【MATLAB源码-第213期】基于matlab的16QAM调制解调系统软硬判决对比仿真,输出误码率曲线对比图。

操作环境:

MATLAB 2022a

1、算法描述

一、16QAM调制原理

在16QAM(16 Quadrature Amplitude Modulation)调制中,一个符号表示4个比特的数据。这种调制方式结合了幅度调制和相位调制,能够在相同的频谱资源下传输更多的数据。具体来说,16QAM星座图通常为4x4矩阵,每个信号点的实部和虚部的值分别取自集合{-3, -1, 1, 3},从而形成16个不同的信号点,每个点对应一个唯一的4比特二进制序列。

二、信号的生成与调制

在我们的系统中,首先生成一个长度为100000比特的随机二进制数据序列。然后,这个序列被分割成每组4个比特的数据块,每个数据块将映射到一个16QAM符号。具体的映射方式如下:

  1. 前两个比特决定符号的实部:如果前两个比特是11,则实部为+1;如果是10,则实部为+3;如果是01,则实部为-1;如果是00,则实部为-3。
  2. 后两个比特决定符号的虚部:如果后两个比特是11,则虚部为+1;如果是10,则虚部为+3;如果是01,则虚部为-1;如果是00,则虚部为-3。

通过这种方式,我们可以将二进制数据映射到16QAM符号上。

三、加入噪声

信号在实际传输中会受到噪声的影响。为了模拟这种情况,我们引入了AWGN(加性高斯白噪声)信道。在每个信噪比(SNR)水平下,我们将16QAM符号加上对应的高斯噪声,生成接收的符号。

四、软判决与硬判决

在接收到带有噪声的符号后,需要进行解调,将符号还原成二进制数据。解调方式主要有两种:软判决和硬判决。

软判决

软判决通过计算接收符号与星座图中各个信号点的欧氏距离,选择距离最近的信号点来确定原始数据。具体的步骤如下:

  1. 对于每个接收符号,分别计算其与星座图中所有信号点的距离。
  2. 根据距离选择最接近的信号点。
  3. 根据选择的信号点确定二进制数据。

这种方法利用了信号点之间的距离信息,可以更好地抵抗噪声,通常能获得较低的误码率。

硬判决

硬判决则是根据接收符号的实部和虚部分别进行直接判决,不考虑距离信息。具体的步骤如下:

  1. 对于每个接收符号,直接判断其实部和虚部的值。
  2. 根据实部和虚部的范围,确定对应的二进制数据。例如,实部大于等于0且小于2,则前两个比特为11;实部大于等于2,则前两个比特为10,等等。

这种方法简单直接,但在噪声较大时,误码率可能较高。

五、误码率比较

为了比较软判决和硬判决的性能,我们计算了不同信噪比(SNR)水平下的比特误码率(BER)。具体步骤如下:

  1. 对于每个SNR值,加入对应强度的噪声,生成接收符号。
  2. 分别使用软判决和硬判决进行解调,得到解调后的二进制数据。
  3. 将解调后的数据与原始数据进行比较,计算误码率。

实验结果表明,软判决在各个SNR水平下的误码率均低于硬判决,尤其在较低的SNR下,软判决的优势更加明显。

结论

通过以上描述,我们可以看到,16QAM调制方式通过结合幅度和相位调制,在同样的频谱资源下传输更多的数据。加入噪声后,通过软判决和硬判决两种方式进行解调。软判决利用了符号点之间的距离信息,能够更好地抵抗噪声,通常能获得较低的误码率;而硬判决则简单直接,但在噪声较大时,误码率较高。总体而言,软判决在抗噪声性能上优于硬判决。

2、仿真结果演示

3、关键代码展示

4、MATLAB 源码获取

      V

点击下方名片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/15372.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Java基础】IO流(5) —— 序列流、内存流

【Java基础】IO流(1) —— 简介 【Java基础】IO流(2) —— 字符流 【Java基础】IO流(3) —— 字节流 【Java基础】IO流(4) —— 转换流、打印流 【Java基础】IO流(5) —— 序列流、内存流 【Java基础】IO流(6) —— 随机访问文件流、数据流 序列流 SequenceInputStream 序列…

EEGLAB的相关使用

目录 概念 1.安装EEGLAB 2.文件实例演示 导入数据集处理 (1)导入数据集 (2)画图 (3) 修改并存储数据集 (4) 保存数据集 (5) 删除数据集 &#xff0…

技术前沿 |【BLIP:统一理解和生成的自举多模态模型研究】

BLIP:统一理解和生成的自举多模态模型研究 摘要引言一、BLIP模型概述二、 BLIP模型在多模态任务中的应用三、总结 摘要 本文介绍了BLIP(Bootstrapping Language-Image Pre-training)模型,一个前沿的多模态模型,通过自…

散列(哈希)及其练习题(基础)

目录 散列 字符出现次数 力扣经典题:两数之和 集合运算 交 并 差 字符串的出现次数 散列 导入: 有N个数和M个数,如何判断M个数中每个数是否在N中出现? 思想:空间换时间 创建hashtable,以N个数本…

图_基础算法

图这种数据结构还有一些比较特殊的算法,比如二分图判断,有环图无环图的判断,拓扑排序,以及最经典的最小生成树,单源最短路径问题,更难的就是类似网络流这样的问题。 先看拓扑排序(有环无环&…

