高斯环境中QAM 16调制的大量SNR值的BER,为每个BER测量计算100个误差，以获得更好的结果研究（Matlab代码实现）-CSDN博客

本文链接：https://blog.csdn.net/m0_64583023/article/details/144363618

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

研究文档

一、研究背景

二、理论基础

三、实验方法

四、实验结果与分析

五、结论

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

以下是关于在高斯环境中使用16-QAM调制时，通过测量大量SNR值对应的BER（误码率）的研究文档。为了确保结果的准确性，每个BER测量都基于100个误差进行计算。

研究文档

一、研究背景

在高斯白噪声（AWGN）环境中，16-QAM（Quadrature Amplitude Modulation，正交幅度调制）是一种常用的调制技术。它通过将输入的数字数据分成4位一组，每组数据映射到一个4x4的星座图中的信号点，从而实现调制。每个信号点代表一个特定的幅度和相位组合，通过正交调制将两个载波信号叠加在一起，形成调制后的信号。

二、理论基础

SNR与BER的关系：
- 信噪比（SNR）是衡量信号强度与噪声强度之间关系的指标。
- 误码率（BER）是指在接收信号中出现的错误比特数占总比特数的比例。
- 在高斯白噪声信道中，16-QAM的理论误码率可以通过公式推导得到。误符号率（SER）的公式为：SER = 2 * (1 - 1/sqrt(M)) * Q(sqrt(3 * SNR / (M - 1)))，其中M为调制阶数（对于16-QAM，M=16），Q函数为高斯误差函数。
- 误比特率（BER）可以表示为：BER = SER / log2(M)。
16-QAM的格雷映射：
- 格雷映射是一种特殊的映射方式，它使得相邻的符号在星座图上只有一位比特不同，从而减少了误码传播的可能性。

三、实验方法

生成随机二进制序列：
- 为了模拟实际的通信过程，需要生成大量的随机二进制序列作为输入数据。
16-QAM调制：
- 使用MATLAB等仿真工具，将生成的二进制序列按照格雷映射规则映射到16-QAM的星座图上，得到调制后的信号。
添加高斯白噪声：
- 在调制后的信号上添加不同强度的高斯白噪声，以模拟不同的SNR条件。
16-QAM解调：
- 在接收端，对接收到的信号进行解调，将其映射回原始的二进制序列。
计算BER：
- 对于每个SNR值，重复上述过程100次，并记录每次的误码数。然后计算平均BER作为该SNR值下的BER测量结果。

四、实验结果与分析

数据记录：
- 记录下每个SNR值对应的BER测量结果，以及每个测量过程中的误码数。
绘制曲线：
- 使用MATLAB等绘图工具，将SNR值与对应的BER绘制成曲线图。这有助于直观地观察SNR与BER之间的关系。
结果分析：
- 分析曲线图，可以发现随着SNR的增加，BER逐渐降低。这符合理论预期，因为SNR越高，信号与噪声的比值越大，信号更容易被正确解码。
- 通过比较不同SNR值下的BER测量结果，可以评估16-QAM调制在高斯白噪声环境中的性能表现。

五、结论

本研究通过在高斯环境中使用16-QAM调制，并测量大量SNR值对应的BER，得到了以下结论：

随着SNR的增加，BER逐渐降低。
16-QAM调制在高斯白噪声环境中表现出良好的性能。
通过优化调制和解调过程，以及采用更先进的纠错编码技术，可以进一步提高16-QAM调制的性能。

📚2 运行结果

部分代码：

% Frame Length 'Should be multiple of four or else padding is needed'
bit_count = 4*1000;

% Range of SNR over which to simulate
Eb_No = -6: 1: 10;

% Convert Eb/No values to channel SNR
% Consult BERNARD SKLAR'S book 'Digital Communications, Principles
% and Applications'.
SNR = Eb_No + 10*log10(4);

% Start the main calculation loop
for aa = 1: 1: length(SNR)

% Initiate variables
T_Errors = 0;
T_bits = 0;

% Keep going until you get 100 errors
while T_Errors < 100

% Generate some random bits
uncoded_bits = round(rand(1,bit_count));

% Split the stream into 4 substreams
B = reshape(uncoded_bits,4,length(uncoded_bits)/4);
B1 = B(1,:);
B2 = B(2,:);
B3 = B(3,:);
B4 = B(4,:);

% 16-QAM modulator
% normalizing factor
a = sqrt(1/10);

% bit mapping
tx = a*(-2*(B3-0.5).*(3-2*B4)-j*2*(B1-0.5).*(3-2*B2));

% Noise variance
N0 = 1/10^(SNR(aa)/10);

% Send over Gaussian Link to the receiver
rx = tx + sqrt(N0/2)*(randn(1,length(tx))+i*randn(1,length(tx)));

%---------------------------------------------------------------

% 16-QAM demodulator at the Receiver
a = 1/sqrt(10);

B5 = imag(rx)<0;
B6 = (imag(rx)<2*a) & (imag(rx)>-2*a);
B7 = real(rx)<0;
B8 = (real(rx)<2*a) & (real(rx)>-2*a);

% Merge into single stream again
temp = [B5;B6;B7;B8];
B_hat = reshape(temp,1,4*length(temp));

% Calculate Bit Errors
diff = uncoded_bits - B_hat ;