基于jupyter notebook的python编程-----通过python编程实现信号传输QPSK的调制与解调

最新推荐文章于 2022-03-29 17:26:32 发布
最新推荐文章于 2022-03-29 17:26:32 发布
阅读量2.6k 收藏 57
点赞数 10
分类专栏： Python语言学习 移动通信原理B 文章标签： 移动通信原理 QPSK调制解调 python 数据通信 jupyterNotebook
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42451251/article/details/106530700
版权

基于jupyter notebook的python编程-----通过python编程实现信号传输QPSK的调制与解调目录


在进行移动通信原理的学习中，必然会学习QPSK的调制与解调，对于QPSK的调制与解调，我们既要学习QPSK调制的实验的原理，也要学会通过代码进行QPSK实验原理的模拟，在教学中，大多数是通过matlab代码进行通信实验的仿真，但matlab能够实现的东西，python代码也一定能够解决，本次实验 ，林君学长将通过python代码，进行QPSK的调制与解调的实验模拟

一、QPSK调制解调原理

1、什么是QPSK？

1）、四相相移键控信号简称“QPSK”。它分为绝对相移和相对相移两种。由于绝对相移方式存在相位模糊问题，所以在实际中主要采用相对移相方式QDPSK。它具有一系列独特的优点，目前已经广泛应用于无线通信中，成为现代通信中一种十分重要的调制解调方式。

QPSK是英文Quadrature Phase Shift
Keying的缩略语简称，意为正交相移键控，是一种数字调制方式。在数字信号的调制方式中QPSK四相移键控是目前最常用的一种卫星数字信号调制方式,它具有较高的频谱利用率、较强的抗干扰性、在电路上实现也较为简单

2、QPSK调制原理

1）、QPSK调制原理
SK信号的正弦载波有4个可能的离散相位状态，每个载波相位携带2个二进制符号，其信号表示式为： s i ( t ) = A c o s ( w s t + θ ) s_i(t)=Acos(w_st+θ) si​(t)=Acos(ws​t+θ)
在0到 T s T_s Ts​之间，i=1,2,3,4中取值。其中 T s T_s Ts​为四进制符号间隔(i=1,2,3,4)为正弦载波的相位，有四种可能的状态
2）、QPSK调制原理框图
在这里插入图片描述

3、QPSK解调原理

1）、QPSK解调原理
QPSK数字解调包括：模数转换、抽取或插值、匹配滤波、时钟和载波恢复等。
在实际的调谐解调电路中，采用的是非相干载波解调，本振信号与发射端的载波信号存在频率偏差和相位抖动，因而解调出来的模拟I、Q基带信号是带有载波误差的信号。这样的模拟基带信号即使采用定时准确的时钟进行取样判决，得到的数字信号也不是原来发射端的调制信号，误差的积累将导致抽样判决后的误码率增大，因此数字QPSK解调电路要对载波误差进行补偿，减少非相干载波解调带来的影响。
2）、QPSK解调原理框图
在这里插入图片描述
对于QPSK的调制与解调，具体的实验原理，大家可以通过以下链接进行具体的了解学习，当然，小伙伴有兴趣的前提下，链接如下：https://baike.baidu.com/item/qpsk/1265737?fr=aladdin
通过对以上调制解调原理框图，设计对应的解调调制原理python代码，进而达到QPSK调制，解调的仿真目的,接下来，我们就进行python代码的设计吧！

二、QPSK的python代码设计

1、QPSK调制框图设计

1）、导入本次需要的python代码库

import numpy as np
import random
import matplotlib.pyplot as plt
  • numpy: 进行数学与数组的计算
  • random： 产生随机信号
  • matplotlib.pyplot： 绘制各种信号的图像

2）、信号随机产生函数设计

def information(N):#输入比特流的个数N，输出我们的信号，要么是1，要么是0
    signal=np.array([])
    for i in range(N):
        x=random.random()
        if x>=0.5:
            x=1
        else:
            x=0
        signal=np.insert(signal,len(signal),x)
    return signal

以上函数主要功能是产生个数为N的信号个数(N为我们需要设定的参数)，每个信号要么是0，要么是1，从而进行信号的产生
3）、产生的信号进行串并转换，奇数进I路，偶数进Q路，并观察对应的信号波形
（1）、python代码如下所示：

