python实现ls信道估计误码率计算

以下是一个简单的 Python 代码，用于实现最小二乘（LS）信道估计并计算误码率：

import numpy as np
from scipy.linalg import inv
import matplotlib.pyplot as plt

# 生成随机发送数据
num_bits = 10000
msg = np.random.randint(2, size=num_bits)

# BPSK 调制
modulated_signal = 2*msg - 1

# 信道系数
h = np.array([1, 0.5, 0.3])

# 添加高斯白噪声
EbN0_dB = 10
EbN0 = 10**(EbN0_dB/10.0)
noise_std = np.sqrt(1.0/(2.0*EbN0))
noise = noise_std*np.random.randn(num_bits, len(h))
received_signal = np.zeros((num_bits, len(h)))
for i in range(len(h)):
    received_signal[:, i] = modulated_signal*h[i] + noise[:, i]

# LS 信道估计
H_LS = inv(modulated_signal.reshape(-1, 1).dot(modulated_signal.reshape(1, -1))).dot(modulated_signal.reshape(-1, 1)).dot(received_signal)

# BPSK 解调
demodulated_signal = np.sign(received_signal.dot(H_LS.T))

# 误码率计算
num_errors = np.sum(msg != (demodulated_signal + 1)/2)
BER = num_errors/num_bits

# 输出误码率
print('误码率：', BER)

# 绘制接收信号和估计信号的幅度
plt.figure()
plt.plot(received_signal[:100, 0], label='接收信号')
plt.plot(demodulated_signal[:100, 0], label='估计信号')
plt.legend()
plt.xlabel('样本点')
plt.ylabel('幅度')
plt.grid(True)
plt.show()

这个代码生成随机的发送数据，对其进行 BPSK 调制，并将其通过一个三个系数的信道。然后，它添加高斯白噪声，并使用最小二乘（LS）算法计算信道系数。接下来，它对接收信号进行 BPSK 解调，并计算误码率。最后，它绘制了接收信号和估计信号的幅度以进行可视化。