用matlab2020b写一个关于mimo信道估计的ls算法代码，输出均方误差以及误码率随信噪比变化的曲线

当然可以！以下是一个示例的MATLAB代码，于实现MIMO信道估计的最小二乘（LS）算法，并输出均方误差（MSE）和误码率（BER）随信噪比变化的曲线。

% MIMO信道估计 - LS算法
clear all;
close all;

% 参数设置
M = 4; % 发射天线数
N = 4; % 接收天线数
L = 1000; % 传输块数
SNRdB = -10:5:20; % 信噪比范围
snrLen = length(SNRdB);
MSE = zeros(1, snrLen);
BER = zeros(1, snrLen);

% 生成QPSK调制符号
data = randi([0, 3], L, M);
qpskMod = comm.QPSKModulator('BitInput', true);

% 初始化误码率计数器
berCount = comm.ErrorRate;

% 循环信噪比范围
for snrIdx = 1:snrLen
    % 生成AWGN信道
    chan = comm.AWGNChannel('NoiseMethod', 'Signal to noise ratio (SNR)', 'SNR', SNRdB(snrIdx));

    % 初始化估计误差矩阵
    estError = zeros(L, M);

    % 循环传输块数
    for blkIdx = 1:L
        % 调制QPSK符号
        modSignal = qpskMod(data(blkIdx, :));

        % 生成MIMO信道
        H = sqrt(0.5) * (randn(N, M) + 1j * randn(N, M));

        % 发送符号并加入AWGN
        rxSignal = chan(H * modSignal.');

        % LS信道估计
        estH = (rxSignal * modSignal') * inv(modSignal * modSignal');

        % 计算估计误差
        estError(blkIdx, :) = vecnorm(H - estH, 2, 2) .^ 2;
    end

    % 计算平均均方误差
    MSE(snrIdx) = mean(estError(:));

    % 循环传输块数进行误码率计算
    for blkIdx = 1:L
        % 调制QPSK符号
        modSignal = qpskMod(data(blkIdx, :));

        % 生成MIMO信道
        H = sqrt(0.5) * (randn(N, M) + 1j * randn(N, M));

        % 发送符号并加入AWGN
        rxSignal = chan(H * modSignal.');

        % LS信道估计
        estH = (rxSignal * modSignal') * inv(modSignal * modSignal');

        % 接收端解调并计算误码率
        rxData = qpskMod(rxSignal ./ estH.');
        berCount(modSignal, rxData);
    end

    % 计算平均误码率
    BER(snrIdx) = berCount.TotalBits(2) / berCount.TotalBits(1);

    % 重置误码率计数器
    reset(berCount);
end

% 绘制MSE和BER曲线
figure;
plot(SNRdB, MSE, 'bo-', 'LineWidth', 2);
hold on;
plot(SNRdB, BER, 'rx-', 'LineWidth', 2);
grid on;
xlabel('信噪比（dB）');
ylabel('均方误差（MSE） / 误码率（BER）');
legend('MSE', 'BER');
title('LS算法：MSE和BER随信噪比变化的曲线');

你可以将以上代码保存为一个.m文件（例如`mimo_ls.m`），然后在MATLAB命令窗口中运行它。它将生成MSE和BER随信噪比变化的曲线，并在一个图表中显示。