基于MATLAB的自适应调制解调通信系统的误码率仿真,对比BPSK,QPSK,16QAM,64QAM

简介: 基于MATLAB的自适应调制解调通信系统的误码率仿真,对比BPSK,QPSK,16QAM,64QAM

1.算法仿真效果
matlab2022a仿真结果如下:

efd9a2befcae2705b63ad1bf33c6502b_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
c69244cdfb8c03e455c2f3a4422b79a2_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
3d4037543fd6e9c06041e27319f4ab8c_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要
BPSK:Binary Phase Shift Keying 二相相移键控,一个符号代表1bit

QPSK:Quadrature Phase Shift Keying 四相相移键控,一个符号代表2bit

8PSK:8 Phase Shift Keying 八相相移键控,一个符号代表3bit

16QAM:16 Quadrature Amplitude Modulation 16正交幅相调制,一个符号代表4bit

64QAM:64 Quadrature Amplitude Modulation 64正交幅相调制,一个符号代表6bitPSK是相移键控(Phase Shift Keying),是通过相位的变化代表“0”和“1”的。BPSK中的B是“Binary”的意思,也就是有两个变化状态,比如说相位上的“+90°(代表1)、-90°(代表0)”,一个状态代表的就是一个比特。QPSK的“Q”是“Quadrature”的意思,有四个变化状态,如相位上的“+45°(代表00)、-45°(代表11)、+135°(代表10)、-135°(代表01)”,那么一个状态就代表两个比特的信息,如图2所示。同理8PSK的一个状态代表三个比特。

    等到QAM调制方式的时候,由于要描述的状态多了,只靠相位区分状态就不够了(相互区别起来有些困难了),需要加入幅度的变化来表示一个状态。16QAM就是状态空间为16,每个状态是4个比特的信息;而64QAM的状态空间是64,每个状态是6个比特的信息.





3.MATLAB核心程序

 
%传输
SNRdB = 0:5:30;   
SER_matrix = zeros(5,length(SNRdB));  
Ttotal_matrix = zeros(5,length(SNRdB));   
for i = 1:5
    for j = 1:length(SNRdB)
         [i,j]
        [temp1,temp2]      = TransmissionEffectFun(dats,SNRdB(j),i);
        SER_matrix(i,j)    = temp1;
        Ttotal_matrix(i,j) = temp2;
    end
end
 
 
figure
subplot(231)
semilogy(SNRdB,SER_matrix(1,:),'-bs',...
    'LineWidth',1,...
    'MarkerSize',8,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);
legend('BPSK');
xlabel('SNR');
ylabel('误码率');
grid on
 
subplot(232)
 
semilogy(SNRdB,SER_matrix(2,:),'-mo',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.5,0.9,0.0]);
 
legend('QPSK');
xlabel('SNR');
ylabel('误码率');
grid on
 
subplot(233)
semilogy(SNRdB,SER_matrix(3,:),'-b^',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.2,0.9,0.5]);
 
legend('16QAM');
xlabel('SNR');
ylabel('误码率');
grid on
 
subplot(234)
semilogy(SNRdB,SER_matrix(4,:),'-r>',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);
 
legend('64QAM');
xlabel('SNR');
ylabel('误码率');
grid on
 
 
subplot(235)
semilogy(SNRdB,SER_matrix(5,:),'-r<',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.3,0.3]);
grid on
legend('自适应调制');
xlabel('SNR');
ylabel('误码率');
 
 
figure
semilogy(SNRdB,SER_matrix(1,:),'-bs',...
    'LineWidth',1,...
    'MarkerSize',8,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);
hold on
semilogy(SNRdB,SER_matrix(2,:),'-mo',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.5,0.9,0.0]);
hold on
semilogy(SNRdB,SER_matrix(3,:),'-b^',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.2,0.9,0.5]);
hold on
semilogy(SNRdB,SER_matrix(4,:),'-r>',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);
hold on
semilogy(SNRdB,SER_matrix(5,:),'-r<',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.3,0.3]);
grid on
legend('BPSK','QPSK','16QAM','64QAM','自适应调制');
xlabel('SNR');
ylabel('误码率');
 
