【分层调制】在MATLAB中实现4/16 QAM“分层调制”研究（Matlab代码实现）

本文链接：https://blog.csdn.net/m0_73907476/article/details/144356463

💥💥💞💞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

1. 引言

2. 系统模型与实现

2.1 数据生成与QPSK调制

2.2 功率缩放与叠加

2.3 传输与接收

3. 实验结果与分析

3.1 两个QPSK调制序列的曲线图

3.2 功率缩放后的两个QPSK调制序列的曲线图

3.3 传输侧传输前HM 4/16 QAM的曲线图

3.4 在接收器侧通过AWGN信道传输后的HM 4/16 QAM的曲线图

3.5 高优先级数据和低优先级数据的BER图

4. 结论与展望

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文档下载

⛳️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

【分层调制】在MATLAB中实现4/16 QAM“分层调制”研究
1.两个QPSK调制序列的曲线图
2. 功率缩放后的两个QPSK调制序列的曲线图
3.传输侧传输前HM 4/16 QAM的曲线图
4.在接收器侧通过AWGN信道传输后的HM 4/16 QAM的曲线图
5.高优先级数据和低优先级数据的BER图

这段代码中的每一行都加了注释，以便更好地理解代码。然而，下面给出了一个简短的解释。

主要使用两个不同的数据源，从使用霍夫曼字典的预定义数据集中生成两个不同的数据流，一个用于高优先级，另一个用于低优先级。在代码中，这些流被命名为“Hp_sig”和“Lp_sig”。

这些流随后通过源编码器，然后通过信道编码器。

在调制之前，两个随机生成信号的比特必须相等，以便一个流的比特可以与另一个流的比特组合，如上图所示。

此外，比特必须均匀，以便两个相同信号的比特可以组合在一起形成一个符号。如果没有，那么在位的末尾添加另一个位，使它们相等。此代码使用“Rem”函数检查位的奇偶性，即如果余数为零，则位为偶数。如果位不偶，则添加另一个值为“1”的位。为此，“Vertcat”函数被用作“ChannelCoded_HPSignal”，而“ChannelCoded_LPSignal”包含列中的值。

HP_Symbol = reshape(ChannelCoded_HPSignal,2,e); %QPSK符号形成并将其按列放入矩阵中
LP_Symbol = reshape(ChannelCoded_LPSignal,2,e); %QPSK符号形成并将其按矩阵列方式放置

上述代码行通过组合两个连续的位来制定符号，并将这些组合的位放在一列中，然后将接下来的两个位放在下一列中，依此类推。

然后，使用两个“for”循环将高优先级流和低优先级流的每个符号传递给函数“QPSK_BitToPhase”，该函数为每个符号分配相位。

每个信号都可以被分解为………Cosθ+jSinθ的形式，也可以写成e^jθ

HP_BeforeScaling = exp(1jPhase_HP); % 扩展前的HP信号缩放前的QPSK高优先级流
LP_BeforeScaling = exp(1jPhase_LP); % 相位LP的缩放前缩放前的 QPSK 低优先级流

上面的代码行只是做同样的事情，将信号分解成它的余弦和正弦信号，从而很容易找到符号属于哪个象限。

接下来，为两个流分配优先级，即高优先级和低优先级。在此代码中，高优先级被设置为3+3i，低优先级被设置为1+1i。

然后，两条溪流汇合在一起。

然后，将合并的溪流通过渠道输送。

然后绘制接收到的信号

接下来，对信号进行解调。为此，使用以下代码计算实部和虚部

R=实数（层次结构_Mod_RxSignal（1，i））；%计算实部。。。。。。。。。。
I=imag（层次结构_Mod_RxSignal（1，I））；

基于这些实部和虚部，确定接收符号的象限，并如上图所示，对位的值进行判断。对于HP流，只需要四个决定，即决定符号属于四个象限中的哪一个。对于LP流，需要16个决定，即每个高优先级点周围的四个象限。

这些位随后被保存在一个矩阵中。

对于信道解码，首先检查比特是否可被3整除，因为在信道编码时，我们使用的约束长度为3。

然后比较源编码比特数和信道解码比特数，因为如果它们不相等，则不会执行源解码，因为对于某些比特，字典中不存在代码。

如果位不相等，则通过截断额外的位或添加一些位来使其相等。

然后计算两个流的比特误差率。

1. 引言

分层调制（Hierarchical Modulation, HM）是一种用于提高数字通信系统灵活性和效率的技术。它通过将数据分成不同优先级的多层，并针对不同层使用不同的调制和编码方案，从而在确保高优先级数据可靠传输的同时，尽可能提高低优先级数据的吞吐量。本研究将重点探讨HM 4/16 QAM（Quadrature Amplitude Modulation，正交幅度调制）的实现和性能评估。

2. 系统模型与实现

2.1 数据生成与QPSK调制

首先，我们生成两个独立的比特流，分别代表高优先级和低优先级数据。然后，使用QPSK调制器对这两个比特流进行调制，生成两个QPSK调制序列。

2.2 功率缩放与叠加

为了模拟分层调制的效果，我们对两个QPSK调制序列进行功率缩放，使高优先级数据具有较高的功率，而低优先级数据具有较低的功率。然后，将这两个缩放后的QPSK信号叠加在一起，形成一个复合信号。这个复合信号可以看作是HM 4/16 QAM的传输信号，其中高优先级数据决定了信号的主要相位和幅度，而低优先级数据则通过微小的相位和幅度变化进行传输。