N=20
T=1
fc=2
Fs=100
bitstream=information(N)
bitstream=2*bitstream-1
I=np.array([])
Q=np.array([])
for i in range(1,N+1):
    if np.mod(i,2)!=0:
        I=np.insert(I,len(I),bitstream[i-1])
    else:
        Q=np.insert(Q,len(Q),bitstream[i-1])
bit_data=np.array([])
for i in range(1,N+1):
     bit_data=np.insert(bit_data,len(bit_data),bitstream[i-1]*np.ones(T*Fs))
I_data=np.array([])
Q_data=np.array([])
for i in range(1,int(N/2)+1):
    I_data=np.insert(I_data,len(I_data),I[i-1]*np.ones(T*Fs*2))
    Q_data=np.insert(Q_data,len(Q_data),Q[i-1]*np.ones(T*Fs*2))
t=np.array([])
for i in np.arange(0,N*T,1/Fs):
    t=np.insert(t,len(t),i)
plt.subplot(3,1,1)
plt.plot(t,bit_data)
plt.legend(["Bitstream"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,I_data)
plt.legend(["I_Bitstream"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,Q_data)
plt.legend(["Q_Bitstream"],loc='upper right')
plt.show()

（2）、产生的原始信号和I路及Q路信号波形如下所示：
在这里插入图片描述
由于信号是随机产生的，所以小伙伴运行的结果波形图与上图得到的结果图像会不一样的，属于正常现象
4）、QPSK调制设计，与想干载波进行相乘，进而得到原始信号调制信号、I路调制信号、Q路调制信号的波形图
（1）、python代码如下所示：

bit_t=np.array([])
for i in np.arange(0,2*T,1/Fs):
    bit_t=np.insert(bit_t,len(bit_t),i)
I_carrier=np.array([])
Q_carrier=np.array([])
for i in range(1,int(N/2)+1):
    I_carrier=np.insert(I_carrier,len(I_carrier),I[i-1]*np.cos(2*np.pi*fc*bit_t))
    Q_carrier=np.insert(Q_carrier,len(Q_carrier),Q[i-1]*np.cos(2*np.pi*fc*bit_t+np.pi/2))
QPSK_signal=I_carrier+Q_carrier
plt.subplot(3,1,1)
plt.plot(t,I_carrier)
plt.legend(["I_signal"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,Q_carrier)
plt.legend(["Q_signal"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,QPSK_signal)
plt.legend(["QPSK_signal"],loc='upper right')
plt.show()

QPSK信号调制，主要是将产生的I路信号、Q路信号与想干载波进行相乘，得到调制后的I路信号和Q路信号，然后通过相加器进行相加，得到原始信号的调制信号，并观察调制信号的波形。
（2）、原始信号调制信号、I路调制信号、Q路调制信号的波形图如下所示：
在这里插入图片描述
那么通过以上步骤，我们的QPSK的解调框图就设计完成了；接下来，我们需要的就是QPSK解调框图设计了，继续跟进林君学长吧！

2、高斯白噪声设计

1）、高斯白噪声的设计

def awgn(x, snr):
    snr = 10**(snr/10.0)
    xpower = np.sum(x**2)/len(x)
    npower = xpower/snr
    return np.random.randn(len(x)) * np.sqrt(npower)+x