figure
plot(SNRdB,Ttotal_matrix(1,:),'-bs',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.0,0.0]);
hold on
plot(SNRdB,Ttotal_matrix(2,:),'-mo',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.5,0.9,0.0]);
hold on
plot(SNRdB,Ttotal_matrix(3,:),'-b^',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.2,0.9,0.5]);
hold on
plot(SNRdB,Ttotal_matrix(4,:),'-r>',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);
hold on
plot(SNRdB,Ttotal_matrix(5,:),'-r<',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.3,0.3]);
grid on
legend('BPSK','QPSK','16QAM','64QAM','自适应调制');
xlabel('SNR');
ylabel('传输时间');
相关文章
|
28天前
|
算法 5G 数据安全/隐私保护
大规模MIMO通信系统信道估计matlab性能仿真,对比LS,OMP,MOMP以及CoSaMP
本文介绍了大规模MIMO系统中的信道估计方法,包括最小二乘法(LS)、正交匹配追踪(OMP)、多正交匹配追踪(MOMP)和压缩感知算法CoSaMP。展示了MATLAB 2022a仿真的结果,验证了不同算法在信道估计中的表现。最小二乘法适用于非稀疏信道,而OMP、MOMP和CoSaMP更适合稀疏信道。MATLAB核心程序实现了这些算法并进行了性能对比。以下是部分
174 84
|
2月前
|
Windows
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
本文通过MATLAB仿真实现了OFDM系统中BPSK、QPSK、4QAM、16QAM和32QAM调制解调过程,并在加性高斯白噪声信道及TDL瑞利衰落信道下计算了不同信噪比条件下的误比特率。
64 4
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
|
2月前
|
机器学习/深度学习
MATLAB - 机翼摇摆过程中飞机的模型参考自适应控制
MATLAB - 机翼摇摆过程中飞机的模型参考自适应控制
27 0
|
2月前
MATLAB - 卫星自旋的模型参考自适应控制(MRAC)
MATLAB - 卫星自旋的模型参考自适应控制(MRAC)
32 0
|
2月前
|
机器学习/深度学习 数据建模 调度
MATLAB - 自适应 MPC(Adaptive MPC)
MATLAB - 自适应 MPC(Adaptive MPC)
38 0
|
2月前
|
算法 数据安全/隐私保护
基于星座图整形方法的QAM调制解调系统MATLAB误码率仿真,对比16,32,64,256四种QAM调制方式
本MATLAB 2022a仿真展示了不同QAM阶数下的星座图及误码率性能,通过星座图整形技术优化了系统性能。该技术利用非均匀分布的星座点提高功率效率,并通过合理布局增强抗干扰能力。随着QAM阶数增加,数据传输速率提升,但对信道质量要求也更高。核心程序实现了从比特生成到QAM映射、功率归一化、加噪及解调的全过程,并评估了系统误码率。
41 0
|
2月前
|
机器学习/深度学习 资源调度 算法
MATLAB - 模型参考自适应控制(Model Reference Adaptive Control)
MATLAB - 模型参考自适应控制(Model Reference Adaptive Control)
32 0
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于CNN卷积神经网络的MPSK调制识别matlab仿真
本项目展示一种基于CNN的MPSK调制识别算法,可在Matlab 2022a上运行。该算法能自动区分BPSK、QPSK及8PSK信号,利用卷积层捕捉相位特征并通过全连接层分类。训练过程涉及调整网络权重以最小化预测误差,最终实现对未知信号的有效识别。附带完整代码与说明视频。
|
2月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
123 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
2月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
95 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现

热门文章

最新文章

下一篇
无影云桌面