# m基于OFDM+QPSK和turbo编译码以及LS信道估计的无线图像传输matlab仿真

1.算法仿真效果
matlab2022a仿真结果如下：

2.算法涉及理论知识概要

3.MATLAB核心程序

        %msg                            = rand(Len*Nc/4,1)>=0.5;
msg                            = [datbin(Iimage_len*(iii-1)+1:Iimage_len*iii)]';
%turbo编码
seridata1                      = func_turbo_code(msg,N,M);
seridata                       = [seridata1,zeros(1,Len*Nc-length(seridata1))]';
%QPSK映射
[Qpsk0,Dqpsk_pilot,symbol_bit] = func_piQPSK_mod(seridata);
%变换为矩阵
Qpsk_matrix                    = reshape(Qpsk0,fftlen,Nc);
[Pilot_in,pilot_num,Pilot_seq,pilot_space] = func_insert_pilot(Dqpsk_pilot,Qpsk_matrix,pilot_type,T,TG);
Pilot_in                       = fft(Pilot_in);
%sub carrier mapping
Pilot_in                       = func_subcarrierMap(Pilot_in);
%IFFT transform，产生OFDM信号
ifft_out                       = ifft(Pilot_in);
%插入包含间隔
Guard_int                      = ceil(BWs/fftlen);
Guard_int_ofdm                 = func_guard_interval_insert(ifft_out,fftlen,Guard_int);
%将矩阵数据转换为串行进行输出
Guard_int_ofdm_out             = reshape(Guard_int_ofdm,1,(fftlen+Guard_int)*(Nc+pilot_num));

............................................................................
%%
%开始接收
Guard_int_remove = func_guard_interval_remove(Rec_ofdm_symbol,(fftlen+Guard_int),Guard_int,(Nc+pilot_num));
%FFT
fft_out          = fft(Guard_int_remove);
%sub carrier demapping
fft_out          = func_desubcarrierMap(fft_out);
fft_out          = ifft(fft_out);
%信道估计
%ls
[Sig_Lrmmse,Hs]  = func_ls_estimation(fft_out,pilot_space,Pilot_seq,pilot_num);
%解调
Dqpsk            = func_pideMapping(Sig_Lrmmse,fftlen*Nc);
%turbo解码
Dqpsk_decode     = [func_turbo_decode(2*Dqpsk(1:end-(Len*Nc-length(seridata1)))-1,N,M)]';
%计算误码率
%err_num          = Len*Nc/4-length(find(msg==Dqpsk_decode(1:Len*Nc/4)));
%Error            = Error + err_num;
Rimages = [Rimages,[Dqpsk_decode(1:Len*Nc/4)]'];


|
5天前
|

m基于Q-Learning强化学习的路线规划和避障策略matlab仿真
MATLAB 2022a仿真实现了Q-Learning算法在路线规划与避障中的应用，展示了智能体在动态环境中学习最优路径的过程。Q-Learning通过学习动作价值函数Q(s,a)来最大化长期奖励，状态s和动作a分别代表智能体的位置和移动方向。核心程序包括迭代选择最优动作、更新Q矩阵及奖励机制（正奖励鼓励向目标移动，负奖励避开障碍，探索奖励平衡探索与利用）。最终，智能体能在复杂环境中找到安全高效的路径，体现了强化学习在自主导航的潜力。
10 0
|
3天前
|

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
|
6天前
|

13 4
|
7天前
|

17 0
|
7天前
|

18 1
|
7天前

39 1
|
7天前
|

28 0
|
7天前
|

20 1
|
7天前
|

19 0
|
7天前
|
Serverless

13 1