用matlab设计一个采用2PSK调制的数字通信系统：产生二进制随机数据，并仿真其对应的2PSK调制波形，观察并分析其频谱。所产生的调制波形加入不同信噪比的白噪声，选取合适的接收方案，画出系统误码率曲线，并与理论误码率进行对比。

好的，这是一个比较复杂的任务，需要逐步完成。我们可以分为以下几个步骤：

1. 产生二进制随机数据
2. 进行2PSK调制，生成调制波形并观察频谱
3. 添加不同信噪比的白噪声，并选取合适的接收方案
4. 统计误码率并画出系统误码率曲线
5. 与理论误码率进行对比

下面逐一完成这些步骤。

1. 产生二进制随机数据

使用MATLAB的randi函数可以生成二进制随机数据。例如，下面的代码可以生成长度为100的二进制随机数据：

data = randi([0 1], 1, 100);

2. 进行2PSK调制，生成调制波形并观察频谱

2PSK调制可以使用MATLAB的pskmod函数实现。例如，下面的代码可以将上一步生成的二进制随机数据进行2PSK调制：

modulated = pskmod(data, 2);

调制波形的频谱可以使用MATLAB的fft函数实现。例如，下面的代码可以绘制调制波形的频谱图：

fs = 1000; % 采样率
N = length(modulated); % 采样点数
f = (-N/2 : N/2-1) * fs / N; % 频率数组
spectrum = abs(fftshift(fft(modulated)));
plot(f, spectrum);

3. 添加不同信噪比的白噪声，并选取合适的接收方案

添加白噪声可以使用MATLAB的awgn函数实现。例如，下面的代码可以添加信噪比为10dB的白噪声：

noisy = awgn(modulated, 10, 'measured');

接收方案可以选择最简单的硬判决方案，即将接收到的信号与两个可能的符号进行比较，选择距离接收信号最近的符号作为接收结果。例如，下面的代码可以实现硬判决：

detected = noisy > 0;

4. 统计误码率并画出系统误码率曲线

误码率可以使用MATLAB的biterr函数进行统计。例如，下面的代码可以统计接收结果和原始数据之间的误码率：

[err, rate] = biterr(detected, data);

可以使用循环来尝试不同信噪比下的误码率，并画出系统误码率曲线。例如，下面的代码可以尝试信噪比从0dB到20dB时的误码率，并画出系统误码率曲线：

SNR = 0 : 2 : 20; % 信噪比数组
err_rate = zeros(size(SNR)); % 误码率数组
for i = 1 : length(SNR)
    noisy = awgn(modulated, SNR(i), 'measured');
    detected = noisy > 0;
    [err, rate] = biterr(detected, data);
    err_rate(i) = err / length(data);
end
semilogy(SNR, err_rate);

5. 与理论误码率进行对比

理论误码率可以使用MATLAB的berawgn函数进行计算。例如，下面的代码可以计算2PSK调制在不同信噪比下的理论误码率：

theory_err_rate = berawgn(SNR, 'psk', 2, 'nondiff');

可以将理论误码率与实际误码率进行对比。例如，下面的代码可以画出系统误码率曲线和理论误码率曲线：

semilogy(SNR, err_rate, SNR, theory_err_rate);
legend('实际误码率', '理论误码率');