clear all nsymbol=100000; %每种信噪比下的发送符号数 M=16; %16-QAM graycode=[0 1 3 2 4 5 7 6 12 13 15 14 8 9 11 10]; %Gray编码规则 EsN0=5:20; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randi([0,1],1,nsymbol); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=qammod(msg1,M); %基带16-QAM调制 spow=norm(msgmod).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(2*snr1(indx))); %根据符号功率求噪声功率 rx=msgmod+sigma*(randn(1,length(msgmod))+j*randn(1,length(msgmod))); y=qamdemod(rx,M); decmsg=graycode(y+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end P4=2*(1-1/sqrt(M))*qfunc(sqrt(3*snr1/(M-1))); ser1=1-(1-P4).^2; %理论误符号率 ber1=1/log2(M)*ser1; %理论误比特率 semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,ser1,EsN0,ber1,'-k.'); title('16-QAM载波调制信号在AWGN信道下的性能') xlabel('Es/N0');ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率','理论误比特率')将上述程序16QAM改为8QAM,并说明计算理论误符号率和误比特率的公式

时间: 2024-04-27 07:24:35 浏览: 12
将上述程序16QAM改为8QAM,只需要将M=16改为M=8即可,同时修改graycode为8QAM的Gray编码规则。 计算8QAM的理论误符号率和误比特率的公式如下: - 理论误符号率:$P_s=3/2Q(\sqrt{4E_s/(3(N-1))})-9/8Q^2(\sqrt{4E_s/(3(N-1))})$ - 理论误比特率:$P_b=P_s/log_2(N)$ 其中,$Q(x)$为高斯Q函数,$E_s$为每个符号的平均能量,$N$为调制的符号数。
相关问题

将下列代码中的基带8-PSK更换为4-PSK:clear all nsymbol=10000; %每种信噪比下的发送符号数 T=1; %符号周期 fs=100; %每个符号的采样点数 ts=1/fs; %采样时间间隔 t=0:ts:T-ts; %时间向量 fc=10; %载波频率 c=sqrt(2/T)*exp(j*2*pi*fc*t); %载波信号 c1=sqrt(2/T)*cos(2*pi*fc*t); %同相载波 c2=-sqrt(2/T)*sin(2*pi*fc*t); %正交载波 M=8; %8-PSK graycode=[0 1 2 3 6 7 4 5]; %Gray编码规则 EsN0=0:15; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randint(1,nsymbol,M); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=pskmod(msg1,M).'; %基带8-PSK调制 tx=real(msgmod*c); %载波调制 tx1=reshape(tx.',1,length(msgmod)*length(c)); spow=norm(tx1).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(2*snr1(indx))); %根据符号功率求噪声功率 rx=tx1+sigma*randn(1,length(tx1)); %加入高斯白噪声 rx1=reshape(rx,length(c),length(msgmod)); r1=(c1*rx1)/length(c1); %相关运算 r2=(c2*rx1)/length(c2); r=r1+j*r2; y=pskdemod(r,M); %PSK解调 decmsg=graycode(y+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end ser1=2*qfunc(sqrt(2*snr1)*sin(pi/M)); %理论误符号率 ber1=1/log2(M)*ser1; %理论误比特率 semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,ser1,EsN0,ber1,'-k.'); title('8-PSK载波调制信号在AWGN信道下的性能') xlabel('Es/N0');ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率','理论误比特率')

