基于64QAM调制解调的LDPC编译码算法误码率matlab仿真

简介: 基于64QAM调制解调的LDPC编译码算法误码率matlab仿真

1.算法描述

   LDPC译码从译码算法的实现角度可以将译码类型分为硬判决译码和软判决译码两种类型。其中,硬判决译码方式实现过程较为简单,其通过一个预先设置的阈值对译码信息进行判决,如果大于阈值则判决输出“1”,否则判决输出“0”。软件判决译码方式则根据码元错误概率最小的方式进行译码。因此,软件判决译码方式具有更优的译码性能。

  BP译码算法是一种基于概率域的译码算法。其译码步骤如下所示:

1.png
2.png
3.png

   虽然基于对数域的BP译码算法在一定程度上降低了BP译码算法的复杂度,但是由于其涉及到正切等运算。随着码长的增加,LLR-BP译码算法的复杂依旧较大。由此产生了MS最小和译码算法。 最小和译码算法的步骤如下:

4.png
5.png

2.仿真效果预览
matlab2022a仿真结果如下:

6.png

3.MATLAB核心程序

load H.mat;
max_iter=25;
L_frame=size(G,1);
n_frame=200;
start=0;
step=2;
finish=10;
r=size(G,1)/size(G,2);
M=6;
Es=42;   % 一个64QAM符号能量 也是信号功率 
Eb=Es/M;
plot_pe=[];
Q=1;
 
%  err_list_index=1;  % used by test
axis_EbN0=start:step:finish;
%******************************************************
for EbN0=start:step:finish;
    Liner_EbN0=10^(EbN0/10);
    pe_number=0;
    variance=0.5*(Eb/Liner_EbN0)/r;  % 噪声方差, 来源于a^2/(2*delta^2)=Liner_EbN0,a^2信息幅值的平方即比特能量, 2*delta^2=N0.    N0/r得到编码后的噪声功率谱密度
    for number_frame=1:1:n_frame         % variance是单独加在同相(正交相)的噪声功率普密度
       
        
        x_msg = (sign(randn(1,size(G,1)))+1)/2; % random bits
        x_code_msg= mod(x_msg*G,2); % coding 
        in=x_code_msg;
        
 
      
        x_tx_msg= QAM64m(in); % 16QAM modulation 
        
        real_tx=real(x_tx_msg);  imag_tx=imag(x_tx_msg);
        waveform= x_tx_msg+sqrt(variance)*( randn(size(real_tx)) + randn(size(imag_tx))*i ) ; % AWGN transmission 
        
        [f0,f1]=QAM64d(waveform,2*variance);
        LLR=log(f0./(f1+eps));
        [z_hat, success, k] = log_ldpc_decode(H,LLR,max_iter);; % likelihoods
        
      
        x_dec_msg = z_hat(1:size(G,1)); %  码率1/2 时使用
        
 
        
        pe_number=pe_number+sum(x_msg~=x_dec_msg);
        
        current_time=fix(clock);
       fprintf('i am working %g,total(%g)      %g年  %g月  %g日  %g时  %g分  %g秒\n\n',Q,(((finish-start)/step)+1)*n_frame,current_time(1),current_time(2),current_time(3),current_time(4),current_time(5),current_time(6))
        Q=Q+1;
        fprintf('\n\n')
        
    end
    pe=pe_number/(L_frame*n_frame);
    plot_pe=[plot_pe,pe];
end
 
figure;
semilogy(axis_EbN0,plot_pe,'b*-')
 
xlabel('Eb/N0 信号功率/噪声功率(db)')
ylabel('BER')
title('误码率')
grid on
A_070
相关文章
|
3天前
|
算法
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
MATLAB 2022a仿真实现了LDPC码的性能分析,展示了不同码长对纠错能力的影响。短码长LDPC码收敛快但纠错能力有限,长码长则提供更强纠错能力但易陷入局部最优。核心代码通过循环进行误码率仿真,根据EsN0计算误比特率,并保存不同码长(12-768)的结果数据。
22 9
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
|
5天前
|
算法
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
这段内容介绍了一个使用改进的麻雀搜索算法优化CNN-BiLSTM模型进行多输入单输出预测的程序。程序通过融合正余弦和柯西变异提升算法性能,主要优化学习率、正则化参数及BiLSTM的隐层神经元数量。它利用一段简单的风速数据进行演示,对比了改进算法与粒子群、灰狼算法的优化效果。代码包括数据导入、预处理和模型构建部分,并展示了优化前后的效果。建议使用高版本MATLAB运行。
|
7天前
|
算法 计算机视觉
基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真
该内容是关于使用MATLAB2013B实现基于高斯混合模型(GMM)的视频背景提取和人员跟踪算法。算法通过GMM建立背景模型,新帧与模型比较,提取前景并进行人员跟踪。文章附有程序代码示例,展示从读取视频到结果显示的流程。最后,结果保存在Result.mat文件中。
|
7天前
|
资源调度 算法 块存储
m基于遗传优化的LDPC码OMS译码算法最优偏移参数计算和误码率matlab仿真
MATLAB2022a仿真实现了遗传优化的LDPC码OSD译码算法,通过自动搜索最佳偏移参数ΔΔ以提升纠错性能。该算法结合了低密度奇偶校验码和有序统计译码理论,利用遗传算法进行全局优化,避免手动调整,提高译码效率。核心程序包括编码、调制、AWGN信道模拟及软输入软输出译码等步骤,通过仿真曲线展示了不同SNR下的误码率性能。
10 1
|
7天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
7天前
|
存储 算法 数据可视化
基于harris角点和RANSAC算法的图像拼接matlab仿真
本文介绍了使用MATLAB2022a进行图像拼接的流程,涉及Harris角点检测和RANSAC算法。Harris角点检测寻找图像中局部曲率变化显著的点,RANSAC则用于排除噪声和异常点,找到最佳匹配。核心程序包括自定义的Harris角点计算函数,RANSAC参数设置,以及匹配点的可视化和仿射变换矩阵计算,最终生成全景图像。
|
7天前
|
算法 Serverless
m基于遗传优化的LDPC码NMS译码算法最优归一化参数计算和误码率matlab仿真
MATLAB 2022a仿真实现了遗传优化的归一化最小和(NMS)译码算法,应用于低密度奇偶校验(LDPC)码。结果显示了遗传优化的迭代过程和误码率对比。遗传算法通过选择、交叉和变异操作寻找最佳归一化因子,以提升NMS译码性能。核心程序包括迭代优化、目标函数计算及性能绘图。最终,展示了SNR与误码率的关系,并保存了关键数据。
19 1
|
7天前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
|
7天前
|
运维 算法
基于改进遗传算法的配电网故障定位(matlab代码)
基于改进遗传算法的配电网故障定位(matlab代码)
|
7天前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)