2）、在进行信号的调制之后，在解调之前，信道肯定会融入噪声，所以我们需要加入高斯白噪声，模拟信道传输过程中的噪声

3、QPSK解调框图设计

1）、QPSK解调框图设计python代码如下所示：

snr=1
QPSK_receive=awgn(QPSK_signal,snr)
I_recover=np.array([])
Q_recover=np.array([])
for i in range(1,int(N/2)+1):
    I_output=QPSK_receive[(i-1)*len(bit_t):i*len(bit_t)]*np.cos(2*np.pi*fc*bit_t)
    if np.sum(I_output)>0:
        I_recover=np.insert(I_recover,len(I_recover),1)
    else:
        I_recover=np.insert(I_recover,len(I_recover),-1)
    Q_output=QPSK_receive[(i-1)*len(bit_t):i*len(bit_t)]*np.cos(2*np.pi*fc*bit_t+np.pi/2)
    if np.sum(Q_output)>0:
        Q_recover=np.insert(Q_recover,len(Q_recover),1)
    else:
        Q_recover=np.insert(Q_recover,len(Q_recover),-1)
bit_recover=np.array([])
for i in range(1,N+1):
    if np.mod(i,2)!=0:
        bit_recover=np.insert(bit_recover,len(bit_recover),I_recover[int((i-1)/2)])
    else:
        bit_recover=np.insert(bit_recover,len(bit_recover),Q_recover[int(i/2)-1])
recover_data=np.array([])
for i in range(1,N+1):
    recover_data=np.insert(recover_data,len(recover_data),bit_recover[i-1]*np.ones(T*Fs))
I_recover_data=np.array([])
Q_recover_data=np.array([])
for i in range(1,int(N/2)+1):
    I_recover_data=np.insert(I_recover_data,len(I_recover_data),I_recover[i-1]*np.ones(T*Fs*2))
    Q_recover_data=np.insert(Q_recover_data,len(Q_recover_data),Q_recover[i-1]*np.ones(T*Fs*2))
plt.subplot(3,1,1)
plt.plot(t,recover_data)
plt.legend(["Bitstream"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,I_recover_data)
plt.legend(["I_Bitstream"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,Q_recover_data)
plt.legend(["Q_Bitstream"],loc='upper right')
plt.show()

将调制的I路信号和Q路信号进行叠加高斯白噪声之后，与想干载波相乘进行载波恢复，然后进行抽样判决之后，形成I路解调信号、Q路解调信号；最后对I路解调信号和Q路解调信号进行并/串转换，得到完整的解调信号，并观察三个信号的波形
2）、解调总信号、解调的I路信号、解调的Q路信号的波形图如下所示：
在这里插入图片描述

三、QPSK调制解调结论

1、QPSK调制结论

1）、QPSK的调制是将I路和Q路分别与想干载波相乘，然后通过相加器相加得到我们最终的调制信号，主要过程就是信号产生、信号分类（I路和Q路）、分类信号分别进行乘以相干载波调制、相加器相加得到最后的调制信号
2）、I路信号和Q路信号相加即可恢复为原始信号，上面的第一个图可以得到这个结论，下图所示：（原始信号）
在这里插入图片描述
3）、同理，解调信号的I路与Q路相加也可恢复为最终的解调信号，上面第二图可以得出，下图所示：
在这里插入图片描述

2、QPSK解调结论

1）、QPSK的解调是对I路和Q路分别进行解调，将解调后的I路和Q路进行最终的相加器相加得到我们的解调信号 ，主要过程就是调制信号->加入噪声->载波恢复->抽样判决->并/串变换->相加器相加
2）、通过原始信号与最终的解调信号我们可以得出，QPSK系统性能是非常不错的，原始信号波形图与解调信号波形图基本吻合，如下所示：
（1）原始信号波形图：
在这里插入图片描述
（2）、解调信号波形图
在这里插入图片描述
这就是python语言强大的功能之处，python在本世纪应该是人工智能和图像处理的主要设计代码，所以，多学习python，对自己以后的未来是有好处的！