需要注意的是，这里的HM 4/16 QAM并不是传统意义上的16个符号的16-QAM调制，而是通过两个QPSK信号的叠加来模拟一种简化的分层调制效果。真正的16-QAM会使用16个不同的复数符号来表示4个比特的数据。然而，在本研究中，我们关注的是分层调制的概念，而不是16-QAM的完整实现。

2.3 传输与接收

在传输侧，我们将叠加后的复合信号通过AWGN（Additive White Gaussian Noise，加性高斯白噪声）信道进行传输。在接收侧，我们使用相应的解调器来恢复高优先级和低优先级数据。

3. 实验结果与分析

3.1 两个QPSK调制序列的曲线图

图1展示了两个独立的QPSK调制序列的时域波形图。可以观察到，这两个序列在相位上呈现出四种不同的状态，分别对应QPSK调制的四个符号。

（注：此处省略具体图表，实际研究应包含图表展示。）

3.2 功率缩放后的两个QPSK调制序列的曲线图

图2展示了功率缩放后的两个QPSK调制序列的曲线图。可以观察到，高优先级数据的功率较高，而低优先级数据的功率较低。这种功率差异有助于在接收端区分不同优先级的数据。

（注：此处省略具体图表，实际研究应包含图表展示。）

3.3 传输侧传输前HM 4/16 QAM的曲线图

图3展示了传输前HM 4/16 QAM的曲线图。这个复合信号是通过将功率缩放后的两个QPSK调制序列叠加在一起得到的。可以观察到，这个复合信号在幅度和相位上都呈现出更复杂的变化，这反映了分层调制的效果。

（注：此处省略具体图表，实际研究应包含图表展示。）

3.4 在接收器侧通过AWGN信道传输后的HM 4/16 QAM的曲线图

图4展示了通过AWGN信道传输后的HM 4/16 QAM的曲线图。可以观察到，由于噪声的影响，接收到的信号在幅度和相位上都发生了一定的畸变。然而，通过适当的解调算法，我们仍然可以恢复出高优先级和低优先级数据。

（注：此处省略具体图表，实际研究应包含图表展示。）

3.5 高优先级数据和低优先级数据的BER图

图5和图6分别展示了高优先级数据和低优先级数据的误码率（Bit Error Rate, BER）随信噪比（Signal-to-Noise Ratio, SNR）变化的曲线图。可以观察到，随着SNR的增加，高优先级数据和低优先级数据的BER都逐渐降低。然而，由于高优先级数据具有较高的功率和优先级，因此其BER性能优于低优先级数据。这验证了分层调制在提高通信系统灵活性和效率方面的有效性。

（注：此处省略具体图表和详细数据点描述，实际研究应包含详细的图表和数据点描述。）

4. 结论与展望

本研究通过模拟实验验证了分层调制HM 4/16 QAM的可行性和有效性。实验结果表明，分层调制能够在确保高优先级数据可靠传输的同时，提高低优先级数据的吞吐量。然而，本研究还存在一些局限性，如简化的分层调制模型、未考虑信道编码等因素。未来的研究可以进一步探索更复杂的分层调制方案、引入信道编码技术以提高系统的鲁棒性等方向。

📚2 运行结果

部分代码：

% Source coding

symbols = [1 2 3 4 5]; % Data symbols
p = [0.5 0.22 0.2 0.05 0.03]; % Probability of each data symbol
dict = huffmandict(symbols,p); % Dictionary creation i.e assigning codes to each data symbol
Hp_sig=randsrc(2500,1,[symbols;p]); % Random signal generation from first source
SourceCoded_HPSignal = huffmanenco(Hp_sig,dict); % source coding for high prority scheme.

Lp_sig=randsrc(2500,1,[symbols;p]); % Random signal generation from 2nd source
SourceCoded_LPSignal = huffmanenco(Lp_sig,dict); % source coding for low prority scheme.

% Channel coding
trellis = poly2trellis([3],[4 5 7]);
ChannelCoded_HPSignal = convenc(SourceCoded_HPSignal,trellis); % channel coding for high prority scheme.
ChannelCoded_LPSignal = convenc(SourceCoded_LPSignal,trellis); % channel coding for low prority scheme.

[m,n] = size(ChannelCoded_HPSignal);
[r,c] = size(ChannelCoded_LPSignal);

% Making randomly generated HP and LOw priority matrices equal
if m*n>r*c % If bits in HP stream signal are more then the LP stream signal then truncate the HP stream bits that are over and above the LP stream
ChannelCoded_HPSignal(r+1:end) = [];
TSid=0; % Truncated stream Id
elseif m*n<r*c % If bits in LP stream signal are more then the HP stream signal then truncate the LP stream bits that are over and above the HP stream
ChannelCoded_LPSignal(m+1:end) = [];
TSid=1;
end

% QPSK Modulation
[a,b] = size(ChannelCoded_HPSignal);
d=a*b; % Total no of bits in the signal
e=d/2;
if rem(e,1)==0 % check if no of bits are even or odd
flag=0;
else
ChannelCoded_HPSignal= vertcat(ChannelCoded_HPSignal,1); %concatenate another bit with value '1' if no of bits are odd to complete the last symbol of QPSK
ChannelCoded_LPSignal= vertcat(ChannelCoded_LPSignal,1);
e=(d+1)/2;
flag=1;
end
HP_Symbol = reshape(ChannelCoded_HPSignal,2,e); %QPSK symbol formation and putting them in a matrix column wise
LP_Symbol = reshape(ChannelCoded_LPSignal,2,e); %QPSK symbol formation and putting them in a matrix column wise

[f,g] = size(HP_Symbol);