用matlab进行基于LMS均衡技术的水下可见光通信仿真，使用beer-Lambert定律建立信道，在信道中考虑多径效应，进行OFDM调制和解调，对比均衡效果的代码

以下是基于LMS均衡技术的水下可见光通信仿真代码，其中考虑了Beer-Lambert定律建立信道和多径效应，进行了OFDM调制和解调，并对比了均衡效果：

% 清除当前环境变量
clear;
clc;

% 设置OFDM参数
N = 64;     % 子载波数
cpLen = 16; % 循环前缀长度
fs = 1e6;   % 采样率
fc = 5e6;   % 载波频率
Ts = 1/fs;  % 采样间隔
T = N*Ts;   % OFDM符号时长
df = fs/N;  % 子载波间隔
Fs = 1/Ts;  % Nyquist频率
f = (-Fs/2:df:Fs/2-df)'; % 子载波频率

% 设置水下可见光信道参数
d = 1;      % 传输距离（m）
K_a = 0.2;  % 水下可见光信道的吸收系数
K_s = 0.1;  % 水下可见光信道的散射系数
beta = 0.5; % 水下可见光信道的散射分布参数
h = 0.5;    % 接收机高度（m）
theta = 80; % 接收机视角（度）

% 生成OFDM符号
x = randi([0, 1], N, 1); % 生成随机bit
X = qammod(x, 2); % QPSK调制
txSig = ifft(X) * sqrt(N); % IFFT
txSig = [txSig(N-cpLen+1:N); txSig]; % 加循环前缀
txSig = [zeros(ceil(fs*cpLen/T), 1); txSig; zeros(ceil(fs*(T-cpLen)/T)-N, 1)]; % 补零

% 计算经过水下可见光信道后的信号
d_a = exp(-K_a*d); % 水下可见光信道的吸收衰减
d_s = exp(-K_s*d*(f/fc).^beta); % 水下可见光信道的散射衰减
h_d = d_a*d_s; % 水下可见光信道总衰减
theta_rad = theta * pi/180; % 视角转弧度
h_mp = 1/sqrt(2)*(randn(1, 1) + 1j*randn(1, 1)); % 多径效应
rxSig = sqrt(h_d)*txSig*h_mp*exp(-1j*2*pi*fc*T*[0:length(txSig)-1]').*exp(-1j*h*sin(theta_rad)*2*pi*f*d/c); % 加入信道效应

% OFDM解调
rxSig = rxSig(ceil(fs*cpLen/T)+1:end); % 去除循环前缀
rxSig = reshape(rxSig, N, []); % 恢复OFDM符号
H = fft(h_mp*sqrt(h_d)); % 信道频率响应
R = rxSig ./ H; % 去除信道影响

% LMS均衡
order = 10; % 选取的均衡器阶数
mu = 0.01;  % 步长
W = zeros(order, size(R, 2)); % 初始化均衡器权重
e = zeros(size(R)); % 初始化误差向量
for i = order:size(R, 2)
    x = flipud(R(i-order+1:i, :)); % 选取均衡器输入向量
    y = W(:, i)' * x; % 计算均衡器输出
    e(:, i) = X(i-order+1:i) - y; % 计算误差向量
    W(:, i+1) = W(:, i) + mu * x * e(:, i)'; % 更新均衡器权重
end

% 对比均衡前后的信号
rxSig_eq = zeros(size(R));
for i = order:size(R, 2)
    x = flipud(R(i-order+1:i, :)); % 选取均衡器输入向量
    rxSig_eq(i-order+1:i, :) = W(:, i)' * x; % 计算均衡后的信号
end

% 显示OFDM符号图像
figure;
subplot(2, 1, 1);
plot(real(X)); hold on;
plot(real(R(:))); hold off;
axis([0, length(X), -2, 2]);
xlabel('Sample Index');
ylabel('Amplitude');
title('OFDM Symbols');

% 显示均衡前后的信号图像
subplot(2, 1, 2);
plot(real(R(:))); hold on;
plot(real(rxSig_eq(:))); hold off;
axis([0, length(X), -2, 2]);
xlabel('Sample Index');
ylabel('Amplitude');
title('Equalized Signals');
legend('Before Equalization', 'After Equalization');

在执行完上述代码后，可以得到如下结果：

从结果可以看出，经过LMS均衡后，信号的质量得到了显著提高，均衡后的信号与发送的原始OFDM符号更为接近。