用Matlab画出高斯白噪声信道下，信噪比-10dB-5dB中以下单型FM0码 ( M = 0 ) 和复型FM0码 ( M=1, 2, 3)的误码率对比图，其中各FM0码的链路频率均相等 ( 链路频率为一个矩形方波脉冲周期的倒数) ，链路频率和采样频率自定。

在Matlab中，要画出高斯白噪声信道下，信噪比（SNR）从-10dB到5dB范围内单型FM0码（M = 0）和复型FM0码（M=1, 2, 3）的误码率对比图，首先需要了解FM0编码的原理以及如何模拟这种通信系统。

FM0编码是一种非归零反转（non-return-to-zero inverted, NRZI）编码方式，其中数据“0”和“1”分别对应于信号的相位变化。单型FM0码意味着每个比特周期内信号只改变一次相位，而复型FM0码则允许多个相位变化。

为了绘制误码率对比图，我们需要执行以下步骤：

1. **生成随机比特序列**：作为传输的数据。
2. **进行FM0编码**：根据给定的M值，对比特序列进行FM0编码。
3. **添加高斯白噪声**：模拟不同的信噪比条件。
4. **解调接收信号**：对接收到的信号进行解调和解码，以估计误码率。
5. **计算误码率**：统计错误比特的数量与总比特数的比例。
6. **绘制结果**：将不同M值下的误码率随信噪比的变化绘制成图表。

以下是一个简单的Matlab脚本示例，用于生成这样的图表：

% 参数设置
SNR_dB = -10:1:5; % 信噪比范围
M_values = [0, 1, 2, 3]; % FM0类型
num_bits = 1e4; % 比特数
num_trials = 100; % 试验次数

% 预分配存储误码率
ber_results = zeros(length(SNR_dB), length(M_values));

% 遍历所有信噪比和FM0类型
for i = 1:length(SNR_dB)
    for j = 1:length(M_values)
        M = M_values(j);
        SNR = SNR_dB(i);
        total_errors = 0;
        
        % 多次试验以提高准确性
        for trial = 1:num_trials
            % 生成随机比特序列
            data = randi([0, 1], 1, num_bits);
            
            % FM0编码（此处简化为直接使用数据，实际应实现FM0编码逻辑）
            encoded_data = fm0_encode(data, M);
            
            % 添加高斯白噪声
            noisy_data = awgn(encoded_data, SNR, 'measured');
            
            % 解调和解码（此处简化为直接使用数据，实际应实现解调和解码逻辑）
            decoded_data = fm0_decode(noisy_data, M);
            
            % 计算错误比特数
            errors = biterr(data, decoded_data);
            total_errors = total_errors + errors;
        end
        
        % 计算平均误码率
        ber = total_errors / (num_trials * num_bits);
        ber_results(i, j) = ber;
    end
end

% 绘制结果
figure;
for j = 1:length(M_values)
    M = M_values(j);
    semilogy(SNR_dB, ber_results(:, j), :o-);
    hold on;
end
xlabel('信噪比 (dB)');
ylabel('误码率');
title('不同FM0码型的误码率对比');
legend(['M=0', 'M=1', 'M=2', 'M=3']);
grid on;
hold off;

请注意，上述代码中的`fm0_encode`和`fm0_decode`函数需要您根据FM0编码的具体规则来实现。此外，`awgn`函数用于添加高斯白噪声，`biterr`函数用于计算错误比特数。这些函数都是Matlab通信系统工具箱中的内置函数。