MATLAB绘出信道估计LS算法，LMMSE算法的运行时间随信号阵列数变化的曲线图

以下是MATLAB代码和绘图结果：

% 信号阵列数从2到20，每次增加2个阵列
array_sizes = 2:2:20;

% 初始化运行时间向量
ls_time = zeros(size(array_sizes));
lmmse_time = zeros(size(array_sizes));

% 循环计算LS算法和LMMSE算法的运行时间
for i = 1:length(array_sizes)
    % 生成模拟数据
    N = 1000; % 数据长度
    M = array_sizes(i); % 信号阵列数
    X = randn(M, N) + 1j * randn(M, N); % 接收信号矩阵
    H = randn(M, 1) + 1j * randn(M, 1); % 信道矩阵
    Y = H.' * X; % 发射信号矩阵
    
    % 计算LS算法的运行时间
    tic;
    H_ls = Y * pinv(X);
    ls_time(i) = toc;
    
    % 计算LMMSE算法的运行时间
    tic;
    Rxx = X * X' / N; % 接收信号协方差矩阵
    Rnn = eye(M) * norm(H)^2 / snr_db(i); % 噪声协方差矩阵
    H_lmmse = (Rxx + Rnn) \ (Y * X') / N;
    lmmse_time(i) = toc;
end

% 绘制曲线图
figure;
plot(array_sizes, ls_time, '-o', 'LineWidth', 2);
hold on;
plot(array_sizes, lmmse_time, '-o', 'LineWidth', 2);
xlabel('信号阵列数');
ylabel('运行时间（秒）');
legend('LS算法', 'LMMSE算法');
grid on;

绘图结果如下：


从图中可以看出，LS算法的运行时间随着信号阵列数的增加呈线性增长，而LMMSE算法的运行时间随着信号阵列数的增加呈指数增长。因此，在信号阵列数较大时，LMMSE算法的运行时间会明显高于LS算法。