高速移动场景，OFDM-MIMO信道LS估计得到MSE与SNR关系图仿真代码

以下是一个基于MATLAB的OFDM-MIMO信道LS估计得到MSE与SNR关系图的仿真代码，其中采用了Rayleigh衰落信道模型和最小二乘法（LS）估计算法。您可以根据自己的需要进行修改和优化。

%% OFDM-MIMO信道LS估计得到MSE与SNR关系图仿真代码
clear;clc;
%% 参数设置
Nt=4; % 发送天线数量
Nr=4; % 接收天线数量
N=64; % 子载波数量
SNR_dB=0:5:30; % SNR范围（dB）
M=100; % 仿真次数
MSE=zeros(length(SNR_dB),1); % 初始化MSE
H_true=randn(Nr,Nt); % 真实信道矩阵
L=5; % 等效信道长度
d=0.5; % 移动速度（m/s）
fc=2e9; % 载频频率（Hz）
c=3e8; % 光速（m/s）
Ts=1/30.72e6; % 采样时间（s）
fs=1/Ts; % 采样频率（Hz）
fd=d*fc/c; % 多普勒频移（Hz）
fdTs=fd*Ts; % 多普勒频移对应的相位
alpha=1/sqrt(2)*[randn(L,1) + 1i*randn(L,1)]; % Rayleigh衰落信道系数
f=(0:N-1)/N*fs; % 子载波频率
phi=2*pi*fdTs*f; % 相位偏移
A=exp(1i*phi); % 多普勒频移的影响
H=zeros(Nr,Nt); % 初始化估计信道矩阵
%% 仿真
for SNR_idx=1:length(SNR_dB)
    for m=1:M
        %% 信道模拟
        h_true=kronecker(H_true,alpha); % Rayleigh衰落信道
        h_true=h_true./norm(h_true,'fro')*sqrt(Nr*Nt); % 归一化
        H=h_true.*A; % 多普勒频移
        %% 发送端
        s=randi([0 1],Nt*N,1); % 生成随机发送数据
        x=reshape(s,Nt,N).'; % 数据并行转串
        X=fft(x); % OFDM调制
        %% 信道
        noise=randn(Nr,N) + 1i*randn(Nr,N); % 添加高斯白噪声
        Y=H*X.' + 10^(-SNR_dB(SNR_idx)/20)*noise; % 信道传输
        %% 接收端
        Y=Y.'; % 转置
        Y=ifft(Y); % OFDM解调
        Y=Y(:); % 串并转换
        %% LS估计
        X_est=Y./A; % 多普勒频移修复
        X_est=reshape(X_est,Nr,Nt).'; % 数据并行转串
        H_est=X_est./X; % 估计信道矩阵
        %% MSE计算
        MSE(SNR_idx)=MSE(SNR_idx)+norm(H_true-H_est,'fro')^2;
    end
    MSE(SNR_idx)=MSE(SNR_idx)/M;
end
%% 结果显示
figure(1)
plot(SNR_dB,MSE)
xlabel('SNR (dB)')
ylabel('MSE')
title('OFDM-MIMO信道LS估计得到MSE与SNR关系图')

希望这个代码对您有帮助。