BPSK相干解调和DBPSK非相干解调误码率仿真

本脚本完成了BPSK和DBPSK两种不同调制方式下的误码率(DBPSK差分相干)仿真, 并和理论曲线进行了对比。

  撰写人:***
最后修改日期:2015-03-18
软件版本:MATLAB(R) 2014a

程序添加和修改包括

  1. BPSK未作修改
  2. DPSK添加了成型部分,同时从《高等数字通信》中看到了DPSK最佳接收机的结构

待改进

  1. 怎样选择仿真点数才能保证结果可信,可信程度是多少?如何衡量?

Contents

初始设置

清空工作区,数据,关闭所有窗口

clc;clear all;close all;

仿真参数设置

EbN0_dB = 1:8;                            % EbN0_dB 误码率范围,向量;
FRAMES_NUM = 100; % FRAMES_NUM 最大仿真帧数目;
FRAMES_LENGTH = 1000; % FRAMES_LENGTH 每帧长度;
UPSAMPLE_RATE = 8; % UPSAMPLE_RATE 过采样率;
berBpsk = zeros(1,length(EbN0_dB)); % berBpsk BPSK误码率统计,向量;
berDbpsk = zeros(1,length(EbN0_dB)); % berDbpsk DBPSK误码率统计,向量;
sqrtRaisedfilter = rcosfir(0.3,[-3,3],UPSAMPLE_RATE,1,'sqrt');

误码率仿真

针对不同EbN0先仿真BPSK和DBPSK误码率曲线

在不同EbN0下,对误码率进行仿真

for nEbN0 = 1:length(EbN0_dB);

多帧取统计平均

    bpskErrorNum = 0;
dbpskErrorNum = 0;
for nFrame = 1:FRAMES_NUM

数据生成和基带映射

        data = randi([0 1],1,FRAMES_LENGTH);
bpskBaseband = 1 - 2*data; % 映射 0—+1;1—-1,已归一化
data_extend = [1 data]; % 差分编码,假设第一个数据为1
for num = 2:FRAMES_LENGTH+1
data_extend(num) = xor(data_extend(num),data_extend(num-1));
end
% 注意此时DBPSK多传了一个1
dbpskBaseband = 1 - 2*data_extend; % 映射 0—+1;1—-1,已归一化
% 方波成型
%dbpskBaseband = reshape(repmat(dbpskBaseband,UPSAMPLE_RATE,1),1,[]);
% 匹配滤波
dbpskBaseband = upsample(dbpskBaseband,UPSAMPLE_RATE);
dbpskBaseband = conv(dbpskBaseband,sqrtRaisedfilter,'same');
bpskTransmitSignal = bpskBaseband; % 不加载波
dbpskTransmitSignal = dbpskBaseband/sqrt(var(dbpskBaseband));

AWGN 信道,SNR和EbN0换算关系

        SNR_dB = EbN0_dB(nEbN0) + 10*log10(2) - 10*log10(1);
SNR = 10^(SNR_dB/10);

接收信号的矢量等效

        bpsknoise = 1/sqrt(SNR)*randn(1,length(bpskTransmitSignal));
bpskReceiveSignal = bpskTransmitSignal + bpsknoise;
SNR_dB = EbN0_dB(nEbN0) + 10*log10(2) - 10*log10(UPSAMPLE_RATE);
SNR = 10^(SNR_dB/10);
dbpsknoise = 1/sqrt(SNR)*randn(1,length(dbpskTransmitSignal)) + ...
1i*1/sqrt(SNR)*randn(1,length(dbpskTransmitSignal));
dbpskReceiveSignal = dbpskTransmitSignal + dbpsknoise;