【linux性能分析】heaptrack分析内存占用

文章目录 1. Heaptrack是什么2. Heaptrack有哪些功能3. Heaptrack和valgrind massif对比4. Heaptrack安装5. Heaptrack生成追踪文件6. heaptrack_gui进行内存分析7. heaptrack_print也能用于堆分析8. 报错解决9. 补充介绍:heaptrack编译安装 1. Heaptrack是什么 he…

内网穿透--Spp-特殊协议-上线

免责声明:本文仅做技术交流与学习... 目录 spp项目: 一图通解: 1-下载spp 2-服务端执行命令 3-客户端执行命令 4-服务端cs监听&生马 spp项目: GitHub - esrrhs/spp: A simple and powerful proxy 支持的协议:tcp、udp、udp、icmp、http、kcp、quic 支持的…

Java开发者必知的时间处理工具:SimpleDateFormat类详解

哈喽,各位小伙伴们,你们好呀,我是喵手。运营社区:C站/掘金/腾讯云;欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点,并以文字的形式跟大家一起交流,互相学习,一…

使用两块ESP8266实现ESP-NOW通信

ESP-NOW简介 ESP-NOW是Espressif开发的一种基于Wi-Fi的低功耗通信协议。与传统Wi-Fi通信不同,ESP-NOW不需要配对过程,设备间可以直接通信,非常适合需要快速传输小数据包的应用,如传感器网络、遥控器和智能家居设备。它的优势在于…

小红书云原生 Kafka 技术剖析:分层存储与弹性伸缩

面对 Kafka 规模快速增长带来的成本、效率和稳定性挑战时,小红书大数据存储团队采取云原生架构实践:通过引入冷热数据分层存储、容器化技术以及自研的负载均衡服务「Balance Control」,成功实现了集群存储成本的显著降低、分钟级的集群弹性迁…

[图解]SysML和EA建模住宅安全系统-07 to be块定义图

1 00:00:01,970 --> 00:00:05,040 入侵者这里有个∞ 2 00:00:05,530 --> 00:00:07,000 说明它下面已经有子图了 3 00:00:07,010 --> 00:00:08,080 我们看看里面子图 4 00:00:10,200 --> 00:00:17,000 这里,我们看位置 5 00:00:19,030 --> 00:00:…

Vitis HLS 学习笔记--抽象并行编程模型-不良示例

目录 1. 简介 2. 基础 kernel 2.1 pass kernel 2.2 double_pass kernel 2.3 add_kernel 2.4 split kernel 3. 三种bypass 3.1 input_bypass 3.2 middle_bypass 3.3 output_bypass 4. 总结 1. 简介 本文展示三个在数据流水线中常见的问题: 输入参数绕过…

python中模拟键盘按键和鼠标按键

目录 0.作用和需安装库 1.模拟键盘按键 2.虚拟键表 3.模拟鼠标 0.作用和需安装库 作用:用程序实现达到按下键盘按键的作用,或者按下鼠标,无需真正按键盘或者鼠标。 需要安装pywin32这个库 pip install pywin32 1.模拟键盘按键 例子1…

在Mac OS下编写第一个Flask代码

在电脑上已经安装了Homebrew,在Homebrew里已经安装了Python。 创建一个新的Flask应用。这里发生了几件事: 创建虚拟环境: 你使用python3 -m venv flask创建了一个名为flask的虚拟环境。激活虚拟环境: 通过运行source flask/bin/ac…

chatgpt线性差值 将直线渐变颜色

color(x)(x-x1)/(x2-x1) 与gpt给出的 这个位置比例可以表示为d/L是概念相同 x-x1是计算当前点距离起点距离,x2-x1是计算长度 例如,如果我们在直线上距离起点A的距离为d,整条直线的长度为L 用数学方式解释 2024/5/25 18:54:30 当我们要在一…

vue+echart :点击趋势图中的某一点或是柱状图,出现弹窗,并传输数据

样式 在趋势图中点击某一个柱状图,出现下面的弹窗 代码实现 主要是在趋势图页面代码中,在初始化趋势图的设置中,添加对趋势图监听的点击方法 drawChart() {const chartData this.chartData;let option {};if (!chartData.xData?.len…

Swift 类和结构体

类和结构体 一、结构体和类对比1、类型定义的语法2、结构体和类的实例3、属性访问4、结构体类型的成员逐一构造器 二、结构体和枚举是值类型三、类是引用类型1、恒等运算符2、指针 结构体和类作为一种通用而又灵活的结构,成为了人们构建代码的基础。你可以使用定义常…

python mp3转mp4工具

成品UI 安装moviepy库 pip install moviepy 转换demo from moviepy.editor import *# 创建一个颜色剪辑,时长与音频相同 audioclip AudioFileClip(r"C:\Users\Administrator\PycharmProjects\pythonProject44\test4\赵照 - 灯塔守望人.mp3") videoclip…

node-nass安装踩坑

编译DSS的前端,用1.1.4编译,没有问题,用1.1.1版本就有问题,一直是node-gyp有问题,怎么也解决了不了。 后来检查发现,是因为要安装node-nass才导致出现node-gyp的问题。 而1.1.4没问题,是因为我…

头歌c语言实验答案

由于头歌C语言实验的具体内容和题目可能随时间变化,我无法直接提供特定实验的完整答案。但我可以基于参考文章中的内容和结构,给出一个通用的回答格式,并结合相关信息进行说明。 通用回答格式 实验名称和描述 实验名称:头歌C语言…