【误码率仿真】基于matlab模拟16QAM和16PSK调制误码率对比附GUI界面

简介: 【误码率仿真】基于matlab模拟16QAM和16PSK调制误码率对比附GUI界面

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

调制作为通信系统组成必不可缺的一部分,主要用于将基带信号进行一定的处理加到载波上,使其变为适合于信道传输的形式.传统的调制分为调幅,调频,调相3种方式,在数字通信系统中,采用16PSK调制和QAM调制较多,文章通过通信系统中常用的MATLAB仿真软件,选取16PSK调制和16QAM调制方式,通过对其星座图以及误码率进行对比仿真,得出两种调制方式的优缺点。

16PSK调制和16QAM调制是两种常用的调制技术,用于将数字数据转换为模拟信号以进行无线通信。

  1. 16PSK(16相位偏移键控)调制:
  • 16PSK使用16个不同的相位来表示4比特的数据。
  • 每个相位之间的相位偏移为22.5度。
  • 由于相位的离散性,16PSK在信号传输的过程中相对较容易受到相位偏移、多径衰落等干扰的影响。
  1. 16QAM(16方振幅调制)调制:
  • 16QAM使用16个不同的幅度和相位组合来表示4比特的数据。
  • 信号空间包含4个幅度级别和4个相位级别。
  • 16QAM在相同频带宽度下能够传输更高的比特速率,但也更容易受到噪声和信道失真的影响。

无论是16PSK还是16QAM,它们都具有一定的优势和适用性。16PSK可以提供较好的相位鲁棒性,适用于对相位变化较为敏感的应用。16AM则在相对较低的信噪比条件下能够提供较高的数据传输速率。

⛄ 运行结果

⛄ 部分代码

function varargout = compare_psk_qam(varargin)

% COMPARE_PSK_QAM MATLAB code for compare_psk_qam.fig

%      COMPARE_PSK_QAM, by itself, creates a new COMPARE_PSK_QAM or raises the existing

%      singleton*.

%

%      H = COMPARE_PSK_QAM returns the handle to a new COMPARE_PSK_QAM or the handle to

%      the existing singleton*.

%

%      COMPARE_PSK_QAM('CALLBACK',hObject,eventData,handles,...) calls the local

%      function named CALLBACK in COMPARE_PSK_QAM.M with the given input arguments.

%

%      COMPARE_PSK_QAM('Property','Value',...) creates a new COMPARE_PSK_QAM or raises the

%      existing singleton*.  Starting from the left, property value pairs are

%      applied to the GUI before compare_psk_qam_OpeningFcn gets called.  An

%      unrecognized property name or invalid value makes property application

%      stop.  All inputs are passed to compare_psk_qam_OpeningFcn via varargin.

%

%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one

%      instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES


% Edit the above text to modify the response to help compare_psk_qam


% Last Modified by GUIDE v2.5 16-May-2023 15:52:23


% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name',       mfilename, ...

                  'gui_Singleton',  gui_Singleton, ...

                  'gui_OpeningFcn', @compare_psk_qam_OpeningFcn, ...

                  'gui_OutputFcn',  @compare_psk_qam_OutputFcn, ...

                  'gui_LayoutFcn',  [] , ...

                  'gui_Callback',   []);

if nargin && ischar(varargin{1})

   gui_State.gui_Callback = str2func(varargin{1});

end


if nargout

   [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

   gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT



% --- Executes just before compare_psk_qam is made visible.

function compare_psk_qam_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn.

% hObject    handle to figure

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)

% varargin   command line arguments to compare_psk_qam (see VARARGIN)


% Choose default command line output for compare_psk_qam

handles.output = hObject;


% Update handles structure

guidata(hObject, handles);


% UIWAIT makes compare_psk_qam wait for user response (see UIRESUME)

% uiwait(handles.figure1);



% --- Outputs from this function are returned to the command line.

function varargout = compare_psk_qam_OutputFcn(hObject, eventdata, handles)

% varargout  cell array for returning output args (see VARARGOUT);

% hObject    handle to figure

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)


% Get default command line output from handles structure

varargout{1} = handles.output;




%鐢熸垚浜岃繘鍒朵俊鎭爜鍏冨簭鍒?

% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)

% hObject    handle to pushbutton1 (see GCBO)

% eventdata  reserved - to be defined in a future version of MATLAB

% handles    structure with handles and user data (see GUIDATA)


M=4;

Num_symbol = 1000000;

Num_bit =M*Num_symbol;

Bit = randi([0,1],Num_bit,1);


axes(handles.axes2);

⛄ 参考文献

[1] 刘卓伦,马征.基于Matlab平台的OFDM系统在不同信道下16QAM调制的仿真设计与分析[J].信息记录材料, 2017(12).DOI:CNKI:SUN:CXJL.0.2017-12-007.

