1.算法仿真效果
matlab2022a仿真结果如下（完整代码运行后无水印）：
仿真操作步骤可参考程序配套的操作视频。
2.算法涉及理论知识概要
基于DVB-T的COFDM+16QAM+Viterbi编解码通信链路是一种常用的数字视频广播系统，用于实现高效的传输和接收。该系统结合了正交频分复用（COFDM）、16QAM调制和Viterbi编解码技术。此外，系统中还包括载波同步、定时同步和信道估计模块，用于实现信号的载波频率和定时偏移的同步，以及信道状态的估计。本文将详细介绍基于DVB-T的COFDM+16QAM+Viterbi编解码通信链路的系统原理、数学公式和各个环节的功能。
基于DVB-T的COFDM+16QAM+Viterbi编解码通信链路通过COFDM技术将数据分成多个子载波，在频域上并行传输，提高了系统的抗多径衰落和频偏的能力。16QAM调制将每四个比特映射到一个复数点上，实现了16种相位和振幅的调制。卷积/Viterbi编解码是一种高效的纠错编码技术，可以提高系统的可靠性。载波同步、定时同步和信道估计模块用于实现信号的载波频率和定时偏移的同步，以及信道状态的估计。
AI 代码解读
COFDM调制
COFDM技术将整个频谱分成多个子载波，每个子载波之间正交传输。在每个OFDM符号中，数据被并行分配到不同的子载波上，并在频域上进行调制。COFDM调制可以通过快速傅里叶变换（FFT）将时域信号转换为频域信号。
16QAM调制
16QAM调制将每四个比特映射到一个复数点上，共有16种相位和振幅的调制方式。16QAM调制可以在一个符号周期内传输4个比特，实现高效的频谱利用。
卷积/Viterbi编解码
卷积码是一种线性分组码，它通过对信息序列进行卷积运算来实现编码。一个典型的卷积码编码器由移位寄存器和模 2 加法器组成。由于卷积码的编码过程可以用网格图表示，所以发送的编码序列对应网格图中的一条路径。在接收端，对于给定的接收序列，需要在网格图的所有可能路径中找到最有可能产生这个接收序列的路径。
载波同步
载波同步模块用于估计接收信号的载波频率偏移，并进行补偿。载波频率偏移会导致接收信号的相位发生变化，因此需要通过同步来保证正确的信号接收和解调。载波同步通过估计接收信号的相位差来计算载波频率偏移，然后通过反馈控制来调整本地振荡器的频率，使其与接收信号的载波频率保持同步。
定时同步
定时同步模块用于估计接收信号的定时偏移，并进行补偿。定时偏移会导致接收信号的采样时刻不准确，因此需要通过同步来恢复正确的采样时刻。定时同步通过计算接收信号的时钟边沿间隔的平方误差来估计定时偏移，然后通过反馈控制来调整采样时钟的相位，实现接收信号的定时同步。
信道估计
信道估计模块用于估计信道状态，以便在接收端进行合适的解调和解码。信道状态的估计可以通过接收信号的预处理和训练序列的发送来实现。根据接收信号和已知的训练序列，可以估计信道的衰落、噪声和多径效应等参数。
3.MATLAB核心程序
X10=zeros(68,2560);
for j1=1:68
X10(j1,1:GI) = X4(j1,2048-512+1:end);
X10(j1,GI+1:end) = X4(j1,1:end);
end
%--------------------------------------------------------------------------
%并串转换reshape按列重排，X6是68x2560，必须先转成为2560x68，再重排
X7 = reshape(X10.',1,symbols_per_carrier*(IFFT_bin_length+GI));
%--------------------------------------------------------------------------
%加入基于DVB-T的瑞利多径衰落信道(固定接受模式)
%加衰减信道
PathDelays = 2*[0 0.05 0.4 1.45 2.3 2.8]*1e-6; % 长时延
AvgPathGaindB = [-3 -4 -5 -6 -7 -8];
InputSamplePeriod = 1e-7;
fadedSig = X7;
for iii = 2:length(PathDelays)
dds = floor(PathDelays(iii)/InputSamplePeriod)+1;
ad = 10^(AvgPathGaindB(iii)/10);
fadedSig = fadedSig+ ad*[zeros(1,dds),fadedSig(1:end-dds)];
end
Tx_data = awgn(fadedSig,EbN0s,'measured'); % Add Gaussian noise.