BPSK误比特数统计

        bpskErrorNum = bpskErrorNum + sum(bpskBaseband.*bpskReceiveSignal

DBPSK解调(通信原理P209) 误比特数统计,不是最佳接收 方波成型解调如果UPSAMPLE_RATE为1,此时能使用sum函数
        %dbpskReceiveSignal = sum(reshape(dbpskReceiveSignal,UPSAMPLE_RATE,[]));
% 匹配滤波解调
dbpskReceiveSignal = conv(dbpskReceiveSignal,sqrtRaisedfilter,'same');
dbpskReceiveSignal = downsample(dbpskReceiveSignal,UPSAMPLE_RATE);
dbpskDelay = dbpskReceiveSignal(2:end);
dbpskJudgment = dbpskReceiveSignal(1:end-1).*dbpskDelay;
dbpskDecodeData = zeros(1,length(data));
dbpskDecodeData(dbpskJudgment%gt compares only the real part
dbpskErrorNum = dbpskErrorNum + sum(abs(dbpskDecodeData-data));
    end

误码率统计

    berBpsk(nEbN0) = bpskErrorNum/FRAMES_NUM/FRAMES_LENGTH;
berDbpsk(nEbN0) = dbpskErrorNum/FRAMES_NUM/FRAMES_LENGTH;
end

绘图和数据输出

绘制BPSK和DBPSK的仿真和理论误码率曲线

berBpskTheory = berawgn(EbN0_dB,'psk',2,'nondiff');
berDbpskTheory = berawgn(EbN0_dB,'dpsk',2,'nondiff');
fprintf('总帧数 = %d,帧长 = %d\n',FRAMES_NUM,FRAMES_LENGTH);
table(EbN0_dB',berBpskTheory',berBpsk',berDbpskTheory',berDbpsk',...
'VariableNames', {'EbN0_dB','BpskTheory','BpskSim','DbpskTheory','DbpskSim'}) figure;
semilogy(EbN0_dB,berDbpsk,'bd');hold on;
semilogy(EbN0_dB,berDbpskTheory,'b-');
semilogy(EbN0_dB,berBpsk,'rs');
semilogy(EbN0_dB,berBpskTheory,'r-');hold off;
legend('差分DPSK仿真','DPSK理论','相干BPSK仿真','相干BPSK理论');
xlabel('EbN0');
ylabel('BER');
grid on;
总帧数 = 100,帧长 = 1000

ans = 

    EbN0_dB    BpskTheory    BpskSim    DbpskTheory    DbpskSim
_______ __________ _______ ___________ ________ 1 0.056282 0.05494 0.14198 0.14132
2 0.037506 0.03737 0.10248 0.10291
3 0.022878 0.02259 0.067989 0.06888
4 0.012501 0.01247 0.040558 0.03912
5 0.0059539 0.0061 0.021165 0.02151
6 0.0023883 0.0024 0.0093328 0.00937
7 0.00077267 0.00079 0.0033292 0.00334
8 0.00019091 0.00022 0.0009094 0.00076

Published with MATLAB® R2014a

BPSK相干解调和DBPSK非相干解调误码率仿真的更多相关文章

  1. Ngnix服务器详解(Windows版本)(非原创)

    文章大纲 一.Ngnix简介二.Ngnix安装三.Ngnix之静态资源访问四.Ngnix正向代理与反向代理五.Ngnix之虚拟主机配置六.Ngnix之负载均衡七.Ngnix之访问控制八.Ngnix日志 ...

  2. apache-storm-1.0.2.tar.gz的集群搭建(3节点)(图文详解)(非HA和HA)

    不多说,直接上干货! Storm的版本选取 我这里,是选用apache-storm-1.0.2.tar.gz apache-storm-0.9.6.tar.gz的集群搭建(3节点)(图文详解) 为什么 ...

  3. SQL查询优化:详解SQL Server非聚集索引(转载)

    本文是转载,原文地址 http://tech.it168.com/a2011/1228/1295/000001295176.shtml 在SQL SERVER中,非聚集索引其实可以看作是一个含有聚集索 ...

  4. (淘宝无限适配)手机端rem布局详解(转载非原创)

    从网易与淘宝的font-size思考前端设计稿与工作流 本文结合自己对网易与淘宝移动端首页html元素上的font-size这个属性的思考与学习,讨论html5设计稿尺寸以及前端与设计之间协作流程的问 ...

  5. storm的3节点集群详细启动步骤(非HA和HA)(图文详解)

    前期博客 apache-storm-1.0.2.tar.gz的集群搭建(3节点)(图文详解)(非HA和HA) 启动storm集群(HA) 本博文情况是 master(主) nimbus slave1( ...