[2] 赵忠华,杨晓梅.GMSK调制解调的MATLAB仿真与误码率分析[J].新疆师范大学学报:自然科学版, 2015, 34(2):6.DOI:10.3969/j.issn.1008-9659.2015.02.013.

[3] 谭清元,潘学文.QPSK和16QAM调制下MIMO-OFDM系统Matlab仿真实现[J].电脑知识与技术:学术版, 2019, 15(12):2.

[4] 王怡,涂宇,谭泽涛,等.基于Simulink的16QAM调制解调系统的设计与仿真[J].电子技术与软件工程, 2020(17):2.

🍅 仿真咨询

1.卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
3.旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划
4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
5.传感器部署优化、通信协议优化、路由优化、目标定位
6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号
7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化
8.微电网优化、无功优化、配电网重构、储能配置
9.元胞自动机交通流 人群疏散 病毒扩散 晶体生长

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
4月前
|
数据可视化
基于MATLAB的OFDM调制发射与接收仿真
基于MATLAB的OFDM调制发射与接收仿真
|
5月前
|
传感器 编解码 自动驾驶
线性调频延迟-多普勒域调制:面向自动驾驶汽车的通感一体化新范式研究(Matlab代码实现)
线性调频延迟-多普勒域调制:面向自动驾驶汽车的通感一体化新范式研究(Matlab代码实现)
131 0
|
5月前
|
算法 数据安全/隐私保护
基于PSO粒子群优化算法的256QAM星座图的最优概率整形matlab仿真,对比PSO优化前后整形星座图和误码率
本项目基于MATLAB 2022a仿真256QAM系统,采用概率星座整形(PCS)技术优化星座点分布,结合粒子群优化(PSO)算法搜索最优整形因子v,降低误码率,提升传输性能。核心程序包含完整优化流程。
166 0
|
3月前
|
数据可视化
16QAM、32QAM和64QAM星座图的MATLAB实现
16QAM、32QAM和64QAM星座图的MATLAB实现
489 4
|
5月前
|
机器学习/深度学习 编解码 算法
对三种雷达信号调制类型的识别及MATLAB实现
对三种雷达信号调制类型的识别及MATLAB实现
|
7月前
|
算法 JavaScript 数据安全/隐私保护
基于遗传算法的256QAM星座图的最优概率整形matlab仿真,对比优化前后整形星座图和误码率
本内容展示了基于GA(遗传算法)优化的256QAM概率星座整形(PCS)技术的研究与实现。通过Matlab仿真,分析了优化前后星座图和误码率(BER)的变化。256QAM采用非均匀概率分布(Maxwell-Boltzman分布)降低外圈星座点出现频率,减小平均功率并增加最小欧氏距离,从而提升传输性能。GA算法以BER为适应度函数,搜索最优整形参数v,显著降低误码率。核心程序实现了GA优化过程,包括种群初始化、选择、交叉、变异等步骤,并绘制了优化曲线。此研究有助于提高频谱效率和传输灵活性,适用于不同信道环境。
196 10
|
6月前
|
算法 数据安全/隐私保护
基于OFDM的无人机中继通信链路matlab误码率仿真
本资源包含OFDM算法在无人机中继通信中的仿真与实现,涵盖调制解调原理、循环前缀作用及中继功率、飞行高度对通信性能的影响。配套Matlab程序(2024b/2022a),含详细注释与操作视频,完整运行无水印。
|
7月前
|
算法 JavaScript 数据安全/隐私保护
基于遗传算法的64QAM星座图的最优概率整形matlab仿真,对比优化前后整形星座图和误码率
本内容主要探讨基于遗传算法(GA)优化的64QAM概率星座整形(PCS)技术。通过改变星座点出现的概率分布,使外圈点频率降低,从而减小平均功率、增加最小欧氏距离,提升传输性能。仿真使用Matlab2022a完成,展示了优化前后星座图与误码率对比,验证了整形增益及频谱效率提升效果。理论分析表明,Maxwell-Boltzman分布为最优概率分布,核心程序通过GA搜索最佳整形因子v,以蒙特卡罗方法估计误码率,最终实现低误码率优化目标。
184 1
|
3月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
367 0
|
3月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
166 0

热门文章

最新文章