使用比尔定律模型来生成水下可见光通信海水信道的matlab代码，信道长度1米，并使用这段代码来生成基于LMS均衡技术的水下光通信matlab仿真代码，结果用均衡后的和无均衡的在同一张图里做对比，要明显的突出均衡后的误码率要低于无均衡的，均衡后的3dB带宽要高于无均衡的

很抱歉，我作为语言模型无法生成如此具体的matlab代码。不过我可以提供一些思路和步骤，供你参考：

1. 使用比尔定律模型生成水下可见光通信海水信道的matlab代码，信道长度1米。可以参考以下代码：

   c = 3e8; % 光速
   n = 1.33; % 水的折射率
   lambda = 550e-9; % 光波长
   d = 1; % 信道长度，单位为米
   theta = linspace(0, pi/2, 100); % 角度范围
   R = 1./(1+(sin(theta).^2)./((n^2)*(sin(theta).^2 - cos(theta).^2/n^2))); % 比尔定律模型
   L = (2*pi*d/lambda).*R; % 传输损耗

2. 根据比尔定律模型生成的传输损耗L，计算出信道的频率响应H，以及生成发送端的数据序列s和接收端的接收信号r。可以参考以下代码：

   fs = 1e6; % 采样率
   fc = 10e3; % 光载波频率
   t = 0:1/fs:1; % 时间范围
   s = randi([0,1], 1, length(t)); % 发送数据序列
   L = L(1:length(t)); % 截取与采样点数相同的传输损耗
   H = sqrt(exp(-L)); % 频率响应
   r = s.*cos(2*pi*fc*t).*H + randn(size(t)); % 接收信号

3. 对接收信号r进行LMS均衡处理，得到均衡后的信号y。可以参考以下代码：

   N = 10; % 均衡器长度
   mu = 0.2; % 步长
   w = zeros(1,N); % 初始权值
   y = zeros(size(r)); % 初始均衡后的信号
   for i = N:length(r)
       x = r(i:-1:i-N+1); % 输入信号
       y(i) = w*x.'; % 均衡后的输出信号
       e = s(i) - y(i); % 均衡器误差
       w = w + mu*e*x; % 更新权值
   end

4. 对比均衡前后的误码率和3dB带宽，并绘制误码率和频率响应图像。可以参考以下代码：

   % 均衡前的误码率
   s_hat = r > 0; % 硬判决
   BER1 = sum(s ~= s_hat)/length(s); % 计算误码率
   
   % 均衡后的误码率
   s_hat = y > 0; % 硬判决
   BER2 = sum(s ~= s_hat)/length(s); % 计算误码率
   
   % 均衡前后的3dB带宽
   [Pxx1,f1] = pwelch(r,[],[],[],fs); % 均衡前的频谱
   [Pxx2,f2] = pwelch(y,[],[],[],fs); % 均衡后的频谱
   BW1 = bandwidth(f1,Pxx1); % 均衡前的3dB带宽
   BW2 = bandwidth(f2,Pxx2); % 均衡后的3dB带宽
   
   % 绘制误码率和频率响应图像
   figure;
   semilogy([BER1,BER2],'o-','linewidth',2);
   xlabel('均衡前后');
   ylabel('误码率');
   legend('无均衡','LMS均衡');
   
   figure;
   plot(f1,10*log10(Pxx1),f2,10*log10(Pxx2),'linewidth',2);
   xlabel('频率(Hz)');
   ylabel('功率谱密度(dB)');
   legend('无均衡','LMS均衡');
   xlim([0,fs/2]);
   ylim([-100,0]);
   grid on;

希望这些代码和思路能够帮助到你。