【通信】基于Matlab模拟BPSK、QPSK、8PSK、BFSK和16QAM等各种调制方案的单载波通信系统，并计算不同调制方案的误码率BER附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知，求助可私信。

🔥 内容介绍

摘要: 本文利用Matlab软件平台，对单载波通信系统中常见的几种数字调制方案，包括二进制相移键控(BPSK)、四进制相移键控(QPSK)、八进制相移键控(8PSK)、二进制频移键控(BFSK)和16进制正交振幅调制(16QAM)进行了仿真模拟。通过添加不同信噪比(SNR)下的加性高斯白噪声(AWGN)信道，系统地分析了不同调制方案在AWGN信道下的误码率(BER)性能，并对结果进行了详细讨论，最终得出不同调制方案的BER性能比较及其适用场景的建议。

关键词: 单载波通信，BPSK，QPSK，8PSK，BFSK，16QAM，误码率，Matlab仿真

1. 引言

数字通信系统中，调制技术是将数字信号转换为适合信道传输的模拟信号的关键环节。不同的调制方案具有不同的频谱效率和抗噪声能力。选择合适的调制方案对于保证通信系统的可靠性和效率至关重要。本文旨在利用Matlab强大的仿真能力，对几种常用的单载波数字调制方案进行模拟，并分析其在AWGN信道下的误码率性能，为实际通信系统的设计提供参考依据。

2. 调制方案概述

本文选取了五种常见的数字调制方案进行分析：

• BPSK (Binary Phase Shift Keying): 二进制相移键控，使用两个不同的相位来表示二进制信息“0”和“1”，具有较强的抗噪声能力，但频谱效率较低。

• QPSK (Quadrature Phase Shift Keying): 四进制相移键控，使用四个不同的相位来表示四个二进制信息符号，其频谱效率是BPSK的两倍，抗噪声能力略低于BPSK。

• 8PSK (Eight-Phase Shift Keying): 八进制相移键控，使用八个不同的相位来表示三个二进制信息符号，频谱效率更高，但抗噪声能力进一步下降。

• BFSK (Binary Frequency Shift Keying): 二进制频移键控，使用两个不同的频率来表示二进制信息“0”和“1”，抗噪声能力与BPSK相当，但频谱效率较低。

• 16QAM (16-Quadrature Amplitude Modulation): 16进制正交振幅调制，使用16个不同的幅度和相位组合来表示四个二进制信息符号，具有最高的频谱效率，但抗噪声能力最差。

3. Matlab仿真模型

本仿真模型主要包括以下几个模块：

• 信息源: 产生随机的二进制数据序列。

• 调制器: 根据选择的调制方案，将二进制数据序列映射到相应的模拟信号。

• AWGN信道: 在模拟信号中添加高斯白噪声，模拟实际信道环境。信噪比(SNR)作为可调参数，用于分析不同噪声条件下的系统性能。

• 解调器: 对接收到的噪声信号进行解调，将模拟信号还原为二进制数据序列。

• 误码率计算: 比较发送的二进制数据序列和接收到的二进制数据序列，计算误码率(BER)。

Matlab代码中，使用了comm.BPSKModulator、comm.QPSKModulator、comm.PSKModulator、comm.FSKModulator和comm.QAMModulator等系统函数来实现不同调制方案的调制和解调过程。 AWGN信道的模拟则通过awgn函数实现。

4. 仿真结果与分析

通过改变SNR值，并多次运行仿真程序，得到不同调制方案在不同SNR下的BER曲线。结果表明：

• 在相同SNR下，BPSK的BER最低，抗噪声能力最强；其次是QPSK和BFSK，两者BER接近；然后是8PSK；16QAM的BER最高，抗噪声能力最弱。

• 随着SNR的增加，所有调制方案的BER都下降。

• 不同调制方案的BER曲线斜率不同，反映了其抗噪声能力的差异。斜率越大，表示抗噪声能力越强。

图表将在正文中以合适的格式展现，清晰地展示不同调制方案的BER与SNR的关系。 (此处应插入BER曲线图，展示不同调制方案的BER性能比较)

5. 结论

本文基于Matlab平台，对五种常见的单载波数字调制方案进行了仿真模拟，并分析了其在AWGN信道下的BER性能。仿真结果表明，BPSK具有最佳的抗噪声能力，但频谱效率最低；16QAM具有最高的频谱效率，但抗噪声能力最差。其他调制方案的性能介于两者之间。在实际应用中，应根据系统的具体要求，如对数据传输速率和可靠性的要求，选择合适的调制方案。例如，在对可靠性要求较高的系统中，可以选择BPSK或QPSK；而在对频谱效率要求较高的系统中，可以选择QAM调制，但需采取相应的信道编码技术来提高系统的抗噪声能力。

6. 未来工作

未来的研究可以扩展到以下几个方面：

• 研究不同信道模型下的调制方案性能，例如瑞利衰落信道和多径信道。

• 引入信道编码技术，研究编码调制方案的性能。

📣 部分代码

mbols_16QAM = mapper_16QAM(bits);

SNR_dB = -4:14; % Eb/No, Eb=1

% allocating the BER array for different modulation schemes

BER_BPSK  = zeros(size(SNR_dB));

BER_BFSK  = zeros(size(SNR_dB));

BER_QPSK  = zeros(size(SNR_dB));

BER_8PSK  = zeros(size(SNR_dB));

BER_16QAM = zeros(size(SNR_dB));

BER_QPSK_not_gray = zeros(size(SNR_dB));

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🎁  私信完整代码和数据获取及论文数模仿真定制

🌿 往期回顾可以关注主页，点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 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、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

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

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

🌈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

🌈 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、 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

🌈 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、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

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、水声通信、通信上传下载分配

🌈 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、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

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

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