%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%以下是接收部分
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Tx_data(2560*2+1:end)]信道参数
Y7 = [zeros(1,400) Tx_data(2560*3+1:end)];
%%
%%%%%%%%%%%%%%%%%%%%%符号同步%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%STEP1:不做大的变动，最大似然法，确定粗定时偏差
r = Y7;%任意选取一段数据进行估计
N = IFFT_bin_length;
G = GI;
T = 1:3*N+2*G;
for i=1:length(T) %FFT窗移动的距离
data1 = r(i:G+i-1); %取GI长个数据存data1
data2 = r(N+i:N+G+i-1); %取相距IFFT_bin_length的GI长个数据存data2
sr(i) = real(data1*data2'); %求互相关值
si(i) = imag(data1*data2'); %求互相关值
s(i) = sr(i)+sqrt(-1)*si(i);
cor(i) = sr(i)-si(i);
end
%Max_i对应一个符号的第一个数据
[Max,Max_i]=max(cor(1:N));
Max_i=Max_i-1;
Lc = 30;
r = r(Max_i-Lc:Max_i-Lc+12*2560);
%FFT变换
N = IFFT_bin_length;
Ng = GI;
%加延时，使截取点落入循环前缀之内
Y8 = r;
r = Y8;
r_ofdmin = reshape(r(1:12*2560),2560,12).';
r_nocp = r_ofdmin(:,GI+1:end);
r_Sym = fft(r_nocp,2048,2);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%STEP2:细定时估计
%找出分散导频位置
P = 12;
Y_1 = r_Sym(1,1:end);
Y_5 = r_Sym(5,1:end);
%另一种找出导频点的方法，更好且简单，确定四种导频方式其中的一种。
for k1=0:3
dd=0;
for p=1:142
dd=dd + Y_1(12*p+1+3*k1)*conj(Y_5(12*p+1+3*k1));
end
d(k1+1)=abs(dd);
end
[cMax,Max_ip]=max(d);
%确定细定时偏差，假定定时偏差在（-85，+85）之间。
Y_SP = r_Sym(1,:); %取第1个OFDM符号。
sum = 0;
K1 = N/(2*pi*P);
SP_X = ScPilotX(Max_ip,:); %取出模式Max_ip指定的分散导频
SP_X =[SP_X,zeros(1,2*P)]; %补点，防止下标溢出。
SP_start = 3*(Max_ip-1)+1;
--------------------------------------------------------------------------
dat = Rimages_snr{1};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image([Rbin]);
Gdec = func_bin2image([Gbin]);
Bdec = func_bin2image([Bbin]);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr_5(:,:,1) = RIimages;
Images_snr_5(:,:,2) = GIimages;
Images_snr_5(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr_5));
dat = Rimages_snr{2};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image(Rbin);
Gdec = func_bin2image(Gbin);
Bdec = func_bin2image(Bbin);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr0(:,:,1) = RIimages;
Images_snr0(:,:,2) = GIimages;
Images_snr0(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr0));
dat = Rimages_snr{3};
len = 3*length(Rbin);
Rbin = dat(1:len/3);
Gbin = dat(1+len/3:2*len/3);
Bbin = dat(1+2*len/3:len);
%二进制转化为十进制
Rdec = func_bin2image(Rbin);
Gdec = func_bin2image(Gbin);
Bdec = func_bin2image(Bbin);
%十进制转化为矩阵
RIimages = [reshape(Rdec,[256,256])]';
GIimages = [reshape(Gdec,[256,256])]';
BIimages = [reshape(Bdec,[256,256])]';
Images_snr5(:,:,1) = RIimages;
Images_snr5(:,:,2) = GIimages;
Images_snr5(:,:,3) = BIimages;
%RGB合并
figure;
imshow(uint8(Images_snr5));
save R_1_iamge.mat Images_snr_5 Images_snr0 Images_snr5
AI 代码解读