将基带8-PSK更换为4-PSK,可以按照以下步骤修改代码: 1. 将变量M的值从8改为4,表示4-PSK调制。 2. 将graycode变量的值从[0 1 2 3 6 7 4 5]改为[0 1 3 2],表示4-PSK的Gray编码规则。 3. 将msgmod变量的值从pskmod(msg1,M).'改为pskmod(msg1,M,'gray').' 4. 将相关运算r1和r2的计算方式从c1*rx1和c2*rx1改为c*conj(rx1)和c*imag(rx1),分别表示对载波信号c进行共轭和虚部运算。 修改后的代码如下: ``` clear all nsymbol=10000; %每种信噪比下的发送符号数 T=1; %符号周期 fs=100; %每个符号的采样点数 ts=1/fs; %采样时间间隔 t=0:ts:T-ts; %时间向量 fc=10; %载波频率 c=sqrt(2/T)*exp(j*2*pi*fc*t); %载波信号 c1=sqrt(2/T)*cos(2*pi*fc*t); %同相载波 c2=-sqrt(2/T)*sin(2*pi*fc*t); %正交载波 M=4; %4-PSK graycode=[0 1 3 2]; %4-PSK Gray编码规则 EsN0=0:15; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randint(1,nsymbol,M); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=pskmod(msg1,M,'gray').'; %基带4-PSK调制 tx=real(msgmod*c); %载波调制 tx1=reshape(tx.',1,length(msgmod)*length(c)); spow=norm(tx1).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(2*snr1(indx))); %根据符号功率求噪声功率 rx=tx1+sigma*randn(1,length(tx1)); %加入高斯白噪声 rx1=reshape(rx,length(c),length(msgmod)); r=c*conj(rx1); %相关运算 y=pskdemod(r,M,'gray'); %PSK解调 decmsg=graycode(y+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end ser1=qfunc(sqrt(2*snr1)*sin(pi/M)); %理论误符号率 ber1=ser1/log2(M); %理论误比特率 semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,ser1,'-k',EsN0,ber1,'-k.'); title('4-PSK载波调制信号在AWGN信道下的性能') xlabel('Es/N0');ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率','理论误比特率') ```

clear all nsymbol=100000; T=1; fs=100; ts=1/fs; t=0:ts:T-ts; %时间向量 fc=10; %载波频率 c=sqrt(2/T)*cos(2*pi*fc*t); %载波信号 M=4; %8-PAM graycode=[0 1 3 2]; %Gray编码规则 EsN0=0:15; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randi(2,1,nsymbol); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=pammod(msg1,M).'; %基带4-PAM调制 tx=msgmod*c; %载波调制 tx1=reshape(tx.',1,length(msgmod)*length(c)); spow=norm(tx1).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(2*snr1(indx))); %根据符号功率求噪声功率 ll=length(tx1); rx=tx1+sigma*randn(1,ll); %加入高斯白噪声 rx1=reshape(rx,length(c),length(msgmod)); y=(c*rx1)/length(c); %相关运算 y1=pamdemod(y,M); %PAM解调 decmsg=graycode(y1+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,1.5*qfunc(sqrt(0.4*snr1))); title('4-PAM载波调制信号在AWGN信道下的性能') xlabel('Es/N0');ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率')上述程序怎么改为8PAM,请列出程序和理论误符号率公式

以下是修改后的程序和理论误符号率公式: ```matlab clear all nsymbol=100000; T=1; fs=100; ts=1/fs; t=0:ts:T-ts; %时间向量 fc=10; %载波频率 c=sqrt(2/T)*cos(2*pi*fc*t); %载波信号 M=8; %8-PAM graycode=[0 1 3 2 6 7 5 4]; %Gray编码规则 EsN0=0:15; %信噪比,Es/N0 snr1=10.^(EsN0/10); %信噪比转换为线性值 msg=randi(2,1,nsymbol); %消息数据 msg1=graycode(msg+1); %Gray映射 msgmod=pammod(msg1,M).'; %基带8-PAM调制 tx=msgmod*c; %载波调制 tx1=reshape(tx.',1,length(msgmod)*length(c)); spow=norm(tx1).^2/nsymbol; %求每个符号的平均功率 for indx=1:length(EsN0) sigma=sqrt(spow/(3*snr1(indx))); %根据符号功率求噪声功率 ll=length(tx1); rx=tx1+sigma*randn(1,ll); %加入高斯白噪声 rx1=reshape(rx,length(c),length(msgmod)); y=(c*rx1)/length(c); %相关运算 y1=pamdemod(y,M); %PAM解调 decmsg=graycode(y1+1); [err,ber(indx)]=biterr(msg,decmsg,log2(M)); %误比特率 [err,ser(indx)]=symerr(msg,decmsg); %误符号率 end semilogy(EsN0,ber,'-ko',EsN0,ser,'-k*',EsN0,3/7*qfunc(sqrt(0.4/3*snr1))); title('8-PAM载波调制信号在AWGN信道下的性能') xlabel('Es/N0'); ylabel('误比特率和误符号率') legend('误比特率','误符号率','理论误符号率') ``` 其中,理论误符号率公式为: $$P_{s}=\frac{1}{log_2(M)}\sum_{i=0}^{M-1}\sum_{j=0,j\neq i}^{M-1}Q\left(\sqrt{\frac{3}{M^2-1}\frac{d_{ij}^2}{N_0}}\right)$$ 其中,$M$为调制阶数,$d_{ij}$为第 $i$ 个符号与第 $j$ 个符号之间的欧几里得距离,$N_0$为单侧带宽为 $B$ 的白噪声功率谱密度。在本程序中,$B=2/T$,因此 $N_0=0.4/3$。$Q(x)$ 为高斯 Q 函数。

