第一个数，
给第二帧的所有码乘第二个数，一次类推……
不知道我这样理解的对不对

两个问题：
一是你假设的帧有多长，如果帧长超过了信道的相关时间，则同一帧内的衰落不相等。实际网络往往是这样的。所以衰落在时间上的分辨度应该提高。
二是衰落在时间上也不是独立的，而是前后存在相关性。这个相关性可以通过多普勒频谱反映出来。
建议你看看ｊａｋｅｓ模型。

这就是所谓的块衰落了

那如果我要看的是这个帧的平均接收功率呢?帧的长度与相关时间差不多.多普勒频移较大,在这个帧中又经历了衰落,我可以取这个帧时间长度内的衰落一点来表示它的接收功率吗?
还有就是在做信道时像Jakes模型或是Clarke模型得出的结果为什么还需要把N个叠加起来呢?单个不是已经在时间上有衰落了,是为了产生频率相关性吗?如果我只是考虑时间相关性的话是不是就可以只用一径的Jakes或是Clarke模型呢?

一般来说，你不能用帧内的一点来表示接收功率，但是接收功率的期望是可以由发射功率和信道的功率衰落值期望的乘积来计算的。
如果你说的N个叠加是指仿真模型中sum of N sinusoids的话，其目的是根据大数定理来产生信道的时间相关性。
只有一条路径的信道是flat fading，只有time selectivity，没有freqeuncy selectivity，所以如果你考虑的是一个doubly selective的信道，多径也是要考虑的。