四、QPSK调制解调整体代码

1、QPSK调制解调完整python代码如下所示

import numpy as np
import random
import matplotlib.pyplot as plt
def awgn(x, snr):
    snr = 10**(snr/10.0)
    xpower = np.sum(x**2)/len(x)
    npower = xpower/snr
    return np.random.randn(len(x)) * np.sqrt(npower)+x
def information(N):#输入比特流的个数N，输出我们的信号，要么是1，要么是0
    signal=np.array([])
    for i in range(N):
        x=random.random()
        if x>=0.5:
            x=1
        else:
            x=0
        signal=np.insert(signal,len(signal),x)
    return signal
#以下为信号分离
N=20
T=1
fc=2
Fs=100
bitstream=information(N)
bitstream=2*bitstream-1
I=np.array([])
Q=np.array([])
for i in range(1,N+1):
    if np.mod(i,2)!=0:
        I=np.insert(I,len(I),bitstream[i-1])
    else:
        Q=np.insert(Q,len(Q),bitstream[i-1])
bit_data=np.array([])
for i in range(1,N+1):
     bit_data=np.insert(bit_data,len(bit_data),bitstream[i-1]*np.ones(T*Fs))
I_data=np.array([])
Q_data=np.array([])
for i in range(1,int(N/2)+1):
    I_data=np.insert(I_data,len(I_data),I[i-1]*np.ones(T*Fs*2))
    Q_data=np.insert(Q_data,len(Q_data),Q[i-1]*np.ones(T*Fs*2))
t=np.array([])
for i in np.arange(0,N*T,1/Fs):
    t=np.insert(t,len(t),i)
plt.subplot(3,1,1)
plt.plot(t,bit_data)
plt.legend(["Bitstream"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,I_data)
plt.legend(["I_Bitstream"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,Q_data)
plt.legend(["Q_Bitstream"],loc='upper right')
plt.show()
#以下为信号调制，记得分开运行
bit_t=np.array([])
for i in np.arange(0,2*T,1/Fs):
    bit_t=np.insert(bit_t,len(bit_t),i)
I_carrier=np.array([])
Q_carrier=np.array([])
for i in range(1,int(N/2)+1):
    I_carrier=np.insert(I_carrier,len(I_carrier),I[i-1]*np.cos(2*np.pi*fc*bit_t))
    Q_carrier=np.insert(Q_carrier,len(Q_carrier),Q[i-1]*np.cos(2*np.pi*fc*bit_t+np.pi/2))
QPSK_signal=I_carrier+Q_carrier
plt.subplot(3,1,1)
plt.plot(t,I_carrier)
plt.legend(["I_signal"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,Q_carrier)
plt.legend(["Q_signal"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,QPSK_signal)
plt.legend(["QPSK_signal"],loc='upper right')
plt.show()
#以下为调制信号解调，记得分开运行
snr=1
QPSK_receive=awgn(QPSK_signal,snr)
I_recover=np.array([])
Q_recover=np.array([])
for i in range(1,int(N/2)+1):
    I_output=QPSK_receive[(i-1)*len(bit_t):i*len(bit_t)]*np.cos(2*np.pi*fc*bit_t)
    if np.sum(I_output)>0:
        I_recover=np.insert(I_recover,len(I_recover),1)
    else:
        I_recover=np.insert(I_recover,len(I_recover),-1)
    Q_output=QPSK_receive[(i-1)*len(bit_t):i*len(bit_t)]*np.cos(2*np.pi*fc*bit_t+np.pi/2)
    if np.sum(Q_output)>0:
        Q_recover=np.insert(Q_recover,len(Q_recover),1)
    else:
        Q_recover=np.insert(Q_recover,len(Q_recover),-1)
bit_recover=np.array([])
for i in range(1,N+1):
    if np.mod(i,2)!=0:
        bit_recover=np.insert(bit_recover,len(bit_recover),I_recover[int((i-1)/2)])
    else:
        bit_recover=np.insert(bit_recover,len(bit_recover),Q_recover[int(i/2)-1])
recover_data=np.array([])
for i in range(1,N+1):
    recover_data=np.insert(recover_data,len(recover_data),bit_recover[i-1]*np.ones(T*Fs))
I_recover_data=np.array([])
Q_recover_data=np.array([])
for i in range(1,int(N/2)+1):
    I_recover_data=np.insert(I_recover_data,len(I_recover_data),I_recover[i-1]*np.ones(T*Fs*2))
    Q_recover_data=np.insert(Q_recover_data,len(Q_recover_data),Q_recover[i-1]*np.ones(T*Fs*2))
plt.subplot(3,1,1)
plt.plot(t,recover_data)
plt.legend(["Bitstream"],loc='upper right')
plt.subplot(3,1,2)
plt.plot(t,I_recover_data)
plt.legend(["I_Bitstream"],loc='upper right')
plt.subplot(3,1,3)
plt.plot(t,Q_recover_data)
plt.legend(["Q_Bitstream"],loc='upper right')
plt.show()

对于以上代码模块的功能，林君学长已经给出，建议调制和解调分开运行，这样得到的波形图比较美观、知道每段代码对应的波形图，总共三个图，三段主要代码，在jupyter中分三格运行便好，VSCode中建议创建三个py文件然后调用运行就好！

以上就是本次博客的全部内容啦，通过本次博客，大家可以更好的了解到QPSK的的调制与解调原理，也能够对QPSK应用于生活中的调制解调问题有一定的了解，同时，林君学长也希望大家能够深入的了解代码的具体意思，理解原理；代码有错误的地方记得给林君学长留言改正。
同时、遇到问题的小伙伴也记得评论区留言，林君学长看到会给大家回复解答的，这个学长不太冷！
陈一月的又一天编程岁月^ _ ^

