【图像传输】QPSK调制解调数字带通图像传输（含误码率）【含Matlab源码 3602期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、QPSK调制解调数字带通图像传输

软件无线电在无线通信领域被称为是自模拟通信过渡到数字通信之后的又一次革命，在军用和民用方面都有着广阔的应用。它是一种新的无线通信技术，基于通用的可编程的硬件平台，把尽可能多的通信功能用软件实现，从而使系统的改进和升级都非常方便，容易实现不同通信系统之间的兼容。调制与解调是整个数字通信系统基带处理的基本组成部分，也基本上构建了数字通信系统的总体性能框架。其中，QPSK调制与解调是一种性能较好，易于实现且已广泛应用于实践的调制解调方式。

正交相移键控(Quadrature Phase Shift Keying，QPSK)是一种数字调制方式。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DQPSK。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。

正交相移键控（Quadrature Phase Shift Keying，QPSK）是一种数字调制方式。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DQPSK。QPSK是一种四进制相位调制，具有良好的抗噪特性和频带利用率，广泛应用 于卫星链路、数字集群等通信业务。本课题通过使用QPSK建立如下的图像传输流程：

采用QPSK 调制方式，同时保证了信号传输的效率和误码性能。

一般的QPSK的实施，也表明高阶PSK的实施。在星座图中的正弦和余弦波用来传输方面的书面符号：

这就产生了四个阶段π/ 4，3π/ 4，5π/ 4和7π/ 4需要。

这个结果与单位的基础上功能在一个两维的信号空间被用作信号的同相分量和正交分量信号的第二首的基础功能。

而扩频通信，其特点是传输信息所用的带宽远大于信息本身带宽。在这种信息传输方式中，发送端以扩频编码（一般是伪随机码）进行扩频调制。在接收端则用同样的码进行相关同步接收、解扩及恢复所传信息数据。

⛄二、部分源代码

clear
N1=2400;
[BIT,data,data2,a1,a2,a3] =PICTURE_EXCHANGE(‘my_picture3.jpg’,‘603_1063_3.txt’);%读取高清图片
figure(1);
imshow(uint8(data2));
title(‘发送的图片’);
L1=length(BIT);
fs=8000;
alpha=0.2;
RB=2400;
Tb=1/RB;
fc=1800;
Rb=2RB;
M=4;
SNR=10;
ERROR_COUNT=0;
Redundancy=8;
PE_COUNT=0;
SNR_OLD=0;
SNR_NEW=0;
SNR_NEW_OUT=0;
My_Redundancy=[0 0 0 0];
[BIT,N] = ADD_ZERO(BIT,Rb-Redundancy);
RECEIVER_1= zeros(1,length(BIT));
h2=my_fitter(RB,fs,fc,Tb,alpha,‘RECEIVE_COS’);
draw_filter(h2,fs,3,2,8,‘COS的带通滤波器’);
h3=my_fitter(RB,fs,fc,Tb,alpha,‘RECEIVE_SIN’);
draw_filter(h3,fs,3,3,8,‘SIN的带通滤波器’);
h1=my_bpcosfir(fs,0,Rb2,N1,alpha,‘COS’);
h4=match_filter(2401,Tb,0.2);
draw_filter(h4,fs,3,1,8,‘发送滤波器’);

LPF_FLAG=‘Enable_FIR’;
BPF_FLAG=‘Enable_FIR’;

% 分帧处理，一次发送2400个码元，即处理4800个bit
for i=1:1:length(BIT)/(Rb-Redundancy)
i
% 接收缓冲区
Temp_1=BIT((Rb-Redundancy)*(i-1)+1:(Rb-Redundancy)*i);
%加冗余
Temp=[My_Redundancy’; Temp_1 ;My_Redundancy’];
% GENERATED_QPSK为发射机发送的QPSK信号，h1为发送滤波器响应,LPF_FLAG为是否使用发送滤波器
[GENERATED_QPSK,u4_send]=GENERATE_QPSK(Temp,fc,fs,h1,LPF_FLAG);
% 画频谱图
draw_fft(9,‘加噪前’,3,1,GENERATED_QPSK,fs);
% 加噪声，SNR为信噪比，GENERATED_QPSK为加噪后的信号
% GENERATED_QPSK_NOISE=awgn(GENERATED_QPSK,SNR,‘measured’);
GENERATED_QPSK_NOISE=GENERATED_QPSK;
% [GENERATED_QPSK,NOISE] = add_noise(GENERATED_QPSK,SNR);
SNR_OLD=SNR_singlech(GENERATED_QPSK,GENERATED_QPSK_NOISE);
% 画频谱图
draw_fft(9,‘加噪后’,3,2,GENERATED_QPSK_NOISE,fs);
% 载波同步
% x_sync = sync_two_signals( x_resampled,x_training_wave,idx )
% 相干解调，h2与h3为两个带通滤波器，BPF_FLAG为是否使用接收带通滤波器
[Demodulated_QPSK,COS_SIN] = Demodulation_QPSK(GENERATED_QPSK_NOISE,fc,fs,h2,h3,BPF_FLAG);
% draw_fft(9,‘带通后’,3,3,COS_SIN,fs);
SNR_NEW=SNR_singlech(GENERATED_QPSK(12000:36000),real(COS_SIN(12000:36000)));

SNR_NEW_OUT=(SNR_NEW+SNR_NEW_OUT);
% 计算误码率并赋值
for k=1:1:Rb-Redundancy
if( Demodulated_QPSK(k)~= Temp_1(k))
ERROR_COUNT=ERROR_COUNT+1;
end
if(mod(k,2)==1)
if(Demodulated_QPSK(k)~= Temp_1(k)||Demodulated_QPSK(k+1)~= Temp_1(k+1))
PE_COUNT=PE_COUNT+1;
end

end
    
    RECEIVER_1((Rb-Redundancy)*(i-1)+k)=Demodulated_QPSK(k);

end
end
SNR_NEW_OUT=SNR_NEW_OUT/(length(BIT)/(Rb-Redundancy));
%将二进制数据变为图片
Picture_Show(RECEIVER_1,L1,a1,a2,a3);
FIR_FLAG(LPF_FLAG,BPF_FLAG);
% fprintf(1,‘当前带通滤波前信噪比为：%dDB\n’,SNR);
% fprintf(1,‘滤波后信噪比为：%fDB\n’,SNR_NEW_OUT);
fprintf(1,‘输出信号的误码率为：%d\n’,PE_COUNT/L1)
fprintf(1,‘理论误码率为：%d\n’,1-(1-0.5*erfc(sqrt((10^{(SNR_NEW_OUT/10))/2)))}2)

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李娜, 王磊, 赵宏伟. 基于改进的DWT-SVD的图像传输算法[J]. 计算机工程与应用, 2019, 55(22): 1-7

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
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

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、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、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

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
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、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合