请求的 1000000x2000000 (14901.2GB)数组超过预设的最大数组大小(7.8GB)。这可能会导致 MATLAB 无响应。 出错 untitled3_Fs (第 20 行) x = real(r).*cos(2*pi*Fs(i)*t) - imag(r).*sin(2*pi*Fs(i)*t);

这个错误提示通常是因为试图创建一个太大的数组，超出了 MATLAB 的内存限制。在这个错误中，你试图创建一个大小为 1000000 x 2000000 的数组，这需要 14901.2GB 的内存，远远超出了 MATLAB 的内存限制。

一个可能的解决方案是减少数据量，例如减少采样率、发送数据的比特数、发送数据的长度等等。另外，你还可以使用 MATLAB 中的分块处理技术，将大的数据分成多个小的块进行处理，以减少内存的使用量。

下面是一个可能的修改方案，将数据分成多个小的块进行处理：

% 设置参数
M = 4; % 调制阶数
k = log2(M); % 每个符号的比特数
numBits = 1e6; % 发送的比特数
SNR = 0:2:16; % 信噪比范围
Fs = [2, 4, 8, 16]; % 不同采样率
blockSize = 10000; % 每个块的大小

% 初始化误码率矩阵
ber = zeros(length(Fs), length(SNR));

% 生成数据
data = randi([0, 1], numBits, 1);

% 逐个采样率计算误码率
for i = 1:length(Fs)
    % 采样
    Ts = 1/Fs(i);
    t = 0:Ts:(numBits*k-1)*Ts;
    r = sqrt(2*SNR(i))*qammod(data, M);
    
    % 分块处理
    numBlocks = ceil(length(r)/blockSize);
    for j = 1:numBlocks
        startIndex = (j-1)*blockSize+1;
        endIndex = min(j*blockSize, length(r));
        x = real(r(startIndex:endIndex)).*cos(2*pi*Fs(i)*t(startIndex:endIndex)) - imag(r(startIndex:endIndex)).*sin(2*pi*Fs(i)*t(startIndex:endIndex));
        
        % 解调和计算误码率
        for k = 1:length(SNR)
            n = 1/sqrt(2)*complex(randn(length(x), 1), randn(length(x), 1));
            y = x + n;
            qam_demod = qamdemod(y.*cos(2*pi*Fs(i)*t(startIndex:endIndex)), M);
            [~, ber(i,k)] = biterr(data(startIndex:endIndex), qam_demod);
        end
    end
end

% 绘制曲线
figure;
semilogy(SNR, ber(1,:), 'o-', SNR, ber(2,:), 'x-', SNR, ber(3,:), 'd-', SNR, ber(4,:), '*-');
legend('Fs = 2', 'Fs = 4', 'Fs = 8', 'Fs = 16');
xlabel('SNR (dB)');
ylabel('BER');
title('BER vs SNR for Different Sampling Rates');

这里，我们使用分块处理技术将数据分成多个小的块进行处理。具体来说，我们设置了一个 `blockSize` 参数来表示每个块的大小，并计算需要分成多少个块。然后，我们逐个块进行处理，将数据分别存储在 `x` 和 `data` 变量中，最后计算误码率。注意，在这里我们需要更新误码率矩阵的对应元素，以避免覆盖之前的数据。

请注意，这里的 `blockSize` 参数需要根据你的具体数据量进行调整。如果你的数据量仍然太大，可以进一步减小 `blockSize` 的大小。