相关推荐

最新推荐

recommend-type

新建文本文档.txt

新建文本文档
recommend-type

开源Git gui工具Fork

开源Git gui工具Fork,CSDN能找到教程,但是资料不多,推荐用Tortoise
recommend-type

yolov5在华为昇腾atlas上加速推理

该资源为yolov5在华为昇腾atlas上使用Ascend310芯片加速推理,属于c++后端开发,适合C++开发者在华为昇腾盒子上移植深度学习算法的博主们。 资源是demo形式,包含完整的一套代码,还有转好的离线模型文件和跑出的测试结果图片。
recommend-type

C++ 实现贪吃蛇小游戏

C++贪吃蛇小游戏简介 内容概要 C++贪吃蛇小游戏是一款经典的2D游戏,它利用C++编程语言结合基本的图形库(如NCurses库或SDL库)实现。游戏的核心玩法包括控制贪吃蛇在封闭的场地内移动,通过吃掉随机出现的食物来增长身体长度,同时避免碰到场地边界或自己的身体,否则游戏结束。游戏界面简洁直观,通过键盘控制贪吃蛇的方向,提供流畅的游戏体验。 适用人群 C++贪吃蛇小游戏适用于广泛的人群,特别是: C++编程学习者:对于正在学习C++编程的学生或爱好者,这款小游戏是一个很好的实践项目。通过实现游戏,可以加深对C++语法、数据结构、面向对象编程等知识点的理解和应用。 使用场景及目标 C++贪吃蛇小游戏可以在以下场景中使用,并达到以下目标: 编程教学实践:在编程教学课堂上,教师可以使用该游戏作为案例,引导学生完成项目的开发。通过实践,学生可以更好地掌握C++编程技能,并将理论知识应用于实际项目中。 个人项目实践:对于个人学习者,实现贪吃蛇小游戏可以作为自我挑战和实践的机会。通过独立完成项目,可以提升自己的编程能力和解决问题的能力。
recommend-type

ec616DataSheet

移芯NBIOT 芯片,NB芯片,水表电表芯片,烟感 地磁芯片 超弱信号环境业务能力。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB柱状图在信号处理中的应用:可视化信号特征和频谱分析

![matlab画柱状图](https://img-blog.csdnimg.cn/3f32348f1c9c4481a6f5931993732f97.png) # 1. MATLAB柱状图概述** MATLAB柱状图是一种图形化工具,用于可视化数据中不同类别或组的分布情况。它通过绘制垂直条形来表示每个类别或组中的数据值。柱状图在信号处理中广泛用于可视化信号特征和进行频谱分析。 柱状图的优点在于其简单易懂,能够直观地展示数据分布。在信号处理中,柱状图可以帮助工程师识别信号中的模式、趋势和异常情况,从而为信号分析和处理提供有价值的见解。 # 2. 柱状图在信号处理中的应用 柱状图在信号处理
recommend-type

HSV转为RGB的计算公式

HSV (Hue, Saturation, Value) 和 RGB (Red, Green, Blue) 是两种表示颜色的方式。下面是将 HSV 转换为 RGB 的计算公式: 1. 将 HSV 中的 S 和 V 值除以 100,得到范围在 0~1 之间的值。 2. 计算色相 H 在 RGB 中的值。如果 H 的范围在 0~60 或者 300~360 之间,则 R = V,G = (H/60)×V,B = 0。如果 H 的范围在 60~120 之间,则 R = ((120-H)/60)×V,G = V,B = 0。如果 H 的范围在 120~180 之间,则 R = 0,G = V,B =
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。