陈一月的编程岁月
关注
  • 10
    点赞
  • 踩
  • 57
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 11
    评论
专栏目录
用python写出瑞利衰落信道下的QPSK程序
weixin_35755434的博客
01-07 642
好的。瑞利衰落信道是一种电信信道模型，其中信号在传输过程中会受到衰落。QPSK (Quadrature Phase Shift Keying) 是一种相位移相键控方式，其中信号的相位会在四个状态之间移动。 在 Python 中，你可以使用 NumPy 库来生成 QPSK 调制信号。首入你需要生成要调制的原始二进制信息序列。然后，你可以使用 NumPy 的where 函数来根据该序列中的每个元素的值...
QPSK调制原理及python实现
热门推荐
王敏
04-10 1万+
文章目录QPSK调制原理及python实现QPSK调制原理python实现调制过程1、导入相关库函数2、调制过程3、作图过程 QPSK调制原理及python实现 QPSK调制原理 QPSK调制过程及原理在前面的博客中以及详细分析过。在本文中将简单介绍实现代码的数学原理。 代码实现QPSK调制，是运用了IQ调制原理，将数字基带信号分为I、Q两路，再分别与载波想乘，最后相加从而得到调制信号。实现过程中...
通信原理课程设计—实现Qpsk调制解调
12-09
QPSK 通信原理课程设计—实现ask、fsk、psk、dpsk调制解调，包括matlab源程序，可以运行
qpsk调制解调负1和1版本.py_QPSK_python_
10-02
应用Python完成的qpsk调制和解调
QPSK解调原理及Python实现
王敏
04-13 6044
文章目录QPSK解调原理代码实现调制信号经过高斯信道信号解调低通滤波作图运行结果 QPSK解调原理 代码实现 QPSK调制信号的产生在上一篇博客中我已经介绍了，本文将不再赘述。 下面是根据QPSK解调原理编写的部分Python代码： 调制信号经过高斯信道 #调制信号经过高斯信道 s11 = wgn(s, SNR) #高斯噪声曲线 s1 = s + s11 #加上高斯信道...
【信号处理】Python实现BPSK、QPSK、8PSK、8QAM、16QAM、64QAM的调制和解调
BetterBench的博客
10-03 7518
目录1 引言2 实现2.1 调制2.2 解调3 完整编码和解码的例子 1 引言 本文不涉及原理讲解，只提供实现方法。需要借助Commpy开源包去实现通信中的各种处理。 安装方法，源码下载地址Commpy源码下载 方法一 pip install scikit-commpy 方法二 git clone https://github.com/veeresht/CommPy.git cd CommPy python setup.py install 2 实现 2.1 调制 import commpy as cpy
Python实现2ASK,2FSK和2PSK调制与解调
qq_45825952的博客
11-20 4160
基于python实现了ASK,FSK和PSK的调制解调仿真。
PI4-QPSK信号的调制与解调
04-12
PI4-QPSK信号的调制与解调
基于FPGA的QPSK调制解调电路设计与实现-综合文档
05-23
本文主要探讨的是一个重要的通信技术——四相相移键控（QPSK）调制解调电路的设计与实现，具体是通过FPGA进行的。以下将详细阐述QPSK的基本原理、FPGA在其中的作用以及设计实现的关键步骤。 QPSK是一种广泛使用的...
QPSK调制解调原理，有原理框图及步骤接收，非常详细
02-20
QPSK调制解调原理，有原理框图及步骤接收，非常详细。QPSK是数字调制方式的一种，非常常见，有需要的朋友可以下载看看！
soft_demodule.zip_64 QAM 调制解调_QAM软_matlab软解调_qpsk 软判决_qpsk软判决
07-14
用于学习软判决解调算法,文件中包含用于算法描述的文献,以及对应matlab代码,支持PSK,QPSK,16-QAM,64-QAM四种调制方式
相干 QPSK 仿真和 BER 与 SNR 曲线：估计并绘制了 QPSK 在加性高斯白噪声信道上的 BER 性能。-matlab开发
06-01
该程序执行相干 QPSK 通信系统的蒙特卡罗模拟，并绘制加性高斯噪声信道上的错误概率性能。 检测基于相关度量。 对 10,000 位执行模拟并相应地进行测量。
qpsk_de代码（对应上面的qpsk）
05-25
从网上找到的qpsk调制解调的代码，我按照网上的代码，搭建了testbench，虽然感觉不是qpsk，不过也能学习到一些东西，这个应该是他的解码
基于FPGA的QPSK调制解调电路设计与实现.zip-综合文档
05-19
本文档“基于FPGA的QPSK调制解调电路设计与实现”深入探讨了如何在FPGA（Field-Programmable Gate Array）平台上实现这两种技术的硬件电路设计。 QPSK调制是一种数字调制方法，它通过改变载波的相位来传输信息。在...
