matlab-FSK相干解调非相干解调误码率理论仿真对比-源码_2FSK非相干解调实际误码率曲线与理论误码率曲线资源-CSDN文库

共1个文件

m：1个

版权申诉

5星 · 超过95%的资源 55 浏览量 2021-09-30 21:24:36 上传评论 1 收藏 1KB RAR 举报

在通信系统中，调制和解调是两个关键步骤，它们决定了信号的传输质量和效率。本文将深入探讨基于MATLAB的FSK（频率移键控）调制的相干解调和非相干解调方法，并通过理论与仿真的对比分析误码率性能。MATLAB作为一个强大的数学计算和仿真平台，广泛应用于通信领域的研究。 FSK是一种数字调制技术，它通过改变载波频率来表示二进制数据。在这种系统中，"0"和"1"通常对应于两个不同的频率。MATLAB中的FSK调制可以利用`modulate`函数实现，而解调则是恢复原始数字信息的关键步骤。 **相干解调** 是一种利用本地载波与接收到的信号进行相位比较的解调方法。在MATLAB中，相干解调可以通过同步检波实现，即利用一个与接收信号同频同相的本地载波对信号进行下变频。这种方法能够充分利用信号的幅度和相位信息，因此在信噪比较高的环境中表现优秀。然而，它需要精确的本地载波同步，这在实际应用中可能带来挑战。 **非相干解调** 相较于相干解调，不依赖于本地载波的精确同步。常见的非相干解调方法有包络检波和鉴频法。在MATLAB中，可以使用滤波器和比较器来实现非相干解调。尽管这种方法简化了硬件需求，但其性能在低信噪比条件下通常不如相干解调。 **误码率（BER）** 是衡量通信系统性能的重要指标，它表示在传输过程中错误比特的比例。MATLAB提供了`berawgn`函数，可以用来计算在加性高斯白噪声信道（AWGN）下的误码率。通过对不同信噪比下的仿真，我们可以对比相干解调和非相干解调的误码率性能，从而评估它们在不同环境下的优劣。在提供的源码中，`matlab_FSK相干解调非相干解调误码率理论仿真对比_源码`应该包含了实现这两种解调方式以及进行误码率计算的MATLAB代码。通过运行这些代码，我们可以观察在理论和仿真条件下，两种解调方法的误码率曲线，并分析在不同信噪比下的性能差异。这个MATLAB源码项目为理解和比较FSK相干解调和非相干解调提供了一个实用的平台，有助于我们深入理解这两种方法的原理和特性，同时也为我们评估通信系统的可靠性提供了实验依据。在实际应用中，选择哪种解调方式取决于具体的需求，如系统复杂性、成本限制和预期的通信质量。

资源推荐

资源详情

资源评论

收起资源包目录

matlab_FSK相干解调非相干解调误码率理论仿真对比_源码.rar （1个子文件）

matlab_FSK相干解调非相干解调误码率理论仿真对比_源码

Runme.m 3KB

clc; clear; close all; warning off; addpath(genpath(pwd)); %############################### Ts = 1 ; step=0.01; t = 0:step:(Ts-step) ; t_length = length(t); Rs = 1./Ts ; number_of_bits = 10000 ; %############################## sent_signal=zeros(1,t_length*number_of_bits); received_signal=zeros(1,t_length*number_of_bits); ss=1; %############################### %BFSK Signals f1 = 1 ; f2 = 2 ; rand_ph=randn(1,1)*pi; signal_1 = cos(2.*pi.*f1.*t+rand_ph) ; signal_11 = signal_1'; signal_2 = cos(2.*pi.*f2.*t+rand_ph) ; signal_22 = signal_2'; %############################### cos_1=cos(2.*pi.*f1.*t) ; cos_11=cos_1'; sin_1=sin(2.*pi.*f1.*t) ; sin_11=sin_1'; cos_2=cos(2.*pi.*f2.*t) ; cos_22=cos_2'; sin_2=sin(2.*pi.*f2.*t) ; sin_22=sin_2'; %############################### k = 0 ; Eb_N0_dB = 0:12; BER_simulation = zeros(1,length(Eb_N0_dB)) ; BER_theorical = zeros(1,length(Eb_N0_dB)) ; BER_theorical_coherent = zeros(1,length(Eb_N0_dB)) ; %############################### %TX tx_bit_stream = randi([0 1],1,number_of_bits); tx_signal = zeros(t_length,number_of_bits) ; for ii = 1:1:number_of_bits for m = 1:t_length if(tx_bit_stream(1,ii) == 1) tx_signal(m,ii) = signal_22(m,1) ; elseif(tx_bit_stream(1,ii) == 0) tx_signal(m,ii) = signal_11(m,1) ; end end end %############################### for Eb_N0_dB = 0:12 Eb=sum(signal_2.^2); Eb_N0 = 10.^(Eb_N0_dB./10) ; N0 = Eb./Eb_N0 ; k=k+1 ; %########################## %AWGN noise = (sqrt(N0./2).*randn (t_length,number_of_bits)); rx_signal = tx_signal+noise ; %########################## %RX rx_bit_demodulation = zeros(1,number_of_bits) ; for jj = 1:1:number_of_bits R1=(sum(rx_signal(:,jj).*cos_11)^2)+(sum(rx_signal(:,jj).*sin_11)^2); R2=(sum(rx_signal(:,jj).*cos_22)^2)+(sum(rx_signal(:,jj).*sin_22)^2); if (R2>R1) rx_bit_demodulation(1,jj) = 1 ; end end %########################### %BER BER_simulation(1,k) = numel(1,xor(tx_bit_stream,rx_bit_demodulation))./number_of_bits ; BER_theorical(1,k) = 0.5*exp(-0.5*Eb_N0); BER_theorical_coherent(1,k)=qfunc(sqrt(Eb_N0)) ; end %#########################################33 for a = 1:number_of_bits for b = 1:t_length sent_signal(1,ss)=tx_signal(b,a); received_signal(1,ss)=rx_signal(b,a); ss=ss+1; end end %############################ % Ber PLOT Eb_N0_dB = 0:12 ; figure(1); semilogy(Eb_N0_dB,BER_simulation,'b*') hold on ; semilogy(Eb_N0_dB,BER_theorical,'r',Eb_N0_dB,BER_theorical_coherent,'k-.') legend('BER simulation','Noncoherent BER theory','Coherent BER theory') ; xlabel('Eb/N0 dB') ;ylabel('BER') ;title('Noncoherent FSK') ;grid on ; %############################ if(t_length*number_of_bits <= 1000) figure(2); plot(sent_signal); xlabel('t*number of bits') ;ylabel('sent signal'); figure(3); plot(received_signal); xlabel('t*number of bits') ;ylabel('received signal'); end

评论收藏

内容反馈

版权申诉