【数字信号调制】基于AWGN信道BPSK和QPSK仿真（含BER分析）附Matlab代码

✅作者简介热爱科研的Matlab仿真开发者擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 往期回顾关注个人主页Matlab科研工作室 关注我领取海量matlab电子书和数学建模资料个人信条格物致知,完整Matlab代码获取及仿真咨询内容私信。 内容介绍一、数字调制概述在数字通信系统中数字调制是将数字信号转换为适合在信道中传输的模拟信号的过程。其核心目的是通过改变载波的某些特性如幅度、频率或相位来携带数字信息使信息能够在信道中可靠地传输到接收端。常见的数字调制方式包括二进制相移键控BPSK和四相相移键控QPSK它们在不同场景下各有特点和应用优势。二、AWGN 信道定义与特性加性高斯白噪声AWGN信道是一种理想的噪声信道模型在通信系统分析中具有重要地位。其主要特点是噪声在所有频率上具有均匀的功率谱密度并且噪声的瞬时值服从高斯分布。在该信道模型中接收信号 r(t) 由发送信号 s(t) 与高斯白噪声 n(t) 相加得到即 r(t)s(t)n(t)。对通信的影响AWGN 信道中的噪声会干扰信号的传输导致接收端接收到的信号发生畸变。噪声功率越大信号受到的干扰越严重接收端准确恢复原始信号的难度就越大。在数字通信中这种干扰通常会导致误码即接收端判断的数字信息与发送端发送的原始信息不一致。三、BPSK二进制相移键控调制原理BPSK 是一种简单且常用的数字调制方式。在 BPSK 中载波的相位根据输入的二进制数字信号进行改变。通常用 0 相位表示二进制 “0”用 π 相位表示二进制 “1”。例如假设发送的二进制数字序列为 {bn}载波信号为 Accos(ωct)则 BPSK 调制后的信号 s(t) 可以表示为s(t)∑n−∞∞Ac(−1)bncos(ωc(t−nT))其中 Ac 是载波幅度ωc 是载波角频率T 是码元周期。解调与检测在接收端BPSK 信号通过与本地载波进行相干解调。首先将接收到的信号 r(t) 与本地产生的同频同相载波 Accos(ωct) 相乘然后经过低通滤波器LPF滤除高频分量得到包含原始信息的基带信号。最后通过判决器根据一定的判决门限对基带信号进行判决恢复出原始的二进制数字信号。在 AWGN 信道中的性能在 AWGN 信道下BPSK 信号的性能主要受噪声影响。随着噪声功率的增加判决器正确恢复原始信号的概率降低误码率BER会上升。由于 BPSK 只有两个相位状态其抗噪声能力相对较强在低信噪比SNR情况下也能保持一定的通信质量。四、QPSK四相相移键控调制原理QPSK 是在 BPSK 基础上发展而来的调制方式它利用载波的四种不同相位来表示不同的二进制数字组合。通常将二进制数字序列按两位一组进行划分分别用 4π、43π、45π 和 47π 四个相位来表示 00、01、11 和 10 这四种组合。假设输入的二进制数字序列为 {b2n,b2n1}载波信号为 Accos(ωct)则 QPSK 调制后的信号 s(t) 可以表示为s(t)∑n−∞∞Accos(ωctθn)其中 θn 根据 b2n 和 b2n1 的组合取值为上述四个相位之一。解调与检测QPSK 信号的解调同样采用相干解调方法。接收端将接收到的信号 r(t) 分别与两个正交的本地载波 Accos(ωct) 和 Acsin(ωct) 相乘经过低通滤波器后得到两路基带信号。然后对这两路基带信号分别进行判决恢复出原始的二进制数字序列。在 AWGN 信道中的性能QPSK 在单位带宽内传输的信息量是 BPSK 的两倍因为它使用四个相位状态来表示信息。然而这也使得 QPSK 的相位状态之间的距离相对 BPSK 更小对噪声更加敏感。在 AWGN 信道中QPSK 需要更高的信噪比才能达到与 BPSK 相同的误码率性能。但在带宽受限的情况下QPSK 能够在相同带宽内传输更多信息从而提高通信系统的有效性。五、误码率BER分析定义与意义误码率是衡量数字通信系统性能的重要指标它表示接收端接收到的错误码元数与传输的总码元数之比。BER 越低说明通信系统在传输过程中发生错误的概率越小通信质量越高。对于 BPSK 和 QPSK 在 AWGN 信道中的性能评估BER 分析至关重要它能够定量地描述不同调制方式在不同噪声环境下的可靠性。⛳️ 运行结果 部分代码close all;%GENERAtion of bits% Number of bitsN 1e5; % 100,000 bits% Generate random bits (0s and 1s)bits randi([0 1], N, 1); % randi([0 1], N, 1) creates an N×1 column vector% Each element is randomly either 0 or 1% This represents the digital information bits to be transmitted%% STEP-2: BPSK Modulation% BPSK mapping:% bit 0 - -1% bit 1 - 1bpsk_symbols 2*bits - 1;%% STEP-3: AWGN Channel (y s n)% Choose Signal-to-Noise Ratio (SNR) in dBSNR_dB 5; % You can try 0, 5, 10 dB% Convert SNR from dB to linear scaleSNR_linear 10^(SNR_dB/10); 参考文献更多创新智能优化算法模型和应用场景可扫描关注1.机器学习/深度学习类BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断2.组合预测类CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可可任意搭配非常新颖~3.分解类EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~4.路径规划类旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划EVRP、 双层车辆路径规划2E-VRP、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~5.小众优化类生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划2E-VRP、充电车辆路径规划EVRP、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统BMSSOC/SOH估算粒子滤波/卡尔曼滤波、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进扰动观察法/电导增量法、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度虚拟电厂能源消纳风光出力控制策略多目标优化博弈能源调度鲁棒优化等等均可~6.原创改进优化算法适合需要创新的同学原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可保证测试函数效果一般可直接核心