【MIMO通信】输入多输出无线通信系统调制性能分析附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。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊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、MIMO 系统与调制技术概述

MIMO 基本原理：

• 多输入多输出 (MIMO) 技术通过多天线同时传输数据，利用空间维度提升系统性能

• 核心优势：空间复用 (提升容量)、空间分集 (增强可靠性)、波束赋形 (提高信噪比)

• 信道容量与收发天线数中较小值呈线性关系：C = min (Nt, Nr)・log₂(1+SNR)

调制技术在 MIMO 中的作用：

• 将比特流映射到复平面上的星座点，实现信息传输

• 调制阶数 (M) 决定频谱效率：R = log₂(M) (bit/symbol)

• 不同调制方式影响系统误码率 (BER) 和信噪比要求

二、主流调制方式性能对比

调制方式	频谱效率 (bit/symbol)	抗干扰能力	适用 SNR 范围	误码率特点
BPSK	1	最强	低 SNR (<10dB)	PB = Q (√(2γ))，随 γ 指数下降
QPSK	2	强	中低 SNR	PB ≈ Q (√(2γ))，优于高阶调制
16QAM	4	中等	中高 SNR (>10dB)	PB ≈ 4・Q (√(3γ/5))，信噪比要求较高
64QAM	6	弱	高 SNR (>15dB)	PB ≈ 12・Q (√(7γ/45))，对噪声敏感
8PSK	3	弱 (相位密集)	中高 SNR	PB 较高，因相位间隔小易误判

性能特点分析：

• 低阶调制优势

  ：BPSK/QPSK 在低信噪比下 BER 性能优异，适合衰落信道

• 高阶调制优势

  ：16QAM/64QAM 频谱效率高，适合高信噪比稳定链路

• PSK 与 QAM 比较

  ：同阶数下 QAM 抗干扰能力优于 PSK，因同时利用幅度和相位信息

⛳️ 运行结果

📣 部分代码

qpsk_sig = ((Bits1==0).* (Bits2==0)*(exp(1i*pi/4)) + (Bits1==0).*(Bits2==1)*(exp(3*1i*pi/4)) + ...

    (Bits1==1).*(Bits2==1)*(exp(5*1i*pi/4)) + (Bits1==1).*(Bits2==0)*(exp(7*1i*pi/4)));

% SISO BER

h0 = sqrt(0.5)*(randn(1,length(qpsk_sig)) + 1i*randn(1,length(qpsk_sig)));

for SNR_dB = 0:2:20

    N0 = 1/10^(SNR_dB/10);                        

    a = length(qpsk_sig);

    Noise = sqrt(N0/2)*(randn(1,a) + 1i*randn(1,a)); 

    Rx_qpsk = qpsk_sig .* h0 + Noise;

    Rx_qpsk_sig = Rx_qpsk ./ h0;

    Bits4 = (real(Rx_qpsk_sig) < 0);

    Bits3 = (imag(Rx_qpsk_sig) < 0);

    Demod_qpsk_bits = zeros(1, 2*length(Rx_qpsk_sig));

    Demod_qpsk_bits(1:2:end) = Bits3;

    Demod_qpsk_bits(2:2:end) = Bits4;

    Error_bits_qpsk = bits - Demod_qpsk_bits;

    BER_qpsk(SNR_dB/2+1) = sum(abs(Error_bits_qpsk)) / num_bits;

end

semilogy((0:2:20), BER_qpsk, 'o--'); hold on;

% Ryleigh

h1 = sqrt(0.5)*(randn(1,length(qpsk_sig)) + 1i*randn(1,length(qpsk_sig)));

h2 = sqrt(0.5)*(randn(1,length(qpsk_sig)) + 1i*randn(1,length(qpsk_sig)));

h3 = sqrt(0.5)*(randn(1,length(qpsk_sig)) + 1i*randn(1,length(qpsk_sig)));

h4 = sqrt(0.5)*(randn(1,length(qpsk_sig)) + 1i*randn(1,length(qpsk_sig)));

h = {h1, h2, h3, h4};

🔗 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 

🏆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、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

🌟 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、公交车时间调度、水库调度优化、多式联运优化

🌟 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、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/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

🌟 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

👇

5 往期回顾扫扫下方二维码