通信-调制解调-qpsk 解调 verilog实现源码
最新发布
05-25
qpsk解调实现；verilog语言实现，解调的源码
信号调制与解调python
abc1234abcdefg的博客
03-29 6243
1.信号调制中的调幅调制 2.python案例
调制与解调
08-04 9285
Modulate and Demodulate 调制就是用基带信号去控制载波信号的某个或几个参量的变化，将信息荷载在其上形成已调信号传输，而解调是调制的反过程，通过具体的方法从已调信号的参量变化中将恢复原始的基带信号。-调制：将各种数字基带信号转换成适于信道传输的数字调制信号（已调信号或频带信号）； - 解调：在接收端将收到的数字频带信号还原成数字基带信号；1. 调制 调制的目的：使原始信号的
【信号处理】python按原理实现BPSK、QPSK、QAM信号调制
BetterBench的博客
03-20 5628
1 BPSK调制 # -*- coding:utf-8 -*- import numpy as np from math import pi import matplotlib.pyplot as plt import matplotlib import math #码元数 size = 10 sampling_t = 0.01 t = np.arange(0, size, sampling_t) # 随机生成信号序列 a = np.random.randint(0, 2, siz
matlab实现混合PPM-QPSK调制的误码率
07-27
要在MATLAB中实现混合PPM-QPSK调制的误码率（Bit Error Rate，BER），您可以使用以下示例代码： ```matlab % 设置参数 M = 4; % QPSK调制中的符号数 Tb = 1; % 每个比特的持续时间 Tp = 4; % 每个PPM符号的持续时间 EbNo_dB = 0:10; % 信噪比范围（以dB为单位） EbNo = 10.^(EbNo_dB/10); % 转换为线性比特能量与噪声功率谱密度之比 % 生成随机比特序列 numBits = 1e6; % 比特序列长度 bitSeq = randi([0 1], 1, numBits); % PPM-QPSK调制 ppmSeq = zeros(1, numBits/Tb); for i = 1:numBits/Tb symbolIdx = bi2de(reshape(bitSeq((i-1)*Tb+1:i*Tb), 2, [])', 'left-msb') + 1; ppmSeq(i) = exp(1i * (2*pi/M) * (symbolIdx-1)); end % 添加高斯白噪声 ber = zeros(size(EbNo_dB)); for i = 1:length(EbNo_dB) N0 = Tb / (2 * log2(M) * EbNo(i)); % 噪声功率谱密度 noise = sqrt(N0/2) * (randn(size(ppmSeq)) + 1i * randn(size(ppmSeq))); % 复高斯白噪声 received = ppmSeq + noise; % 接收信号 % 解调 demodulated = angle(received) * M / (2*pi) + 1; demodulated = de2bi(demodulated-1, 'left-msb'); demodulated = reshape(demodulated', 1, []); % 计算误码率 numErrors = sum(bitSeq ~= demodulated); ber(i) = numErrors / numBits; end % 绘制误码率曲线 semilogy(EbNo_dB, ber, 'o-'); xlabel('Eb/No (dB)'); ylabel('Bit Error Rate (BER)'); title('BER Performance of Hybrid PPM-QPSK Modulation'); grid on; ``` 在上述代码中，我们首先设置了参数，包括QPSK调制中的符号数M、每个比特的持续时间Tb、每个PPM符号的持续时间Tp以及信噪比范围EbNo_dB。然后，我们生成了一个随机的比特序列bitSeq。 接下来，我们进行PPM-QPSK调制，将比特序列映射为复数形式的PPM符号ppmSeq。 随后，我们添加高斯白噪声，并对接收信号进行解调，得到解调后的比特序列demodulated。 最后，我们计算误码率，并绘制误码率曲线。 请根据您的具体需求调整参数并运行代码。希望对您有所帮助！如有更多问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

陈一月的编程岁月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值