  6. .NET DLL 保护措施详解(非混淆加密加壳)

    为什么要保护DLL,我就不多说了,各人有各人的理由.总的来说,就是不想核心逻辑泄露及授权验证被破解两大方面的因素.市面上的混淆加密工具对.NET源码保护的效果天差地别,很多网上下到的混淆工具破解版对. ...

  7. 【Matlab】BFSK的调制与解调仿真

    写在前面 本篇是[Matlab]BASK的调制与解调仿真的下篇,考虑到阅读体验,故另开一篇分享将BFSK的调制与解调仿真. 索引 写在前面 一.BFSK的调制 1.1 异频载波生成 1.2 信号合并 ...

  8. ES6笔记(3)-- 解构赋值

    系列文章 -- ES6笔记系列 解构赋值,即对某种结构进行解析,然后将解析出来的值赋值给相关的变量,常见的有数组.对象.字符串的解构赋值等 一.数组的解构赋值 function ids() { ret ...

  9. .NET DLL 保护措施详解(二)关于性能的测试

    先说结果: 加了缓存的结果与C#原生代码差异不大了 我对三种方式进行了测试: 第一种,每次调用均动态编译 第二种,缓存编译好的对象 第三种,直接调用原生C#代码 .net dll保护系列 ------ ...

随机推荐

  1. 20155232 2016-2017-3 《Java程序设计》第4周学习总结

    20155232 2016-2017-3 <Java程序设计>第4周学习总结 教材学习内容总结 第六章 继承与多态 所谓继承就是避免多个类间重复定义共同行为. 1.重复在程序设计上就是不好 ...

  2. 【私人向】Java复习笔记

    此笔记学习于慕课网:Java入门第一季-第三季,想学的可以点击链接进行学习,笔记仅为私人收藏 建议学习时间:2-3天(极速版) 数据类型 基本数据类型存的是数据本身 引用类型变量(class.inte ...

  3. 基于 OpenCV 的人脸识别

    基于 OpenCV 的人脸识别 一点背景知识 OpenCV 是一个开源的计算机视觉和机器学习库.它包含成千上万优化过的算法,为各种计算机视觉应用提供了一个通用工具包.根据这个项目的关于页面,OpenC ...

  4. 图论-求有向图的强连通分量(Kosaraju算法)

    求有向图的强连通分量     Kosaraju算法可以求出有向图中的强连通分量个数,并且对分属于不同强连通分量的点进行标记. (1) 第一次对图G进行DFS遍历,并在遍历过程中,记录每一个点的退出顺序 ...

  5. Docker入门篇(三)之docker-compose单机编排

    1.docker-compose的简介 docker-compose作为dokcer的官方编排工具,它可以让用户通过编写一个简单的模板文件,快速地创建和管理基于docker容器的应用集群.实现对doc ...

  6. iOS 中架构模式的浅显理解

    我们开发软件中应用各种模式,主要是为了 职责划分:一个类只做一件事 易用,可维护,方便扩展 解耦,相互独立,可单独测试 各种设计模式其实都是在解决上面的问题,让我们对比看看吧. 一.如何理解MVC设计 ...

  7. ubuntu的学习教程(常用操作)

    摘要 最近在学习linux,把自己学习过程中遇到的常用操作以及一些有助于理解的内容记录下来.我主要用的是ubuntu系统 命令提示符 '~' 这个是指用户的家目录,用户分为root用户和普通用户,ro ...

  8. DB知识点记录

    DB知识点记录 分页 SqlServer:ROW_NUMBER () over (ORDER BY ID) AS RN, MySql:limit Oracle:ROWNUM AS RN 数据表的基本结 ...

  9. 一个web应用的诞生(2)--使用模板

    经过了第一章的内容,已经可以做出一些简单的页面,首先用这种方式做一个登录页面,首先要创建一个login的路由方法: @app.route("/login",methods=[&qu ...

  10. Egret入门(三)--创建HelloWorld项目(4.0-使用Egret Wing)

    准备 编辑器: Egret Wing3(4.0.3) 需要下载安装 语言: TepyScript(JS的超集,参考手册http://bbs.egret.com/thread-1441-1-1.html ...